Nos últimos anos, o rápido desenvolvimento da inteligência artificial (AI) e das tecnologias Web3 atraiu ampla atenção em todo o mundo. A IA fez grandes avanços em áreas como reconhecimento facial, processamento de linguagem natural e aprendizado de máquina, trazendo enormes transformações e inovações para diversos setores. Em 2023, o tamanho do mercado da indústria de IA atingiu 200 bilhões de dólares, com empresas como OpenAI, Character.AI e Midjourney liderando a onda da IA.
No entanto, o Web3, como um novo modelo de rede, está mudando a forma como as pessoas percebem e utilizam a internet. O Web3 é baseado na tecnologia de blockchain descentralizada e, através de contratos inteligentes, armazenamento distribuído e autenticação descentralizada, realiza o compartilhamento e controle de dados, a autonomia dos usuários e a criação de mecanismos de confiança. A ideia central do Web3 é libertar os dados das instituições centralizadas, concedendo aos usuários o controle e o direito de compartilhar o valor dos dados. Atualmente, o valor de mercado da indústria Web3 atinge 25 trilhões, e projetos como Bitcoin, Ethereum e Solana estão atraindo cada vez mais pessoas.
A combinação de IA e Web3 é uma área de interesse importante tanto no Oriente quanto no Ocidente, e como integrar bem os dois merece exploração. Este artigo se concentrará no estado atual do desenvolvimento de IA+Web3, analisando a situação dos projetos atuais e as limitações e desafios enfrentados, fornecendo referências e insights para investidores e profissionais da indústria.
Duas, formas de interação entre IA e Web3
O desenvolvimento da IA e do Web3 é como os lados de uma balança; a IA traz aumento da produtividade, enquanto o Web3 traz transformações nas relações de produção. A seguir, analisaremos os dilemas enfrentados por ambos os setores e o espaço para melhorias, explorando como podem ajudar-se mutuamente a resolver esses desafios.
2.1 Dificuldades enfrentadas pela indústria de IA
Os três elementos fundamentais da indústria de IA são: poder computacional, algoritmos e dados.
A capacidade de computação refere-se à capacidade de realizar cálculos e processamentos em larga escala. As tarefas de IA exigem o processamento de grandes quantidades de dados e cálculos complexos, como o treinamento de modelos de redes neurais profundas. Uma capacidade de computação de alta intensidade pode acelerar o treinamento e a inferência de modelos, melhorando o desempenho e a eficiência dos sistemas de IA. Nos últimos anos, o desenvolvimento de GPUs e chips de IA dedicados tem impulsionado significativamente o progresso da indústria de IA.
O algoritmo é o núcleo dos sistemas de IA, incluindo algoritmos de aprendizado de máquina tradicionais e algoritmos de aprendizado profundo. A escolha e o design do algoritmo são cruciais para o desempenho do sistema de IA. A melhoria contínua e a inovação dos algoritmos podem aumentar a precisão, robustez e capacidade de generalização do sistema.
Os dados são a base para treinar e otimizar modelos. Através de grandes amostras de dados, os sistemas de IA podem aprender modelos mais precisos e inteligentes. Conjuntos de dados ricos oferecem informações abrangentes e diversificadas, ajudando os modelos a generalizar melhor e resolver problemas do mundo real.
A IA enfrenta muitos desafios nestas três áreas:
No que diz respeito à capacidade de computação, adquirir e gerir uma grande escala de poder de computação é caro e complexo, especialmente para startups e desenvolvedores individuais.
Na área de algoritmos, o aprendizado profundo requer grandes quantidades de dados e recursos computacionais, e a interpretabilidade do modelo e a capacidade de generalização ainda precisam ser aprimoradas.
Na área de dados, obter dados de alta qualidade e diversificados continua a ser um desafio, sendo difícil obter dados em certos domínios. A qualidade dos dados, a precisão e a proteção da privacidade também são fatores importantes a considerar.
Além disso, a interpretabilidade e transparência dos modelos de IA, bem como a falta de clareza nos modelos de negócios, são questões que precisam ser resolvidas com urgência.
2.2 Dificuldades enfrentadas pela indústria Web3
A indústria Web3 tem espaço para melhorias em análise de dados, experiência do usuário e segurança de contratos inteligentes. A IA, como uma ferramenta para aumentar a produtividade, tem muitas aplicações potenciais nessas áreas:
Capacidade de análise e previsão de dados: A IA pode extrair informações valiosas de grandes volumes de dados, realizando previsões e decisões mais precisas, o que é de grande importância para a avaliação de riscos e gestão de ativos em áreas como DeFi.
Experiência do usuário e serviços personalizados: a IA pode analisar dados dos usuários, oferecendo recomendações personalizadas e serviços sob medida, aumentando o envolvimento e a satisfação dos usuários.
Segurança e proteção da privacidade: A IA pode ser utilizada para detectar ataques cibernéticos, identificar comportamentos anómalos e fornecer uma proteção de segurança mais robusta. Ao mesmo tempo, pode ser aplicada na proteção da privacidade dos dados, protegendo as informações pessoais dos usuários.
Auditoria de contratos inteligentes: a IA pode ser usada para automatizar a auditoria de contratos e a detecção de vulnerabilidades, aumentando a segurança e a confiabilidade dos contratos.
É evidente que a IA pode ajudar a resolver os desafios enfrentados pela indústria Web3 em muitos aspectos, impulsionando o desenvolvimento do setor.
Três, Análise do Estado Atual dos Projetos AI+Web3
Os projetos AI+Web3 abordam principalmente duas áreas: utilizar a tecnologia blockchain para melhorar o desempenho dos projetos de IA e utilizar a tecnologia de IA para servir os projetos Web3. Atualmente, surgiram projetos como Io.net, Gensyn, Ritual, entre outros, e a seguir será feita uma análise da situação atual e do desenvolvimento em diferentes subcategorias.
3.1 Web3 impulsiona a IA
3.1.1 Poder de computação descentralizado
Com o surgimento de grandes modelos como o ChatGPT, a demanda por poder de computação da IA aumentou drasticamente, resultando em uma escassez de GPUs. Projetos de computação descentralizada, como Akash, Render e Gensyn, atraem usuários a fornecer poder de computação GPU ocioso por meio de incentivos em tokens, oferecendo suporte de computação para clientes de IA.
O lado da oferta inclui principalmente provedores de serviços em nuvem, mineradores de criptomoeda e grandes empresas. O projeto atrai fornecedores por meio de incentivos em tokens e, em seguida, oferece serviços de rede de poder de cálculo ao lado da demanda, realizando a correspondência entre a oferta e a demanda de poder de cálculo ocioso.
Os projetos de computação descentralizada podem ser divididos em duas categorias: uma para inferência de IA (, como Render, Akash ), e outra para treinamento de IA (, como io.net, Gensyn ). Como representante, o io.net possui atualmente mais de 500 mil GPUs e se destaca nos projetos de computação descentralizada.
3.1.2 Modelo de Algoritmo Descentralizado
Projetos de modelos de algoritmos descentralizados como o Bittensor, que visam criar um ecossistema aberto e transparente, permitindo que modelos de IA possam ser treinados, compartilhados e utilizados de forma segura e descentralizada.
No Bittensor, os provedores de modelos algorítmicos contribuem com modelos de aprendizado de máquina para a rede e recebem recompensas em tokens. A rede utiliza um mecanismo de consenso exclusivo para garantir as melhores respostas. O token TAO é usado para incentivar os mineradores a contribuírem com modelos algorítmicos, enquanto os usuários precisam gastar tokens para fazer perguntas e completar tarefas.
3.1.3 Coleta de dados descentralizada
Para resolver o problema do fornecimento de dados de treino de IA, alguns projetos combinam Web3 através de incentivos em tokens para realizar a coleta de dados descentralizada. Por exemplo, o PublicAI permite que os usuários participem como provedores e validadores de dados e recebam recompensas em tokens.
Outros, como a Ocean, que coleta dados dos usuários através da tokenização de dados, a Hivemapper, que coleta dados de mapas, e a Dimo, que coleta dados de automóveis, esses projetos descentralizados de coleta de dados também podem se tornar um potencial lado de oferta para o treinamento de IA.
3.1.4 ZK proteção da privacidade do usuário na AI
A tecnologia de prova de conhecimento zero pode ajudar a resolver o conflito entre proteção da privacidade e compartilhamento de dados na IA. ZKML(Zero-Knowledge Machine Learning) permite o treinamento e a inferência de modelos de aprendizado de máquina sem revelar os dados originais.
A BasedAI propôs integrar a criptografia homomórfica completa (FHE) com grandes modelos de linguagem (LLM), utilizando modelos de linguagem de conhecimento zero (ZK-LLM) para proteger a privacidade dos dados dos usuários.
Além disso, projetos como o Cortex suportam a execução de programas de IA na cadeia, utilizando GPUs para executar modelos de IA na cadeia, alcançando uma inferência de IA descentralizada, imutável e transparente.
3.2 AI ajuda o Web3
3.2.1 Análise e Previsão de Dados
Muitos projetos Web3 integram serviços de IA para fornecer análise de dados e previsões aos usuários. Por exemplo, a Pond utiliza algoritmos de gráfico de IA para prever tokens valiosos, a BullBear AI prevê tendências de preços. A Numerai organiza competições de previsão do mercado de ações com IA, e a Arkham combina IA para análise de dados on-chain.
3.2.2 Serviços Personalizados
Projetos Web3 estão a otimizar a experiência do utilizador através da integração de IA. Por exemplo, a Dune lançou a ferramenta Wand que utiliza grandes modelos de linguagem para escrever consultas SQL; Followin e IQ.wiki integram o ChatGPT para resumir conteúdos; a NFPrompt permite que os utilizadores gerem NFTs através da IA.
3.2.3 Auditoria de contratos inteligentes com IA
A IA pode auditar o código dos contratos inteligentes de forma mais eficiente e precisa, identificando vulnerabilidades. Por exemplo, o 0x0.ai oferece um auditor de contratos inteligentes baseado em IA, utilizando técnicas de aprendizado de máquina para identificar problemas potenciais no código.
Além disso, há projetos como o PAAL que ajudam a criar Bots de IA personalizados, e a Hera que utiliza IA para oferecer os melhores caminhos de negociação, entre outros, com a IA a servir principalmente como uma ferramenta para impulsionar o desenvolvimento do Web3.
Quatro, as limitações e desafios atuais dos projetos AI+Web3
4.1 Obstáculos reais na computação descentralizada
Os projetos de computação descentralizada enfrentam alguns problemas reais:
Desempenho e estabilidade: a conexão em rede entre nós distribuídos pode apresentar latência e instabilidade.
Disponibilidade: a correspondência entre oferta e procura pode levar à escassez de recursos ou à incapacidade de satisfazer a demanda.
Complexidade: os usuários precisam entender conhecimentos sobre redes distribuídas, contratos inteligentes, etc., o custo de uso é relativamente alto.
Dificuldade em realizar o treinamento de grandes modelos: O treinamento de grandes modelos requer um ambiente de alta estabilidade e múltiplas placas gráficas em paralelo, e a computação descentralizada é difícil de atender a esses requisitos.
Limitação de distância física: O NVLink da NVIDIA limita a distância física entre as placas gráficas, dificultando a formação de clusters para o treinamento de grandes modelos.
Atualmente, a computação descentralizada é principalmente aplicada em inferência de IA ou treinamento de modelos de pequeno a médio porte em cenários específicos. No futuro, pode desempenhar um papel em áreas como computação de borda.
A combinação de AI+Web3 é relativamente rudimentar, não alcançando 1+1>2
Atualmente, a combinação de IA e Web3 ainda é bastante superficial:
A maioria dos projetos apenas utiliza a IA de forma simples para aumentar a eficiência, carecendo de soluções nativas integradas e inovadoras.
Algumas equipas sobrevalorizam o conceito de IA, com aplicações reais limitadas.
No futuro, será necessário realizar pesquisas mais aprofundadas para criar soluções nativas e significativas nas áreas de finanças, DAO, mercados de previsão, entre outros.
4.3 A economia dos tokens torna-se um agente amortecedor na narrativa de projetos de IA
Muitos projetos AI+Web3 utilizam a economia de tokens para promover a participação dos usuários, mas a chave está em saber se realmente resolvem necessidades práticas, e não apenas em narrativas ou na busca de valor a curto prazo.
Atualmente, a maioria dos projetos ainda não atingiu a fase prática, sendo necessário que mais equipes sólidas e com ideias realmente atendam às necessidades reais do cenário.
Cinco, Resumo
Projetos de AI+Web3 já surgiram com muitos casos de aplicação. A AI oferece análise inteligente, previsões e auditorias para o Web3, melhorando a experiência do usuário. O Web3, por sua vez, fornece uma plataforma de compartilhamento descentralizado de poder computacional, dados e algoritmos, promovendo o desenvolvimento da AI.
Embora os projetos de AI+Web3 ainda estejam em uma fase inicial e enfrentem vários desafios, eles também trazem vantagens, como a redução da dependência da centralização e o aumento da transparência. A futura fusão profunda entre AI e Web3 trará possibilidades infinitas para a inovação tecnológica e o desenvolvimento econômico, com a expectativa de construir um sistema econômico e social mais inteligente, aberto e justo.
Ver original
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 gostos
Recompensa
19
6
Partilhar
Comentar
0/400
MeaninglessGwei
· 3h atrás
mundo crypto velho idiota não entendi
Ver originalResponder0
DaoDeveloper
· 11h atrás
padrão interessante, para ser honesto... os primitivos web3 + IA poderiam desbloquear mecanismos de governança de próxima geração
Ver originalResponder0
NFTRegretful
· 07-13 00:41
Fazer tantas IA para quê? Ser enganado por idiotas, não é?
Ver originalResponder0
AirdropHustler
· 07-11 05:22
Então, para que falar dessas coisas vazias?
Ver originalResponder0
Blockblind
· 07-11 05:14
Onde é que a IA é mais atraente do que o web3?
Ver originalResponder0
LayoffMiner
· 07-11 05:08
Estudar desenvolvimento acabará por te deixar sem comida.
Estado atual do desenvolvimento de AI+Web3: análise de projetos, limitações e perspetivas futuras
Uma introdução: O desenvolvimento de AI+Web3
Nos últimos anos, o rápido desenvolvimento da inteligência artificial (AI) e das tecnologias Web3 atraiu ampla atenção em todo o mundo. A IA fez grandes avanços em áreas como reconhecimento facial, processamento de linguagem natural e aprendizado de máquina, trazendo enormes transformações e inovações para diversos setores. Em 2023, o tamanho do mercado da indústria de IA atingiu 200 bilhões de dólares, com empresas como OpenAI, Character.AI e Midjourney liderando a onda da IA.
No entanto, o Web3, como um novo modelo de rede, está mudando a forma como as pessoas percebem e utilizam a internet. O Web3 é baseado na tecnologia de blockchain descentralizada e, através de contratos inteligentes, armazenamento distribuído e autenticação descentralizada, realiza o compartilhamento e controle de dados, a autonomia dos usuários e a criação de mecanismos de confiança. A ideia central do Web3 é libertar os dados das instituições centralizadas, concedendo aos usuários o controle e o direito de compartilhar o valor dos dados. Atualmente, o valor de mercado da indústria Web3 atinge 25 trilhões, e projetos como Bitcoin, Ethereum e Solana estão atraindo cada vez mais pessoas.
A combinação de IA e Web3 é uma área de interesse importante tanto no Oriente quanto no Ocidente, e como integrar bem os dois merece exploração. Este artigo se concentrará no estado atual do desenvolvimento de IA+Web3, analisando a situação dos projetos atuais e as limitações e desafios enfrentados, fornecendo referências e insights para investidores e profissionais da indústria.
Duas, formas de interação entre IA e Web3
O desenvolvimento da IA e do Web3 é como os lados de uma balança; a IA traz aumento da produtividade, enquanto o Web3 traz transformações nas relações de produção. A seguir, analisaremos os dilemas enfrentados por ambos os setores e o espaço para melhorias, explorando como podem ajudar-se mutuamente a resolver esses desafios.
2.1 Dificuldades enfrentadas pela indústria de IA
Os três elementos fundamentais da indústria de IA são: poder computacional, algoritmos e dados.
A capacidade de computação refere-se à capacidade de realizar cálculos e processamentos em larga escala. As tarefas de IA exigem o processamento de grandes quantidades de dados e cálculos complexos, como o treinamento de modelos de redes neurais profundas. Uma capacidade de computação de alta intensidade pode acelerar o treinamento e a inferência de modelos, melhorando o desempenho e a eficiência dos sistemas de IA. Nos últimos anos, o desenvolvimento de GPUs e chips de IA dedicados tem impulsionado significativamente o progresso da indústria de IA.
O algoritmo é o núcleo dos sistemas de IA, incluindo algoritmos de aprendizado de máquina tradicionais e algoritmos de aprendizado profundo. A escolha e o design do algoritmo são cruciais para o desempenho do sistema de IA. A melhoria contínua e a inovação dos algoritmos podem aumentar a precisão, robustez e capacidade de generalização do sistema.
Os dados são a base para treinar e otimizar modelos. Através de grandes amostras de dados, os sistemas de IA podem aprender modelos mais precisos e inteligentes. Conjuntos de dados ricos oferecem informações abrangentes e diversificadas, ajudando os modelos a generalizar melhor e resolver problemas do mundo real.
A IA enfrenta muitos desafios nestas três áreas:
No que diz respeito à capacidade de computação, adquirir e gerir uma grande escala de poder de computação é caro e complexo, especialmente para startups e desenvolvedores individuais.
Na área de algoritmos, o aprendizado profundo requer grandes quantidades de dados e recursos computacionais, e a interpretabilidade do modelo e a capacidade de generalização ainda precisam ser aprimoradas.
Na área de dados, obter dados de alta qualidade e diversificados continua a ser um desafio, sendo difícil obter dados em certos domínios. A qualidade dos dados, a precisão e a proteção da privacidade também são fatores importantes a considerar.
Além disso, a interpretabilidade e transparência dos modelos de IA, bem como a falta de clareza nos modelos de negócios, são questões que precisam ser resolvidas com urgência.
2.2 Dificuldades enfrentadas pela indústria Web3
A indústria Web3 tem espaço para melhorias em análise de dados, experiência do usuário e segurança de contratos inteligentes. A IA, como uma ferramenta para aumentar a produtividade, tem muitas aplicações potenciais nessas áreas:
Capacidade de análise e previsão de dados: A IA pode extrair informações valiosas de grandes volumes de dados, realizando previsões e decisões mais precisas, o que é de grande importância para a avaliação de riscos e gestão de ativos em áreas como DeFi.
Experiência do usuário e serviços personalizados: a IA pode analisar dados dos usuários, oferecendo recomendações personalizadas e serviços sob medida, aumentando o envolvimento e a satisfação dos usuários.
Segurança e proteção da privacidade: A IA pode ser utilizada para detectar ataques cibernéticos, identificar comportamentos anómalos e fornecer uma proteção de segurança mais robusta. Ao mesmo tempo, pode ser aplicada na proteção da privacidade dos dados, protegendo as informações pessoais dos usuários.
Auditoria de contratos inteligentes: a IA pode ser usada para automatizar a auditoria de contratos e a detecção de vulnerabilidades, aumentando a segurança e a confiabilidade dos contratos.
É evidente que a IA pode ajudar a resolver os desafios enfrentados pela indústria Web3 em muitos aspectos, impulsionando o desenvolvimento do setor.
Três, Análise do Estado Atual dos Projetos AI+Web3
Os projetos AI+Web3 abordam principalmente duas áreas: utilizar a tecnologia blockchain para melhorar o desempenho dos projetos de IA e utilizar a tecnologia de IA para servir os projetos Web3. Atualmente, surgiram projetos como Io.net, Gensyn, Ritual, entre outros, e a seguir será feita uma análise da situação atual e do desenvolvimento em diferentes subcategorias.
3.1 Web3 impulsiona a IA
3.1.1 Poder de computação descentralizado
Com o surgimento de grandes modelos como o ChatGPT, a demanda por poder de computação da IA aumentou drasticamente, resultando em uma escassez de GPUs. Projetos de computação descentralizada, como Akash, Render e Gensyn, atraem usuários a fornecer poder de computação GPU ocioso por meio de incentivos em tokens, oferecendo suporte de computação para clientes de IA.
O lado da oferta inclui principalmente provedores de serviços em nuvem, mineradores de criptomoeda e grandes empresas. O projeto atrai fornecedores por meio de incentivos em tokens e, em seguida, oferece serviços de rede de poder de cálculo ao lado da demanda, realizando a correspondência entre a oferta e a demanda de poder de cálculo ocioso.
Os projetos de computação descentralizada podem ser divididos em duas categorias: uma para inferência de IA (, como Render, Akash ), e outra para treinamento de IA (, como io.net, Gensyn ). Como representante, o io.net possui atualmente mais de 500 mil GPUs e se destaca nos projetos de computação descentralizada.
3.1.2 Modelo de Algoritmo Descentralizado
Projetos de modelos de algoritmos descentralizados como o Bittensor, que visam criar um ecossistema aberto e transparente, permitindo que modelos de IA possam ser treinados, compartilhados e utilizados de forma segura e descentralizada.
No Bittensor, os provedores de modelos algorítmicos contribuem com modelos de aprendizado de máquina para a rede e recebem recompensas em tokens. A rede utiliza um mecanismo de consenso exclusivo para garantir as melhores respostas. O token TAO é usado para incentivar os mineradores a contribuírem com modelos algorítmicos, enquanto os usuários precisam gastar tokens para fazer perguntas e completar tarefas.
3.1.3 Coleta de dados descentralizada
Para resolver o problema do fornecimento de dados de treino de IA, alguns projetos combinam Web3 através de incentivos em tokens para realizar a coleta de dados descentralizada. Por exemplo, o PublicAI permite que os usuários participem como provedores e validadores de dados e recebam recompensas em tokens.
Outros, como a Ocean, que coleta dados dos usuários através da tokenização de dados, a Hivemapper, que coleta dados de mapas, e a Dimo, que coleta dados de automóveis, esses projetos descentralizados de coleta de dados também podem se tornar um potencial lado de oferta para o treinamento de IA.
3.1.4 ZK proteção da privacidade do usuário na AI
A tecnologia de prova de conhecimento zero pode ajudar a resolver o conflito entre proteção da privacidade e compartilhamento de dados na IA. ZKML(Zero-Knowledge Machine Learning) permite o treinamento e a inferência de modelos de aprendizado de máquina sem revelar os dados originais.
A BasedAI propôs integrar a criptografia homomórfica completa (FHE) com grandes modelos de linguagem (LLM), utilizando modelos de linguagem de conhecimento zero (ZK-LLM) para proteger a privacidade dos dados dos usuários.
Além disso, projetos como o Cortex suportam a execução de programas de IA na cadeia, utilizando GPUs para executar modelos de IA na cadeia, alcançando uma inferência de IA descentralizada, imutável e transparente.
3.2 AI ajuda o Web3
3.2.1 Análise e Previsão de Dados
Muitos projetos Web3 integram serviços de IA para fornecer análise de dados e previsões aos usuários. Por exemplo, a Pond utiliza algoritmos de gráfico de IA para prever tokens valiosos, a BullBear AI prevê tendências de preços. A Numerai organiza competições de previsão do mercado de ações com IA, e a Arkham combina IA para análise de dados on-chain.
3.2.2 Serviços Personalizados
Projetos Web3 estão a otimizar a experiência do utilizador através da integração de IA. Por exemplo, a Dune lançou a ferramenta Wand que utiliza grandes modelos de linguagem para escrever consultas SQL; Followin e IQ.wiki integram o ChatGPT para resumir conteúdos; a NFPrompt permite que os utilizadores gerem NFTs através da IA.
3.2.3 Auditoria de contratos inteligentes com IA
A IA pode auditar o código dos contratos inteligentes de forma mais eficiente e precisa, identificando vulnerabilidades. Por exemplo, o 0x0.ai oferece um auditor de contratos inteligentes baseado em IA, utilizando técnicas de aprendizado de máquina para identificar problemas potenciais no código.
Além disso, há projetos como o PAAL que ajudam a criar Bots de IA personalizados, e a Hera que utiliza IA para oferecer os melhores caminhos de negociação, entre outros, com a IA a servir principalmente como uma ferramenta para impulsionar o desenvolvimento do Web3.
Quatro, as limitações e desafios atuais dos projetos AI+Web3
4.1 Obstáculos reais na computação descentralizada
Os projetos de computação descentralizada enfrentam alguns problemas reais:
Desempenho e estabilidade: a conexão em rede entre nós distribuídos pode apresentar latência e instabilidade.
Disponibilidade: a correspondência entre oferta e procura pode levar à escassez de recursos ou à incapacidade de satisfazer a demanda.
Complexidade: os usuários precisam entender conhecimentos sobre redes distribuídas, contratos inteligentes, etc., o custo de uso é relativamente alto.
Dificuldade em realizar o treinamento de grandes modelos: O treinamento de grandes modelos requer um ambiente de alta estabilidade e múltiplas placas gráficas em paralelo, e a computação descentralizada é difícil de atender a esses requisitos.
Limitação de distância física: O NVLink da NVIDIA limita a distância física entre as placas gráficas, dificultando a formação de clusters para o treinamento de grandes modelos.
Atualmente, a computação descentralizada é principalmente aplicada em inferência de IA ou treinamento de modelos de pequeno a médio porte em cenários específicos. No futuro, pode desempenhar um papel em áreas como computação de borda.
A combinação de AI+Web3 é relativamente rudimentar, não alcançando 1+1>2
Atualmente, a combinação de IA e Web3 ainda é bastante superficial:
A maioria dos projetos apenas utiliza a IA de forma simples para aumentar a eficiência, carecendo de soluções nativas integradas e inovadoras.
Algumas equipas sobrevalorizam o conceito de IA, com aplicações reais limitadas.
No futuro, será necessário realizar pesquisas mais aprofundadas para criar soluções nativas e significativas nas áreas de finanças, DAO, mercados de previsão, entre outros.
4.3 A economia dos tokens torna-se um agente amortecedor na narrativa de projetos de IA
Muitos projetos AI+Web3 utilizam a economia de tokens para promover a participação dos usuários, mas a chave está em saber se realmente resolvem necessidades práticas, e não apenas em narrativas ou na busca de valor a curto prazo.
Atualmente, a maioria dos projetos ainda não atingiu a fase prática, sendo necessário que mais equipes sólidas e com ideias realmente atendam às necessidades reais do cenário.
Cinco, Resumo
Projetos de AI+Web3 já surgiram com muitos casos de aplicação. A AI oferece análise inteligente, previsões e auditorias para o Web3, melhorando a experiência do usuário. O Web3, por sua vez, fornece uma plataforma de compartilhamento descentralizado de poder computacional, dados e algoritmos, promovendo o desenvolvimento da AI.
Embora os projetos de AI+Web3 ainda estejam em uma fase inicial e enfrentem vários desafios, eles também trazem vantagens, como a redução da dependência da centralização e o aumento da transparência. A futura fusão profunda entre AI e Web3 trará possibilidades infinitas para a inovação tecnológica e o desenvolvimento econômico, com a expectativa de construir um sistema econômico e social mais inteligente, aberto e justo.