Web3 時代の AI: ブロックチェーンと人工知能の無限の可能性を探る

Chat-GPTの登場により、AIGCによる破壊的イノベーションの時代が到来しました。

AIGC (AI Generated Content) は、UGC や PGC に次ぐ新しいコンテンツ制作手法と考えられています AI ペイント、AI ライティングなどはすべて AIGC の分野です Chat-GPT は自然言語処理のための大型 AI 言語モデル、AI モデルAIGC の具体的な形式として、トレーニング プロセスと推論プロセスにおける重要な要素は何ですか?

要素 1: コンピューティング能力

高品質で多様なデータが AI モデルのトレーニングの基礎となり、コンピューティング能力がモデルのトレーニングの原動力となります。

コンピューティング能力の提供に関しては、AI モデルのトレーニング フェーズでは、大規模なデータセットに対するバックプロパゲーション、パラメーターの更新、モデルの最適化などのタスクを実行するためにコンピューティング能力が使用されます。コンピューティング能力が向上すると、トレーニング プロセスが高速化され、モデルの収束が速くなり、データの特性を学習できるようになります。 AI モデルの推論フェーズでは、予測と推論のためにトレーニングされたモデルを新しいデータ インスタンスに適用するためにコンピューティング能力が使用されます。リアルタイム アプリケーションでは、コンピューティング能力のレベルによって、モデルが処理できるリクエストの量と応答速度が決まります。

多くの複雑な AI アルゴリズムには、大量のコンピューティング リソースが必要です。従来の AI の開発は、ハードウェア デバイスのパフォーマンスと計算能力によって制限されます。特に大規模なデータセットを処理したり、非常に複雑なモデルのトレーニングを実行したりする場合には、より強力なコンピューティング能力が必要になります。

現時点では、市場にはインテリジェントなコンピューティング能力を共有するための成熟した製品やソリューションがまだ不足しており、従来のコンピューティング能力市場では、個人端末などのサードパーティのソーシャルアイドルコンピューティング能力が導入されており、コンピューティング能力サービス事業者は、コンピューティング能力を持っていません。ノードを効果的に制御する能力 コンピューティングパワーノードのセキュリティと信頼性が保証できないため、セキュリティ保護の範囲と難易度が大幅に増加します。

要素 2: データ

プライバシー保護に基づいたデータ共有は、AIGC モデリングの重要なサポートです。

データ提供の観点から言えば、AIGC のモデル トレーニングでは、良好なパフォーマンスを獲得し、モデルの推論能力と精度を向上させるために、大量のデータを使用する必要があります。 ChatGPTを例に挙げると、GPTのトレーニングには数百億トークンのデータが使用されます。大規模な AI 言語モデルとして、GPT のトレーニング データには、Web ページ、書籍、記事、論文、その他の公開されているテキスト リソースなど、インターネット上の幅広いテキスト ソースが含まれています。これらのデータは複数のドメインとトピックをカバーしており、幅広い知識と言語理解機能を備えたモデルを実現します。

全体として、大規模な AI モデルのトレーニングには大量のデータが必要であり、多くの場合、単一企業の内部データでは需要を満たすには不十分であるため、このプロセスではデータ共有が必要になります。急速に成長する中、データ共有によるプライバシー漏洩はデータの価値を最大限に活用することに深刻な影響を及ぼしています。 2022年7月のIBMセキュリティのレポートによると、2021年3月から2022年3月までに世界中の550社でデータ侵害が発生し、データ侵害による平均損失額は440万米ドルに達し、2020年と比較して13%増加したとのことです。したがって、データのプライバシーとセキュリティの確保を前提として、データの循環と価値のマイニングをどのように実行し、AIGC テクノロジーの成長に貢献するかが、業界の関心が高まっているテーマとなっています。

Web3 と AI を組み合わせるとどのような改善がもたらされますか?

ブロックチェーンと分散型テクノロジーに基づいて構築された新世代のインターネットとして、Web3 は分散化、オープン性、透明性が向上しています。 AI を Web3 と組み合わせると、従来の AI とは異なる多くの利点が得られます。

分散コンピューティング リソース:

Web3 の分散型の性質により、コンピューティング リソースを地球規模で統合および共有できます。これにより、AI モデルのトレーニングと推論のためのコンピューティング能力が向上します。従来の AI モデルのトレーニングは通常、単一のコンピューティング デバイスまたはクラウド サービス プロバイダーに依存しますが、Web3 と組み合わせることで、グローバル ネットワーク内の分散コンピューティング リソースを利用して、より効率的で柔軟なコンピューティング能力のサポートを提供できます。

データ共有とプライバシー保護:

Web3 の中核となる概念の 1 つは、分散化とデータに対するユーザーの力です。 Web3 を AI と組み合わせると、より多くの制御とデータ共有の機会をユーザーに提供できるため、よりプライベートで安全な方法で AI モデルのトレーニングとデータ共有に参加できるようになります。

分散型モデルの開発と展開:

Web3 のスマート コントラクトと分散コンピューティング プラットフォームにより、AI モデルの開発と展開が容易になります。スマート コントラクトは、モデルのトレーニング プロセスを管理および検証するための分散型の方法を提供し、分散コンピューティング プラットフォームはグローバル ネットワーク内のコンピューティング リソースを利用してモデルのトレーニングと推論を加速できます。

データの品質と多様性を強化:

Web3 は、インセンティブ メカニズムと分散型データ マーケットを通じて、ユーザーがより高品質で多様なデータを提供することを奨励し、それによって従来の AI が直面するデータ制限の問題を改善できます。

Web3.0 の AIGC プラットフォーム WaterWheel を例に挙げます

コンピューティングパワーモジュール内:

Waterwheel のコンピューティング パワー ネットワークは、TEE テクノロジーとブロックチェーン テクノロジーを組み合わせて、信頼性が高く、オープンで効率的なコンピューティング パワー共有プラットフォームを構築します。ネットワーク全体のコンピューティング パワー ノードとブロックチェーン ノードを調整およびインベントリする機能があり、世界中のアイドル リソースを管理できます。 . 計算能力。

データ モジュール内:

Waterwheel は、ブロックチェーンとプライバシー コンピューティングに基づく分散型データ共有プラットフォームであり、グローバルなデータ資産ネットワークを構築し、データ提供者のデータ登録とデータ クラウドファンディング タスクへの参加をサポートし、プライバシー コンピューティング技術を通じてデータ循環プロセスを解決し、セキュリティを解決します。メディア内のデータ漏洩の問題を解決し、データのセキュリティとプライバシーを確保することを前提として、データ提供者に価値ある利益をもたらします。

AIGC のオーサリング モジュール:

また、従来の AIGC はプライバシー保護が欠如しており、ユーザーのユニークなアイデアの多くは、即時入力を通じて直接公開されることになります。AI モデルの提供方法や課金方法も異なるため、ユーザーは高いコストを支払うことになります。AIGC の作成プロセスは主にアフターサービスで構成されているため、 AIモデルが完成したことで、クリエイターが従来の著作権取引では相応の収入を得ることが難しくなりました。

モデル提供モジュール内:

Waterwheel は、ブロックチェーン、プライバシー コンピューティング、および AI テクノロジーを統合して、安全で信頼できるモデル トレーニング プラットフォームを作成し、プライバシー コンピューティング TEE テクノロジーのリモート認証およびプライバシー環境を使用することで、モデル トレーニング当事者、データ プロバイダー、コンピューティング パワー プロバイダーの間のギャップを解決します。相互不信とデータ漏洩のリスクの問題。モデル トレーニングのプロセス全体でデータとモデルが「利用可能かつ非表示」の状態にあることを保証し、AI モデル トレーナーが安全かつコンプライアンスに準拠した方法でより多くのデータを取得できるようにします。同時にAIモデルをプライバシー環境でホストし、モデルのセキュリティとプライバシーが保証されます。

より多くの Web3.0 プラットフォームが AI 産業の発展と応用を促進することを楽しみにしています。