TL;ดร
1. โครงการ Web3 แนวคิด AI ได้กลายเป็นแม่เหล็กดึงดูดทองคำในตลาดหลักและรอง
2. โอกาสของ Web3 ในอุตสาหกรรม AI สะท้อนให้เห็นใน: การใช้สิ่งจูงใจแบบกระจายเพื่อประสานงานการจัดหาที่เป็นไปได้ในระยะยาว - ทั่วทั้งข้อมูล การจัดเก็บข้อมูล และการประมวลผล ในเวลาเดียวกัน การสร้างแบบจำลองโอเพ่นซอร์สและตลาดแบบกระจายอำนาจ ตัวแทนเอไอ
3. AI ส่วนใหญ่ใช้ในอุตสาหกรรม Web3 สำหรับการเงินออนไลน์ (การชำระเงินที่เข้ารหัส ธุรกรรม การวิเคราะห์ข้อมูล) และการพัฒนาเสริม
4. ประสิทธิภาพของ AI+Web3 สะท้อนให้เห็นในความเสริมกันของทั้งสอง: Web3 คาดว่าจะต่อสู้กับการรวมศูนย์ของ AI และ AI คาดว่าจะช่วยให้ Web3 หลุดออกจากวงจร
การแนะนำ
ในช่วงสองปีที่ผ่านมา การพัฒนา AI ได้รับการเร่งขึ้น ปีกผีเสื้อที่ Chatgpt ไม่เพียงเปิดโลกใหม่แห่งปัญญาประดิษฐ์เชิงกำเนิดเท่านั้น แต่ยังก่อให้เกิดกระแสน้ำในมหาสมุทรใน Web3 อีกด้านหนึ่งอีกด้วย
ด้วยการสนับสนุนแนวคิด AI การจัดหาเงินทุนในตลาด crypto ได้รับการเพิ่มขึ้นอย่างมากเมื่อเทียบกับการชะลอตัว ตามสถิติของสื่อ ในช่วงครึ่งแรกของปี 2567 เพียงโครงการ Web3+AI ทั้งหมด 64 โครงการได้เสร็จสิ้นการจัดหาเงินทุนแล้ว ระบบปฏิบัติการที่ใช้ปัญญาประดิษฐ์ Zyber 365 ได้รับเงินทุนสูงสุด 100 ล้านดอลลาร์สหรัฐในรอบ A
ตลาดรองมีความเจริญรุ่งเรืองมากขึ้น ตามข้อมูลจากเว็บไซต์รวมการเข้ารหัส Coingecko ในเวลาเพียงหนึ่งปี มูลค่าตลาดรวมของแทร็ก AI สูงถึง 48.5 พันล้านดอลลาร์สหรัฐ และปริมาณธุรกรรมตลอด 24 ชั่วโมงอยู่ที่ มูลค่าเกือบ 8.6 พันล้านดอลลาร์สหรัฐ ประโยชน์ที่ได้รับจากความก้าวหน้าของเทคโนโลยี AI กระแสหลัก แน่นอนว่าหลังจากการเปิดตัวโมเดลข้อความเป็นวิดีโอ Sora ของ OpenAI ราคาเฉลี่ยของภาค AI เพิ่มขึ้น 151% เอฟเฟกต์ยังแผ่ไปยังหนึ่งในเซกเตอร์ที่ดึงดูดทองของสกุลเงินดิจิทัล Meme: AI Agent ตัวแรก MemeCoin-GOAT แนวความคิดได้รับความนิยมอย่างรวดเร็วและได้รับการประเมินมูลค่า 1.4 พันล้านดอลลาร์สหรัฐ ซึ่งประสบความสำเร็จในการทำให้เกิดกระแสความนิยม AI Meme
การวิจัยและหัวข้อเกี่ยวกับ AI+Web3 ก็ร้อนแรงไม่แพ้กัน ตั้งแต่ AI+Depin ไปจนถึง AI Memecoin ไปจนถึง AI Agent และ AI DAO ในปัจจุบัน อารมณ์ FOMO ไม่สามารถตามความเร็วของการเล่าเรื่องใหม่ๆ ได้อีกต่อไป
AI+Web3 ซึ่งเป็นคำศัพท์ที่เต็มไปด้วยเงินร้อน กระแสนิยม และจินตนาการในอนาคต ย่อมถูกมองว่าเป็นการแต่งงานแบบคลุมถุงชนที่นำทุนมารวมกัน ดูเหมือนยากสำหรับเราที่จะแยกแยะว่าอะไรอยู่ภายใต้เสื้อคลุมอันงดงามนี้หรือในตอนกลางคืน ก่อนรุ่งสาง?
เพื่อตอบคำถามนี้ คำถามสำคัญสำหรับทั้งสองฝ่ายคือ จะดีกว่าไหมหากไม่มีอีกฝ่าย? คุณสามารถได้รับประโยชน์จากแบบจำลองของบุคคลอื่นได้หรือไม่? ในบทความนี้ เรายังพยายามยืนบนไหล่ของรุ่นก่อนของเราและตรวจสอบรูปแบบนี้: Web3 จะมีบทบาทในทุกด้านของสแต็กเทคโนโลยี AI ได้อย่างไร และ AI จะนำพลังใหม่อะไรมาสู่ Web3 ได้บ้าง
ส่วนที่ 1 โอกาสสำหรับ Web3 ภายใต้ AI stack คืออะไร?
ก่อนที่จะเริ่มหัวข้อนี้ เราต้องเข้าใจกลุ่มเทคโนโลยีของโมเดล AI ขนาดใหญ่:
ที่มา: เดลฟี ดิจิตอล
เพื่อแสดงกระบวนการทั้งหมดในภาษาที่นิยมมากขึ้น: แบบจำลองขนาดใหญ่ เปรียบเสมือนสมองของมนุษย์ ในระยะแรก ๆ สมองนี้เป็นของทารกที่เพิ่งมาถึงโลก โดยจะต้องสังเกตและดูดซับข้อมูลจำนวนมหาศาลจาก โลกภายนอกเพื่อทำความเข้าใจโลก เป็นขั้นตอน การรวบรวม ข้อมูล เนื่องจากคอมพิวเตอร์ไม่มีประสาทสัมผัสหลายอย่าง เช่น การมองเห็นและการได้ยินของมนุษย์ ก่อนการฝึกอบรม ข้อมูลที่ไม่มีป้ายกำกับขนาดใหญ่จากโลกภายนอกจะต้องถูกแปลงเป็น รูปแบบข้อมูลที่คอมพิวเตอร์สามารถเข้าใจและใช้งานได้ผ่าน การประมวลผลล่วงหน้า
หลังจากป้อนข้อมูลแล้ว AI จะสร้างแบบจำลองที่มีความสามารถในการทำความเข้าใจและคาดการณ์ผ่าน การฝึกอบรม ซึ่งถือได้ว่าเป็นกระบวนการของทารกที่ค่อยๆ เข้าใจและเรียนรู้โลกภายนอก พารามิเตอร์ของแบบจำลองก็เหมือนกับความสามารถทางภาษา ของทารกที่มีการปรับตัวอย่างต่อเนื่องระหว่างกระบวนการเรียนรู้ เมื่อเนื้อหาการเรียนรู้เริ่มแบ่งออกเป็นวิชาต่างๆ หรือเมื่อคุณสื่อสารกับผู้อื่นเพื่อรับคำติชมและทำการแก้ไข คุณจะเข้าสู่ขั้นตอน การปรับแต่ง ของโมเดลขนาดใหญ่
เมื่อเด็กโตขึ้นและเรียนรู้ที่จะพูด พวกเขาสามารถเข้าใจความหมายและแสดงความรู้สึกและความคิดในการสนทนาใหม่ๆ ได้ ขั้นตอนนี้คล้ายกับ การอนุมาน ของโมเดล AI ขนาดใหญ่ โมเดลสามารถคาดเดาและวิเคราะห์ภาษาและการป้อนข้อความใหม่ได้ . เด็กทารกแสดงความรู้สึก อธิบายสิ่งของ และแก้ปัญหาต่างๆ ผ่านความสามารถทางภาษา ซึ่งคล้ายกับการนำโมเดล AI ขนาดใหญ่ไปใช้ในงานเฉพาะต่างๆ ในขั้นตอนการให้เหตุผล หลังจากเสร็จสิ้นการฝึกและใช้งาน เช่น การจัดหมวดหมู่รูปภาพ การรู้จำเสียงพูด ฯลฯ
AI Agent นั้นใกล้เคียงกับโมเดลขนาดใหญ่รูปแบบถัดไป โดยสามารถทำงานได้อย่างอิสระและบรรลุเป้าหมายที่ซับซ้อน ไม่เพียงแต่มีความสามารถในการคิดเท่านั้น แต่ยังสามารถจดจำ วางแผน และใช้เครื่องมือในการโต้ตอบกับโลกได้อีกด้วย
ในปัจจุบัน เพื่อตอบสนองต่อปัญหาของ AI ในแต่ละสแต็ก Web3 ได้สร้างระบบนิเวศที่เชื่อมโยงถึงกันหลายชั้น ครอบคลุมทุกขั้นตอนของกระบวนการโมเดล AI
1. เลเยอร์พื้นฐาน: Airbnb พร้อมพลังการประมวลผลและข้อมูล
▼ พลังคอมพิวเตอร์
ในปัจจุบัน หนึ่งในต้นทุนที่สูงที่สุดของ AI คือพลังการประมวลผลและพลังงานที่จำเป็นในการฝึกอบรมและอนุมานโมเดล
ตามตัวอย่างหนึ่ง LLAMA 3 ของ Meta ต้องการ GPU H100 จำนวน 16,000 ตัวที่ผลิตโดย NVIDIA (หน่วยประมวลผลกราฟิกระดับแนวหน้าที่ออกแบบมาสำหรับปัญญาประดิษฐ์และปริมาณงานการประมวลผลประสิทธิภาพสูง) เพื่อให้การฝึกอบรมเสร็จสิ้นภายใน 30 วัน ราคาต่อหน่วยของรุ่น 80GB หลังอยู่ระหว่าง 30,000 ถึง 40,000 เหรียญสหรัฐ ซึ่งต้องใช้เงินลงทุนด้านฮาร์ดแวร์คอมพิวเตอร์ 400-700 ล้านเหรียญสหรัฐ (ชิป GPU + เครือข่าย) ขณะเดียวกัน การฝึกอบรมรายเดือนต้องใช้ค่าใช้จ่ายด้านพลังงาน 1.6 พันล้านกิโลวัตต์ชั่วโมง เกือบ 20 ล้านเหรียญต่อเดือน
การบีบอัดพลังการประมวลผล AI ยังเป็นพื้นที่แรกสุดที่ Web3 ตัดกับ AI - DePin (เครือข่ายโครงสร้างพื้นฐานทางกายภาพแบบกระจายอำนาจ) ปัจจุบันเว็บไซต์ข้อมูล DePin Ninja ได้แสดงโครงการมากกว่า 1,400 โครงการ โดยในจำนวนนี้โครงการตัวแทนการแบ่งปันพลังงานประมวลผล GPU รวมถึง io .net, Aethir, Akash, Render Network ฯลฯ
ตรรกะหลักคือ: แพลตฟอร์มอนุญาตให้บุคคลหรือหน่วยงานที่มีทรัพยากร GPU ที่ไม่ได้ใช้งานสามารถสนับสนุนพลังการประมวลผลของตนในลักษณะที่ไม่ได้รับอนุญาตและกระจายอำนาจ เพิ่มทรัพยากร GPU ที่ใช้งานน้อยเกินไปผ่านทางตลาดออนไลน์สำหรับผู้ซื้อและผู้ขายที่คล้ายกับอัตราการใช้ Uber หรือ Airbnb ผู้ใช้ยังได้รับทรัพยากรคอมพิวเตอร์ที่มีต้นทุนต่ำและมีประสิทธิภาพ ในเวลาเดียวกัน กลไกการจำนำยังช่วยให้มั่นใจได้ว่าหากมีการละเมิดกลไกการควบคุมคุณภาพหรือการหยุดชะงักของเครือข่าย ผู้ให้บริการทรัพยากรจะมีบทลงโทษที่สอดคล้องกัน
ลักษณะของมันคือ:
การรวบรวมทรัพยากร GPU ที่ไม่ได้ใช้งาน: ซัพพลายเออร์ส่วนใหญ่เป็นทรัพยากรการประมวลผลส่วนเกินของศูนย์ข้อมูลขนาดเล็กและขนาดกลางอิสระของบุคคลที่สาม เหมืองเข้ารหัสและผู้ปฏิบัติงานอื่น ๆ และฮาร์ดแวร์การขุดที่มีกลไกฉันทามติ PoS เช่น FileCoin และเครื่องทำเหมือง ETH ปัจจุบัน ยังมีโปรเจ็กต์ที่ทุ่มเทให้กับการเปิดตัวอุปกรณ์ที่มีเกณฑ์ต่ำกว่า ตัวอย่างเช่น exolab ใช้อุปกรณ์ในเครื่อง เช่น MacBook, iPhone และ iPad เพื่อสร้างเครือข่ายคอมพิวเตอร์สำหรับการรันการอนุมานโมเดลขนาดใหญ่
เผชิญกับตลาดหางยาวของพลังการประมวลผล AI:
ก. จากมุมมองทางเทคนิค ตลาดพลังงานการประมวลผลแบบกระจายอำนาจมีความเหมาะสมมากกว่าสำหรับขั้นตอนการให้เหตุผล การฝึกอบรมอาศัยความสามารถในการประมวลผลข้อมูลที่มาจาก GPU ระดับคลัสเตอร์ขนาดใหญ่พิเศษ ในขณะที่การอนุมานมีประสิทธิภาพการประมวลผล GPU ที่ค่อนข้างต่ำ ตัวอย่างเช่น Aethir มุ่งเน้นไปที่งานเรนเดอร์เวลาแฝงต่ำและแอปพลิเคชันการอนุมาน AI
ข. ผู้เรียกร้องพลังการประมวลผลขนาดเล็กและขนาดกลาง ในด้านอุปสงค์ จะไม่ฝึกอบรมโมเดลขนาดใหญ่ของตนเองแยกจากกัน แต่เลือกที่จะเพิ่มประสิทธิภาพและปรับแต่งเฉพาะโมเดลขนาดใหญ่สองสามโมเดลโดยธรรมชาติแล้วเหมาะสำหรับทรัพยากรการประมวลผลที่ไม่ได้ใช้งานแบบกระจาย .
ความเป็นเจ้าของแบบกระจายอำนาจ: ความสำคัญทางเทคนิคของบล็อกเชนก็คือเจ้าของทรัพยากรยังคงควบคุมทรัพยากรของตนอยู่เสมอ สามารถปรับเปลี่ยนตามความต้องการได้อย่างยืดหยุ่น และรับผลประโยชน์ไปพร้อมๆ กัน
▼ข้อมูล
ข้อมูลเป็นรากฐานของ AI หากไม่มีข้อมูล การคำนวณจะไม่มีประโยชน์ และความสัมพันธ์ระหว่างข้อมูลกับแบบจำลองก็เหมือนกับสุภาษิต ขยะเข้า ขยะออก ปริมาณและคุณภาพข้อมูลเข้าจะกำหนดผลลัพธ์ของคุณภาพขั้นสุดท้าย สำหรับการฝึกฝนโมเดล AI ในปัจจุบัน ข้อมูลจะกำหนดความสามารถทางภาษา ความสามารถในการทำความเข้าใจ แม้กระทั่งคุณค่าและประสิทธิภาพการทำงานแบบมีมนุษยธรรมของโมเดล ในปัจจุบัน ภาวะที่กลืนไม่เข้าคายไม่ออกของความต้องการข้อมูลของ AI มุ่งเน้นไปที่สี่ประเด็นหลักดังต่อไปนี้:
ความหิวโหยของข้อมูล: การฝึกโมเดล AI ต้องอาศัยการป้อนข้อมูลจำนวนมาก ข้อมูลสาธารณะแสดงให้เห็นว่าจำนวนพารามิเตอร์ที่ OpenAI ใช้เพื่อฝึก GPT-4 มีจำนวนถึงระดับล้านล้านแล้ว
คุณภาพข้อมูล: ด้วยการบูรณาการของ AI และอุตสาหกรรมต่างๆ ความทันเวลาของข้อมูล ความหลากหลายของข้อมูล ความเป็นมืออาชีพของข้อมูลแนวตั้ง และการนำเข้าแหล่งข้อมูลที่เกิดขึ้นใหม่ เช่น ความรู้สึกทางโซเชียลมีเดีย ได้ก่อให้เกิดข้อกำหนดใหม่สำหรับคุณภาพ
ปัญหาความเป็นส่วนตัวและการปฏิบัติตามข้อกำหนด: ปัจจุบัน ประเทศและบริษัทต่างๆ ค่อยๆ สังเกตเห็นความสำคัญของชุดข้อมูลคุณภาพสูง และกำลังจำกัดการรวบรวมข้อมูลชุดข้อมูล
การประมวลผลข้อมูลมีราคาแพง: ปริมาณข้อมูลมีขนาดใหญ่และการประมวลผลมีความซับซ้อน ข้อมูลสาธารณะแสดงให้เห็นว่าต้นทุนด้านการวิจัยและพัฒนาของบริษัท AI มากกว่า 30% ถูกใช้ไปในการรวบรวมและประมวลผลข้อมูลพื้นฐาน
ปัจจุบันโซลูชัน web3 สะท้อนให้เห็นในสี่ด้านต่อไปนี้:
1. การรวบรวมข้อมูล: ข้อมูลในโลกแห่งความเป็นจริงที่สามารถบันทึกได้ฟรีกำลังหมดลงอย่างรวดเร็ว และรายจ่ายด้านข้อมูลของบริษัท AI ก็เพิ่มขึ้นทุกปี แต่ในขณะเดียวกัน ค่าใช้จ่ายนี้ก็ไม่ได้ส่งกลับไปยังผู้ให้ข้อมูลที่แท้จริงแต่อย่างใด ตัวอย่างเช่น Reddit มีรายได้รวม 203 ล้านดอลลาร์สหรัฐฯ ผ่านการลงนามข้อตกลงลิขสิทธิ์ข้อมูล กับบริษัทเอไอ วิสัยทัศน์ของ Web3 คือการอนุญาตให้ผู้ใช้ที่มีส่วนร่วมอย่างแท้จริงมีส่วนร่วมในการสร้างมูลค่าที่มาจากข้อมูล และรับข้อมูลส่วนตัวและมีค่ามากขึ้นของผู้ใช้ด้วยต้นทุนที่ต่ำผ่านเครือข่ายแบบกระจายและกลไกจูงใจ
ตัวอย่างเช่น Grass เป็นชั้นข้อมูลและเครือข่ายแบบกระจายอำนาจ ผู้ใช้สามารถเรียกใช้โหนด Grass, สนับสนุนแบนด์วิธที่ไม่ได้ใช้งาน และถ่ายทอดการรับส่งข้อมูลเพื่อเก็บข้อมูลแบบเรียลไทม์บนอินเทอร์เน็ตทั้งหมด และรับรางวัลโทเค็น
Vana แนะนำแนวคิด Data Liquidity Pool (DLP) ที่เป็นเอกลักษณ์ ผู้ใช้สามารถอัปโหลดข้อมูลส่วนตัวของตน (เช่น บันทึกการซื้อของ พฤติกรรมการท่องเว็บ กิจกรรมโซเชียลมีเดีย ฯลฯ) ไปยัง DLP ที่เฉพาะเจาะจง และเลือกได้อย่างยืดหยุ่นว่าจะอนุญาตข้อมูลนี้แก่บุคคลที่สามบางรายหรือไม่ การใช้ปาร์ตี้;
ใน PublicAI ผู้ใช้สามารถใช้ #AI หรือ #Web3 เป็นแท็กการจัดหมวดหมู่บน X และ @PublicAI เพื่อให้เกิดการรวบรวมข้อมูล
2. การประมวลผลข้อมูลล่วงหน้า: ในกระบวนการประมวลผลข้อมูลของ AI เนื่องจากข้อมูลที่รวบรวมมักมีเสียงรบกวนและมีข้อผิดพลาดจึงต้องทำความสะอาดและแปลงเป็นรูปแบบที่ใช้งานได้ก่อนจะฝึกอบรมโมเดลซึ่งเกี่ยวข้องกับการกำหนดมาตรฐานการกรองและการประมวลผลข้อมูลซ้ำที่หายไป ค่านิยม ขั้นตอนนี้เป็นหนึ่งในขั้นตอนที่ต้องดำเนินการด้วยตนเองไม่กี่ขั้นตอนในอุตสาหกรรม AI และอุตสาหกรรมตัวอธิบายข้อมูลได้ถือกำเนิดขึ้น เมื่อข้อกำหนดสำหรับคุณภาพข้อมูลของแบบจำลองเพิ่มขึ้น เกณฑ์สำหรับตัวอธิบายข้อมูลก็เพิ่มขึ้นเช่นกัน และงานนี้ก็มีความเหมาะสมโดยธรรมชาติ สำหรับ Web3 กลไกการสร้างแรงจูงใจแบบกระจายอำนาจ
ปัจจุบันทั้ง Grass และ OpenLayer กำลังพิจารณาที่จะเพิ่มคำอธิบายประกอบข้อมูลเป็นลิงก์หลัก
Synesis เสนอแนวคิดของ Train 2 Earn โดยเน้นที่คุณภาพของข้อมูล ผู้ใช้สามารถรับรางวัลได้ด้วยการให้ข้อมูลที่มีป้ายกำกับ คำอธิบายประกอบ หรืออินพุตรูปแบบอื่นๆ
โปรเจ็กต์คำอธิบายประกอบข้อมูล Sapien ขยายงานการติดป้ายกำกับและอนุญาตให้ผู้ใช้เดิมพันคะแนนเพื่อรับคะแนนมากขึ้น
3. ความเป็นส่วนตัวและความปลอดภัยของข้อมูล: จำเป็นต้องมีการชี้แจงว่าความเป็นส่วนตัวและความปลอดภัยของข้อมูลเป็นแนวคิดที่แตกต่างกันสองประการ ความเป็นส่วนตัวของข้อมูลเกี่ยวข้องกับการจัดการข้อมูลที่ละเอียดอ่อน ในขณะที่ความปลอดภัยของข้อมูลจะปกป้องข้อมูลจากการเข้าถึง การทำลาย และการโจรกรรมโดยไม่ได้รับอนุญาต ดังนั้น ข้อดีและสถานการณ์การใช้งานที่เป็นไปได้ของเทคโนโลยีความเป็นส่วนตัวของ Web3 จึงสะท้อนให้เห็นในสองด้าน: (1) การฝึกอบรมข้อมูลที่ละเอียดอ่อน (2) การทำงานร่วมกันของข้อมูล: เจ้าของข้อมูลหลายคนสามารถร่วมกันในการฝึกอบรม AI โดยไม่ต้องเปิดเผยข้อมูลดั้งเดิมของตน
ในปัจจุบัน เทคโนโลยีความเป็นส่วนตัวทั่วไปใน Web3 ได้แก่:
Trusted Execution Environment (TEE) เช่น Super Protocol;
การเข้ารหัส Homomorphic อย่างสมบูรณ์ (FHE) เช่น BaseAI, Fhenix.io หรือ Inco Network
เทคโนโลยี Zero-knowledge (zk) เช่น Reclaim Protocol ใช้เทคโนโลยี zkTLS เพื่อสร้างหลักฐานความรู้ที่เป็นศูนย์ของการรับส่งข้อมูล HTTPS ช่วยให้ผู้ใช้สามารถนำเข้ากิจกรรม ชื่อเสียง และข้อมูลประจำตัวจากเว็บไซต์ภายนอกได้อย่างปลอดภัยโดยไม่ต้องเปิดเผยข้อมูลที่ละเอียดอ่อน
อย่างไรก็ตาม พื้นที่ดังกล่าวยังอยู่ในช่วงเริ่มต้นและโครงการส่วนใหญ่ยังอยู่ในระหว่างการสำรวจ ภาวะที่กลืนไม่เข้าคายไม่ออกอย่างหนึ่งในปัจจุบันคือต้นทุนการคำนวณสูงเกินไป ตัวอย่างบางส่วน ได้แก่:
เฟรมเวิร์ก zkML EZKL ใช้เวลาประมาณ 80 นาทีในการสร้างการพิสูจน์สำหรับรุ่น 1 M-nanoGPT
จากข้อมูลของ Modulus Labs ค่าใช้จ่ายของ zkML นั้นสูงกว่าการคำนวณเพียงอย่างเดียวถึง 1,000 เท่า
4. การจัดเก็บข้อมูล: หลังจากที่คุณมีข้อมูลแล้ว คุณยังต้องมีสถานที่จัดเก็บข้อมูลบนห่วงโซ่ เช่นเดียวกับ LLM ที่สร้างขึ้นโดยใช้ข้อมูล เนื่องจากความพร้อมใช้งานของข้อมูล (DA) เป็นปัญหาหลัก ก่อนการอัพเกรด Ethereum Danksharding ปริมาณงานจึงอยู่ที่ 0.08 MB ในเวลาเดียวกัน การฝึกอบรมและการอนุมานแบบเรียลไทม์ของโมเดล AI โดยทั่วไปต้องการปริมาณข้อมูล 50 ถึง 10 GB ต่อวินาที ช่องว่างลำดับความสำคัญนี้ทำให้โซลูชันออนไลน์ที่มีอยู่ไม่สามารถรับมือกับ “แอปพลิเคชัน AI ที่ใช้ทรัพยากรจำนวนมาก”
0g.AI เป็นโครงการตัวแทนในหมวดหมู่นี้ เป็นโซลูชันการจัดเก็บข้อมูลแบบรวมศูนย์ที่ออกแบบมาเพื่อความต้องการประสิทธิภาพสูงของ AI คุณสมบัติหลัก ได้แก่ ประสิทธิภาพสูงและความสามารถในการปรับขนาด รองรับการอัปโหลดและดาวน์โหลดไฟล์ขนาดใหญ่อย่างรวดเร็วผ่านเทคโนโลยีการแบ่งส่วนและการลบข้อมูลขั้นสูงพร้อมการถ่ายโอนข้อมูล ความเร็วใกล้ถึง 5 GB ต่อวินาที
2. มิดเดิลแวร์: การฝึกอบรมโมเดลและการอนุมาน
▼ ตลาดแบบกระจายอำนาจแบบโอเพ่นซอร์ส
การถกเถียงกันว่าโมเดล AI ควรเป็นโอเพนซอร์สแบบปิดหรือแบบโอเพ่นซอร์สไม่เคยหายไป นวัตกรรมโดยรวมที่มาจากโอเพ่นซอร์สถือเป็นข้อได้เปรียบที่ไม่มีใครเทียบได้ของโมเดลโอเพ่นซอร์ส อย่างไรก็ตาม หากไม่มีโมเดลที่ทำกำไร แล้วโอเพ่นซอร์สจะปรับปรุงแรงผลักดันของนักพัฒนาได้อย่างไร เป็นแนวทางที่ควรค่าแก่การคำนึงถึง Robin Li ผู้ก่อตั้ง Baidu ยืนยันเมื่อเดือนเมษายนปีนี้ว่า โมเดลโอเพ่นซอร์สจะล้าหลังมากขึ้น
ในเรื่องนี้ Web3 เสนอความเป็นไปได้ของตลาดโมเดลโอเพ่นซอร์สที่มีการกระจายอำนาจ นั่นคือ การสร้างโทเค็นให้กับโมเดลนั้นเอง การรักษาสัดส่วนโทเค็นไว้สำหรับทีม และส่วนหนึ่งของรายได้ในอนาคตของโมเดลไปยังผู้ถือโทเค็น
ตัวอย่างเช่น โปรโตคอล Bittensor สร้างตลาด P2P แบบจำลองโอเพ่นซอร์สซึ่งประกอบด้วย เครือข่ายย่อย หลายสิบแห่ง ซึ่งผู้ให้บริการทรัพยากร (คอมพิวเตอร์ การรวบรวม/จัดเก็บข้อมูล ความสามารถในการเรียนรู้ของเครื่องจักร) แข่งขันกันเองเพื่อให้บรรลุเป้าหมายของเจ้าของเครือข่ายย่อยเฉพาะ รายบุคคล เครือข่ายย่อยสามารถโต้ตอบและเรียนรู้จากกันและกัน ช่วยให้เกิดความฉลาดมากขึ้น รางวัลจะแจกจ่ายโดยการลงคะแนนเสียงของชุมชนและแจกจ่ายต่อไปยังเครือข่ายย่อยตามผลการแข่งขัน
ORA แนะนำแนวคิดของ Initial Model Offer (IMO) เพื่อสร้างโทเค็นโมเดล AI ซึ่งสามารถซื้อ ขาย และพัฒนาผ่านเครือข่ายแบบกระจายอำนาจ
Sentient ซึ่งเป็นแพลตฟอร์ม AGI แบบกระจายอำนาจ จูงใจผู้มีส่วนร่วมให้ทำงานร่วมกัน สร้าง ทำซ้ำ และขยายโมเดล AI และให้รางวัลแก่ผู้มีส่วนร่วม
Spectral Nova มุ่งเน้นไปที่การสร้างและการประยุกต์ใช้โมเดล AI และ ML
▼ เหตุผลที่ตรวจสอบได้
วิธีแก้ปัญหา Web3 มาตรฐานสำหรับปัญหา กล่องดำ ในกระบวนการอนุมานของ AI คือการมีผู้ตรวจสอบหลายคนทำซ้ำการดำเนินการเดียวกันและเปรียบเทียบผลลัพธ์ แต่เนื่องจากปัญหาการขาดแคลน ชิป NVIDIA ระดับไฮเอนด์ในปัจจุบัน วิธีการนี้จึงเผชิญกับความท้าทายที่ชัดเจน การอนุมาน AI มีราคาแพง
วิธีแก้ปัญหาที่น่าหวังกว่าคือดำเนินการพิสูจน์ ZK สำหรับการคำนวณการอนุมาน AI นอกเครือข่าย ซึ่งเป็นโปรโตคอลการเข้ารหัสที่ผู้พิสูจน์ของฝ่ายหนึ่งสามารถพิสูจน์ให้ผู้ตรวจสอบของอีกฝ่ายทราบว่าข้อความที่ระบุนั้นเป็นจริงโดยไม่ต้องเปิดเผยสิ่งใดนอกจาก ข้อมูลเพิ่มเติมใด ๆ นอกเหนือจากข้อความที่เป็นจริง ช่วยให้สามารถตรวจสอบการคำนวณแบบจำลอง AI บนห่วงโซ่ได้โดยไม่ได้รับอนุญาต สิ่งนี้ต้องการการพิสูจน์แบบออนไลน์ด้วยการเข้ารหัสว่าการคำนวณนอกเครือข่ายเสร็จสมบูรณ์อย่างถูกต้อง (เช่น ชุดข้อมูลไม่ถูกดัดแปลง) ในขณะเดียวกันก็ทำให้มั่นใจว่าข้อมูลทั้งหมดยังคงเป็นความลับ
ประโยชน์ที่สำคัญ ได้แก่ :
ความสามารถในการปรับขนาด: การพิสูจน์ความรู้แบบ Zero-Knowledge สามารถยืนยันการคำนวณนอกเครือข่ายจำนวนมากได้อย่างรวดเร็ว แม้ว่าจำนวนธุรกรรมจะเพิ่มขึ้น แต่หลักฐานความรู้ที่เป็นศูนย์เพียงหลักฐานเดียวก็สามารถตรวจสอบธุรกรรมทั้งหมดได้
การคุ้มครองความเป็นส่วนตัว: รายละเอียดโมเดลข้อมูลและ AI ยังคงเป็นส่วนตัว ในขณะที่ทุกฝ่ายสามารถตรวจสอบได้ว่าข้อมูลและโมเดลนั้นไม่ถูกบุกรุก
เชื่อถือได้: สามารถยืนยันการคำนวณได้โดยไม่ต้องอาศัยฝ่ายรวมศูนย์
การรวม Web2: ตามคำจำกัดความแล้ว Web2 จะถูกรวมเข้าด้วยกันแบบออฟไลน์ ซึ่งหมายความว่าการให้เหตุผลที่ตรวจสอบได้สามารถช่วยนำชุดข้อมูลและการคำนวณ AI แบบออนไลน์มาใช้ได้ ซึ่งจะช่วยเพิ่มการนำ Web3 มาใช้
ปัจจุบันเทคโนโลยีที่ตรวจสอบได้ของ Web3 สำหรับเหตุผลที่ตรวจสอบได้มีดังนี้:
zkML: การผสมผสานการพิสูจน์ความรู้แบบศูนย์เข้ากับการเรียนรู้ของเครื่องจักรเพื่อรับรองความเป็นส่วนตัวและความลับของข้อมูลและแบบจำลอง ทำให้สามารถคำนวณที่ตรวจสอบได้โดยไม่เปิดเผยคุณสมบัติพื้นฐานบางอย่าง เช่น Modulus Labs เปิดตัว ZK Prover ที่สร้างขึ้นสำหรับ AI ที่ใช้ ZKML เพื่อตรวจสอบอย่างมีประสิทธิภาพว่า AI อัลกอริธึมการจัดการของผู้ให้บริการได้รับการดำเนินการอย่างถูกต้องบนเชน แต่ลูกค้าปัจจุบันโดยพื้นฐานแล้วคือ DApps บนเชน
opML: ใช้หลักการของการรวมในแง่ดีเพื่อปรับปรุงความสามารถในการปรับขนาดและประสิทธิภาพของการคำนวณ ML โดยการตรวจสอบเวลาที่มีข้อโต้แย้งเกิดขึ้น ในแบบจำลองนี้ เพียงส่วนเล็กๆ ของผลลัพธ์ที่สร้างโดย ผู้ตรวจสอบ เท่านั้นที่ต้องได้รับการตรวจสอบ แต่ด้านเศรษฐกิจ ค่าใช้จ่ายจะลดลง สูงพอที่จะเพิ่มค่าใช้จ่ายในการโกงของผู้ตรวจสอบและช่วยประหยัดการคำนวณที่ซ้ำซ้อน
TeeML: ทำการคำนวณ ML อย่างปลอดภัยโดยใช้สภาพแวดล้อมการดำเนินการที่เชื่อถือได้ ปกป้องข้อมูลและโมเดลจากการปลอมแปลงและการเข้าถึงที่ไม่ได้รับอนุญาต
3. ชั้นแอปพลิเคชัน: ตัวแทน AI
การพัฒนา AI ในปัจจุบันได้แสดงให้เห็นถึงการเปลี่ยนแปลงในการมุ่งเน้นการพัฒนาจากความสามารถของโมเดลไปเป็น AI Agent บริษัทเทคโนโลยี เช่น OpenAI, AI โมเดลยูนิคอร์นขนาดใหญ่ Anthropic และ Microsoft ได้หันมาพัฒนา AI Agents เพื่อพยายามทำลายยุคแพลตฟอร์มเทคโนโลยีปัจจุบันของ LLM
คำจำกัดความของ AI Agent ของ OpenAI คือ ระบบที่ขับเคลื่อนโดย LLM ซึ่งเป็นสมอง โดยมีความสามารถในการเข้าใจการรับรู้ การวางแผน หน่วยความจำ และการใช้เครื่องมือได้โดยอัตโนมัติ และสามารถดำเนินงานที่ซับซ้อนได้โดยอัตโนมัติ เมื่อ AI เปลี่ยนจากเครื่องมือที่ใช้ไปเป็นหัวข้อที่สามารถใช้เครื่องมือได้ ก็จะกลายเป็น AI Agent นี่คือเหตุผลว่าทำไม AI Agent จึงสามารถเป็นผู้ช่วยอัจฉริยะในอุดมคติที่สุดสำหรับมนุษย์ได้
และ Web3 จะนำอะไรมาสู่ตัวแทนได้บ้าง?
1. การกระจายอำนาจ
ลักษณะการกระจายอำนาจของ Web3 สามารถทำให้ระบบตัวแทนมีการกระจายอำนาจและเป็นอิสระมากขึ้น การสร้างกลไกจูงใจและการลงโทษสำหรับผู้ให้คำมั่นและผู้มอบหมายผ่านกลไกเช่น PoS และ DPoS สามารถส่งเสริมการทำให้ระบบตัวแทนเป็นประชาธิปไตยได้ .
2. เริ่มเย็น
การพัฒนาและการทำซ้ำของ AI Agent มักต้องการการสนับสนุนทางการเงินจำนวนมาก และ Web3 สามารถช่วยให้โครงการ AI Agent ที่มีศักยภาพได้รับเงินทุนตั้งแต่เนิ่นๆ และการเริ่มต้นใหม่
Virtual Protocol เปิดตัว fun.virtuals ซึ่งเป็นแพลตฟอร์มการสร้าง AI Agent และการออกโทเค็น ผู้ใช้ทุกคนสามารถปรับใช้ AI Agent ได้ด้วยคลิกเดียว และบรรลุการออกโทเค็น AI Agent อย่างยุติธรรม 100%
Spectral เสนอแนวคิดผลิตภัณฑ์ที่รองรับการออกสินทรัพย์ AI Agent บนห่วงโซ่: โดยการออกโทเค็นผ่าน IAO (Initial Agent Offer) ตัวแทน AI สามารถรับเงินทุนจากนักลงทุนได้โดยตรงจากและกลายเป็นสมาชิกของการกำกับดูแลของ DAO ทำให้นักลงทุนมีโอกาสเข้าร่วม ในการพัฒนาโครงการและโอกาสในการแบ่งปันรายได้ในอนาคต
ตอนที่ 2 AI เสริมพลังให้กับ Web3 อย่างไร
ผลกระทบของ AI ในโครงการ Web3 นั้นชัดเจน มันให้ประโยชน์กับเทคโนโลยีบล็อกเชนโดยการเพิ่มประสิทธิภาพการดำเนินงานบนเครือข่าย เช่น การดำเนินการตามสัญญาอัจฉริยะ การเพิ่มประสิทธิภาพสภาพคล่อง และการตัดสินใจด้านการกำกับดูแลที่ขับเคลื่อนด้วย AI ในเวลาเดียวกัน ยังสามารถให้การขับเคลื่อนด้วยข้อมูลที่ดีขึ้นอีกด้วย ข้อมูลเชิงลึก ปรับปรุงความปลอดภัยบนเครือข่าย และวางรากฐานสำหรับแอปพลิเคชันที่ทำงานบน Web3 ใหม่
1. AI และการเงินออนไลน์
▼AI และเศรษฐศาสตร์ดิจิตอล
เมื่อวันที่ 31 สิงหาคม Brian Armstrong ซีอีโอของ Coinbase ได้ประกาศธุรกรรมที่เข้ารหัส AI-to-AI ครั้งแรกบนเครือข่าย Base และกล่าวว่าขณะนี้ตัวแทน AI สามารถใช้ USD บน Base เพื่อทำธุรกรรมกับมนุษย์ ร้านค้า หรือ AI อื่น ๆ ธุรกรรมเหล่านี้เกิดขึ้นได้ทันที . ทั่วโลกและฟรี
นอกเหนือจากการชำระเงินแล้ว Luna จาก Virtuals Protocol ยังแสดงให้เห็นเป็นครั้งแรกว่า AI Agent สามารถดำเนินการธุรกรรมออนไลน์แบบอัตโนมัติด้วยวิธีต่อไปนี้ได้อย่างไร ซึ่งดึงดูดความสนใจในฐานะหน่วยงานอัจฉริยะที่สามารถรับรู้สภาพแวดล้อม ตัดสินใจ และดำเนินการได้ โดย AI ตัวแทนถือเป็นอนาคตของการเงินแบบออนไลน์ ในปัจจุบัน สถานการณ์ที่เป็นไปได้ของตัวแทน AI สะท้อนให้เห็นในประเด็นต่อไปนี้:
1. การรวบรวมและการทำนายข้อมูล: ช่วยให้นักลงทุนรวบรวมประกาศการแลกเปลี่ยน คาดการณ์ข้อมูลสาธารณะ ความตื่นตระหนก ความเสี่ยงต่อความคิดเห็นของสาธารณชน และข้อมูลอื่น ๆ วิเคราะห์และประเมินปัจจัยพื้นฐานสินทรัพย์และสภาวะตลาดแบบเรียลไทม์ และคาดการณ์แนวโน้มและความเสี่ยง
2. การจัดการสินทรัพย์: มอบเป้าหมายการลงทุนที่เหมาะสมแก่ผู้ใช้ เพิ่มประสิทธิภาพพอร์ตการลงทุนสินทรัพย์ และดำเนินธุรกรรมโดยอัตโนมัติ
3. ประสบการณ์ทางการเงิน: ช่วยให้นักลงทุนเลือกวิธีการทำธุรกรรมออนไลน์ที่เร็วที่สุด ดำเนินการด้วยตนเองโดยอัตโนมัติ เช่น ข้ามเครือข่ายและปรับค่าธรรมเนียมก๊าซ และลดเกณฑ์และต้นทุนของกิจกรรมทางการเงินออนไลน์
ลองนึกภาพสถานการณ์ที่คุณถ่ายทอดคำแนะนำต่อไปนี้ให้กับตัวแทน AI: ฉันมี 1,000 USDT โปรดช่วยฉันค้นหาชุดค่าผสมที่ให้ผลตอบแทนสูงสุด และเวลาล็อคไม่ควรเกินหนึ่งสัปดาห์ ตัวแทนจะให้คำแนะนำต่อไปนี้แก่คุณ: การจัดสรรเริ่มต้นที่แนะนำคือ 50% ใน A, 20% ใน B, 20% ใน X, 10% ที่ Y. ผมจะติดตามอัตราดอกเบี้ยและเฝ้าดูการเปลี่ยนแปลงในระดับความเสี่ยงและปรับสมดุลหากจำเป็น “นอกจากนี้ การมองหาโครงการ Airdrop ที่มีศักยภาพ รวมถึงโครงการ Memecoin ที่มีสัญญาณว่าได้รับความนิยมในชุมชน เป็นสิ่งที่ AI ตัวแทนจะสามารถบรรลุผลได้ในอนาคต
ที่มา: Bicononomy
ปัจจุบัน Bitte ของ AI Agent wallet และโปรโตคอลโต้ตอบ AI Wayfinder กำลังพยายามเข้าถึงโมเดล API ของ OpenAI ทำให้ผู้ใช้สามารถสั่งให้ Agent ดำเนินการออนไลน์ต่างๆ ให้เสร็จสิ้นภายใต้อินเทอร์เฟซหน้าต่างแชทที่คล้ายกับ ChatGPT เช่น WayFinder ต้นแบบแรกที่เปิดตัวในเดือนเมษายนปีนี้ สาธิตการดำเนินการพื้นฐานสี่ประการของการแลกเปลี่ยน ส่ง บริดจ์ และเดิมพันบนเครือข่ายหลักเครือข่ายสาธารณะสามเครือข่าย ได้แก่ Base, Polygon และ Ethereum
ปัจจุบัน แพลตฟอร์มตัวแทนแบบกระจายอำนาจ Morpheus ยังสนับสนุนการพัฒนาตัวแทนประเภทนี้ด้วย ตัวอย่างเช่น Biconomy ยังสาธิตการดำเนินการที่ตัวแทน AI สามารถเปลี่ยน ETH เป็น USDC โดยไม่ต้องให้สิทธิ์กระเป๋าเงินเต็มจำนวน
▼ AI และความปลอดภัยในการทำธุรกรรมออนไลน์
ในโลกของ Web3 ความปลอดภัยของธุรกรรมออนไลน์เป็นสิ่งสำคัญ เทคโนโลยี AI สามารถใช้เพื่อเพิ่มความปลอดภัยและการปกป้องความเป็นส่วนตัวของธุรกรรมออนไลน์ได้ สถานการณ์ที่เป็นไปได้ ได้แก่ :
การตรวจสอบธุรกรรม: เทคโนโลยีข้อมูลแบบเรียลไทม์จะตรวจสอบกิจกรรมการทำธุรกรรมที่ผิดปกติ และจัดเตรียมโครงสร้างพื้นฐานการแจ้งเตือนแบบเรียลไทม์สำหรับผู้ใช้และแพลตฟอร์ม
การวิเคราะห์ความเสี่ยง: ช่วยให้แพลตฟอร์มวิเคราะห์ข้อมูลพฤติกรรมการทำธุรกรรมของลูกค้าและประเมินระดับความเสี่ยง
ตัวอย่างเช่น แพลตฟอร์มความปลอดภัย Web3 SeQure ใช้ AI เพื่อตรวจจับและป้องกันการโจมตีที่เป็นอันตราย การฉ้อโกง และการรั่วไหลของข้อมูล และจัดเตรียมกลไกการตรวจสอบและแจ้งเตือนแบบเรียลไทม์เพื่อให้มั่นใจในความปลอดภัยและความเสถียรของธุรกรรมออนไลน์ เครื่องมือรักษาความปลอดภัยที่คล้ายกัน ได้แก่ Sentinel ที่ขับเคลื่อนด้วย AI
2. AI และโครงสร้างพื้นฐานออนไลน์
▼AI และข้อมูลออนไลน์
เทคโนโลยี AI มีบทบาทสำคัญในการรวบรวมและวิเคราะห์ข้อมูลออนไลน์ เช่น:
การวิเคราะห์ Web3: เป็นแพลตฟอร์มการวิเคราะห์ที่ใช้ AI ที่ใช้การเรียนรู้ของเครื่องและอัลกอริธึมการขุดข้อมูลเพื่อรวบรวม ประมวลผล และวิเคราะห์ข้อมูลออนไลน์
MinMax AI: มีเครื่องมือวิเคราะห์ข้อมูลออนไลน์แบบ AI เพื่อช่วยให้ผู้ใช้ค้นพบโอกาสและแนวโน้มทางการตลาดที่อาจเกิดขึ้น
Kaito: แพลตฟอร์มการค้นหา Web3 ที่ใช้เครื่องมือค้นหา LLM
ติดตาม: ผสานรวม ChatGPT เพื่อรวบรวม บูรณาการ และนำเสนอข้อมูลที่เกี่ยวข้องซึ่งกระจัดกระจายอยู่บนเว็บไซต์และแพลตฟอร์มโซเชียลต่างๆ
สถานการณ์การใช้งานอีกรูปแบบหนึ่งคือ oracles ซึ่ง AI สามารถรับราคาจากหลายแหล่งเพื่อให้ข้อมูลราคาที่แม่นยำ ตัวอย่างเช่น Upshot ใช้ AI เพื่อกำหนดเป้าหมายราคาที่ผันผวนของ NFT และจัดเตรียมราคา NFT ที่มีข้อผิดพลาดเป็นเปอร์เซ็นต์ที่ 3-10% ผ่านการประเมินมากกว่า 100 ล้านครั้งต่อชั่วโมง
▼AI และการพัฒนาและการตรวจสอบ
เมื่อเร็วๆ นี้ Cursor ซึ่งเป็นโปรแกรมแก้ไขโค้ด Web2 AI ได้รับความสนใจอย่างมากในแวดวงนักพัฒนา บนแพลตฟอร์ม ผู้ใช้เพียงแค่ต้องอธิบายเป็นภาษาธรรมชาติเท่านั้น และ Cursor ก็สามารถสร้างโค้ด HTML, CSS และ javaScript ที่เกี่ยวข้องได้โดยอัตโนมัติอย่างมาก ทำให้กระบวนการพัฒนาซอฟต์แวร์ง่ายขึ้น ตรรกะนี้ยังเหมาะสำหรับการปรับปรุงประสิทธิภาพการพัฒนาของ Web3
ในปัจจุบัน การปรับใช้สัญญาอัจฉริยะและ DApps บนเครือข่ายสาธารณะมักจะต้องใช้ภาษาการพัฒนาที่เป็นกรรมสิทธิ์ เช่น Solidity, Rust, Move เป็นต้น วิสัยทัศน์ของภาษาการพัฒนาใหม่คือการขยายพื้นที่การออกแบบของบล็อกเชนแบบกระจายอำนาจ และทำให้เหมาะสำหรับการพัฒนา DApp มากขึ้น อย่างไรก็ตาม เนื่องจากนักพัฒนา Web3 ขาดแคลนอย่างมาก การศึกษาของนักพัฒนาซอฟต์แวร์จึงเป็นปัญหาที่ยุ่งยากมากขึ้นเสมอ
ในปัจจุบัน AI ช่วยในการพัฒนา Web3 สถานการณ์ที่เป็นไปได้ ได้แก่ การสร้างโค้ดอัตโนมัติ การตรวจสอบและการทดสอบสัญญาอัจฉริยะ การปรับใช้และการบำรุงรักษา DApp การเติมโค้ดอัจฉริยะให้สมบูรณ์ บทสนทนา AI เพื่อตอบปัญหาการพัฒนา ฯลฯ ด้วยความช่วยเหลือของ AI ไม่เพียงแต่ช่วย เพื่อปรับปรุงประสิทธิภาพและความแม่นยำในการพัฒนา แต่ยังลดเกณฑ์การเขียนโปรแกรม ทำให้ผู้ที่ไม่ใช่โปรแกรมเมอร์สามารถเปลี่ยนแนวคิดของตนให้เป็นแอปพลิเคชันที่ใช้งานได้จริง และนำพลังใหม่มาสู่การพัฒนาเทคโนโลยีแบบกระจายอำนาจ
ปัจจุบัน สิ่งที่สะดุดตาที่สุดคือแพลตฟอร์มเปิดตัวโทเค็นแบบคลิกเดียว เช่น Clanker ซึ่งเป็น Token Bot ที่ขับเคลื่อนด้วย AI ซึ่งออกแบบมาเพื่อการใช้งานโทเค็น DIY อย่างรวดเร็ว คุณเพียงแค่ต้องแท็ก Clanker บนไคลเอนต์ Farcaster ซึ่งเป็นโปรโตคอล SocialFi เช่น Warpcast หรือ Supercast บอกแนวคิดโทเค็นของคุณ จากนั้นมันจะเปิดใช้งานโทเค็นให้คุณบนฐานเครือข่ายสาธารณะ
นอกจากนี้ยังมีแพลตฟอร์มการพัฒนาสัญญา เช่น Spectral ซึ่งให้การสร้างและปรับใช้สัญญาอัจฉริยะเพียงคลิกเดียว เพื่อลดเกณฑ์สำหรับการพัฒนา Web3 แม้แต่ผู้ใช้มือใหม่ก็สามารถคอมไพล์และปรับใช้สัญญาอัจฉริยะได้
ในแง่ของการตรวจสอบ Fuzzland แพลตฟอร์มการตรวจสอบ Web3 ใช้ AI เพื่อช่วยผู้ตรวจสอบตรวจสอบช่องโหว่ของโค้ดและให้คำอธิบายภาษาที่เป็นธรรมชาติเพื่อช่วยผู้เชี่ยวชาญด้านการตรวจสอบ Fuzzland ยังใช้ AI เพื่อให้คำอธิบายภาษาธรรมชาติของข้อกำหนดอย่างเป็นทางการและรหัสสัญญา รวมถึงโค้ดตัวอย่างบางส่วนเพื่อช่วยให้นักพัฒนาเข้าใจปัญหาที่อาจเกิดขึ้นในโค้ด
3. AI และ Web3 เรื่องราวใหม่
การเพิ่มขึ้นของ generative AI ได้นำความเป็นไปได้ใหม่ๆ มาสู่การเล่าเรื่องใหม่ของ Web3
NFT: AI อัดฉีดความคิดสร้างสรรค์ลงใน generative NFT สามารถสร้างงานศิลปะและตัวละครที่มีเอกลักษณ์และหลากหลายได้ NFT กำเนิดเหล่านี้สามารถกลายเป็นตัวละคร อุปกรณ์ประกอบฉาก หรือองค์ประกอบฉากในเกม โลกเสมือนจริง หรือ metaverses ได้ สามารถอัปโหลดรูปภาพและป้อนคำสำคัญเพื่อทำการคำนวณ AI และสร้าง NFT โปรเจ็กต์ที่คล้ายกัน ได้แก่ Solvo, Nicho, IgmnAI และ CharacterGPT
GameFi: GameFi มุ่งเน้นไปที่การสร้างภาษาธรรมชาติ การสร้างภาพ และความสามารถของ NPC อันชาญฉลาด โดยคาดว่าจะปรับปรุงประสิทธิภาพและนวัตกรรมในการผลิตเนื้อหาเกม ตัวอย่างเช่น เกมบล็อกเชนเกมแรกของ Binaryx AI Hero ช่วยให้ผู้เล่นสุ่มสำรวจตัวเลือกพล็อตต่างๆ ผ่านทาง AI นอกจากนี้ยังมีเกมคู่หูเสมือนจริง Sleepless AI ซึ่งใช้ AIGC และ LLM และผู้เล่นสามารถปลดล็อกการเล่นเกมส่วนบุคคลผ่านการโต้ตอบที่แตกต่างกัน
DAO: ปัจจุบัน AI ยังถูกคาดการณ์ว่าจะนำไปใช้กับ DAO เพื่อช่วยติดตามการโต้ตอบของชุมชน บันทึกการมีส่วนร่วม ให้รางวัลสมาชิกที่มีการสนับสนุนมากที่สุด การลงคะแนนแทน ฯลฯ ตัวอย่างเช่น ai16z ใช้ AI Agent เพื่อรวบรวมข้อมูลการตลาดทั้งในและนอกเครือข่าย วิเคราะห์ฉันทามติของชุมชน และตัดสินใจลงทุนตามคำแนะนำของสมาชิก DAO
Part.3 ความสำคัญของการผสมผสานระหว่าง AI+Web3: หอคอยและสี่เหลี่ยม
ใจกลางเมืองฟลอเรนซ์ ประเทศอิตาลี เป็นที่ตั้งของจัตุรัสกลาง ซึ่งเป็นสถานที่สำคัญที่สุดสำหรับกิจกรรมทางการเมืองและเป็นสถานที่รวมตัวของประชาชนและนักท่องเที่ยว ที่นี่มีหอคอยศาลากลางสูง 95 เมตรที่เชื่อมต่อกันในแนวตั้งและแนวนอน จัตุรัส ความคมชัดของภาพช่วยเสริมซึ่งกันและกันและสร้างเอฟเฟกต์เชิงสุนทรีย์อันน่าทึ่ง Neil Ferguson ศาสตราจารย์ด้านประวัติศาสตร์ที่มหาวิทยาลัยฮาร์วาร์ดได้รับแรงบันดาลใจจากสิ่งนี้และเชื่อมโยงกับประวัติศาสตร์โลกของเครือข่ายและลำดับชั้นในหนังสือ Squares and Towers เมื่อเวลาผ่านไปกระแสน้ำในแม่น้ำก็ลดลงและไหล
คำอุปมาที่ยอดเยี่ยมนี้ไม่น่าแปลกใจเมื่อพูดถึงความสัมพันธ์ระหว่าง AI และ Web3 ในปัจจุบัน จากความสัมพันธ์ระยะยาวที่ไม่เชิงเส้นระหว่างทั้งสอง เราจะเห็นได้ว่าจัตุรัสมีแนวโน้มที่จะสร้างสิ่งใหม่ๆ และสร้างสรรค์มากกว่าหอคอย แต่หอคอยยังคงมีความชอบธรรมและมีชีวิตชีวาที่แข็งแกร่ง
ด้วยความสามารถของบริษัทเทคโนโลยีในการจัดกลุ่มข้อมูลพลังงานการประมวลผลพลังงานในระดับสูง AI ได้ระเบิดจินตนาการที่ไม่เคยมีมาก่อน และบริษัทเทคโนโลยีก็ได้วางเดิมพันอย่างหนัก ตั้งแต่หุ่นยนต์แชทต่างๆ ไปจนถึง โมเดลขนาดใหญ่ที่สำคัญ GPT-4, GP 4-4 o และ เวอร์ชันวนซ้ำอื่นๆ ปรากฏขึ้นตามลำดับ และหุ่นยนต์เขียนโปรแกรมอัตโนมัติ (เดวิน) และโซระที่มีความสามารถในการจำลองโลกแห่งความเป็นจริงในตอนแรกได้รับการปล่อยตัวออกมา ฯลฯ จินตนาการของ AI ก็ขยายออกไปอย่างไม่สิ้นสุด
ในขณะเดียวกัน AI ก็เป็นอุตสาหกรรมขนาดใหญ่และรวมศูนย์ การเปลี่ยนแปลงทางเทคโนโลยีนี้จะผลักดันบริษัทเทคโนโลยีที่ค่อยๆ มีอำนาจเหนือกว่าทางโครงสร้างใน ยุคอินเทอร์เน็ต ไปสู่จุดสูงสุดที่แคบลง ไฟฟ้าจำนวนมหาศาล กระแสเงินสดที่ผูกขาด และชุดข้อมูลขนาดใหญ่ที่จำเป็นในการครองยุคอัจฉริยะ ได้สร้างอุปสรรคที่สูงกว่า
เมื่อหอคอยสูงขึ้นเรื่อยๆ ผู้มีอำนาจตัดสินใจเบื้องหลังก็เล็กลงเรื่อยๆ และการรวมศูนย์ของ AI นำมาซึ่งอันตรายที่ซ่อนอยู่มากมาย ผู้คนที่มารวมตัวกันในจัตุรัสจะหลีกเลี่ยงเงาใต้หอคอยได้อย่างไร นี่คือปัญหาที่ Web3 หวังจะแก้ไข
โดยพื้นฐานแล้ว คุณสมบัติโดยธรรมชาติของบล็อกเชนช่วยปรับปรุงระบบปัญญาประดิษฐ์และนำความเป็นไปได้ใหม่ๆ มาให้ โดยหลักๆ แล้ว:
รหัสคือกฎหมาย ในยุคของปัญญาประดิษฐ์ - ผ่านสัญญาอัจฉริยะและการตรวจสอบการเข้ารหัส ระบบที่โปร่งใสจะดำเนินการตามกฎโดยอัตโนมัติและมอบรางวัลให้กับผู้ที่ใกล้กับเป้าหมายมากขึ้น
เศรษฐศาสตร์โทเค็น – สร้างและประสานพฤติกรรมของผู้เข้าร่วมผ่านกลไกโทเค็น การปักหลัก การฟัน รางวัลโทเค็น และบทลงโทษ
การกำกับดูแลแบบกระจายอำนาจ – กระตุ้นให้เราตั้งคำถามกับแหล่งข้อมูลและสนับสนุนแนวทางที่สำคัญและลึกซึ้งยิ่งขึ้นสำหรับเทคโนโลยี AI ป้องกันอคติ ข้อมูลที่ผิด และการบิดเบือน ท้ายที่สุดแล้วส่งเสริมสังคมที่มีข้อมูลและมีอำนาจมากขึ้น
การพัฒนา AI ยังนำพลังใหม่มาสู่ Web3 อาจต้องใช้เวลาในการพิสูจน์ผลกระทบของ Web3 บน AI แต่ผลกระทบของ AI บน Web3 นั้นเกิดขึ้นทันที ไม่ว่าจะเป็นงานรื่นเริงของ Meme หรือ AI Agent ที่ช่วย เพื่อลดต้นทุนของแอปพลิเคชันออนไลน์สามารถดูเกณฑ์การใช้งานได้
เมื่อ Web3 ถูกกำหนดให้เป็นผลประโยชน์ส่วนตัวของคนกลุ่มเล็กๆ และเกิดข้อสงสัยเกี่ยวกับการเลียนแบบอุตสาหกรรมแบบดั้งเดิม การเพิ่ม AI นำมาซึ่งอนาคตอันใกล้: กลุ่มผู้ใช้ Web2 ที่มีเสถียรภาพและใหญ่ขึ้น และธุรกิจนวัตกรรมที่ใหญ่ขึ้น รุ่นและบริการ
เราอาศัยอยู่ในโลกที่มี หอคอยและจัตุรัส อยู่ร่วมกัน แม้ว่า AI และ Web3 จะมีไทม์ไลน์และจุดเริ่มต้นที่แตกต่างกัน แต่ จุดสิ้นสุดของพวกมันก็คือการทำให้เครื่องจักรสามารถให้บริการมนุษย์ได้ดีขึ้น อนาคตของ AI+Web3
*เนื้อหาทั้งหมดบนแพลตฟอร์ม Coinspire มีไว้เพื่อการอ้างอิงเท่านั้น และไม่ถือเป็นข้อเสนอหรือคำแนะนำสำหรับกลยุทธ์การลงทุนใดๆ การตัดสินใจส่วนบุคคลใดๆ ตามเนื้อหาของบทความนี้ถือเป็นความรับผิดชอบของนักลงทุนแต่เพียงผู้เดียว และ Coinspire จะไม่รับผิดชอบต่อกำไรหรือขาดทุนใดๆ ที่เกิดขึ้นจากการตัดสินใจดังกล่าว การลงทุนมีความเสี่ยงและการตัดสินใจต้องทำด้วยความระมัดระวัง
