Web3 + AI: Trí tuệ nhân tạo vì chủ quyền cộng đồng

Khi Huang Renxun phát biểu tại WGS ở Dubai, ông đã đề xuất thuật ngữ "AI có chủ quyền". Vậy AI có chủ quyền nào có thể đáp ứng được lợi ích và nhu cầu của cộng đồng Crypto?

Có lẽ nó cần được xây dựng dưới dạng Web3+AI.

Vitalik đã mô tả sức mạnh tổng hợp giữa AI và Tiền điện tử trong bài viết "Lời hứa và thách thức của tiền điện tử + ứng dụng AI": Tính phi tập trung của tiền điện tử có thể cân bằng tính tập trung của AI không rõ ràng; , Tiền điện tử mang lại sự minh bạch; AI yêu cầu dữ liệu và blockchain có lợi cho việc lưu trữ và theo dõi dữ liệu. Kiểu cộng tác này xuyên suốt toàn bộ bối cảnh công nghiệp của Web3+AI.

Hầu hết các dự án Web3 + AI đều sử dụng công nghệ blockchain để giải quyết các bài toán xây dựng của các dự án cơ sở hạ tầng trong ngành AI và một số dự án sử dụng AI để giải quyết các ứng dụng Web3 . Vấn đề nhất định.

Bối cảnh ngành Web3 + AI nhìn chung như sau:

Quy trình sản xuất và quy trình làm việc của AI đại khái như sau:

Trong các liên kết này, sự kết hợp của Web3 và AI Chủ yếu được phản ánh ở bốn khía cạnh:

1. Lớp sức mạnh tính toán: tài sản hóa sức mạnh tính toán

Trong hai năm qua, sức mạnh tính toán được sử dụng để đào tạo các mô hình AI lớn đã tăng theo cấp số nhân, về cơ bản tăng gấp đôi mỗi quý và tăng trưởng với tốc độ vượt xa Định luật Moore. Tình trạng này đã dẫn đến sự mất cân bằng lâu dài trong cung và cầu sức mạnh tính toán AI, đồng thời giá phần cứng như GPU đã tăng nhanh, do đó làm tăng chi phí sức mạnh tính toán.

Nhưng đồng thời, trên thị trường cũng có một lượng lớn phần cứng sức mạnh tính toán từ trung cấp đến cấp thấp không hoạt động. sức mạnh tính toán của phần cứng tầm trung đến cấp thấp này không thể đáp ứng được yêu cầu về hiệu năng cao. Tuy nhiên, nếu mạng điện toán phân tán được xây dựng thông qua Web3 và mạng tài nguyên điện toán phi tập trung được tạo ra thông qua việc cho thuê và chia sẻ sức mạnh điện toán, nó vẫn có thể đáp ứng nhu cầu của nhiều ứng dụng AI. Bởi vì nó sử dụng sức mạnh tính toán nhàn rỗi được phân phối nên chi phí cho sức mạnh tính toán AI có thể giảm đáng kể.

Phân khu lớp sức mạnh tính toán bao gồm:

• Sức mạnh tính toán phi tập trung chung (chẳng hạn như Arkash, Io.net, v.v.);

• Dành cho AI phi tập trung sức mạnh tính toán dành cho đào tạo (chẳng hạn như Gensyn, Flock.io, v.v.);

• Điện toán phi tập trung cho Sức mạnh lý luận AI (chẳng hạn như Fetch.ai, Hyperbolic, v.v.);

• Sức mạnh tính toán phi tập trung để hiển thị 3D (chẳng hạn như The Render Network chờ đợi).

Tài sản hóa sức mạnh tính toán của Web3+AI, lợi thế cốt lõi nằm ở các dự án sức mạnh tính toán phi tập trung, kết hợp với các ưu đãi mã thông báo là rất quan trọng. dễ dàng mở rộng quy mô mạng và chi phí tài nguyên máy tính của nó thấp và hiệu quả chi phí cao, có thể đáp ứng một số nhu cầu về sức mạnh tính toán từ trung bình đến cấp thấp.

2. Lớp dữ liệu: viết hoa dữ liệu

Data It là dầu và máu của AI. Nếu không dựa vào Web3, nhìn chung chỉ những công ty khổng lồ mới có lượng lớn dữ liệu người dùng. Các công ty khởi nghiệp bình thường khó có được dữ liệu phong phú và giá trị của dữ liệu người dùng trong ngành AI không được phản hồi lại cho người dùng. Thông qua Web3+AI, các quy trình như thu thập dữ liệu, chú thích dữ liệu và lưu trữ dữ liệu phân tán có thể được thực hiện rẻ hơn, minh bạch hơn và có lợi hơn cho người dùng.

Thu thập dữ liệu chất lượng cao là điều kiện tiên quyết để đào tạo mô hình AI Thông qua Web3, các mạng phân tán có thể được sử dụng, kết hợp với các cơ chế khuyến khích Token phù hợp, để sử dụng Gói công khai. phương pháp thu thập để có được dữ liệu phong phú và chất lượng cao với chi phí thấp hơn.

Dựa trên mục đích của dự án, các dự án dữ liệu chủ yếu bao gồm các loại sau:

< li>< p style="text-align: left;">Các dự án thu thập dữ liệu (chẳng hạn như Grass, v.v.);

• Các dự án giao dịch dữ liệu (chẳng hạn như Ocean Protocol, v.v.);

• Các dự án chú thích dữ liệu (như Taida, Alaya, v.v.) );

• Các dự án nguồn dữ liệu blockchain (chẳng hạn như Spice AI, Không gian và thời gian, v.v.);

• Các dự án lưu trữ phi tập trung (chẳng hạn như Filecoin, Arweave, v.v.).

Các dự án Web3+AI dựa trên dữ liệu gặp nhiều thách thức hơn trong quá trình thiết kế mô hình kinh tế Token vì dữ liệu mạnh hơn sức mạnh tính toán Khó tiêu chuẩn hóa hơn.

3. Lớp nền tảng: Viết hoa giá trị nền tảng

Hầu hết các dự án nền tảng sẽ hướng tới Ôm Mặt, với cốt lõi là tích hợp nhiều nguồn lực khác nhau trong ngành AI. Thiết lập một nền tảng tổng hợp các liên kết đến nhiều tài nguyên và vai trò khác nhau như dữ liệu, sức mạnh tính toán, mô hình, nhà phát triển AI và chuỗi khối để giải quyết các nhu cầu khác nhau một cách thuận tiện hơn với nền tảng là trung tâm. Ví dụ, Giza tập trung vào việc xây dựng nền tảng vận hành zkML toàn diện, nhằm mục đích làm cho suy luận của máy học trở nên đáng tin cậy và minh bạch, bởi vì hộp đen dữ liệu và mô hình là những vấn đề phổ biến trong AI hiện nay. Nó sử dụng các mật khẩu như ZK và FHE thông qua kỹ thuật Web3 Learning. Việc xác minh rằng lý luận của mô hình thực sự được thực hiện chính xác sớm hay muộn sẽ được ngành công nghiệp kêu gọi.

Ngoài ra còn có layer1/layer2 dành cho Focus AI, chẳng hạn như Nuroblocks, Janction, v.v. Câu chuyện cốt lõi kết nối nhiều sức mạnh tính toán, dữ liệu, mô hình, nhà phát triển AI, nút và các tài nguyên khác, đồng thời giúp các ứng dụng Web3+AI đạt được sự xây dựng và phát triển nhanh chóng bằng cách đóng gói các thành phần chung và SDK chung.

Ngoài ra còn có các nền tảng loại Mạng tác nhân, dựa trên đó Tác nhân AI có thể được xây dựng cho các tình huống ứng dụng khác nhau, chẳng hạn như Olas, ChainML, v.v.

Các dự án Web3+AI loại nền tảng chủ yếu sử dụng Token để nắm bắt giá trị của nền tảng và khuyến khích tất cả những người tham gia nền tảng cùng nhau xây dựng nó. Nó hữu ích cho các dự án khởi nghiệp từ 0 đến 1 và có thể giảm bớt khó khăn cho các bên dự án trong việc tìm kiếm đối tác như sức mạnh tính toán, dữ liệu, cộng đồng nhà phát triển AI, nút, v.v.

4. Lớp ứng dụng: Viết hoa giá trị AI

Hầu hết trong số các dự án cơ sở hạ tầng trước đây sử dụng công nghệ blockchain để giải quyết các vấn đề về xây dựng dự án cơ sở hạ tầng trong ngành AI. Các dự án lớp ứng dụng thiên về sử dụng AI để giải quyết các vấn đề trong ứng dụng Web3.

Ví dụ như Vitalik đã đề cập trong bài viết hai hướng đi mà tôi cho là rất có ý nghĩa.

Đầu tiên, AI là thành viên tham gia Web3. Ví dụ: trong Trò chơi Web3, AI có thể hoạt động như một người chơi trò chơi, nó có thể nhanh chóng hiểu luật chơi và hoàn thành nhiệm vụ trò chơi một cách hiệu quả nhất; trong DEX, AI đã đóng vai trò trong giao dịch chênh lệch giá trong nhiều năm; Tác nhân AI, Tác nhân AI có thể tiếp nhận rộng rãi một lượng lớn dữ liệu, cơ sở tri thức và thông tin, đào tạo khả năng phân tích và dự đoán cho mô hình của nó và cung cấp cho người dùng dưới dạng sản phẩm, giúp người dùng dự đoán các sự kiện cụ thể thông qua suy luận mô hình, chẳng hạn như sự kiện thể thao và cuộc bầu cử tổng thống chờ đợi.

Thứ hai là tạo ra AI riêng tư phi tập trung có thể mở rộng. Bởi vì nhiều người dùng lo lắng về vấn đề hộp đen của AI và hệ thống bị sai lệch; hoặc họ lo lắng rằng một số dApp sử dụng công nghệ AI để đánh lừa người dùng nhằm kiếm lợi nhuận. Về cơ bản, điều này là do người dùng không có quyền xem xét và quản trị quá trình suy luận và đào tạo mô hình AI. Nhưng nếu bạn tạo AI Web3, giống như dự án Web3, cộng đồng đã phân bổ quyền quản trị cho AI này, điều này có thể dễ dàng được chấp nhận hơn.

Tính đến thời điểm hiện tại, không có dự án bạch mã nào có trần cao trong lớp ứng dụng Web3+AI.

Tóm tắt

Web3 + AI vẫn còn rất sớm ngành cũng có những khác biệt về triển vọng phát triển của tuyến đường này và chúng tôi sẽ tiếp tục chú ý đến tuyến đường này. Chúng tôi hy vọng rằng sự kết hợp giữa Web3 và AI có thể tạo ra những sản phẩm có giá trị hơn AI tập trung, cho phép AI thoát khỏi nhãn hiệu “kiểm soát khổng lồ” và “độc quyền” và “AI đồng quản trị” trong một môi trường dựa vào cộng đồng hơn đường. Có lẽ trong quá trình tham gia và quản trị chặt chẽ hơn, con người sẽ “sợ” AI hơn và bớt “sợ” hơn.