Als Jen-Hsun Huang bei WGS in Dubai sprach, schlug er den Begriff „souveräne KI“ vor. Welche souveräne KI kann also die Interessen und Anforderungen der Crypto-Community erfüllen?

Möglicherweise muss es in Form von Web3 + KI erstellt werden.

Vitalik beschrieb die Synergie zwischen KI und Krypto im Artikel „Das Versprechen und die Herausforderungen von Krypto- und KI-Anwendungen“: Die Dezentralisierung von Krypto kann die Zentralisierung von KI ausgleichen; Krypto bringt Transparenz, KI braucht Daten, Blockchain erleichtert die Speicherung und Nachverfolgung von Dateien. Diese Art von Synergie zieht sich durch die gesamte Industrielandschaft von Web3+AI.

Die meisten Web3 + KI-Projekte verwenden Blockchain-Technologie, um die Konstruktionsprobleme von Infrastrukturprojekten in der KI-Branche zu lösen, und einige Projekte verwenden KI, um bestimmte Probleme in Web3-Anwendungen zu lösen.

Das Bild der Web3 + AI-Branche sieht ungefähr wie folgt aus:

Die Produktion und der Arbeitsablauf von KI sind ungefähr wie folgt:

In diesen Links spiegelt sich die Kombination von Web3 und KI hauptsächlich in vier Aspekten wider:

Rechenleistungsschicht: Rechenleistung nutzen

In den letzten zwei Jahren ist die Rechenleistung, die zum Trainieren großer KI-Modelle verwendet wird, exponentiell gestiegen, hat sich praktisch jedes Quartal verdoppelt und wächst mit einer Geschwindigkeit, die das Mooresche Gesetz bei weitem übertrifft. Diese Situation hat zu einem langfristigen Ungleichgewicht zwischen Angebot und Nachfrage von KI-Rechenleistung geführt, und die Preise für Hardware wie GPUs sind rapide gestiegen, wodurch die Kosten für Rechenleistung gestiegen sind.

Gleichzeitig gibt es aber auch eine große Menge an Hardware mit mittlerer bis niedriger Rechenleistung auf dem Markt. Es kann sein, dass die einzelne Rechenleistung dieses Teils der Hardware mit mittlerer bis niedrigerer Leistung nicht mit der hohen Leistung mithalten kann. Leistungsbedarf. Wenn jedoch ein verteiltes Rechenleistungsnetzwerk über Web3 aufgebaut wird und ein dezentrales Rechenressourcennetzwerk durch Leasing und gemeinsame Nutzung von Rechenleistung erstellt wird, kann es dennoch die Anforderungen vieler KI-Anwendungen erfüllen. Da verteilte ungenutzte Rechenleistung genutzt wird, können die Kosten für KI-Rechenleistung deutlich gesenkt werden.

Die Aufschlüsselung der Rechenleistungsschicht umfasst:

• Allgemeine dezentrale Rechenleistung (wie Arkash, Io.net usw.);

• Dezentrale Rechenleistung für KI-Training (wie Gensyn, Flock.io usw.);

• Dezentrale Rechenleistung für KI-Inferenz (z. B. Fetch.ai, Hyperbolic usw.);

• Dezentrale Rechenleistung für 3D-Rendering (z. B. The Render Network usw.).

Der Hauptvorteil der Rechenleistungsaktivierung von Web3+AI liegt in dezentralen Rechenleistungsprojekten. In Kombination mit Token-Anreizen ist es einfach, die Netzwerkgröße zu erweitern, und die Kosten für Rechenressourcen sind niedrig und kostengünstig, was einige mittlere bis zufrieden stellen kann -Geringe Anforderungen an die Rechenleistung.

Datenschicht: Datenkapitalisierung

Daten sind das Öl und Blut der KI. Wenn Sie sich nicht auf Web3 verlassen, verfügen im Allgemeinen nur große Unternehmen über eine große Menge an Benutzerdaten. Für normale Startups ist es schwierig, umfangreiche Daten zu erhalten, und der Wert von Benutzerdaten in der KI-Branche wird nicht an die Benutzer zurückgegeben. Durch Web3+AI können Prozesse wie Datenerfassung, Datenanmerkung und verteilte Datenspeicherung kostengünstiger, transparenter und für Benutzer vorteilhafter gestaltet werden.

Das Sammeln hochwertiger Daten ist eine Voraussetzung für das KI-Modelltraining. Über Web3 können Sie ein verteiltes Netzwerk in Kombination mit einem geeigneten Token-Anreizmechanismus und einer Crowdsourcing-Erfassungsmethode verwenden, um qualitativ hochwertige und umfangreiche Daten zu geringeren Kosten zu erhalten.

Je nach Projektzweck umfassen Datenprojekte hauptsächlich die folgenden Kategorien:

• Datenerfassungsprojekte (wie Grass usw.);

• Datenhandelsprojekte (wie Ocean Protocol usw.);

• Datenanmerkungsprojekte (wie Taida, Alaya usw.);

• Blockchain-Datenquellenprojekte (wie Spice AI, Space and Time usw.);

• Dezentrale Speicherprojekte (wie Filecoin, Arweave usw.).

Datenbasierte Web3+KI-Projekte stellen bei der Gestaltung des Token-Wirtschaftsmodells eine größere Herausforderung dar, da Daten schwieriger zu standardisieren sind als Rechenleistung.

Plattformschicht: Plattformwert kapitalisieren

Die meisten Plattformprojekte werden mit Hugging Face verglichen, wobei der Kern darin besteht, verschiedene Ressourcen in der KI-Branche zu integrieren. Richten Sie eine Plattform ein, die Verbindungen zu verschiedenen Ressourcen und Rollen wie Daten, Rechenleistung, Modellen, KI-Entwicklern und Blockchain aggregiert, um verschiedene Anforderungen bequemer mit der Plattform als Zentrum zu lösen. Giza konzentriert sich beispielsweise auf den Aufbau einer umfassenden zkML-Betriebsplattform mit dem Ziel, maschinelle Lerninferenzen glaubwürdig und transparent zu machen, da die Daten- und Modell-Blackbox derzeit ein häufiges Problem in der KI darstellt. Dabei werden Passwörter wie ZK und FHE über Web3 verwendet. Früher oder später wird die Industrie auf Lerntechniken zurückgreifen, um zu überprüfen, ob die Argumentation des Modells tatsächlich korrekt ausgeführt wird.

Es gibt auch Layer1/Layer2 für Focus AI, wie z. B. Nuroblocks, Janction usw. Die Kernerzählung verbindet verschiedene Rechenleistungen, Daten, Modelle, KI-Entwickler, Knoten und andere Ressourcen und hilft Web3+KI-Anwendungen, durch das Packen gemeinsamer Komponenten und gemeinsamer SDKs eine schnelle Konstruktion und Entwicklung zu erreichen.

Es gibt auch Plattformen vom Typ Agent Network, auf deren Grundlage KI-Agenten für verschiedene Anwendungsszenarien erstellt werden können, wie z. B. Olas, ChainML usw.

Plattformartige Web3+KI-Projekte verwenden hauptsächlich Token, um den Wert der Plattform zu erfassen und alle Teilnehmer der Plattform zu ermutigen, sie gemeinsam aufzubauen. Es ist hilfreich für Start-up-Projekte von 0 bis 1 und kann die Schwierigkeit für Projektparteien verringern, Partner wie Rechenleistung, Daten, KI-Entwicklergemeinschaften, Knoten usw. zu finden.

Anwendungsschicht: KI-Wertschöpfung

Die meisten bisherigen Infrastrukturprojekte nutzen die Blockchain-Technologie, um die Probleme beim Aufbau von Infrastrukturprojekten in der KI-Branche zu lösen. Bei Projekten auf Anwendungsebene geht es eher darum, KI zur Lösung von Problemen in Web3-Anwendungen einzusetzen.

Vitalik hat in dem Artikel beispielsweise zwei Richtungen erwähnt, was ich für sehr aussagekräftig halte.

Eine davon ist KI als Web3-Teilnehmer. Zum Beispiel: In Web3-Spielen kann KI als Spieler fungieren, sie kann die Spielregeln schnell verstehen und Spielaufgaben am effizientesten erledigen, in DEX spielt KI seit vielen Jahren eine Rolle im Arbitrage-Handel; , AI Agent kann eine große Menge an Daten, Wissensdatenbanken und Informationen weitgehend akzeptieren, die Analyse- und Vorhersagefähigkeiten seines Modells trainieren und es Benutzern als Produkt zur Verfügung stellen, um Benutzern dabei zu helfen, bestimmte Ereignisse wie Sportereignisse durch Modellbegründung vorherzusagen , Präsidentschaftswahlen usw. .

Die zweite besteht darin, eine skalierbare dezentrale private KI zu schaffen. Weil viele Benutzer über das Black-Box-Problem der KI und die Voreingenommenheit im System besorgt sind oder über die Existenz bestimmter dApps, die Benutzer mithilfe der KI-Technologie täuschen, um Gewinne zu erzielen. Dies liegt im Wesentlichen daran, dass Benutzer keine Überprüfungs- und Steuerungsrechte für den Schulungs- und Inferenzprozess des KI-Modells haben. Wenn Sie jedoch eine Web3-KI wie das Web3-Projekt erstellen, verfügt die Community über verteilte Governance-Rechte für diese KI, die möglicherweise leichter akzeptiert werden.

Derzeit gibt es keine White Horse-Projekte mit hohen Decken in der Web3+AI-Anwendungsschicht.

Zusammenfassen

Web3 + AI befindet sich noch in einem frühen Stadium und die Branche ist sich über die Entwicklungsaussichten dieses Bereichs uneinig. Wir werden diesem Bereich weiterhin Aufmerksamkeit schenken. Wir hoffen, dass durch die Kombination von Web3 und KI Produkte entstehen können, die wertvoller sind als zentralisierte KI, sodass die KI die Etiketten „Riesenkontrolle“, „Monopol“ und „KI mitregieren“ in einem stärker gemeinschaftsbasierten Umfeld ablegen kann Weg. Vielleicht werden die Menschen im Zuge einer engeren Beteiligung und Steuerung mehr „Ehrfurcht“ und weniger „Angst“ vor KI haben.