Najpopularniejsza obecnie sztuczna inteligencja jest uważana za kluczowy punkt i rdzeń czwartej rewolucji przemysłowej, a gorącą koncepcją w świecie technologii jest Web3, który jest uważany za kluczowy rdzeń Internetu nowej generacji.
Sztuczna inteligencja i Web3 to dwie główne koncepcje, które zapoczątkowują rewolucję technologiczną. Jeśli zostaną skutecznie połączone, jakie „niespodzianki” mogą nam przynieść?
01 Porozmawiajmy najpierw o samej sztucznej inteligencji
Branża sztucznej inteligencji faktycznie będzie podupadać. Wszyscy znają Yilonga, założyciela Near, prawda? Ten facet faktycznie zajmował się sztuczną inteligencją. Jest głównym autorem kodu TensorFlow (najpopularniejszego frameworka do uczenia maszynowego). Wszyscy spekulują, że zajął się Web3, bo nie widział nadziei w AI (uczenie maszynowe przed dużymi modelami).
W rezultacie branża ostatecznie wprowadziła ChatGpt3.5 pod koniec ubiegłego roku i nagle branża znów ożyła, ponieważ tym razem naprawdę można to uznać za zmianę jakościową, a nie poprzednie fale szumu i zmian ilościowych . W ciągu kilku miesięcy fala przedsiębiorczości AI dotarła także do naszego Web3. Strona Web2 Doliny Krzemowej boryka się z trudnościami Różne kapitałowe FOMO, różne jednorodne rozwiązania zaczęły konkurować w wojnach cenowych, a PKing zajmują się różni duzi producenci i duże modele...
Należy jednak zauważyć, że po ponad pół roku gwałtownego wzrostu sztuczna inteligencja również weszła w okres stosunkowo wąskiego gardła. Na przykład zainteresowanie Google wyszukiwarką AI gwałtownie spadło, wzrost liczby użytkowników Chatgpt znacznie spowolnił, a wyniki AI osiągnęły pewien poziom. stopień losowości. Płeć ogranicza wiele scenariuszy lądowania... Krótko mówiąc, wciąż jesteśmy bardzo, bardzo daleko od legendarnej „AGI – Sztucznej Inteligencji Ogólnej”.
Obecnie środowisko venture capital z Doliny Krzemowej ma następujące oceny dotyczące dalszego rozwoju AI:
1) Nie ma modelu pionowego, jest tylko duży model + aplikacja pionowa (wspomnimy o tym jeszcze raz, gdy będziemy mówić o Web3+AI później)
2) Dane z urządzeń brzegowych, takich jak telefony komórkowe, mogą stanowić barierę, a sztuczna inteligencja oparta na urządzeniach brzegowych może być także szansą.
3) Długość Kontekstu może spowodować zmiany jakościowe w przyszłości (bazy danych wektorowych są obecnie używane jako pamięć AI, ale długość kontekstu wciąż jest niewystarczająca)
02Web3+AI
AI i Web3 to w rzeczywistości dwie zupełnie różne dziedziny. AI wymaga skoncentrowanej mocy obliczeniowej i ogromnych ilości danych do szkolenia, co jest bardzo scentralizowane. Web3 koncentruje się na decentralizacji, więc nie jest łatwo połączyć je pod względem narracji. Argument, że AI się zmienia produktywność i zmiany w technologii blockchain relacje produkcyjne są zbyt głęboko zakorzenione w sercach ludzi, dlatego zawsze znajdą się ludzie poszukujący tego punktu integracji. W ciągu ostatnich dwóch miesięcy omówiliśmy nie mniej niż 10 projektów AI.
Zanim porozmawiamy o nowej kombinacji, porozmawiajmy o starych projektach AI+Web3. Są one w zasadzie oparte na platformie, reprezentowanej przez FET i AGIX. Jak mam to ująć? Oto, co powiedzieli mi moi przyjaciele zajmujący się sztuczną inteligencją w Chinach: „Ci, którzy kiedyś zajmowali się sztuczną inteligencją, są teraz w zasadzie bezużyteczni. Niezależnie od Web2 czy Web3, wielu z nich to raczej bagaż niż doświadczenie. Kierunek a przyszłość jest jak OpenAI. Ten rodzaj dużego modelu opartego na Transformerze, „duży model ratuje AI”, Twoim własnym produkcie.
Dlatego uniwersalny typ platformy nie jest modelem Web3+AI, co do którego jest optymistą. Ponad 10 projektów, o których mówiłem, nie ma tego aspektu. To, co do tej pory widziałem, to w zasadzie następujące ścieżki:
1. Aktywacja modelu Bota/Agenta/Asystenta
2. Platforma mocy obliczeniowej
3. Platforma danych
4. Generatywna sztuczna inteligencja
5. Definiowanie handlu/audytu/kontroli ryzyka
6.ZKML
1. Aktywacja modelu Bota/Agenta/Asystenta
Aktywacja Bota/Agenta/Asystenta to utwór, o którym mówi się najwięcej i który charakteryzuje się największą homogenicznością. Mówiąc najprościej, większość tych projektów wykorzystuje OpenAI jako warstwę dolną i współpracuje z innymi środkami technicznymi typu open source/opracowanymi samodzielnie, takimi jak TTS (Text to Speech) i tym podobnymi. FineTune wymyśla pewne dane „bardziej zaawansowane technologie niż ChatGPT w określonej dziedzinie”. „Lepsze roboty.
Na przykład możesz wyszkolić piękną nauczycielkę, aby uczyła Cię angielskiego. Możesz wybrać, czy ma akcent amerykański, czy londyński. W ten sposób można również dostosować jej osobowość i styl rozmowy ChatGPT, interaktywne doświadczenie. Będzie lepiej. W początkach branży istniał wirtualny chłopak DAPP i gra zorientowana na kobiety w Web3 o nazwie HIM, którą można uznać za przedstawiciela tego typu.
Wychodząc z tego pomysłu, teoretycznie możesz mieć wielu Botów/Agentów, którzy będą Ci służyć. Na przykład, jeśli chcesz ugotować gotowaną rybę, może istnieć bot kulinarny o nazwie Fine Tune, który specjalizuje się w tej dziedzinie, aby Cię nauczyć. Udzielone odpowiedzi są bardziej profesjonalne niż ChatGPT. Jeśli chcesz podróżować, dostępny jest również asystent podróży Bot, który zapewni Ci różne opcje podróży. Aby uzyskać sugestie i planowanie, lub jeśli jesteś twórcą projektu, zdobądź robota obsługi klienta Discord, który pomoże Ci odpowiedzieć na pytania społeczności.
Oprócz tego bota „aplikacja pionowa oparta na GPT”, istnieją również oparte na nim projekty pochodne, takie jak „aktywacja modelu” bota. To trochę jak „assetyzacja małych obrazków” w NFT. Czy podpowiedzi popularne obecnie w sztucznej inteligencji mogą być również pisane wielką literą? Na przykład różne podpowiedzi w MidJourney mogą generować różne obrazy. Różne podpowiedzi będą również miały różne skutki podczas szkolenia Bota. Promopt sam w sobie również ma wartość i można go kapitalizować.
Istnieją również projekty takie jak indeksowanie portali i wyszukiwanie w oparciu o takie Boty. Pewnego dnia będziemy mieć tysiące Botów, więc jak znaleźć najbardziej odpowiedniego dla siebie Bota? Być może będziesz potrzebować portalu takiego jak Hao123 w świecie Web2 lub wyszukiwarki takiej jak Google, która pomoże Ci w „pozycjonowaniu”.
Moim osobistym zdaniem aktywacja bota (modelu) ma na tym etapie dwie wady i dwa kierunki:
1) Wady
Wada 1 – Zbyt duża jednorodność, ponieważ jest to najłatwiejsza do zrozumienia dla użytkowników ścieżka AI+web3 i przypomina trochę NFT z niewielkim atrybutem użyteczności. W związku z tym rynek pierwotny zaczyna obecnie wykazywać trend czerwonego oceanu i zawija się, ale dolną warstwę stanowi OpenAI, więc tak naprawdę każdy nie ma barier technicznych i może jedynie powalczyć o projekt i działanie;
Wada 2 – Czasami rzeczy takie jak łączenie NFT kart członkowskich Starbucks, mimo że jest to dobra próba wyjścia z kręgu, mogą nie być tak wygodne dla większości użytkowników, jak fizyczna lub elektroniczna karta członkowska. Boty oparte na Web3 również mają ten problem. Jeśli chcę uczyć się angielskiego od robota lub rozmawiać z Muskiem lub Sokratesem, czy nie byłoby miło po prostu skorzystać z http://Character.AI Web2?
2) Kierunek
Kierunek 1 – jest krótkoterminowy i średnioterminowy, pomysłem może być model on-chain. Obecnie modele te są nieco podobne do małych obrazów ETH NFT. Większość metadanych wskazuje na serwery poza łańcuchem lub IPFS, a nie wyłącznie na łańcuchu. Modele mają zwykle rozmiar od kilkudziesięciu do kilkuset megabajtów i należy je wrzucić na serwer.
Jednakże biorąc pod uwagę niedawny szybki spadek cen pamięci masowej (2TB SSD kosztuje 500 RMB) oraz rozwój projektów pamięci masowej, takich jak Filecoin FVM i ETH Storage, uważam, że uruchomienie w sieci modelu na poziomie 100M nie będzie trudne następne dwa, trzy lata.
Możesz zapytać, jakie są zalety nawijania? Gdy model znajdzie się w łańcuchu, może być bezpośrednio wywoływany przez inne kontrakty. Jest bardziej natywny dla Crypto i jest zdecydowanie więcej trików, w które można zagrać. Ma trochę wrażenie wizualne jak gra Fully Onchain, ponieważ w ogóle dane są natywne dla łańcucha. Obecnie widzimy, że istnieją zespoły badające ten aspekt, ale oczywiście jest to wciąż na bardzo wczesnym etapie.
Kierunek 2 – to perspektywa średnio- i długoterminowa. Jeśli poważnie myślisz o inteligentnych kontraktach, tak naprawdę najbardziej odpowiednią rzeczą nie jest interakcja człowiek-komputer, ale „interakcja maszyna-komputer”. Sztuczna inteligencja ma teraz koncepcję AutoGPT, zdobądź ją Twój „Wirtualny awatar” lub „wirtualny asystent” może nie tylko rozmawiać z Tobą, ale także pomóc Ci w wykonywaniu zadań zgodnie z Twoimi wymaganiami, takich jak pomoc w rezerwacji lotów, hoteli, zakupie nazw domen i budowaniu stron internetowych...
Czy uważasz, że asystent AI jest wygodniejszy do obsługi różnych kont bankowych, Alipay itp., czy też wygodniejszy jest do przesyłania środków z całego adresu blockchain? Odpowiedź jest oczywista. Czy w przyszłości będzie dostępna grupa zintegrowanych asystentów AI, takich jak AutoGPT, którzy będą mogli automatycznie wykonywać płatności i rozliczenia C2C, B2C, a nawet B2B za pośrednictwem blockchain i inteligentnych kontraktów w różnych scenariuszach zadań? W tym czasie granica pomiędzy Web2 i Web3 bardzo się zatarła.
2. Platforma mocy obliczeniowej
Projekty platformy mocy obliczeniowej nie mają tak wielu aktywów jak model Bota, ale są stosunkowo łatwiejsze do zrozumienia Każdy wie, że sztuczna inteligencja wymaga dużej mocy obliczeniowej, a BTC i ETH udowodniły w ciągu ostatnich 10 lat, że tak jest taką metodą na świecie. Spontanicznie, zdecentralizowana, w środowisku zachęt ekonomicznych i gier, organizuje i koordynuje ogromną moc obliczeniową, aby współpracować i konkurować w jednym celu. Metodę tę można teraz zastosować w przypadku sztucznej inteligencji.
Dwa najbardziej znane projekty w branży to niewątpliwie Together i Gensyn. Jedna runda zalążkowa zebrała dziesiątki milionów dolarów, a druga 43 miliony w ramach serii A. Mówi się, że powodem, dla którego te dwa projekty zebrały tak dużo pieniędzy, jest to, że. najpierw potrzebują funduszy i mocy obliczeniowej. Wytrenuj własny model, a następnie zostanie on przekształcony w platformę obliczeniową i udostępniony innym projektom AI w celu szkolenia.
Kwota finansowania platform mocy obliczeniowej do wnioskowania będzie stosunkowo niewielka, ponieważ w istocie agregują one bezczynny procesor graficzny i inną moc obliczeniową i udostępniają ją projektom AI potrzebującym wnioskowania, agregując renderując moc obliczeniową, a platformy te wykonują obliczenia wnioskowania zbiór. Jednak progi techniczne są obecnie stosunkowo niejasne i zastanawiam się nawet, czy pewnego dnia RNDR lub platforma przetwarzania w chmurze Web3 staną jedną nogą na platformie przetwarzania wnioskowania.
Kierunek platformy mocy obliczeniowej jest bardziej praktyczny i przewidywalny niż kapitalizacja modeli. W zasadzie pewne jest, że będzie popyt i będzie jeden lub dwa wiodące projekty. Jedyne, co jest obecnie niepewne, to czy szkolenia i rozumowanie mają swoich własnych przywódców, czy też przywódca obejmuje zarówno szkolenie, jak i rozumowanie?
3. Platforma danych
Właściwie nie jest to trudne do zrozumienia, ponieważ dolna warstwa sztucznej inteligencji to po prostu trzy główne rzeczy: algorytm (model), moc obliczeniowa i dane.
Ponieważ istnieją „zdecentralizowane wersje” algorytmów i mocy obliczeniowej, danych z pewnością nie zabraknie. To także kierunek, w którym dr Lu Qi, założyciel Qiji Chuangtan, jest najbardziej optymistyczny, mówiąc o sztucznej inteligencji i Web3.
Web3 zawsze kładł nacisk na prywatność i suwerenność danych, a także posiada technologie takie jak ZK, aby zapewnić niezawodność i integralność danych. Dlatego sztuczna inteligencja wytrenowana w oparciu o dane w łańcuchu Web3 musi różnić się od tej wytrenowanej w danych poza łańcuchem Web2. . Dlatego też w ogólnym rozrachunku z tą linią Ocean należy uznać za ten tor z obecnego kręgu, a na rynku pierwotnym pojawiły się także takie projekty jak wyspecjalizowane rynki danych AI oparte na Oceanie.
4. Generatywna sztuczna inteligencja
Mówiąc najprościej, polega to na wykorzystaniu malowania AI lub podobnych kreacji do obsługi innych scenariuszy. Na przykład tworzenie NFT lub generowanie map w grze, generowanie tła NPC itp. Uważam, że trudniej jest grać w NFT, ponieważ braki generowane przez sztuczną inteligencję nie są wystarczającym rozwiązaniem, a na rynku pierwotnym są też drużyny, które tego próbują.
Jednak kilka dni temu widziałem wiadomość, że Unity (która od wielu lat dominuje na rynku silników gier wraz z Unreal Engine) wypuściła także własne narzędzia do generowania sztucznej inteligencji, Sentis i Muse. Są one wciąż w fazie zamkniętej wersji beta i są oczekiwane którego oficjalne otwarcie nastąpi w przyszłym roku. Jak mam to ująć? Czuję, że projekty gier AIGC w kręgu Web3 mogą zostać dotknięte redukcją wymiarów w Unity…
5.Kontrola transakcji/audytu/zysku/ryzyka DeFi
Widzieliśmy projekty próbujące się w tych kategoriach, a jednorodność jest stosunkowo nieoczywista.
1) Handel DeFi – jest to trochę trudne, ponieważ jeśli strategia handlowa jest łatwa w użyciu, w miarę używania jej przez więcej osób strategia może stopniowo stać się mniej użyteczna i konieczne będzie przejście na nową strategię. W takim razie ciekawi mnie przyszły współczynnik wygranych robota handlowego AI i jaka będzie jego pozycja wśród zwykłych traderów.
2) Audyt – inspekcja wizualna powinna być w stanie pomóc w szybkim przeglądzie i rozwiązaniu istniejących powszechnych luk w zabezpieczeniach. Nowe lub logiczne luki, które nie pojawiły się wcześniej, nie powinny być możliwe. To powinno działać tylko w erze AGI.
3) Kontrola zysków i ryzyka - Yield nie jest trudny do zrozumienia, możesz po prostu wyobrazić go sobie jako YFI z inteligencją AI, wrzucić do niego pieniądze, a sztuczna inteligencja znajdzie platformę do stakowania, grupowego LP, wydobycia itp. zgodnie z preferencjami dotyczącymi ryzyka. Jeśli chodzi o kontrolę ryzyka, dziwne wydaje się robienie z tego osobnego projektu. Bardziej sensowne jest obsługiwanie różnych pożyczek lub podobnych platform Defi w formie wtyczek.
6.ZKML
Ścieżka, która staje się coraz bardziej popularna w branży, ponieważ łączy w sobie dwie najnowocześniejsze technologie, ZK w branży i ML (Mechine Learning, wąska gałąź dziedziny AI) poza branżą.
Teoretycznie połączenie z ZK może zapewnić ML prywatność, kompletność i dokładność, ale trzeba powiedzieć, jakie są konkretne scenariusze użycia. Tak naprawdę wiele stron projektu nie może o tym pomyśleć. Najpierw zostanie zbudowana infrastruktura... Obecnie jedyną rzeczą, która jest naprawdę potrzebna, jest to, że uczenie maszynowe w niektórych dziedzinach medycyny ma wymogi dotyczące prywatności danych pacjentów. Jeśli chodzi o narrację o integralności gier w sieci lub zapobieganiu oszustwom, zawsze wydaje się to nieco naciągane.
Obecnie na tym ścieżce jest tylko kilka gwiazdorskich projektów, takich jak Modulus Labs, EZKL, Giza itp., które są popularne na rynku pierwotnym. Nie ma mowy, bo na świecie jest tylko kilka osób, które rozumieją ZK, a jeszcze mniej osób, które rozumieją ZK, a także rozumieją ML. Dlatego też próg techniczny tego toru jest znacznie wyższy niż w przypadku innych dziedzin, a homogeniczność jest stosunkowo niski. Wreszcie ZKML ma na celu głównie wnioskowanie, a nie szkolenie.