AI与Web3融合创新的探索之旅

币圈网 4 0

来源:IOBC Capital

Web3作为一种去中心化、开放、透明的全新互联网范式,与 AI 有着天然的融合契机。在传统的集中式架构下,AI计算和数据资源受到严格控制,且存在算力瓶颈、隐私泄露、算法黑箱等诸多挑战。而Web3基于分布式技术,可以通过共享算力网络、开放数据市场、隐私计算等方式,为AI的发展注入新的动力。同时,AI也能为Web3带来诸多赋能,如智能合约优化、反作弊算法等,助力其生态建设。因此,探索Web3和AI的结合,对于构建下一代互联网基础设施、释放数据和算力价值至关重要。

数据驱动:AI与Web3的坚实基础

数据是驱动AI发展的核心动力,正如燃料之于引擎。AI模型需要消化大量高质量数据,才能获得深入理解和强大的推理能力,数据不仅为机器学习模型提供训练基础,还决定了模型的准确性和可靠性。

在传统的中心化AI数据获取和利用模式中,存在以下几个主要问题:

  • 数据获取成本高昂,中小企业难以承担;

  • 数据资源被科技巨头所垄断,形成了数据孤岛;

  • 个人数据隐私面临泄漏和滥用的风险

Web3能够以新的去中心化数据范式来解决传统模式的痛点。

  • 通过Grass,用户可以出售闲置网络给AI公司,去中心化地抓取网络数据,经过清理和转化,为AI模型训练提供真实、高质量的数据;

  • Public AI采用“label to earn”模式,通过代币激励全球工作者参与数据标注,汇聚全球的专业知识,增强数据的分析能力;

  • 区块链数据交易平台如Ocean Protocol、Streamr等,为数据供需双方提供了一个公开透明的交易环境,激励数据的创新和共享。


尽管如此,真实世界的数据获取也存在一些问题,比如数据质量不一、处理难度大、多样性和代表性不足等。合成数据可能是Web3数据赛道未来的明星。基于生成式AI技术和模拟,合成数据能够模拟真实数据的属性,作为真实数据的有效补充,提高数据使用效率。在自动驾驶、金融市场交易、游戏开发等领域,合成数据已经显示出其成熟的应用潜力。

隐私保护:FHE在Web3中的作用

数据驱动时代,隐私保护已成为全球关注的焦点,欧盟的通用数据保护条例(GDPR)等法规的出台,反映了对个人隐私的严格守护。然而,这也带来了挑战:一些敏感数据因隐私风险而无法被充分利用,这无疑限制了AI模型的潜能和推理能力。

FHE即全同态加密,允许在加密数据上直接进行计算操作,而无需对数据进行解密,且计算结果与在明文数据上进行相同计算的结果一致。


FHE为AI隐私计算提供了坚实的保护,使得GPU算力能够在不触及原始数据的环境中执行模型训练和推理任务。这为AI公司带来了巨大的优势。它们可以在保护商业机密的同时,安全地开放API服务。

FHEML支持在整个机器学习周期内对数据和模型进行加密处理,确保敏感信息的安全性,防止数据泄露风险。通过这种方式,FHEML强化了数据隐私,为AI应用提供了一个安全的计算框架。

FHEML是ZKML的补充,ZKML证明机器学习的正确执行,而 FHEML 则强调对加密数据进行计算以维护数据隐私。

算力革命:去中心化网络中的AI计算

当前AI系统的计算复杂性每3个月翻一番,导致算力需求激增,远超现有计算资源的供应。例如,OpenAI的GPT-3模型训练需要巨大算力,相当于单个设备上355年的训练时间。这样的算力短缺不仅限制了AI技术的进步,更让那些高级的AI模型对于大多数研究者和开发者来说变得遥不可及。

同时,全球GPU的利用率不足40%,加之微处理器性能提升的放缓,以及供应链和地缘政治因素导致的芯片短缺,这些都让算力供应问题变得更加严重。AI从业者们陷入了两难:要么自购硬件,要么租赁云资源,他们急需一种按需、经济高效的计算服务方式。

IO.net是一个基于Solana的去中心化AI算力网络,通过聚合全球范围内的闲置GPU资源,为AI公司提供了一个既经济又易于访问的算力市场。算力需求方可在网络上发布计算任务,智能合约将任务分配给贡献算力的矿工节点,矿工执行任务并提交结果,经验证后获得积分奖励。IO.net的方案提高资源利用效率,有助于解决AI等领域的算力瓶颈问题。

除了通用的去中心化算力网络,还有像Gensyn、Flock.io这样专注于AI训练的平台,以及Ritual、Fetch.ai这样专注于AI推理的专用算力网络。

去中心化算力网络提供公平透明的算力市场,打破垄断,降低了应用门槛,提高了算力的利用效率。在web3生态系统中,去中心化算力网络将发挥关键作用,吸引更多创新型dapp的加入,共同推动AI技术的发展和应用。

DePIN:Web3赋能Edge AI

想象一下,你的手机、智能手表、甚至家中的智能设备,都具备了运行AI的能力——这就是Edge AI的魅力所在。它让计算发生在数据产生的源头,实现了低延迟、实时处理,同时保护了用户的隐私,Edge AI技术已经应用于自动驾驶等关键领域。

在Web3领域,我们有个更熟悉的名字—DePIN。Web3强调去中心化和用户数据的主权,DePIN通过在本地处理数据,可以增强用户隐私保护,减少数据泄露的风险;Web3原生的Token经济机制可激励DePIN节点提供计算资源,构建一个可持续的生态系统。

目前DePIN在Solana生态中发展迅速,成为项目部署的首选公链平台之一。Solana的高TPS、低交易费用以及技术创新为DePIN项目提供了强大支持。目前,Solana上的DePIN项目市值超过100亿美元,知名项目如Render Network和Helium Network已取得显著进展。

IMO:AI模型发布新范式

IMO的概念由Ora protocol首先提出,将AI模型代币化。

在传统模式下,由于收益分享机制缺失,一旦AI模型被开发出来并投入市场,开发者往往难以从模型的后续使用中获得持续的收益,尤其是当模型被整合进其他产品和服务后,原始创造者很难追踪使用情况,更不用说从中获得收益了。并且AI模型的性能和效果往往缺乏透明度,这让潜在的投资者和使用者难以评估其真正价值,限制了模型的市场认可和商业潜力。

IMO为开源AI模型提供了一种全新的资金支持和价值共享方式,投资者可以购买IMO代币,分享模型后续产生的收益。Ora Protocol使用ERC-7641和ERC-7007两个ERC标准,结合AI预言机(Onchain AI Oracle)和OPML技术来确保AI模型的真实性和代币持有者能够分享收益。

IMO模式增强了透明度和信任,鼓励开源协作,适应加密市场趋势,并为AI技术的可持续发展注入了动力。IMO目前还处于初期尝试阶段,但随着市场接受度的提升和参与范围的扩大,它的创新性和潜在价值值得我们期待。

AI Agent:交互体验的新纪元

AI Agent能够感知环境,进行独立思考,并采取相应的行动以实现既定目标。在大语言模型的支持下,AI Agent不仅能理解自然语言,还能规划决策,执行复杂的任务。它们可以作为虚拟助手,通过与用户的互动学习其偏好,并提供个性化的解决方案。在没有明确指令的情况下,AI Agent也能自主解决问题,提高效率,创造新价值。

Myshell 是一个开放的 AI 原生应用平台,提供全面易用的创作工具集,支持用户配置机器人功能、外观、声音以及连接外部知识库等,致力于打造公平开放的 AI 内容生态系统,利用生成式 AI 技术,赋能个人成为超级创作者。Myshell训练了专门的大语言模型,使角色扮演更人性化;语音克隆技术可以加速 AI 产品个性化交互,MyShell 把语音合成成本降低 99%,语音克隆仅需 1 分钟即可实现。利用Myshell定制的AI Agent,目前可应用于视频聊天、语言学习、图像生成等多领域。

在Web3与AI的融合上,当前更多的是对基础设施层的探索,如何获取高质量数据、保护数据隐私,如何在链上托管模型,如何提高去中心化算力的高效使用,如何验证大语言模型等关键问题。随着这些基础设施的逐步完善,我们有理由相信,Web3与AI的融合将孕育出一系列创新的商业模式和服务。


标签: #Wed3.0

  • 评论列表

留言评论