Nejpopulárnější umělá inteligence je v současnosti považována za klíčový bod a jádro čtvrté průmyslové revoluce a horkým pojmem ve světě technologií je Web3, který je považován za klíčové jádro internetu nové generace.
Umělá inteligence a Web3 jsou dva hlavní koncepty, které odstartují technologickou revoluci, jaká „překvapení“ by nám mohly přinést?
01 Nejprve si promluvme o AI samotné
Odvětví umělé inteligence bude ve skutečnosti upadat, Yilonga, zakladatele Near, ve skutečnosti tento člověk dělal, je hlavním přispěvatelem kódu TensorFlow (nejoblíbenější framework pro strojové učení). Všichni spekulují, že přišel dělat Web3, protože neviděl žádnou naději v AI (strojové učení před velkými modely).
Výsledkem bylo, že průmysl na konci loňského roku konečně uvedl ChatGpt3.5 a najednou byl průmysl znovu živý, protože tentokrát to lze opravdu považovat za kvalitativní změnu, spíše než za předchozí vlny humbuku a kvantitativních změn . Během několika měsíců zasáhla vlna podnikání v oblasti AI také náš Web3. Web2 strana Silicon Valley se potýká s různými kapitálovými FOMO, různými homogenními řešeními se začaly utkat v cenových válkách a různí velcí výrobci a velké modely PKing...
Je však třeba poznamenat, že umělá inteligence se po více než půl roce explozivního růstu dostala do období relativního úzkého hrdla. Například zájem Googlu o umělou inteligenci prudce poklesl, růst uživatelů Chatgpt se výrazně zpomalil a výstup umělé inteligence má určitý stupeň. náhodnost omezuje mnoho scénářů přistání... Zkrátka jsme stále velmi, velmi daleko od legendární „AGI – Artificial General Intelligence“.
V současné době má kruh rizikového kapitálu ze Silicon Valley následující úsudky o dalším vývoji AI:
1) Neexistuje žádný vertikální model, pouze velký model + vertikální aplikace (zmíníme to znovu, až budeme mluvit o Web3+AI později)
2) Data z okrajových zařízení, jako jsou mobilní telefony, mohou být překážkou a příležitostí může být také umělá inteligence založená na okrajových zařízeních.
3) Délka kontextu může v budoucnu způsobit kvalitativní změny (vektorové databáze se v současné době používají jako paměť AI, ale délka kontextu stále nestačí)
02Web3+AI
AI a Web3 jsou ve skutečnosti dvě zcela odlišné oblasti AI vyžaduje koncentrovaný výpočetní výkon a masivní data pro trénink, který je velmi centralizovaný, takže z hlediska vyprávění to není tak snadné Produktivita a změny blockchainu jsou produkční vztahy příliš hluboce zakořeněné v srdcích lidí, takže vždy budou lidé hledat tento integrační bod. V posledních dvou měsících jsme diskutovali o nejméně 10 projektech AI.
Než budeme mluvit o novém kombinovaném tracku, promluvme si o starých projektech AI+Web3, které jsou v podstatě založené na platformě, reprezentované FET a AGIX. Jak bych to řekl, řekli mi moji přátelé, kteří jsou profesionály v AI v Číně: „Ti, kteří dělali AI, jsou nyní v podstatě k ničemu. Bez ohledu na Web2 nebo Web3 je mnoho z nich spíše zátěží než zkušeností. a budoucnost jsou jako OpenAI Tento druh velkého modelu založený na Transformeru, „velký model zachraňuje AI“, vašem vlastním produktu.
Proto univerzální platforma není model Web3+AI, o kterém je optimistický. Více než 10 projektů, o kterých jsem mluvil, tento aspekt nemá.
1. Assetizace modelu bot/agent/asistent
2. Platforma výpočetního výkonu
3.Datová platforma
4. Generativní AI
5.Defi obchodování/audit/kontrola rizik
6.ZKML
1. Assetizace modelu bot/agent/asistent
Assetizace Bot/Agent/Assitant je nejdiskutovanější skladbou a je to skladba s nejvážnější homogenitou. Zjednodušeně řečeno, většina těchto projektů používá OpenAI jako spodní vrstvu a spolupracuje s dalšími open source/vlastně vyvinutými technickými prostředky, jako je TTS (Text to Speech) a podobně S konkrétními daty přichází FineTune „pokročilejší technologie než ChatGPT v určité oblasti“.
Můžete si například vycvičit krásnou učitelku, aby vás naučila angličtinu. Můžete si vybrat, zda má americký přízvuk nebo londýnský přízvuk ChatGPT, interaktivní zážitek je Bude to lepší. V počátcích tohoto odvětví existovala virtuální přítelkyně DAPP a Web3 hra orientovaná na ženy s názvem HIM, kterou lze považovat za zástupce tohoto typu.
Na základě této myšlenky můžete mít teoreticky mnoho robotů/agentů, kteří vám budou sloužit. Například, pokud chcete vařit vařené ryby, může být Cooking Bot s názvem Fine Tune, který se specializuje na tuto oblast, aby vás to naučil Bot, který vám poskytne různé možnosti cestování Pro návrhy a plánování, nebo pokud jste vývojář projektu, získejte robota zákaznických služeb Discord, který vám pomůže odpovědět na otázky komunity.
Kromě této „vertikální aplikace založené na GPT“ Bota existují také odvozené projekty založené na tomto, jako je Botova „modelová aktivace“. Je to trochu jako „assetizace malých obrázků“ v NFT. Mohou být výzvy, které jsou nyní oblíbené v AI, například generovány různými obrázky. Propagace sama o sobě má také hodnotu a může být kapitalizována.
Existují také projekty, jako je indexování portálů a vyhledávání založené na takových botech Jednoho dne budeme mít tisíce Botů, tak jak najít toho nejvhodnějšího Bota pro vás? Možná budete potřebovat portál jako Hao123 ve světě Web2 nebo vyhledávač jako Google, který vám pomůže „umístit se“.
Podle mého osobního názoru má aktivace bota (model) v této fázi dvě nevýhody a dva směry:
1) Nevýhody
Nevýhoda 1- Příliš velká homogenita, protože toto je dráha AI+web3, které uživatelé nejsnáze rozumějí, a je to trochu jako NFT s malým atributem utility. Primární trh proto aktuálně začíná vykazovat trend rudého oceánu a valí se, ale spodní vrstvou je OpenAI, takže vlastně každý nemá žádné technické bariéry a může bojovat jen o design a provoz;
Nevýhoda 2 – Někdy věci jako NFT řetězení členských karet Starbucks, i když je to dobrý pokus dostat se z kruhu, nemusí být pro většinu uživatelů tak pohodlné jako fyzická nebo elektronická členská karta. Boti založené na Web3 mají také tento problém, pokud se chci naučit anglicky od robota nebo chatovat s Muskem nebo Socratesem, nebylo by hezké použít web2 http://Character.AI?
2) Směr
Směr 1- je blízký + střednědobý, model on-chain může být nápad. V současné době jsou tyto modely poněkud podobné malým obrázkům ETH NFT Většina metadat ukazuje na off-chain servery nebo IPFS, spíše než čistě on-chain. Modely mají obvykle velikost desítek až stovek megabajtů a je třeba je hodit na server.
Nicméně s nedávným rychlým poklesem cen úložiště (2TB SSD stojí 500 RMB) a pokrokem v projektech úložiště, jako je Filecoin FVM a ETH Storage, věřím, že nebude těžké uvést v řetězci model na úrovni 100 milionů příští dva až tři roky.
Můžete se zeptat, jaké jsou výhody navíjení? Jakmile je model on-chain, může být přímo volán jinými smlouvami. Je to více Crypto Native a rozhodně existuje více triků, které lze hrát, má trochu vizuální pocit jako Fully Onchain Game, protože všechny data jsou v řetězci nativní. V současné době vidíme, že existují týmy, které tento aspekt zkoumají, ale samozřejmě je to stále ve velmi rané fázi.
Směr 2- je střednědobý + dlouhodobý Pokud to s chytrými kontrakty myslíte vážně, ve skutečnosti není nejvhodnější interakce mezi člověkem a počítačem, ale „interakce stroje a počítače má nyní koncept AutoGPT“. váš „Virtuální avatar“ nebo „virtuální asistent“ s vámi může nejen chatovat, ale také vám pomáhat plnit úkoly podle vašich požadavků, jako je pomoc při rezervaci letenek, hotelů, nákupu doménových jmen a vytváření webových stránek...
Myslíte si, že asistent AI je pohodlnější pro ovládání vašich různých bankovních účtů, Alipay atd., nebo je výhodnější pro převod prostředků z celé blockchainové adresy? Odpověď je zřejmá. Bude tedy v budoucnu existovat řada integrovaných asistentů umělé inteligence, jako je AutoGPT, kteří mohou automaticky provádět platby a vypořádání C2C, B2C a dokonce i B2B prostřednictvím blockchainu a chytrých smluv v různých scénářích úkolů? V té době se hranice mezi Web2 a Web3 velmi rozostřila.
2. Platforma výpočetního výkonu
Projekty platformy výpočetního výkonu nemají tolik aktiv jako model Bota, ale jsou relativně snadněji pochopitelné Každý ví, že AI vyžaduje hodně výpočetního výkonu a BTC a ETH za posledních 10 let prokázaly, že existuje. je taková metoda na světě Spontánně, decentralizovaně, v prostředí ekonomických pobídek a her organizuje a koordinuje masivní výpočetní sílu, aby spolupracovala a soutěžila o jednu věc. Tuto metodu lze nyní aplikovat na AI.
Dva nejslavnější projekty v oboru jsou bezesporu Together a Gensyn. Jedno startovací kolo vyneslo desítky milionů dolarů a druhé vyneslo 43 milionů v sérii A. Říká se, že důvodem, proč tyto dva projekty získaly tolik peněz, je to, že. potřebují nejprve finanční prostředky a výpočetní výkon. Trénujte svůj vlastní model a poté z něj uděláte počítačovou platformu a poskytnete ho dalším projektům umělé inteligence.
Financování platforem výpočetního výkonu pro odvození bude relativně malé, protože v podstatě agregují nečinný GPU a další výpočetní výkon a poskytují ho projektům AI, které potřebují odvodit, a tyto platformy provádějí inferenční výpočty agregace. Ale technické prahy jsou v současnosti poměrně vágní a dokonce by mě zajímalo, jestli jednoho dne bude RNDR nebo cloudová platforma Web3 jednou nohou v inferenční výpočetní platformě.
Směr platformy výpočetního výkonu je praktičtější a předvídatelnější než modelová kapitalizace Je v podstatě jisté, že bude poptávka a bude jeden nebo dva vedoucí projekty a uvažování má své vlastní vůdce, nebo vůdce zahrnuje jak školení, tak uvažování?
3.Datová platforma
To ve skutečnosti není těžké pochopit, protože spodní vrstva AI jsou jednoduše tři hlavní věci: algoritmus (model), výpočetní výkon a data.
Vzhledem k tomu, že existují „decentralizované verze“ algoritmů a výpočetního výkonu, data rozhodně nebudou chybět. To je také směr, kterým Dr. Lu Qi, zakladatel Qiji Chuangtan, mluví o AI a Web3 nejvíce.
Web3 vždy kladl důraz na soukromí a suverenitu dat a má také technologie, jako je ZK, které zajišťují spolehlivost a integritu dat. Umělá inteligence trénovaná na základě dat v řetězci Web3 se proto musí lišit od AI trénované na off-chain datech Web2. . Proto by měla být celková část Udělej smysl této řadě, Ocean, považována za tuto trať v současném kruhu a primární trh také zaznamenal projekty, jako jsou specializované trhy s daty AI založené na oceánu.
4. Generativní AI
Zjednodušeně řečeno jde o použití malování AI nebo podobných výtvorů, které slouží k dalším scénářům. Například vytváření NFT nebo generování map ve hře, generování pozadí NPC atd. Mám pocit, že je obtížnější dělat NFT, protože nedostatek generovaný AI není dostatečná cesta a existují týmy, které to zkoušejí na primárním trhu.
Před pár dny jsem však viděl zprávu, že Unity (která dominuje trhu herních enginů po mnoho let společně s Unreal Engine) také vydala vlastní nástroje pro generování AI Sentis a Muse, které jsou stále ve fázi uzavřené beta verze a jsou očekávány oficiálně spuštěna příští rok. Jak bych to řekl, mám pocit, že herní projekty AIGC v kruhu Web3 mohou být zasaženy snížením rozměrů Unity...
5.DeFi transakce/audit/výnos/riziková kontrola
Viděli jsme projekty zkoušející v těchto kategoriích a homogenita je poměrně zřejmá.
1) DeFi obchodování – To je trochu ošemetné, protože pokud je obchodní strategie snadno použitelná, protože ji používá více lidí, může se strategie postupně stát méně užitečnou a budete muset přejít na novou strategii. Pak jsem zvědavý, jaká bude budoucí výhernost AI obchodního robota a jaké bude postavení mezi běžnými obchodníky.
2) Audit – Vizuální kontrola by měla být schopna pomoci rychle zkontrolovat a vypořádat se s existujícími běžnými zranitelnostmi. Nové nebo logické zranitelnosti, které se dříve neobjevily, by neměly být možné.
3) Řízení výnosů a rizik - Výnos není těžké pochopit, můžete si ho představit jako YFI s inteligencí AI, hodit do něj peníze a AI najde platformu pro staking, skupinové LP, těžbu atd. podle vaší preference rizika. Pokud jde o kontrolu rizik, je to zvláštní pocit, udělat z toho samostatný projekt. Smysl má sloužit různým půjčkám nebo podobným platformám Defi ve formě zásuvných modulů.
6.ZKML
Trať, která se v tomto odvětví stává stále populárnější, protože kombinuje dvě nejmodernější technologie, ZK v oboru a ML (Mechine Learning, úzké odvětví oboru AI) mimo průmysl.
Teoreticky může kombinace se ZK poskytnout ML soukromí, úplnost a přesnost, ale musíte říci, jaké konkrétní scénáře použití existují Ve skutečnosti je infrastruktura nenapadne. V současnosti je skutečně potřeba pouze to, aby strojové učení v některých lékařských oborech mělo požadavky na soukromí pro data pacientů. Co se týče narativu o integritě hry v řetězci nebo proti podvádění, vždy mi to připadá trochu přitažené za vlasy.
V současné době je v této trati pouze několik hvězdných projektů, jako jsou Modulus Labs, EZKL, Giza atd., které jsou všechny populární na primárním trhu. Kdepak, protože na světě je jen pár lidí, kteří rozumí ZK, a ještě méně lidí, kteří rozumí ZK a rozumí i ML. Proto je technický práh této trati mnohem vyšší než u jiných oborů a homogenita ano relativně nízké. A konečně, ZKML se většinou zaměřuje na vyvozování, nikoli na školení.