Šobrīd populārākais AI tiek uzskatīts par ceturtās industriālās revolūcijas galveno punktu un kodolu, un tehnoloģiju pasaulē aktuāls jēdziens ir Web3, kas tiek uzskatīts par nākamās paaudzes interneta galveno kodolu.
AI un Web3 ir divi galvenie jēdzieni, kas izraisīs tehnoloģisku revolūciju, ja tie ir spēcīgi apvienoti, kādus "pārsteigumus" tie mums varētu sagādāt?
01 Vispirms parunāsim par pašu AI
AI nozare faktiski piedzīvos lejupslīdi. Ikviens zina, ka viņš ir AI dibinātājs. Ikviens domā, ka viņš nāca uz Web3, jo neredzēja nekādu cerību AI (mašīnmācība pirms lieliem modeļiem).
Rezultātā pagājušā gada beigās nozare beidzot ieviesa ChatGpt3.5, un pēkšņi nozare atkal bija dzīva, jo šoreiz to tiešām var uzskatīt par kvalitatīvu izmaiņu, nevis iepriekšējo ažiotāžu un kvantitatīvu izmaiņu viļņiem. . Dažu mēnešu laikā AI uzņēmējdarbības vilnis ir sasniedzis arī mūsu Web3. Silīcija ielejas Web2 puse cīnās Dažādi kapitāla FOMO, dažādi viendabīgi risinājumi sākuši konkurēt cenu karos, un dažādi lielie ražotāji un lielie modeļi PK...
Tomēr jāatzīmē, ka mākslīgais intelekts ir nonācis relatīvā sastrēgumu periodā pēc vairāk nekā pusgadu ilgas sprādzienbīstamas izaugsmes. Piemēram, Google meklēšanas interese par mākslīgo intelektu ir ievērojami samazinājusies, Chatgpt lietotāju pieaugums ir ievērojami palēninājies, un AI izvadei ir zināma pakāpe. nejaušība ierobežo daudzus piezemēšanās scenārijus... Īsāk sakot, mēs joprojām esam ļoti, ļoti tālu no leģendārā "AGI - Artificial General Intelligence".
Pašlaik Silīcija ielejas riska kapitāla lokā ir šādi spriedumi par nākamo AI attīstību:
1) Nav vertikāla modeļa, ir tikai liels modelis + vertikāla lietojumprogramma (mēs to vēlreiz pieminēsim, kad vēlāk runāsim par Web3+AI)
2) Dati no malas ierīcēm, piemēram, mobilajiem tālruņiem, var būt šķērslis, un AI, kuras pamatā ir malas ierīces, var būt arī iespēja.
3) Konteksta garums var izraisīt kvalitatīvas izmaiņas nākotnē (vektoru datu bāzes pašlaik tiek izmantotas kā AI atmiņa, bet konteksta garums joprojām nav pietiekams)
02Web3+AI
AI un Web3 faktiski ir divas pilnīgi atšķirīgas jomas, kas prasa koncentrētu skaitļošanas jaudu un lielus datus, kas ir ļoti centralizēti, tāpēc to nav tik viegli apvienot produktivitāte un blokķēdes izmaiņas ražošanas attiecības ir pārāk dziļi iesakņojušās cilvēku sirdīs, tāpēc vienmēr būs cilvēki, kas meklēs šo integrācijas punktu. Pēdējo divu mēnešu laikā mēs esam apsprieduši ne mazāk kā 10 AI projektus.
Pirms runāt par jauno kombināciju, parunāsim par vecajiem AI+Web3 projektiem. Tie pamatā ir balstīti uz platformu, ko pārstāv FET un AGIX. Kā man vajadzētu to pateikt. Tā man teica mani draugi, kuri ir profesionāli mākslīgā intelekta jomā Ķīnā: "Tie, kas agrāk nodarbojās ar mākslīgo intelektu, tagad būtībā ir bezjēdzīgi. Neatkarīgi no Web2 vai Web3, daudzi no viņiem ir vairāk nekā pieredze. un nākotne ir kā OpenAI Šis lielais modelis, kura pamatā ir Transformer, "lielais modelis ietaupa AI", jūsu pašu produkts.
Tāpēc universālais platformas veids nav Web3+AI modelis, par kuru viņš ir optimistisks. Vairāk nekā 10 projektiem, par kuriem es runāju, nav šī aspekta.
1. Bota/aģenta/asistenta modeļa līdzekļu noteikšana
2. Skaitļošanas jaudas platforma
3.Datu platforma
4. Ģeneratīvā AI
5.Defi tirdzniecība/audits/riska kontrole
6.ZKML
1. Bota/aģenta/asistenta modeļa līdzekļu noteikšana
Bota/aģenta/asistenta resurss ir visvairāk apspriestais celiņš, un tas ir celiņš ar visnopietnāko viendabīgumu. Vienkāršāk sakot, lielākā daļa šo projektu izmanto OpenAI kā apakšējo slāni un sadarbojas ar citiem atvērtā koda/pašizstrādātiem tehniskajiem līdzekļiem, piemēram, TTS (teksts runāšanai) un tamlīdzīgi. Izmantojot konkrētus datus, FineTune piedāvā dažus "Noteiktā jomā progresīvākas tehnoloģijas nekā ChatGPT".
Piemēram, jūs varat apmācīt skaistu skolotāju, lai mācītu jums angļu valodu. Jūs varat izvēlēties, vai viņai ir amerikāņu vai Londonas akcents ChatGPT, interaktīvā pieredze ir Tas būs labāk. Industrijas pirmsākumos bija virtuāla draugu DAPP un Web3 sieviešu spēle ar nosaukumu HIM, kuru var uzskatīt par šāda veida pārstāvi.
Pamatojoties uz šo ideju, teorētiski jūs varat apkalpot daudz robotu/aģentu. Piemēram, ja vēlaties pagatavot vārītas zivis, iespējams, ir pieejams Cooking Bot ar nosaukumu Fine Tune, kas specializējas šajā jomā. Dotās atbildes ir profesionālākas nekā ChatGPT. Ja vēlaties ceļot, ir pieejams arī ceļojumu palīgs Bots, kas var sniegt jums dažādas ceļošanas iespējas, lai saņemtu ieteikumus un plānošanu, vai arī, ja esat projekta izstrādātājs, iegūstiet Discord klientu apkalpošanas robotu, kas palīdzēs atbildēt uz kopienas jautājumiem.
Papildus šai "uz GPT balstītai vertikālajai lietojumprogrammai" Bot ir arī atvasināti projekti, kas balstīti uz to, piemēram, Bota "modeļa aktīvu noteikšana". Tas ir nedaudz līdzīgs NFT "mazo attēlu palielināšanai". Vai AI tagad populārās uzvednes var ģenerēt dažādus attēlus. Tāpēc, apmācot Botu, Arī pašam Promopt ir vērtība, un to var rakstīt ar lielo burtu.
Ir arī tādi projekti kā portālu indeksēšana un meklēšana, pamatojoties uz šādiem robotiem. Kādu dienu mums būs tūkstošiem robotu, kā tad atrast jums piemērotāko robotu? Varbūt jums būs nepieciešams portāls, piemēram, Hao123 Web2 pasaulē, vai meklētājprogramma, piemēram, Google, lai palīdzētu jums "pozicionēt".
Manuprāt, Bot (modeļa) aktīvu veidošanai šajā posmā ir divi trūkumi un divi virzieni:
1) Trūkumi
Trūkums 1 — pārāk daudz viendabīguma, jo šis ir AI+web3 celiņš, kas lietotājiem ir visvieglāk saprotams, un tas ir nedaudz līdzīgs NFT ar nelielu lietderības atribūtu. Tāpēc primārais tirgus šobrīd sāk uzrādīt sarkanā okeāna tendenci un rit uz augšu, bet apakšējais slānis ir OpenAI, tāpēc ikvienam faktiski nav nekādu tehnisku šķēršļu un var cīnīties tikai par dizainu un darbību;
2. trūkums — dažreiz tādas lietas kā Starbucks biedra karšu NFT ķēde, lai gan tas ir labs mēģinājums izkļūt no apļa, lielākajai daļai lietotāju var nebūt tik ērta kā fiziska vai elektroniska dalības karte. Šī problēma ir arī robotiem, kuru pamatā ir Web3, ja es vēlos mācīties angļu valodu no robota vai tērzēt ar Musku vai Socrates, vai nebūtu jauki izmantot Web2 http://Character.AI?
2) Virziens
1. virziens — ir tuvs + vidusposms, modelis ķēdē var būt ideja. Pašlaik šie modeļi ir nedaudz līdzīgi ETH NFT mazajiem attēliem. Lielākā daļa metadatu norāda uz ārpus ķēdes serveriem vai IPFS, nevis tikai uz ķēdi. Modeļi parasti ir desmitiem līdz simtiem megabaitu lieli, un tie ir jāizmet serverī.
Tomēr, ņemot vērā neseno straujo krātuves cenu samazināšanos (2 TB SSD maksā 500 RMB) un tādu krātuves projektu kā Filecoin FVM un ETH Storage attīstību, es uzskatu, ka nebūs grūti ieviest ķēdē 100 M līmeņa modeli. nākamos divus līdz trīs gadus.
Jūs varat jautāt, kādas ir tinuma priekšrocības? Kad modelis ir ieslēgts, to var tieši izsaukt ar citiem līgumiem, un noteikti ir vairāk triku, ko var spēlēt dati ir ķēdē. Šobrīd mēs redzam, ka ir komandas, kas pēta šo aspektu, bet, protams, tas vēl ir ļoti agrīnā stadijā.
2. virziens ir vidējais + ilgs termiņš, ja nopietni domājat par viedajiem līgumiem, tad vispiemērotākā ir nevis cilvēka un datora mijiedarbība, bet gan "mašīnas un datora mijiedarbība", iegūstiet tādu jūsu "Virtuālais iemiesojums" vai "virtuālais palīgs" var ne tikai tērzēt ar jums, bet arī palīdzēt veikt uzdevumus atbilstoši jūsu prasībām, piemēram, palīdzēt rezervēt lidojumus, viesnīcas, iegādāties domēna vārdus un veidot vietnes...
Vai, jūsuprāt, AI palīgs ir ērtāks, lai pārvaldītu dažādus bankas kontus, Alipay utt., vai arī tas ir ērtāk līdzekļu pārskaitīšanai no visas blokķēdes adreses? Atbilde ir acīmredzama. Tātad, vai nākotnē būs daudz integrētu AI palīgu, piemēram, AutoGPT, kas dažādos uzdevumu scenārijos var automātiski veikt C2C, B2C un pat B2B maksājumus un norēķinus, izmantojot blokķēdi un viedos līgumus? Tajā laikā robeža starp Web2 un Web3 kļuva ļoti neskaidra.
2. Skaitļošanas jaudas platforma
Skaitļošanas jaudas platformas projektiem nav tik daudz līdzekļu kā Bot modelim, taču tie ir salīdzinoši vieglāk saprotami Ikviens zina, ka mākslīgais intelekts prasa lielu skaitļošanas jaudu, un BTC un ETH pēdējo 10 gadu laikā ir pierādījuši, ka tie ir. ir šāda metode pasaulē spontāni, decentralizēti, ekonomisku stimulu un spēļu vidē tā organizē un koordinē milzīgu skaitļošanas jaudu, lai sadarbotos un konkurētu par vienu lietu. Šo metodi tagad var izmantot AI.
Divi slavenākie projekti nozarē, bez šaubām, ir Together un Gensyn Viens sēklu raunds piesaistīja desmitiem miljonu dolāru, bet otrs piesaistīja 43 miljonus A sērijā. Tiek teikts, ka iemesls, kāpēc šie divi projekti ieguva tik daudz naudas, ir tāpēc, ka. vispirms viņiem ir nepieciešami līdzekļi un skaitļošanas jauda, lai apmācītu savu modeli, un pēc tam tas tiks izveidots par skaitļošanas platformu un tiks nodrošināts citiem AI projektiem.
Skaitļošanas jaudas platformu finansējuma apjoms secinājumu veikšanai būs salīdzinoši neliels, jo būtībā tās apkopo dīkstāves GPU un citu skaitļošanas jaudu un pēc tam nodrošina to AI projektiem, kuriem ir nepieciešams izdarīt secinājumus, un šīs platformas veic secinājumu aprēķinus. Spēku apvienošana. Bet tehniskie sliekšņi pašlaik ir salīdzinoši neskaidri, un es pat domāju, vai kādu dienu RNDR vai Web3 mākoņskaitļošanas platforma būs viena kāja secinājumu skaitļošanas platformā.
Aprēķinu jaudas platformas virziens ir praktiskāks un paredzamāks par modeļa kapitalizāciju. Būtībā ir skaidrs, ka būs viens vai divi vadošie projekti. Vienīgais, kas šobrīd ir neskaidrs un argumentācijai ir savi līderi, vai arī vadītājs ietver gan apmācību, gan argumentāciju?
3.Datu platforma
To patiesībā nav grūti saprast, jo AI apakšējais slānis ir vienkārši trīs galvenās lietas: algoritms (modelis), skaitļošanas jauda un dati.
Tā kā ir algoritmu un skaitļošanas jaudas "decentralizētas versijas", dati noteikti netrūks. Tas ir arī virziens, uz kuru Qiji Chuangtan dibinātājs Dr Lu Qi ir visoptimistiskākais, runājot par AI un Web3.
Web3 vienmēr ir uzsvēris datu privātumu un suverenitāti, un tam ir arī tādas tehnoloģijas kā ZK, lai nodrošinātu datu uzticamību un integritāti. Tāpēc mākslīgajam intelektam, kas apmācīts, pamatojoties uz Web3 ķēdes datiem, ir jāatšķiras no tā, kas tiek apmācīts Web2 ārpus ķēdes datiem. . Tāpēc kopējais šīs līnijas jēga, Ocean ir jāuzskata par šo sliežu ceļu pašreizējā lokā, un primārajā tirgū ir bijuši arī tādi projekti kā specializēti AI datu tirgi, kuru pamatā ir Ocean.
4. Ģeneratīvā AI
Vienkārši sakot, tas nozīmē AI gleznošanas vai līdzīgu darbu izmantošanu, lai kalpotu citiem scenārijiem. Piemēram, NFT vai spēļu karšu ģenerēšana, NPC fona ģenerēšana utt. Man šķiet, ka ir grūtāk veikt NFT, jo ar Gamefi radīto trūkumu nepietiek, un ir arī komandas, kas to izmēģina primārajā tirgū.
Tomēr pirms dažām dienām redzēju jaunumus, ka Unity (kas jau daudzus gadus dominē spēļu dzinēju tirgū kopā ar Unreal Engine) ir izlaidusi arī savus AI paaudzes rīkus Sentis un Muse. Tie joprojām ir slēgtā beta stadijā un tiek gaidīti oficiāli tiks atklāts nākamgad. Kā man šķiet, ka spēļu AIGC projektus Web3 lokā var ietekmēt Unity dimensijas samazināšana...
5.DeFi transakcija/audits/ienesīguma/riska kontrole
Mēs esam redzējuši projektus, kas tiek izmēģināti šajās kategorijās, un viendabīgums ir salīdzinoši nepārprotams.
1) DeFi tirdzniecība – tas ir nedaudz sarežģīti, jo, ja tirdzniecības stratēģija ir viegli lietojama, jo vairāk cilvēku to izmanto, stratēģija var pakāpeniski kļūt mazāk noderīga un jums ir jāpārslēdzas uz jaunu stratēģiju. Tad es esmu ziņkārīgs par AI tirdzniecības robota nākotnes laimestu likmi un to, kāds tas būs starp parastajiem tirgotājiem.
2) Audits. Vizuālajai pārbaudei vajadzētu palīdzēt ātri pārskatīt un novērst esošās ievainojamības, kas iepriekš nav bijušas parādījušās.
3) Ienesīgums un riska kontrole - Ienesīgumu nav grūti saprast, varat to iedomāties kā YFI ar AI inteliģenci, mest tam naudu, un AI atradīs platformu likmēm, grupu LP, ieguvei utt. atbilstoši jūsu riska izvēlei. Kas attiecas uz riska kontroli, šķiet dīvaini, ka tas ir atsevišķs projekts. Šķiet, ka ir vairāk jēgas apkalpot dažādus aizdevumus vai līdzīgas Defi platformas spraudņu veidā.
6.ZKML
Trase, kas kļūst arvien populārāka nozarē, jo tajā ir apvienotas divas visprogresīvākās tehnoloģijas, ZK nozarē un ML (mašīnmācīšanās, šaura AI jomas nozare) ārpus nozares.
Teorētiski kombinācija ar ZK var nodrošināt ML privātumu, pilnīgumu un precizitāti, bet jums ir jāsaka, kādi ir konkrēti lietošanas scenāriji. Patiesībā daudzas projekta puses nevar iedomāties infrastruktūru. Pašlaik Vienīgais, kas patiešām ir nepieciešams, ir tas, ka mašīnmācībai dažās medicīnas jomās ir noteiktas prasības attiecībā uz pacientu datiem.
Šobrīd šajā trasē ir tikai daži zvaigžņu projekti, piemēram, Modulus Labs, EZKL, Giza u.c., kas visi ir populāri primārajā tirgū. Nekādā gadījumā, jo pasaulē ir tikai daži cilvēki, kas saprot ZK, un ir vēl mazāk cilvēku, kas saprot ZK un saprot arī ML, tāpēc šīs trases tehniskais slieksnis ir daudz augstāks nekā citām jomām, un viendabīgums ir salīdzinoši zems. Visbeidzot, ZKML galvenokārt ir vērsts uz secinājumu izdarīšanu, nevis apmācību.