Herkes AI+Web3'ün bu boğa piyasasının katalizörü olacağını umuyor; bu da risk sermayedarlarının verdiği yüksek değerleme ve ağır yatırımlardan açıkça görülüyor. Soru şu: AI+Web3 entegrasyon yolundaki mevcut sorunlar nelerdir? Görüşümü paylaşayım:

1) Yapay zeka eğitimi büyük ölçekli veriler gerektirir ve Web3, veri takibi ve bunun sonucunda ortaya çıkan teşvik etkileri açısından faydalıdır. Uzun vadede yapay zekanın kesinlikle web3'ün yardımına ihtiyacı olacak, ancak web3'ün yapay zekanın yalnızca sınırlı sorunlarını çözebileceğinin açıklığa kavuşturulması gerekiyor.

Örneğin, geleneksel büyük ölçekli veri eğitimi, sürekli algoritma optimizasyonu, bilgisayar görüşü, konuşma tanıma teknolojisi, oyun yapay zekası ve diğer temel alanlar, esas olarak büyük ölçekli merkezi bilgi işlem gücü ve yazılım ve donanım uyarlaması ve çiplerin, algoritmaların vb. optimizasyonu tarafından yönlendirilir. Yapay zeka yeteneklerinin sınırlarını genişletmek için evrişimli sinir ağlarını öğrenme, takviyeli öğrenme ve beyinden ilham alan bilgi işlem modelleri gibi yönlerde, web3'ün kısa vadede bir yer edinmesi ihtimali yok;

2) Üretken yapay zeka, daha büyük yapay zeka sektörünün yalnızca küçük bir dalını oluşturur ancak yapay zeka ile web3'ün entegrasyonunu hızlandırır. Çünkü üretken yapay zeka, daha uygulama odaklı, yapay zekayı kapsayan bir teknolojidir. İdeal olarak, büyük temel modeller genellikle merkezi bilgi işlem gücü kullanan ve üst uygulama pazarını yönlendirmek için açık kaynak politikasını benimseyen büyük şirketler tarafından tamamlanacaktır. Genel yapay zeka pazarı yavaş yavaş uzun kuyruklu hale gelecek ve model ince ayarının ve çıkarımının önemi vurgulanacak.

Bununla birlikte, çekirdek bilgi işlem gücünü ve model kaynaklarını kontrol eden bir şirket, açık kaynak politikasını değiştirdiğinde, bu tür bir krizi önlemek için genel yapay zeka pazarı üzerinde doğrudan bir etkiye sahip olacaktır. dağıtılmış akıl yürütme işbirliği mimarisi bir zorunluluk haline gelecektir.

3) web3, AI dağıtılmış çerçevenin yapım sürecinde önemli bir rol oynayabilir. Örneğin: model eğitimi sırasında, blockchain, veri kaynağı için benzersiz bir tanımlayıcı oluşturabilir ve hesaplama gücü sırasında eğitim verimliliğini artırmak için verileri tekilleştirebilir; yetersizse, bölge Blockchain, parametre ince ayar sürecinde dağıtılmış bir AI bilgi işlem güç ağı oluşturmak için Tokenomics teşvik mekanizmasını kullanabilir, blockchain modelin farklı versiyonlarını kaydedebilir, modelin gelişimini izleyebilir ve iyileştirme gerçekleştirebilir; kontrol;

Model çıkarım bağlantısında ZK, TEE ve diğer teknolojiler, modeller arasındaki iletişimi ve karşılıklı güveni artırmak için merkezi olmayan bir çıkarım ağı oluşturmak için kullanılabilir; uç bilişim ve DePIN entegrasyon bağlantısında web3, merkezi olmayan bir uç yapay zeka ağı oluşturmaya ve yönlendirmeye yardımcı olabilir. AI+ DePIN, IoT'nin birleşimidir.

4) Vitalik daha önce AI + Web3 birleşiminden bahsederken, AI'nın Web3 dünyasına katılımcı olarak kademeli olarak entegre edilebileceğini, dolayısıyla AI ile web3 entegrasyonunun kesinlikle çok yavaş olacağını belirtmişti.

Bir yandan ana akım web2 dünyası hâlâ yapay zekanın performans düzeyine odaklanıyor ve yapay zekanın perde arkası işbirliği çerçevesine pek güvenmiyor. Diğer yandan web3'ten kopukluk sorunu var; Web3, dağıtılmış hesaplamada yapay zeka entegrasyonu alanında hala güç ağı, dağıtılmış muhakeme mimarisi ağı, dağıtılmış Tokenomik uygulama ağı ve dağıtılmış AI Agent aracı işbirliği ağı gibi temel altyapının yapım aşaması tarafından tam olarak doğrulanmadı ve uygulanmadı. ana akım web2 talep grupları.

Kısacası, AI+Web3'ün genel eğilimi doğrudur, ancak gerçek uygulama ve geliştirme o kadar hızlı değildir. Önemli bir ilerleme görmek bir döngü, hatta döngüler sürebilir ve biraz daha sabır gerekir.