A fusão da IA com o Web3: análise do estado atual e perspectivas de desenvolvimento
I. Introdução: O desenvolvimento do AI+Web3
Nos últimos anos, o rápido desenvolvimento da inteligência artificial (IA) e das tecnologias Web3 chamou a atenção em todo o mundo. A IA, como uma tecnologia que simula e imita a inteligência humana, fez grandes avanços em áreas como reconhecimento facial, processamento de linguagem natural e aprendizado de máquina, trazendo enormes mudanças e inovações para diversos setores.
Em 2023, o mercado da indústria de IA alcançou 200 bilhões de dólares, com empresas de destaque como OpenAI, Character.AI e Midjourney a surgirem rapidamente, liderando a onda de IA. Ao mesmo tempo, o Web3, como um novo modelo de rede emergente, está mudando a percepção e a forma como as pessoas utilizam a internet. O Web3, baseado em tecnologia de blockchain descentralizada, realiza o compartilhamento e controle de dados, a autonomia dos usuários e a criação de mecanismos de confiança através de funções como contratos inteligentes, armazenamento distribuído e autenticação descentralizada.
Atualmente, o valor de mercado da indústria Web3 atingiu 25 trilhões, com projetos como Bitcoin, Ethereum, Solana e aplicações como Uniswap, Stepn constantemente surgindo novas narrativas e cenários, atraindo cada vez mais pessoas para a indústria Web3. A combinação de IA e Web3 tornou-se um campo de grande interesse para desenvolvedores e investidores do Ocidente e do Oriente, e como integrar ambos de forma eficaz é uma questão que vale a pena explorar.
Este artigo irá focar no estado atual do desenvolvimento de AI+Web3, analisando a situação dos projetos de AI+Web3 e discutindo profundamente as limitações e desafios que enfrentam. Através desta pesquisa, esperamos poder fornecer referências e insights valiosos para investidores e profissionais do setor.
Dois, Formas de Interação entre AI e Web3
O desenvolvimento da IA e do Web3 é como os dois lados de uma balança, a IA trouxe o aumento da produtividade, enquanto o Web3 trouxe a transformação das relações de produção. Que tipo de faísca pode surgir do encontro da IA e do Web3? A seguir, iremos analisar as dificuldades e os espaços de melhoria que cada setor enfrenta, e depois discutiremos como eles podem ajudar a resolver esses dilemas.
2.1 Dificuldades enfrentadas pela indústria de IA
O núcleo da indústria de IA não pode prescindir de três elementos: poder computacional, algoritmos e dados.
Poder de cálculo: Tarefas de IA geralmente exigem o processamento de grandes quantidades de dados e a realização de cálculos complexos, como o treinamento de modelos de redes neurais profundas. Uma capacidade de cálculo de alta intensidade pode acelerar o processo de treinamento e inferência do modelo, melhorando o desempenho e a eficiência dos sistemas de IA. Nos últimos anos, com o desenvolvimento das tecnologias de hardware, como as unidades de processamento gráfico (GPU) e os chips de IA dedicados (como TPU), o aumento do poder de cálculo tem desempenhado um papel importante no impulso do desenvolvimento da indústria de IA.
Algoritmo: A parte central dos sistemas de IA, que são métodos matemáticos e estatísticos utilizados para resolver problemas e realizar tarefas. Os algoritmos de IA podem ser divididos em algoritmos de aprendizado de máquina tradicionais e algoritmos de aprendizado profundo, sendo que os algoritmos de aprendizado profundo fizeram avanços significativos nos últimos anos. A escolha e o design do algoritmo são cruciais para o desempenho e a eficácia dos sistemas de IA.
Dados: A tarefa principal dos sistemas de IA é extrair padrões e regularidades dos dados através de aprendizado e treinamento. Os dados são a base para treinar e otimizar modelos; através de amostras de dados em larga escala, os sistemas de IA podem aprender modelos mais precisos e inteligentes. Conjuntos de dados ricos podem fornecer informações mais abrangentes e diversificadas, permitindo que os modelos generalizem melhor para dados não vistos.
As principais dificuldades enfrentadas pela indústria de IA incluem:
Em termos de poder de computação: obter e gerenciar uma grande escala de poder de computação é um desafio caro e complexo. O custo, o consumo de energia e a manutenção de equipamentos de computação de alto desempenho são todos problemas.
Em termos de algoritmos: o treinamento de redes neurais profundas requer grandes quantidades de dados e recursos computacionais, e a interpretabilidade e a explicabilidade do modelo podem ser insuficientes. A robustez e a capacidade de generalização do algoritmo também são questões importantes.
Em termos de dados: obter dados de alta qualidade e diversificados continua a ser um desafio. A qualidade, precisão e rotulagem dos dados também são problemas, dados incompletos ou tendenciosos podem levar a comportamentos ou desvios errados dos modelos.
Explicabilidade e transparência: A natureza de caixa preta dos modelos de IA é uma preocupação pública. Para certas aplicações, como finanças, saúde e justiça, o processo de decisão do modelo precisa ser explicável e rastreável.
Modelo de Negócio: Muitos projetos de IA têm um modelo de negócio pouco claro, o que deixa muitos empreendedores de IA confusos.
2.2 Os desafios enfrentados pela indústria Web3
A indústria Web3 também enfrenta muitas dificuldades diferentes que precisam ser resolvidas, incluindo:
Análise de dados Web3
A experiência do usuário em produtos Web3 é insatisfatória
Problemas de vulnerabilidades de código de contratos inteligentes e ataques de hackers
A IA como uma ferramenta para aumentar a produtividade tem muito espaço potencial para se desenvolver nessas áreas:
Capacidade de análise e previsão de dados: A tecnologia de IA pode ajudar as plataformas Web3 a extrair informações valiosas de grandes volumes de dados e a realizar previsões e decisões mais precisas. Isso é de grande importância em áreas como avaliação de riscos, previsão de mercado e gestão de ativos no setor financeiro descentralizado (DeFi).
Experiência do usuário e serviços personalizados: A tecnologia de IA pode ajudar as plataformas Web3 a oferecer uma melhor experiência ao usuário e serviços personalizados, aumentando a participação e satisfação dos usuários.
Segurança e proteção da privacidade: A tecnologia de IA pode ser utilizada para detectar e defender contra ataques cibernéticos, identificar comportamentos anômalos e oferecer uma proteção de segurança mais robusta. Ao mesmo tempo, a IA também pode ser aplicada na proteção da privacidade dos dados, através de tecnologias como criptografia de dados e computação privada, para proteger as informações pessoais dos usuários nas plataformas Web3.
Auditoria de contratos inteligentes: A tecnologia de IA pode ser utilizada para automatizar a auditoria de contratos e a deteção de vulnerabilidades, aumentando a segurança e a fiabilidade dos contratos.
Três, Análise do Estado Atual dos Projetos AI+Web3
Os projetos AI+Web3 abordam principalmente dois grandes aspectos: utilizar a tecnologia blockchain para melhorar o desempenho dos projetos de IA e usar a tecnologia de IA para apoiar a melhoria dos projetos Web3.
3.1 Web3 impulsiona a IA
3.1.1 Computação descentralizada
Com o rápido desenvolvimento da IA, a demanda por GPUs aumentou significativamente, resultando em uma situação de escassez. Alguns projetos Web3 começaram a tentar fornecer serviços de computação de forma descentralizada, como Akash, Render e Gensyn. Esses projetos incentivam os usuários a disponibilizar GPUs ociosas através de tokens, tornando-se o lado da oferta de computação e fornecendo suporte de computação para clientes de IA.
O lado da oferta inclui principalmente provedores de serviços em nuvem, mineradores de criptomoedas e grandes empresas. Atualmente, os jogadores no setor podem ser divididos em duas categorias: uma que utiliza o poder de computação descentralizado para inferência de IA, e outra que usa o poder de computação descentralizado para treinamento de IA.
O núcleo de um projeto de poder computacional descentralizado reside na atração de fornecedores através de um mecanismo de incentivo com tokens, seguido pela atração de usuários para uso, possibilitando assim a inicialização fria do projeto e seu mecanismo de operação central. Nesse ciclo, o lado da oferta recebe mais recompensas em tokens valiosos, enquanto o lado da demanda obtém serviços mais baratos e com melhor relação custo-benefício.
3.1.2 Modelo de algoritmo descentralizado
Alguns projetos tentam estabelecer um mercado de serviços de algoritmos de IA descentralizados, ligando muitos modelos de IA diferentes. Quando os usuários fazem perguntas, o mercado seleciona o modelo de IA mais adequado para responder à pergunta.
Tomando Bittensor como exemplo, o lado da oferta do modelo algorítmico (mineradores) contribui com seus modelos de aprendizado de máquina para a rede. Os provedores de modelos recebem a moeda criptográfica TAO como recompensa por suas contribuições. Para garantir a qualidade das respostas, Bittensor utiliza um mecanismo de consenso único para assegurar que a rede chegue a um consenso sobre as melhores respostas.
3.1.3 Coleta de dados descentralizada
Alguns projetos combinam o Web3 com incentivos em tokens para realizar a coleta de dados descentralizada. Por exemplo, o PublicAI permite que os usuários compartilhem conteúdo valioso nas redes sociais e recebam incentivos em tokens. Essa abordagem promove a colaboração entre os contribuidores de dados e o desenvolvimento da indústria de inteligência artificial.
3.1.4 ZK proteção da privacidade do usuário em IA
A tecnologia de prova de conhecimento zero pode ajudar a resolver o conflito entre proteção de privacidade e compartilhamento de dados. O ZKML (Zero-Knowledge Machine Learning) permite o treinamento e a inferência de modelos de aprendizado de máquina sem revelar os dados originais, utilizando a tecnologia de prova de conhecimento zero.
3.2 AI impulsiona o web3
3.2.1 Análise de Dados e Previsão
Muitos projetos Web3 começaram a integrar serviços de IA existentes ou ferramentas de IA desenvolvidas internamente para fornecer aos usuários serviços de análise de dados e previsões. Esses serviços abrangem várias áreas, incluindo estratégias de investimento, análise on-chain, previsões de preços e de mercado.
Por exemplo, o Pond utiliza algoritmos de IA para prever futuros tokens alpha valiosos; o BullBear AI é treinado com base nos dados históricos dos usuários e na história dos preços, além das tendências do mercado, para fornecer previsões precisas sobre o movimento dos preços; o Numerai é uma plataforma de competição de investimento onde os participantes usam IA e grandes modelos de linguagem para prever o mercado de ações.
3.2.2 Serviços Personalizados
Alguns projetos Web3 estão otimizando a experiência do usuário através da integração de IA. Por exemplo, a plataforma de análise de dados Dune lançou a ferramenta Wand, que utiliza grandes modelos de linguagem para escrever consultas SQL; a plataforma de mídia Web3 Followin integrou o ChatGPT para resumir opiniões e as últimas novidades de um determinado setor; a plataforma de enciclopédia Web3 IQ.wiki integrou o GPT-4 para resumir artigos da wiki.
3.2.3 Auditoria de Contratos Inteligentes com IA
Alguns projetos utilizam AI para realizar auditorias de código de contratos inteligentes, a fim de identificar e localizar de forma mais eficiente e precisa as vulnerabilidades no código. Por exemplo, o projeto 0x0.ai oferece um auditor de contratos inteligentes baseado em inteligência artificial, que utiliza algoritmos avançados para analisar contratos inteligentes e identificar potenciais vulnerabilidades ou problemas.
Quatro, Limitações e Desafios Atuais dos Projetos AI+Web3
4.1 Obstáculos reais existentes na computação descentralizada
Os produtos de poder computacional descentralizado enfrentam os seguintes desafios:
O desempenho e a estabilidade podem ser inferiores aos produtos de computação centralizados.
A disponibilidade é afetada pelo grau de correspondência entre a oferta e a procura.
O custo para os usuários é relativamente alto, sendo necessário entender mais detalhes técnicos.
Atualmente, está principalmente limitado à inferência de IA e não ao treinamento de IA.
O treinamento de grandes modelos de IA requer uma quantidade enorme de dados e largura de banda de comunicação de alta velocidade, e atualmente o poder computacional descentralizado é difícil de atender a esses requisitos. Em comparação, a inferência de IA tem uma demanda menor por dados e largura de banda, tornando sua implementação mais viável.
A combinação de AI+Web3 é bastante rudimentar, não alcançou 1+1>2.
Atualmente, a combinação de AI e Web3 manifesta-se principalmente em dois aspectos:
Muitos projetos simplesmente utilizam a IA para aumentar a eficiência e realizar análises, sem demonstrar a fusão nativa entre a IA e as criptomoedas ou soluções inovadoras.
Algumas equipas Web3 estão a utilizar o conceito de IA principalmente a nível de marketing, mas ainda existe uma grande lacuna em termos de verdadeira inovação.
4.3 A economia dos tokens torna-se um amortecedor na narrativa dos projetos de IA
Com o crescente número de grandes modelos a tornarem-se gradualmente open source, muitos projetos de AI+Web3 escolhem sobrepor a narrativa e a economia de tokens do Web3 para promover a participação dos utilizadores. No entanto, a inclusão da economia de tokens realmente ajuda os projetos de AI a resolver necessidades reais, ou é apenas uma narrativa ou uma busca por valor a curto prazo, ainda precisa de mais observação e validação.
Cinco, Resumo
A fusão de AI+Web3 oferece possibilidades infinitas para a inovação tecnológica e o desenvolvimento econômico do futuro. A tecnologia de IA pode fornecer cenários de aplicação mais eficientes e inteligentes para o Web3, enquanto as características de descentralização e programabilidade do Web3 também oferecem novas oportunidades para o desenvolvimento da tecnologia de IA.
Embora os projetos de AI+Web3 ainda se encontrem numa fase inicial e enfrentem muitos desafios, eles também trazem algumas vantagens. Por exemplo, os projetos de computação descentralizada e coleta de dados podem reduzir a dependência de instituições centralizadas, oferecer maior transparência e auditabilidade, além de possibilitar uma participação e inovação mais amplas.
No futuro, esperamos ver pesquisas e inovações mais profundas para alcançar uma integração mais estreita entre a IA e o Web3, e no setor financeiro, descentralizado.
Ver original
Esta página pode conter conteúdo de terceiros, que é fornecido apenas para fins informativos (não para representações/garantias) e não deve ser considerada como um endosso de suas opiniões pela Gate nem como aconselhamento financeiro ou profissional. Consulte a Isenção de responsabilidade para obter detalhes.
9 Curtidas
Recompensa
9
4
Compartilhar
Comentário
0/400
ThatsNotARugPull
· 16h atrás
Já chegou aos 200 bilhões? Absurdo
Ver originalResponder0
ChainWatcher
· 16h atrás
Os autocarros não chegam a horas, e ainda querem integrar a IA.
Ver originalResponder0
NeverVoteOnDAO
· 16h atrás
A IA unifica o mundo? Acorda!
Ver originalResponder0
SnapshotStriker
· 16h atrás
Mais uma vez a aproveitar a popularidade do web3 e da IA.
Estado atual e desafios da fusão AI+Web3: Oportunidades e limitações na interseção de tecnologias emergentes
A fusão da IA com o Web3: análise do estado atual e perspectivas de desenvolvimento
I. Introdução: O desenvolvimento do AI+Web3
Nos últimos anos, o rápido desenvolvimento da inteligência artificial (IA) e das tecnologias Web3 chamou a atenção em todo o mundo. A IA, como uma tecnologia que simula e imita a inteligência humana, fez grandes avanços em áreas como reconhecimento facial, processamento de linguagem natural e aprendizado de máquina, trazendo enormes mudanças e inovações para diversos setores.
Em 2023, o mercado da indústria de IA alcançou 200 bilhões de dólares, com empresas de destaque como OpenAI, Character.AI e Midjourney a surgirem rapidamente, liderando a onda de IA. Ao mesmo tempo, o Web3, como um novo modelo de rede emergente, está mudando a percepção e a forma como as pessoas utilizam a internet. O Web3, baseado em tecnologia de blockchain descentralizada, realiza o compartilhamento e controle de dados, a autonomia dos usuários e a criação de mecanismos de confiança através de funções como contratos inteligentes, armazenamento distribuído e autenticação descentralizada.
Atualmente, o valor de mercado da indústria Web3 atingiu 25 trilhões, com projetos como Bitcoin, Ethereum, Solana e aplicações como Uniswap, Stepn constantemente surgindo novas narrativas e cenários, atraindo cada vez mais pessoas para a indústria Web3. A combinação de IA e Web3 tornou-se um campo de grande interesse para desenvolvedores e investidores do Ocidente e do Oriente, e como integrar ambos de forma eficaz é uma questão que vale a pena explorar.
Este artigo irá focar no estado atual do desenvolvimento de AI+Web3, analisando a situação dos projetos de AI+Web3 e discutindo profundamente as limitações e desafios que enfrentam. Através desta pesquisa, esperamos poder fornecer referências e insights valiosos para investidores e profissionais do setor.
Dois, Formas de Interação entre AI e Web3
O desenvolvimento da IA e do Web3 é como os dois lados de uma balança, a IA trouxe o aumento da produtividade, enquanto o Web3 trouxe a transformação das relações de produção. Que tipo de faísca pode surgir do encontro da IA e do Web3? A seguir, iremos analisar as dificuldades e os espaços de melhoria que cada setor enfrenta, e depois discutiremos como eles podem ajudar a resolver esses dilemas.
2.1 Dificuldades enfrentadas pela indústria de IA
O núcleo da indústria de IA não pode prescindir de três elementos: poder computacional, algoritmos e dados.
Poder de cálculo: Tarefas de IA geralmente exigem o processamento de grandes quantidades de dados e a realização de cálculos complexos, como o treinamento de modelos de redes neurais profundas. Uma capacidade de cálculo de alta intensidade pode acelerar o processo de treinamento e inferência do modelo, melhorando o desempenho e a eficiência dos sistemas de IA. Nos últimos anos, com o desenvolvimento das tecnologias de hardware, como as unidades de processamento gráfico (GPU) e os chips de IA dedicados (como TPU), o aumento do poder de cálculo tem desempenhado um papel importante no impulso do desenvolvimento da indústria de IA.
Algoritmo: A parte central dos sistemas de IA, que são métodos matemáticos e estatísticos utilizados para resolver problemas e realizar tarefas. Os algoritmos de IA podem ser divididos em algoritmos de aprendizado de máquina tradicionais e algoritmos de aprendizado profundo, sendo que os algoritmos de aprendizado profundo fizeram avanços significativos nos últimos anos. A escolha e o design do algoritmo são cruciais para o desempenho e a eficácia dos sistemas de IA.
Dados: A tarefa principal dos sistemas de IA é extrair padrões e regularidades dos dados através de aprendizado e treinamento. Os dados são a base para treinar e otimizar modelos; através de amostras de dados em larga escala, os sistemas de IA podem aprender modelos mais precisos e inteligentes. Conjuntos de dados ricos podem fornecer informações mais abrangentes e diversificadas, permitindo que os modelos generalizem melhor para dados não vistos.
As principais dificuldades enfrentadas pela indústria de IA incluem:
Em termos de poder de computação: obter e gerenciar uma grande escala de poder de computação é um desafio caro e complexo. O custo, o consumo de energia e a manutenção de equipamentos de computação de alto desempenho são todos problemas.
Em termos de algoritmos: o treinamento de redes neurais profundas requer grandes quantidades de dados e recursos computacionais, e a interpretabilidade e a explicabilidade do modelo podem ser insuficientes. A robustez e a capacidade de generalização do algoritmo também são questões importantes.
Em termos de dados: obter dados de alta qualidade e diversificados continua a ser um desafio. A qualidade, precisão e rotulagem dos dados também são problemas, dados incompletos ou tendenciosos podem levar a comportamentos ou desvios errados dos modelos.
Explicabilidade e transparência: A natureza de caixa preta dos modelos de IA é uma preocupação pública. Para certas aplicações, como finanças, saúde e justiça, o processo de decisão do modelo precisa ser explicável e rastreável.
Modelo de Negócio: Muitos projetos de IA têm um modelo de negócio pouco claro, o que deixa muitos empreendedores de IA confusos.
2.2 Os desafios enfrentados pela indústria Web3
A indústria Web3 também enfrenta muitas dificuldades diferentes que precisam ser resolvidas, incluindo:
A IA como uma ferramenta para aumentar a produtividade tem muito espaço potencial para se desenvolver nessas áreas:
Capacidade de análise e previsão de dados: A tecnologia de IA pode ajudar as plataformas Web3 a extrair informações valiosas de grandes volumes de dados e a realizar previsões e decisões mais precisas. Isso é de grande importância em áreas como avaliação de riscos, previsão de mercado e gestão de ativos no setor financeiro descentralizado (DeFi).
Experiência do usuário e serviços personalizados: A tecnologia de IA pode ajudar as plataformas Web3 a oferecer uma melhor experiência ao usuário e serviços personalizados, aumentando a participação e satisfação dos usuários.
Segurança e proteção da privacidade: A tecnologia de IA pode ser utilizada para detectar e defender contra ataques cibernéticos, identificar comportamentos anômalos e oferecer uma proteção de segurança mais robusta. Ao mesmo tempo, a IA também pode ser aplicada na proteção da privacidade dos dados, através de tecnologias como criptografia de dados e computação privada, para proteger as informações pessoais dos usuários nas plataformas Web3.
Auditoria de contratos inteligentes: A tecnologia de IA pode ser utilizada para automatizar a auditoria de contratos e a deteção de vulnerabilidades, aumentando a segurança e a fiabilidade dos contratos.
Três, Análise do Estado Atual dos Projetos AI+Web3
Os projetos AI+Web3 abordam principalmente dois grandes aspectos: utilizar a tecnologia blockchain para melhorar o desempenho dos projetos de IA e usar a tecnologia de IA para apoiar a melhoria dos projetos Web3.
3.1 Web3 impulsiona a IA
3.1.1 Computação descentralizada
Com o rápido desenvolvimento da IA, a demanda por GPUs aumentou significativamente, resultando em uma situação de escassez. Alguns projetos Web3 começaram a tentar fornecer serviços de computação de forma descentralizada, como Akash, Render e Gensyn. Esses projetos incentivam os usuários a disponibilizar GPUs ociosas através de tokens, tornando-se o lado da oferta de computação e fornecendo suporte de computação para clientes de IA.
O lado da oferta inclui principalmente provedores de serviços em nuvem, mineradores de criptomoedas e grandes empresas. Atualmente, os jogadores no setor podem ser divididos em duas categorias: uma que utiliza o poder de computação descentralizado para inferência de IA, e outra que usa o poder de computação descentralizado para treinamento de IA.
O núcleo de um projeto de poder computacional descentralizado reside na atração de fornecedores através de um mecanismo de incentivo com tokens, seguido pela atração de usuários para uso, possibilitando assim a inicialização fria do projeto e seu mecanismo de operação central. Nesse ciclo, o lado da oferta recebe mais recompensas em tokens valiosos, enquanto o lado da demanda obtém serviços mais baratos e com melhor relação custo-benefício.
3.1.2 Modelo de algoritmo descentralizado
Alguns projetos tentam estabelecer um mercado de serviços de algoritmos de IA descentralizados, ligando muitos modelos de IA diferentes. Quando os usuários fazem perguntas, o mercado seleciona o modelo de IA mais adequado para responder à pergunta.
Tomando Bittensor como exemplo, o lado da oferta do modelo algorítmico (mineradores) contribui com seus modelos de aprendizado de máquina para a rede. Os provedores de modelos recebem a moeda criptográfica TAO como recompensa por suas contribuições. Para garantir a qualidade das respostas, Bittensor utiliza um mecanismo de consenso único para assegurar que a rede chegue a um consenso sobre as melhores respostas.
3.1.3 Coleta de dados descentralizada
Alguns projetos combinam o Web3 com incentivos em tokens para realizar a coleta de dados descentralizada. Por exemplo, o PublicAI permite que os usuários compartilhem conteúdo valioso nas redes sociais e recebam incentivos em tokens. Essa abordagem promove a colaboração entre os contribuidores de dados e o desenvolvimento da indústria de inteligência artificial.
3.1.4 ZK proteção da privacidade do usuário em IA
A tecnologia de prova de conhecimento zero pode ajudar a resolver o conflito entre proteção de privacidade e compartilhamento de dados. O ZKML (Zero-Knowledge Machine Learning) permite o treinamento e a inferência de modelos de aprendizado de máquina sem revelar os dados originais, utilizando a tecnologia de prova de conhecimento zero.
3.2 AI impulsiona o web3
3.2.1 Análise de Dados e Previsão
Muitos projetos Web3 começaram a integrar serviços de IA existentes ou ferramentas de IA desenvolvidas internamente para fornecer aos usuários serviços de análise de dados e previsões. Esses serviços abrangem várias áreas, incluindo estratégias de investimento, análise on-chain, previsões de preços e de mercado.
Por exemplo, o Pond utiliza algoritmos de IA para prever futuros tokens alpha valiosos; o BullBear AI é treinado com base nos dados históricos dos usuários e na história dos preços, além das tendências do mercado, para fornecer previsões precisas sobre o movimento dos preços; o Numerai é uma plataforma de competição de investimento onde os participantes usam IA e grandes modelos de linguagem para prever o mercado de ações.
3.2.2 Serviços Personalizados
Alguns projetos Web3 estão otimizando a experiência do usuário através da integração de IA. Por exemplo, a plataforma de análise de dados Dune lançou a ferramenta Wand, que utiliza grandes modelos de linguagem para escrever consultas SQL; a plataforma de mídia Web3 Followin integrou o ChatGPT para resumir opiniões e as últimas novidades de um determinado setor; a plataforma de enciclopédia Web3 IQ.wiki integrou o GPT-4 para resumir artigos da wiki.
3.2.3 Auditoria de Contratos Inteligentes com IA
Alguns projetos utilizam AI para realizar auditorias de código de contratos inteligentes, a fim de identificar e localizar de forma mais eficiente e precisa as vulnerabilidades no código. Por exemplo, o projeto 0x0.ai oferece um auditor de contratos inteligentes baseado em inteligência artificial, que utiliza algoritmos avançados para analisar contratos inteligentes e identificar potenciais vulnerabilidades ou problemas.
Quatro, Limitações e Desafios Atuais dos Projetos AI+Web3
4.1 Obstáculos reais existentes na computação descentralizada
Os produtos de poder computacional descentralizado enfrentam os seguintes desafios:
O treinamento de grandes modelos de IA requer uma quantidade enorme de dados e largura de banda de comunicação de alta velocidade, e atualmente o poder computacional descentralizado é difícil de atender a esses requisitos. Em comparação, a inferência de IA tem uma demanda menor por dados e largura de banda, tornando sua implementação mais viável.
A combinação de AI+Web3 é bastante rudimentar, não alcançou 1+1>2.
Atualmente, a combinação de AI e Web3 manifesta-se principalmente em dois aspectos:
Muitos projetos simplesmente utilizam a IA para aumentar a eficiência e realizar análises, sem demonstrar a fusão nativa entre a IA e as criptomoedas ou soluções inovadoras.
Algumas equipas Web3 estão a utilizar o conceito de IA principalmente a nível de marketing, mas ainda existe uma grande lacuna em termos de verdadeira inovação.
4.3 A economia dos tokens torna-se um amortecedor na narrativa dos projetos de IA
Com o crescente número de grandes modelos a tornarem-se gradualmente open source, muitos projetos de AI+Web3 escolhem sobrepor a narrativa e a economia de tokens do Web3 para promover a participação dos utilizadores. No entanto, a inclusão da economia de tokens realmente ajuda os projetos de AI a resolver necessidades reais, ou é apenas uma narrativa ou uma busca por valor a curto prazo, ainda precisa de mais observação e validação.
Cinco, Resumo
A fusão de AI+Web3 oferece possibilidades infinitas para a inovação tecnológica e o desenvolvimento econômico do futuro. A tecnologia de IA pode fornecer cenários de aplicação mais eficientes e inteligentes para o Web3, enquanto as características de descentralização e programabilidade do Web3 também oferecem novas oportunidades para o desenvolvimento da tecnologia de IA.
Embora os projetos de AI+Web3 ainda se encontrem numa fase inicial e enfrentem muitos desafios, eles também trazem algumas vantagens. Por exemplo, os projetos de computação descentralizada e coleta de dados podem reduzir a dependência de instituições centralizadas, oferecer maior transparência e auditabilidade, além de possibilitar uma participação e inovação mais amplas.
No futuro, esperamos ver pesquisas e inovações mais profundas para alcançar uma integração mais estreita entre a IA e o Web3, e no setor financeiro, descentralizado.