Ketika Jen-Hsun Huang berbicara di WGS di Dubai, dia mengusulkan istilah "AI yang berdaulat". Jadi, AI berdaulat manakah yang dapat memenuhi kepentingan dan permintaan komunitas Crypto?
Mungkin perlu dibangun dalam bentuk Web3+AI.
Vitalik menjelaskan sinergi antara AI dan Kripto dalam artikel "Janji dan Tantangan Aplikasi Kripto + AI": Desentralisasi Kripto dapat menyeimbangkan sentralisasi AI; data. Sinergi semacam ini berjalan di seluruh lanskap industri Web3+AI.
Sebagian besar proyek Web3 + AI menggunakan teknologi blockchain untuk menyelesaikan masalah konstruksi proyek infrastruktur di industri AI, dan beberapa proyek menggunakan AI untuk menyelesaikan masalah tertentu dalam aplikasi Web3.
Gambaran industri Web3 + AI kira-kira sebagai berikut:
Produksi dan alur kerja AI kira-kira sebagai berikut:
Dalam tautan ini, kombinasi Web3 dan AI terutama tercermin dalam empat aspek:
Lapisan daya komputasi: Memanfaatkan daya komputasi
Dalam dua tahun terakhir, kekuatan komputasi yang digunakan untuk melatih model AI besar telah meningkat secara eksponensial, meningkat dua kali lipat setiap kuartal, dan tumbuh pada tingkat yang jauh melebihi Hukum Moore. Situasi ini telah menyebabkan ketidakseimbangan jangka panjang dalam pasokan dan permintaan daya komputasi AI, dan harga perangkat keras seperti GPU meningkat pesat, sehingga meningkatkan biaya daya komputasi.
Namun pada saat yang sama, terdapat juga sejumlah besar perangkat keras dengan daya komputasi kelas menengah ke bawah yang menganggur di pasaran. Mungkin saja daya komputasi tunggal dari perangkat keras kelas menengah ke bawah ini tidak dapat memenuhi kebutuhan tinggi -kebutuhan kinerja. Namun, jika jaringan daya komputasi terdistribusi dibangun melalui Web3 dan jaringan sumber daya komputasi terdesentralisasi dibuat melalui penyewaan dan pembagian daya komputasi, hal tersebut masih dapat memenuhi kebutuhan banyak aplikasi AI. Karena daya komputasi idle terdistribusi digunakan, biaya daya komputasi AI dapat dikurangi secara signifikan.
Perincian lapisan daya komputasi meliputi:
Kekuatan komputasi umum yang terdesentralisasi (seperti Arkash, Io.net, dll.);
Daya komputasi terdesentralisasi untuk pelatihan AI (seperti Gensyn, Flock.io, dll.);
Daya komputasi terdesentralisasi untuk inferensi AI (misalnya Fetch.ai, Hyperbolic, dll.);
Daya komputasi terdesentralisasi untuk rendering 3D (seperti The Render Network, dll.).
Keuntungan inti dari asetisasi daya komputasi Web3+AI terletak pada proyek daya komputasi yang terdesentralisasi. Dikombinasikan dengan insentif token, skala jaringan dapat diperluas dengan mudah, dan biaya sumber daya komputasinya rendah serta hemat biaya, yang dapat memuaskan sebagian kalangan menengah ke atas. -kebutuhan daya komputasi kelas bawah.
Lapisan data: kapitalisasi data
Data adalah minyak dan darah AI. Jika Anda tidak mengandalkan Web3, umumnya hanya perusahaan raksasa yang memiliki data pengguna dalam jumlah besar. Sulit bagi startup biasa untuk mendapatkan data yang luas, dan nilai data pengguna di industri AI tidak diumpankan kembali ke pengguna. Melalui Web3+AI, proses seperti pengumpulan data, anotasi data, dan penyimpanan data terdistribusi dapat dibuat lebih murah, lebih transparan, dan lebih bermanfaat bagi pengguna.
Mengumpulkan data berkualitas tinggi merupakan prasyarat untuk pelatihan model AI. Melalui Web3, Anda dapat menggunakan jaringan terdistribusi, dikombinasikan dengan mekanisme insentif Token yang sesuai, dan metode pengumpulan crowdsourcing untuk mendapatkan data berkualitas tinggi dan ekstensif dengan biaya lebih rendah.
Menurut tujuan proyek, proyek data terutama mencakup kategori berikut:
Proyek pengumpulan data (seperti Grass, dll.);
Proyek perdagangan data (seperti Ocean Protocol, dll.);
Proyek anotasi data (seperti Taida, Alaya, dll.);
Proyek sumber data Blockchain (seperti Spice AI, Ruang dan waktu, dll.);
Proyek penyimpanan terdesentralisasi (seperti Filecoin, Arweave, dll.).
Proyek Web3+AI berbasis data lebih menantang dalam proses perancangan model ekonomi Token karena data lebih sulit untuk distandarisasi dibandingkan daya komputasi.
Lapisan platform: Memanfaatkan nilai platform
Sebagian besar proyek platform akan dibandingkan dengan Hugging Face, dengan inti mengintegrasikan berbagai sumber daya dalam industri AI. Membangun platform yang mengumpulkan tautan ke berbagai sumber daya dan peran seperti data, daya komputasi, model, pengembang AI, dan blockchain untuk menyelesaikan berbagai kebutuhan dengan lebih nyaman dengan platform sebagai pusatnya. Misalnya, Giza berfokus pada pembangunan platform operasi zkML yang komprehensif, yang bertujuan untuk membuat inferensi pembelajaran mesin kredibel dan transparan, karena data dan model kotak hitam adalah masalah umum dalam AI saat ini. Ia menggunakan kata sandi seperti ZK dan FHE melalui teknik Pembelajaran Web3 untuk memverifikasi bahwa alasan model memang dijalankan dengan benar cepat atau lambat akan diminta oleh industri.
Ada juga layer1/layer2 untuk Focus AI, seperti Nuroblocks, Janction, dll. Narasi inti menghubungkan berbagai kekuatan komputasi, data, model, pengembang AI, node, dan sumber daya lainnya, serta membantu aplikasi Web3+AI mencapai konstruksi dan pengembangan cepat dengan mengemas komponen umum dan SDK umum.
Ada juga platform jenis Jaringan Agen, yang menjadi dasar pembuatan Agen AI untuk berbagai skenario aplikasi, seperti Olas, ChainML, dll.
Proyek Web3+AI tipe platform terutama menggunakan Token untuk menangkap nilai platform dan mendorong semua peserta platform untuk bersama-sama membangunnya. Hal ini berguna untuk proyek start-up dari 0-1, dan dapat mengurangi kesulitan bagi pihak proyek untuk menemukan mitra seperti daya komputasi, data, komunitas pengembang AI, node, dll.
Lapisan aplikasi: asetisasi nilai AI
Sebagian besar proyek infrastruktur sebelumnya menggunakan teknologi blockchain untuk menyelesaikan permasalahan pembangunan proyek infrastruktur di industri AI. Proyek lapisan aplikasi lebih banyak menggunakan AI untuk memecahkan masalah dalam aplikasi Web3.
Misalnya, Vitalik menyebutkan dua arah dalam artikelnya, yang menurut saya sangat bermakna.
Salah satunya adalah AI sebagai peserta Web3. Misalnya: di Web3 Games, AI dapat bertindak sebagai pemain game, dapat dengan cepat memahami aturan permainan dan menyelesaikan tugas game dengan paling efisien; di DEX, AI telah berperan dalam perdagangan arbitrase selama bertahun-tahun; , Agen AI dapat menerima sejumlah besar data, basis pengetahuan, dan informasi, melatih kemampuan analisis dan prediksi modelnya, dan menyediakannya kepada pengguna sebagai produk, membantu pengguna memprediksi peristiwa tertentu melalui penalaran model, seperti acara olahraga , pemilihan presiden, dll.
Yang kedua adalah menciptakan AI swasta terdesentralisasi yang terukur. Karena banyak pengguna yang khawatir dengan masalah black box AI dan sistemnya yang bias; atau ada beberapa dApps yang menipu pengguna untuk mendapatkan keuntungan melalui teknologi AI. Pada dasarnya, hal ini terjadi karena pengguna tidak memiliki hak peninjauan dan tata kelola atas proses pelatihan dan inferensi model AI. Namun jika Anda membuat AI Web3, seperti proyek Web3, komunitas telah mendistribusikan hak tata kelola untuk AI ini, yang mungkin lebih mudah diterima.
Sampai saat ini, tidak ada proyek kuda putih dengan langit-langit tinggi di lapisan aplikasi Web3+AI.
Meringkaskan
Web3 + AI masih dalam tahap awal, dan industri terpecah mengenai prospek pengembangan jalur ini. Kami berharap kombinasi Web3 dan AI dapat menciptakan produk yang lebih berharga dibandingkan AI terpusat, sehingga memungkinkan AI menghilangkan label “kontrol raksasa” dan “monopoli” serta “AI yang mengatur bersama” dalam konteks yang lebih berbasis komunitas. jalan. Mungkin dalam proses partisipasi dan tata kelola yang lebih erat, manusia akan memiliki lebih banyak “kekaguman” dan lebih sedikit “ketakutan” terhadap AI.