Проекты Web3 с концепцией ИИ становятся объектами привлечения капитала на первичном и вторичном рынках.
Возможности Web3 в индустрии ИИ проявляются в следующем: использование распределенных стимулов для координации потенциального предложения в длинном хвосте — в области данных, хранения и вычислений; одновременно создается открытая модель и децентрализованный рынок для ИИ-агентов.
Искусственный интеллект в индустрии Web3 в основном используется в области финансов на блокчейне (криптоплатежи, торговля, анализ данных) и в качестве помощи разработчикам.
Эффективность AI + Web3 проявляется в их взаимодополнении: Web3 обещает противостоять централизации AI, а AI, в свою очередь, может помочь Web3 выйти за рамки.
Введение
За последние два года развитие ИИ похоже на нажатие кнопки ускорения; это вызванное Chatgpt колебание бабочки не только открыло новый мир генеративного искусственного интеллекта, но и вызвало мощные волны в Web3.
С поддержкой концепции ИИ, финансирование в замедляющемся криптовалютном рынке значительно возросло. Согласно статистике СМИ, только в первой половине 2024 года было завершено финансирование 64 проектов Web3+AI, а операционная система на основе искусственного интеллекта Zyber365 достигла максимального объема финансирования в 100 миллионов долларов на стадии A.
Вторичный рынок стал более процветающим, данные агрегатора криптовалют Coingecko показывают, что всего за чуть больше года общая рыночная капитализация в AI-секторе достигла 48,5 миллиарда долларов, а объем торгов за 24 часа близок к 8,6 миллиарда долларов; положительные изменения, вызванные прогрессом в основных AI-технологиях, очевидны: после выхода модели OpenAI Sora для преобразования текста в видео средняя цена в AI-секторе выросла на 151%; эффект AI также затронул один из секторов криптовалют, привлекающих капитал, Meme: концепция первого AI-агента MemeCoin — GOAT быстро стала популярной и достигла оценки в 1,4 миллиарда долларов, успешно запустив бум AI Meme.
Исследования и темы, связанные с AI+Web3, также на пике популярности: от AI+Depin до AI Memecoin, а затем к текущим AI Agent и AI DAO, эмоции FOMO уже не успевают за скоростью смены новых нарративов.
AI+Web3, этот термин, наполненный горячими деньгами, модой и будущими фантазиями, неизбежно воспринимается как брак, устроенный капиталом, и нам кажется трудно различить под этой великолепной одеждой, является ли это ареной спекулянтов или же преддверием восхода?
Чтобы ответить на этот вопрос, ключевым размышлением для обеих сторон является вопрос о том, было бы лучше иметь другого? Можете ли вы извлечь пользу из модели другого человека? В этой статье мы также попытаемся взглянуть на этот ландшафт с точки зрения тех, кто был до нас: какую роль Web3 может сыграть во всех аспектах технологического стека ИИ и какую новую жизнь ИИ может привнести в Web3?
Какие возможности предоставляет Web3 под стеком AI?
Перед тем как развивать эту тему, нам нужно понять технологический стек больших моделей ИИ:
Источник изображения: Delphi Digital
Говоря более простым языком, весь процесс можно описать так: «Большая модель» похожа на человеческий мозг. На ранних стадиях этот мозг принадлежит новорожденному, который только что появился на свет и нуждается в наблюдении и усвоении огромного количества информации из окружающего мира, чтобы понять его. Это этап «сбора» данных. Поскольку компьютеры не обладают такими человеческими чувствами, как зрение и слух, перед обучением внешние большие объемы разметки данных необходимо преобразовать через «предобработку» в формат информации, который компьютер может понять и использовать.
После ввода данных AI создает модель с пониманием и предсказательной способностью через «обучение», что можно рассматривать как процесс, в котором младенец постепенно осваивает и учится понимать окружающий мир. Параметры модели подобны языковым навыкам младенца, которые постоянно корректируются в процессе обучения. Когда содержание обучения начинает делиться на области, или происходит взаимодействие с людьми, получая обратную связь и внося исправления, это переходит в этап «доработки» большой модели.
Дети, постепенно взрослея и научившись говорить, могут понимать смысл и выражать свои чувства и мысли в новых разговорах. Этот этап аналогичен «умозаключению» в больших моделях ИИ, которые могут предсказывать и анализировать новые языковые и текстовые вводы. Младенцы выражают чувства, описывают объекты и решают различные проблемы с помощью языковых навыков, что также похоже на применение больших моделей ИИ на этапе умозаключения для выполнения различных специфических задач после завершения обучения и ввода в эксплуатацию, таких как классификация изображений, распознавание речи и т. д.
Агент ИИ стремится стать следующей формой большого модели — способной самостоятельно выполнять задачи и стремиться к сложным целям, обладая не только способностью к мышлению, но и памятью, планированием, а также способностью использовать инструменты для взаимодействия с миром.
В настоящее время, в ответ на проблемы AI в различных стеках, Web3 в настоящее время предварительно сформировала многоуровневую, взаимосвязанную экосистему, охватывающую все стадии процесса моделирования AI.
Базовый уровень: Airbnb для вычислительной мощности и данных
мощность
На данный момент одной из самых высоких затрат ИИ является вычислительная мощность и энергия, необходимые для обучения моделей и вывода.
Одним из примеров является то, что для обучения модели LLAMA3 от Meta требуется 16000 графических процессоров H100, производимых NVIDIA (это топовый графический процессор, специально разработанный для задач искусственного интеллекта и высокопроизводительных вычислений). Обучение занимает 30 дней. Цена за 80-гигабайтную версию варьируется от 30 000 до 40 000 долларов, что требует инвестиций в вычислительное оборудование (GPU + сетевые чипы) в размере от 400 до 700 миллионов долларов. При этом ежемесячное обучение требует потребления 1,6 миллиарда киловатт-часов, а затраты на энергию составляют почти 20 миллионов долларов в месяц.
Разгрузка AI вычислительных мощностей также является одной из первых областей пересечения Web3 и AI — DePin (децентрализованная сеть физических инфраструктур). В настоящее время на сайте данных DePin Ninja представлено более 1400 проектов, среди которых проекты, представляющие собой совместное использование вычислительных мощностей GPU, включают io.net, Aethir, Akash, Render Network и другие.
Основная логика заключается в том, что платформа позволяет индивидуумам или организациям, имеющим неиспользуемые ресурсы GPU, вносить свой вычислительный потенциал в децентрализованной форме без необходимости получения разрешений. Это создает онлайн-рынок для покупателей и продавцов, аналогичный Uber или Airbnb, что повышает уровень использования недоиспользуемых ресурсов GPU, и конечные пользователи, в свою очередь, получают более доступные и эффективные вычислительные ресурсы. В то же время механизм стейкинга гарантирует, что если произойдут нарушения механизмов контроля качества или прерывания сети, поставщики ресурсов понесут соответствующие наказания.
Его особенности заключаются в том, что:
Сбор неиспользуемых ресурсов GPU: поставщиками в основном являются независимые малые и средние дата-центры, операторы избыточных вычислительных мощностей криптодобычи и т.п., а также оборудование для майнинга с механизмом консенсуса PoS, такое как майнинг-устройства FileCoin и ETH. В настоящее время также есть проекты, стремящиеся запустить оборудование с более низким порогом входа, такие как exolab, использующий MacBook, iPhone, iPad и другие локальные устройства для создания сети вычислительных мощностей для выполнения больших моделей вывода.
В условиях длинного хвоста рынка вычислительных мощностей ИИ: a. «С технической точки зрения» децентрализованный рынок вычислительных мощностей лучше подходит для этапов вывода. Обучение в большей степени зависит от возможностей обработки данных, предоставляемых сверхбольшими кластерами GPU, в то время как вывод требует относительно низкой вычислительной производительности GPU, как, например, Aethir, который сосредоточен на рендеринге с низкой задержкой и приложениях ИИ. b. «С точки зрения спроса» малые и средние потребители вычислительных мощностей не будут отдельно обучать свои большие модели, а просто выберут оптимизацию и донастройку вокруг нескольких ведущих больших моделей, и эти сценарии естественным образом подходят для распределенных неиспользуемых ресурсов вычислительных мощностей.
Децентрализованная собственность: техническое значение блокчейна заключается в том, что владельцы ресурсов всегда сохраняют контроль над своими ресурсами, гибко настраивая их в зависимости от потребностей и получая доход.
данные
Данные являются основой ИИ. Без данных вычисления подобны безнадежным попыткам, а связь между данными и моделью напоминает пословицу «Мусор на выходе, мусор на входе». Количество данных и качество ввода определяют качество конечного вывода модели. Для обучения современных ИИ моделей данные определяют языковые способности модели, способность к пониманию, а также ее ценности и гуманистическое выражение. В настоящее время проблема потребности в данных для ИИ в основном сосредоточена на следующих четырех аспектах:
Данные в дефиците: обучение моделей ИИ зависит от большого объема входных данных. Согласно открытым данным, количество параметров, использованных для обучения GPT-4 от OpenAI, достигло триллионов.
Качество данных: с объединением ИИ и различных отраслей возникли новые требования к качеству данных, включая актуальность данных, разнообразие данных, специфику вертикальных данных и интеграцию новых источников данных, таких как эмоции из социальных медиа.
Проблемы конфиденциальности и соблюдения норм: в настоящее время различные страны и компании постепенно осознают важность качественных наборов данных и вводят ограничения на их сбор.
Высокие затраты на обработку данных: большой объем данных, сложный процесс обработки. Согласно公开资料, более 30% исследовательских и опытно-конструкторских затрат AI компаний направлено на сбор и обработку базовых данных.
В настоящее время решения web3 проявляются в следующих четырех аспектах:
Сбор данных: бесплатные реальные данные, которые можно собирать, быстро истощаются, и расходы AI-компаний на данные ежегодно растут. Однако, тем не менее, эти расходы не возвращаются к истинным вкладчикам данных; платформы полностью наслаждаются созданием ценности, которую приносят данные, например, Reddit заработал в общей сложности 203 миллиона долларов благодаря подписанию соглашений о лицензировании данных с AI-компаниями.
Позволить пользователям, действительно вносящим вклад, также участвовать в создании ценности, связанной с данными, а также получать более частные и ценные данные от пользователей с низкими затратами через распределенные сети и механизмы стимулов - вот видение Web3.
Grass является децентрализованным уровнем данных и сетью, пользователи могут запускать узлы Grass, предоставляя неиспользуемую пропускную способность и релейный трафик для захвата реальных данных из всего интернета и получать токенные вознаграждения;
Vana вводит уникальную концепцию пула ликвидности данных (DLP), которая позволяет пользователям загружать свои личные данные (такие как записи покупок, привычки просмотра, активность в социальных сетях и т. д.) в определенный DLP и гибко выбирать, разрешать ли использовать эти данные конкретным третьим лицам;
В PublicAI пользователи могут использовать #AI 或#Web3 в качестве категории и @PublicAI для сбора данных.
Предварительная обработка данных: В процессе обработки данных ИИ, поскольку собранные данные часто зашумлены и содержат ошибки, их необходимо очистить и преобразовать в пригодный для использования формат, прежде чем модель может быть обучена, что включает в себя повторяющуюся задачу нормализации, фильтрации и обработки отсутствующих значений. Этот этап является одним из немногих ручных звеньев в индустрии искусственного интеллекта, и была выведена индустрия аннотаторов данных, и с улучшением требований модели к качеству данных порог для аннотаторов данных также увеличился, и эта задача, естественно, подходит для децентрализованного механизма стимулирования Web3.
В настоящее время Grass и OpenLayer рассматривают возможность добавления этапа аннотирования данных, который является ключевым.
Synesis представила концепцию «Train2earn», подчеркивая качество данных, пользователи могут получать вознаграждения за предоставление аннотированных данных, комментариев или других форм ввода.
Проект маркировки данных Sapien делает задачи маркировки игровыми и позволяет пользователям ставить баллы, чтобы зарабатывать больше баллов.
Конфиденциальность и безопасность данных: необходимо прояснить, что конфиденциальность данных и безопасность данных — это два разных понятия. Конфиденциальность данных касается обработки чувствительных данных, тогда как безопасность данных защищает информацию от несанкционированного доступа, уничтожения и кражи. Таким образом, преимущества технологий конфиденциальности Web3 и потенциальные сценарии их применения проявляются в двух аспектах: (1) обучение на чувствительных данных; (2) сотрудничество по данным: несколько владельцев данных могут совместно участвовать в обучении ИИ, не делясь своими исходными данными.
В настоящее время распространенными технологиями конфиденциальности в Web3 являются:
Доверенная исполняемая среда (TEE), например, Super Protocol;
Полностью гомоморфное шифрование (FHE), такие как BasedAI, Fhenix.io или Inco Network;
Технология нулевых знаний (zk), такая как Reclaim Protocol, использует технологию zkTLS для генерации доказательства нулевых знаний HTTPS-трафика, позволяя пользователям безопасно импортировать данные о деятельности, репутации и идентификации из внешних сайтов без раскрытия конфиденциальной информации.
Однако в настоящее время эта область все еще находится на ранней стадии, большинство проектов все еще находятся в стадии исследования, текущая проблема заключается в слишком высоких вычислительных затратах, некоторые примеры:
Фреймворк zkML EZKL требует примерно 80 минут для генерации доказательства модели 1M-nanoGPT.
Согласно данным Modulus Labs, затраты на zkML превышают чистые вычисления более чем в 1000 раз.
Хранение данных: После получения данных необходимо место для их хранения в блокчейне, а также для LLM, созданной с использованием этих данных. Вопрос доступности данных (DA) является ключевым, и до обновления Danksharding в Ethereum его пропускная способность составляла 0,08 МБ. Тем временем обучение AI-моделей и их работа в режиме реального времени обычно требуют пропускной способности данных от 50 до 100 ГБ в секунду. Такая разница в масштабах делает существующие решения на блокчейне неэффективными при столкновении с "ресурсозатратными AI-приложениями".
0г. ИИ является репрезентативным проектом в этой категории. Это централизованное решение для хранения данных, разработанное для удовлетворения потребностей ИИ в высокой производительности, а его ключевые особенности включают в себя: высокую производительность и масштабируемость с передовыми технологиями шардинга и стирающего кодирования для поддержки быстрой загрузки и скачивания крупномасштабных наборов данных со скоростью передачи данных почти 5 ГБ в секунду.
Промежуточное ПО: Обучение и вывод модели
Децентрализованный рынок открытых моделей
Дебаты о том, должны ли модели ИИ быть закрытыми или открытыми, никогда не прекращались. Коллективные инновации, возникающие благодаря открытым исходным кодам, являются несравненным преимуществом по сравнению с закрытыми моделями. Однако при отсутствии прибыльной модели, как открытые модели могут повысить мотивацию разработчиков? Это направление, которое стоит обдумать. Основатель Baidu Ли Яньхун в апреле этого года утверждал: «Открытые модели будут все больше отставать.»
В связи с этим Web3 предлагает возможность создания децентрализованного открытого рынка моделей, то есть токенизацию самих моделей, оставляя команде определенный процент токенов и направляя часть будущих доходов от модели на токенодержателей.
Протокол Bittensor создает открытый P2P рынок моделей, состоящий из десятков «подсетей», в которых поставщики ресурсов (вычисления, сбор/хранение данных, специалисты по машинному обучению) конкурируют друг с другом, чтобы удовлетворить цели конкретного владельца подсети. Каждая подсеть может взаимодействовать и учиться друг у друга, что приводит к более мощному интеллекту. Награды распределяются путем голосования сообщества и далее распределяются в каждой подсети в зависимости от конкурентных результатов.
ORA ввела концепцию начального выпуска моделей (IMO), токенизируя AI модели, которые можно покупать, продавать и разрабатывать через децентрализованную сеть.
Sentient, децентрализованная платформа AGI, стимулирующая людей-сообщников к сотрудничеству, созданию, копированию и расширению моделей ИИ, а также вознаграждающая участников.
Spectral Nova, сосредоточенный на создании и применении моделей ИИ и МЛ.
Проверяемое умозаключение
Стандартное решение Web3 для проблемы «черного ящика» в процессе вывода AI заключается в том, чтобы несколько валидаторов выполняли одни и те же операции и сравнивали результаты, но в условиях нехватки высококачественных «чипов Nvidia» эта практика сталкивается с очевидной проблемой высокой стоимости вывода AI.
Более обнадеживающим решением является выполнение ZK-доказательства «доказательства с нулевым разглашением, криптографического протокола, в котором одна сторона, доказатель, может убедить другую сторону, проверяющего, что данное утверждение является истинным, не раскрывая никакой дополнительной информации, кроме того, что это утверждение истинно» для оффлайн AI-вычислений, а также проведение неразрешенной верификации вычислений AI-моделей в цепочке. Это требует криптографического доказательства на цепочке о том, что оффлайн-вычисления были выполнены корректно (например, что набор данных не был подделан), при этом обеспечивая конфиденциальность всех данных.
Основные преимущества включают:
Масштабируемость: нулевые доказательства могут быстро подтверждать большое количество вычислений вне цепи. Даже если количество транзакций увеличивается, одно нулевое доказательство может подтвердить все транзакции.
Защита конфиденциальности: детали данных и ИИ-моделей остаются конфиденциальными, в то время как стороны могут проверять, что данные и модели не были повреждены.
Не требуется доверия: подтверждение вычислений возможно без зависимости от централизованных сторон.
Интеграция Web2: по определению, Web2 является интеграцией вне цепи, что означает, что проверяемое вывода может помочь перенести его наборы данных и вычисления ИИ на цепь. Это способствует увеличению уровня принятия Web3.
В настоящее время в Web3 доступны следующие проверяемые технологии для верифицируемого вывода:
zkML: объединение нулевых знаний и машинного обучения для обеспечения конфиденциальности данных и моделей, позволяющее выполнять проверяемые вычисления без раскрытия определенных основных свойств, таких как Modulus Labs, основанная на ZKML, выпустила ZK-продавца для AI, чтобы эффективно проверять, манипулирует ли поставщик AI корректным выполнением алгоритма в сети, однако в настоящее время клиентами в основном являются DApp на блокчейне.
opML: Используя принцип оптимистичного агрегирования, увеличивает масштабируемость и эффективность вычислений ML за счет проверки времени возникновения споров. В этой модели нужно проверять лишь небольшую часть результатов, сгенерированных «валидатором», но устанавливать достаточно высокие экономические затраты на сокращение избыточных вычислений, чтобы повысить стоимость мошенничества для валидаторов.
TeeML: безопасное выполнение ML вычислений с использованием доверенной среды выполнения, защищая данные и модели от подделки и несанкционированного доступа.
Три, уровень приложения: AI Agent
Текущее развитие ИИ уже демонстрирует переход акцента разработки от возможностей моделей к концепции ИИ-агентов. Такие технологические компании, как OpenAI, единорог в области больших моделей ИИ Anthropic и Microsoft, стремятся к разработке ИИ-агентов, пытаясь преодолеть текущий период технологической платформы LLM.
OpenAI определяет AI Agent как систему, движимую LLM в качестве "мозга", обладающую способностью к самостоятельному пониманию, восприятию, планированию, памяти и использованию инструментов, способную автоматически выполнять сложные задачи. Когда ИИ переходит от роли инструмента к роли субъекта, который может использовать инструменты, он становится AI Agent. Именно поэтому AI Agent может стать наилучшим интеллектуальным помощником для человека.
А что Web3 может принести агенту?
Децентрализация
Децентрализованные характеристики Web3 могут сделать системы агентов более распределенными и автономными, с помощью механизмов, таких как PoS и DPoS, устанавливающих механизмы стимулов и наказаний для ставочников и делегаторов, что может способствовать демократизации систем агентов. GaiaNet, Theoriq и HajimeAI уже сделали попытки.
Холодный старт
Разработка и итерация AI-агентов часто требуют значительной финансовой поддержки, и Web3 может помочь многообещающим проектам AI-агентов получить начальное финансирование и холодный старт.
Виртуальный Протокол запустил платформу создания AI Agent и выпуска токенов fun.virtuals, где любой пользователь может развернуть AI Agent одним нажатием кнопки и осуществить 100% справедливый выпуск токенов AI Agent.
Spectral представил концепцию продукта, поддерживающего выпуск активов AI Agent на блокчейне: через IAO (Первичное Предложение Агентов) выпускаются токены, AI Agent может напрямую получать финансирование от инвесторов, одновременно становясь частью управления DAO, предоставляя инвесторам возможность участвовать в развитии проекта и делиться будущими доходами.
Как ИИ дает возможность Web3?
Влияние ИИ на проекты Web3 очевидно: он приносит пользу технологии блокчейн, оптимизируя операции на цепочке (например, выполнение смарт-контрактов, оптимизацию ликвидности и управленческие решения на основе ИИ). В то же время он может предоставить лучшие данные для инсайтов, повысить безопасность на цепочке и заложить основу для новых приложений на основе Web3.
ИИ и финансовые технологии на блокчейне
Искусственный интеллект и криптоэкономика
31 августа генеральный директор Coinbase Брайан Армстронг объявил о первой криптовалютной транзакции AI-to-AI в сети Base и сказал, что AI Agent теперь может использовать доллары США на Base для транзакций с людьми, продавцами или другими ИИ, и эти транзакции являются мгновенными, глобальными и бесплатными.
Помимо платежей, Luna от Virtuals Protocol также впервые продемонстрировала, как AI Agent самостоятельно выполняет транзакции в блокчейне, вызывая интерес, что делает AI Agent интеллектуальным существом, способным воспринимать окружающую среду, принимать решения и выполнять действия, и рассматривается как будущее финансов в блокчейне. В настоящее время потенциальные сценарии AI Agent проявляются в следующих аспектах:
Сбор информации и прогнозирование: помощь инвесторам в сборе объявлений биржи, публичной информации о проектах, панических настроений, рисков общественного мнения и другой информации, а также в реальном времени анализ и оценка фундаментальных факторов активов и рыночной ситуации, прогнозирование трендов и рисков.
Управление активами: предоставление пользователям подходящих инвестиционных объектов, оптимизация портфеля активов, автоматическое выполнение сделок.
Финансовый опыт: помощь инвесторам в выборе самого быстрого способа проведения сделок в блокчейне, автоматизация кросс-цепных операций, корректировка газовых сборов и других ручных операций, снижение барьеров и затрат на финансовую деятельность в блокчейне.
Представьте себе такую ситуацию: вы передаете AI Agent следующие инструкции: «У меня есть 1000USDT, пожалуйста, помогите мне найти комбинацию с наивысшей доходностью, срок блокировки не превышает одной недели». AI Agent предложит вам следующее: «Рекомендуется начальное распределение: 50% в A, 20% в B, 20% в X, 10% в Y. Я буду отслеживать процентные ставки и наблюдать за изменениями уровня риска, и при необходимости проведу ребалансировку». Кроме того, поиск перспективных проектов airdrop, а также проектов Memecoin с признаками активных сообществ — это то, что AI Agent может реализовать в дальнейшем.
Источник изображения: Biconomy
В настоящее время кошелек AI Agent Bitte и протокол взаимодействия AI Wayfinder делают такие попытки, они пытаются подключить API моделей OpenAI, чтобы пользователи могли в интерфейсе, похожем на чат с ChatGPT, командовать агенту выполнять различные операции в блокчейне, такие как WayFinder, который в апреле этого года представил свой первый прототип, демонстрирующий четыре основных операции: swap, send, bridge и stake на основных сетях трех блокчейнов: Base, Polygon и Ethereum.
В настоящее время децентрализованная платформа Agent Morpheus также поддерживает разработку таких Agent, как Biconomy, который продемонстрировал операцию, позволяющую AI Agent обменивать ETH на USDC без необходимости полного разрешения на доступ к кошельку.
ИИ и безопасность транзакций в блокчейне
В мире Web3 безопасность транзакций в блокчейне имеет первостепенное значение. Технологии ИИ могут быть использованы для повышения безопасности и защиты конфиденциальности транзакций в блокчейне, потенциальные сценарии включают:
Мониторинг сделок: технологии мониторинга данных в реальном времени для обнаружения аномальных торговых действий, инфраструктура сигнализации в реальном времени для пользователей и платформы.
Анализ рисков: помощь платформе в анализе данных о торговом поведении клиентов для оценки их уровня риска.
Например, платформа безопасности Web3 SeQure использует ИИ для обнаружения и предотвращения вредоносных атак, мошенничества и утечек данных, а также предоставляет механизмы мониторинга и оповещения в реальном времени, обеспечивая безопасность и стабильность транзакций в блокчейне. Похожие инструменты безопасности включают AI-powered Sentinel.
ИИ и инфраструктура блокчейн
ИИ и данные на блокчейне
Технология ИИ играет важную роль в сборе и анализе данных на блокчейне, например:
Web3 Аналитика: это аналитическая платформа на основе ИИ, использующая алгоритмы машинного обучения и добычи данных для сбора, обработки и анализа данных на блокчейне.
MinMax AI: Он предоставляет основанные на ИИ инструменты анализа данных на блокчейне, которые помогают пользователям выявлять потенциальные рыночные возможности и тенденции.
Kaito: Веб3 поисковая платформа на основе LLM.
Следует: интеграция ChatGPT, собирающая и объединяющая соответствующую информацию, разбросанную по различным сайтам и платформам сообщества.
Другим сценарием применения является оракул, который может получать цены из нескольких источников, чтобы предоставить точные данные о ценах. Например, Upshot использует ИИ для анализа нестабильных цен на NFT, проводя более миллиарда оценок в час и предоставляя цены на NFT с процентной ошибкой от 3 до 10%.
AI и разработка&аудит
Недавно в сообществе разработчиков привлекло внимание AI-редактор кода Cursor на платформе Web2. Пользователи могут просто описать свои требования на естественном языке, и Cursor автоматически генерирует соответствующий HTML, CSS и JavaScript код, значительно упрощая процесс разработки программного обеспечения. Эта логика также применима для повышения эффективности разработки в Web3.
В настоящее время развертывание смарт-контрактов и DApp на публичных блокчейнах обычно требует использования специализированных языков разработки, таких как Solidity, Rust, Move и т.д. Видение новых языков разработки заключается в расширении пространства проектирования децентрализованных блокчейнов, чтобы сделать их более подходящими для разработки DApp, но при условии значительного дефицита разработчиков в Web3, обучение разработчиков остается более серьезной проблемой.
В настоящее время AI может помочь в разработке Web3 в следующих сценариях: автоматическая генерация кода, проверка и тестирование смарт-контрактов, развертывание и поддержка DApp, интеллектуальное автозаполнение кода, AI-диалоги для решения сложных вопросов разработки и так далее. Благодаря помощи AI это не только способствует повышению эффективности и точности разработки, но также снижает порог входа в программирование, позволяя непрофессиональным программистам превращать свои идеи в реальные приложения и принося новую жизненную силу в развитие децентрализованных технологий.
В настоящее время самым привлекательным является платформа токенов с одним щелчком, такая как Clanker, AI-управляемый «Token Bot», специально разработанный для быстрого развертывания токенов DIY. Вам просто нужно отметить Clanker в клиенте SocialFi протокола Farcaster, таком как Warpcast или Supercast, и сообщить ему свою идею о токене, и он запустит токен для вас на публичной цепочке Base.
Существуют также платформы для разработки контрактов, такие как Spectral, которые предлагают функцию однокнопочной генерации и развертывания смарт-контрактов, чтобы снизить порог входа в Web3, так что даже новички могут осуществлять компиляцию и развертывание смарт-контрактов.
В области аудита платформа Web3 Fuzzland использует ИИ для помощи аудиторам в проверке уязвимостей кода, предоставляя объяснения на естественном языке для поддержки профессиональных знаний в аудите. Fuzzland также использует ИИ для предоставления объяснений на естественном языке официальных спецификаций и кода контрактов, а также примеры кода, чтобы помочь разработчикам понять потенциальные проблемы в коде.
Три. Новый нарратив AI и Web3
Восход генеративного ИИ открыл новые возможности для нового нарратива Web3.
NFT: ИИ привнес креативность в генеративные NFT, с помощью технологий ИИ можно создавать различные уникальные и разнообразные произведения искусства и персонажей. Эти генеративные NFT могут стать персонажами, предметами или элементами сцен в играх, виртуальных мирах или метавселенной, такие как Bicasso от Binance, где пользователи могут загрузить изображения и ввести ключевые слова для генерации NFT с помощью ИИ. Подобные проекты включают Solvo, Nicho, IgmnAI, CharacterGPT.
GameFi: Ожидается, что сосредоточившись на генерации естественного языка искусственного интеллекта, генерации изображений и интеллектуальных возможностях NPC, GameFi повысит эффективность и инновации в производстве игрового контента. Например, в первой цепной игре Binaryx AI Hero игроки могут случайным образом исследовать различные варианты сюжета с помощью искусственного интеллекта; Существует также виртуальная игра-компаньон Sleepless AI, которая основана на AIGC и LLM и позволяет игрокам открывать персонализированный игровой процесс с помощью различных взаимодействий.
DAO: В настоящее время предполагается, что ИИ также будет применяться в DAO для отслеживания взаимодействия в сообществе, записи вкладов, вознаграждения самых активных участников,代理 голосования и т.д. Например, ai16z использует AI Agent для сбора рыночной информации на блокчейне и вне его, анализа консенсуса сообщества и принятия инвестиционных решений на основе предложений членов DAO.
Смысл сочетания AI и Web3: башни и площади
В самом сердце города Флоренции в Италии расположена важнейшая политическая площадка и место сбора местных жителей и туристов — Центральная площадь, на которой возвышается мэрийская башня высотой 95 метров. Башня и площадь создают драматический эстетический эффект благодаря вертикальному и горизонтальному визуальному контрасту. Профессор истории Гарвардского университета Нил Фергюсон был вдохновлен этим и в своей книге "Площадь и башня" проводит параллели между миром сетей и иерархий в мировой истории, которые меняются со временем.
Эта замечательная метафора также вполне уместна в контексте отношений между ИИ и Web3. Из долгосрочной и нелинейной истории отношений между ними видно, что площадь более способна к созданию новых и более креативных вещей, но башня все же имеет свою законность и сильную жизнеспособность.
С учетом способности технологических компаний к высоко сконцентрированным энергетическим вычислениям, ИИ проявил беспрецедентное воображение, крупные технологические компании активно вкладываются и выходят на рынок, от различных чат-ботов до «базовых крупных моделей» таких как GPT-4, GP4-4o и других итерационных версий, появляются автоматизированные программирующие роботы (Devin) и Sora, обладающая первоначальными способностями к симуляции реального физического мира и так далее, воображение ИИ безгранично расширяется.
В то же время ИИ по своей сути является индустрией, основанной на масштабировании и централизации. Эта технологическая революция подталкивает технологические компании, которые уже постепенно захватывали структурное лидерство в «эпоху Интернета», к еще более узким вершинам. Огромные объемы электроэнергии, монопольные денежные потоки и огромные наборы данных, необходимые для доминирования в эпоху интеллекта, создают для них более высокие барьеры.
По мере того как башни становятся все выше, закулисные决策者 становятся все более ограниченными, централизация ИИ приносит множество рисков, как же толпе, собравшейся на площади, избежать теней под башнями? Именно это и надеется решить Web3.
С точки зрения сути, присущие свойства блокчейна усиливают системы искусственного интеллекта и открывают новые возможности, в основном:
Эра искусственного интеллекта «код — это закон» — автоматическое выполнение правил прозрачной системы через смарт-контракты и криптовалютную верификацию, передача вознаграждений тем, кто ближе к цели.
Токеномика — создание и координация поведения участников через механизмы токенов, стейкинг, уменьшение, награды токенами и наказания.
Децентрализованное управление — побуждает нас ставить под сомнение источники информации и поощряет более критический и проницательный подход к технологиям искусственного интеллекта, предотвращая предвзятости, дезинформацию и манипуляции, в конечном итоге способствуя более информированному и наделенному полномочиями обществу.
Развитие ИИ также привнесло новую жизнь в Web3. Возможно, влияние Web3 на ИИ требует времени для доказательства, но влияние ИИ на Web3 является очевидным: это видно как в бурном увлечении мемами, так и в том, как AI-агенты помогают снизить порог использования для приложений на блокчейне.
Когда Web3 определяется как самодовольство небольшой группы людей, и подвергается сомнению в копировании традиционных отраслей, присоединение ИИ приносит предсказуемое будущее: более стабильная и масштабная аудитория пользователей Web2, более инновационные бизнес-модели и услуги.
Мы живем в мире, где сосуществуют «башни и площади». Хотя AI и Web3 имеют разные временные линии и начальные точки, их конечная цель заключается в том, как сделать машины лучше служащими человечеству. Никто не может определить бурную реку, и мы с нетерпением ждем будущего AI+Web3.
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
ИИ + Web3: Башни и площади
Автор: Coinspire
ТЛ; ДОКТОР:
Проекты Web3 с концепцией ИИ становятся объектами привлечения капитала на первичном и вторичном рынках.
Возможности Web3 в индустрии ИИ проявляются в следующем: использование распределенных стимулов для координации потенциального предложения в длинном хвосте — в области данных, хранения и вычислений; одновременно создается открытая модель и децентрализованный рынок для ИИ-агентов.
Искусственный интеллект в индустрии Web3 в основном используется в области финансов на блокчейне (криптоплатежи, торговля, анализ данных) и в качестве помощи разработчикам.
Эффективность AI + Web3 проявляется в их взаимодополнении: Web3 обещает противостоять централизации AI, а AI, в свою очередь, может помочь Web3 выйти за рамки.
Введение
За последние два года развитие ИИ похоже на нажатие кнопки ускорения; это вызванное Chatgpt колебание бабочки не только открыло новый мир генеративного искусственного интеллекта, но и вызвало мощные волны в Web3.
С поддержкой концепции ИИ, финансирование в замедляющемся криптовалютном рынке значительно возросло. Согласно статистике СМИ, только в первой половине 2024 года было завершено финансирование 64 проектов Web3+AI, а операционная система на основе искусственного интеллекта Zyber365 достигла максимального объема финансирования в 100 миллионов долларов на стадии A.
Вторичный рынок стал более процветающим, данные агрегатора криптовалют Coingecko показывают, что всего за чуть больше года общая рыночная капитализация в AI-секторе достигла 48,5 миллиарда долларов, а объем торгов за 24 часа близок к 8,6 миллиарда долларов; положительные изменения, вызванные прогрессом в основных AI-технологиях, очевидны: после выхода модели OpenAI Sora для преобразования текста в видео средняя цена в AI-секторе выросла на 151%; эффект AI также затронул один из секторов криптовалют, привлекающих капитал, Meme: концепция первого AI-агента MemeCoin — GOAT быстро стала популярной и достигла оценки в 1,4 миллиарда долларов, успешно запустив бум AI Meme.
Исследования и темы, связанные с AI+Web3, также на пике популярности: от AI+Depin до AI Memecoin, а затем к текущим AI Agent и AI DAO, эмоции FOMO уже не успевают за скоростью смены новых нарративов.
AI+Web3, этот термин, наполненный горячими деньгами, модой и будущими фантазиями, неизбежно воспринимается как брак, устроенный капиталом, и нам кажется трудно различить под этой великолепной одеждой, является ли это ареной спекулянтов или же преддверием восхода?
Чтобы ответить на этот вопрос, ключевым размышлением для обеих сторон является вопрос о том, было бы лучше иметь другого? Можете ли вы извлечь пользу из модели другого человека? В этой статье мы также попытаемся взглянуть на этот ландшафт с точки зрения тех, кто был до нас: какую роль Web3 может сыграть во всех аспектах технологического стека ИИ и какую новую жизнь ИИ может привнести в Web3?
Какие возможности предоставляет Web3 под стеком AI?
Перед тем как развивать эту тему, нам нужно понять технологический стек больших моделей ИИ:
Источник изображения: Delphi Digital
Говоря более простым языком, весь процесс можно описать так: «Большая модель» похожа на человеческий мозг. На ранних стадиях этот мозг принадлежит новорожденному, который только что появился на свет и нуждается в наблюдении и усвоении огромного количества информации из окружающего мира, чтобы понять его. Это этап «сбора» данных. Поскольку компьютеры не обладают такими человеческими чувствами, как зрение и слух, перед обучением внешние большие объемы разметки данных необходимо преобразовать через «предобработку» в формат информации, который компьютер может понять и использовать.
После ввода данных AI создает модель с пониманием и предсказательной способностью через «обучение», что можно рассматривать как процесс, в котором младенец постепенно осваивает и учится понимать окружающий мир. Параметры модели подобны языковым навыкам младенца, которые постоянно корректируются в процессе обучения. Когда содержание обучения начинает делиться на области, или происходит взаимодействие с людьми, получая обратную связь и внося исправления, это переходит в этап «доработки» большой модели.
Дети, постепенно взрослея и научившись говорить, могут понимать смысл и выражать свои чувства и мысли в новых разговорах. Этот этап аналогичен «умозаключению» в больших моделях ИИ, которые могут предсказывать и анализировать новые языковые и текстовые вводы. Младенцы выражают чувства, описывают объекты и решают различные проблемы с помощью языковых навыков, что также похоже на применение больших моделей ИИ на этапе умозаключения для выполнения различных специфических задач после завершения обучения и ввода в эксплуатацию, таких как классификация изображений, распознавание речи и т. д.
Агент ИИ стремится стать следующей формой большого модели — способной самостоятельно выполнять задачи и стремиться к сложным целям, обладая не только способностью к мышлению, но и памятью, планированием, а также способностью использовать инструменты для взаимодействия с миром.
В настоящее время, в ответ на проблемы AI в различных стеках, Web3 в настоящее время предварительно сформировала многоуровневую, взаимосвязанную экосистему, охватывающую все стадии процесса моделирования AI.
мощность
На данный момент одной из самых высоких затрат ИИ является вычислительная мощность и энергия, необходимые для обучения моделей и вывода.
Одним из примеров является то, что для обучения модели LLAMA3 от Meta требуется 16000 графических процессоров H100, производимых NVIDIA (это топовый графический процессор, специально разработанный для задач искусственного интеллекта и высокопроизводительных вычислений). Обучение занимает 30 дней. Цена за 80-гигабайтную версию варьируется от 30 000 до 40 000 долларов, что требует инвестиций в вычислительное оборудование (GPU + сетевые чипы) в размере от 400 до 700 миллионов долларов. При этом ежемесячное обучение требует потребления 1,6 миллиарда киловатт-часов, а затраты на энергию составляют почти 20 миллионов долларов в месяц.
Разгрузка AI вычислительных мощностей также является одной из первых областей пересечения Web3 и AI — DePin (децентрализованная сеть физических инфраструктур). В настоящее время на сайте данных DePin Ninja представлено более 1400 проектов, среди которых проекты, представляющие собой совместное использование вычислительных мощностей GPU, включают io.net, Aethir, Akash, Render Network и другие.
Основная логика заключается в том, что платформа позволяет индивидуумам или организациям, имеющим неиспользуемые ресурсы GPU, вносить свой вычислительный потенциал в децентрализованной форме без необходимости получения разрешений. Это создает онлайн-рынок для покупателей и продавцов, аналогичный Uber или Airbnb, что повышает уровень использования недоиспользуемых ресурсов GPU, и конечные пользователи, в свою очередь, получают более доступные и эффективные вычислительные ресурсы. В то же время механизм стейкинга гарантирует, что если произойдут нарушения механизмов контроля качества или прерывания сети, поставщики ресурсов понесут соответствующие наказания.
Его особенности заключаются в том, что:
Сбор неиспользуемых ресурсов GPU: поставщиками в основном являются независимые малые и средние дата-центры, операторы избыточных вычислительных мощностей криптодобычи и т.п., а также оборудование для майнинга с механизмом консенсуса PoS, такое как майнинг-устройства FileCoin и ETH. В настоящее время также есть проекты, стремящиеся запустить оборудование с более низким порогом входа, такие как exolab, использующий MacBook, iPhone, iPad и другие локальные устройства для создания сети вычислительных мощностей для выполнения больших моделей вывода.
В условиях длинного хвоста рынка вычислительных мощностей ИИ: a. «С технической точки зрения» децентрализованный рынок вычислительных мощностей лучше подходит для этапов вывода. Обучение в большей степени зависит от возможностей обработки данных, предоставляемых сверхбольшими кластерами GPU, в то время как вывод требует относительно низкой вычислительной производительности GPU, как, например, Aethir, который сосредоточен на рендеринге с низкой задержкой и приложениях ИИ. b. «С точки зрения спроса» малые и средние потребители вычислительных мощностей не будут отдельно обучать свои большие модели, а просто выберут оптимизацию и донастройку вокруг нескольких ведущих больших моделей, и эти сценарии естественным образом подходят для распределенных неиспользуемых ресурсов вычислительных мощностей.
Децентрализованная собственность: техническое значение блокчейна заключается в том, что владельцы ресурсов всегда сохраняют контроль над своими ресурсами, гибко настраивая их в зависимости от потребностей и получая доход.
данные
Данные являются основой ИИ. Без данных вычисления подобны безнадежным попыткам, а связь между данными и моделью напоминает пословицу «Мусор на выходе, мусор на входе». Количество данных и качество ввода определяют качество конечного вывода модели. Для обучения современных ИИ моделей данные определяют языковые способности модели, способность к пониманию, а также ее ценности и гуманистическое выражение. В настоящее время проблема потребности в данных для ИИ в основном сосредоточена на следующих четырех аспектах:
Данные в дефиците: обучение моделей ИИ зависит от большого объема входных данных. Согласно открытым данным, количество параметров, использованных для обучения GPT-4 от OpenAI, достигло триллионов.
Качество данных: с объединением ИИ и различных отраслей возникли новые требования к качеству данных, включая актуальность данных, разнообразие данных, специфику вертикальных данных и интеграцию новых источников данных, таких как эмоции из социальных медиа.
Проблемы конфиденциальности и соблюдения норм: в настоящее время различные страны и компании постепенно осознают важность качественных наборов данных и вводят ограничения на их сбор.
Высокие затраты на обработку данных: большой объем данных, сложный процесс обработки. Согласно公开资料, более 30% исследовательских и опытно-конструкторских затрат AI компаний направлено на сбор и обработку базовых данных.
В настоящее время решения web3 проявляются в следующих четырех аспектах:
Позволить пользователям, действительно вносящим вклад, также участвовать в создании ценности, связанной с данными, а также получать более частные и ценные данные от пользователей с низкими затратами через распределенные сети и механизмы стимулов - вот видение Web3.
Grass является децентрализованным уровнем данных и сетью, пользователи могут запускать узлы Grass, предоставляя неиспользуемую пропускную способность и релейный трафик для захвата реальных данных из всего интернета и получать токенные вознаграждения;
Vana вводит уникальную концепцию пула ликвидности данных (DLP), которая позволяет пользователям загружать свои личные данные (такие как записи покупок, привычки просмотра, активность в социальных сетях и т. д.) в определенный DLP и гибко выбирать, разрешать ли использовать эти данные конкретным третьим лицам;
В PublicAI пользователи могут использовать #AI 或#Web3 в качестве категории и @PublicAI для сбора данных.
В настоящее время Grass и OpenLayer рассматривают возможность добавления этапа аннотирования данных, который является ключевым.
Synesis представила концепцию «Train2earn», подчеркивая качество данных, пользователи могут получать вознаграждения за предоставление аннотированных данных, комментариев или других форм ввода.
Проект маркировки данных Sapien делает задачи маркировки игровыми и позволяет пользователям ставить баллы, чтобы зарабатывать больше баллов.
В настоящее время распространенными технологиями конфиденциальности в Web3 являются:
Доверенная исполняемая среда (TEE), например, Super Protocol;
Полностью гомоморфное шифрование (FHE), такие как BasedAI, Fhenix.io или Inco Network;
Технология нулевых знаний (zk), такая как Reclaim Protocol, использует технологию zkTLS для генерации доказательства нулевых знаний HTTPS-трафика, позволяя пользователям безопасно импортировать данные о деятельности, репутации и идентификации из внешних сайтов без раскрытия конфиденциальной информации.
Однако в настоящее время эта область все еще находится на ранней стадии, большинство проектов все еще находятся в стадии исследования, текущая проблема заключается в слишком высоких вычислительных затратах, некоторые примеры:
Фреймворк zkML EZKL требует примерно 80 минут для генерации доказательства модели 1M-nanoGPT.
Согласно данным Modulus Labs, затраты на zkML превышают чистые вычисления более чем в 1000 раз.
0г. ИИ является репрезентативным проектом в этой категории. Это централизованное решение для хранения данных, разработанное для удовлетворения потребностей ИИ в высокой производительности, а его ключевые особенности включают в себя: высокую производительность и масштабируемость с передовыми технологиями шардинга и стирающего кодирования для поддержки быстрой загрузки и скачивания крупномасштабных наборов данных со скоростью передачи данных почти 5 ГБ в секунду.
Децентрализованный рынок открытых моделей
Дебаты о том, должны ли модели ИИ быть закрытыми или открытыми, никогда не прекращались. Коллективные инновации, возникающие благодаря открытым исходным кодам, являются несравненным преимуществом по сравнению с закрытыми моделями. Однако при отсутствии прибыльной модели, как открытые модели могут повысить мотивацию разработчиков? Это направление, которое стоит обдумать. Основатель Baidu Ли Яньхун в апреле этого года утверждал: «Открытые модели будут все больше отставать.»
В связи с этим Web3 предлагает возможность создания децентрализованного открытого рынка моделей, то есть токенизацию самих моделей, оставляя команде определенный процент токенов и направляя часть будущих доходов от модели на токенодержателей.
Протокол Bittensor создает открытый P2P рынок моделей, состоящий из десятков «подсетей», в которых поставщики ресурсов (вычисления, сбор/хранение данных, специалисты по машинному обучению) конкурируют друг с другом, чтобы удовлетворить цели конкретного владельца подсети. Каждая подсеть может взаимодействовать и учиться друг у друга, что приводит к более мощному интеллекту. Награды распределяются путем голосования сообщества и далее распределяются в каждой подсети в зависимости от конкурентных результатов.
ORA ввела концепцию начального выпуска моделей (IMO), токенизируя AI модели, которые можно покупать, продавать и разрабатывать через децентрализованную сеть.
Sentient, децентрализованная платформа AGI, стимулирующая людей-сообщников к сотрудничеству, созданию, копированию и расширению моделей ИИ, а также вознаграждающая участников.
Spectral Nova, сосредоточенный на создании и применении моделей ИИ и МЛ.
Проверяемое умозаключение
Стандартное решение Web3 для проблемы «черного ящика» в процессе вывода AI заключается в том, чтобы несколько валидаторов выполняли одни и те же операции и сравнивали результаты, но в условиях нехватки высококачественных «чипов Nvidia» эта практика сталкивается с очевидной проблемой высокой стоимости вывода AI.
Более обнадеживающим решением является выполнение ZK-доказательства «доказательства с нулевым разглашением, криптографического протокола, в котором одна сторона, доказатель, может убедить другую сторону, проверяющего, что данное утверждение является истинным, не раскрывая никакой дополнительной информации, кроме того, что это утверждение истинно» для оффлайн AI-вычислений, а также проведение неразрешенной верификации вычислений AI-моделей в цепочке. Это требует криптографического доказательства на цепочке о том, что оффлайн-вычисления были выполнены корректно (например, что набор данных не был подделан), при этом обеспечивая конфиденциальность всех данных.
Основные преимущества включают:
Масштабируемость: нулевые доказательства могут быстро подтверждать большое количество вычислений вне цепи. Даже если количество транзакций увеличивается, одно нулевое доказательство может подтвердить все транзакции.
Защита конфиденциальности: детали данных и ИИ-моделей остаются конфиденциальными, в то время как стороны могут проверять, что данные и модели не были повреждены.
Не требуется доверия: подтверждение вычислений возможно без зависимости от централизованных сторон.
Интеграция Web2: по определению, Web2 является интеграцией вне цепи, что означает, что проверяемое вывода может помочь перенести его наборы данных и вычисления ИИ на цепь. Это способствует увеличению уровня принятия Web3.
В настоящее время в Web3 доступны следующие проверяемые технологии для верифицируемого вывода:
zkML: объединение нулевых знаний и машинного обучения для обеспечения конфиденциальности данных и моделей, позволяющее выполнять проверяемые вычисления без раскрытия определенных основных свойств, таких как Modulus Labs, основанная на ZKML, выпустила ZK-продавца для AI, чтобы эффективно проверять, манипулирует ли поставщик AI корректным выполнением алгоритма в сети, однако в настоящее время клиентами в основном являются DApp на блокчейне.
opML: Используя принцип оптимистичного агрегирования, увеличивает масштабируемость и эффективность вычислений ML за счет проверки времени возникновения споров. В этой модели нужно проверять лишь небольшую часть результатов, сгенерированных «валидатором», но устанавливать достаточно высокие экономические затраты на сокращение избыточных вычислений, чтобы повысить стоимость мошенничества для валидаторов.
TeeML: безопасное выполнение ML вычислений с использованием доверенной среды выполнения, защищая данные и модели от подделки и несанкционированного доступа.
Три, уровень приложения: AI Agent
Текущее развитие ИИ уже демонстрирует переход акцента разработки от возможностей моделей к концепции ИИ-агентов. Такие технологические компании, как OpenAI, единорог в области больших моделей ИИ Anthropic и Microsoft, стремятся к разработке ИИ-агентов, пытаясь преодолеть текущий период технологической платформы LLM.
OpenAI определяет AI Agent как систему, движимую LLM в качестве "мозга", обладающую способностью к самостоятельному пониманию, восприятию, планированию, памяти и использованию инструментов, способную автоматически выполнять сложные задачи. Когда ИИ переходит от роли инструмента к роли субъекта, который может использовать инструменты, он становится AI Agent. Именно поэтому AI Agent может стать наилучшим интеллектуальным помощником для человека.
А что Web3 может принести агенту?
Децентрализованные характеристики Web3 могут сделать системы агентов более распределенными и автономными, с помощью механизмов, таких как PoS и DPoS, устанавливающих механизмы стимулов и наказаний для ставочников и делегаторов, что может способствовать демократизации систем агентов. GaiaNet, Theoriq и HajimeAI уже сделали попытки.
Разработка и итерация AI-агентов часто требуют значительной финансовой поддержки, и Web3 может помочь многообещающим проектам AI-агентов получить начальное финансирование и холодный старт.
Виртуальный Протокол запустил платформу создания AI Agent и выпуска токенов fun.virtuals, где любой пользователь может развернуть AI Agent одним нажатием кнопки и осуществить 100% справедливый выпуск токенов AI Agent.
Spectral представил концепцию продукта, поддерживающего выпуск активов AI Agent на блокчейне: через IAO (Первичное Предложение Агентов) выпускаются токены, AI Agent может напрямую получать финансирование от инвесторов, одновременно становясь частью управления DAO, предоставляя инвесторам возможность участвовать в развитии проекта и делиться будущими доходами.
Как ИИ дает возможность Web3?
Влияние ИИ на проекты Web3 очевидно: он приносит пользу технологии блокчейн, оптимизируя операции на цепочке (например, выполнение смарт-контрактов, оптимизацию ликвидности и управленческие решения на основе ИИ). В то же время он может предоставить лучшие данные для инсайтов, повысить безопасность на цепочке и заложить основу для новых приложений на основе Web3.
Искусственный интеллект и криптоэкономика
31 августа генеральный директор Coinbase Брайан Армстронг объявил о первой криптовалютной транзакции AI-to-AI в сети Base и сказал, что AI Agent теперь может использовать доллары США на Base для транзакций с людьми, продавцами или другими ИИ, и эти транзакции являются мгновенными, глобальными и бесплатными.
Помимо платежей, Luna от Virtuals Protocol также впервые продемонстрировала, как AI Agent самостоятельно выполняет транзакции в блокчейне, вызывая интерес, что делает AI Agent интеллектуальным существом, способным воспринимать окружающую среду, принимать решения и выполнять действия, и рассматривается как будущее финансов в блокчейне. В настоящее время потенциальные сценарии AI Agent проявляются в следующих аспектах:
Сбор информации и прогнозирование: помощь инвесторам в сборе объявлений биржи, публичной информации о проектах, панических настроений, рисков общественного мнения и другой информации, а также в реальном времени анализ и оценка фундаментальных факторов активов и рыночной ситуации, прогнозирование трендов и рисков.
Управление активами: предоставление пользователям подходящих инвестиционных объектов, оптимизация портфеля активов, автоматическое выполнение сделок.
Финансовый опыт: помощь инвесторам в выборе самого быстрого способа проведения сделок в блокчейне, автоматизация кросс-цепных операций, корректировка газовых сборов и других ручных операций, снижение барьеров и затрат на финансовую деятельность в блокчейне.
Представьте себе такую ситуацию: вы передаете AI Agent следующие инструкции: «У меня есть 1000USDT, пожалуйста, помогите мне найти комбинацию с наивысшей доходностью, срок блокировки не превышает одной недели». AI Agent предложит вам следующее: «Рекомендуется начальное распределение: 50% в A, 20% в B, 20% в X, 10% в Y. Я буду отслеживать процентные ставки и наблюдать за изменениями уровня риска, и при необходимости проведу ребалансировку». Кроме того, поиск перспективных проектов airdrop, а также проектов Memecoin с признаками активных сообществ — это то, что AI Agent может реализовать в дальнейшем.
Источник изображения: Biconomy
В настоящее время кошелек AI Agent Bitte и протокол взаимодействия AI Wayfinder делают такие попытки, они пытаются подключить API моделей OpenAI, чтобы пользователи могли в интерфейсе, похожем на чат с ChatGPT, командовать агенту выполнять различные операции в блокчейне, такие как WayFinder, который в апреле этого года представил свой первый прототип, демонстрирующий четыре основных операции: swap, send, bridge и stake на основных сетях трех блокчейнов: Base, Polygon и Ethereum.
В настоящее время децентрализованная платформа Agent Morpheus также поддерживает разработку таких Agent, как Biconomy, который продемонстрировал операцию, позволяющую AI Agent обменивать ETH на USDC без необходимости полного разрешения на доступ к кошельку.
ИИ и безопасность транзакций в блокчейне
В мире Web3 безопасность транзакций в блокчейне имеет первостепенное значение. Технологии ИИ могут быть использованы для повышения безопасности и защиты конфиденциальности транзакций в блокчейне, потенциальные сценарии включают:
Мониторинг сделок: технологии мониторинга данных в реальном времени для обнаружения аномальных торговых действий, инфраструктура сигнализации в реальном времени для пользователей и платформы.
Анализ рисков: помощь платформе в анализе данных о торговом поведении клиентов для оценки их уровня риска.
Например, платформа безопасности Web3 SeQure использует ИИ для обнаружения и предотвращения вредоносных атак, мошенничества и утечек данных, а также предоставляет механизмы мониторинга и оповещения в реальном времени, обеспечивая безопасность и стабильность транзакций в блокчейне. Похожие инструменты безопасности включают AI-powered Sentinel.
ИИ и данные на блокчейне
Технология ИИ играет важную роль в сборе и анализе данных на блокчейне, например:
Web3 Аналитика: это аналитическая платформа на основе ИИ, использующая алгоритмы машинного обучения и добычи данных для сбора, обработки и анализа данных на блокчейне.
MinMax AI: Он предоставляет основанные на ИИ инструменты анализа данных на блокчейне, которые помогают пользователям выявлять потенциальные рыночные возможности и тенденции.
Kaito: Веб3 поисковая платформа на основе LLM.
Следует: интеграция ChatGPT, собирающая и объединяющая соответствующую информацию, разбросанную по различным сайтам и платформам сообщества.
Другим сценарием применения является оракул, который может получать цены из нескольких источников, чтобы предоставить точные данные о ценах. Например, Upshot использует ИИ для анализа нестабильных цен на NFT, проводя более миллиарда оценок в час и предоставляя цены на NFT с процентной ошибкой от 3 до 10%.
AI и разработка&аудит
Недавно в сообществе разработчиков привлекло внимание AI-редактор кода Cursor на платформе Web2. Пользователи могут просто описать свои требования на естественном языке, и Cursor автоматически генерирует соответствующий HTML, CSS и JavaScript код, значительно упрощая процесс разработки программного обеспечения. Эта логика также применима для повышения эффективности разработки в Web3.
В настоящее время развертывание смарт-контрактов и DApp на публичных блокчейнах обычно требует использования специализированных языков разработки, таких как Solidity, Rust, Move и т.д. Видение новых языков разработки заключается в расширении пространства проектирования децентрализованных блокчейнов, чтобы сделать их более подходящими для разработки DApp, но при условии значительного дефицита разработчиков в Web3, обучение разработчиков остается более серьезной проблемой.
В настоящее время AI может помочь в разработке Web3 в следующих сценариях: автоматическая генерация кода, проверка и тестирование смарт-контрактов, развертывание и поддержка DApp, интеллектуальное автозаполнение кода, AI-диалоги для решения сложных вопросов разработки и так далее. Благодаря помощи AI это не только способствует повышению эффективности и точности разработки, но также снижает порог входа в программирование, позволяя непрофессиональным программистам превращать свои идеи в реальные приложения и принося новую жизненную силу в развитие децентрализованных технологий.
В настоящее время самым привлекательным является платформа токенов с одним щелчком, такая как Clanker, AI-управляемый «Token Bot», специально разработанный для быстрого развертывания токенов DIY. Вам просто нужно отметить Clanker в клиенте SocialFi протокола Farcaster, таком как Warpcast или Supercast, и сообщить ему свою идею о токене, и он запустит токен для вас на публичной цепочке Base.
Существуют также платформы для разработки контрактов, такие как Spectral, которые предлагают функцию однокнопочной генерации и развертывания смарт-контрактов, чтобы снизить порог входа в Web3, так что даже новички могут осуществлять компиляцию и развертывание смарт-контрактов.
В области аудита платформа Web3 Fuzzland использует ИИ для помощи аудиторам в проверке уязвимостей кода, предоставляя объяснения на естественном языке для поддержки профессиональных знаний в аудите. Fuzzland также использует ИИ для предоставления объяснений на естественном языке официальных спецификаций и кода контрактов, а также примеры кода, чтобы помочь разработчикам понять потенциальные проблемы в коде.
Три. Новый нарратив AI и Web3
Восход генеративного ИИ открыл новые возможности для нового нарратива Web3.
NFT: ИИ привнес креативность в генеративные NFT, с помощью технологий ИИ можно создавать различные уникальные и разнообразные произведения искусства и персонажей. Эти генеративные NFT могут стать персонажами, предметами или элементами сцен в играх, виртуальных мирах или метавселенной, такие как Bicasso от Binance, где пользователи могут загрузить изображения и ввести ключевые слова для генерации NFT с помощью ИИ. Подобные проекты включают Solvo, Nicho, IgmnAI, CharacterGPT.
GameFi: Ожидается, что сосредоточившись на генерации естественного языка искусственного интеллекта, генерации изображений и интеллектуальных возможностях NPC, GameFi повысит эффективность и инновации в производстве игрового контента. Например, в первой цепной игре Binaryx AI Hero игроки могут случайным образом исследовать различные варианты сюжета с помощью искусственного интеллекта; Существует также виртуальная игра-компаньон Sleepless AI, которая основана на AIGC и LLM и позволяет игрокам открывать персонализированный игровой процесс с помощью различных взаимодействий.
DAO: В настоящее время предполагается, что ИИ также будет применяться в DAO для отслеживания взаимодействия в сообществе, записи вкладов, вознаграждения самых активных участников,代理 голосования и т.д. Например, ai16z использует AI Agent для сбора рыночной информации на блокчейне и вне его, анализа консенсуса сообщества и принятия инвестиционных решений на основе предложений членов DAO.
Смысл сочетания AI и Web3: башни и площади
В самом сердце города Флоренции в Италии расположена важнейшая политическая площадка и место сбора местных жителей и туристов — Центральная площадь, на которой возвышается мэрийская башня высотой 95 метров. Башня и площадь создают драматический эстетический эффект благодаря вертикальному и горизонтальному визуальному контрасту. Профессор истории Гарвардского университета Нил Фергюсон был вдохновлен этим и в своей книге "Площадь и башня" проводит параллели между миром сетей и иерархий в мировой истории, которые меняются со временем.
Эта замечательная метафора также вполне уместна в контексте отношений между ИИ и Web3. Из долгосрочной и нелинейной истории отношений между ними видно, что площадь более способна к созданию новых и более креативных вещей, но башня все же имеет свою законность и сильную жизнеспособность.
С учетом способности технологических компаний к высоко сконцентрированным энергетическим вычислениям, ИИ проявил беспрецедентное воображение, крупные технологические компании активно вкладываются и выходят на рынок, от различных чат-ботов до «базовых крупных моделей» таких как GPT-4, GP4-4o и других итерационных версий, появляются автоматизированные программирующие роботы (Devin) и Sora, обладающая первоначальными способностями к симуляции реального физического мира и так далее, воображение ИИ безгранично расширяется.
В то же время ИИ по своей сути является индустрией, основанной на масштабировании и централизации. Эта технологическая революция подталкивает технологические компании, которые уже постепенно захватывали структурное лидерство в «эпоху Интернета», к еще более узким вершинам. Огромные объемы электроэнергии, монопольные денежные потоки и огромные наборы данных, необходимые для доминирования в эпоху интеллекта, создают для них более высокие барьеры.
По мере того как башни становятся все выше, закулисные决策者 становятся все более ограниченными, централизация ИИ приносит множество рисков, как же толпе, собравшейся на площади, избежать теней под башнями? Именно это и надеется решить Web3.
С точки зрения сути, присущие свойства блокчейна усиливают системы искусственного интеллекта и открывают новые возможности, в основном:
Эра искусственного интеллекта «код — это закон» — автоматическое выполнение правил прозрачной системы через смарт-контракты и криптовалютную верификацию, передача вознаграждений тем, кто ближе к цели.
Токеномика — создание и координация поведения участников через механизмы токенов, стейкинг, уменьшение, награды токенами и наказания.
Децентрализованное управление — побуждает нас ставить под сомнение источники информации и поощряет более критический и проницательный подход к технологиям искусственного интеллекта, предотвращая предвзятости, дезинформацию и манипуляции, в конечном итоге способствуя более информированному и наделенному полномочиями обществу.
Развитие ИИ также привнесло новую жизнь в Web3. Возможно, влияние Web3 на ИИ требует времени для доказательства, но влияние ИИ на Web3 является очевидным: это видно как в бурном увлечении мемами, так и в том, как AI-агенты помогают снизить порог использования для приложений на блокчейне.
Когда Web3 определяется как самодовольство небольшой группы людей, и подвергается сомнению в копировании традиционных отраслей, присоединение ИИ приносит предсказуемое будущее: более стабильная и масштабная аудитория пользователей Web2, более инновационные бизнес-модели и услуги.
Мы живем в мире, где сосуществуют «башни и площади». Хотя AI и Web3 имеют разные временные линии и начальные точки, их конечная цель заключается в том, как сделать машины лучше служащими человечеству. Никто не может определить бурную реку, и мы с нетерпением ждем будущего AI+Web3.