Reflexión del aniversario de ChatGPT: cuellos de botella de AIGC y oportunidades de Web3

Autor: Gryphsis Academy Fuente: Medium Translation: Shan Oppa, Bittain Vision

resumen:

1. A finales de 2022, las aplicaciones comerciales de IA generativa barrerán el mundo, pero a medida que la frescura se desvanece, están surgiendo algunos problemas actuales con IA generativa.El campo Web3 cada vez más maduro utiliza la transparencia, la verificabilidad y la naturaleza descentralizada de Blockchain para proporcionar una nueva perspectiva para abordar estos problemas generativos de IA.

2. La inteligencia artificial generativa es una tecnología emergente en los últimos años, basada en el marco de redes neuronales de aprendizaje profundo.Su aplicación en modelos de generación de imágenes y modelos de lenguaje CHATGPT ha mostrado un gran potencial comercial.

3. En Web3, la arquitectura que implementa la IA generativa incluye infraestructura, modelos, aplicaciones y datos.Los componentes de datos, especialmente cuando se integran con Web3, son críticos y tienen un gran potencial de crecimiento.Vale la pena señalar que los modelos de datos basados ​​en blockchain, los proyectos de la agencia de inteligencia artificial y la aplicación en campos profesionales pueden convertirse en áreas clave para el desarrollo futuro.

4. El protocolo de IA Web3 en el mercado actualmente tiene deficiencias en los fundamentos y tiene una capacidad limitada para adquirir valor de token.Esperamos nuevas tendencias en la economía del token en el futuro.

5. La IA generativa tiene un gran potencial en el espacio Web3, y se espera que su integración con otras tecnologías de software y hardware conduzca a desarrollos futuros emocionantes.

1. ¿Por qué la IA generativa y Web3 se necesitan mutuamente?

2022 es la cuenca para la inteligencia artificial generativa, antes de eso, la inteligencia artificial generativa era principalmente una herramienta auxiliar para profesionales.Esto ha cambiado dramáticamente con el advenimiento de Dall-E 2, Difusión estable, Imagen y Midjourney.Estas tecnologías han empujado al contenido generado por inteligencia artificial (AIGC) a la vanguardia de las tendencias tecnológicas, lo que establece un auge de contenido popular en las redes sociales.El chatgpt lanzado poco después cambió el juego y llevó la tendencia a su pico.

Como la primera herramienta de IA en responder casi todas las preguntas con solo un mensaje de texto simple, ChatGPT rápidamente se convirtió en un asistente de trabajo diario para muchas personas.Puede manejar diversas tareas, como la redacción de documentos, la tutoría de tareas, la asistencia por correo electrónico, la edición en papel e incluso la consulta emocional, lo que ha provocado una acalorada discusión en línea sobre los resultados de la optimización a través de «indicaciones mágicas», lo que permite a las personas sentir realmente la «inteligencia» de inteligencia artificial.

La IA generativa podría impulsar el crecimiento de la productividad laboral de EE. UU., Potencialmente, impulsando el PIB global (o casi $ 7 billones) en un 7% en una década y aumentar el crecimiento de la productividad en 1,5 puntos porcentuales, según un informe del equipo macro de Goldman Sachs.

El campo Web3 también sintió el impacto positivo de AIGC (contenido generado por inteligencia artificial).En enero de 2023, el sector de IA de Web3 se elevó en todos los ámbitos.

Sin embargo, a medida que la emoción inicial comenzó a desvanecerse, el tráfico global de ChatGPT vio su primera disminución desde su lanzamiento en junio de 2023 (datos de Sametimeweb).Esta recesión marca una oportunidad oportuna para repensar la importancia y las limitaciones de generar inteligencia artificial.

Los desafíos actuales que enfrentan la inteligencia artificial generativa incluyen, pero no se limitan a: las plataformas de redes sociales no autorizadas y no autorizadas de AIGC; -El modelos a escala como ChatGPT todavía tienen sesgos en algunos aspectos debido al desequilibrio en la distribución de datos.

Como el entusiasmo inicial por la IA generativa como ChatGPT se desvanece, el dominio Web3 maduro y en evolución, con su descentralización, transparencia y verificabilidad, proporciona nuevas soluciones a los desafíos que enfrentan la IA generativa:

1. Web3 La transparencia y la trazabilidad pueden resolver problemas de derechos de autor y privacidad relacionados con el contenido generado por IA

La transparencia y la trazabilidad de Web3 pueden verificar efectivamente la fuente de contenido y la autenticidad, lo que aumenta significativamente el costo de producir contenido fraudulento o infringente generado por IA, como videos de mezcla de Tiktok Mix o videos de infarto de privacidad.Los contratos inteligentes en la gestión de contenido pueden resolver problemas de derechos de autor y garantizar que los creadores sean bastante compensados.

2. La descentralización de Web3 reduce el riesgo de informática de IA centralizada

El desarrollo de inteligencia artificial generativa requiere muchos recursos informáticos.Por ejemplo, la capacitación de un CHATGPT basado en GPT-3 cuesta más de $ 2 millones, con una factura diaria de electricidad de aproximadamente $ 47,000, y se espera que estos costos crezcan exponencialmente a medida que la tecnología y la escala avanzan.

En la actualidad, se concentran grandes cantidades de recursos informáticos en manos de grandes empresas, lo que resulta en altos costos de desarrollo, mantenimiento y operación, riesgos centralizados, y es difícil que las pequeñas empresas compitan.Aunque la capacitación de modelos grandes aún puede necesitar ser centralizado debido a sus extensas necesidades informáticas, la tecnología blockchain de Web3 puede permitir la inferencia de modelos distribuida, la gobernanza de votación de la comunidad y la tokenización modelo.

Tomando los intercambios descentralizados como ejemplo, podemos imaginar un sistema de inferencia de modelos de inteligencia artificial descentralizado impulsado por la comunidad donde la comunidad posee y administra grandes modelos.

3. Use Web3 para lograr diversos conjuntos de datos de IA y modelos de IA interpretables

Los métodos tradicionales de recopilación de datos a menudo están limitados por la geografía y la cultura, lo que resulta en sesgos subjetivos en el contenido generado por las respuestas de AI y ChatGPT, como cambiar el color de la piel de la tarea objetivo.El modelo de incentivos de tokens de Web3 optimiza los datos de recopilación de datos, recopilación y ponderación de todo el mundo.Además, la transparencia y la trazabilidad de Web3 mejoran la interpretabilidad del modelo y fomentan la producción diversificada para enriquecer el modelo.

4. Modelo de IA único de datos masivos en la cadena Web3

El diseño y la capacitación del modelo de IA generalmente se basan en el formato de datos objetivo (texto, voz, imagen o video).Una dirección futura única para la convergencia de AI y Web3 es desarrollar modelos a gran escala para datos en la cadena, similar a los modelos de lenguaje natural.

Este enfoque puede proporcionar información única que no están disponibles en el análisis de datos tradicional (como el seguimiento de fondos inteligentes, el flujo de financiación del proyecto), y la IA tiene la capacidad de procesar grandes cantidades de datos simultáneamente.

5. La IA generativa actúa como un catalizador para reducir las barreras de entrada de Web3

Actualmente, la participación convencional en proyectos Web3 requiere una comprensión profunda de conceptos complejos en la cadena y operaciones de billetera, lo que aumenta los costos de aprendizaje y los riesgos de errores.Por el contrario, las aplicaciones Web2 están diseñadas en torno al «principio perezoso» y permiten a los usuarios comenzar de manera fácil y segura.

La IA generativa puede mejorar significativamente la experiencia del usuario al actuar como un «asistente inteligente» entre usuarios y protocolos en Web3 para ayudar en proyectos centrados en la intención.

2. Resumen de la tecnología de IA generativa

2.1 Antecedentes técnicos de inteligencia artificial generativa

Desde que se propuso el concepto de inteligencia artificial en la década de 1950, ha experimentado varios picos y canales, y cada innovación tecnológica clave ha desencadenado una nueva ola.

La IA generativa, un concepto emergente propuesto en la última década, se destaca entre varias direcciones de investigación de IA por su impresionante tecnología y rendimiento del producto, atrayendo atención global durante la noche.Antes de profundizar en la arquitectura técnica de la inteligencia artificial generativa, es necesario definir el significado de la inteligencia artificial generativa en este artículo y revisar brevemente las tecnologías centrales de la inteligencia artificial generativa recientemente popular.

Generative AI es una IA utilizada para crear nuevos contenidos e ideas, incluidas conversaciones, historias, imágenes, videos y música.Se basa en el marco de redes neuronales de aprendizaje profundo y los trenes utilizando grandes conjuntos de datos que contienen una gran cantidad de parámetros.

Los productos generativos de IA que han ingresado recientemente la visión del público se pueden dividir aproximadamente en dos categorías: uno es productos de generación de imagen (video) basados ​​en texto o entrada de estilo, y el otro son productos similares a los chatgpt basados ​​en la entrada de texto.Ambas categorías se basan en la misma tecnología central: modelos de lenguaje grande pretrados (LLM) basados ​​en la arquitectura del transformador.

La primera clase combina entrada de texto con modelos de difusión para generar imágenes o videos de alta calidad, mientras que la segunda utiliza el aprendizaje de refuerzo de retroalimentación humana (RLHF) para generar resultados que son muy similares a la lógica humana.

2.2 Arquitectura técnica actual de IA generativa:

Hay muchos artículos excelentes que discuten el impacto de la inteligencia artificial generativa en las arquitecturas tecnológicas existentes desde diferentes perspectivas.Por ejemplo, un artículo integral de A16Z titulado «que posee una plataforma de IA generativa» resume de manera integral la arquitectura técnica actual de IA generativa.

Según esta investigación, la arquitectura de IA generativa en la era Web2 actual se divide en tres niveles: infraestructura (potencia informática), modelos y aplicaciones.El artículo también proporciona información sobre los desarrollos actuales en estos tres niveles.

Infraestructura: en la actualidad, el enfoque aún se encuentra principalmente en la lógica de la infraestructura de Web2, y hay pocos proyectos que realmente integran Web3 e IA.La infraestructura ha ganado el mayor valor en esta etapa.El gigante de la Web2, que ha estado profundamente involucrado en el campo de almacenamiento e informática durante décadas, ha obtenido grandes ganancias al «vender palas» en la etapa de exploración de la inteligencia artificial.

Modelo: Idealmente, el modelo debe ser el verdadero creador y propietario de la inteligencia artificial.Sin embargo, pocos modelos comerciales actualmente permiten a los autores de estos modelos capturar el valor comercial correspondiente.

Aplicaciones: las aplicaciones desarrolladas en múltiples verticales han generado más de cientos de millones de dólares en ingresos.Sin embargo, los altos costos de mantenimiento y la baja retención de usuarios plantean desafíos para mantener estas aplicaciones como un modelo comercial viable a largo plazo.

2.3 Aplicación de inteligencia artificial generativa en Web3

2.3.1 Uso de IA para analizar datos de Web3 masivos

Los datos son la piedra angular de la construcción de barreras técnicas para el desarrollo futuro de la inteligencia artificial.Para comprender su importancia, primero miramos la investigación sobre la fuente de desempeño de grandes modelos de inteligencia artificial.

Este estudio demuestra la aparición única de modelos de IA grandes: cuando el tamaño del modelo excede un cierto umbral, la precisión del modelo aumenta repentinamente.Como se muestra en la figura, cada gráfico representa una tarea de entrenamiento y cada línea representa el rendimiento (precisión) de un modelo grande.

Los experimentos en varios modelos grandes concluyeron consistentemente que después de que se excede un cierto umbral, el rendimiento del modelo experimentará un crecimiento innovador en diferentes tareas.

En esencia, el cambio cuantitativo en el tamaño del modelo conducirá a un cambio cualitativo en el rendimiento del modelo.Este tamaño está relacionado con el número de parámetros del modelo, la duración del entrenamiento y la calidad de los datos de capacitación.Actualmente, hay dos formas principales de desarrollar productos principales cuando no hay diferencias significativas en los parámetros del modelo (diseñados por los principales equipos de investigación de cada compañía) y la duración de la capacitación (la mayoría del hardware informático se compra de NVIDIA).

El primero es identificar y abordar puntos débiles específicos en el área de nicho, lo que requiere una comprensión profunda y una visión del área objetivo.En segundo lugar, un enfoque más práctico es recopilar datos más completos que los competidores.

Esto abre un excelente punto de entrada para modelos generativos de IA grandes para ingresar al Reino Web3.Los grandes modelos de IA existentes o los modelos básicos están capacitados en datos masivos de varios campos, y la singularidad de los datos en la cadena en Web3 hace que los datos en la cadena de una manera emocionante y factible.

En Web3, actualmente hay dos lógicas de productos a nivel de datos: el primero es incentivar a los proveedores de datos, alentar a los usuarios a compartir los derechos de uso de datos y proteger la privacidad y la propiedad de los datos.El Protocolo Ocean proporciona un modelo de intercambio de datos efectivo a este respecto.El segundo enfoque involucra proyectos que integran datos y aplicaciones para proporcionar a los usuarios servicios específicos de tareas.Por ejemplo, TrustA Lab recopila y analiza los datos de los usuarios en la cadena y proporciona servicios como análisis de cuentas de brujas, análisis de riesgos de activos en cadena, etc. a través de su sistema único de puntuación de medios.

2.3.2 Aplicación del agente AI en Web3

Como se mencionó anteriormente, la aplicación de agentes de inteligencia artificial en la cadena está en auge.Con modelos de idiomas grandes y priorizar la privacidad del usuario, proporcionan servicios cuantificables en la cadena.Según una publicación de blog de Lilian Weng, investigador principal de inteligencia artificial en OpenAI, los agentes de IA pueden dividirse en cuatro partes: Agent = LLM (modelo de lenguaje grande) + Planificación + Memoria + Uso de la herramienta.

Como el núcleo de AI Agent, LLM maneja las interacciones externas, aprende de grandes cantidades de datos y lo expresa lógicamente en un lenguaje natural.La planificación + aspecto de memoria es similar a los conceptos de acciones, estrategias y recompensas en las técnicas de aprendizaje de refuerzo utilizadas para capacitar a Alphago.

Implica desglosar tareas en objetivos más pequeños y aprender la solución óptima a través de la capacitación y la retroalimentación repetidas, almacenar información en varios tipos de memoria en función de las funciones.El uso de la herramienta se refiere a la capacidad de un agente para utilizar herramientas modulares, recuperación de información de Internet, acceso a herramientas como fuentes de información patentadas o API.Vale la pena señalar que la mayor parte de esta información es difícil de modificar después de la capacitación previa.

Dada esta lógica del agente de IA, podemos imaginar las infinitas posibilidades de combinar el agente Web3 y AI.Por ejemplo:

1. En las aplicaciones comerciales actuales, el modelo integrado de agentes de inteligencia artificial puede proporcionar a los clientes una interfaz de lenguaje natural, proporcionando una variedad de funciones comerciales que incluyen predicción de precios, estrategia de negociación, estrategia de detención de pérdidas, ajuste de apalancamiento dinámico, líder de opinión de seguimiento inteligente, préstamos y otros préstamos y otros Funciones comerciales.

2. Al ejecutar una estrategia cuantitativa, la estrategia puede descomponerse aún más en subtareas y asignarse a diferentes agentes de IA para ejecutar.Los agentes colaborativos de IA pueden mejorar la protección de la privacidad y permitir que el monitoreo en tiempo real evite que los oponentes exploten.

3. Muchos NPC en juegos basados ​​en blockchain se alinean naturalmente con los agentes de IA.Ya hay proyectos que aplican GPT para generar dinámicamente conversaciones de personajes de juego.Los desarrollos futuros pueden ir más allá del texto preestablecido, crear interacciones NPC (o incluso humanos digitales) más realistas y operar independientemente de la intervención del jugador.La «ciudad virtual» de Stanford es un buen ejemplo de tales aplicaciones.

4. Aunque los proyectos actuales de agentes Web3+ AI se concentran principalmente en el mercado primario o la infraestructura de IA y aún no han aparecido aplicaciones de consumo asesinas, el potencial de un proyecto Web3+ AI que cambia el juego es enorme.Estos proyectos tienen perspectivas amplias en el futuro a través de varias características de blockchain, como la gobernanza distribuida en la cadena, el razonamiento a prueba de conocimiento cero, la distribución del modelo y la mejor interpretabilidad.

2.3.3 Aplicaciones verticales potenciales de Web3+AI

A. Aplicaciones en el campo de la educación

La convergencia de Web3 y la inteligencia artificial anuncian una revolución en el campo de la educación, donde las aulas de realidad virtual generativa son una innovación notable.Incorporar la tecnología de inteligencia artificial en la plataforma de aprendizaje en línea, y los estudiantes pueden obtener una experiencia de aprendizaje personalizada.El sistema genera contenido educativo personalizado basado en el historial e intereses de aprendizaje de cada estudiante.Se espera que este enfoque personalizado mejore la motivación y la eficiencia de aprendizaje de los estudiantes y haga que la educación sea más personalizada.

Además, los incentivos crediticios basados ​​en tokens representan prácticas innovadoras en el campo de la educación.Utilizando la tecnología blockchain, los créditos y calificaciones de los estudiantes se pueden codificar en tokens para formar un sistema de crédito digital.Este mecanismo de incentivos fomenta la participación activa en las actividades de aprendizaje y crea un entorno de aprendizaje más atractivo y motivador.

Inspirado por FriendTech, un proyecto popular de SocialFi reciente, se puede aplicar una lógica de precios clave similar para establecer sistemas de revisión por pares entre los estudiantes para agregar más elementos sociales a la educación.Aprovechando la inmutabilidad de Blockchain, las revisiones por pares se han vuelto más justas y transparentes.Este mecanismo de revisión por pares no solo conduce a cultivar las capacidades de trabajo en equipo de los estudiantes, sino que también proporciona una evaluación más integral y multidimensional del desempeño de los estudiantes, introduciendo métodos de evaluación diversificados y holísticos en el sistema educativo.

B. Aplicación en el campo de la medicina

En el campo de la medicina, la integración de Web3 y la IA ha promovido el aprendizaje federado y el razonamiento distribuido.Al combinar la computación distribuida con el aprendizaje automático, los profesionales médicos pueden compartir datos a gran escala, lo que permite un aprendizaje grupal más profundo y integral.Este enfoque inteligente colectivo puede acelerar el desarrollo del diagnóstico de enfermedades y los planes de tratamiento y promover los avances en el campo de la medicina.

La protección de la privacidad también es un aspecto importante de la aplicación en el campo de la medicina.Con la descentralización de Web3 y la inmutabilidad de blockchain, los datos médicos del paciente pueden almacenarse y transferirse de manera más segura.Los contratos inteligentes pueden lograr un control preciso y la gestión de permisos de datos médicos, asegurando que solo el personal autorizado pueda acceder a la información confidencial del paciente, manteniendo así la privacidad de los datos médicos.

C. Aplicaciones en el campo del seguro

En la industria de seguros, se espera que la integración de Web3 y AI traiga soluciones más eficientes e inteligentes a las operaciones tradicionales.Por ejemplo, en el seguro automotriz y de hogar, la aplicación de la tecnología de visión por computadora ayuda a las aseguradoras a evaluar de manera más efectiva el valor de la propiedad y los niveles de riesgo a través del análisis y evaluación de imágenes.Esto proporciona a las compañías de seguros estrategias de precios más refinadas y personalizadas y mejora la gestión de riesgos en la industria de seguros.

Al mismo tiempo, el procesamiento de reclamos automatizado en cadena es un avance innovador en la industria de seguros.Utilizando contratos inteligentes y tecnología blockchain, el proceso de reclamo se vuelve más transparente y eficiente, reduciendo la posibilidad de procedimientos tediosos e intervención humana.Esto no solo acelera el proceso de reclamos, sino que también reduce los costos operativos y proporciona una mejor experiencia para las aseguradoras y clientes.

El ajuste dinámico de prima es otra área de innovación.A través del análisis de datos en tiempo real y los algoritmos de aprendizaje automático, las compañías de seguros pueden ajustar las primas de manera más precisa y oportuna, y personalizar los precios basados ​​en el estado de riesgo real del asegurado.Este enfoque no solo hace que las primas sean más justas, sino que también alienta al asegurado a tomar comportamientos más saludables y seguros, promoviendo la gestión de riesgos y las medidas preventivas en toda la sociedad.

D. Aplicaciones en el campo de los derechos de autor

En el campo de los derechos de autor, la combinación de Web3 e inteligencia artificial ha introducido nuevos paradigmas para la creación de contenido digital, la gestión y el desarrollo del código.A través de contratos inteligentes y almacenamiento descentralizado, la información de derechos de autor del contenido digital puede estar mejor protegido, lo que facilita a los creadores rastrear y administrar sus derechos de propiedad intelectual.La tecnología Blockchain también puede establecer registros creativos transparentes e inmutables, proporcionando medios más confiables para rastrear y verificar los trabajos.

La innovación en los modelos de trabajo también representa un cambio importante en el campo de derechos de autor.El trabajo colaborativo sobre incentivos de tokens combina contribuciones laborales con recompensas de tokens, alentando a los creadores, curadores y desarrolladores a participar en el proyecto.Esto no solo promueve la colaboración entre los equipos creativos, sino que también brinda a los participantes la oportunidad de beneficiarse directamente del éxito del proyecto, generando así obras más excelentes.

Por otro lado, el uso de tokens como a prueba de derechos de autor reforma el modelo de distribución de beneficios.A través del mecanismo de dividendos ejecutado automáticamente por contratos inteligentes, todos los participantes en el trabajo pueden obtener su propia parte de sus ingresos en tiempo real cuando el trabajo se usa, vende o transfiere.Este modelo de distribución de beneficios descentralizado resuelve efectivamente los problemas de opacidad y retraso en el modelo de derechos de autor tradicional, y proporciona a los creadores un mecanismo de distribución de beneficios más justo y eficiente.

E. Aplicaciones en el universo virtual

En el metaverso, la convergencia de Web3 y AI abre nuevas posibilidades para crear AIGC de bajo costo para enriquecer el contenido de juegos basado en blockchain.Los entornos virtuales y los personajes generados por la IA pueden enriquecer el contenido del juego, proporcionar a los usuarios una experiencia más vívida y diversa, al tiempo que reduce el trabajo y los costos de producción de tiempo.

La creación de humanos digitales vívidos es una innovación en la aplicación del metalto.Los humanos digitales tienen una apariencia física detallada que es delgada para el cabello y una lógica psicológica basada en modelos de idiomas grandes que pueden desempeñar varios roles en el metal.Pueden interactuar con los usuarios e incluso participar en gemelos digitales en escenarios del mundo real.Esto proporciona una experiencia más realista y profunda para la realidad virtual, promoviendo la aplicación generalizada de la tecnología humana digital en entretenimiento, educación y otros campos.

Generar automáticamente el contenido publicitario basado en retratos de usuarios de blockchain es una aplicación publicitaria inteligente en el metaverse.Al analizar los comportamientos y las preferencias de los usuarios en el metalto, los algoritmos de IA pueden crear anuncios más personalizados y atractivos que pueden mejorar las tasas de clics y la participación del usuario.Este método de creación de publicidad no solo cumple con los intereses de los usuarios, sino que también proporciona a los anunciantes canales de promoción más eficientes.

El NFT interactivo generativo es una tecnología convincente en el metavido.Al combinar NFT con un diseño generativo, los usuarios pueden participar en la creación de sus propias obras de arte NFT en el metavido, dándoles interactividad y singularidad.Esto abre nuevas posibilidades para la creación y transacción de activos digitales y promueve el desarrollo del arte digital y la economía virtual en el universo virtual.

tres.Protocolo Web3 de firma

En esta sección, los autores seleccionaron cinco protocolos representativos para obtener una comprensión profunda del estado actual de la IA generativa en el campo Web3: Render Network y Akash Network se destacan como líderes en el protocolo de infraestructura general de IA y la categoría de IAi en Web3;

3.1 Red de representación ($ RNDR)

Render Network fue fundada en 2017 por Jules Urbach, fundador de la empresa matriz OTOY.El negocio principal de Otoy es la renderización de gráficos basados ​​en la nube, asesorados por cofundadores de Google y Mozilla, contribuyó al proyecto de película ganador del Oscar y trabajó con Apple.

Render Network es el movimiento de Otoy al campo Web3, con el objetivo de aprovechar la naturaleza distribuida de blockchain para conectar los requisitos de representación y inteligencia artificial a pequeña escala con recursos descentralizados.Este movimiento está diseñado para ahorrar costos para pequeños estudios que de otro modo alquilarían costosos recursos informáticos centralizados (como AWS, MS Azure y Alibaba Cloud) y proporcionarían oportunidades de generación de ingresos para aquellos con recursos informáticos inactivos.

Con el apoyo de Otoy, que lanzó su renderizador patentado Octane Render, Render Network pronto se consideró un proyecto Web3 con una base sólida y potencial, lanzando con sus necesidades inherentes y su modelo de negocio sólido.

Con el aumento de la IA generativa, la demanda de tareas distribuidas de verificación e inferencia ha aumentado, perfectamente adecuada con la arquitectura técnica de Render, lo que lo convierte en una dirección prometedora para el desarrollo futuro.Render ha estado liderando la pista de IA en el espacio Web3, convirtiéndose en una especie de entidad similar a la meme, y se beneficia de una tendencia al alza cada vez que la narrativa alrededor de IA, la metraverse y la computación distribuida se calientan, lo que demuestra su versatilidad.

En febrero de 2023, Render Network anunció una hoja de ruta para actualizar su sistema de jerarquía de precios e introdujo un mecanismo de estabilización de precios para la votación comunitaria por $ RNDR (aunque la fecha de lanzamiento aún no se ha anunciado).El proyecto también anunció la migración de Polygon a Solana (actualice el token de $ RNDR al Token $ Render Based en Solana SPL, completado en noviembre de 2023).

El nuevo sistema de precios de la red de renderizado divide los servicios en la cadena en tres niveles, de alto a bajo, cada nivel correspondiente a diferentes puntos de precio y la calidad del servicio.Estas capas proporcionan a los clientes opciones basadas en sus necesidades de representación específicas.

El mecanismo de estabilidad de precios de $ RNDR para la votación comunitaria ha cambiado de recompras irregulares al modelo «destrucción y equilibrio de monedas (BME)».Este cambio enfatiza $ RNDR como un stablecoin para el comercio, en lugar de la tenencia de activos a largo plazo.El proceso comercial específico de una época BME es el siguiente:

1. Creación de productos: el creador de productos en Render, es decir, el proveedor de recursos de representación, empaqueta los recursos inactivos en productos (nodos) y se conectan en línea, esperando su uso.

2. Compre el producto: los clientes con necesidades de representación pueden destruir directamente el token de $ RNDR como tarifa de servicio.Si no tienen tokens $ RNDR, primero los compran en Dex en moneda fiduciaria y luego destruyen los tokens.El precio pagado por el servicio se registra públicamente en la cadena de bloques.

3. Tokens de acuñación: nuevas fichas de menta según las reglas preestablecidas.

Nota: Renderizar la red cobra el 5% de las tarifas de transacción de operación del proyecto pagadas por los compradores de productos.

En cada época de BME, se acuña un número preestablecido de tokens nuevas (la cantidad disminuye con el tiempo).Estos nuevos tokens se distribuyen a tres partes:

1. Creadores de productos: las recompensas que reciben son:

A.Finalización de la tarea: las recompensas se basan en el número de tareas de representación completadas por cada nodo del producto.

B

2. Comprador de productos: Similar a la devolución del cupón de productos del centro comercial, los compradores pueden recibir hasta el 100% de la devolución de token de $ RNDR, fomentando el uso futuro de Render Network.

3. Proveedor de liquidez DEX: asociarse con proveedores en Dex para garantizar que se ofrezcan tokens $ RNDR a precios razonables para la destrucción necesaria, y serán recompensados ​​en función de la cantidad de $ RNDR prometida.

A juzgar por la tendencia de precios de $ RNDR en el último año, como el proyecto líder de pista de IA en Web3, $ RNDR se beneficia del auge de IA conducido por ChatGPT a fines de 2022 y principios de 2023.Con la introducción de un nuevo mecanismo de token, el precio de $ RNDR alcanzó su punto máximo en la primera mitad de 2023.

Después de un período de estabilidad, el precio de $ RNDR ha alcanzado su reciente máximo con la recuperación de IA desencadenada por la nueva versión de OpenAI, la migración de Render Network a Solana y la implementación esperada del nuevo mecanismo de token.Dado que los fundamentos de $ RNDR son pequeñas, las inversiones futuras en $ RNDR requieren una cuidadosa gestión de posición y control de riesgos.

Los datos del Panel de Dune Analytics muestran que el número total de tareas de representación ha aumentado desde el comienzo de 2023, pero el número de nodos de representación no ha aumentado.Esto sugiere que los nuevos usuarios que conducen a mayores cargas de trabajo son aquellos con necesidades de representación, en lugar de aquellos que proporcionan recursos de representación.

Dado que la IA generativa aumentará a fines de 2022, es razonable inferir que las tareas de representación adicionales son relevantes para las aplicaciones generativas de IA.Queda por ver si este aumento en la demanda representa una tendencia a largo plazo o un aumento temporal y necesita una mayor observación.

3.2 Akash Network ($ Akt)

Akash Network es una plataforma descentralizada de computación en la nube diseñada para proporcionar a los desarrolladores y empresas soluciones de computación en la nube más flexibles, eficientes y rentables.

La plataforma «Super Cloud» del proyecto se basa en la tecnología de blockchain distribuida y utiliza las características descentralizadas de Blockchain para proporcionar a los usuarios infraestructura en la nube global y descentralizada, incluidas CPU diversificadas, GPU, almacenamiento, etc. Recursos informáticos.

Fundada por Greg Osuri y Adam Bozanich, un empresario con un rico formación en el proyecto, Akash Network tiene una misión clara: reducir los costos de computación en la nube, aumentar la disponibilidad y brindar a los usuarios un mayor control sobre sus recursos informáticos.Al incentivar a los proveedores a abrir recursos informáticos inactivos a través de procesos de licitación, Akash Network logra una utilización de recursos más eficiente y proporciona precios competitivos para los demandantes de recursos.

En enero de 2023, Akash Network lanzó la actualización de Akash Network Economics 2.0 para abordar varios defectos en la economía token actual, incluida:

1. La volatilidad de $ Akt en los precios del mercado conduce a un desajuste entre los precios y valores del contrato a largo plazo.

2. No hay un incentivo suficiente para liberar una gran cantidad de energía informática a los proveedores de recursos.

3. Los incentivos comunitarios inadecuados obstaculizan el desarrollo a largo plazo del proyecto.

4. La captura de valor inadecuado de $ Akt presenta un riesgo para la estabilidad del proyecto.

Según el sitio web oficial, las soluciones propuestas en el plan AKASH Network Economy 2.0 incluyen la introducción de pagos de stablecoin, aumentar las tarifas de orden para aumentar los ingresos del acuerdo, mejorar los incentivos a los proveedores de recursos y aumentar los incentivos comunitarios.Vale la pena señalar que la función de pago de stablecoin y la función de tarifa de pedido se han implementado.

Como token nativo para la red AKASH, $ AKT tiene una variedad de usos en el protocolo, incluida la apuesta por la verificación (seguridad), los incentivos, el gobierno de la red y el pago de las tarifas de transacción.Según el sitio web oficial, el límite de suministro total de $ Akt es de 388 millones, y a partir de noviembre de 2023, se han desbloqueado alrededor de 229 millones (59%).Genesis Tokens asignados al comienzo del proyecto se desbloqueará por completo y ingresará al mercado secundario en marzo de 2023.La asignación de tokens de génesis es la siguiente:

Con respecto a la adquisición de valor, una característica notable pero no implementada mencionada en el Libro Blanco es que Akash planea cobrar una «tarifa» por cada arrendamiento exitoso.Estas tarifas se enviarán al grupo de ingresos para su distribución al titular.

El plan estipula una tarifa del 10% para las transacciones AKT y una tarifa del 20% por transacciones utilizando otras criptomonedas.Además, Akash tiene la intención de recompensar a los titulares que bloquean las tenencias de Akt durante mucho tiempo, lo que incentiva la inversión a largo plazo.

Las tendencias de precios de Coingecko muestran que $ Akt experimentó una tendencia alcista a mediados de agosto y finales de noviembre de 2023, aunque las ganancias no fueron tan buenas como otros proyectos en el espacio de IA, lo que puede deberse al sentimiento actual del mercado.

En general, Akash Network es uno de los pocos proyectos de calidad en la pista de IA, con los fundamentos superiores a la mayoría de los competidores.Sus posibles ingresos comerciales pueden aportar rentabilidad futura al protocolo, y con el desarrollo de la industria de la IA y la creciente demanda de recursos de computación en la nube, se espera que Akash Network progrese significativamente en la próxima ola de inteligencia artificial.

3.3 Bittensor ($ Tao)

Para aquellos familiarizados con la arquitectura técnica de $ BTC, comprender el diseño de Bittensor es muy simple.De hecho, al diseñar Bittensor, sus creadores se inspiraron en varias características del pionero de criptomonedas $ BTC.

Esto incluye un suministro de tokens total de 21 millones, un recorte de producción de aproximadamente la mitad cada cuatro años y un mecanismo de consenso de prueba de trabajo (POW), etc.

Para conceptualizarlo, imagine el proceso inicial de producción de bitcoin y luego reemplace el proceso de «minería» computacionalmente intensivo con capacitación y validación de modelos de IA que no crean un valor del mundo real.Los mineros están motivados según el rendimiento y la confiabilidad de los modelos de IA.Esto forma un resumen simple de la arquitectura del proyecto Bittensor ($ Tao).

Bittensor fue fundado en 2019 por los investigadores de IA Jacob Steeves y Ala Shaabana basado en un libro blanco escrito por el misterioso autor Yuma Rao.En resumen, es un protocolo de código abierto sin licencia que crea una arquitectura de red conectada por muchas subredes, cada una responsable de diferentes tareas (traducción automática, reconocimiento de imágenes y generación, modelos de idiomas grandes, etc.).Las excelentes tareas son recompensadas por completarlas, y las subredes pueden interactuar y aprender entre sí.

En cuanto a los principales modelos actuales de inteligencia artificial, son el resultado de una gran cantidad de inversión en los recursos informáticos y los datos por parte de los gigantes tecnológicos.Si bien estos productos de IA funcionan bien, este enfoque también ofrece altos riesgos centralizados.

La infraestructura de Bittensor permite que las redes de expertos en comunicación interactúen y aprendan entre sí, estableciendo las bases para la capacitación descentralizada de modelos a gran escala.La visión a largo plazo de Bittensor es competir con los modelos de gigantes de código cerrado como OpenAI, Meta y Google, mantener características descentralizadas mientras aspira a igualar su rendimiento de inferencia.

El núcleo técnico de Bittensor es el mecanismo de consenso diseñado exclusivamente por Yuma Rao, también conocido como consenso de Yuma, que combina elementos de POW y prueba de estaca (POS).El proveedor involucra principalmente «servidores» (mineros) y «verificadores» (verificadores), mientras que el demandante está compuesto por «clientes» (clientes) utilizando modelos en la red.El proceso es el siguiente:

1. El cliente envía la solicitud y los datos al validador para su procesamiento.

2. El verificador distribuye los datos a los mineros bajo una subred específica.

3. Los mineros usan su modelo y recibieron datos para razonar y devolver los resultados.

4. Los verificadores clasifican los resultados de inferencia por calidad y los registran en la cadena de bloques.

5. Los mejores resultados de inferencia se devuelven al cliente, los mineros y los validadores reciben recompensas basadas en clasificaciones y cargas de trabajo.

Vale la pena señalar que Bittensor en sí no capacita a ningún modelo en la mayoría de las subredes;Actualmente, hay (o ya) 30 subredes en línea, cada subred correspondiente a un modelo de tarea diferente.

$ Tao, como token nativo para Bittensor, juega un papel crucial en la creación de subredes, registrándose en subredes, pagando los servicios y apostadores de validados dentro del ecosistema.Siguiendo el espíritu de BTC, $ Tao decidió liberarse de manera justa, lo que significa que todos los tokens se generan a través de contribuciones a la red.

Actualmente, $ Tao produce alrededor de 7,200 tokens por día, distribuidos uniformemente a mineros y validadores.Desde que comenzó el proyecto, se han producido aproximadamente el 26.3% de los 21 millones de tokens, de los cuales el 87.21% se utilizan para la referencia y la verificación.El proyecto también sigue al modelo de producción de reducción de la mitad del BTC aproximadamente cada cuatro años, con el próximo horario de mitad de mitad programado para el 20 de septiembre de 2025 y se espera que sea un controlador de precios significativo.

A partir de finales de octubre de 2023, la tendencia de precios de $ Tao ha visto un fuerte aumento, principalmente impulsado por una nueva ola de entusiasmo de la IA después de la conferencia Operai y el cambio hacia el campo de la IA.

Como nuevo proyecto en la pista Web3+AI, la calidad de $ Tao y la visión a largo plazo también han atraído la inversión.Pero debe admitirse que, al igual que otros proyectos de IA, aunque la combinación de Web3+AI tiene un gran potencial, aún no se ha encontrado en los negocios reales para apoyar proyectos rentables a largo plazo.

3.4 Alethea.ai ($ o)

Fundado en 2020, Alethea.ai es un proyecto dedicado a usar tecnología blockchain para aportar propiedad y gobernanza descentralizadas para generar contenido.

Los fundadores de Alethea.Ai creen que la IA generativa nos llevará a una era de redundancia de la información causada por el contenido generativo, en el que se pueden copiar o generar grandes cantidades de contenido digital con una simple pasta de copia o clic. para que los creadores originales obtengan beneficios.Al conectar las primitivas de blockchain como las NFT con IA generativa, su objetivo es garantizar la propiedad de la IA generativa y su contenido y participar en la gobernanza comunitaria además de ella.

Impulsado por este concepto, Alethea.ai inicialmente lanzó el nuevo NFT Standard Inft, que utiliza vainas de inteligencia para incrustar la animación de IA, la síntesis del habla e incluso la IA generativa en las imágenes.Alethea.ai también trabajó con artistas para crear infts utilizando su obra de arte, una de las cuales se vendió por $ 478,000 en Sotheby’s Auction.

Alethea.ai luego introdujo el protocolo AI que permite que cualquier desarrollador o creador de IA generativo cree usando el estándar INFT sin permiso.Para demostrar el protocolo AI, Alethea.ai desarrolló caracteres, una herramienta basada en teorías de modelos grandes como GPT para crear NFT interactivas.Recientemente, lanzaron Open Fusion, permitiendo que cualquier ERC-721 NFT se combine con inteligencia y se publique en el protocolo de IA.

La ficha nativa de Alethea.ai es $ Ali, que tiene cuatro usos principales:

1. Bloquee una cierta cantidad de $ Ali para crear inft.

2. Cuanto más $ Alis estén bloqueados, mayor será el nivel de la cápsula de inteligencia.

3. Los titulares de $ Ali participan en el gobierno comunitario.

4. $ Ali es una credencial para la interacción entre Infts (aún no hay casos de uso reales).

A juzgar por el caso de uso de $ Ali, está claro que la captura de valor de los tokens todavía se basa principalmente en las narrativas.Las tendencias de precios del token durante el año pasado han confirmado esto: $ Ali se benefició del boom generativo de IA que ChatGPT ha liderado desde diciembre de 2022.Además, cuando Alethea.ai anunció una nueva función de fusión abierta en junio, desencadenó un aumento de precios.Sin embargo, aparte de estas situaciones, el precio de $ Ali ha estado en una tendencia a la baja, y ni siquiera ha reaccionado a la exageración de AI de finales de 2023 como proyectos similares.

Además de los tokens nativos, el proyecto NFT de Alethea.ai (incluida su colección oficial) también es digna de atención en el mercado NFT.

Según el Dashboard de Dune, las cápsulas de inteligencia de terceros y la serie de ingresos de primera parte de Alethea.ai se desvanecieron fuera de la vista después de su primer lanzamiento.El autor cree que la razón principal es que la novedad inicial se desvanece gradualmente, y no existe un valor sustancial o una participación comunitaria para retener a los usuarios.

3.5 Fetch.ai ($ FET)

Fetch.ai es un proyecto dedicado a promover la integración de la inteligencia artificial (IA) y la tecnología blockchain.Su objetivo es construir una economía inteligente descentralizada combinando tecnologías de aprendizaje automático, blockchain y libros de contabilidad distribuidos para apoyar la actividad económica entre los agentes inteligentes.

Fundada en 2019 por los científicos británicos Humayun Sheikh, Toby Simpson y Thomas Hain, Fetch.ai tiene una experiencia impresionante en su equipo fundador.

Humayun Sheikh fue uno de los primeros inversores en DeepMind, Toby Simpson ha ocupado puestos ejecutivos en varias compañías, y Thomas Hain es profesor en el campo de la inteligencia artificial en la Universidad de Sheffield.La experiencia diversificada del fundador abarca las empresas de TI tradicionales, los proyectos de estrella de blockchain, la atención médica y los campos de supercomputación, proporcionando a Fetch.ai con ricos recursos de la industria.

La misión de Fetch.ai es construir una plataforma de red descentralizada compuesta por agentes económicos autónomos (AEA) y aplicaciones de inteligencia artificial, lo que permite a los desarrolladores completar tareas preestablecidas orientadas a objetivos mediante la creación de agentes autónomos.La tecnología central de la plataforma es su arquitectura única de tres capas:

1. Subyacente al mecanismo de consenso POS-UD (prueba de estaca con licencia), esta capa básica admite redes de contratos inteligentes, promueve la colaboración de mineros y la capacitación y el razonamiento básico de aprendizaje automático.

2. Capa intermedia: el marco económico abierto (OEF) proporciona un espacio compartido para interacciones y protocolos subyacentes entre AEAS, búsqueda de búsqueda, descubrimiento y transacciones entre AEA.

3. Nivel superior: AEA es el componente central de Fetch.ai.Cada AEA es un software proxy inteligente que puede realizar varias funciones a través de módulos de habilidades y realizar tareas predefinidas por parte de los usuarios.Estos agentes no funcionan directamente en la cadena de bloques, sino que interactúan con la cadena de bloques y los contratos inteligentes a través de OEF.El software de proxy inteligente se puede basar exclusivamente en el software o puede estar vinculado al hardware físico como teléfonos inteligentes, computadoras y automóviles.Fetch.ai proporciona el marco AEA del kit de desarrollo basado en Python, que es modular, lo que permite a los desarrolladores construir su proxy inteligente.

Además de esta arquitectura, Fetch.ai lanzó productos y servicios posteriores, como Co-Learn (modelo de aprendizaje automático compartido entre agentes) y Metaverse (servicio de alojamiento en la nube de agentes) para admitir a los usuarios en el desarrollo de agentes en sus plataformas.

Con respecto a los tokens, $ FET, como el token nativo de Fetch.ai, cubre características estándar como el pago de gas, verificación de estacas y servicios de compra dentro de la red.Más del 90% de los tokens $ FET se han desbloqueado, y la asignación específica es la siguiente:

Desde su inicio, Fetch.ai ha experimentado múltiples rondas de financiamiento de dilución de tokens, la más reciente es una inversión de $ 30 millones recibida del Laboratorio DWF el 29 de marzo de 2023.Dado que los tokens $ FET no pueden obtener valor de los ingresos del proyecto, su impulso de precio depende principalmente de las actualizaciones del proyecto y el sentimiento del mercado hacia el campo de la inteligencia artificial.De hecho, en medio de dos oleadas de auge en el mercado de IA, el precio de Fetch.ai experimentó un aumento de más del 100% a principios de 2023 y fin de año.

La trayectoria de desarrollo de Fetch.ai se parece más a una startup Web2.0 AI con un enfoque en mejorar su tecnología.Busca reconocimiento y rentabilidad a través de la recaudación de fondos continua y la colaboración extensa.

Este enfoque deja espacio amplio para futuras aplicaciones desarrolladas en Fetch.ai, pero también significa que puede no ser tan atractivo para otros proyectos de blockchain, lo que potencialmente limita la vitalidad del ecosistema.Uno de los fundadores de Fetch.ai incluso intentó lanzar un proyecto Dex, Mettalex Dex, basado en Fetch.ai, pero terminó en el fracaso.Como proyecto centrado en la infraestructura, la descomposición del ecosistema también ha obstaculizado el crecimiento del valor intrínseco de Fetch.ai.

Cuatro.Un futuro brillante para la inteligencia artificial generativa

El CEO de NVIDIA, Jensen Huang, comparó el lanzamiento de modelos grandes generados con el «momento de iPhone» de la inteligencia artificial, lo que indica un cambio clave en el papel de la inteligencia artificial, con chips informáticos de alto rendimiento que se convierte en el núcleo de un recurso escaso para la inteligencia artificial.

Los proyectos de infraestructura de IA que bloquean la mayoría de los fondos en la sub-visión Web3 AI siguen siendo el foco de la atención a largo plazo de los inversores.A medida que los gigantes de los chips actualizan gradualmente sus capacidades informáticas, las capacidades de IA se expandirán, y es probable que genere más proyectos de infraestructura de IA en Web3, y tal vez incluso chips diseñados específicamente para la capacitación de IA en Web3.

Si bien los productos generativos generativos centrados en el consumidor todavía están en la etapa experimental, algunas aplicaciones de grado industrial han mostrado un gran potencial.Una de las aplicaciones es el «gemelo digital» que transfiere escenarios del mundo real al campo digital.

Teniendo en cuenta el valor sin explotar en los datos industriales, la plataforma gemela digital metacosmica de Nvidia posiciona la IA generativa como una parte importante de los gemelos digitales industriales.En Web3, incluidos los mundos virtuales, la creación de contenido digital y los activos del mundo real, los gemelos digitales influenciados por la inteligencia artificial desempeñarán un papel importante.

El desarrollo del nuevo hardware interactivo también es crucial.Históricamente, cada innovación de hardware en el campo de la informática ha provocado cambios y oportunidades revolucionarias, como el ahora omnipresente mouse informático o la pantalla de condensadores múltiples del iPhone 4.

Apple Vision Pro anunció que se lanzará en el primer trimestre de 2024, atrayendo la atención global con sus impresionantes manifestaciones y se espera que traiga cambios y oportunidades inesperados a varias industrias.La industria del entretenimiento, conocida por su rápida producción de contenido y su difusión generalizada, a menudo se beneficia primero de las actualizaciones de hardware.Estos incluyen el Metaverse de Web3, Blockchain Games, NFT, etc., que son dignos de atención e investigación a largo plazo.

A la larga, el desarrollo de la inteligencia artificial generativa representa un cambio cuantitativo que conduce a un cambio cualitativo.En el corazón de ChatGPT está la solución al problema académico investigado a largo plazo de las preguntas y respuestas de razonamiento.Solo a través de datos extendidos y iteraciones del modelo se puede alcanzar el impresionante nivel de GPT-4.Las aplicaciones AI en Web3 son similares y actualmente están en la etapa cuando el modelo Web2 se adapta a Web3.Todavía no ha aparecido un modelo que se basa completamente en los datos de Web3.Los proyectos visionarios y una amplia gama de recursos dedicados a la investigación de problemas específicos de Web3 traerán Web3 su propia aplicación asesina a nivel de chatgpt.

Hay muchas formas prometedoras de explorar la base técnica de la inteligencia artificial generativa, como la tecnología de la cadena de pensamiento.Esta tecnología permite que los grandes modelos de idiomas dan un salto significativo en el razonamiento de varios pasos.Sin embargo, también destaca e incluso exacerba las limitaciones de los modelos grandes en el razonamiento lógico complejo.Los lectores interesados ​​pueden explorar el artículo del autor original sobre la cadena de pensamiento.

Después de ChatGPT, varios proyectos con temas de GPT aparecieron en Web3, pero simplemente combinar GPT con contratos inteligentes no puede satisfacer las necesidades del usuario.Aproximadamente un año después de la lanzamiento de ChatGPT, todavía hay un gran potencial en el futuro.Los productos futuros deben comenzar con las necesidades reales de los usuarios de Web3.Con la creciente madurez de la tecnología Web3, la aplicación de IA generativa en Web3 seguramente será vasta y emocionante.