Слияние AI и Web3: Анализ текущего состояния и перспективы развития
Введение: Развитие AI+Web3
В последние годы быстрое развитие технологий искусственного интеллекта (AI) и Web3 привлекло широкое внимание во всем мире. AI, как технология, имитирующая и подражающая человеческому интеллекту, достигла значительных прорывов в таких областях, как распознавание лиц, обработка естественного языка, машинное обучение и т. д., что принесло огромные изменения и инновации в различные отрасли.
В 2023 году рыночная стоимость индустрии ИИ достигла 200 миллиардов долларов, такие выдающиеся компании, как OpenAI, Character.AI, Midjourney и другие, быстро вышли на передний план, возглавив волну ИИ. В то же время Web3, как новая сеть, меняет восприятие и использование интернета людьми. Web3 основан на децентрализованной блокчейн-технологии и реализует совместное использование и контроль данных, автономию пользователей и создание механизмов доверия через такие функции, как смарт-контракты, распределенное хранение и децентрализованная идентификация.
В настоящее время рыночная капитализация отрасли Web3 достигла 25 триллионов, проекты Bitcoin, Ethereum, Solana и приложения на уровне Uniswap, Stepn продолжают появляться с новыми нарративами и сценариями, привлекая все больше людей в отрасль Web3. Слияние ИИ и Web3 становится областью, на которую обращают внимание как западные, так и восточные разработчики и инвесторы, и вопрос о том, как эффективно интегрировать оба направления, заслуживает изучения.
В данной статье будет основное внимание уделено текущему состоянию развития AI+Web3, проанализированы ситуации с текущими проектами AI+Web3 и подробно обсуждены ограничения и вызовы, с которыми они сталкиваются. Благодаря такому исследованию мы надеемся предоставить ценную информацию и идеи для инвесторов и профессионалов, работающих в смежных отраслях.
II. Способы взаимодействия AI и Web3
Развитие ИИ и Web3 похоже на две стороны весов: ИИ приносит повышение производительности, в то время как Web3 приводит к изменению производственных отношений. Какие искры могут возникнуть от столкновения ИИ и Web3? Далее мы сначала проанализируем трудности и возможности для роста, с которыми сталкиваются обе отрасли, а затем обсудим, как они могут помочь решить эти проблемы.
2.1 Проблемы, с которыми сталкивается AI-индустрия
Ядро AI-индустрии невозможно без трех основных элементов: вычислительная мощность, алгоритмы и данные.
Вычислительная мощность: AI-задачи обычно требуют обработки больших объемов данных и выполнения сложных вычислений, таких как обучение моделей глубоких нейронных сетей. Высокая вычислительная мощность может ускорить процесс обучения и вывода модели, улучшая производительность и эффективность AI-систем. В последние годы, с развитием аппаратных технологий, таких как графические процессоры (GPU) и специализированные AI-чипы (например, TPU), увеличение вычислительной мощности сыграло важную роль в развитии AI-индустрии.
Алгоритмы: ключевые компоненты AI-системы, представляющие собой математические и статистические методы, используемые для решения проблем и выполнения задач. Алгоритмы AI можно разделить на традиционные алгоритмы машинного обучения и алгоритмы глубокого обучения, при этом алгоритмы глубокого обучения за последние годы достигли значительных прорывов. Выбор и проектирование алгоритмов имеют решающее значение для производительности и эффективности AI-систем.
Данные: Основная задача AI-системы заключается в извлечении паттернов и закономерностей из данных через обучение и тренировки. Данные являются основой для обучения и оптимизации моделей, благодаря большому количеству образцов данных AI-система может обучаться более точным и интеллектуальным моделям. Богатые наборы данных могут предоставить более полную и разнообразную информацию, что позволяет моделям лучше обобщать на ранее невидимые данные.
Основные проблемы, с которыми сталкивается AI-отрасль, включают:
В отношении вычислительной мощности: получение и управление масштабируемой вычислительной мощностью является дорогостоящей и сложной задачей. Стоимость, энергопотребление и обслуживание высокопроизводительных вычислительных устройств представляют собой проблемы.
В области алгоритмов: обучение глубоких нейронных сетей требует большого объема данных и вычислительных ресурсов, интерпретируемость и объяснимость модели могут быть недостаточными. Робустность и обобщающая способность алгоритма также являются важными вопросами.
В отношении данных: получение высококачественных и разнообразных данных по-прежнему является проблемой. Качество, точность и разметка данных также являются проблемами; неполные или предвзятые данные могут привести к ошибочному поведению или смещениям модели.
Объясняемость и прозрачность: черные ящики моделей ИИ вызывают общественное беспокойство. Для некоторых приложений, таких как финансы, здравоохранение и юстиция, процесс принятия решений модели необходимо объяснять и отслеживать.
Бизнес-модель: многие стартапы в области ИИ имеют неясные бизнес-модели, что ставит в тупик многих предпринимателей в сфере ИИ.
2.2 Проблемы, с которыми сталкивается индустрия Web3
В индустрии Web3 также существует множество различных проблем, которые необходимо решить, в том числе:
Анализ данных Web3
Плохой пользовательский опыт Web3 продуктов
Проблемы уязвимостей кода смарт-контрактов и хакерских атак
Искусственный интеллект как инструмент повышения производительности имеет много потенциальных возможностей в этих областях:
Способности анализа данных и прогнозирования: технологии ИИ могут помочь платформам Web3 извлекать ценные сведения из огромных объемов данных и более точно прогнозировать и принимать решения. Это имеет важное значение для оценки рисков, прогнозирования рынка и управления активами в области децентрализованных финансов (DeFi).
Пользовательский опыт и персонализированные услуги: технологии ИИ могут помочь платформам Web3 предоставить лучший пользовательский опыт и персонализированные услуги, повысив вовлеченность и удовлетворенность пользователей.
Безопасность и защита конфиденциальности: технологии ИИ могут использоваться для обнаружения и защиты от сетевых атак, выявления аномального поведения и предоставления более надежной безопасности. В то же время ИИ также может применяться для защиты конфиденциальности данных с помощью технологий шифрования данных и вычислений с сохранением конфиденциальности, чтобы защитить личную информацию пользователей на платформах Web3.
Аудит смарт-контрактов: технологии ИИ могут быть использованы для автоматизации аудита контрактов и обнаружения уязвимостей, повышая безопасность и надежность контрактов.
Три. Анализ текущего состояния проектов AI+Web3
Проекты AI+Web3 в основном сосредоточены на двух основных аспектах: использование технологий блокчейн для повышения эффективности проектов AI и использование технологий AI для улучшения проектов Web3.
3.1 Web3 поддерживает AI
3.1.1 Децентрализованная вычислительная мощность
С быстрым развитием ИИ спрос на GPU значительно возрос, возникла ситуация нехватки предложения. Некоторые проекты Web3 начали пытаться предоставить услуги вычислительной мощности децентрализованным способом, такие как Akash, Render, Gensyn и другие. Эти проекты стимулируют пользователей предоставлять неиспользуемую вычислительную мощность GPU с помощью токенов, становясь стороной предложения вычислительной мощности и предоставляя поддержку вычислительной мощности клиентам ИИ.
Сторона предложения в основном включает в себя облачных провайдеров, майнеров криптовалют и крупные компании. В настоящее время игроки на рынке условно делятся на две категории: первая категория использует децентрализованные вычислительные мощности для вывода AI, в то время как вторая категория использует децентрализованные вычислительные мощности для обучения AI.
Ядро проекта децентрализованной вычислительной мощности заключается в привлечении поставщиков через механизм стимулирования токенов, а затем привлечении пользователей для реализации холодного старта проекта и механизма его основного функционирования. В этом цикле сторона предложения получает больше и более ценных вознаграждений токенами, а сторона спроса получает более дешевые и эффективные услуги.
3.1.2 Децентрализованная алгоритмическая модель
Некоторые проекты пытаются создать рынок услуг децентрализованных AI-алгоритмов, связывая множество различных AI-моделей. Когда пользователь задает вопрос, рынок выбирает наиболее подходящую AI-модель для ответа на вопрос.
В качестве примера Bittensor, сторона предложения алгоритмической модели (майнеры) предоставляет свои модели машинного обучения сети. Поставщики моделей получают токены криптовалюты TAO в качестве вознаграждения за свой вклад. Чтобы гарантировать качество ответов на вопросы, Bittensor использует уникальный механизм консенсуса, чтобы обеспечить согласие сети по лучшему ответу.
3.1.3 Децентрализованный сбор данных
Некоторые проекты используют Web3 для реализации децентрализованного сбора данных с помощью токенов в качестве стимула. Например, PublicAI позволяет пользователям делиться ценным контентом в социальных сетях и получать токен-вознаграждение. Этот подход способствует сотрудничеству между вкладчиками данных и разработчиками в области искусственного интеллекта.
3.1.4 Защита конфиденциальности пользователей в AI с использованием ZK
Технология нулевых знаний может помочь решить конфликт между защитой конфиденциальности и обменом данными. ZKML (Обучение с нулевыми знаниями) позволяет проводить обучение и вывод моделей машинного обучения без раскрытия исходных данных за счет использования технологии нулевых знаний.
3.2 ИИ помогает web3
3.2.1 Анализ данных и прогнозирование
Многие Web3 проекты начали интегрировать существующие AI-сервисы или разрабатывать собственные AI-инструменты для предоставления пользователям услуг по анализу данных и прогнозированию. Эти услуги охватывают различные аспекты, такие как инвестиционные стратегии, анализ в блокчейне, прогнозирование цен и рынка.
Например, Pond использует алгоритмы AI для прогнозирования будущих ценных альфа-токенов; BullBear AI обучается на исторических данных пользователей, исторических ценовых линиях и рыночных тенденциях, чтобы предоставить точные прогнозы ценовых тенденций; Numerai — это платформа инвестиционных соревнований, где участники используют AI и большие языковые модели для прогнозирования фондового рынка.
3.2.2 Персонализированные услуги
Некоторые Web3 проекты оптимизируют пользовательский опыт за счет интеграции ИИ. Например, платформа анализа данных Dune выпустила инструмент Wand для написания SQL-запросов с помощью крупных языковых моделей; Web3 медиа-платформа Followin интегрировала ChatGPT для обобщения мнений и последних новостей в определенной области; платформа Web3 энциклопедии IQ.wiki интегрировала GPT-4 для обобщения статей в wiki.
3.2.3 AI аудит смарт-контрактов
Некоторые проекты используют ИИ для аудита кода смарт-контрактов, чтобы более эффективно и точно выявлять и находить уязвимости в коде. Например, проект 0x0.ai предлагает аудиторы смарт-контрактов на основе искусственного интеллекта, использующие передовые алгоритмы для анализа смарт-контрактов и выявления потенциальных уязвимостей или проблем.
Четыре, Ограничения и текущие вызовы проектов AI+Web3
4.1 Реальные препятствия в области децентрализованной вычислительной мощности
Децентрализованные продукты вычислительной мощности сталкиваются со следующими проблемами:
Производительность и стабильность могут быть хуже, чем у централизованных вычислительных продуктов.
Доступность зависит от степени соответствия между предложением и спросом.
Пользователям требуется высокая стоимость, необходимо узнать больше технических деталей.
В настоящее время в основном ограничивается AI-выводом, а не AI-обучением.
Обучение больших моделей ИИ требует огромного объема данных и высокой пропускной способности связи, в настоящее время децентрализованные вычислительные мощности не могут удовлетворить эти требования. В то время как для ИИ-выводов требования к данным и пропускной способности меньше, что делает их реализацию более вероятной.
4.2 Сочетание AI и Web3 довольно грубое, не достигнув 1+1>2
В настоящее время сочетание ИИ и Web3 в основном проявляется в следующих двух аспектах:
Многие проекты просто используют ИИ для повышения эффективности и анализа, не демонстрируя внутреннее слияние ИИ и криптовалюты, а также инновационные решения.
Некоторые команды Web3 в основном используют концепцию ИИ на уровне маркетинга, но в настоящих инновациях все еще существует большая пустота.
4.3 Токеномика становится буфером для нарратива AI проектов
С учетом того, что все больше крупных моделей начинают постепенно становиться открытыми, многие проекты AI+Web3 выбирают наложение нарратива Web3 и токеномики для стимулирования участия пользователей. Однако действительно ли интеграция токеномики помогает проектам AI решать реальные потребности, или это всего лишь нарратив или стремление к краткосрочной ценности, требует дальнейшего наблюдения и проверки.
! [Популяризация науки для новичков丨Глубокий анализ: с какими искрами могут столкнуться искусственный интеллект и Web3?] ](https://img-cdn.gateio.im/webp-social/moments-48fe2f2dc021b1b25d8d17f3a503cd7c.webp)
Пять, резюме
Слияние AI и Web3 открывает бесконечные возможности для будущих технологических инноваций и экономического развития. Технологии AI могут предоставить более эффективные и интеллектуальные сценарии применения для Web3, в то время как децентрализованный и программируемый характер Web3 предлагает новые возможности для развития технологий AI.
Несмотря на то, что текущие проекты AI+Web3 все еще находятся на ранней стадии и сталкиваются с множеством проблем, они также приносят некоторые преимущества. Например, проекты по децентрализованной вычислительной мощности и сбору данных могут снизить зависимость от централизованных учреждений, обеспечить большую прозрачность и возможность аудита, а также реализовать более широкий уровень участия и инноваций.
В будущем мы надеемся увидеть более глубокие исследования и инновации для достижения более тесной связи между ИИ и Web3, а также в финансовом, децентрализованном
Посмотреть Оригинал
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» .
9 Лайков
Награда
9
4
Поделиться
комментарий
0/400
ThatsNotARugPull
· 07-27 11:09
Разве уже до двухсот миллиардов дошли? Неприлично.
Посмотреть ОригиналОтветить0
ChainWatcher
· 07-27 11:03
Поездки не могут быть вовремя, а вы хотите интегрировать ИИ?
Состояние и вызовы интеграции AI и Web3: возможности и ограничения на пересечении новых технологий
Слияние AI и Web3: Анализ текущего состояния и перспективы развития
Введение: Развитие AI+Web3
В последние годы быстрое развитие технологий искусственного интеллекта (AI) и Web3 привлекло широкое внимание во всем мире. AI, как технология, имитирующая и подражающая человеческому интеллекту, достигла значительных прорывов в таких областях, как распознавание лиц, обработка естественного языка, машинное обучение и т. д., что принесло огромные изменения и инновации в различные отрасли.
В 2023 году рыночная стоимость индустрии ИИ достигла 200 миллиардов долларов, такие выдающиеся компании, как OpenAI, Character.AI, Midjourney и другие, быстро вышли на передний план, возглавив волну ИИ. В то же время Web3, как новая сеть, меняет восприятие и использование интернета людьми. Web3 основан на децентрализованной блокчейн-технологии и реализует совместное использование и контроль данных, автономию пользователей и создание механизмов доверия через такие функции, как смарт-контракты, распределенное хранение и децентрализованная идентификация.
В настоящее время рыночная капитализация отрасли Web3 достигла 25 триллионов, проекты Bitcoin, Ethereum, Solana и приложения на уровне Uniswap, Stepn продолжают появляться с новыми нарративами и сценариями, привлекая все больше людей в отрасль Web3. Слияние ИИ и Web3 становится областью, на которую обращают внимание как западные, так и восточные разработчики и инвесторы, и вопрос о том, как эффективно интегрировать оба направления, заслуживает изучения.
В данной статье будет основное внимание уделено текущему состоянию развития AI+Web3, проанализированы ситуации с текущими проектами AI+Web3 и подробно обсуждены ограничения и вызовы, с которыми они сталкиваются. Благодаря такому исследованию мы надеемся предоставить ценную информацию и идеи для инвесторов и профессионалов, работающих в смежных отраслях.
II. Способы взаимодействия AI и Web3
Развитие ИИ и Web3 похоже на две стороны весов: ИИ приносит повышение производительности, в то время как Web3 приводит к изменению производственных отношений. Какие искры могут возникнуть от столкновения ИИ и Web3? Далее мы сначала проанализируем трудности и возможности для роста, с которыми сталкиваются обе отрасли, а затем обсудим, как они могут помочь решить эти проблемы.
2.1 Проблемы, с которыми сталкивается AI-индустрия
Ядро AI-индустрии невозможно без трех основных элементов: вычислительная мощность, алгоритмы и данные.
Вычислительная мощность: AI-задачи обычно требуют обработки больших объемов данных и выполнения сложных вычислений, таких как обучение моделей глубоких нейронных сетей. Высокая вычислительная мощность может ускорить процесс обучения и вывода модели, улучшая производительность и эффективность AI-систем. В последние годы, с развитием аппаратных технологий, таких как графические процессоры (GPU) и специализированные AI-чипы (например, TPU), увеличение вычислительной мощности сыграло важную роль в развитии AI-индустрии.
Алгоритмы: ключевые компоненты AI-системы, представляющие собой математические и статистические методы, используемые для решения проблем и выполнения задач. Алгоритмы AI можно разделить на традиционные алгоритмы машинного обучения и алгоритмы глубокого обучения, при этом алгоритмы глубокого обучения за последние годы достигли значительных прорывов. Выбор и проектирование алгоритмов имеют решающее значение для производительности и эффективности AI-систем.
Данные: Основная задача AI-системы заключается в извлечении паттернов и закономерностей из данных через обучение и тренировки. Данные являются основой для обучения и оптимизации моделей, благодаря большому количеству образцов данных AI-система может обучаться более точным и интеллектуальным моделям. Богатые наборы данных могут предоставить более полную и разнообразную информацию, что позволяет моделям лучше обобщать на ранее невидимые данные.
Основные проблемы, с которыми сталкивается AI-отрасль, включают:
В отношении вычислительной мощности: получение и управление масштабируемой вычислительной мощностью является дорогостоящей и сложной задачей. Стоимость, энергопотребление и обслуживание высокопроизводительных вычислительных устройств представляют собой проблемы.
В области алгоритмов: обучение глубоких нейронных сетей требует большого объема данных и вычислительных ресурсов, интерпретируемость и объяснимость модели могут быть недостаточными. Робустность и обобщающая способность алгоритма также являются важными вопросами.
В отношении данных: получение высококачественных и разнообразных данных по-прежнему является проблемой. Качество, точность и разметка данных также являются проблемами; неполные или предвзятые данные могут привести к ошибочному поведению или смещениям модели.
Объясняемость и прозрачность: черные ящики моделей ИИ вызывают общественное беспокойство. Для некоторых приложений, таких как финансы, здравоохранение и юстиция, процесс принятия решений модели необходимо объяснять и отслеживать.
Бизнес-модель: многие стартапы в области ИИ имеют неясные бизнес-модели, что ставит в тупик многих предпринимателей в сфере ИИ.
2.2 Проблемы, с которыми сталкивается индустрия Web3
В индустрии Web3 также существует множество различных проблем, которые необходимо решить, в том числе:
Искусственный интеллект как инструмент повышения производительности имеет много потенциальных возможностей в этих областях:
Способности анализа данных и прогнозирования: технологии ИИ могут помочь платформам Web3 извлекать ценные сведения из огромных объемов данных и более точно прогнозировать и принимать решения. Это имеет важное значение для оценки рисков, прогнозирования рынка и управления активами в области децентрализованных финансов (DeFi).
Пользовательский опыт и персонализированные услуги: технологии ИИ могут помочь платформам Web3 предоставить лучший пользовательский опыт и персонализированные услуги, повысив вовлеченность и удовлетворенность пользователей.
Безопасность и защита конфиденциальности: технологии ИИ могут использоваться для обнаружения и защиты от сетевых атак, выявления аномального поведения и предоставления более надежной безопасности. В то же время ИИ также может применяться для защиты конфиденциальности данных с помощью технологий шифрования данных и вычислений с сохранением конфиденциальности, чтобы защитить личную информацию пользователей на платформах Web3.
Аудит смарт-контрактов: технологии ИИ могут быть использованы для автоматизации аудита контрактов и обнаружения уязвимостей, повышая безопасность и надежность контрактов.
Три. Анализ текущего состояния проектов AI+Web3
Проекты AI+Web3 в основном сосредоточены на двух основных аспектах: использование технологий блокчейн для повышения эффективности проектов AI и использование технологий AI для улучшения проектов Web3.
3.1 Web3 поддерживает AI
3.1.1 Децентрализованная вычислительная мощность
С быстрым развитием ИИ спрос на GPU значительно возрос, возникла ситуация нехватки предложения. Некоторые проекты Web3 начали пытаться предоставить услуги вычислительной мощности децентрализованным способом, такие как Akash, Render, Gensyn и другие. Эти проекты стимулируют пользователей предоставлять неиспользуемую вычислительную мощность GPU с помощью токенов, становясь стороной предложения вычислительной мощности и предоставляя поддержку вычислительной мощности клиентам ИИ.
Сторона предложения в основном включает в себя облачных провайдеров, майнеров криптовалют и крупные компании. В настоящее время игроки на рынке условно делятся на две категории: первая категория использует децентрализованные вычислительные мощности для вывода AI, в то время как вторая категория использует децентрализованные вычислительные мощности для обучения AI.
Ядро проекта децентрализованной вычислительной мощности заключается в привлечении поставщиков через механизм стимулирования токенов, а затем привлечении пользователей для реализации холодного старта проекта и механизма его основного функционирования. В этом цикле сторона предложения получает больше и более ценных вознаграждений токенами, а сторона спроса получает более дешевые и эффективные услуги.
3.1.2 Децентрализованная алгоритмическая модель
Некоторые проекты пытаются создать рынок услуг децентрализованных AI-алгоритмов, связывая множество различных AI-моделей. Когда пользователь задает вопрос, рынок выбирает наиболее подходящую AI-модель для ответа на вопрос.
В качестве примера Bittensor, сторона предложения алгоритмической модели (майнеры) предоставляет свои модели машинного обучения сети. Поставщики моделей получают токены криптовалюты TAO в качестве вознаграждения за свой вклад. Чтобы гарантировать качество ответов на вопросы, Bittensor использует уникальный механизм консенсуса, чтобы обеспечить согласие сети по лучшему ответу.
3.1.3 Децентрализованный сбор данных
Некоторые проекты используют Web3 для реализации децентрализованного сбора данных с помощью токенов в качестве стимула. Например, PublicAI позволяет пользователям делиться ценным контентом в социальных сетях и получать токен-вознаграждение. Этот подход способствует сотрудничеству между вкладчиками данных и разработчиками в области искусственного интеллекта.
3.1.4 Защита конфиденциальности пользователей в AI с использованием ZK
Технология нулевых знаний может помочь решить конфликт между защитой конфиденциальности и обменом данными. ZKML (Обучение с нулевыми знаниями) позволяет проводить обучение и вывод моделей машинного обучения без раскрытия исходных данных за счет использования технологии нулевых знаний.
3.2 ИИ помогает web3
3.2.1 Анализ данных и прогнозирование
Многие Web3 проекты начали интегрировать существующие AI-сервисы или разрабатывать собственные AI-инструменты для предоставления пользователям услуг по анализу данных и прогнозированию. Эти услуги охватывают различные аспекты, такие как инвестиционные стратегии, анализ в блокчейне, прогнозирование цен и рынка.
Например, Pond использует алгоритмы AI для прогнозирования будущих ценных альфа-токенов; BullBear AI обучается на исторических данных пользователей, исторических ценовых линиях и рыночных тенденциях, чтобы предоставить точные прогнозы ценовых тенденций; Numerai — это платформа инвестиционных соревнований, где участники используют AI и большие языковые модели для прогнозирования фондового рынка.
3.2.2 Персонализированные услуги
Некоторые Web3 проекты оптимизируют пользовательский опыт за счет интеграции ИИ. Например, платформа анализа данных Dune выпустила инструмент Wand для написания SQL-запросов с помощью крупных языковых моделей; Web3 медиа-платформа Followin интегрировала ChatGPT для обобщения мнений и последних новостей в определенной области; платформа Web3 энциклопедии IQ.wiki интегрировала GPT-4 для обобщения статей в wiki.
3.2.3 AI аудит смарт-контрактов
Некоторые проекты используют ИИ для аудита кода смарт-контрактов, чтобы более эффективно и точно выявлять и находить уязвимости в коде. Например, проект 0x0.ai предлагает аудиторы смарт-контрактов на основе искусственного интеллекта, использующие передовые алгоритмы для анализа смарт-контрактов и выявления потенциальных уязвимостей или проблем.
Четыре, Ограничения и текущие вызовы проектов AI+Web3
4.1 Реальные препятствия в области децентрализованной вычислительной мощности
Децентрализованные продукты вычислительной мощности сталкиваются со следующими проблемами:
Обучение больших моделей ИИ требует огромного объема данных и высокой пропускной способности связи, в настоящее время децентрализованные вычислительные мощности не могут удовлетворить эти требования. В то время как для ИИ-выводов требования к данным и пропускной способности меньше, что делает их реализацию более вероятной.
4.2 Сочетание AI и Web3 довольно грубое, не достигнув 1+1>2
В настоящее время сочетание ИИ и Web3 в основном проявляется в следующих двух аспектах:
Многие проекты просто используют ИИ для повышения эффективности и анализа, не демонстрируя внутреннее слияние ИИ и криптовалюты, а также инновационные решения.
Некоторые команды Web3 в основном используют концепцию ИИ на уровне маркетинга, но в настоящих инновациях все еще существует большая пустота.
4.3 Токеномика становится буфером для нарратива AI проектов
С учетом того, что все больше крупных моделей начинают постепенно становиться открытыми, многие проекты AI+Web3 выбирают наложение нарратива Web3 и токеномики для стимулирования участия пользователей. Однако действительно ли интеграция токеномики помогает проектам AI решать реальные потребности, или это всего лишь нарратив или стремление к краткосрочной ценности, требует дальнейшего наблюдения и проверки.
! [Популяризация науки для новичков丨Глубокий анализ: с какими искрами могут столкнуться искусственный интеллект и Web3?] ](https://img-cdn.gateio.im/webp-social/moments-48fe2f2dc021b1b25d8d17f3a503cd7c.webp)
Пять, резюме
Слияние AI и Web3 открывает бесконечные возможности для будущих технологических инноваций и экономического развития. Технологии AI могут предоставить более эффективные и интеллектуальные сценарии применения для Web3, в то время как децентрализованный и программируемый характер Web3 предлагает новые возможности для развития технологий AI.
Несмотря на то, что текущие проекты AI+Web3 все еще находятся на ранней стадии и сталкиваются с множеством проблем, они также приносят некоторые преимущества. Например, проекты по децентрализованной вычислительной мощности и сбору данных могут снизить зависимость от централизованных учреждений, обеспечить большую прозрачность и возможность аудита, а также реализовать более широкий уровень участия и инноваций.
В будущем мы надеемся увидеть более глубокие исследования и инновации для достижения более тесной связи между ИИ и Web3, а также в финансовом, децентрализованном