Усі сподіваються, що AI+Web3 стане каталізатором цього «бичачого» ринку, про що свідчить висока оцінка та великі інвестиції венчурних капіталовкладачів. Питання в тому, які поточні проблеми на шляху інтеграції AI+Web3? Дозвольте поділитися своєю думкою:

1) Навчання штучному інтелекту потребує великомасштабних даних, а Web3 корисний для відстеження даних і відповідних стимулюючих ефектів. У довгостроковій перспективі штучному інтелекту точно знадобиться допомога web3, але потрібно пояснити, що web3 може вирішити лише обмежені проблеми штучного інтелекту.

Наприклад, традиційне навчання великомасштабних даних, безперервна оптимізація алгоритмів, комп’ютерне бачення, технологія розпізнавання мовлення, ігровий штучний інтелект та інші ключові сфери в основному обумовлені великомасштабною централізованою обчислювальною потужністю та адаптацією програмного та апаратного забезпечення та оптимізацією чіпів, алгоритмів тощо. ., наприклад deep У таких напрямках, як вивчення згорткових нейронних мереж, навчання з підкріпленням і моделі обчислень, натхненні мозком, для розширення меж можливостей штучного інтелекту, немає ймовірності, що web3 закріпиться в короткостроковій перспективі;

2) Generative AI становить лише невелику гілку більшого сектору AI, але він прискорює інтеграцію AI та web3. Оскільки генеративний штучний інтелект — це технологія, що включає штучний інтелект і є більш орієнтованою на застосування. В ідеалі великі базові моделі, як правило, створюватимуться великими компаніями, які використовують централізовані обчислювальні потужності та приймають політику відкритого вихідного коду для стимулювання ринку додатків вищого рівня. Загальний ринок штучного інтелекту поступово стане довгим хвостом, і важливість тонкого налаштування моделі та висновків буде підкреслюватися.

Однак, як тільки компанія, яка контролює основні обчислювальні потужності та модельні ресурси, змінить свою політику відкритого коду, це матиме прямий вплив на загальний ринок штучного інтелекту. Щоб уникнути такої кризи, інфраструктура, яка більше покладається на архітектуру розподіленої обчислювальної потужності та. архітектура спільної роботи з розподіленим міркуванням стане обов’язковою.

3) web3 може відігравати ключову роль у процесі побудови розподіленої структури штучного інтелекту. Наприклад: під час навчання моделі блокчейн може створювати унікальний ідентифікатор для джерела даних і дедуплювати дані для підвищення ефективності навчання блокчейн може використовувати механізм стимулювання Tokenomics для створення розподіленої обчислювальної мережі штучного інтелекту в процесі тонкого налаштування параметрів, блокчейн може записувати різні версії моделі, відстежувати еволюцію моделі та виконувати уточнені; КОНТРОЛЬ;

У зв’язку моделювання, ZK, TEE та інші технології можна використовувати для побудови децентралізованої мережі висновків для покращення зв’язку та взаємної довіри між моделями у зв’язку периферійних обчислень та інтеграції DePIN; AI+ DePIN поєднання IoT.

4) Коли Віталік раніше говорив про комбінацію AI + Web3, він заявив, що AI можна поступово інтегрувати як учасника світу Web3, тому інтеграція AI та web3 точно буде дуже повільною.

З одного боку, основний світ web2 все ще зосереджується на рівні продуктивності штучного інтелекту та не дуже покладається на закулісну структуру співпраці штучного інтелекту. З іншого боку, існує проблема відсутності зв’язку з web3 , web3 все ще залишається в області інтеграції штучного інтелекту в розподілену обчислювальну техніку, таку як силова мережа, мережа розподіленої архітектури токеноміки та мережа розподіленого інструменту штучного інтелекту для спільної роботи. основні групи попиту web2.

Коротше кажучи, загальна тенденція AI+Web3 правильна, але фактичне впровадження та розробка не такі швидкі. Щоб побачити значний прогрес, може знадобитися цикл або навіть кілька циклів, і потрібно трохи більше терпіння.