IOSG |.

Auf den ersten Blick scheint AI X Web3 unabhängige Technologien zu sein, die jeweils auf grundsätzlich unterschiedlichen Prinzipien basieren und unterschiedliche Funktionen dienen.Eingehende Diskussionen zeigten jedoch, dass diese beiden Technologien die Möglichkeit haben, sich gegenseitig die Kompromisse auszugleichen, und ihre einzigartigen Vorteile können sich gegenseitig ergänzen und sich gegenseitig verbessern.Balaji Srinivasan erläuterte auf der Superai -Konferenz das Konzept dieser komplementären Fähigkeit und inspirierte einen detaillierten Vergleich, wie diese Technologien interagieren.

Token verfolgt einen Bottom-up-Ansatz, der sich aus den dezentralen Bemühungen des anonymen Cyberpunks hervorgeht, und hat sich über ein Jahrzehnt durch die gemeinsamen Bemühungen vieler unabhängiger Unternehmen auf der ganzen Welt entwickelt.Stattdessen wird künstliche Intelligenz durch einen Top-Down-Ansatz entwickelt und von einer Handvoll Tech-Riesen dominiert.Diese Unternehmen bestimmen das Tempo und die Dynamik der Branche, und der Schwellenwert für den Eintritt wird stärker durch die Ressourcenintensität als die technische Komplexität bestimmt.

Diese beiden Technologien haben auch völlig unterschiedliche Naturen.Im Wesentlichen ist ein Token ein deterministisches System, das unveränderliche Ergebnisse wie die Vorhersagbarkeit einer Hash-Funktion oder Null-Wissen-Beweise erzielt.Dies steht in scharfem Gegensatz zur Wahrscheinlichkeit und oft unvorhersehbarer künstlicher Intelligenz.

In ähnlicher Weise ist die VerschlüsselungstechnologieÜberprüfaspektHervorragend durchführen, Authentizität und Sicherheit von Transaktionen gewährleisten und bauenVertrauenslosProzesse und Systeme, während sich künstliche Intelligenz konzentrierterzeugenErstellen Sie reichhaltige digitale Inhalte.Die Gewährleistung von Inhaltsquellen und die Verhinderung von Identitätsdiebstahl sind jedoch zu einer Herausforderung bei der Schaffung digitaler Reichtum.

Zum Glück bietet Token digital reiche Konzepte der Opposition –Digitale Knappheit.Es bietet relativ reife Tools, die auf künstliche Intelligenztechnologien verallgemeinert werden können, um die Zuverlässigkeit von Inhaltsquellen zu gewährleisten und Probleme mit Identitätsdiebstahl zu vermeiden.

Ein wesentlicher Vorteil von Token ist die Fähigkeit, eine große Menge an Hardware und Kapital in das Koordinierungsnetzwerk zu gewinnen, um spezifische Ziele zu erreichen.Diese Fähigkeit ist besonders vorteilhaft für künstliche Intelligenz, die viel Rechenleistung verbraucht.Die Mobilisierung von nicht genutzten Ressourcen zur Bereitstellung einer billigeren Rechenleistung kann die Effizienz künstlicher Intelligenz erheblich verbessern.

Durch den Vergleich dieser beiden Technologien können wir nicht nur ihre jeweiligen Beiträge schätzen, sondern auch sehen, wie sie gemeinsam neue Wege für Technologie und Wirtschaft schaffen können.Jede Technologie kann die Mängel einer anderen Technologie ausgleichen und eine integriertere und innovativere Zukunft schaffen.In diesem Blog -Beitrag wollen wir die aufstrebende KI X Web3 -Branchenkarte untersuchen, die sich auf einige aufstrebende Branchen an der Schnittstelle dieser Technologien konzentriert.

Quelle: iOSG Ventures

2.1 Computernetzwerk

Die Branchenkarte führt zunächst Computernetzwerke ein, die versuchen, das Problem der eingeschränkten GPU -Bereitstellung zu lösen und die Rechenkosten auf unterschiedliche Weise zu senken.Die folgenden Artikel sind es wert, auf:

• Nicht nicht eingehende GPU-Interoperabilität: Dies ist ein sehr ehrgeiziger Versuch mit hohen technischen Risiken und Unsicherheiten, aber wenn er erfolgreich ist, ist es möglich, Ergebnisse von Skalen und Auswirkungen zu erzielen, wodurch alle Rechenressourcen austauschbar sind.Im Wesentlichen ist es die Idee, Compiler und andere Voraussetzungen zu erstellen, damit jede Hardware -Ressource auf der Angebotsseite eingefügt werden kann, während die Nichteinheit aller Hardware vollständig abstrahiert wird, damit Ihre Computeranforderungen an das Netzwerk weitergeleitet werden können jede Ressource in.Wenn diese Vision erfolgreich ist, verringert sie die aktuelle Abhängigkeit von CUDA -Software, die von KI -Entwicklern vollständig dominiert wird.Trotz der hohen technischen Risiken sind viele Experten sehr skeptisch gegenüber der Machbarkeit dieses Ansatzes.

• Hochleistungs-GPU-Aggregation: Integrieren Sie den weltweit beliebtesten GPUs in ein verteiltes und nicht autorisiertes Netzwerk, ohne sich über die Interoperabilität zwischen nicht nicht einheitlichen GPU-Ressourcen zu sorgen.

• GPU-Aggregation der Konsumentenqualität.Es richtet sich an diejenigen, die bereit sind, Leistung und Geschwindigkeit für billigere, längere Trainingsprozesse zu opfern.

2.2 Training und Argumentation

Computernetzwerke werden hauptsächlich für zwei Hauptfunktionen verwendet: Training und Inferenz.Die Nachfrage nach diesen Netzwerken stammt von Web 2.0- und Web 3.0 -Projekten.In der Web 3.0-Welt verwenden Projekte wie Bittensor Computing-Ressourcen, um das Modell zu optimieren.In Bezug auf das Denken betont das Web 3.0 -Projekt die Überprüfbarkeit des Prozesses.Dieser Fokus hat überprüfbare Argumentation als branchierter Marktverteidiger hervorgebracht. Projekte untersuchen, wie KI -Argumentation in intelligente Verträge integriert und gleichzeitig das Prinzip der Dezentralisierung aufrechterhalten wird.

2.3 Intelligente Proxy -Plattform

Als nächstes istSmart Proxy -PlattformDie Karte beschreibt die Kernprobleme, die Startups in dieser Kategorie lösen müssen:

• Interoperabilität und Kommunikationsfunktionen der Agenten: Agenten können miteinander entdecken und kommunizieren.

• Konstruktions- und Managementfunktionen des Agenten Cluster: Agenten können Cluster bilden und andere Agenten verwalten.

• Eigentum und Vermarktung von AI -Agenten: Bieten Sie Eigentümer und Markt für KI -Agenten.

Diese Merkmale betonen die Bedeutung flexibler und modularer Systeme, die nahtlos in eine Vielzahl von Blockchain- und künstlichen Intelligenzanwendungen integriert werden können.KI -Agenten haben das Potenzial, die Art und Weise zu revolutionieren, wie wir mit dem Internet interagieren, und wir glauben, dass Agenten die Infrastruktur nutzen werden, um ihre Operationen zu unterstützen.Wir stellen uns vor, KI -Agenten verlassen sich in den folgenden Aspekten auf die Infrastruktur:

• Greifen Sie mit verteilten Crawling-Netzwerken in Echtzeit-Netzwerkdaten zu

• Verwenden Sie Defi-Kanäle, um die Zahlung zwischen den Agenten zu leisten

• Eine wirtschaftliche Kaution zu benötigen, dient nicht nur zur Bestrafung, wenn Fehlverhalten auftritt, sondern auch zur Verbesserung der Entdeckbarkeit des Agenten (d. H. Die Verwendung der Kaution als wirtschaftliches Signal während des Entdeckungsprozesses)

• verwendenKonsensEntscheiden Sie, welche Ereignisse zu Schnitten führen sollen

• OffenInteroperabilitätStandard- und Proxy -Frameworks zur Unterstützung des GebäudesKombinierbares Kollektiv

• entsprechendUnveränderliche DatengeschichteUm die vergangene Leistung zu bewerten und das richtige Agentenkollektiv in Echtzeit auszuwählen

Quelle: iOSG Ventures

2.4 Datenschicht

Bei der Konvergenz von AI X Web3 sind Daten eine Kernkomponente.Daten sind ein strategisches Gut im KI -Wettbewerb und bilden zusammen mit Rechenressourcen eine wichtige Ressource.Diese Kategorie wird jedoch oft übersehen, da sich die meisten Aufmerksamkeit der Branche auf die Rechenebene konzentriert.Tatsächlich liefern Primitive im Prozess der Datenerfassung viele interessante Wertrichtungen, wobei hauptsächlich die folgenden zwei hochrangigen Anweisungen enthalten sind:

• ZugangÖffentliche Internetdaten

• ZugangSchutzdaten

Zugriff auf öffentliche Internetdaten: Diese Anweisung zielt darauf ab, ein verteiltes Crawler -Netzwerk zu erstellen, das das gesamte Internet innerhalb weniger Tage kriechen, massive Datensätze erhalten oder in Echtzeit auf sehr spezifische Internetdaten zugreifen kann.Um jedoch eine große Anzahl von Datensätzen im Internet zu kriechen, ist die Netzwerknachfrage sehr hoch, und mindestens ein paar hundert Knoten sind erforderlich, um einige sinnvolle Arbeiten zu beginnen.Glücklicherweise hat Grass, ein verteiltes Crawler -Knoten -Netzwerk, mehr als 2 Millionen Knoten, die die Internetbandbreite aktiv an das Netzwerk teilen, mit dem Ziel, das gesamte Internet zu kriechen.Dies zeigt das große Potenzial wirtschaftlicher Anreize, wertvolle Ressourcen anzuziehen.

Obwohl Grass in öffentlichen Daten ein ebenes Spielfeld bietet, gibt es immer noch ein Problem, potenzielle Daten zu nutzen – das heißt, der Zugriff auf proprietäre Datensätze.Insbesondere gibt es immer noch eine große Menge an Daten, die aufgrund ihrer sensiblen Natur in Datenschutzbehörden aufbewahrt werden.Viele Startups nutzen Kryptographie-Tools, mit denen KI-Entwickler Großsprachmodelle erstellen und feinstimmen können, indem sie die zugrunde liegenden Datenstrukturen proprietärer Datensätze unter Verwendung von sensiblen Informationen privat halten.

Föderierte Lernen, unterschiedliche Privatsphäre, vertrauenswürdige Ausführungsumgebung, vollständige Homomorphismus und Multi-Party-Computing usw.Die Technologie bietet unterschiedliche Maßstäbe des Schutzes und des Datenschutzes und des Kompromisses.Bagels Forschungsartikel (https://blog.bagel.net/p/with-grat-data-comes-grat-responsibility-d67) fasst einen hervorragenden Überblick über diese Technologien zusammen.Diese Technologien schützen nicht nur Datenschutz während des maschinellen Lernens, sondern ermöglichen auch umfassende KI -Lösungen für Datenschutzschutz auf Rechenebene.

2.5 Daten- und Modellquellen

Daten- und Modellquelltechnologie wurde entwickelt, um Prozesse zu etablieren, mit denen Benutzer mit den erwarteten Modellen und Daten interagieren können.Darüber hinaus bieten diese Technologien Zusicherungen von Authentizität und Quelle.Die Einnahme von Wasserzeichen -Technologie als Beispiel ist eine der Modellquellen -Technologien, die Signaturen direkt in Algorithmen für maschinelles Lernen einbettet, und insbesondere in Modellgewichte, damit beim Abrufen die Argumentation aus dem erwarteten Modell stammt.

2.6 Anwendung

In Bezug auf die Anwendung sind die Designmöglichkeiten endlos.In der obigen Branchenkarte listen wir einige besonders aufregende Entwicklungsfälle mit der Anwendung der KI -Technologie im Bereich Web 3.0 auf.Da die meisten dieser Anwendungsfälle selbst beschrieben sind, werden wir dies nicht kommentieren.Es ist jedoch erwähnenswert, dass der Schnittpunkt von AI und Web 3.0 das Potenzial hat, viele Vertikale vor Ort zu formen, da diese neuen Primitiven Entwicklern mehr Freiheit bieten, innovative Anwendungsfälle zu schaffen und bestehende zu optimieren.

Zusammenfassen

Die Konvergenz von AI X Web3 bringt Perspektiven voller Innovation und Potenzial.Durch die Nutzung der einzigartigen Vorteile jeder Technologie können wir verschiedene Herausforderungen lösen und neue technologische Wege eröffnen.Während wir diese aufstrebende Branche erforschen, kann die Synergie zwischen AI X Web3 den Fortschritt vorantreiben und unsere zukünftigen digitalen Erfahrungen und die Art und Weise, wie wir im Internet interagieren, umgestalten.

Die Integration digitaler Knappheit und digitaler Reichtum, die Mobilisierung von nicht ausreichten Ressourcen zur Erzielung der Recheneffizienz und die Einrichtung von Datenpraktiken für Sicherheit und Schutz der Datenschutzbeschäftigung wird die Ära der Evolution der nächsten Technologiegeneration definieren.

Wir müssen jedoch erkennen, dass sich diese Branche noch in den Kinderschuhen steckt und die derzeitige Branchenlandschaft in kurzer Zeit überholt sein kann.Das schnelle Innovationstempo bedeutet, dass die heutigen hochmodernen Lösungen bald durch neue Durchbrüche ersetzt werden können.Die grundlegenden Konzepte untersuchten jedoch wie Computernetzwerke, Proxy -Plattformen und Datenprotokolle – die enorme Möglichkeit, künstliche Intelligenz mit Web 3.0 zu konvergieren.