A IA mais popular no momento é considerada o ponto-chave e o núcleo da quarta revolução industrial, e um conceito importante no mundo da tecnologia é a Web3, que é considerada o núcleo-chave da próxima geração da Internet.

IA e Web3 são dois conceitos importantes que desencadearão uma revolução tecnológica. Se forem poderosamente combinados, que tipo de “surpresas” poderão trazer-nos?

01 Vamos falar primeiro sobre a própria IA

A indústria de IA estará em declínio. Todo mundo conhece Yilong, o fundador do Near, certo? Esse cara costumava fazer IA. Ele é o principal contribuidor de código do TensorFlow (a estrutura de aprendizado de máquina mais popular). Todos especulam que ele veio fazer Web3 porque não via esperança na IA (aprendizado de máquina antes de grandes modelos).

Como resultado, a indústria finalmente inaugurou o ChatGpt3.5 no final do ano passado e, de repente, a indústria estava viva novamente, porque desta vez pode realmente ser considerada uma mudança qualitativa, em vez das ondas anteriores de exageros e mudanças quantitativas . Dentro de alguns meses, a onda de empreendedorismo em IA também atingiu a nossa Web3. O lado Web2 do Vale do Silício está lutando. Vários FOMOs de capital, várias soluções homogêneas começaram a competir em guerras de preços e vários grandes fabricantes e grandes modelos estão PKing...

No entanto, deve-se notar que a IA também entrou em um período de gargalo relativo após mais de meio ano de crescimento explosivo. Por exemplo, o interesse de pesquisa do Google em IA despencou, o crescimento de usuários do Chatgpt desacelerou significativamente e a saída de IA atingiu um certo grau. de aleatoriedade. O sexo limita muitos cenários de pouso... Em suma, ainda estamos muito, muito longe da lendária "AGI - Artificial General Intelligence".

Atualmente, o círculo de capital de risco do Vale do Silício tem os seguintes julgamentos sobre o próximo desenvolvimento da IA:

1) Não existe modelo vertical, apenas modelo grande + aplicação vertical (mencionaremos isso novamente quando falarmos sobre Web3 + AI mais tarde)

2) Os dados provenientes de dispositivos periféricos, como telemóveis, podem ser uma barreira, e a IA baseada em dispositivos periféricos também pode ser uma oportunidade.

3) O comprimento do contexto pode causar mudanças qualitativas no futuro (bancos de dados vetoriais são atualmente usados ​​como memória de IA, mas o comprimento do contexto ainda não é suficiente)

02Web3+IA

AI e Web3 são, na verdade, dois campos completamente diferentes. A IA requer poder de computação concentrado e dados massivos para treinamento, que é muito centralizado. A Web3 se concentra na descentralização, por isso não é tão fácil de combinar. Mudanças na produtividade e no blockchain As relações de produção estão profundamente enraizadas nos corações das pessoas, por isso sempre haverá pessoas em busca desse ponto de integração. Nos últimos dois meses, discutimos nada menos que 10 projetos de IA.

Antes de falar sobre a nova faixa combinada, vamos falar sobre os antigos projetos AI+Web3. Eles são basicamente baseados em plataforma, representados por FET e AGIX. Como devo dizer? Isto é o que meus amigos que são profissionais em IA na China me disseram - "Aqueles que costumavam fazer IA são basicamente inúteis agora. Independentemente da Web2 ou Web3, muitos deles são bagagem e não experiência. A direção e o futuro é como OpenAI. Este tipo de modelo grande baseado no Transformer, "grande modelo salva IA", seu próprio produto.

Portanto, o tipo de plataforma universal não é o modelo Web3 + AI que o deixa otimista. Os mais de 10 projetos de que falei não têm esse aspecto. O que vi até agora são basicamente os seguintes:

1. Assetização do modelo Bot/Agente/Assistente

2. Plataforma de poder de computação

3.Plataforma de dados

4. IA generativa

5. Negociação/auditoria/controle de risco Defi

6.ZKML

1. Assetização do modelo Bot/Agente/Assistente

A ativostização de Bot/Agente/Assistente é a via mais comentada, e é a via com maior homogeneidade. Simplificando, a maioria desses projetos usa OpenAI como camada inferior e coopera com outros meios técnicos de código aberto/desenvolvidos por conta própria, como TTS (Text to Speech) e similares. Com dados específicos, o FineTune apresenta alguns. "tecnologias mais avançadas que ChatGPT em uma determinada área".

Por exemplo, você pode treinar uma linda professora para lhe ensinar inglês. Você pode escolher se ela tem sotaque americano ou londrino. Sua personalidade e estilo de bate-papo também podem ser ajustados em comparação com as respostas mais mecânicas e oficiais do ChatGPT. , a experiência interativa será melhor. Nos primórdios da indústria, existia um namorado virtual DAPP e um jogo Web3 voltado para mulheres chamado HIM, que pode ser considerado um representante desse tipo.

Partindo dessa ideia, teoricamente você pode ter muitos Bots/Agentes atendendo você. Por exemplo, se você quiser cozinhar peixe cozido, pode haver um Cooking Bot chamado Fine Tune especializado nesta área para lhe ensinar. As respostas dadas são mais profissionais do que o ChatGPT. Bot para fornecer várias opções de viagem Para sugestões e planejamento, ou se você for um desenvolvedor de projetos, obtenha um robô de atendimento ao cliente Discord para ajudá-lo a responder às perguntas da comunidade.

Além deste Bot de “aplicação vertical baseada em GPT”, também existem projetos derivados baseados nele, como a “assetização de modelo” do Bot. É um pouco como a "assetização de pequenas imagens" do NFT. Os prompts que são populares na IA agora também podem ser capitalizados. Por exemplo, diferentes prompts no MidJourney podem gerar diferentes prompts também terão efeitos diferentes ao treinar o Bot. O próprio Promopt também tem valor e pode ser capitalizado.

Existem também projetos como indexação de portais e buscas baseadas nesses Bots. Um dia teremos milhares de Bots, então como encontrar o Bot mais adequado para você? Talvez você precise de um portal como o Hao123 no mundo Web2, ou de um mecanismo de busca como o Google para ajudá-lo a se “posicionar”.

Na minha opinião pessoal, a ativostização de bot (modelo) tem duas desvantagens e duas direções nesta fase:

1) Desvantagens

Desvantagem 1- Muita homogeneidade, porque esta é a faixa AI + web3 que é mais fácil de entender pelos usuários, e é um pouco como NFT com um pequeno atributo de utilidade. Portanto, o mercado primário está começando a mostrar uma tendência do oceano vermelho e está crescendo, mas a camada inferior é OpenAI, então todos realmente não têm barreiras técnicas e só podem lutar pelo design e operação;

Desvantagem 2- Às vezes, coisas como o encadeamento NFT de cartões de membro da Starbucks, embora sejam uma boa tentativa de sair do círculo, podem não ser tão convenientes quanto um cartão de membro físico ou eletrônico para a maioria dos usuários. Os bots baseados no Web3 também têm esse problema. Se eu quiser aprender inglês com o robô ou conversar com Musk ou Sócrates, não seria bom usar apenas o http://Character.AI do Web2?

2) Direção

A direção 1- é o próximo + médio prazo, o modelo on-chain pode ser uma ideia. Atualmente, esses modelos são um tanto semelhantes às pequenas imagens do ETH NFT. A maioria dos metadados aponta para servidores fora da cadeia ou IPFS, em vez de puramente on-chain. Os modelos geralmente têm dezenas a centenas de megabytes de tamanho e precisam ser lançados no servidor.

No entanto, com o recente declínio rápido nos preços de armazenamento (SSD de 2 TB custa 500 RMB) e o avanço de projetos de armazenamento como Filecoin FVM e ETH Storage, acredito que não será difícil lançar um modelo de nível 100M na cadeia em os próximos dois a três anos.

Você pode perguntar quais são os benefícios do enrolamento? Uma vez que o modelo está on-chain, ele pode ser chamado diretamente por outros contratos. É mais criptográfico e há definitivamente mais truques que podem ser executados. os dados são nativos da cadeia. Neste momento vemos que há equipas a explorar esta vertente, mas claro que ainda está numa fase muito inicial.

Direção 2- é o médio + longo prazo Se você pensar seriamente em contratos inteligentes, na verdade, o mais adequado não é a interação humano-computador, mas a "interação máquina-computador" agora tem o conceito de AutoGPT, adquira um. seu "avatar virtual" ou "assistente virtual" pode não apenas conversar com você, mas também ajudá-lo a realizar tarefas de acordo com suas necessidades, como ajudá-lo a reservar voos, hotéis, comprar nomes de domínio e construir sites...

Você acha que o assistente de IA é mais conveniente para operar suas diversas contas bancárias, Alipay, etc., ou é mais conveniente para transferir fundos de um endereço blockchain inteiro? A resposta é óbvia. Então, no futuro, haverá vários assistentes de IA integrados, como o AutoGPT, que podem executar automaticamente pagamentos e liquidações C2C, B2C e até mesmo B2B por meio de blockchain e contratos inteligentes em vários cenários de tarefas? Naquela época, a fronteira entre Web2 e Web3 tornou-se muito confusa.

2. Plataforma de poder de computação

Os projetos da plataforma de poder computacional não possuem tantos ativos quanto o modelo Bot, mas são relativamente mais fáceis de entender. Todos sabem que a IA requer muito poder computacional, e BTC e ETH provaram isso nos últimos 10 anos. é esse método no mundo. Espontaneamente, descentralizado, num ambiente de incentivos económicos e jogos, ele organiza e coordena o enorme poder computacional para cooperar e competir para fazer uma coisa. Este método agora pode ser aplicado à IA.

Os dois projetos mais famosos do setor são, sem dúvida, Together e Gensyn. Uma rodada inicial arrecadou dezenas de milhões de dólares e a outra arrecadou 43 milhões na Série A. Diz-se que a razão pela qual esses dois projetos arrecadaram tanto dinheiro é porque. eles precisam primeiro de fundos e poder de computação. Treine seu próprio modelo e, em seguida, ele será transformado em uma plataforma de computação e fornecido a outros projetos de IA para treinamento.

O montante de financiamento da plataforma de poder de computação para inferência será relativamente pequeno, porque essencialmente agrega GPU ociosa e outro poder de computação e, em seguida, fornece-os a projetos de IA que necessitam de inferência, agregados RNDR que rendem poder de computação, e essas plataformas fazem cálculos de inferência. Forçar agregação. Mas os limites técnicos são atualmente relativamente vagos, e eu até me pergunto se um dia o RNDR ou a plataforma de computação em nuvem Web3 terão um pé na plataforma de computação de inferência.

A direção da plataforma de poder computacional é mais prática e previsível do que a capitalização do modelo. É basicamente certo que haverá demanda e haverá um ou dois projetos principais. Depende de quem terá sucesso. A única coisa que é atualmente incerta é o treinamento. e o raciocínio têm seus próprios líderes, ou o líder abrange tanto o treinamento quanto o raciocínio?

3.Plataforma de dados

Na verdade, isso não é difícil de entender, porque a camada inferior da IA ​​consiste simplesmente em três coisas principais: algoritmo (modelo), poder de computação e dados.

Como existem "versões descentralizadas" de algoritmos e poder de computação, os dados certamente não estarão ausentes. Esta é também a direção que o Dr. Lu Qi, fundador da Qiji Chuangtan, está mais otimista quando fala sobre IA e Web3.

A Web3 sempre enfatizou a privacidade e a soberania dos dados e também possui tecnologias como ZK para garantir a confiabilidade e integridade dos dados. Portanto, a IA treinada com base nos dados on-chain da Web3 deve ser diferente daquela treinada nos dados off-chain da Web2. . Portanto, o Make Sense, Ocean geral desta linha deve ser considerado como esta trilha no círculo atual, e o mercado primário também viu projetos como mercados especializados de dados de IA baseados em Ocean.

4. IA generativa

Simplificando, trata-se de usar pinturas de IA, ou criações semelhantes, para servir outros cenários. Por exemplo, fazer NFT, ou geração de mapas no jogo, geração de plano de fundo de NPC, etc. Sinto que é mais difícil fazer NFT porque a escassez gerada pela IA não é suficiente, e também há equipes tentando no mercado primário.

No entanto, há poucos dias vi notícias de que o Unity (que dominou o mercado de motores de jogos junto com o Unreal Engine por muitos anos) também lançou suas próprias ferramentas de geração de IA, Sentis e Muse. será lançado oficialmente no próximo ano. Como devo dizer? Sinto que os projetos de jogos AIGC no círculo Web3 podem ser atingidos pela redução da dimensionalidade do Unity...

5. Transação/auditoria/rendimento/controle de risco DeFi

Vimos projetos experimentando essas categorias e a homogeneidade é relativamente pouco óbvia.

1) Negociação DeFi - Isto é um pouco complicado, porque se uma estratégia de negociação for fácil de usar, à medida que mais pessoas a utilizam, a estratégia pode tornar-se gradualmente menos útil e você precisa mudar para uma nova estratégia. Então estou curioso sobre a futura taxa de vitórias do robô de negociação de IA e qual será sua classificação entre os traders comuns.

2) Auditoria – A inspeção visual deve ser capaz de ajudar a revisar e lidar rapidamente com vulnerabilidades comuns existentes. Vulnerabilidades novas ou lógicas que não apareceram antes não deveriam ser possíveis.

3) Rendimento e controle de risco - O rendimento não é difícil de entender, você pode apenas imaginá-lo como um YFI com inteligência de IA, investir dinheiro nele e a IA encontrará a plataforma para piquetagem, LP de grupo, mineração, etc. de acordo com sua preferência de risco. Quanto ao controle de risco, parece estranho torná-lo um projeto separado. Parece mais fazer sentido servir vários empréstimos ou plataformas Defi semelhantes na forma de plug-ins.

6.ZKML

Uma faixa que está se tornando cada vez mais popular na indústria porque combina duas das tecnologias mais avançadas, ZK dentro da indústria e ML (Mechine Learning, um ramo restrito do campo de IA) fora da indústria.

Teoricamente, a combinação com ZK pode fornecer privacidade, integridade e precisão ao ML, mas é preciso dizer quais cenários de uso específicos existem. Na verdade, muitas partes do projeto não conseguem pensar neles. No momento, a única coisa que é realmente necessária é que o aprendizado de máquina em algumas áreas médicas tenha requisitos de privacidade para os dados dos pacientes. Quanto à narrativa de integridade do jogo on-chain ou anti-trapaça, sempre parece um pouco rebuscada.

Atualmente, existem apenas alguns projetos estrelas nesta faixa, como Modulus Labs, EZKL, Giza, etc., todos populares no mercado primário. De jeito nenhum, porque existem poucas pessoas no mundo que entendem de ZK, e há ainda menos pessoas que entendem de ZK e também de ML. Portanto, o limite técnico desta faixa é muito maior do que outros campos, e a homogeneidade é. relativamente baixo. Finalmente, o ZKML visa principalmente a inferência, não o treinamento.