La fusión de Web3 y AI: Construyendo la infraestructura de Internet de nueva generación
Web3, como un nuevo paradigma de internet descentralizado, abierto y transparente, presenta oportunidades de fusión naturales con la IA. La IA en arquitecturas tradicionales centralizadas enfrenta desafíos como cuellos de botella en el poder de cálculo, filtraciones de privacidad y falta de transparencia en los algoritmos, mientras que Web3, basado en tecnologías distribuidas, puede inyectar nueva energía a la IA a través de redes de poder de cálculo compartido, mercados de datos abiertos y computación privada. Al mismo tiempo, la IA también puede aportar muchas capacidades a Web3, como la optimización de contratos inteligentes y algoritmos anti-trampa. Explorar la combinación de ambos es de gran importancia para construir la infraestructura de internet de próxima generación y liberar el valor de los datos y el poder de cálculo.
Impulsado por datos: La base de la IA y Web3
Los datos son el motor principal que impulsa el desarrollo de la IA. Los modelos de IA necesitan una gran cantidad de datos de alta calidad para obtener una comprensión profunda y una fuerte capacidad de razonamiento; los datos no solo proporcionan la base de entrenamiento para los modelos de aprendizaje automático, sino que también determinan la exactitud y fiabilidad del modelo.
Los modelos tradicionales de adquisición y uso de datos de IA centralizada presentan varios problemas principales:
El costo de obtención de datos es alto, lo que dificulta que las pequeñas y medianas empresas lo asuman.
Los recursos de datos están monopolizados por grandes empresas tecnológicas, formando islas de datos.
Los datos personales enfrentan riesgos de filtración y abuso
El paradigma de datos descentralizados de Web3 puede resolver estos puntos de dolor:
Los usuarios pueden vender recursos de red no utilizados a empresas de IA, para capturar datos de red de manera descentralizada, limpiarlos y transformarlos, proporcionando datos reales y de alta calidad para el entrenamiento de modelos de IA.
Adoptar el modelo "label to earn", incentivando a trabajadores de todo el mundo a participar en la anotación de datos a través de tokens, reuniendo conocimientos profesionales globales y mejorando la capacidad de análisis de datos.
La plataforma de intercambio de datos en blockchain proporciona un entorno de transacción público y transparente para ambas partes de la oferta y la demanda de datos, incentivando la innovación y el intercambio de datos.
A pesar de eso, la obtención de datos en el mundo real también enfrenta algunos problemas, como la calidad variable de los datos, la dificultad en su procesamiento, y la falta de diversidad y representatividad. Los datos sintéticos podrían ser la estrella del futuro en la pista de datos de Web3. Basados en tecnología de IA generativa y simulaciones, los datos sintéticos pueden simular las propiedades de los datos reales, sirviendo como un complemento eficaz para mejorar la eficiencia en el uso de datos. En áreas como la conducción autónoma, el comercio en mercados financieros y el desarrollo de videojuegos, los datos sintéticos ya han mostrado un potencial de aplicación maduro.
Protección de la privacidad: Aplicaciones de FHE en Web3
En la era impulsada por datos, la protección de la privacidad se ha convertido en un foco de atención global, y la promulgación de algunas regulaciones refleja la estricta protección de la privacidad personal. Sin embargo, esto también conlleva desafíos: algunos datos sensibles no pueden aprovecharse plenamente debido a los riesgos de privacidad, lo que limita el potencial y la capacidad de razonamiento de los modelos de IA.
FHE, o cifrado homomórfico total, permite realizar operaciones de cálculo directamente sobre datos cifrados sin necesidad de descifrar los datos, y el resultado del cálculo es consistente con el resultado de realizar el mismo cálculo sobre datos en texto claro.
FHE proporciona una sólida protección para el cálculo de privacidad en IA, permitiendo que la potencia de cálculo de la GPU ejecute tareas de entrenamiento e inferencia de modelos en un entorno sin acceder a los datos originales. Esto brinda una gran ventaja a las empresas de IA, que pueden ofrecer servicios API de manera segura mientras protegen sus secretos comerciales.
FHEML admite el procesamiento de datos y modelos encriptados durante todo el ciclo de aprendizaje automático, asegurando la seguridad de la información sensible y previniendo el riesgo de filtración de datos. De esta manera, FHEML refuerza la privacidad de los datos y proporciona un marco de computación seguro para aplicaciones de IA.
FHEML es un complemento de ZKML; ZKML prueba la correcta ejecución del aprendizaje automático, mientras que FHEML enfatiza el cálculo sobre datos cifrados para mantener la privacidad de los datos.
Revolución de la potencia de cálculo: Cálculo de IA en redes descentralizadas
La complejidad computacional de los sistemas de IA actuales se duplica cada 3 meses, lo que provoca un aumento explosivo en la demanda de potencia de cálculo, superando con creces la oferta de recursos computacionales disponibles. Por ejemplo, el entrenamiento de un conocido modelo de IA requiere una enorme potencia de cálculo, equivalente a 355 años de tiempo de entrenamiento en un solo dispositivo. Esta escasez de potencia de cálculo no solo limita el progreso de la tecnología de IA, sino que también hace que los modelos avanzados de IA sean inalcanzables para la mayoría de los investigadores y desarrolladores.
Al mismo tiempo, la utilización global de GPU es inferior al 40%, sumado a la desaceleración en el aumento del rendimiento de los microprocesadores y la escasez de chips provocada por factores de la cadena de suministro y geopolíticos, lo que agrava aún más el problema del suministro de potencia de cálculo. Los profesionales de la IA se encuentran en un dilema: o compran hardware por su cuenta o alquilan recursos en la nube, y necesitan urgentemente una forma de servicio de computación que sea bajo demanda y económicamente eficiente.
Algunas redes de computación descentralizada de IA agregan recursos de GPU ociosos de todo el mundo para proporcionar un mercado de computación económico y fácil de usar para las empresas de IA. Los solicitantes de potencia de computación pueden publicar tareas de cálculo en la red, los contratos inteligentes asignan las tareas a los nodos mineros que contribuyen con potencia de computación, los mineros ejecutan las tareas y envían los resultados, y después de la verificación, reciben recompensas. Esta solución mejora la eficiencia en la utilización de recursos y ayuda a resolver el problema del cuello de botella en la potencia de computación en campos como la IA.
Además de las redes de computación descentralizadas generales, también existen plataformas enfocadas en el entrenamiento de IA y redes de computación especializadas en la inferencia de IA.
La red de computación descentralizada ofrece un mercado de potencia de cálculo justo y transparente, rompiendo monopolios, reduciendo las barreras de entrada y mejorando la eficiencia del uso de la potencia de cálculo. En el ecosistema web3, la red de computación descentralizada jugará un papel clave, atrayendo a más dapps innovadoras para impulsar conjuntamente el desarrollo y la aplicación de la tecnología de IA.
DePIN: Web3 empodera la IA en el borde
Imagina que tu teléfono móvil, reloj inteligente e incluso los dispositivos inteligentes de tu hogar tienen la capacidad de ejecutar IA; esta es la magia de Edge AI. Permite que el cálculo ocurra en la fuente de generación de datos, logrando un procesamiento en tiempo real con baja latencia, al mismo tiempo que protege la privacidad del usuario. La tecnología Edge AI se ha aplicado en campos clave como la conducción autónoma.
En el ámbito de Web3, tenemos un nombre más familiar: DePIN. Web3 enfatiza la descentralización y la soberanía de los datos del usuario, y DePIN, al procesar los datos localmente, puede mejorar la protección de la privacidad del usuario y reducir el riesgo de filtraciones de datos; el mecanismo económico nativo de Token de Web3 puede incentivar a los nodos de DePIN a proporcionar recursos de computación, construyendo un ecosistema sostenible.
Actualmente, DePIN se está desarrollando rápidamente en el ecosistema de una cierta cadena pública, convirtiéndose en una de las plataformas preferidas para el despliegue de proyectos. La alta TPS, los bajos costos de transacción y la innovación tecnológica de esta cadena pública brindan un fuerte apoyo a los proyectos DePIN. En la actualidad, el valor de mercado de los proyectos DePIN en esta cadena pública supera los 10 mil millones de dólares, y algunos proyectos conocidos han logrado avances significativos.
IMO: Nueva paradigma para el lanzamiento de modelos de IA
El concepto IMO fue propuesto por un protocolo que tokeniza modelos de IA.
En el modo tradicional, debido a la falta de un mecanismo de participación en los ingresos, los desarrolladores de modelos de IA a menudo tienen dificultades para obtener ingresos continuos de su uso posterior, especialmente cuando el modelo se integra en otros productos y servicios. Es difícil para los creadores originales rastrear el uso, y mucho menos obtener ingresos de ello. Además, el rendimiento y la efectividad de los modelos de IA a menudo carecen de transparencia, lo que dificulta que los inversores y usuarios potenciales evalúen su verdadero valor, limitando así el reconocimiento en el mercado y el potencial comercial del modelo.
IMO proporciona una nueva forma de financiamiento y compartición de valor para modelos de IA de código abierto, permitiendo a los inversores comprar tokens IMO y compartir las ganancias generadas por el modelo en el futuro. Un protocolo utiliza dos estándares ERC, combinando oráculos de IA y tecnología OPML para asegurar la autenticidad del modelo de IA y que los poseedores de tokens puedan compartir las ganancias.
El modo IMO ha aumentado la transparencia y la confianza, fomentando la colaboración de código abierto, adaptándose a las tendencias del mercado de criptomonedas y aportando impulso al desarrollo sostenible de la tecnología de IA. Actualmente, el IMO se encuentra en una fase de prueba inicial, pero a medida que aumenta la aceptación del mercado y se amplía la participación, su innovación y valor potencial son dignos de expectativas.
Agente de IA: Una nueva era de experiencia interactiva
El Agente de IA puede percibir el entorno, pensar de manera independiente y tomar acciones correspondientes para alcanzar objetivos establecidos. Con el apoyo de grandes modelos de lenguaje, el Agente de IA no solo puede entender el lenguaje natural, sino también planificar decisiones y ejecutar tareas complejas. Pueden actuar como asistentes virtuales, aprendiendo las preferencias de los usuarios a través de la interacción y proporcionando soluciones personalizadas. Incluso sin instrucciones claras, el Agente de IA puede resolver problemas de manera autónoma, mejorar la eficiencia y crear nuevo valor.
Una plataforma de aplicaciones nativas de IA ofrece un conjunto de herramientas de creación completas y fáciles de usar, que permiten a los usuarios configurar funciones de robot, apariencia, voz y conectarse a bases de datos externas, comprometida a crear un ecosistema de contenido de IA justo y abierto, utilizando tecnología de IA generativa para empoderar a los individuos a convertirse en creadores superdotados. La plataforma ha entrenado un modelo de lenguaje grande especializado, lo que humaniza el juego de roles; la tecnología de clonación de voz puede acelerar la interacción personalizada de productos de IA, reduciendo el costo de la síntesis de voz en un 99%, y la clonación de voz se puede lograr en solo 1 minuto. Utilizando el AI Agent personalizado de la plataforma, actualmente se puede aplicar en múltiples áreas como videollamadas, aprendizaje de idiomas, generación de imágenes, entre otros.
En la fusión de Web3 y AI, actualmente hay más exploración en la capa de infraestructura, cómo obtener datos de alta calidad, proteger la privacidad de los datos, cómo alojar modelos en la cadena, cómo mejorar el uso eficiente de la potencia de cálculo descentralizada, cómo validar modelos de lenguaje grande y otros problemas clave. A medida que esta infraestructura se perfecciona gradualmente, tenemos razones para creer que la fusión de Web3 y AI dará lugar a una serie de modelos de negocio y servicios innovadores.
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.
15 me gusta
Recompensa
15
6
Republicar
Compartir
Comentar
0/400
quietly_staking
· hace5h
Decir más no es tan efectivo como implementar la IA.
Ver originalesResponder0
JustHereForAirdrops
· hace5h
Este concepto es muy profundo, me voy, me voy.
Ver originalesResponder0
TxFailed
· hace5h
error clásico... pensar que web3 + ai = magia. aprendí por las malas que los protocolos aún necesitan una infraestructura adecuada
Ver originalesResponder0
GasFeeCrier
· hace5h
Verdaderamente gratis y también se puede afiliar.
Ver originalesResponder0
GasFeeCry
· hace5h
¡No puede ser, alcista! Los datos no tienen a nadie que los gestione.
Ver originalesResponder0
BakedCatFanboy
· hace5h
¿No has entendido el mercado de potencia computacional?
Web3 y la IA se fusionan: construyendo un ecosistema de datos y Potencia computacional descentralizado
La fusión de Web3 y AI: Construyendo la infraestructura de Internet de nueva generación
Web3, como un nuevo paradigma de internet descentralizado, abierto y transparente, presenta oportunidades de fusión naturales con la IA. La IA en arquitecturas tradicionales centralizadas enfrenta desafíos como cuellos de botella en el poder de cálculo, filtraciones de privacidad y falta de transparencia en los algoritmos, mientras que Web3, basado en tecnologías distribuidas, puede inyectar nueva energía a la IA a través de redes de poder de cálculo compartido, mercados de datos abiertos y computación privada. Al mismo tiempo, la IA también puede aportar muchas capacidades a Web3, como la optimización de contratos inteligentes y algoritmos anti-trampa. Explorar la combinación de ambos es de gran importancia para construir la infraestructura de internet de próxima generación y liberar el valor de los datos y el poder de cálculo.
Impulsado por datos: La base de la IA y Web3
Los datos son el motor principal que impulsa el desarrollo de la IA. Los modelos de IA necesitan una gran cantidad de datos de alta calidad para obtener una comprensión profunda y una fuerte capacidad de razonamiento; los datos no solo proporcionan la base de entrenamiento para los modelos de aprendizaje automático, sino que también determinan la exactitud y fiabilidad del modelo.
Los modelos tradicionales de adquisición y uso de datos de IA centralizada presentan varios problemas principales:
El paradigma de datos descentralizados de Web3 puede resolver estos puntos de dolor:
A pesar de eso, la obtención de datos en el mundo real también enfrenta algunos problemas, como la calidad variable de los datos, la dificultad en su procesamiento, y la falta de diversidad y representatividad. Los datos sintéticos podrían ser la estrella del futuro en la pista de datos de Web3. Basados en tecnología de IA generativa y simulaciones, los datos sintéticos pueden simular las propiedades de los datos reales, sirviendo como un complemento eficaz para mejorar la eficiencia en el uso de datos. En áreas como la conducción autónoma, el comercio en mercados financieros y el desarrollo de videojuegos, los datos sintéticos ya han mostrado un potencial de aplicación maduro.
Protección de la privacidad: Aplicaciones de FHE en Web3
En la era impulsada por datos, la protección de la privacidad se ha convertido en un foco de atención global, y la promulgación de algunas regulaciones refleja la estricta protección de la privacidad personal. Sin embargo, esto también conlleva desafíos: algunos datos sensibles no pueden aprovecharse plenamente debido a los riesgos de privacidad, lo que limita el potencial y la capacidad de razonamiento de los modelos de IA.
FHE, o cifrado homomórfico total, permite realizar operaciones de cálculo directamente sobre datos cifrados sin necesidad de descifrar los datos, y el resultado del cálculo es consistente con el resultado de realizar el mismo cálculo sobre datos en texto claro.
FHE proporciona una sólida protección para el cálculo de privacidad en IA, permitiendo que la potencia de cálculo de la GPU ejecute tareas de entrenamiento e inferencia de modelos en un entorno sin acceder a los datos originales. Esto brinda una gran ventaja a las empresas de IA, que pueden ofrecer servicios API de manera segura mientras protegen sus secretos comerciales.
FHEML admite el procesamiento de datos y modelos encriptados durante todo el ciclo de aprendizaje automático, asegurando la seguridad de la información sensible y previniendo el riesgo de filtración de datos. De esta manera, FHEML refuerza la privacidad de los datos y proporciona un marco de computación seguro para aplicaciones de IA.
FHEML es un complemento de ZKML; ZKML prueba la correcta ejecución del aprendizaje automático, mientras que FHEML enfatiza el cálculo sobre datos cifrados para mantener la privacidad de los datos.
Revolución de la potencia de cálculo: Cálculo de IA en redes descentralizadas
La complejidad computacional de los sistemas de IA actuales se duplica cada 3 meses, lo que provoca un aumento explosivo en la demanda de potencia de cálculo, superando con creces la oferta de recursos computacionales disponibles. Por ejemplo, el entrenamiento de un conocido modelo de IA requiere una enorme potencia de cálculo, equivalente a 355 años de tiempo de entrenamiento en un solo dispositivo. Esta escasez de potencia de cálculo no solo limita el progreso de la tecnología de IA, sino que también hace que los modelos avanzados de IA sean inalcanzables para la mayoría de los investigadores y desarrolladores.
Al mismo tiempo, la utilización global de GPU es inferior al 40%, sumado a la desaceleración en el aumento del rendimiento de los microprocesadores y la escasez de chips provocada por factores de la cadena de suministro y geopolíticos, lo que agrava aún más el problema del suministro de potencia de cálculo. Los profesionales de la IA se encuentran en un dilema: o compran hardware por su cuenta o alquilan recursos en la nube, y necesitan urgentemente una forma de servicio de computación que sea bajo demanda y económicamente eficiente.
Algunas redes de computación descentralizada de IA agregan recursos de GPU ociosos de todo el mundo para proporcionar un mercado de computación económico y fácil de usar para las empresas de IA. Los solicitantes de potencia de computación pueden publicar tareas de cálculo en la red, los contratos inteligentes asignan las tareas a los nodos mineros que contribuyen con potencia de computación, los mineros ejecutan las tareas y envían los resultados, y después de la verificación, reciben recompensas. Esta solución mejora la eficiencia en la utilización de recursos y ayuda a resolver el problema del cuello de botella en la potencia de computación en campos como la IA.
Además de las redes de computación descentralizadas generales, también existen plataformas enfocadas en el entrenamiento de IA y redes de computación especializadas en la inferencia de IA.
La red de computación descentralizada ofrece un mercado de potencia de cálculo justo y transparente, rompiendo monopolios, reduciendo las barreras de entrada y mejorando la eficiencia del uso de la potencia de cálculo. En el ecosistema web3, la red de computación descentralizada jugará un papel clave, atrayendo a más dapps innovadoras para impulsar conjuntamente el desarrollo y la aplicación de la tecnología de IA.
DePIN: Web3 empodera la IA en el borde
Imagina que tu teléfono móvil, reloj inteligente e incluso los dispositivos inteligentes de tu hogar tienen la capacidad de ejecutar IA; esta es la magia de Edge AI. Permite que el cálculo ocurra en la fuente de generación de datos, logrando un procesamiento en tiempo real con baja latencia, al mismo tiempo que protege la privacidad del usuario. La tecnología Edge AI se ha aplicado en campos clave como la conducción autónoma.
En el ámbito de Web3, tenemos un nombre más familiar: DePIN. Web3 enfatiza la descentralización y la soberanía de los datos del usuario, y DePIN, al procesar los datos localmente, puede mejorar la protección de la privacidad del usuario y reducir el riesgo de filtraciones de datos; el mecanismo económico nativo de Token de Web3 puede incentivar a los nodos de DePIN a proporcionar recursos de computación, construyendo un ecosistema sostenible.
Actualmente, DePIN se está desarrollando rápidamente en el ecosistema de una cierta cadena pública, convirtiéndose en una de las plataformas preferidas para el despliegue de proyectos. La alta TPS, los bajos costos de transacción y la innovación tecnológica de esta cadena pública brindan un fuerte apoyo a los proyectos DePIN. En la actualidad, el valor de mercado de los proyectos DePIN en esta cadena pública supera los 10 mil millones de dólares, y algunos proyectos conocidos han logrado avances significativos.
IMO: Nueva paradigma para el lanzamiento de modelos de IA
El concepto IMO fue propuesto por un protocolo que tokeniza modelos de IA.
En el modo tradicional, debido a la falta de un mecanismo de participación en los ingresos, los desarrolladores de modelos de IA a menudo tienen dificultades para obtener ingresos continuos de su uso posterior, especialmente cuando el modelo se integra en otros productos y servicios. Es difícil para los creadores originales rastrear el uso, y mucho menos obtener ingresos de ello. Además, el rendimiento y la efectividad de los modelos de IA a menudo carecen de transparencia, lo que dificulta que los inversores y usuarios potenciales evalúen su verdadero valor, limitando así el reconocimiento en el mercado y el potencial comercial del modelo.
IMO proporciona una nueva forma de financiamiento y compartición de valor para modelos de IA de código abierto, permitiendo a los inversores comprar tokens IMO y compartir las ganancias generadas por el modelo en el futuro. Un protocolo utiliza dos estándares ERC, combinando oráculos de IA y tecnología OPML para asegurar la autenticidad del modelo de IA y que los poseedores de tokens puedan compartir las ganancias.
El modo IMO ha aumentado la transparencia y la confianza, fomentando la colaboración de código abierto, adaptándose a las tendencias del mercado de criptomonedas y aportando impulso al desarrollo sostenible de la tecnología de IA. Actualmente, el IMO se encuentra en una fase de prueba inicial, pero a medida que aumenta la aceptación del mercado y se amplía la participación, su innovación y valor potencial son dignos de expectativas.
Agente de IA: Una nueva era de experiencia interactiva
El Agente de IA puede percibir el entorno, pensar de manera independiente y tomar acciones correspondientes para alcanzar objetivos establecidos. Con el apoyo de grandes modelos de lenguaje, el Agente de IA no solo puede entender el lenguaje natural, sino también planificar decisiones y ejecutar tareas complejas. Pueden actuar como asistentes virtuales, aprendiendo las preferencias de los usuarios a través de la interacción y proporcionando soluciones personalizadas. Incluso sin instrucciones claras, el Agente de IA puede resolver problemas de manera autónoma, mejorar la eficiencia y crear nuevo valor.
Una plataforma de aplicaciones nativas de IA ofrece un conjunto de herramientas de creación completas y fáciles de usar, que permiten a los usuarios configurar funciones de robot, apariencia, voz y conectarse a bases de datos externas, comprometida a crear un ecosistema de contenido de IA justo y abierto, utilizando tecnología de IA generativa para empoderar a los individuos a convertirse en creadores superdotados. La plataforma ha entrenado un modelo de lenguaje grande especializado, lo que humaniza el juego de roles; la tecnología de clonación de voz puede acelerar la interacción personalizada de productos de IA, reduciendo el costo de la síntesis de voz en un 99%, y la clonación de voz se puede lograr en solo 1 minuto. Utilizando el AI Agent personalizado de la plataforma, actualmente se puede aplicar en múltiples áreas como videollamadas, aprendizaje de idiomas, generación de imágenes, entre otros.
En la fusión de Web3 y AI, actualmente hay más exploración en la capa de infraestructura, cómo obtener datos de alta calidad, proteger la privacidad de los datos, cómo alojar modelos en la cadena, cómo mejorar el uso eficiente de la potencia de cálculo descentralizada, cómo validar modelos de lenguaje grande y otros problemas clave. A medida que esta infraestructura se perfecciona gradualmente, tenemos razones para creer que la fusión de Web3 y AI dará lugar a una serie de modelos de negocio y servicios innovadores.