L’intelligenza artificiale più popolare al momento è considerata il punto chiave e il nucleo della quarta rivoluzione industriale, e un concetto caldo nel mondo della tecnologia è Web3, che è considerato il nucleo chiave dell’Internet di prossima generazione.

L'intelligenza artificiale e il Web3 sono due concetti importanti che daranno il via a una rivoluzione tecnologica. Se combinati in modo efficace, che tipo di "sorprese" potrebbero riservarci?

01 Parliamo prima dell’intelligenza artificiale stessa

L'industria dell'intelligenza artificiale sarà effettivamente in declino. Tutti conoscono Yilong, il fondatore di Near, giusto? Questo ragazzo in realtà si occupava di intelligenza artificiale. È il principale contributore al codice di TensorFlow (il framework di apprendimento automatico più popolare). Tutti ipotizzano che sia arrivato a fare Web3 perché non vedeva alcuna speranza nell'intelligenza artificiale (apprendimento automatico prima dei grandi modelli).

Di conseguenza, il settore ha finalmente introdotto ChatGpt3.5 alla fine dello scorso anno e improvvisamente il settore è tornato in vita, perché questa volta può davvero essere considerato un cambiamento qualitativo, piuttosto che le precedenti ondate di clamore pubblicitario e cambiamenti quantitativi . Nel giro di pochi mesi, l’ondata dell’imprenditorialità dell’IA ha raggiunto anche il nostro Web3. Il lato Web2 della Silicon Valley è in difficoltà Varie FOMO di capitale, varie soluzioni omogenee hanno iniziato a competere nella guerra dei prezzi e vari grandi produttori e grandi modelli stanno PKing...

Tuttavia, va notato che anche l'intelligenza artificiale è entrata in un periodo di collo di bottiglia dopo più di sei mesi di crescita esplosiva. Ad esempio, l'interesse di ricerca di Google per l'intelligenza artificiale è crollato, la crescita degli utenti di Chatgpt è rallentata in modo significativo e l'output dell'intelligenza artificiale ha raggiunto un certo livello. della casualità. Il sesso limita molti scenari di atterraggio... Insomma, siamo ancora molto, molto lontani dalla mitica "AGI - Intelligenza Generale Artificiale".

Attualmente, il circolo del capitale di rischio della Silicon Valley ha i seguenti giudizi sul prossimo sviluppo dell’intelligenza artificiale:

1) Non esiste un modello verticale, solo un modello di grandi dimensioni + applicazione verticale (ne parleremo ancora quando parleremo di Web3+AI più avanti)

2) I dati provenienti da dispositivi periferici come i telefoni cellulari possono rappresentare una barriera e anche l’intelligenza artificiale basata su dispositivi periferici può rappresentare un’opportunità.

3) La lunghezza del contesto potrebbe causare cambiamenti qualitativi in ​​futuro (i database vettoriali sono attualmente utilizzati come memoria AI, ma la lunghezza del contesto non è ancora sufficiente)

02Web3+AI

L’intelligenza artificiale e il Web3 sono in realtà due campi completamente diversi. L’intelligenza artificiale richiede potenza di calcolo concentrata e enormi dati per la formazione, che è molto centralizzata. Web3 si concentra sulla decentralizzazione, quindi non è così facile da combinare in termini di narrativa i cambiamenti nella produttività e nella blockchain le relazioni di produzione sono troppo profondamente radicate nel cuore delle persone, quindi ci saranno sempre persone alla ricerca di quel punto di integrazione. Negli ultimi due mesi abbiamo discusso non meno di 10 progetti di intelligenza artificiale.

Prima di parlare del nuovo percorso combinato, parliamo dei vecchi progetti AI+Web3. Sono fondamentalmente basati su piattaforma, rappresentati da FET e AGIX. Come dovrei dirlo? Questo è quello che mi hanno detto i miei amici che sono professionisti nell'intelligenza artificiale in Cina: "Coloro che facevano l'intelligenza artificiale ora sono praticamente inutili. Indipendentemente da Web2 o Web3, molti di loro sono un bagaglio piuttosto che un'esperienza. La direzione e il futuro sono come OpenAI. Questo tipo di modello di grandi dimensioni basato su Transformer, "il grande modello salva l'intelligenza artificiale", il tuo prodotto.

Pertanto, la tipologia di piattaforma universale non è il modello Web3+AI su cui è ottimista. Gli oltre 10 progetti di cui ho parlato non hanno questo aspetto. Quello che ho visto finora sono sostanzialmente le seguenti tracce:

1. Assetizzazione del modello Bot/Agente/Assistente

2. Piattaforma di potenza informatica

3.Piattaforma dati

4. IA generativa

5. Trading/audit/controllo del rischio

6.ZKML

1. Assetizzazione del modello Bot/Agente/Assistente

L'assetizzazione di Bot/Agente/Assistente è la traccia più discussa, ed è la traccia con la più grave omogeneità. Per dirla semplicemente, la maggior parte di questi progetti utilizza OpenAI come livello inferiore e collabora con altri mezzi tecnici open source/autosviluppati, come TTS (Text to Speech) e simili. Con dati specifici, FineTune ne fornisce alcuni "tecnologie più avanzate di ChatGPT in un determinato campo". "Robot migliori.

Ad esempio, puoi formare una bellissima insegnante per insegnarti l'inglese. Puoi scegliere se ha un accento americano o un accento londinese. Anche la sua personalità e il suo stile di chat possono essere adattati in questo modo, rispetto alle risposte più meccaniche e ufficiali di ChatGPT , l'esperienza interattiva sarà migliore. Agli albori del settore, esisteva un fidanzato virtuale DAPP e un gioco Web3 orientato alle donne chiamato HIM, che può essere considerato un rappresentante di questo tipo.

Partendo da questa idea, teoricamente puoi avere molti Bot/Agenti al tuo servizio. Ad esempio, se vuoi cucinare il pesce bollito, potrebbe esserci un Cooking Bot chiamato Fine Tune specializzato in questo campo per insegnarti. Le risposte fornite sono più professionali di ChatGPT. Se vuoi viaggiare, c'è anche un assistente di viaggio Bot per fornirti varie opzioni di viaggio Per suggerimenti e pianificazione o, se sei uno sviluppatore di progetti, ottieni un robot del servizio clienti Discord per aiutarti a rispondere alle domande della community.

Oltre a questo Bot "applicazione verticale basata su GPT", esistono anche progetti derivati ​​basati su questo, come ad esempio il "modello di assetizzazione" del Bot. È un po' come l'"assetizzazione delle piccole immagini" di NFT. I prompt popolari nell'intelligenza artificiale possono ora essere scritti in maiuscolo? Ad esempio, diversi prompt in MidJourney possono generare immagini diverse anche con effetti diversi durante l'addestramento di Bot. Anche Prompt ha valore e può essere capitalizzato.

Esistono anche progetti come l'indicizzazione dei portali e la ricerca basata su tali Bot. Un giorno avremo migliaia di Bot, quindi come trovare il Bot più adatto a te? Forse avrai bisogno di un portale come Hao123 nel mondo Web2, o di un motore di ricerca come Google che ti aiuti a "posizionarti".

A mio parere personale, l'assetizzazione del Bot (modello) presenta due inconvenienti e due direzioni in questa fase:

1) Svantaggi

Svantaggio 1- Troppa omogeneità, perché questa è la traccia AI+web3 più facile da comprendere per gli utenti, ed è un po' come NFT con un piccolo attributo di utilità. Pertanto, il mercato primario sta iniziando a mostrare una tendenza da oceano rosso e si sta espandendo, ma lo strato inferiore è OpenAI, quindi in realtà tutti non hanno barriere tecniche e possono solo lottare per la progettazione e il funzionamento;

Svantaggio 2- A volte cose come il concatenamento NFT delle tessere associative di Starbucks, sebbene sia un buon tentativo di uscire dal circolo, potrebbero non essere convenienti come una tessera associativa fisica o elettronica per la maggior parte degli utenti. Anche i bot basati su Web3 hanno questo problema. Se voglio imparare l'inglese dal robot o chattare con Musk o Socrates, non sarebbe carino usare semplicemente http://Character.AI di Web2?

2) Direzione

La direzione 1- è il vicino + medio termine, il modello on-chain potrebbe essere un'idea. Al momento, questi modelli sono in qualche modo simili alle piccole immagini dell’ETH NFT. La maggior parte dei metadati punta a server off-chain o IPFS, piuttosto che puramente on-chain. I modelli hanno solitamente dimensioni di decine o centinaia di megabyte e devono essere lanciati sul server.

Tuttavia, con il recente rapido calo dei prezzi di archiviazione (un SSD da 2 TB costa 500 RMB) e il progresso di progetti di archiviazione come Filecoin FVM ed ETH Storage, credo che non sarà difficile lanciare un modello di livello 100M sulla catena in i prossimi due-tre anni.

Potresti chiedere quali sono i vantaggi dell'avvolgimento? Una volta che il modello è on-chain, può essere chiamato direttamente da altri contratti. È più Crypto Native e ci sono sicuramente più trucchi che possono essere giocati. Ha un po' la sensazione visiva di un gioco completamente onchain, perché tutto i dati sono nativi della catena. Al momento vediamo che ci sono team che esplorano questo aspetto, ma ovviamente è ancora in una fase molto iniziale.

La direzione 2- è il medio + lungo termine Se pensi seriamente ai contratti intelligenti, infatti, la cosa più adatta non è l'interazione uomo-computer, ma "l'interazione macchina-computer ora ha il concetto di AutoGPT, prendine uno". il tuo "Avatar virtuale" o "assistente virtuale" non solo può chattare con te, ma anche aiutarti a svolgere attività in base alle tue esigenze, come aiutarti a prenotare voli, hotel, acquistare nomi di dominio e creare siti web...

Pensi che l’assistente AI sia più conveniente per gestire i tuoi vari conti bancari, Alipay, ecc., o è più conveniente per trasferire fondi da un intero indirizzo blockchain? La risposta è ovvia. Quindi, in futuro, ci saranno una serie di assistenti AI integrati come AutoGPT in grado di eseguire automaticamente pagamenti e liquidazioni C2C, B2C e persino B2B tramite blockchain e contratti intelligenti in vari scenari di attività? A quel tempo, il confine tra Web2 e Web3 era diventato molto labile.

2. Piattaforma di potenza informatica

I progetti della piattaforma di potenza di calcolo non hanno tante risorse quanto il modello Bot, ma sono relativamente più facili da capire. Tutti sanno che l’intelligenza artificiale richiede molta potenza di calcolo e BTC ed ETH lo hanno dimostrato negli ultimi 10 anni è un metodo del genere nel mondo Spontaneamente, decentralizzato, in un ambiente di incentivi e giochi economici, organizza e coordina un’enorme potenza di calcolo per cooperare e competere per fare una cosa. Questo metodo può ora essere applicato all’intelligenza artificiale.

I due progetti più famosi del settore sono senza dubbio Together e Gensyn Un round iniziale ha raccolto decine di milioni di dollari e l'altro 43 milioni nella serie A. Si dice che il motivo per cui questi due progetti hanno raccolto così tanti soldi è perché. hanno prima bisogno di fondi e potenza di calcolo. Addestra il tuo modello, quindi verrà trasformato in una piattaforma informatica e fornito ad altri progetti di intelligenza artificiale per la formazione.

L’importo del finanziamento della piattaforma di potenza di calcolo per l’inferenza sarà relativamente piccolo, perché essenzialmente aggrega GPU inattive e altra potenza di calcolo e quindi la fornisce ai progetti di intelligenza artificiale che necessitano di inferenza. Gli aggregati RNDR rendono la potenza di calcolo e queste piattaforme eseguono calcoli di inferenza. Aggregazione delle forze. Ma le soglie tecniche sono attualmente relativamente vaghe, e mi chiedo persino se un giorno RNDR o la piattaforma di cloud computing Web3 avranno un piede nella piattaforma di calcolo dell’inferenza.

La direzione della piattaforma di potenza di calcolo è più pratica e prevedibile rispetto al modello di capitalizzazione. È sostanzialmente certo che ci sarà domanda e ci saranno uno o due progetti principali. Dipende da chi avrà successo. L'unica cosa che è attualmente incerta è fare formazione e il ragionamento hanno i propri leader, oppure il leader comprende sia la formazione che il ragionamento?

3.Piattaforma dati

In realtà questo non è difficile da capire, perché lo strato inferiore dell’intelligenza artificiale è costituito semplicemente da tre cose principali: algoritmo (modello), potenza di calcolo e dati.

Dato che esistono "versioni decentralizzate" di algoritmi e potenza di calcolo, i dati non mancheranno di certo. Questa è anche la direzione su cui il dottor Lu Qi, fondatore di Qiji Chuangtan, è più ottimista quando parla di AI e Web3.

Web3 ha sempre enfatizzato la privacy e la sovranità dei dati e dispone anche di tecnologie come ZK per garantire l'affidabilità e l'integrità dei dati. Pertanto, l'intelligenza artificiale addestrata sulla base dei dati on-chain di Web3 deve essere diversa da quella addestrata sui dati off-chain di Web2. . Pertanto, nel complesso Make Sense, Ocean di questa linea dovrebbe essere considerato come questo percorso nel circolo attuale, e il mercato primario ha visto anche progetti come mercati specializzati di dati AI basati su Ocean.

4. IA generativa

Per dirla semplicemente, si tratta di utilizzare la pittura AI, o creazioni simili, per servire altri scenari. Ad esempio, creando NFT o generazione di mappe in-game, generazione di sfondi NPC, ecc. Ritengo che sia più difficile realizzare NFT perché la scarsità generata dall'intelligenza artificiale non è sufficiente per Gamefi e ci sono anche team che lo provano nel mercato primario.

Tuttavia, qualche giorno fa ho visto la notizia che Unity (che ha dominato per molti anni il mercato dei motori di gioco insieme a Unreal Engine) ha anche rilasciato i propri strumenti di generazione IA Sentis e Muse. Sono ancora in fase beta chiusa e sono attesi che sarà lanciato ufficialmente il prossimo anno. Come dovrei dirlo? Sento che i progetti AIGC di giochi nel circolo Web3 potrebbero essere colpiti dalla riduzione della dimensionalità di Unity...

5.Transazione/audit/rendimento/controllo del rischio DeFi

Abbiamo visto progetti provare in queste categorie e l'omogeneità è relativamente discreta.

1) Trading DeFi - Questo è un po' complicato, perché se una strategia di trading è facile da usare, man mano che più persone la utilizzano, la strategia potrebbe gradualmente diventare meno utile e sarà necessario passare a una nuova strategia. Quindi sono curioso di sapere il futuro tasso di vincita del robot commerciale AI e quale posizione occuperà tra i trader ordinari.

2) Audit: l'ispezione visiva dovrebbe essere in grado di aiutare a rivedere e gestire rapidamente le vulnerabilità comuni esistenti. Le vulnerabilità nuove o logiche che non sono apparse prima non dovrebbero essere possibili.

3) Rendimento e controllo del rischio - Il rendimento non è difficile da capire, puoi semplicemente immaginarlo come un YFI con intelligenza artificiale, buttarci dei soldi e l'intelligenza artificiale troverà la piattaforma per staking, LP di gruppo, mining, ecc. in base alla tua preferenza di rischio. Per quanto riguarda il controllo del rischio, sembra strano renderlo un progetto separato. Sembra più sensato servire vari prestiti o piattaforme Defi simili sotto forma di plug-in.

6.ZKML

Un percorso che sta diventando sempre più popolare nel settore perché combina due delle tecnologie più all’avanguardia, ZK all’interno del settore e ML (Mechine Learning, un ramo ristretto del campo dell’AI) al di fuori del settore.

In teoria, la combinazione con ZK può fornire al ML privacy, completezza e precisione, ma bisogna dire quali scenari di utilizzo specifici ci sono In realtà, molte parti del progetto non possono pensarci. L'infrastruttura verrà costruita prima... Al momento, l’unica cosa veramente necessaria è che l’apprendimento automatico in alcuni campi medici abbia requisiti di privacy per i dati dei pazienti. Per quanto riguarda la narrativa sull’integrità del gioco on-chain o sull’anti-cheat, sembra sempre un po’ inverosimile.

Attualmente, ci sono solo pochi progetti di punta in questo percorso, come Modulus Labs, EZKL, Giza, ecc., che sono tutti popolari nel mercato primario. Assolutamente no, perché ci sono solo poche persone al mondo che capiscono ZK, e ci sono ancora meno persone che capiscono ZK e capiscono anche ML. Pertanto, la soglia tecnica di questa traccia è molto più alta rispetto ad altri campi, e l'omogeneità lo è relativamente basso. Infine, ZKML è principalmente finalizzato all'inferenza, non alla formazione.