La fusión de AI y Web3: análisis de la situación actual y perspectivas de desarrollo
I. Introducción: El desarrollo de AI+Web3
En los últimos años, el rápido desarrollo de la inteligencia artificial (IA) y la tecnología Web3 ha llamado la atención a nivel mundial. La IA, como una tecnología que simula e imita la inteligencia humana, ha logrado importantes avances en campos como el reconocimiento facial, el procesamiento del lenguaje natural y el aprendizaje automático, lo que ha traído enormes transformaciones e innovaciones a diversas industrias.
En 2023, el tamaño del mercado de la industria de la IA alcanzó los 200 mil millones de dólares, y empresas destacadas como OpenAI, Character.AI y Midjourney surgieron rápidamente, liderando la ola de la IA. Al mismo tiempo, Web3, como un nuevo modelo de red emergente, está cambiando la forma en que las personas perciben y utilizan Internet. Web3, basado en la tecnología blockchain descentralizada, logra la compartición y control de datos, la autonomía de los usuarios y el establecimiento de mecanismos de confianza a través de funciones como contratos inteligentes, almacenamiento distribuido y verificación de identidad descentralizada.
Actualmente, el valor de mercado de la industria Web3 ha alcanzado los 25 billones, proyectos como Bitcoin, Ethereum, Solana y aplicaciones en la capa de Uniswap, Stepn están surgiendo constantemente con nuevas narrativas y escenarios, atrayendo a cada vez más personas a unirse a la industria Web3. La combinación de IA y Web3 se ha convertido en un área de gran interés tanto para desarrolladores como para inversores de Oriente y Occidente, y cómo fusionar ambos de manera efectiva es una cuestión que merece ser explorada.
Este artículo se centrará en el estado actual del desarrollo de AI+Web3, analizará la situación de los proyectos actuales de AI+Web3 y discutirá en profundidad las limitaciones y desafíos que enfrentan. A través de esta investigación, esperamos poder proporcionar referencias y perspectivas valiosas a los inversores y profesionales de la industria relacionada.
Dos, formas de interacción entre AI y Web3
El desarrollo de la IA y Web3 es como los dos lados de una balanza, la IA ha traído mejoras en la productividad, mientras que Web3 ha traído una transformación en las relaciones de producción. ¿Qué tipo de chispas pueden chocar entre la IA y Web3? Primero, analizaremos las dificultades y el espacio de mejora que enfrenta cada industria, y luego discutiremos cómo se ayudan mutuamente a resolver estas dificultades.
2.1 Dilemas que enfrenta la industria de la IA
El núcleo de la industria de la IA no puede separarse de tres elementos: potencia de cálculo, algoritmos y datos.
Potencia de cálculo: Las tareas de IA suelen requerir procesar grandes volúmenes de datos y realizar cálculos complejos, como entrenar modelos de redes neuronales profundas. Una alta capacidad de cálculo puede acelerar el proceso de entrenamiento e inferencia del modelo, mejorando el rendimiento y la eficiencia de los sistemas de IA. En los últimos años, con el desarrollo de la tecnología de hardware, como los procesadores gráficos (GPU) y los chips de IA dedicados (como TPU), el aumento de la potencia de cálculo ha desempeñado un papel importante en el impulso del desarrollo de la industria de la IA.
Algoritmos: La parte central de un sistema de IA, son métodos matemáticos y estadísticos utilizados para resolver problemas y llevar a cabo tareas. Los algoritmos de IA se pueden dividir en algoritmos de aprendizaje automático tradicionales y algoritmos de aprendizaje profundo, siendo estos últimos los que han logrado importantes avances en los últimos años. La elección y el diseño de algoritmos son fundamentales para el rendimiento y la efectividad del sistema de IA.
Datos: La tarea principal de un sistema de IA es extraer patrones y regularidades de los datos a través del aprendizaje y el entrenamiento. Los datos son la base para entrenar y optimizar modelos; mediante muestras de datos a gran escala, el sistema de IA puede aprender modelos más precisos e inteligentes. Conjuntos de datos ricos pueden proporcionar información más completa y diversa, lo que permite que el modelo generalice mejor a datos no vistos.
Las principales dificultades que enfrenta la industria de la IA incluyen:
En términos de potencia de cálculo: obtener y gestionar grandes cantidades de potencia de cálculo es un desafío costoso y complejo. El costo, el consumo de energía y el mantenimiento de los dispositivos de computación de alto rendimiento son problemas.
En cuanto a los algoritmos: entrenar redes neuronales profundas requiere grandes cantidades de datos y recursos computacionales, y la interpretabilidad y explicabilidad del modelo pueden ser insuficientes. La robustez y la capacidad de generalización del algoritmo también son un problema importante.
En cuanto a los datos: obtener datos de alta calidad y diversos sigue siendo un desafío. La calidad, precisión y etiquetado de los datos también son problemáticos; los datos incompletos o sesgados pueden llevar a comportamientos o sesgos erróneos en los modelos.
Explicabilidad y transparencia: La característica de caja negra de los modelos de IA es un tema de preocupación pública. Para ciertas aplicaciones, como las finanzas, la medicina y la justicia, el proceso de toma de decisiones del modelo necesita ser explicable y rastreable.
Modelo de negocio: Muchos emprendedores de proyectos de IA se sienten perdidos debido a la falta de claridad en el modelo de negocio.
2.2 Dificultades enfrentadas por la industria Web3
La industria Web3 también enfrenta muchos desafíos diferentes que necesitan ser resueltos, incluyendo:
Análisis de datos de Web3
Experiencia de usuario deficiente en productos Web3
Problemas de vulnerabilidades en el código de contratos inteligentes y ataques de hackers
La IA como herramienta para aumentar la productividad tiene mucho potencial en estos aspectos:
Capacidad de análisis y predicción de datos: La tecnología AI puede ayudar a las plataformas Web3 a extraer información valiosa de grandes volúmenes de datos y realizar predicciones y decisiones más precisas. Esto es de gran importancia para aspectos como la evaluación de riesgos, la predicción de mercados y la gestión de activos en el ámbito de las finanzas descentralizadas (DeFi).
Experiencia del usuario y servicios personalizados: La tecnología AI puede ayudar a las plataformas Web3 a ofrecer una mejor experiencia del usuario y servicios personalizados, aumentando la participación y satisfacción del usuario.
Seguridad y protección de la privacidad: La tecnología de IA se puede utilizar para detectar y defenderse contra ataques cibernéticos, identificar comportamientos anómalos y proporcionar una mayor seguridad. Al mismo tiempo, la IA también se puede aplicar a la protección de la privacidad de los datos, mediante técnicas como el cifrado de datos y la computación privada, para proteger la información personal de los usuarios en las plataformas Web3.
Auditoría de contratos inteligentes: La tecnología de IA se puede utilizar para automatizar la auditoría de contratos y la detección de vulnerabilidades, mejorando la seguridad y confiabilidad de los contratos.
Tres, Análisis del estado actual de los proyectos de AI+Web3
Los proyectos de AI+Web3 se abordan principalmente desde dos grandes aspectos: utilizar la tecnología blockchain para mejorar el rendimiento de los proyectos de AI, y utilizar la tecnología AI para servir a la mejora de los proyectos de Web3.
3.1 Web3 impulsa la IA
3.1.1 Potencia de cálculo descentralizada
Con el rápido desarrollo de la IA, la demanda de GPU ha aumentado considerablemente, lo que ha llevado a una situación de escasez. Algunos proyectos de Web3 han comenzado a intentar proporcionar servicios de computación de manera descentralizada, como Akash, Render y Gensyn. Estos proyectos incentivan a los usuarios a ofrecer su capacidad de GPU ociosa a través de tokens, convirtiéndose en el lado de la oferta de computación y brindando apoyo de computación a los clientes de IA.
El lado de la oferta incluye principalmente proveedores de servicios en la nube, mineros de criptomonedas y grandes empresas. Actualmente, los jugadores en este campo se dividen en dos categorías: una es utilizar la potencia de cálculo descentralizada para la inferencia de IA, y la otra es usar la potencia de cálculo descentralizada para el entrenamiento de IA.
El núcleo de los proyectos de poder de cómputo descentralizado radica en atraer a los proveedores a través de un mecanismo de incentivos con tokens, y luego atraer a los usuarios para su uso, logrando así el arranque en frío del proyecto y el mecanismo operativo central. En este ciclo, la oferta tiene más recompensas en tokens valiosos, mientras que la demanda tiene servicios más baratos y de mejor relación calidad-precio.
3.1.2 Modelo de algoritmo descentralizado
Algunos proyectos intentan establecer un mercado de servicios de algoritmos de IA descentralizados, conectando muchos modelos de IA diferentes. Cuando los usuarios hacen preguntas, el mercado selecciona el modelo de IA más adecuado para responder a la pregunta y proporcionar la respuesta.
Tomando Bittensor como ejemplo, el lado de la oferta del modelo algorítmico (mineros) contribuye con sus modelos de aprendizaje automático a la red. Los proveedores de modelos reciben tokens de criptomonedas TAO como recompensa por su contribución. Para garantizar la calidad de las respuestas a las preguntas, Bittensor utiliza un mecanismo de consenso único para asegurar que la red llegue a un acuerdo sobre la mejor respuesta.
3.1.3 Recopilación de datos descentralizada
Algunos proyectos combinan Web3 a través de incentivos en tokens para lograr la recolección de datos descentralizada. Por ejemplo, PublicAI permite a los usuarios compartir contenido valioso en las redes sociales y recibir incentivos en tokens. Este enfoque fomenta la relación de colaboración entre los contribuyentes de datos y el desarrollo de la industria de la inteligencia artificial.
3.1.4 ZK protección de la privacidad del usuario en la IA
La tecnología de pruebas de conocimiento cero puede ayudar a resolver el conflicto entre la protección de la privacidad y el intercambio de datos. ZKML (Zero-Knowledge Machine Learning) utiliza la tecnología de pruebas de conocimiento cero para permitir el entrenamiento y la inferencia de modelos de aprendizaje automático sin revelar los datos originales.
3.2 La IA impulsa web3
3.2.1 Análisis y predicción de datos
Muchos proyectos de Web3 han comenzado a integrar servicios de IA existentes o herramientas de IA desarrolladas internamente para ofrecer a los usuarios servicios de análisis de datos y predicciones. Estos servicios abarcan múltiples áreas, incluyendo estrategias de inversión, análisis en cadena, pronósticos de precios y del mercado.
Por ejemplo, Pond utiliza algoritmos de gráficos de IA para predecir futuros tokens alpha valiosos; BullBear AI se entrena en función de los datos históricos de los usuarios, los datos históricos de precios y las tendencias del mercado para proporcionar predicciones precisas sobre el movimiento de precios; Numerai es una plataforma de competición de inversión donde los participantes predicen el mercado de acciones utilizando IA y grandes modelos de lenguaje.
3.2.2 Servicios personalizables
Algunos proyectos de Web3 están optimizando la experiencia del usuario mediante la integración de IA. Por ejemplo, la plataforma de análisis de datos Dune lanzó la herramienta Wand para escribir consultas SQL utilizando modelos de lenguaje de gran tamaño; la plataforma de medios Web3 Followin integró ChatGPT para resumir opiniones y novedades en un campo determinado; la plataforma de enciclopedia Web3 IQ.wiki integró GPT-4 para resumir artículos de wiki.
3.2.3 Auditoría de contratos inteligentes de IA
Algunos proyectos utilizan la IA para realizar auditorías de código de contratos inteligentes, con el fin de identificar y detectar de manera más eficiente y precisa las vulnerabilidades en el código. Por ejemplo, el proyecto 0x0.ai ofrece un auditor de contratos inteligentes basado en inteligencia artificial, que utiliza algoritmos avanzados para analizar contratos inteligentes e identificar posibles vulnerabilidades o problemas.
Cuatro, limitaciones y desafíos actuales de los proyectos AI+Web3
4.1 Obstáculos reales en la computación descentralizada
Los productos de poder de cálculo descentralizado enfrentan los siguientes desafíos:
El rendimiento y la estabilidad pueden ser inferiores a los productos de potencia centralizada.
La disponibilidad se ve afectada por el grado de coincidencia entre la oferta y la demanda.
El costo para el usuario es relativamente alto, y necesita conocer más detalles técnicos.
Actualmente se limita principalmente a la inferencia de IA en lugar de la capacitación de IA.
El entrenamiento de modelos de IA grandes requiere una gran cantidad de datos y un ancho de banda de comunicación de alta velocidad, y actualmente la potencia de cálculo descentralizada tiene dificultades para satisfacer estas demandas. En comparación, la inferencia de IA tiene menores requisitos de datos y ancho de banda, lo que hace que su viabilidad sea mayor.
La combinación de AI+Web3 es bastante rudimentaria y no ha logrado 1+1＞2.
Actualmente, la combinación de IA y Web3 se refleja principalmente en los siguientes dos aspectos:
Muchos proyectos simplemente utilizan la IA para mejorar la eficiencia y realizar análisis, sin mostrar la fusión nativa e innovadoras soluciones entre la IA y las criptomonedas.
Algunos equipos de Web3 utilizan el concepto de IA principalmente en el ámbito del marketing, pero todavía hay un gran vacío en términos de innovación real.
4.3 La economía de tokens se convierte en un amortiguador para la narrativa de los proyectos de IA
A medida que más y más modelos grandes comienzan a abrirse gradualmente, muchos proyectos de AI + Web3 eligen superponer la narrativa y la economía de tokens de Web3 para fomentar la participación de los usuarios. Sin embargo, si la integración de la economía de tokens realmente ayuda a los proyectos de AI a resolver necesidades prácticas, o si es simplemente una narrativa o una búsqueda de valor a corto plazo, aún necesita ser observado y verificado.
Cinco, Resumen
La fusión de AI y Web3 proporciona posibilidades infinitas para la innovación tecnológica y el desarrollo económico del futuro. La tecnología de AI puede ofrecer escenarios de aplicación más eficientes e inteligentes para Web3, mientras que las características de descentralización y programabilidad de Web3 también brindan nuevas oportunidades para el desarrollo de la tecnología de AI.
A pesar de que los proyectos de AI+Web3 todavía se encuentran en una etapa temprana y enfrentan numerosos desafíos, también ofrecen algunas ventajas. Por ejemplo, los proyectos de computación y recolección de datos descentralizados pueden reducir la dependencia de las instituciones centralizadas, proporcionar una mayor transparencia y auditabilidad, así como facilitar una participación e innovación más amplias.
En el futuro, esperamos ver investigaciones y innovaciones más profundas para lograr una integración más estrecha entre la IA y Web3, así como en las finanzas y la descentralización.
Ver originales
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
9 me gusta
Recompensa
9
4
Compartir
Comentar
0/400
ThatsNotARugPull
· 07-27 11:09
¿Ya ha subido a dos mil millones? Increíble.
Ver originalesResponder0
ChainWatcher
· 07-27 11:03
Los autobuses no salen a tiempo y aún quieren fusionarse con la IA.
Ver originalesResponder0
NeverVoteOnDAO
· 07-27 11:00
¿La IA unificará el mundo? Despierta.
Ver originalesResponder0
SnapshotStriker
· 07-27 10:47
Otra vez aprovechando la popularidad de web3 y la IA
Estado actual y desafíos de la fusión AI+Web3: oportunidades y limitaciones en la intersección de tecnologías emergentes
La fusión de AI y Web3: análisis de la situación actual y perspectivas de desarrollo
I. Introducción: El desarrollo de AI+Web3
En los últimos años, el rápido desarrollo de la inteligencia artificial (IA) y la tecnología Web3 ha llamado la atención a nivel mundial. La IA, como una tecnología que simula e imita la inteligencia humana, ha logrado importantes avances en campos como el reconocimiento facial, el procesamiento del lenguaje natural y el aprendizaje automático, lo que ha traído enormes transformaciones e innovaciones a diversas industrias.
En 2023, el tamaño del mercado de la industria de la IA alcanzó los 200 mil millones de dólares, y empresas destacadas como OpenAI, Character.AI y Midjourney surgieron rápidamente, liderando la ola de la IA. Al mismo tiempo, Web3, como un nuevo modelo de red emergente, está cambiando la forma en que las personas perciben y utilizan Internet. Web3, basado en la tecnología blockchain descentralizada, logra la compartición y control de datos, la autonomía de los usuarios y el establecimiento de mecanismos de confianza a través de funciones como contratos inteligentes, almacenamiento distribuido y verificación de identidad descentralizada.
Actualmente, el valor de mercado de la industria Web3 ha alcanzado los 25 billones, proyectos como Bitcoin, Ethereum, Solana y aplicaciones en la capa de Uniswap, Stepn están surgiendo constantemente con nuevas narrativas y escenarios, atrayendo a cada vez más personas a unirse a la industria Web3. La combinación de IA y Web3 se ha convertido en un área de gran interés tanto para desarrolladores como para inversores de Oriente y Occidente, y cómo fusionar ambos de manera efectiva es una cuestión que merece ser explorada.
Este artículo se centrará en el estado actual del desarrollo de AI+Web3, analizará la situación de los proyectos actuales de AI+Web3 y discutirá en profundidad las limitaciones y desafíos que enfrentan. A través de esta investigación, esperamos poder proporcionar referencias y perspectivas valiosas a los inversores y profesionales de la industria relacionada.
Dos, formas de interacción entre AI y Web3
El desarrollo de la IA y Web3 es como los dos lados de una balanza, la IA ha traído mejoras en la productividad, mientras que Web3 ha traído una transformación en las relaciones de producción. ¿Qué tipo de chispas pueden chocar entre la IA y Web3? Primero, analizaremos las dificultades y el espacio de mejora que enfrenta cada industria, y luego discutiremos cómo se ayudan mutuamente a resolver estas dificultades.
2.1 Dilemas que enfrenta la industria de la IA
El núcleo de la industria de la IA no puede separarse de tres elementos: potencia de cálculo, algoritmos y datos.
Potencia de cálculo: Las tareas de IA suelen requerir procesar grandes volúmenes de datos y realizar cálculos complejos, como entrenar modelos de redes neuronales profundas. Una alta capacidad de cálculo puede acelerar el proceso de entrenamiento e inferencia del modelo, mejorando el rendimiento y la eficiencia de los sistemas de IA. En los últimos años, con el desarrollo de la tecnología de hardware, como los procesadores gráficos (GPU) y los chips de IA dedicados (como TPU), el aumento de la potencia de cálculo ha desempeñado un papel importante en el impulso del desarrollo de la industria de la IA.
Algoritmos: La parte central de un sistema de IA, son métodos matemáticos y estadísticos utilizados para resolver problemas y llevar a cabo tareas. Los algoritmos de IA se pueden dividir en algoritmos de aprendizaje automático tradicionales y algoritmos de aprendizaje profundo, siendo estos últimos los que han logrado importantes avances en los últimos años. La elección y el diseño de algoritmos son fundamentales para el rendimiento y la efectividad del sistema de IA.
Datos: La tarea principal de un sistema de IA es extraer patrones y regularidades de los datos a través del aprendizaje y el entrenamiento. Los datos son la base para entrenar y optimizar modelos; mediante muestras de datos a gran escala, el sistema de IA puede aprender modelos más precisos e inteligentes. Conjuntos de datos ricos pueden proporcionar información más completa y diversa, lo que permite que el modelo generalice mejor a datos no vistos.
Las principales dificultades que enfrenta la industria de la IA incluyen:
En términos de potencia de cálculo: obtener y gestionar grandes cantidades de potencia de cálculo es un desafío costoso y complejo. El costo, el consumo de energía y el mantenimiento de los dispositivos de computación de alto rendimiento son problemas.
En cuanto a los algoritmos: entrenar redes neuronales profundas requiere grandes cantidades de datos y recursos computacionales, y la interpretabilidad y explicabilidad del modelo pueden ser insuficientes. La robustez y la capacidad de generalización del algoritmo también son un problema importante.
En cuanto a los datos: obtener datos de alta calidad y diversos sigue siendo un desafío. La calidad, precisión y etiquetado de los datos también son problemáticos; los datos incompletos o sesgados pueden llevar a comportamientos o sesgos erróneos en los modelos.
Explicabilidad y transparencia: La característica de caja negra de los modelos de IA es un tema de preocupación pública. Para ciertas aplicaciones, como las finanzas, la medicina y la justicia, el proceso de toma de decisiones del modelo necesita ser explicable y rastreable.
Modelo de negocio: Muchos emprendedores de proyectos de IA se sienten perdidos debido a la falta de claridad en el modelo de negocio.
2.2 Dificultades enfrentadas por la industria Web3
La industria Web3 también enfrenta muchos desafíos diferentes que necesitan ser resueltos, incluyendo:
La IA como herramienta para aumentar la productividad tiene mucho potencial en estos aspectos:
Capacidad de análisis y predicción de datos: La tecnología AI puede ayudar a las plataformas Web3 a extraer información valiosa de grandes volúmenes de datos y realizar predicciones y decisiones más precisas. Esto es de gran importancia para aspectos como la evaluación de riesgos, la predicción de mercados y la gestión de activos en el ámbito de las finanzas descentralizadas (DeFi).
Experiencia del usuario y servicios personalizados: La tecnología AI puede ayudar a las plataformas Web3 a ofrecer una mejor experiencia del usuario y servicios personalizados, aumentando la participación y satisfacción del usuario.
Seguridad y protección de la privacidad: La tecnología de IA se puede utilizar para detectar y defenderse contra ataques cibernéticos, identificar comportamientos anómalos y proporcionar una mayor seguridad. Al mismo tiempo, la IA también se puede aplicar a la protección de la privacidad de los datos, mediante técnicas como el cifrado de datos y la computación privada, para proteger la información personal de los usuarios en las plataformas Web3.
Auditoría de contratos inteligentes: La tecnología de IA se puede utilizar para automatizar la auditoría de contratos y la detección de vulnerabilidades, mejorando la seguridad y confiabilidad de los contratos.
Tres, Análisis del estado actual de los proyectos de AI+Web3
Los proyectos de AI+Web3 se abordan principalmente desde dos grandes aspectos: utilizar la tecnología blockchain para mejorar el rendimiento de los proyectos de AI, y utilizar la tecnología AI para servir a la mejora de los proyectos de Web3.
3.1 Web3 impulsa la IA
3.1.1 Potencia de cálculo descentralizada
Con el rápido desarrollo de la IA, la demanda de GPU ha aumentado considerablemente, lo que ha llevado a una situación de escasez. Algunos proyectos de Web3 han comenzado a intentar proporcionar servicios de computación de manera descentralizada, como Akash, Render y Gensyn. Estos proyectos incentivan a los usuarios a ofrecer su capacidad de GPU ociosa a través de tokens, convirtiéndose en el lado de la oferta de computación y brindando apoyo de computación a los clientes de IA.
El lado de la oferta incluye principalmente proveedores de servicios en la nube, mineros de criptomonedas y grandes empresas. Actualmente, los jugadores en este campo se dividen en dos categorías: una es utilizar la potencia de cálculo descentralizada para la inferencia de IA, y la otra es usar la potencia de cálculo descentralizada para el entrenamiento de IA.
El núcleo de los proyectos de poder de cómputo descentralizado radica en atraer a los proveedores a través de un mecanismo de incentivos con tokens, y luego atraer a los usuarios para su uso, logrando así el arranque en frío del proyecto y el mecanismo operativo central. En este ciclo, la oferta tiene más recompensas en tokens valiosos, mientras que la demanda tiene servicios más baratos y de mejor relación calidad-precio.
3.1.2 Modelo de algoritmo descentralizado
Algunos proyectos intentan establecer un mercado de servicios de algoritmos de IA descentralizados, conectando muchos modelos de IA diferentes. Cuando los usuarios hacen preguntas, el mercado selecciona el modelo de IA más adecuado para responder a la pregunta y proporcionar la respuesta.
Tomando Bittensor como ejemplo, el lado de la oferta del modelo algorítmico (mineros) contribuye con sus modelos de aprendizaje automático a la red. Los proveedores de modelos reciben tokens de criptomonedas TAO como recompensa por su contribución. Para garantizar la calidad de las respuestas a las preguntas, Bittensor utiliza un mecanismo de consenso único para asegurar que la red llegue a un acuerdo sobre la mejor respuesta.
3.1.3 Recopilación de datos descentralizada
Algunos proyectos combinan Web3 a través de incentivos en tokens para lograr la recolección de datos descentralizada. Por ejemplo, PublicAI permite a los usuarios compartir contenido valioso en las redes sociales y recibir incentivos en tokens. Este enfoque fomenta la relación de colaboración entre los contribuyentes de datos y el desarrollo de la industria de la inteligencia artificial.
3.1.4 ZK protección de la privacidad del usuario en la IA
La tecnología de pruebas de conocimiento cero puede ayudar a resolver el conflicto entre la protección de la privacidad y el intercambio de datos. ZKML (Zero-Knowledge Machine Learning) utiliza la tecnología de pruebas de conocimiento cero para permitir el entrenamiento y la inferencia de modelos de aprendizaje automático sin revelar los datos originales.
3.2 La IA impulsa web3
3.2.1 Análisis y predicción de datos
Muchos proyectos de Web3 han comenzado a integrar servicios de IA existentes o herramientas de IA desarrolladas internamente para ofrecer a los usuarios servicios de análisis de datos y predicciones. Estos servicios abarcan múltiples áreas, incluyendo estrategias de inversión, análisis en cadena, pronósticos de precios y del mercado.
Por ejemplo, Pond utiliza algoritmos de gráficos de IA para predecir futuros tokens alpha valiosos; BullBear AI se entrena en función de los datos históricos de los usuarios, los datos históricos de precios y las tendencias del mercado para proporcionar predicciones precisas sobre el movimiento de precios; Numerai es una plataforma de competición de inversión donde los participantes predicen el mercado de acciones utilizando IA y grandes modelos de lenguaje.
3.2.2 Servicios personalizables
Algunos proyectos de Web3 están optimizando la experiencia del usuario mediante la integración de IA. Por ejemplo, la plataforma de análisis de datos Dune lanzó la herramienta Wand para escribir consultas SQL utilizando modelos de lenguaje de gran tamaño; la plataforma de medios Web3 Followin integró ChatGPT para resumir opiniones y novedades en un campo determinado; la plataforma de enciclopedia Web3 IQ.wiki integró GPT-4 para resumir artículos de wiki.
3.2.3 Auditoría de contratos inteligentes de IA
Algunos proyectos utilizan la IA para realizar auditorías de código de contratos inteligentes, con el fin de identificar y detectar de manera más eficiente y precisa las vulnerabilidades en el código. Por ejemplo, el proyecto 0x0.ai ofrece un auditor de contratos inteligentes basado en inteligencia artificial, que utiliza algoritmos avanzados para analizar contratos inteligentes e identificar posibles vulnerabilidades o problemas.
Cuatro, limitaciones y desafíos actuales de los proyectos AI+Web3
4.1 Obstáculos reales en la computación descentralizada
Los productos de poder de cálculo descentralizado enfrentan los siguientes desafíos:
El entrenamiento de modelos de IA grandes requiere una gran cantidad de datos y un ancho de banda de comunicación de alta velocidad, y actualmente la potencia de cálculo descentralizada tiene dificultades para satisfacer estas demandas. En comparación, la inferencia de IA tiene menores requisitos de datos y ancho de banda, lo que hace que su viabilidad sea mayor.
La combinación de AI+Web3 es bastante rudimentaria y no ha logrado 1+1＞2.
Actualmente, la combinación de IA y Web3 se refleja principalmente en los siguientes dos aspectos:
Muchos proyectos simplemente utilizan la IA para mejorar la eficiencia y realizar análisis, sin mostrar la fusión nativa e innovadoras soluciones entre la IA y las criptomonedas.
Algunos equipos de Web3 utilizan el concepto de IA principalmente en el ámbito del marketing, pero todavía hay un gran vacío en términos de innovación real.
4.3 La economía de tokens se convierte en un amortiguador para la narrativa de los proyectos de IA
A medida que más y más modelos grandes comienzan a abrirse gradualmente, muchos proyectos de AI + Web3 eligen superponer la narrativa y la economía de tokens de Web3 para fomentar la participación de los usuarios. Sin embargo, si la integración de la economía de tokens realmente ayuda a los proyectos de AI a resolver necesidades prácticas, o si es simplemente una narrativa o una búsqueda de valor a corto plazo, aún necesita ser observado y verificado.
Cinco, Resumen
La fusión de AI y Web3 proporciona posibilidades infinitas para la innovación tecnológica y el desarrollo económico del futuro. La tecnología de AI puede ofrecer escenarios de aplicación más eficientes e inteligentes para Web3, mientras que las características de descentralización y programabilidad de Web3 también brindan nuevas oportunidades para el desarrollo de la tecnología de AI.
A pesar de que los proyectos de AI+Web3 todavía se encuentran en una etapa temprana y enfrentan numerosos desafíos, también ofrecen algunas ventajas. Por ejemplo, los proyectos de computación y recolección de datos descentralizados pueden reducir la dependencia de las instituciones centralizadas, proporcionar una mayor transparencia y auditabilidad, así como facilitar una participación e innovación más amplias.
En el futuro, esperamos ver investigaciones y innovaciones más profundas para lograr una integración más estrecha entre la IA y Web3, así como en las finanzas y la descentralización.