En los últimos años, el rápido desarrollo de la inteligencia artificial (AI) y la tecnología Web3 ha llamado la atención a nivel mundial. La IA ha logrado avances significativos en áreas como el reconocimiento facial, el procesamiento del lenguaje natural y el aprendizaje automático, lo que ha traído enormes transformaciones e innovaciones a diversas industrias. En 2023, el tamaño del mercado de la industria de la IA alcanzó los 200 mil millones de dólares, y empresas como OpenAI, Character.AI y Midjourney están liderando la ola de la IA.
Al mismo tiempo, Web3 como un nuevo modelo de red está cambiando la percepción y el uso que las personas tienen de Internet. Web3 se basa en la tecnología blockchain descentralizada y, a través de funciones como contratos inteligentes, almacenamiento distribuido y verificación de identidad descentralizada, ha logrado compartir y controlar datos, establecer la autonomía del usuario y crear mecanismos de confianza. La idea central de Web3 es liberar los datos del control de las instituciones centralizadas, otorgando a los usuarios el control sobre sus datos y el derecho a compartir su valor. Actualmente, el valor de mercado de la industria Web3 alcanza los 25 billones, y proyectos como Bitcoin, Ethereum y Solana están atrayendo a cada vez más personas a unirse.
La combinación de la IA y Web3 es un área de interés importante tanto en Oriente como en Occidente, y vale la pena explorar cómo integrar ambas de manera efectiva. Este artículo se centrará en el estado actual del desarrollo de IA + Web3, analizará la situación actual de los proyectos y las limitaciones y desafíos que enfrentan, proporcionando referencia e información para inversores y profesionales de la industria.
En segundo lugar, la forma en que la IA interactúa con la Web3
El desarrollo de la IA y Web3 es como los dos lados de una balanza; la IA aporta un aumento de la productividad, mientras que Web3 trae una transformación de las relaciones de producción. A continuación, analizaremos las dificultades y espacios de mejora que enfrentan ambos sectores, explorando cómo pueden ayudarse mutuamente a resolver estas dificultades.
2.1 Los desafíos que enfrenta la industria de la IA
El núcleo de la industria de la IA no puede separarse de tres elementos: potencia de cálculo, algoritmos y datos.
La capacidad de cómputo se refiere a la capacidad para realizar cálculos y procesos a gran escala. Las tareas de IA requieren manejar grandes volúmenes de datos y cálculos complejos, como el entrenamiento de modelos de redes neuronales profundas. Una capacidad de cómputo de alta intensidad puede acelerar el entrenamiento y la inferencia de modelos, mejorando el rendimiento y la eficiencia de los sistemas de IA. En los últimos años, el desarrollo de GPU y chips de IA dedicados ha impulsado considerablemente el progreso de la industria de la IA.
El algoritmo es el núcleo de los sistemas de IA, incluyendo algoritmos de aprendizaje automático tradicionales y algoritmos de aprendizaje profundo. La elección y el diseño del algoritmo son cruciales para el rendimiento del sistema de IA. Mejorar e innovar continuamente los algoritmos puede aumentar la precisión, robustez y capacidad de generalización del sistema.
Los datos son la base para entrenar y optimizar modelos. A través de muestras de datos a gran escala, los sistemas de IA pueden aprender modelos más precisos e inteligentes. Conjuntos de datos ricos proporcionan información integral y diversa, ayudando a los modelos a generalizar mejor y resolver problemas del mundo real.
La IA enfrenta numerosos desafíos en estos tres aspectos:
En términos de potencia de cálculo, obtener y gestionar grandes cantidades de potencia de cálculo es caro y complejo, especialmente para startups y desarrolladores individuales.
En términos de algoritmos, el aprendizaje profundo requiere grandes cantidades de datos y recursos computacionales, y la interpretabilidad del modelo y la capacidad de generalización aún necesitan mejorar.
En términos de datos, obtener datos de alta calidad y diversos sigue siendo un problema, y en ciertos campos, los datos son difíciles de obtener. La calidad de los datos, la precisión y la protección de la privacidad también son factores importantes a considerar.
Además, la interpretabilidad y transparencia de los modelos de IA, así como la falta de claridad en el modelo de negocio, son problemas que deben resolverse con urgencia.
2.2 Los desafíos que enfrenta la industria Web3
La industria Web3 tiene espacio para mejorar en análisis de datos, experiencia del usuario y seguridad de contratos inteligentes. La IA, como herramienta para aumentar la productividad, tiene muchas aplicaciones potenciales en estas áreas:
Capacidad de análisis y predicción de datos: la IA puede extraer información valiosa de grandes volúmenes de datos, realizar predicciones y decisiones más precisas, lo que es de gran importancia para la evaluación de riesgos y la gestión de activos en campos como DeFi.
Experiencia del usuario y servicios personalizados: la IA puede analizar los datos de los usuarios, ofrecer recomendaciones personalizadas y servicios a medida, aumentando la participación y satisfacción del usuario.
Seguridad y protección de la privacidad: La IA puede ser utilizada para detectar ataques cibernéticos, identificar comportamientos anómalos y proporcionar una mayor seguridad. Al mismo tiempo, puede aplicarse a la protección de la privacidad de los datos, protegiendo la información personal de los usuarios.
Auditoría de contratos inteligentes: La IA se puede utilizar para automatizar la auditoría de contratos y la detección de vulnerabilidades, mejorando la seguridad y la fiabilidad de los contratos.
Es evidente que la IA puede ayudar a resolver los problemas que enfrenta la industria Web3 en muchos aspectos y promover el desarrollo de la industria.
Tres, análisis del estado actual de los proyectos AI+Web3
Los proyectos de AI+Web3 abordan principalmente dos aspectos: mejorar el rendimiento de los proyectos de IA utilizando la tecnología blockchain, y utilizar la tecnología de IA para servir a los proyectos de Web3. Actualmente están surgiendo diversos proyectos como Io.net, Gensyn, Ritual, entre otros. A continuación, analizaremos la situación y el desarrollo en diferentes subsectores.
3.1 Web3 impulsa la IA
3.1.1 Poder de cálculo descentralizado
Con la aparición de grandes modelos como ChatGPT, la demanda de potencia de cálculo por parte de la IA ha aumentado drásticamente, lo que ha llevado a una escasez de GPU. Proyectos de potencia de cálculo descentralizados como Akash, Render y Gensyn atraen a los usuarios para que proporcionen su potencia de GPU ociosa mediante incentivos en tokens, ofreciendo soporte de potencia de cálculo a los clientes de IA.
El lado de la oferta incluye principalmente proveedores de servicios en la nube, mineros de criptomonedas y grandes empresas. El proyecto atrae a los proveedores a través de incentivos en tokens y luego ofrece servicios de red de potencia de cálculo al lado de la demanda, logrando así la coincidencia de la oferta y la demanda de potencia de cálculo ociosa.
Los proyectos de poder computacional descentralizado se dividen principalmente en dos categorías: una para la inferencia de IA ( como Render, Akash ), y otra para el entrenamiento de IA ( como io.net, Gensyn ). io.net, como representante, actualmente cuenta con más de 500,000 GPUs, destacándose en proyectos de poder computacional descentralizado.
3.1.2 Modelo de algoritmo descentralizado
Los proyectos de modelos de algoritmos descentralizados como Bittensor buscan crear un ecosistema abierto y transparente que permita a los modelos de IA entrenarse, compartirse y utilizarse de manera segura y descentralizada.
En Bittensor, los proveedores de modelos algorítmicos contribuyen con modelos de aprendizaje automático a la red y reciben recompensas en tokens. La red utiliza un mecanismo de consenso único para garantizar las mejores respuestas. El token TAO se utiliza para incentivar a los mineros a contribuir con modelos algorítmicos, mientras que los usuarios deben gastar tokens para hacer preguntas y completar tareas.
3.1.3 Recolección de datos descentralizada
Para resolver el problema del suministro de datos de entrenamiento de IA, algunos proyectos combinan Web3 con incentivos de tokens para lograr la recolección de datos descentralizada. Por ejemplo, PublicAI permite a los usuarios participar como proveedores y validadores de datos, y recibir recompensas en tokens.
Otros como Ocean, que recopila datos de usuarios a través de la tokenización de datos, Hivemapper, que recopila datos de mapas, y Dimo, que recopila datos de automóviles, estos proyectos de recopilación de datos descentralizados también pueden convertirse en una potencial oferta para el entrenamiento de IA.
3.1.4 Protección de la privacidad del usuario en AI ZK
La tecnología de pruebas de conocimiento cero puede ayudar a resolver el conflicto entre la protección de la privacidad y el intercambio de datos en la IA. ZKML(Zero-Knowledge Machine Learning) permite el entrenamiento y la inferencia de modelos de aprendizaje automático sin revelar los datos originales.
BasedAI propone integrar la criptografía completamente homomórfica (FHE) con modelos de lenguaje grande (LLM), utilizando modelos de lenguaje grandes de conocimiento cero (ZK-LLM) para proteger la privacidad de los datos de los usuarios.
Además, proyectos como Cortex permiten ejecutar programas de IA en la cadena, utilizando GPU para ejecutar modelos de IA en la cadena, logrando un razonamiento de IA descentralizado, inmutable y transparente.
3.2 AI impulsa Web3
3.2.1 Análisis y Predicción de Datos
Muchos proyectos de Web3 integran servicios de IA para proporcionar análisis de datos y predicciones a los usuarios. Por ejemplo, Pond utiliza algoritmos de gráficos de IA para predecir tokens valiosos, BullBear AI predice tendencias de precios. Numerai organiza competiciones de predicción del mercado de valores con IA, y Arkham combina IA para el análisis de datos en cadena.
3.2.2 Servicios Personalizados
Los proyectos de Web3 optimizan la experiencia del usuario a través de la integración de IA. Por ejemplo, Dune lanzó la herramienta Wand para escribir consultas SQL utilizando modelos de lenguaje grande; Followin e IQ.wiki integran ChatGPT para resumir contenido; NFPrompt permite a los usuarios generar NFT mediante IA.
3.2.3 Auditoría de contratos inteligentes con IA
La IA puede auditar el código de los contratos inteligentes de manera más eficiente y precisa, identificando vulnerabilidades. Por ejemplo, 0x0.ai ofrece un auditor de contratos inteligentes basado en IA, utilizando técnicas de aprendizaje automático para identificar problemas potenciales en el código.
Además, hay proyectos como PAAL que ayudan a crear Bots de IA personalizados, y Hera que utiliza IA para ofrecer las mejores rutas de trading, entre otros. La IA actúa principalmente como una herramienta para apoyar el desarrollo de Web3.
Cuarta, limitaciones y desafíos actuales de los proyectos AI+Web3
4.1 Obstáculos reales en la potencia de cálculo descentralizada
Los proyectos de potencia de cálculo descentralizada enfrentan algunos problemas reales:
Rendimiento y estabilidad: Puede haber retrasos e inestabilidad en la conexión de red entre nodos distribuidos.
Disponibilidad: Puede verse afectada por el equilibrio entre la oferta y la demanda, lo que puede llevar a una escasez de recursos o a la incapacidad de satisfacer la demanda.
Complejidad: los usuarios deben comprender conocimientos sobre redes distribuidas, contratos inteligentes, etc., y los costos de uso son relativamente altos.
Dificultad para entrenar grandes modelos: El entrenamiento de grandes modelos requiere un entorno con alta estabilidad y múltiples tarjetas en paralelo, y la potencia de cálculo descentralizada tiene dificultades para cumplir con estos requisitos.
Limitaciones de distancia física: NVLink de NVIDIA limita la distancia física entre las tarjetas gráficas, dificultando la formación de un clúster para el entrenamiento de grandes modelos.
Actualmente, la potencia de cálculo descentralizada se aplica principalmente a la inferencia de IA o al entrenamiento de modelos pequeños y medianos en escenarios específicos. En el futuro, podría desempeñar un papel en áreas como la computación en el borde.
La combinación de AI+Web3 es bastante rudimentaria, no ha logrado 1+1>2
Actualmente, la combinación de AI y Web3 sigue siendo bastante superficial:
La mayoría de los proyectos solo utilizan la IA de manera simple para mejorar la eficiencia, careciendo de soluciones nativas integradas e innovadoras.
Algunos equipos exageran el concepto de IA, con aplicaciones prácticas limitadas.
El futuro requiere una investigación más profunda para crear soluciones nativas y significativas en campos como las finanzas, DAO y los mercados de predicción.
4.3 La economía de tokens se convierte en un amortiguador para la narrativa de proyectos de IA
Muchos proyectos de AI+Web3 utilizan la economía de tokens para fomentar la participación de los usuarios, pero la clave está en si realmente satisfacen necesidades reales, y no en meras narrativas o en la búsqueda de un valor a corto plazo.
Actualmente, la mayoría de los proyectos aún no han alcanzado la etapa práctica, y se necesitan más equipos sólidos y con ideas que realmente satisfagan las necesidades del escenario real.
Cinco, resumen
Los proyectos de AI+Web3 han surgido con numerosos casos de aplicación. La IA proporciona análisis inteligentes, predicciones, auditorías y otras capacidades para mejorar la experiencia del usuario en Web3. A su vez, Web3 ofrece a la IA una plataforma descentralizada para el poder computacional, el intercambio de datos y algoritmos, promoviendo así el desarrollo de la IA.
A pesar de que los proyectos de AI+Web3 aún se encuentran en una etapa temprana y enfrentan numerosos desafíos, también traen ventajas como la reducción de la dependencia de la centralización y el aumento de la transparencia. En el futuro, la profunda integración de la AI y Web3 traerá posibilidades infinitas para la innovación tecnológica y el desarrollo económico, y se espera que construya un sistema económico y social más inteligente, abierto y justo.
Ver originales
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
19 me gusta
Recompensa
19
6
Compartir
Comentar
0/400
MeaninglessGwei
· hace2h
Soy un tonto del mundo Cripto, no entiendo.
Ver originalesResponder0
DaoDeveloper
· hace10h
patrón interesante, la verdad... los primitivos de web3 + IA podrían desbloquear mecanismos de gobernanza de próxima generación
Ver originalesResponder0
NFTRegretful
· 07-13 00:41
¿Para qué hacer tanto AI? ¿Tomar a la gente por tonta, verdad?
Ver originalesResponder0
AirdropHustler
· 07-11 05:22
¿Para qué hablar de estas cosas vacías?
Ver originalesResponder0
Blockblind
· 07-11 05:14
¿Dónde está la fragancia de web3 en comparación con la IA?
Ver originalesResponder0
LayoffMiner
· 07-11 05:08
Aprender a desarrollar tarde o temprano te llevará a morir de hambre
Estado actual del desarrollo de AI+Web3: análisis de proyectos, limitaciones y perspectivas futuras
Introducción: El desarrollo de AI+Web3
En los últimos años, el rápido desarrollo de la inteligencia artificial (AI) y la tecnología Web3 ha llamado la atención a nivel mundial. La IA ha logrado avances significativos en áreas como el reconocimiento facial, el procesamiento del lenguaje natural y el aprendizaje automático, lo que ha traído enormes transformaciones e innovaciones a diversas industrias. En 2023, el tamaño del mercado de la industria de la IA alcanzó los 200 mil millones de dólares, y empresas como OpenAI, Character.AI y Midjourney están liderando la ola de la IA.
Al mismo tiempo, Web3 como un nuevo modelo de red está cambiando la percepción y el uso que las personas tienen de Internet. Web3 se basa en la tecnología blockchain descentralizada y, a través de funciones como contratos inteligentes, almacenamiento distribuido y verificación de identidad descentralizada, ha logrado compartir y controlar datos, establecer la autonomía del usuario y crear mecanismos de confianza. La idea central de Web3 es liberar los datos del control de las instituciones centralizadas, otorgando a los usuarios el control sobre sus datos y el derecho a compartir su valor. Actualmente, el valor de mercado de la industria Web3 alcanza los 25 billones, y proyectos como Bitcoin, Ethereum y Solana están atrayendo a cada vez más personas a unirse.
La combinación de la IA y Web3 es un área de interés importante tanto en Oriente como en Occidente, y vale la pena explorar cómo integrar ambas de manera efectiva. Este artículo se centrará en el estado actual del desarrollo de IA + Web3, analizará la situación actual de los proyectos y las limitaciones y desafíos que enfrentan, proporcionando referencia e información para inversores y profesionales de la industria.
En segundo lugar, la forma en que la IA interactúa con la Web3
El desarrollo de la IA y Web3 es como los dos lados de una balanza; la IA aporta un aumento de la productividad, mientras que Web3 trae una transformación de las relaciones de producción. A continuación, analizaremos las dificultades y espacios de mejora que enfrentan ambos sectores, explorando cómo pueden ayudarse mutuamente a resolver estas dificultades.
2.1 Los desafíos que enfrenta la industria de la IA
El núcleo de la industria de la IA no puede separarse de tres elementos: potencia de cálculo, algoritmos y datos.
La capacidad de cómputo se refiere a la capacidad para realizar cálculos y procesos a gran escala. Las tareas de IA requieren manejar grandes volúmenes de datos y cálculos complejos, como el entrenamiento de modelos de redes neuronales profundas. Una capacidad de cómputo de alta intensidad puede acelerar el entrenamiento y la inferencia de modelos, mejorando el rendimiento y la eficiencia de los sistemas de IA. En los últimos años, el desarrollo de GPU y chips de IA dedicados ha impulsado considerablemente el progreso de la industria de la IA.
El algoritmo es el núcleo de los sistemas de IA, incluyendo algoritmos de aprendizaje automático tradicionales y algoritmos de aprendizaje profundo. La elección y el diseño del algoritmo son cruciales para el rendimiento del sistema de IA. Mejorar e innovar continuamente los algoritmos puede aumentar la precisión, robustez y capacidad de generalización del sistema.
Los datos son la base para entrenar y optimizar modelos. A través de muestras de datos a gran escala, los sistemas de IA pueden aprender modelos más precisos e inteligentes. Conjuntos de datos ricos proporcionan información integral y diversa, ayudando a los modelos a generalizar mejor y resolver problemas del mundo real.
La IA enfrenta numerosos desafíos en estos tres aspectos:
En términos de potencia de cálculo, obtener y gestionar grandes cantidades de potencia de cálculo es caro y complejo, especialmente para startups y desarrolladores individuales.
En términos de algoritmos, el aprendizaje profundo requiere grandes cantidades de datos y recursos computacionales, y la interpretabilidad del modelo y la capacidad de generalización aún necesitan mejorar.
En términos de datos, obtener datos de alta calidad y diversos sigue siendo un problema, y en ciertos campos, los datos son difíciles de obtener. La calidad de los datos, la precisión y la protección de la privacidad también son factores importantes a considerar.
Además, la interpretabilidad y transparencia de los modelos de IA, así como la falta de claridad en el modelo de negocio, son problemas que deben resolverse con urgencia.
2.2 Los desafíos que enfrenta la industria Web3
La industria Web3 tiene espacio para mejorar en análisis de datos, experiencia del usuario y seguridad de contratos inteligentes. La IA, como herramienta para aumentar la productividad, tiene muchas aplicaciones potenciales en estas áreas:
Capacidad de análisis y predicción de datos: la IA puede extraer información valiosa de grandes volúmenes de datos, realizar predicciones y decisiones más precisas, lo que es de gran importancia para la evaluación de riesgos y la gestión de activos en campos como DeFi.
Experiencia del usuario y servicios personalizados: la IA puede analizar los datos de los usuarios, ofrecer recomendaciones personalizadas y servicios a medida, aumentando la participación y satisfacción del usuario.
Seguridad y protección de la privacidad: La IA puede ser utilizada para detectar ataques cibernéticos, identificar comportamientos anómalos y proporcionar una mayor seguridad. Al mismo tiempo, puede aplicarse a la protección de la privacidad de los datos, protegiendo la información personal de los usuarios.
Auditoría de contratos inteligentes: La IA se puede utilizar para automatizar la auditoría de contratos y la detección de vulnerabilidades, mejorando la seguridad y la fiabilidad de los contratos.
Es evidente que la IA puede ayudar a resolver los problemas que enfrenta la industria Web3 en muchos aspectos y promover el desarrollo de la industria.
Tres, análisis del estado actual de los proyectos AI+Web3
Los proyectos de AI+Web3 abordan principalmente dos aspectos: mejorar el rendimiento de los proyectos de IA utilizando la tecnología blockchain, y utilizar la tecnología de IA para servir a los proyectos de Web3. Actualmente están surgiendo diversos proyectos como Io.net, Gensyn, Ritual, entre otros. A continuación, analizaremos la situación y el desarrollo en diferentes subsectores.
3.1 Web3 impulsa la IA
3.1.1 Poder de cálculo descentralizado
Con la aparición de grandes modelos como ChatGPT, la demanda de potencia de cálculo por parte de la IA ha aumentado drásticamente, lo que ha llevado a una escasez de GPU. Proyectos de potencia de cálculo descentralizados como Akash, Render y Gensyn atraen a los usuarios para que proporcionen su potencia de GPU ociosa mediante incentivos en tokens, ofreciendo soporte de potencia de cálculo a los clientes de IA.
El lado de la oferta incluye principalmente proveedores de servicios en la nube, mineros de criptomonedas y grandes empresas. El proyecto atrae a los proveedores a través de incentivos en tokens y luego ofrece servicios de red de potencia de cálculo al lado de la demanda, logrando así la coincidencia de la oferta y la demanda de potencia de cálculo ociosa.
Los proyectos de poder computacional descentralizado se dividen principalmente en dos categorías: una para la inferencia de IA ( como Render, Akash ), y otra para el entrenamiento de IA ( como io.net, Gensyn ). io.net, como representante, actualmente cuenta con más de 500,000 GPUs, destacándose en proyectos de poder computacional descentralizado.
3.1.2 Modelo de algoritmo descentralizado
Los proyectos de modelos de algoritmos descentralizados como Bittensor buscan crear un ecosistema abierto y transparente que permita a los modelos de IA entrenarse, compartirse y utilizarse de manera segura y descentralizada.
En Bittensor, los proveedores de modelos algorítmicos contribuyen con modelos de aprendizaje automático a la red y reciben recompensas en tokens. La red utiliza un mecanismo de consenso único para garantizar las mejores respuestas. El token TAO se utiliza para incentivar a los mineros a contribuir con modelos algorítmicos, mientras que los usuarios deben gastar tokens para hacer preguntas y completar tareas.
3.1.3 Recolección de datos descentralizada
Para resolver el problema del suministro de datos de entrenamiento de IA, algunos proyectos combinan Web3 con incentivos de tokens para lograr la recolección de datos descentralizada. Por ejemplo, PublicAI permite a los usuarios participar como proveedores y validadores de datos, y recibir recompensas en tokens.
Otros como Ocean, que recopila datos de usuarios a través de la tokenización de datos, Hivemapper, que recopila datos de mapas, y Dimo, que recopila datos de automóviles, estos proyectos de recopilación de datos descentralizados también pueden convertirse en una potencial oferta para el entrenamiento de IA.
3.1.4 Protección de la privacidad del usuario en AI ZK
La tecnología de pruebas de conocimiento cero puede ayudar a resolver el conflicto entre la protección de la privacidad y el intercambio de datos en la IA. ZKML(Zero-Knowledge Machine Learning) permite el entrenamiento y la inferencia de modelos de aprendizaje automático sin revelar los datos originales.
BasedAI propone integrar la criptografía completamente homomórfica (FHE) con modelos de lenguaje grande (LLM), utilizando modelos de lenguaje grandes de conocimiento cero (ZK-LLM) para proteger la privacidad de los datos de los usuarios.
Además, proyectos como Cortex permiten ejecutar programas de IA en la cadena, utilizando GPU para ejecutar modelos de IA en la cadena, logrando un razonamiento de IA descentralizado, inmutable y transparente.
3.2 AI impulsa Web3
3.2.1 Análisis y Predicción de Datos
Muchos proyectos de Web3 integran servicios de IA para proporcionar análisis de datos y predicciones a los usuarios. Por ejemplo, Pond utiliza algoritmos de gráficos de IA para predecir tokens valiosos, BullBear AI predice tendencias de precios. Numerai organiza competiciones de predicción del mercado de valores con IA, y Arkham combina IA para el análisis de datos en cadena.
3.2.2 Servicios Personalizados
Los proyectos de Web3 optimizan la experiencia del usuario a través de la integración de IA. Por ejemplo, Dune lanzó la herramienta Wand para escribir consultas SQL utilizando modelos de lenguaje grande; Followin e IQ.wiki integran ChatGPT para resumir contenido; NFPrompt permite a los usuarios generar NFT mediante IA.
3.2.3 Auditoría de contratos inteligentes con IA
La IA puede auditar el código de los contratos inteligentes de manera más eficiente y precisa, identificando vulnerabilidades. Por ejemplo, 0x0.ai ofrece un auditor de contratos inteligentes basado en IA, utilizando técnicas de aprendizaje automático para identificar problemas potenciales en el código.
Además, hay proyectos como PAAL que ayudan a crear Bots de IA personalizados, y Hera que utiliza IA para ofrecer las mejores rutas de trading, entre otros. La IA actúa principalmente como una herramienta para apoyar el desarrollo de Web3.
Cuarta, limitaciones y desafíos actuales de los proyectos AI+Web3
4.1 Obstáculos reales en la potencia de cálculo descentralizada
Los proyectos de potencia de cálculo descentralizada enfrentan algunos problemas reales:
Rendimiento y estabilidad: Puede haber retrasos e inestabilidad en la conexión de red entre nodos distribuidos.
Disponibilidad: Puede verse afectada por el equilibrio entre la oferta y la demanda, lo que puede llevar a una escasez de recursos o a la incapacidad de satisfacer la demanda.
Complejidad: los usuarios deben comprender conocimientos sobre redes distribuidas, contratos inteligentes, etc., y los costos de uso son relativamente altos.
Dificultad para entrenar grandes modelos: El entrenamiento de grandes modelos requiere un entorno con alta estabilidad y múltiples tarjetas en paralelo, y la potencia de cálculo descentralizada tiene dificultades para cumplir con estos requisitos.
Limitaciones de distancia física: NVLink de NVIDIA limita la distancia física entre las tarjetas gráficas, dificultando la formación de un clúster para el entrenamiento de grandes modelos.
Actualmente, la potencia de cálculo descentralizada se aplica principalmente a la inferencia de IA o al entrenamiento de modelos pequeños y medianos en escenarios específicos. En el futuro, podría desempeñar un papel en áreas como la computación en el borde.
La combinación de AI+Web3 es bastante rudimentaria, no ha logrado 1+1>2
Actualmente, la combinación de AI y Web3 sigue siendo bastante superficial:
La mayoría de los proyectos solo utilizan la IA de manera simple para mejorar la eficiencia, careciendo de soluciones nativas integradas e innovadoras.
Algunos equipos exageran el concepto de IA, con aplicaciones prácticas limitadas.
El futuro requiere una investigación más profunda para crear soluciones nativas y significativas en campos como las finanzas, DAO y los mercados de predicción.
4.3 La economía de tokens se convierte en un amortiguador para la narrativa de proyectos de IA
Muchos proyectos de AI+Web3 utilizan la economía de tokens para fomentar la participación de los usuarios, pero la clave está en si realmente satisfacen necesidades reales, y no en meras narrativas o en la búsqueda de un valor a corto plazo.
Actualmente, la mayoría de los proyectos aún no han alcanzado la etapa práctica, y se necesitan más equipos sólidos y con ideas que realmente satisfagan las necesidades del escenario real.
Cinco, resumen
Los proyectos de AI+Web3 han surgido con numerosos casos de aplicación. La IA proporciona análisis inteligentes, predicciones, auditorías y otras capacidades para mejorar la experiencia del usuario en Web3. A su vez, Web3 ofrece a la IA una plataforma descentralizada para el poder computacional, el intercambio de datos y algoritmos, promoviendo así el desarrollo de la IA.
A pesar de que los proyectos de AI+Web3 aún se encuentran en una etapa temprana y enfrentan numerosos desafíos, también traen ventajas como la reducción de la dependencia de la centralización y el aumento de la transparencia. En el futuro, la profunda integración de la AI y Web3 traerá posibilidades infinitas para la innovación tecnológica y el desarrollo económico, y se espera que construya un sistema económico y social más inteligente, abierto y justo.