Wszyscy mają nadzieję, że AI+Web3 stanie się katalizatorem hossy, co widać po wysokich wycenach i dużych inwestycjach ze strony VC. Pytanie brzmi: jakie są obecne problemy na ścieżce integracji AI+Web3? Podzielę się swoją opinią:

1) Szkolenie AI wymaga danych na dużą skalę, a Web3 jest przydatny do śledzenia danych i wynikających z tego efektów motywacyjnych. Na dłuższą metę sztuczna inteligencja z pewnością będzie potrzebować pomocy web3, należy jednak wyjaśnić, że web3 może rozwiązać jedynie ograniczone problemy sztucznej inteligencji.

Na przykład tradycyjne szkolenie w oparciu o dane na dużą skalę, ciągła optymalizacja algorytmów, wizja komputerowa, technologia rozpoznawania mowy, sztuczna inteligencja gier i inne podstawowe obszary są napędzane głównie przez scentralizowaną moc obliczeniową na dużą skalę oraz adaptację oprogramowania i sprzętu oraz optymalizację chipów, algorytmów itp. ., takich jak głębokie kierunki, takie jak uczenie się splotowych sieci neuronowych, uczenie się przez wzmacnianie i modele obliczeniowe inspirowane mózgiem w celu poszerzania granic możliwości sztucznej inteligencji, nie ma możliwości, aby web3 zyskał przyczółek w najbliższej perspektywie;

2) Generatywna sztuczna inteligencja stanowi jedynie małą gałąź większego sektora sztucznej inteligencji, ale przyspiesza integrację sztucznej inteligencji i web3. Ponieważ generatywna sztuczna inteligencja to technologia obejmująca sztuczną inteligencję, która jest bardziej zorientowana na aplikacje. W idealnym przypadku duże modele podstawowe będą na ogół uzupełniane przez duże firmy korzystające ze scentralizowanej mocy obliczeniowej i przyjmujące politykę open source w celu napędzania rynku aplikacji wyższej półki. Cały rynek sztucznej inteligencji stopniowo stanie się długim ogonem, a podkreślone zostanie znaczenie dostrajania modeli i wnioskowania.

Jednak gdy firma kontrolująca podstawową moc obliczeniową i zasoby modelowe zmieni swoją politykę dotyczącą open source, będzie to miało bezpośredni wpływ na cały rynek sztucznej inteligencji, aby uniknąć takiego kryzysu, infrastruktura oparta w większym stopniu na architekturze rozproszonej mocy obliczeniowej i Architektura współpracy oparta na rozproszonym rozumowaniu stanie się koniecznością.

3) web3 może odegrać kluczową rolę w procesie budowy rozproszonego frameworku AI Na przykład: podczas uczenia modelu blockchain może utworzyć unikalny identyfikator źródła danych i deduplikować dane w celu poprawy wydajności szkolenia przy mocy obliczeniowej; jest niewystarczająca, dzielnica Blockchain może wykorzystać mechanizm motywacyjny Tokenomics do zbudowania rozproszonej sieci mocy obliczeniowej AI, w procesie dostrajania parametrów blockchain może rejestrować różne wersje modelu, śledzić ewolucję modelu i przeprowadzać jego udoskonalanie; kontrola;

W przypadku łącza wnioskowania modelu ZK, TEE i inne technologie można wykorzystać do zbudowania zdecentralizowanej sieci wnioskowania w celu poprawy komunikacji i wzajemnego zaufania między modelami; w przypadku łącza integrującego przetwarzanie brzegowe i DePIN web3 może pomóc w budowie zdecentralizowanej sieci brzegowej AI i napędzania AI+ DePIN połączenie IoT.

4) Kiedy Vitalik mówił wcześniej o połączeniu AI + Web3 stwierdził, że AI można stopniowo integrować jako uczestnik świata Web3, więc integracja AI i web3 na pewno będzie bardzo powolna.

Z jednej strony główny nurt świata web2 w dalszym ciągu koncentruje się na poziomie wydajności sztucznej inteligencji i nie opiera się zbytnio na ramach współpracy zakulisowej związanej ze sztuczną inteligencją, z drugiej strony istnieje problem braku kontaktu z web3; , web3 nadal pozostaje w obszarze integracji sztucznej inteligencji w przetwarzaniu rozproszonym. Etap budowy podstawowej infrastruktury, takiej jak sieć sił, sieć architektury rozproszonego rozumowania, rozproszona sieć aplikacji Tokenomics i rozproszona sieć współpracy z narzędziami AI Agent, nie zostały w pełni zweryfikowane i zastosowane. główne grupy żądań web2.

Krótko mówiąc, ogólny trend AI+Web3 jest prawidłowy, ale faktyczne wdrożenie i rozwój nie są tak szybkie. Zauważenie znacznego postępu może zająć cykl lub nawet cykle i potrzeba trochę więcej cierpliwości.