Bản đồ AI độc quyền của iOSG |

Thoạt nhìn, AI x Web3 có vẻ là các công nghệ độc lập, mỗi công nghệ dựa trên các nguyên tắc cơ bản khác nhau và phục vụ các chức năng khác nhau. Tuy nhiên, hãy tìm hiểu sâu hơn và bạn sẽ thấy rằng cả hai công nghệ đều có cơ hội cân bằng sự đánh đổi của nhau và những điểm mạnh riêng biệt của chúng có thể bổ sung và nâng cao cho nhau. Balaji Srinivasan đã trình bày một cách xuất sắc khái niệm về khả năng bổ sung này tại hội nghị SuperAI, truyền cảm hứng cho một so sánh chi tiết về cách các công nghệ này tương tác.

Mã thông báo có cách tiếp cận từ dưới lên, nổi lên từ nỗ lực phân cấp của các cyberpunk ẩn danh và phát triển trong hơn một thập kỷ thông qua nỗ lực hợp tác của nhiều thực thể độc lập trên khắp thế giới. Thay vào đó, AI được phát triển thông qua cách tiếp cận từ trên xuống, do một số gã khổng lồ công nghệ thống trị. Các công ty này thiết lập nhịp độ và sự năng động của ngành, với các rào cản gia nhập được quyết định bởi cường độ nguồn lực hơn là độ phức tạp về công nghệ.

Hai công nghệ này cũng có bản chất hoàn toàn khác nhau. Về bản chất, mã thông báo là hệ thống xác định tạo ra kết quả bất biến, như khả năng dự đoán của hàm băm hoặc bằng chứng không có kiến ​​thức. Điều này trái ngược với bản chất xác suất và thường không thể đoán trước của trí tuệ nhân tạo.

Tương tự, mật mã vượt trội trong việc xác minh, đảm bảo tính xác thực và bảo mật của các giao dịch cũng như thiết lậpsự tin cậy củaquy trình và hệ thống, trong khi AI tập trung vàotạoviệc tạo ra nội dung kỹ thuật số phong phú. Tuy nhiên, trong quá trình tạo ra sự phong phú về mặt kỹ thuật số, việc đảm bảo nguồn gốc nội dung và ngăn chặn hành vi trộm cắp danh tính trở thành một thách thức.

May mắn thay, Token cung cấp khái niệm ngược lại về sự phong phú kỹ thuật số - Sự khan hiếm kỹ thuật số. Nó cung cấp các công cụ tương đối hoàn thiện có thể được mở rộng sang công nghệ trí tuệ nhân tạo để đảm bảo độ tin cậy của nguồn nội dung và tránh các vấn đề đánh cắp danh tính.

Một lợi thế đáng kể của Token là khả năng thu hút lượng lớn phần cứng và vốn vào các mạng phối hợp để phục vụ các mục tiêu cụ thể. Khả năng này đặc biệt có lợi cho trí tuệ nhân tạo tiêu thụ lượng lớn sức mạnh tính toán. Huy động các nguồn lực chưa được sử dụng đúng mức để cung cấp sức mạnh tính toán rẻ hơn có thể cải thiện đáng kể hiệu quả của trí tuệ nhân tạo.

Bằng cách so sánh hai công nghệ chính này, chúng ta không chỉ đánh giá cao những đóng góp tương ứng của chúng mà còn thấy cách chúng cùng nhau tạo ra những con đường mới cho công nghệ và kinh tế. Mỗi công nghệ có thể bổ sung những thiếu sót của công nghệ kia, tạo ra một tương lai sáng tạo, tích hợp hơn. Trong bài đăng trên blog này, chúng tôi mong muốn khám phá bối cảnh ngành công nghiệp AI x Web3 mới nổi, nêu bật một số ngành dọc mới nổi ở điểm giao thoa của các công nghệ này.

Nguồn: IOSG Ventures

2.1 Mạng máy tính

Bản đồ ngành trước tiên giới thiệu các mạng máy tính cố gắng giải quyết các vấn đề vấn đề hạn chế về nguồn cung cấp GPU và cố gắng giảm chi phí tính toán theo nhiều cách khác nhau. Các mục sau đây đáng được quan tâm đặc biệt:

• Khả năng tương tác GPU không hợp nhất : Đây là một nỗ lực đầy tham vọng với rủi ro kỹ thuật cao và độ không chắc chắn, nhưng nếu thành công, nó sẽ có tiềm năng tạo ra kết quả có quy mô và tác động to lớn, khiến tất cả các tài nguyên máy tính đều có thể thay thế được. Về cơ bản, ý tưởng là xây dựng trình biên dịch và các điều kiện tiên quyết khác sao cho về phía cung, mọi tài nguyên phần cứng đều có thể được cắm vào, trong khi về phía cầu, tính không đồng nhất của tất cả phần cứng sẽ được trừu tượng hóa hoàn toàn để các yêu cầu tính toán của bạn có thể được định tuyến. vào mạng bất kỳ tài nguyên nào trong . Nếu tầm nhìn này thành công, nó sẽ giảm bớt sự phụ thuộc hiện tại vào phần mềm CUDA, vốn hoàn toàn do các nhà phát triển AI thống trị. Bất chấp rủi ro kỹ thuật cao, nhiều chuyên gia vẫn rất hoài nghi về tính khả thi của phương pháp này.

• Tập hợp GPU hiệu suất cao: Hợp nhất các GPU phổ biến nhất thế giới thành một hệ thống phân tán và tiết kiệm chi phí mạng được cấp phép mà không phải lo lắng về các vấn đề về khả năng tương tác giữa các tài nguyên GPU không đồng nhất.

• Tập hợp GPU cấp độ người tiêu dùng hàng hóa: Chỉ ra tập hợp có hiệu suất kém hơn nhưng có thể có ở thiết bị tiêu dùng GPU, là tài nguyên được sử dụng ít nhất ở phía cung. Nó phục vụ cho những người sẵn sàng hy sinh hiệu suất và tốc độ để có một buổi tập dài hơn, rẻ hơn.

2.2 Đào tạo và suy luận

Mạng tính toán chủ yếu được sử dụng cho hai chức năng chính: huấn luyện và suy luận. Nhu cầu về các mạng này xuất phát từ các dự án Web 2.0 và Web 3.0. Trong thế giới Web 3.0, các dự án như Bittensor tận dụng tài nguyên máy tính để tinh chỉnh mô hình. Về mặt lập luận, các dự án Web 3.0 nhấn mạnh tính xác minh của các quy trình. Trọng tâm này đã làm nảy sinh lý luận có thể kiểm chứng theo chiều dọc của thị trường, với các dự án khám phá cách tích hợp lý luận AI vào hợp đồng thông minh trong khi vẫn duy trì các nguyên tắc phân quyền.

2.3 Nền tảng đại lý thông minh

Bước tiếp theo là Nền tảng tác nhân thông minh, biểu đồ nêu ra các vấn đề cốt lõi mà các công ty khởi nghiệp thuộc danh mục này cần giải quyết:

• Khả năng tương tác của tác nhân cũng như khả năng khám phá và giao tiếp: Các tác nhân có thể khám phá và giao tiếp với nhau.

• Khả năng quản lý và xây dựng cụm tác nhân: Các tác nhân có thể hình thành các cụm và quản lý các tác nhân khác.

• Quyền sở hữu và tiếp thị cho các đại lý AI: Cung cấp quyền sở hữu và thị trường cho các đại lý AI.

Những tính năng này nhấn mạnh tầm quan trọng của các hệ thống mô-đun và linh hoạt có thể được tích hợp liền mạch vào nhiều chuỗi khối và ứng dụng trí tuệ nhân tạo khác nhau. Các tác nhân AI có tiềm năng cách mạng hóa cách chúng ta tương tác với Internet và chúng tôi tin rằng các tác nhân sẽ tận dụng cơ sở hạ tầng để hỗ trợ hoạt động của họ. Chúng tôi hình dung các tác nhân AI dựa vào cơ sở hạ tầng theo những cách sau:

• Khai thác mạng thu thập thông tin phân tán Truy cập thực tế -dữ liệu mạng thời gian

• Sử dụng kênh DeFi để thanh toán giữa các đại lý

• Cần đặt cọc tài chính không chỉ để trừng phạt hành vi sai trái khi nó xảy ra mà còn để tăng khả năng bị phát hiện của đại lý (tức là sử dụng tiền đặt cọc làm tín hiệu kinh tế trong quá trình phát hiện)

• Sử dụngsự đồng thuận để quyết định sự kiện nào sẽ dẫn đến việc cắt giảm

• Các tiêu chuẩn mởkhả năng tương tác và khung đại lý để hỗ trợ xây dựngcác tập thể có thể tổng hợp

• Đánh giá hiệu suất trong quá khứ dựa trên lịch sử dữ liệu bất biến và chọn tập thể đại lý phù hợp trong thời gian thực

Nguồn: IOSG Ventures

2.4 Lớp dữ liệu

Trong AI x Trong tích hợp của Web3, dữ liệu là thành phần cốt lõi. Dữ liệu là tài sản chiến lược trong cạnh tranh AI và cùng với tài nguyên máy tính, nó tạo thành tài nguyên quan trọng. Tuy nhiên, hạng mục này thường bị bỏ qua vì phần lớn sự chú ý của ngành tập trung vào cấp độ tính toán. Trên thực tế, các kiểu nguyên thủy cung cấp nhiều hướng giá trị thú vị trong quá trình thu thập dữ liệu, chủ yếu bao gồm hai hướng cấp cao sau:

• Truy cậpDữ liệu Internet công cộng

• Truy cậpDữ liệu được bảo vệ

Truy cập dữ liệu Internet công cộng: Hướng này nhằm xây dựng một mạng lưới thu thập dữ liệu phân tán có thể Crawl toàn bộ Internet trong một ngày , thu được các tập dữ liệu khổng lồ hoặc truy cập dữ liệu Internet rất cụ thể trong thời gian thực. Tuy nhiên, để thu thập dữ liệu lớn trên Internet, yêu cầu về mạng rất cao và cần ít nhất vài trăm nút để bắt đầu một số công việc có ý nghĩa. May mắn thay, Grass, một mạng nút thu thập thông tin phân tán, đã có hơn 2 triệu nút tích cực chia sẻ băng thông Internet với mạng, với mục tiêu thu thập dữ liệu toàn bộ Internet. Điều này cho thấy tiềm năng to lớn của các biện pháp khuyến khích tài chính để thu hút các nguồn lực có giá trị.

Mặc dù Grass cung cấp một sân chơi bình đẳng khi nói đến dữ liệu công cộng, nhưng vẫn có những thách thức trong việc tận dụng dữ liệu cơ bản - cụ thể là quyền truy cập vào các tập dữ liệu độc quyền. Cụ thể, vẫn còn một lượng lớn dữ liệu được lưu giữ theo cách bảo vệ quyền riêng tư do tính chất nhạy cảm của nó. Nhiều công ty khởi nghiệp đang tận dụng các công cụ mã hóa cho phép các nhà phát triển AI xây dựng và tinh chỉnh các mô hình ngôn ngữ lớn bằng cách sử dụng cấu trúc dữ liệu cơ bản của bộ dữ liệu độc quyền trong khi vẫn giữ kín thông tin nhạy cảm.

Học tập liên kết, quyền riêng tư khác biệt, môi trường thực thi đáng tin cậy, điện toán đồng nhất và đa bên cùng các công nghệ khác cung cấp các cấp độ bảo vệ quyền riêng tư khác nhau và sự đánh đổi. Bài viết nghiên cứu của Bagel (https://blog.bagel.net/p/with-great-data-comes-great-responsibility-d67) tóm tắt một cái nhìn tổng quan tuyệt vời về những kỹ thuật này. Những công nghệ này không chỉ bảo vệ quyền riêng tư của dữ liệu trong quá trình học máy mà còn hỗ trợ các giải pháp AI bảo vệ quyền riêng tư toàn diện ở cấp độ điện toán.

2,5 Nguồn dữ liệu và mô hình

Dữ liệu và Kỹ thuật xuất xứ mô hình nhằm mục đích thiết lập các quy trình có thể đảm bảo với người dùng rằng họ đang tương tác với mô hình và dữ liệu dự định. Ngoài ra, những công nghệ này còn đảm bảo tính xác thực và xuất xứ. Lấy công nghệ hình mờ làm ví dụ, hình mờ là một trong những công nghệ nguồn mô hình, nhúng chữ ký trực tiếp vào thuật toán học máy, cụ thể hơn là vào trọng số của mô hình, để có thể xác minh trong quá trình truy xuất xem suy luận có đến từ mô hình dự kiến ​​hay không. .

2.6 Ứng dụng

Về mặt ứng dụng, thiết kế Khả năng là vô tận. Trong bản đồ ngành ở trên, chúng tôi đã liệt kê một số trường hợp phát triển đặc biệt thú vị với việc ứng dụng công nghệ AI trong lĩnh vực Web 3.0. Vì các trường hợp sử dụng này chủ yếu là tự mô tả nên chúng tôi không đưa ra nhận xét bổ sung nào ở đây. Tuy nhiên, điều đáng chú ý là sự giao thoa giữa AI và Web 3.0 có khả năng định hình lại nhiều ngành dọc của lĩnh vực này, vì những nguyên tắc mới này cung cấp cho các nhà phát triển nhiều quyền tự do hơn để tạo ra các trường hợp sử dụng sáng tạo và tối ưu hóa các trường hợp sử dụng hiện có.

Tóm tắt

Sự hội tụ AI x Web3 mang đến một triển vọng đầy đổi mới và tiềm năng. Bằng cách tận dụng những điểm mạnh riêng của từng công nghệ, chúng tôi có thể giải quyết nhiều thách thức khác nhau và tạo ra những con đường công nghệ mới. Khi chúng tôi khám phá ngành công nghiệp mới nổi này, sức mạnh tổng hợp giữa AI x Web3 có thể thúc đẩy tiến trình định hình lại trải nghiệm kỹ thuật số trong tương lai của chúng tôi và cách chúng tôi tương tác trên web.

Sự hội tụ của sự khan hiếm kỹ thuật số và sự phong phú về kỹ thuật số, việc huy động các nguồn lực chưa được sử dụng đúng mức để đạt được hiệu quả tính toán và việc thiết lập các biện pháp thực hành dữ liệu an toàn, đảm bảo quyền riêng tư sẽ xác định An thời đại phát triển công nghệ.

Tuy nhiên, chúng ta phải nhận ra rằng ngành này vẫn còn ở giai đoạn sơ khai và bối cảnh ngành hiện tại có thể trở nên lỗi thời trong một thời gian ngắn. Tốc độ đổi mới nhanh chóng có nghĩa là các giải pháp tiên tiến ngày nay có thể sớm được thay thế bằng những đột phá mới. Tuy nhiên, các khái niệm cơ bản được thảo luận—chẳng hạn như mạng máy tính, nền tảng tác nhân và giao thức dữ liệu—làm nổi bật khả năng to lớn của việc tích hợp trí tuệ nhân tạo với Web 3.0.