- Tema
72k Popularidad
27k Popularidad
9k Popularidad
4k Popularidad
4k Popularidad
29k Popularidad
16k Popularidad
22k Popularidad
12k Popularidad
2k Popularidad
- Anclado
72k Popularidad
27k Popularidad
9k Popularidad
4k Popularidad
4k Popularidad
29k Popularidad
16k Popularidad
22k Popularidad
12k Popularidad
2k Popularidad
Web3 y AI se fusionan: Construyendo un nuevo ecosistema de internet inteligente Descentralización
La fusión de Web3 y AI: Construyendo el ecosistema de la próxima generación de Internet
Web3, como un nuevo modelo de internet descentralizado, abierto y transparente, tiene un punto de conexión natural con la IA. En una arquitectura tradicional centralizada, los recursos de computación y datos de la IA están estrictamente limitados, enfrentando múltiples desafíos como cuellos de botella en la capacidad de procesamiento, filtraciones de privacidad y falta de transparencia en los algoritmos. Web3, basado en tecnologías distribuidas, ofrece un nuevo impulso para el desarrollo de la IA a través de redes de computación compartida, mercados de datos abiertos y computación privada. Al mismo tiempo, la IA también puede aportar numerosas mejoras a Web3, como la optimización de contratos inteligentes y algoritmos anti-trampa, promoviendo el desarrollo de su ecosistema. Por lo tanto, explorar la combinación de Web3 y la IA es de gran importancia para construir la infraestructura de internet de próxima generación y liberar el valor de los datos y la capacidad de procesamiento.
Impulsado por datos: La sólida base de la IA y Web3
Los datos son el motor central que impulsa el desarrollo de la IA. Los modelos de IA necesitan procesar enormes cantidades de datos de alta calidad para obtener una comprensión profunda y una potente capacidad de razonamiento. Los datos no solo proporcionan la base de entrenamiento para los modelos de aprendizaje automático, sino que también determinan la precisión y la fiabilidad del modelo.
Los modelos tradicionales de obtención y utilización de datos de IA centralizada presentan los siguientes problemas principales:
Web3 ofrece un nuevo paradigma de datos descentralizados para abordar estos puntos críticos:
A pesar de ello, la obtención de datos del mundo real aún presenta algunos problemas, como la calidad variable de los datos, la dificultad de procesamiento, la falta de diversidad y representatividad, entre otros. Los datos sintéticos podrían ser un punto destacado en el futuro del ámbito de datos Web3. Basados en tecnologías de IA generativa y simulaciones, los datos sintéticos pueden imitar las propiedades de los datos reales, sirviendo como un complemento efectivo a los datos reales y mejorando la eficiencia del uso de datos. En campos como la conducción autónoma, el comercio en mercados financieros y el desarrollo de videojuegos, los datos sintéticos ya han demostrado un potencial de aplicación maduro.
Protección de la privacidad: el papel de FHE en Web3
En la era impulsada por datos, la protección de la privacidad se ha convertido en un foco de atención global. Algunos datos sensibles no pueden ser utilizados plenamente debido a los riesgos de privacidad, lo que limita el potencial y la capacidad de razonamiento de los modelos de IA.
La encriptación completamente homomórfica ( FHE ) permite realizar operaciones de cálculo directamente sobre datos encriptados, sin necesidad de desencriptar 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 de la IA, permitiendo que la potencia de cálculo de GPU ejecute tareas de entrenamiento e inferencia de modelos en un entorno sin contacto con los datos originales. Esto brinda una gran ventaja a las empresas de IA, que pueden abrir de manera segura servicios API mientras protegen secretos comerciales.
FHEML soporta el procesamiento encriptado de datos y modelos a lo largo de todo el ciclo de aprendizaje automático, asegurando la seguridad de la información sensible y previniendo el riesgo de filtraciones de datos. De esta manera, FHEML refuerza la privacidad de los datos y proporciona un marco de cálculo seguro para las 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: Computación AI 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 capacidad de cálculo, superando con creces la oferta de los recursos computacionales existentes. Por ejemplo, el entrenamiento de un modelo de lenguaje grande requiere una enorme capacidad de cálculo, equivalente a 355 años de tiempo de entrenamiento en un solo dispositivo. Esta escasez de capacidad de cálculo no solo limita el avance de la tecnología de IA, sino que también hace que esos modelos de IA avanzados 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 debido a 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 bajo demanda y rentable.
Algunas redes de computación de IA descentralizadas agregan recursos de GPU ociosos de todo el mundo, proporcionando a las empresas de IA un mercado de computación económico y de fácil acceso. Las partes que demandan poder de cómputo pueden publicar tareas de cálculo en la red, y los contratos inteligentes asignan las tareas a los nodos mineros que contribuyen con su poder de cómputo. Los mineros ejecutan las tareas y envían los resultados, y tras la verificación reciben recompensas en puntos. Esta solución mejora la eficiencia en el uso de recursos y ayuda a resolver el problema del cuello de botella en el poder de cómputo en campos como la IA.
Además de las redes de potencia descentralizada generales, hay algunas plataformas enfocadas en el entrenamiento de IA y redes de potencia dedicadas enfocadas en la inferencia de IA.
Las redes de computación descentralizadas ofrecen un mercado de potencia de cálculo justo y transparente, rompiendo los monopolios, reduciendo las barreras de entrada y mejorando la eficiencia en la utilización de la potencia de cálculo. En el ecosistema web3, las redes de computación descentralizadas desempeñarán un papel clave, atrayendo la participación de más dapps innovadoras y promoviendo conjuntamente el desarrollo y la aplicación de la tecnología AI.
DePIN: Web3 empoderando Edge AI
Edge AI permite que el cálculo ocurra en la fuente de generación de datos, logrando baja latencia y procesamiento en tiempo real, al mismo tiempo que protege la privacidad del usuario. La tecnología Edge AI ya se ha aplicado en áreas 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, DePIN puede mejorar la protección de la privacidad del usuario y reducir el riesgo de filtraciones de datos al procesar los datos localmente; el mecanismo económico nativo de tokens 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 ciertos ecosistemas de cadenas públicas, convirtiéndose en una de las plataformas preferidas para el despliegue de proyectos. Alta TPS, bajos costos de transacción y la innovación tecnológica brindan un fuerte apoyo a los proyectos DePIN. En la actualidad, el valor de mercado de los proyectos DePIN en esta cadena pública ha superado los 10 mil millones de dólares, y algunos proyectos reconocidos han logrado avances significativos.
IMO: Nueva paradigma de publicación de modelos de IA
El concepto de IMO fue propuesto por un protocolo que tokeniza modelos de IA.
Bajo el modelo tradicional, debido a la falta de un mecanismo de participación en los beneficios, una vez que se desarrolla y lanza al mercado un modelo de IA, los desarrolladores a menudo tienen dificultades para obtener ingresos continuos de su uso posterior, especialmente cuando el modelo se integra en otros productos y servicios. Es muy difícil para los creadores originales rastrear el uso, y mucho menos obtener beneficios de él. Además, el rendimiento y la eficacia de los modelos de IA a menudo carecen de transparencia, lo que dificulta que los posibles inversores y usuarios evalúen su verdadero valor, limitando el reconocimiento en el mercado y el potencial comercial del modelo.
IMO proporciona una nueva forma de financiación y compartición de valor para modelos de IA de código abierto, donde los inversores pueden comprar tokens IMO y compartir los ingresos generados posteriormente por el modelo. Un protocolo utiliza dos estándares ERC, combinando oráculos de IA y tecnología OPML para garantizar la autenticidad del modelo de IA y que los poseedores de tokens puedan compartir los ingresos.
El modo IMO ha mejorado la transparencia y la confianza, fomentando la colaboración de código abierto, adaptándose a las tendencias del mercado de criptomonedas y proporcionando impulso para el desarrollo sostenible de la tecnología AI. Actualmente, el IMO aún se encuentra en una fase de prueba inicial, pero a medida que aumenta la aceptación del mercado y se amplía el alcance de la participación, su innovación y valor potencial son dignos de nuestra expectativa.
Agente AI: La nueva era de la experiencia interactiva
El Agente de IA puede percibir el entorno, pensar de manera independiente y tomar las acciones correspondientes para alcanzar objetivos establecidos. Con el apoyo de modelos de lenguaje grande, el Agente de IA no solo puede comprender 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. Sin instrucciones explícitas, el Agente de IA también puede resolver problemas de forma autónoma, mejorar la eficiencia y crear nuevo valor.
Algunas plataformas de aplicaciones nativas de IA abiertas ofrecen un conjunto de herramientas de creación completas y fáciles de usar, que permiten a los usuarios configurar funciones, apariencia y voz de los robots, así como conectar a bases de datos externas, con el objetivo de crear un ecosistema de contenido de IA justo y abierto. Utilizando tecnología de IA generativa, empoderan a las personas para convertirse en supercreadores. Estas plataformas han entrenado modelos de lenguaje grandes especializados, haciendo que el juego de roles sea más humanizado; la tecnología de clonación de voz puede acelerar la interacción personalizada de productos de IA, reduciendo drásticamente los costos de síntesis de voz, y la clonación de voz se puede realizar en solo 1 minuto. Los Agentes de IA personalizados utilizando estas plataformas ya se pueden aplicar en múltiples campos, como videollamadas, aprendizaje de idiomas, generación de imágenes, entre otros.
En la fusión de Web3 y AI, actualmente se está explorando más 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 grandes y otros problemas clave. A medida que estas infraestructuras se perfeccionen gradualmente, tenemos razones para creer que la fusión de Web3 y AI dará lugar a una serie de modelos de negocio y servicios innovadores.