La fusión de Web3 y AI: Construyendo la infraestructura de internet de próxima generación
Web3, como un nuevo paradigma de internet descentralizado, abierto y transparente, tiene una oportunidad natural de fusión con la IA. En una arquitectura tradicional centralizada, los recursos de cálculo y datos de la IA están estrictamente controlados, enfrentando muchos desafíos como cuellos de botella en la capacidad de cálculo, filtración de privacidad y algoritmos de caja negra. Web3, basado en tecnología distribuida, inyecta nueva energía al desarrollo de la IA a través de redes de computación compartida, mercados de datos abiertos y cálculos de privacidad. Al mismo tiempo, la IA también puede proporcionar muchas capacidades para Web3, como la optimización de contratos inteligentes y algoritmos anti-trampa, ayudando en la construcción de su ecosistema. Por lo tanto, explorar la combinación de Web3 y la IA es crucial para construir la infraestructura de internet de próxima generación y liberar el valor de los datos y la capacidad de cálculo.
Impulsado por datos: La sólida base de la IA y Web3
Los datos son el motor clave que impulsa el desarrollo de la IA, al igual que el combustible para un motor. Los modelos de IA necesitan digerir grandes cantidades de datos de alta calidad para obtener una comprensión profunda y una poderosa 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 siguientes son los principales problemas del modelo tradicional de adquisición y uso de datos de IA centralizados:
El costo de obtención de datos es elevado, lo que dificulta que las pequeñas y medianas empresas lo asuman.
Los recursos de datos están monopolizados por gigantes tecnológicos, formando islas de datos.
La privacidad de los datos personales enfrenta el riesgo de filtraciones y abusos.
Web3 puede abordar los puntos débiles del modelo tradicional con un nuevo paradigma de datos descentralizados:
Los usuarios pueden vender su red ociosa a empresas de IA, para extraer datos de la 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" para incentivar a trabajadores de todo el mundo a participar en la anotación de datos mediante tokens, reuniendo el conocimiento profesional global 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 esto, la obtención de datos del mundo real también presenta algunos problemas, como la calidad variable de los datos, la dificultad en su procesamiento, y la insuficiencia de diversidad y representatividad. Los datos sintéticos podrían ser la estrella del futuro en la pista de datos Web3. Basados en tecnología de IA generativa y simulaciones, los datos sintéticos pueden simular las propiedades de los datos reales, como un complemento efectivo de los datos reales, mejorando la eficiencia en el uso de datos. En campos como la conducción autónoma, el comercio en los mercados financieros y el desarrollo de videojuegos, los datos sintéticos ya han mostrado su potencial de aplicación madura.
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. La promulgación de regulaciones como el Reglamento General de Protección de Datos (GDPR) de la Unión Europea refleja una estricta salvaguardia de la privacidad personal. Sin embargo, esto también conlleva desafíos: algunos datos sensibles no pueden ser utilizados plenamente debido a riesgos de privacidad, lo que sin duda limita el potencial y la capacidad de razonamiento de los modelos de IA.
FHE es la criptografía totalmente homomórfica, que permite realizar operaciones de cálculo directamente sobre datos cifrados sin necesidad de descifrar los datos, y el resultado del cálculo es el mismo que el resultado de realizar el mismo cálculo sobre datos en texto claro.
FHE proporciona una sólida protección para el cálculo privado de IA, permitiendo que la potencia de cálculo de GPU ejecute tareas de entrenamiento e inferencia de modelos sin tocar los datos originales. Esto brinda una gran ventaja a las empresas de IA. Pueden abrir de manera segura los servicios API mientras protegen los secretos comerciales.
FHEML admite el procesamiento encriptado de datos y modelos a lo largo de todo el ciclo de aprendizaje automático, garantizando la seguridad de la información sensible y previniendo el riesgo de filtraciones de datos. De esta manera, FHEML refuerza la privacidad de los datos, proporcionando un marco de cálculo 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: Computación 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, muy por encima de la oferta de recursos computacionales existentes. Por ejemplo, el entrenamiento de un modelo de lenguaje grande 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 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 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; necesitan urgentemente una forma de servicio de computación bajo demanda y rentable.
Actualmente hay algunos proyectos de redes de computación descentralizada de IA que, al agregar recursos de GPU inactivos de todo el mundo, han creado un mercado de computación que es tanto económico como accesible para las empresas de IA. Las partes que demandan computación pueden publicar tareas de cálculo en la red, y los contratos inteligentes asignan las tareas a los nodos mineros que contribuyen con potencia de cálculo. Los mineros ejecutan las tareas y envían los resultados, y después de su verificación, reciben recompensas en forma de puntos. Esta solución mejora la eficiencia en la utilización de recursos y ayuda a resolver el problema de cuellos de botella en la potencia de cálculo en campos como la IA.
Además de las redes de computación descentralizada de uso general, también hay algunas plataformas centradas en el entrenamiento de IA y redes de computación dedicadas a la inferencia de IA.
Las redes de potencia de cálculo descentralizadas ofrecen un mercado de potencia de cálculo justo y transparente, rompiendo monopolios, reduciendo las barreras de entrada y aumentando la eficiencia en el uso de la potencia de cálculo. En el ecosistema web3, las redes de potencia de cálculo 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 la IA de borde
Imagina que tu teléfono, tu reloj inteligente e incluso los dispositivos inteligentes en tu hogar tienen la capacidad de ejecutar IA: esa es la magia del Edge AI. Permite que el cálculo ocurra en el origen de la 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 campos clave como la conducción autónoma.
En el ámbito de Web3, tenemos un nombre más familiar: DePIN. Web3 enfatiza la descentralización y la soberanía sobre los datos del usuario, y 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 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 de cadena pública preferidas para la implementación 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, la capitalización 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 de Publicación del Modelo AI
El concepto de IMO fue propuesto por un protocolo, tokenizando modelos de IA.
En el modelo tradicional, debido a la falta de un mecanismo de participación en los ingresos, una vez que se desarrolla y se lanza al mercado un modelo de IA, a menudo es difícil para los desarrolladores obtener ingresos continuos de su uso posterior, especialmente cuando el modelo se integra en otros productos y servicios. Los creadores originales tienen dificultades para rastrear el uso, y mucho menos para 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 apoyo financiero y compartición de valor para modelos de IA de código abierto. Los inversores pueden comprar tokens IMO y compartir las ganancias generadas posteriormente por el modelo. Un protocolo utiliza dos estándares ERC, combinando un oráculo de IA en cadena (Onchain AI Oracle) y tecnología OPML para asegurar la autenticidad del modelo de IA y que los poseedores de tokens puedan compartir las ganancias.
El modelo IMO ha mejorado la transparencia y la confianza, fomentando la colaboración de código abierto, adaptándose a las tendencias del mercado de criptomonedas y promoviendo el desarrollo sostenible de la tecnología de IA. Actualmente, el IMO aún se encuentra en una etapa inicial de prueba, 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 de IA: Una nueva era de experiencias interactivas
El Agente de IA puede percibir el entorno, pensar de manera independiente y tomar acciones correspondientes para lograr objetivos establecidos. Con el apoyo de modelos de lenguaje grandes, 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 del usuario a través de la interacción y proporcionando soluciones personalizadas. Incluso sin instrucciones claras, el Agente de IA puede resolver problemas de forma autónoma, aumentar la eficiencia y crear nuevo valor.
Algunos proyectos están desarrollando plataformas de aplicaciones nativas de IA abiertas, que ofrecen un conjunto de herramientas de creación completas y fáciles de usar, que permiten a los usuarios configurar las funciones, apariencia, sonido de los robots, así como conectar bases de conocimientos externas, con el objetivo de crear un ecosistema de contenido de IA justo y abierto. Utilizando tecnología de IA generativa, empoderan a los individuos para convertirse en supercreadores. Estos proyectos han entrenado modelos de lenguaje grandes especializados, lo que hace que los roles de interpretación sean más humanizados; la tecnología de clonación de voz puede acelerar la interacción personalizada de los productos de IA, reduciendo drásticamente los costos de síntesis de voz, permitiendo que la clonación de voz se realice en solo 1 minuto. Con estos Agentes de IA personalizados, actualmente se pueden aplicar en múltiples campos como chat de video, aprendizaje de idiomas, generación de imágenes, entre otros.
En la fusión de Web3 con la IA, actualmente se está explorando más la capa de infraestructura, cómo obtener datos de alta calidad, proteger la privacidad de los datos, cómo hospedar modelos en la cadena, cómo mejorar el uso eficiente de la computación descentralizada y cómo validar modelos de lenguaje grandes, entre otros problemas clave. A medida que estas infraestructuras se vayan perfeccionando, tenemos razones para creer que la fusión de Web3 con la IA 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
CryptoTarotReader
· hace19h
Otra vez han inflado el concepto.
Ver originalesResponder0
LiquidationWatcher
· hace19h
¡Wuhu, lo grande está por venir!
Ver originalesResponder0
gas_fee_therapy
· hace19h
Serias dudas de que web3 sea solo un respaldo para la IA.
Ver originalesResponder0
ShibaMillionairen't
· hace19h
Todavía es más estable el btc y Ethereum.
Ver originalesResponder0
ParanoiaKing
· hace19h
El dinero es la verdad, ¡qué delicioso!
Ver originalesResponder0
PriceOracleFairy
· hace20h
hmm... finalmente alguien lo entiende. computación descentralizada + IA = temporada de filtraciones de alfa puro
Web3 y AI se fusionan: construyendo una infraestructura de internet inteligente y descentralizada
La fusión de Web3 y AI: Construyendo la infraestructura de internet de próxima generación
Web3, como un nuevo paradigma de internet descentralizado, abierto y transparente, tiene una oportunidad natural de fusión con la IA. En una arquitectura tradicional centralizada, los recursos de cálculo y datos de la IA están estrictamente controlados, enfrentando muchos desafíos como cuellos de botella en la capacidad de cálculo, filtración de privacidad y algoritmos de caja negra. Web3, basado en tecnología distribuida, inyecta nueva energía al desarrollo de la IA a través de redes de computación compartida, mercados de datos abiertos y cálculos de privacidad. Al mismo tiempo, la IA también puede proporcionar muchas capacidades para Web3, como la optimización de contratos inteligentes y algoritmos anti-trampa, ayudando en la construcción de su ecosistema. Por lo tanto, explorar la combinación de Web3 y la IA es crucial para construir la infraestructura de internet de próxima generación y liberar el valor de los datos y la capacidad de cálculo.
Impulsado por datos: La sólida base de la IA y Web3
Los datos son el motor clave que impulsa el desarrollo de la IA, al igual que el combustible para un motor. Los modelos de IA necesitan digerir grandes cantidades de datos de alta calidad para obtener una comprensión profunda y una poderosa 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 siguientes son los principales problemas del modelo tradicional de adquisición y uso de datos de IA centralizados:
Web3 puede abordar los puntos débiles del modelo tradicional con un nuevo paradigma de datos descentralizados:
A pesar de esto, la obtención de datos del mundo real también presenta algunos problemas, como la calidad variable de los datos, la dificultad en su procesamiento, y la insuficiencia de diversidad y representatividad. Los datos sintéticos podrían ser la estrella del futuro en la pista de datos Web3. Basados en tecnología de IA generativa y simulaciones, los datos sintéticos pueden simular las propiedades de los datos reales, como un complemento efectivo de los datos reales, mejorando la eficiencia en el uso de datos. En campos como la conducción autónoma, el comercio en los mercados financieros y el desarrollo de videojuegos, los datos sintéticos ya han mostrado su potencial de aplicación madura.
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. La promulgación de regulaciones como el Reglamento General de Protección de Datos (GDPR) de la Unión Europea refleja una estricta salvaguardia de la privacidad personal. Sin embargo, esto también conlleva desafíos: algunos datos sensibles no pueden ser utilizados plenamente debido a riesgos de privacidad, lo que sin duda limita el potencial y la capacidad de razonamiento de los modelos de IA.
FHE es la criptografía totalmente homomórfica, que permite realizar operaciones de cálculo directamente sobre datos cifrados sin necesidad de descifrar los datos, y el resultado del cálculo es el mismo que el resultado de realizar el mismo cálculo sobre datos en texto claro.
FHE proporciona una sólida protección para el cálculo privado de IA, permitiendo que la potencia de cálculo de GPU ejecute tareas de entrenamiento e inferencia de modelos sin tocar los datos originales. Esto brinda una gran ventaja a las empresas de IA. Pueden abrir de manera segura los servicios API mientras protegen los secretos comerciales.
FHEML admite el procesamiento encriptado de datos y modelos a lo largo de todo el ciclo de aprendizaje automático, garantizando la seguridad de la información sensible y previniendo el riesgo de filtraciones de datos. De esta manera, FHEML refuerza la privacidad de los datos, proporcionando un marco de cálculo 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: Computación 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, muy por encima de la oferta de recursos computacionales existentes. Por ejemplo, el entrenamiento de un modelo de lenguaje grande 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 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 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; necesitan urgentemente una forma de servicio de computación bajo demanda y rentable.
Actualmente hay algunos proyectos de redes de computación descentralizada de IA que, al agregar recursos de GPU inactivos de todo el mundo, han creado un mercado de computación que es tanto económico como accesible para las empresas de IA. Las partes que demandan computación pueden publicar tareas de cálculo en la red, y los contratos inteligentes asignan las tareas a los nodos mineros que contribuyen con potencia de cálculo. Los mineros ejecutan las tareas y envían los resultados, y después de su verificación, reciben recompensas en forma de puntos. Esta solución mejora la eficiencia en la utilización de recursos y ayuda a resolver el problema de cuellos de botella en la potencia de cálculo en campos como la IA.
Además de las redes de computación descentralizada de uso general, también hay algunas plataformas centradas en el entrenamiento de IA y redes de computación dedicadas a la inferencia de IA.
Las redes de potencia de cálculo descentralizadas ofrecen un mercado de potencia de cálculo justo y transparente, rompiendo monopolios, reduciendo las barreras de entrada y aumentando la eficiencia en el uso de la potencia de cálculo. En el ecosistema web3, las redes de potencia de cálculo 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 la IA de borde
Imagina que tu teléfono, tu reloj inteligente e incluso los dispositivos inteligentes en tu hogar tienen la capacidad de ejecutar IA: esa es la magia del Edge AI. Permite que el cálculo ocurra en el origen de la 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 campos clave como la conducción autónoma.
En el ámbito de Web3, tenemos un nombre más familiar: DePIN. Web3 enfatiza la descentralización y la soberanía sobre los datos del usuario, y 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 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 de cadena pública preferidas para la implementación 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, la capitalización 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 de Publicación del Modelo AI
El concepto de IMO fue propuesto por un protocolo, tokenizando modelos de IA.
En el modelo tradicional, debido a la falta de un mecanismo de participación en los ingresos, una vez que se desarrolla y se lanza al mercado un modelo de IA, a menudo es difícil para los desarrolladores obtener ingresos continuos de su uso posterior, especialmente cuando el modelo se integra en otros productos y servicios. Los creadores originales tienen dificultades para rastrear el uso, y mucho menos para 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 apoyo financiero y compartición de valor para modelos de IA de código abierto. Los inversores pueden comprar tokens IMO y compartir las ganancias generadas posteriormente por el modelo. Un protocolo utiliza dos estándares ERC, combinando un oráculo de IA en cadena (Onchain AI Oracle) y tecnología OPML para asegurar la autenticidad del modelo de IA y que los poseedores de tokens puedan compartir las ganancias.
El modelo IMO ha mejorado la transparencia y la confianza, fomentando la colaboración de código abierto, adaptándose a las tendencias del mercado de criptomonedas y promoviendo el desarrollo sostenible de la tecnología de IA. Actualmente, el IMO aún se encuentra en una etapa inicial de prueba, 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 de IA: Una nueva era de experiencias interactivas
El Agente de IA puede percibir el entorno, pensar de manera independiente y tomar acciones correspondientes para lograr objetivos establecidos. Con el apoyo de modelos de lenguaje grandes, 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 del usuario a través de la interacción y proporcionando soluciones personalizadas. Incluso sin instrucciones claras, el Agente de IA puede resolver problemas de forma autónoma, aumentar la eficiencia y crear nuevo valor.
Algunos proyectos están desarrollando plataformas de aplicaciones nativas de IA abiertas, que ofrecen un conjunto de herramientas de creación completas y fáciles de usar, que permiten a los usuarios configurar las funciones, apariencia, sonido de los robots, así como conectar bases de conocimientos externas, con el objetivo de crear un ecosistema de contenido de IA justo y abierto. Utilizando tecnología de IA generativa, empoderan a los individuos para convertirse en supercreadores. Estos proyectos han entrenado modelos de lenguaje grandes especializados, lo que hace que los roles de interpretación sean más humanizados; la tecnología de clonación de voz puede acelerar la interacción personalizada de los productos de IA, reduciendo drásticamente los costos de síntesis de voz, permitiendo que la clonación de voz se realice en solo 1 minuto. Con estos Agentes de IA personalizados, actualmente se pueden aplicar en múltiples campos como chat de video, aprendizaje de idiomas, generación de imágenes, entre otros.
En la fusión de Web3 con la IA, actualmente se está explorando más la capa de infraestructura, cómo obtener datos de alta calidad, proteger la privacidad de los datos, cómo hospedar modelos en la cadena, cómo mejorar el uso eficiente de la computación descentralizada y cómo validar modelos de lenguaje grandes, entre otros problemas clave. A medida que estas infraestructuras se vayan perfeccionando, tenemos razones para creer que la fusión de Web3 con la IA dará lugar a una serie de modelos de negocio y servicios innovadores.