Um mercado de IA descentralizado bem-sucedido precisa combinar estreitamente as vantagens de IA e Web3, aproveitar o valor agregado de distribuição, confirmação de direitos de ativos, distribuição de renda e poder de computação descentralizado, reduzir o limite para aplicativos de IA e incentivar os desenvolvedores a fazer upload e Compartilhe modelos enquanto protege os direitos de privacidade de dados dos usuários e crie uma plataforma de troca e compartilhamento de recursos de IA amigável ao desenvolvedor que atenda às necessidades do usuário.
O mercado de IA baseado em dados tem maior potencial. O mercado do modelo morto precisa do suporte de um grande número de modelos de alta qualidade, mas a falta de base de usuários e recursos de alta qualidade na plataforma inicial torna difícil para fornecedores de modelos excelentes atrair modelos de alta qualidade; enquanto o o mercado baseado em dados é descentralizado e distribuído Coleção, design de camada de incentivo e garantia de propriedade de dados podem acumular uma grande quantidade de dados e recursos valiosos, especialmente dados de domínio privado. No entanto, os mercados de dados também precisam enfrentar o desafio da proteção da privacidade dos dados, e as soluções incluem a criação de políticas mais flexíveis que permitem aos usuários personalizar as configurações dos níveis de privacidade.
O sucesso do mercado de IA descentralizado depende do acúmulo de recursos do usuário e fortes efeitos de rede.Usuários e desenvolvedores podem obter mais valor do mercado do que fora do mercado. Nos primeiros dias do mercado, o foco é acumular modelos de alta qualidade para atrair e reter usuários e, depois de estabelecer uma biblioteca de modelos e barreiras de dados de alta qualidade, passa a atrair e reter mais usuários finais. Além disso, um excelente mercado de IA precisa encontrar um equilíbrio entre os interesses de todas as partes e lidar adequadamente com fatores como propriedade de dados, qualidade do modelo, privacidade do usuário, poder de computação e algoritmos de incentivo.
1. AI Marketplace da Web3
1.1 Revisão da trilha AI no campo web3
Primeiro, revise as duas direções gerais da combinação de IA e criptografia que mencionei anteriormente, ZKML e rede de poder de computação descentralizada👇
ZKML
ZKML torna o modelo AI transparente + verificável, o que significa garantir que os três fatores de arquitetura do modelo, parâmetros e pesos do modelo e entrada do modelo possam ser verificados em toda a rede. A importância do ZKML é criar o próximo estágio de valor para o mundo web3 sem sacrificar a descentralização e a falta de confiança, além de fornecer a capacidade de realizar aplicativos mais amplos e criar maiores possibilidades.
Foresight Ventures: AI + Web3 = ？
Rede de energia de computação
Os recursos de computação serão um importante campo de batalha na próxima década, e o investimento futuro em infraestrutura de computação de alto desempenho aumentará exponencialmente. Os cenários de aplicação do poder de computação descentralizado são divididos em duas direções: raciocínio de modelo e treinamento de modelo.A demanda por treinamento de modelo grande de IA é a maior, mas também enfrenta os maiores desafios e gargalos técnicos. Incluindo a necessidade de sincronização de dados complexos e problemas de otimização de rede. Há mais oportunidades para implementar o raciocínio do modelo, e o futuro espaço incremental que pode ser previsto também é grande o suficiente.
**1.2 O que é AI Marketplace? **
Os mercados de IA não são um conceito muito novo, e o Hugging Face é indiscutivelmente o mercado de IA mais bem-sucedido (exceto pela ausência de transações e mecanismos de preços). No campo da PNL, o Hugging Face fornece uma plataforma comunitária extremamente importante e ativa, onde desenvolvedores e usuários podem compartilhar e usar vários modelos pré-treinados.
A partir do sucesso de Hugging Face, pode-se ver que um mercado de IA precisa ter:
a. Recursos de modelo
Hugging Face fornece um grande número de modelos pré-treinados que cobrem uma variedade de tarefas de PNL. Essa riqueza de recursos atraiu um grande número de usuários, portanto, é a base para formar uma comunidade ativa e acumular usuários.
b. Espírito de código aberto + espalhar e compartilhar
Hugging Face incentiva os desenvolvedores a carregar e compartilhar seus modelos. Esse espírito de abertura e compartilhamento aumenta a vitalidade da comunidade e permite que os resultados das pesquisas mais recentes sejam rapidamente utilizados por um grande número de usuários. Isso se baseia no acúmulo de excelentes desenvolvedores e modelos, acelerando a eficiência dos resultados da pesquisa que estão sendo verificados e promovidos.
c. Amigável ao desenvolvedor + fácil de usar
O Hugging Face fornece API e documentação fáceis de usar, permitindo que os desenvolvedores entendam e usem rapidamente os modelos fornecidos. Isso diminui o limite de uso, melhora a experiência do usuário e atrai mais desenvolvedores.
Embora o Hugging Face não tenha um mecanismo de transação, ele ainda fornece uma plataforma importante para o compartilhamento e uso de modelos de IA. Portanto, também pode ser visto que o mercado de IA tem a oportunidade de se tornar um recurso valioso para toda a indústria.
Resumo do mercado de IA descentralizado:
Com base nos elementos acima, o mercado de IA descentralizado é baseado na tecnologia blockchain, permitindo que os usuários tenham propriedade de seus próprios dados e ativos de modelo. O valor trazido pelo Web3 também se reflete no mecanismo de incentivo e transação.Os usuários podem escolher livremente ou combinar o modelo apropriado por meio do sistema e, ao mesmo tempo, também podem colocar seus próprios modelos treinados nas prateleiras para obter benefícios.
Os usuários são proprietários de seus próprios ativos de IA, e o mercado de IA em si não tem controle sobre dados e modelos. Em vez disso, o desenvolvimento do mercado depende da base de usuários e do consequente acúmulo de modelos e dados. Esta acumulação é um processo de longo prazo, mas é também um processo de estabelecimento gradual de barreiras de produtos.O desenvolvimento do mercado é suportado pelo número de usuários e pela quantidade/qualidade de modelos e dados carregados pelos usuários.
**1.3 Por que prestar atenção ao AI Marketplace da Web3? **
1.3.1 Compatível com a direção geral da aplicação de poder de computação
Devido à pressão de comunicação e outros motivos, pode ser difícil implementar o poder de computação descentralizado no modelo base de treinamento, mas a pressão no ajuste fino será muito menor, então tem a oportunidade de se tornar um dos melhores cenários para a implementação de centralizado rede de poder de computação.
Um pouco de conhecimento prévio: por que o estágio de ajuste fino é mais fácil de pousar
Foresight Ventures: uma visão racional da rede de computação descentralizada
O treinamento do modelo de IA é dividido em pré-treinamento e ajuste fino. O pré-treinamento envolve uma grande quantidade de dados e um grande número de cálculos. Para obter detalhes, consulte a análise no meu artigo acima. O ajuste fino é baseado no modelo base, usando dados específicos da tarefa para ajustar os parâmetros do modelo para que o modelo tenha melhor desempenho para tarefas específicas. estágio de treinamento. Há dois motivos principais:
Volume de dados: Na fase de pré-treinamento, o modelo precisa ser treinado em um conjunto de dados de grande escala para aprender uma representação de linguagem geral. Por exemplo, o pré-treinamento do modelo BERT é realizado na Wikipedia e no BookCorpus, que contêm bilhões de palavras. No estágio de ajuste fino, o modelo geralmente só precisa ser treinado em um conjunto de dados de pequena escala para uma tarefa específica. Por exemplo, um conjunto de dados ajustado para uma tarefa de análise de sentimento pode ter apenas alguns milhares a dezenas de milhares de revisões.
Número de etapas de treinamento: O estágio de pré-treinamento geralmente requer milhões ou até bilhões de etapas de treinamento, enquanto o estágio de ajuste fino geralmente precisa apenas de milhares a dezenas de milhares de etapas. Isso porque a etapa de pré-treinamento precisa aprender a estrutura básica e a semântica da linguagem, enquanto a etapa de ajuste fino precisa apenas ajustar uma parte dos parâmetros do modelo para se adaptar a uma tarefa específica.
Por exemplo, tomando o GPT3 como exemplo, a fase de pré-treinamento usa 45 TB de dados de texto para treinamento, enquanto a fase de ajuste fino precisa apenas de aproximadamente 5 GB de dados. O tempo de treinamento para a fase de pré-treinamento leva de semanas a meses, enquanto a fase de ajuste fino leva apenas de horas a dias.
1.3.2 O ponto de partida da interseção de IA e criptografia
Para julgar se um projeto web3 é razoável, um dos pontos mais importantes é se é cripto por cripto, se o projeto maximiza o valor trazido pelo web3 e se a adição do web3 traz diferenciação. Obviamente, o valor agregado que o web3 traz para este mercado de IA não pode substituir a confirmação de direitos, distribuição de renda e poder de computação
Acho que um excelente mercado de IA da Web3 pode integrar IA e criptografia de perto. A combinação mais perfeita não é o que os aplicativos ou infra que o mercado de IA pode trazer para a web3, mas sim o que a web3 pode oferecer ao mercado de IA. Obviamente, por exemplo, cada usuário pode ter a propriedade de seu próprio modelo e dados de IA (como encapsular o modelo de IA e os dados como NFT) e também podem negociá-los como commodities, o que faz bom uso do web3 pode jogar valor. Isso não apenas motiva os desenvolvedores de IA e os provedores de dados, mas também torna a aplicação da IA mais ampla. Se um modelo for bom o suficiente, o proprietário terá um incentivo mais forte para enviá-lo para outros para compartilhamento.
Ao mesmo tempo, o mercado de IA descentralizado pode apresentar alguns novos modelos de negócios, como modelos, vendas e leasing de dados, crowdsourcing de tarefas, etc.
1.3.3 Reduzir o limite de aplicação de IA
Todos devem e poderão treinar seus próprios modelos de inteligência artificial, o que requer uma plataforma com um limiar suficientemente baixo para fornecer suporte de recursos, incluindo modelos básicos, ferramentas, dados, poder de computação etc.
1.3.4 Demanda e Oferta
Embora modelos grandes tenham capacidades de raciocínio poderosas, eles não são onipotentes. Freqüentemente, o ajuste fino para tarefas e cenários específicos alcançará melhores resultados e maior praticidade. Portanto, do lado da demanda, os usuários precisam de um mercado de modelos de IA para obter modelos úteis em diferentes cenários; para os desenvolvedores, eles precisam de uma plataforma que possa fornecer grande conveniência de recursos para desenvolver modelos e obter benefícios por meio de seu próprio conhecimento profissional.
Segundo, baseado em modelo x baseado em dados
2.1 Mercado modelo
modelo
Com ferramentas como o ponto de venda, como o primeiro elo do elo, o projeto precisa atrair desenvolvedores de modelos suficientes no estágio inicial para implantar modelos de alta qualidade, de modo a estabelecer o fornecimento para o mercado.
Neste modo, os principais pontos que atraem os desenvolvedores são a infra-estrutura e ferramentas convenientes e fáceis de usar. Os dados dependem da habilidade do próprio desenvolvedor e porque algumas pessoas experientes em um determinado campo podem criar valor. Os dados neste campo precisam Os desenvolvedores coletam e ajustam modelos com melhor desempenho.
pensar
Recentemente, tenho visto muitos projetos sobre a combinação de mercado de IA e web3, mas o que penso é: criar um mercado de modelo de IA descentralizado é uma proposição falsa?
Antes de tudo, precisamos pensar em uma pergunta: qual valor o web3 pode oferecer?
Está longe de ser suficiente se for apenas o incentivo do token ou a narrativa da propriedade do modelo. Do ponto de vista prático, modelos de alta qualidade na plataforma são o núcleo de todo o produto, e modelos excelentes geralmente significam valor econômico extremamente alto. Do ponto de vista dos provedores de modelos, eles precisam de motivação suficiente para implantar seus modelos de alta qualidade no mercado de IA, mas os incentivos trazidos pelo token e pela propriedade podem atender às suas expectativas quanto ao valor do modelo? Para uma plataforma que não tinha uma base de usuários nos primeiros dias, obviamente está longe de ser alcançada. Sem um modelo extremamente bom, todo o modelo de negócios não será estabelecido. Portanto, a questão é como obter receita suficiente para fornecedores de modelos na ausência de usuários finais no estágio inicial.
2.2 Mercado de Dados
modelo
Com base na coleta de dados descentralizada, por meio do design da camada de incentivo e da narrativa da propriedade dos dados, integre mais provedores de dados, bem como usuários que rotulam os dados. Com a bênção da criptografia, a plataforma tem a oportunidade de acumular uma grande quantidade de dados valiosos em um determinado período de tempo, especialmente os dados de domínio privado que estão faltando no momento.
O que mais me entusiasma é que esse modelo de desenvolvimento de baixo para cima é mais como um jogo de crowdfunding. Por mais experientes que sejam as pessoas, é impossível ter dados completos em um campo, e um dos valores que o web3 pode oferecer é a coleta de dados sem permissão e descentralizada. Esse modelo pode não apenas concentrar conhecimento e dados em vários campos, mas também fornecer serviços de IA para um grupo maior de usuários. Em comparação com os dados de um único usuário, esses dados de crowdfunding são coletados de um grande número de cenários reais de usuários reais, para que possam refletir melhor a complexidade e a diversidade do mundo real do que os dados coletados de uma única fonte, o que pode melhorar muito o a capacidade de generalização e a robustez do modelo permitem que o modelo de IA tenha um bom desempenho em muitos ambientes diferentes.
Por exemplo, uma pessoa pode ter muita experiência em nutrição e acumular muitos dados, mas os dados pessoais sozinhos estão longe de ser suficientes para treinar um excelente modelo. Enquanto os usuários compartilham dados, eles também podem acessar e utilizar dados valiosos fornecidos por outros usuários no mesmo campo e em toda a rede da plataforma, de modo a obter melhores efeitos de ajuste fino.
pensar
A partir dessa perspectiva, também pode ser uma boa tentativa de construir um mercado de dados descentralizado. Como uma "mercadoria" com limites mais baixos, links de produção mais curtos e maior densidade de provedores, os dados podem fazer melhor uso do valor que o web3 pode fornecer. O algoritmo de incentivo e o mecanismo de confirmação de dados podem motivar os usuários a fazer upload de dados. No modelo atual, os dados são mais como uma mercadoria única, o que significa que têm pouco valor depois de serem usados uma vez. No mercado de modelo de IA descentralizado, os dados do usuário podem ser usados repetidamente e beneficiados, e o valor dos dados será percebido em um período de tempo mais longo.
Parece ser uma boa escolha usar os dados como um ponto de entrada para acumular usuários. Um dos principais e as barreiras do grande modelo são os dados multidimensionais e de alta qualidade. Depois que um grande número de provedores de dados está integrado, essas pessoas têm a oportunidade de se transformar ainda mais em usuários finais ou provedores de modelos. O mercado de IA baseado nisso pode, de fato, fornecer o valor subjacente para modelos excelentes e dar aos engenheiros de algoritmo a motivação para contribuir com modelos na plataforma a partir da perspectiva dos modelos de treinamento.
Essa dinâmica é uma mudança de 0 para 1. Agora que as grandes empresas têm grandes quantidades de dados, elas podem treinar modelos mais precisos, o que dificulta a competição entre pequenas empresas e desenvolvedores individuais. Mesmo que um usuário tenha dados muito valiosos em um determinado campo, é difícil que essa pequena parte dos dados seja valiosa sem a cooperação de dados em um conjunto maior. No entanto, em um mercado descentralizado, todos têm a oportunidade de obter e usar dados, e esses especialistas se juntam à plataforma com dados incrementais valiosos. Portanto, a qualidade e a quantidade de dados da plataforma foram aprimoradas, o que torna possível para todos para treinar excelentes modelos e até mesmo promover a inovação da IA.
Os próprios dados são de fato adequados para serem uma barreira à concorrência nesse tipo de mercado de IA. Em primeiro lugar, uma excelente camada de incentivos e garantias de privacidade seguras permitem que mais investidores de varejo participem de todo o protocolo e contribuam com dados. E, à medida que o número de usuários aumenta, também aumenta a qualidade e a quantidade de dados. Isso gerará efeitos de comunidade e rede, tornando o mercado capaz de oferecer maior valor e dimensões mais amplas, tornando-o mais atraente para novos usuários.Esse é o processo de estabelecimento de barreiras para o mercado.
Então, fundamentalmente, para criar um mercado de IA orientado por dados, o mais importante são os 4 pontos a seguir:
Camada de incentivo: Projete um algoritmo que possa efetivamente motivar os usuários a fornecer dados de alta qualidade, e é necessário equilibrar a força dos incentivos e a sustentabilidade do mercado.
Privacidade: Proteja a privacidade dos dados e garanta o uso eficiente dos dados.
Usuários: acumule usuários rapidamente e colete dados mais valiosos no estágio inicial.
Qualidade dos dados: Os dados vêm de várias fontes, e mecanismos eficazes de controle de qualidade precisam ser projetados.
**Por que o fornecedor do modelo não está listado como um fator-chave por mim neste cenário? **
O principal motivo é baseado nos quatro pontos acima, e é lógico ter um excelente provedor de modelo para ingressar.
2.3 O valor e os desafios do mercado de dados
Dados de Domínio Privado
O valor dos dados de domínio privado reside em suas informações exclusivas e difíceis de obter em um domínio específico, o que é especialmente importante para o ajuste fino dos modelos de IA. O uso de dados de domínio privado pode criar modelos mais precisos e personalizados que superam os modelos treinados em conjuntos de dados públicos em cenários específicos.
Já o processo de construção do modelo básico pode obter uma grande quantidade de dados públicos, portanto, o foco do mercado de dados web3 não está nesses dados. Como obter e adicionar dados de domínio privado durante o treinamento é atualmente um gargalo.Ao combinar dados de domínio privado com conjuntos de dados públicos, a adaptabilidade do modelo a diversos problemas e necessidades do usuário e a precisão do modelo podem ser aumentadas.
Por exemplo, tomando cenários médicos e de saúde como exemplo, os modelos de IA que usam dados de domínio privado geralmente podem aumentar a precisão da previsão em 10% a 30%. Referindo-se à pesquisa de Stanford, o modelo de aprendizado profundo usando dados médicos de domínio privado é 15% mais preciso na previsão de câncer de pulmão do que o modelo usando dados públicos
Dados privados
A privacidade se tornará o gargalo que restringe o AI + Web3? A julgar pelo desenvolvimento atual, a direção de aterrissagem da IA na web3 tornou-se gradualmente clara, mas parece que todo aplicativo não pode evitar o tópico da privacidade. O poder de computação descentralizado precisa garantir a integridade dos dados e modelos, tanto no treinamento quanto no raciocínio do modelo .Privacidade: uma condição para que o zkml seja estabelecido é garantir que o modelo não seja abusado por nós maliciosos.
O mercado de IA é construído com base na garantia de que os usuários controlam seus próprios dados. Portanto, embora os dados do usuário sejam coletados de forma descentralizada e distribuída, todos os nós não devem coletar, processar, armazenar, usar etc. dados. Os métodos de criptografia atuais estão enfrentando gargalos no uso, tomando como exemplo a criptografia totalmente homomórfica:
Complexidade computacional: FHE é mais complexo do que os métodos de criptografia tradicionais, o que aumenta muito a sobrecarga computacional do treinamento do modelo de IA sob criptografia totalmente homomórfica, tornando o treinamento do modelo extremamente ineficiente, até mesmo inviável. Portanto, a criptografia totalmente homomórfica não é ideal para tarefas que exigem muitos recursos de computação, como treinamento de modelo de aprendizado profundo.
Erro de cálculo: Durante o processo de cálculo do FHE, os erros se acumularão gradualmente à medida que o cálculo avança, o que acabará por afetar os resultados do cálculo e afetar o desempenho do modelo AI.
A privacidade também é dividida em níveis, não precisa se preocupar muito
Diferentes tipos de dados têm diferentes níveis de requisitos de privacidade. Apenas, por exemplo, registros médicos, informações financeiras, informações pessoais sensíveis, etc. requerem um alto nível de proteção de privacidade.
Portanto, a diversidade de dados precisa ser considerada na discussão do mercado de IA descentralizado, o mais importante é o equilíbrio. Para maximizar a participação do usuário e a riqueza de recursos da plataforma, é necessário projetar uma estratégia mais flexível que permita aos usuários personalizar as configurações do nível de privacidade, nem todos os dados requerem o mais alto nível de privacidade.
3. Reflexões sobre o AI Marketplace descentralizado
**3.1 Os usuários têm o direito de controlar ativos, a retirada dos usuários levará ao colapso da plataforma? **
A vantagem do mercado de IA descentralizado reside na propriedade dos recursos do usuário. Os usuários podem retirar seus recursos a qualquer momento, mas uma vez que os usuários e os recursos (modelos, dados) se acumulam até certo ponto, acho que a plataforma não será afetada* * . Claro, isso também significa que muito dinheiro será gasto na estabilização de usuários e recursos no estágio inicial do projeto, o que será muito difícil para uma equipe iniciante.
Consenso da comunidade
Uma vez que o mercado de IA descentralizado forma um forte efeito de rede, mais usuários e desenvolvedores se tornarão aderentes. E porque o aumento do número de usuários leva ao aumento da qualidade e quantidade de dados e modelos, tornando o mercado mais maduro. Usuários movidos por interesses diferentes ganham mais valor do mercado. Embora um pequeno número de usuários possa optar por sair, a taxa de crescimento de novos usuários nesse caso não diminuirá teoricamente e o mercado poderá continuar a se desenvolver e oferecer maior valor.
Incentivos
Se a camada de incentivos for adequadamente projetada, à medida que o número de participantes aumenta e vários recursos se acumulam, os benefícios obtidos por todas as partes aumentarão proporcionalmente. Um mercado de IA descentralizado não apenas fornece uma plataforma para os usuários trocarem dados e modelos, mas também pode fornecer um mecanismo para os usuários lucrar com seus próprios dados e modelos. Por exemplo, os usuários são pagos vendendo seus próprios dados ou permitindo que outros usem seus próprios modelos.
Para desenvolvedores de modelos: a implantação em outras plataformas pode não ter dados suficientes para suportar o ajuste fino de um modelo com melhor desempenho;
Para provedores de dados: Outra plataforma pode não ter uma base de dados tão completa, e apenas um pequeno pedaço de dados para usuários não pode agregar valor e obter uso e benefícios suficientes;
resumo
Embora no mercado de IA descentralizado, a parte do projeto desempenhe apenas o papel de combinar e fornecer uma plataforma, a verdadeira barreira está no acúmulo de dados e modelos trazidos pelo acúmulo do número de usuários***. Os usuários têm a liberdade de se retirar do mercado, mas um AI Marketplace maduro geralmente os fará obter mais valor do mercado do que fora do mercado, portanto, os usuários não têm incentivo para se retirar do mercado.
No entanto, se a maioria dos usuários ou alguns provedores de modelos/dados de alta qualidade optarem por se retirar, o mercado poderá ser afetado. Isso também é consistente com a existência de mudanças e ajustes dinâmicos na entrada e saída de usuários em diversos sistemas econômicos.
3.2 O que veio primeiro, a galinha ou o ovo
A julgar pelos dois caminhos acima, é difícil dizer qual deles acabará saindo, mas é claro que o mercado de IA baseado em dados faz mais sentido e o teto é muito mais alto que o primeiro. A maior diferença é que o mercado baseado em dados está constantemente enriquecendo as barreiras, e o processo de acumulação de usuários é também o processo de acumulação de dados. No final, o valor do web3 é enriquecer um enorme banco de dados descentralizado. Isso é positivo ciclo. . Ao mesmo tempo, em essência, esse tipo de plataforma não precisa reter dados, mas fornece um mercado mais leve para contribuir com dados. No final, esse é um grande data mart e esse tipo de barreira é difícil de substituir.
Do ponto de vista da oferta e demanda, um marketplace de IA precisa ter dois pontos ao mesmo tempo:
Muitos modelos excelentes
USUÁRIO FINAL
De um certo ponto de vista, essas duas condições parecem ser interdependentes. Por um lado, a plataforma precisa ter usuários suficientes para motivar os provedores de modelos e dados. Somente quando houver usuários suficientes acumulados, a camada de incentivo pode jogar Para obter o maior valor, o volante de dados também pode ser girado, para que mais provedores de modelos possam implantar modelos. Por outro lado, usuários finais suficientes devem vir para um modelo útil, e a escolha da plataforma pelo usuário é em grande parte uma escolha da qualidade e dos recursos do modelo de plataforma. Portanto, sem acumular um certo número de modelos excelentes, essa demanda não existe.Por mais avançado que seja o algoritmo de roteamento, rotear sem bons modelos é conversa fiada. É como se a premissa da apple store fosse aquela apple
Portanto, uma ideia de desenvolvimento melhor é:
Estratégia Inicial
**Acumule modelos de alta qualidade, **O mais importante no estágio inicial é construir uma biblioteca de modelos de alta qualidade. A razão é que não importa quantos usuários finais existam, sem modelos de alta qualidade para eles escolherem e usarem, a plataforma não será atraente e os usuários não terão aderência e retenção. Ao se concentrar na construção de uma biblioteca de modelos de alta qualidade, a plataforma pode garantir que os primeiros usuários possam encontrar os modelos de que precisam, construindo assim a reputação da marca e a confiança do usuário e, gradualmente, criando efeitos de comunidade e rede.
Política de Expansão
Atraia usuários finais Depois de criar uma biblioteca de modelos de alta qualidade, volte-se para atrair e reter mais usuários finais. Um grande número de usuários fornecerá motivação e interesse suficientes para que os desenvolvedores de modelos continuem a fornecer e melhorar o modelo. Além disso, um grande número de usuários também gerará uma grande quantidade de dados, o que melhorará ainda mais o treinamento e a otimização do modelo.
resumo
Qual é a melhor tentativa em um mercado de IA? *** Em uma palavra, a plataforma pode fornecer modelos de alta qualidade suficientes e pode combinar com eficiência os usuários com modelos adequados para resolver problemas ***. Esta frase resolve duas contradições. Primeiro, a plataforma pode fornecer valor suficiente para desenvolvedores (incluindo desenvolvedores de modelos e usuários), de modo que haja modelos suficientes de alta qualidade na plataforma; segundo, essas "mercadorias" podem fornecer aos usuários soluções locais eficientes , acumulando assim mais usuários e protegendo os interesses de todas as partes.
O AI Marketplace descentralizado é uma direção fácil para AI + web3, mas um projeto deve descobrir qual o valor real que esta plataforma pode fornecer e como integrar um grande número de usuários no estágio inicial. Entre eles, a chave é encontrar um ponto de equilíbrio dos interesses de todas as partes e, ao mesmo tempo, lidar com vários elementos, como propriedade de dados, qualidade do modelo, privacidade do usuário, poder de computação e algoritmos de incentivo e, finalmente, tornar-se um compartilhamento e plataforma de negociação de dados, modelos e poder de computação.
Ver original
O conteúdo serve apenas de referência e não constitui uma solicitação ou oferta. Não é prestado qualquer aconselhamento em matéria de investimento, fiscal ou jurídica. Consulte a Declaração de exoneração de responsabilidade para obter mais informações sobre os riscos.
Foresight Ventures: Melhor tentativa em um mercado de IA descentralizado
TL;DR
1. AI Marketplace da Web3
1.1 Revisão da trilha AI no campo web3
Primeiro, revise as duas direções gerais da combinação de IA e criptografia que mencionei anteriormente, ZKML e rede de poder de computação descentralizada👇
ZKML
ZKML torna o modelo AI transparente + verificável, o que significa garantir que os três fatores de arquitetura do modelo, parâmetros e pesos do modelo e entrada do modelo possam ser verificados em toda a rede. A importância do ZKML é criar o próximo estágio de valor para o mundo web3 sem sacrificar a descentralização e a falta de confiança, além de fornecer a capacidade de realizar aplicativos mais amplos e criar maiores possibilidades.
Foresight Ventures: AI + Web3 = ？
Rede de energia de computação
Os recursos de computação serão um importante campo de batalha na próxima década, e o investimento futuro em infraestrutura de computação de alto desempenho aumentará exponencialmente. Os cenários de aplicação do poder de computação descentralizado são divididos em duas direções: raciocínio de modelo e treinamento de modelo.A demanda por treinamento de modelo grande de IA é a maior, mas também enfrenta os maiores desafios e gargalos técnicos. Incluindo a necessidade de sincronização de dados complexos e problemas de otimização de rede. Há mais oportunidades para implementar o raciocínio do modelo, e o futuro espaço incremental que pode ser previsto também é grande o suficiente.
**1.2 O que é AI Marketplace? **
Os mercados de IA não são um conceito muito novo, e o Hugging Face é indiscutivelmente o mercado de IA mais bem-sucedido (exceto pela ausência de transações e mecanismos de preços). No campo da PNL, o Hugging Face fornece uma plataforma comunitária extremamente importante e ativa, onde desenvolvedores e usuários podem compartilhar e usar vários modelos pré-treinados.
a. Recursos de modelo
Hugging Face fornece um grande número de modelos pré-treinados que cobrem uma variedade de tarefas de PNL. Essa riqueza de recursos atraiu um grande número de usuários, portanto, é a base para formar uma comunidade ativa e acumular usuários.
b. Espírito de código aberto + espalhar e compartilhar
Hugging Face incentiva os desenvolvedores a carregar e compartilhar seus modelos. Esse espírito de abertura e compartilhamento aumenta a vitalidade da comunidade e permite que os resultados das pesquisas mais recentes sejam rapidamente utilizados por um grande número de usuários. Isso se baseia no acúmulo de excelentes desenvolvedores e modelos, acelerando a eficiência dos resultados da pesquisa que estão sendo verificados e promovidos.
c. Amigável ao desenvolvedor + fácil de usar
O Hugging Face fornece API e documentação fáceis de usar, permitindo que os desenvolvedores entendam e usem rapidamente os modelos fornecidos. Isso diminui o limite de uso, melhora a experiência do usuário e atrai mais desenvolvedores.
Embora o Hugging Face não tenha um mecanismo de transação, ele ainda fornece uma plataforma importante para o compartilhamento e uso de modelos de IA. Portanto, também pode ser visto que o mercado de IA tem a oportunidade de se tornar um recurso valioso para toda a indústria.
Resumo do mercado de IA descentralizado:
Com base nos elementos acima, o mercado de IA descentralizado é baseado na tecnologia blockchain, permitindo que os usuários tenham propriedade de seus próprios dados e ativos de modelo. O valor trazido pelo Web3 também se reflete no mecanismo de incentivo e transação.Os usuários podem escolher livremente ou combinar o modelo apropriado por meio do sistema e, ao mesmo tempo, também podem colocar seus próprios modelos treinados nas prateleiras para obter benefícios.
Os usuários são proprietários de seus próprios ativos de IA, e o mercado de IA em si não tem controle sobre dados e modelos. Em vez disso, o desenvolvimento do mercado depende da base de usuários e do consequente acúmulo de modelos e dados. Esta acumulação é um processo de longo prazo, mas é também um processo de estabelecimento gradual de barreiras de produtos.O desenvolvimento do mercado é suportado pelo número de usuários e pela quantidade/qualidade de modelos e dados carregados pelos usuários.
**1.3 Por que prestar atenção ao AI Marketplace da Web3? **
1.3.1 Compatível com a direção geral da aplicação de poder de computação
Devido à pressão de comunicação e outros motivos, pode ser difícil implementar o poder de computação descentralizado no modelo base de treinamento, mas a pressão no ajuste fino será muito menor, então tem a oportunidade de se tornar um dos melhores cenários para a implementação de centralizado rede de poder de computação.
Um pouco de conhecimento prévio: por que o estágio de ajuste fino é mais fácil de pousar
Foresight Ventures: uma visão racional da rede de computação descentralizada
O treinamento do modelo de IA é dividido em pré-treinamento e ajuste fino. O pré-treinamento envolve uma grande quantidade de dados e um grande número de cálculos. Para obter detalhes, consulte a análise no meu artigo acima. O ajuste fino é baseado no modelo base, usando dados específicos da tarefa para ajustar os parâmetros do modelo para que o modelo tenha melhor desempenho para tarefas específicas. estágio de treinamento. Há dois motivos principais:
Por exemplo, tomando o GPT3 como exemplo, a fase de pré-treinamento usa 45 TB de dados de texto para treinamento, enquanto a fase de ajuste fino precisa apenas de aproximadamente 5 GB de dados. O tempo de treinamento para a fase de pré-treinamento leva de semanas a meses, enquanto a fase de ajuste fino leva apenas de horas a dias.
1.3.2 O ponto de partida da interseção de IA e criptografia
Para julgar se um projeto web3 é razoável, um dos pontos mais importantes é se é cripto por cripto, se o projeto maximiza o valor trazido pelo web3 e se a adição do web3 traz diferenciação. Obviamente, o valor agregado que o web3 traz para este mercado de IA não pode substituir a confirmação de direitos, distribuição de renda e poder de computação
Acho que um excelente mercado de IA da Web3 pode integrar IA e criptografia de perto. A combinação mais perfeita não é o que os aplicativos ou infra que o mercado de IA pode trazer para a web3, mas sim o que a web3 pode oferecer ao mercado de IA. Obviamente, por exemplo, cada usuário pode ter a propriedade de seu próprio modelo e dados de IA (como encapsular o modelo de IA e os dados como NFT) e também podem negociá-los como commodities, o que faz bom uso do web3 pode jogar valor. Isso não apenas motiva os desenvolvedores de IA e os provedores de dados, mas também torna a aplicação da IA mais ampla. Se um modelo for bom o suficiente, o proprietário terá um incentivo mais forte para enviá-lo para outros para compartilhamento.
Ao mesmo tempo, o mercado de IA descentralizado pode apresentar alguns novos modelos de negócios, como modelos, vendas e leasing de dados, crowdsourcing de tarefas, etc.
1.3.3 Reduzir o limite de aplicação de IA
Todos devem e poderão treinar seus próprios modelos de inteligência artificial, o que requer uma plataforma com um limiar suficientemente baixo para fornecer suporte de recursos, incluindo modelos básicos, ferramentas, dados, poder de computação etc.
1.3.4 Demanda e Oferta
Embora modelos grandes tenham capacidades de raciocínio poderosas, eles não são onipotentes. Freqüentemente, o ajuste fino para tarefas e cenários específicos alcançará melhores resultados e maior praticidade. Portanto, do lado da demanda, os usuários precisam de um mercado de modelos de IA para obter modelos úteis em diferentes cenários; para os desenvolvedores, eles precisam de uma plataforma que possa fornecer grande conveniência de recursos para desenvolver modelos e obter benefícios por meio de seu próprio conhecimento profissional.
Segundo, baseado em modelo x baseado em dados
2.1 Mercado modelo
modelo
Com ferramentas como o ponto de venda, como o primeiro elo do elo, o projeto precisa atrair desenvolvedores de modelos suficientes no estágio inicial para implantar modelos de alta qualidade, de modo a estabelecer o fornecimento para o mercado.
Neste modo, os principais pontos que atraem os desenvolvedores são a infra-estrutura e ferramentas convenientes e fáceis de usar. Os dados dependem da habilidade do próprio desenvolvedor e porque algumas pessoas experientes em um determinado campo podem criar valor. Os dados neste campo precisam Os desenvolvedores coletam e ajustam modelos com melhor desempenho.
pensar
Recentemente, tenho visto muitos projetos sobre a combinação de mercado de IA e web3, mas o que penso é: criar um mercado de modelo de IA descentralizado é uma proposição falsa?
Antes de tudo, precisamos pensar em uma pergunta: qual valor o web3 pode oferecer?
Está longe de ser suficiente se for apenas o incentivo do token ou a narrativa da propriedade do modelo. Do ponto de vista prático, modelos de alta qualidade na plataforma são o núcleo de todo o produto, e modelos excelentes geralmente significam valor econômico extremamente alto. Do ponto de vista dos provedores de modelos, eles precisam de motivação suficiente para implantar seus modelos de alta qualidade no mercado de IA, mas os incentivos trazidos pelo token e pela propriedade podem atender às suas expectativas quanto ao valor do modelo? Para uma plataforma que não tinha uma base de usuários nos primeiros dias, obviamente está longe de ser alcançada. Sem um modelo extremamente bom, todo o modelo de negócios não será estabelecido. Portanto, a questão é como obter receita suficiente para fornecedores de modelos na ausência de usuários finais no estágio inicial.
2.2 Mercado de Dados
Com base na coleta de dados descentralizada, por meio do design da camada de incentivo e da narrativa da propriedade dos dados, integre mais provedores de dados, bem como usuários que rotulam os dados. Com a bênção da criptografia, a plataforma tem a oportunidade de acumular uma grande quantidade de dados valiosos em um determinado período de tempo, especialmente os dados de domínio privado que estão faltando no momento.
O que mais me entusiasma é que esse modelo de desenvolvimento de baixo para cima é mais como um jogo de crowdfunding. Por mais experientes que sejam as pessoas, é impossível ter dados completos em um campo, e um dos valores que o web3 pode oferecer é a coleta de dados sem permissão e descentralizada. Esse modelo pode não apenas concentrar conhecimento e dados em vários campos, mas também fornecer serviços de IA para um grupo maior de usuários. Em comparação com os dados de um único usuário, esses dados de crowdfunding são coletados de um grande número de cenários reais de usuários reais, para que possam refletir melhor a complexidade e a diversidade do mundo real do que os dados coletados de uma única fonte, o que pode melhorar muito o a capacidade de generalização e a robustez do modelo permitem que o modelo de IA tenha um bom desempenho em muitos ambientes diferentes.
Por exemplo, uma pessoa pode ter muita experiência em nutrição e acumular muitos dados, mas os dados pessoais sozinhos estão longe de ser suficientes para treinar um excelente modelo. Enquanto os usuários compartilham dados, eles também podem acessar e utilizar dados valiosos fornecidos por outros usuários no mesmo campo e em toda a rede da plataforma, de modo a obter melhores efeitos de ajuste fino.
pensar
A partir dessa perspectiva, também pode ser uma boa tentativa de construir um mercado de dados descentralizado. Como uma "mercadoria" com limites mais baixos, links de produção mais curtos e maior densidade de provedores, os dados podem fazer melhor uso do valor que o web3 pode fornecer. O algoritmo de incentivo e o mecanismo de confirmação de dados podem motivar os usuários a fazer upload de dados. No modelo atual, os dados são mais como uma mercadoria única, o que significa que têm pouco valor depois de serem usados uma vez. No mercado de modelo de IA descentralizado, os dados do usuário podem ser usados repetidamente e beneficiados, e o valor dos dados será percebido em um período de tempo mais longo.
Parece ser uma boa escolha usar os dados como um ponto de entrada para acumular usuários. Um dos principais e as barreiras do grande modelo são os dados multidimensionais e de alta qualidade. Depois que um grande número de provedores de dados está integrado, essas pessoas têm a oportunidade de se transformar ainda mais em usuários finais ou provedores de modelos. O mercado de IA baseado nisso pode, de fato, fornecer o valor subjacente para modelos excelentes e dar aos engenheiros de algoritmo a motivação para contribuir com modelos na plataforma a partir da perspectiva dos modelos de treinamento.
Essa dinâmica é uma mudança de 0 para 1. Agora que as grandes empresas têm grandes quantidades de dados, elas podem treinar modelos mais precisos, o que dificulta a competição entre pequenas empresas e desenvolvedores individuais. Mesmo que um usuário tenha dados muito valiosos em um determinado campo, é difícil que essa pequena parte dos dados seja valiosa sem a cooperação de dados em um conjunto maior. No entanto, em um mercado descentralizado, todos têm a oportunidade de obter e usar dados, e esses especialistas se juntam à plataforma com dados incrementais valiosos. Portanto, a qualidade e a quantidade de dados da plataforma foram aprimoradas, o que torna possível para todos para treinar excelentes modelos e até mesmo promover a inovação da IA.
Os próprios dados são de fato adequados para serem uma barreira à concorrência nesse tipo de mercado de IA. Em primeiro lugar, uma excelente camada de incentivos e garantias de privacidade seguras permitem que mais investidores de varejo participem de todo o protocolo e contribuam com dados. E, à medida que o número de usuários aumenta, também aumenta a qualidade e a quantidade de dados. Isso gerará efeitos de comunidade e rede, tornando o mercado capaz de oferecer maior valor e dimensões mais amplas, tornando-o mais atraente para novos usuários.Esse é o processo de estabelecimento de barreiras para o mercado.
Então, fundamentalmente, para criar um mercado de IA orientado por dados, o mais importante são os 4 pontos a seguir:
**Por que o fornecedor do modelo não está listado como um fator-chave por mim neste cenário? **
O principal motivo é baseado nos quatro pontos acima, e é lógico ter um excelente provedor de modelo para ingressar.
2.3 O valor e os desafios do mercado de dados
Dados de Domínio Privado
O valor dos dados de domínio privado reside em suas informações exclusivas e difíceis de obter em um domínio específico, o que é especialmente importante para o ajuste fino dos modelos de IA. O uso de dados de domínio privado pode criar modelos mais precisos e personalizados que superam os modelos treinados em conjuntos de dados públicos em cenários específicos.
Já o processo de construção do modelo básico pode obter uma grande quantidade de dados públicos, portanto, o foco do mercado de dados web3 não está nesses dados. Como obter e adicionar dados de domínio privado durante o treinamento é atualmente um gargalo.Ao combinar dados de domínio privado com conjuntos de dados públicos, a adaptabilidade do modelo a diversos problemas e necessidades do usuário e a precisão do modelo podem ser aumentadas.
Por exemplo, tomando cenários médicos e de saúde como exemplo, os modelos de IA que usam dados de domínio privado geralmente podem aumentar a precisão da previsão em 10% a 30%. Referindo-se à pesquisa de Stanford, o modelo de aprendizado profundo usando dados médicos de domínio privado é 15% mais preciso na previsão de câncer de pulmão do que o modelo usando dados públicos
Dados privados
A privacidade se tornará o gargalo que restringe o AI + Web3? A julgar pelo desenvolvimento atual, a direção de aterrissagem da IA na web3 tornou-se gradualmente clara, mas parece que todo aplicativo não pode evitar o tópico da privacidade. O poder de computação descentralizado precisa garantir a integridade dos dados e modelos, tanto no treinamento quanto no raciocínio do modelo .Privacidade: uma condição para que o zkml seja estabelecido é garantir que o modelo não seja abusado por nós maliciosos.
O mercado de IA é construído com base na garantia de que os usuários controlam seus próprios dados. Portanto, embora os dados do usuário sejam coletados de forma descentralizada e distribuída, todos os nós não devem coletar, processar, armazenar, usar etc. dados. Os métodos de criptografia atuais estão enfrentando gargalos no uso, tomando como exemplo a criptografia totalmente homomórfica:
A privacidade também é dividida em níveis, não precisa se preocupar muito
Diferentes tipos de dados têm diferentes níveis de requisitos de privacidade. Apenas, por exemplo, registros médicos, informações financeiras, informações pessoais sensíveis, etc. requerem um alto nível de proteção de privacidade.
Portanto, a diversidade de dados precisa ser considerada na discussão do mercado de IA descentralizado, o mais importante é o equilíbrio. Para maximizar a participação do usuário e a riqueza de recursos da plataforma, é necessário projetar uma estratégia mais flexível que permita aos usuários personalizar as configurações do nível de privacidade, nem todos os dados requerem o mais alto nível de privacidade.
3. Reflexões sobre o AI Marketplace descentralizado
**3.1 Os usuários têm o direito de controlar ativos, a retirada dos usuários levará ao colapso da plataforma? **
A vantagem do mercado de IA descentralizado reside na propriedade dos recursos do usuário. Os usuários podem retirar seus recursos a qualquer momento, mas uma vez que os usuários e os recursos (modelos, dados) se acumulam até certo ponto, acho que a plataforma não será afetada* * . Claro, isso também significa que muito dinheiro será gasto na estabilização de usuários e recursos no estágio inicial do projeto, o que será muito difícil para uma equipe iniciante.
Consenso da comunidade
Uma vez que o mercado de IA descentralizado forma um forte efeito de rede, mais usuários e desenvolvedores se tornarão aderentes. E porque o aumento do número de usuários leva ao aumento da qualidade e quantidade de dados e modelos, tornando o mercado mais maduro. Usuários movidos por interesses diferentes ganham mais valor do mercado. Embora um pequeno número de usuários possa optar por sair, a taxa de crescimento de novos usuários nesse caso não diminuirá teoricamente e o mercado poderá continuar a se desenvolver e oferecer maior valor.
Incentivos
Se a camada de incentivos for adequadamente projetada, à medida que o número de participantes aumenta e vários recursos se acumulam, os benefícios obtidos por todas as partes aumentarão proporcionalmente. Um mercado de IA descentralizado não apenas fornece uma plataforma para os usuários trocarem dados e modelos, mas também pode fornecer um mecanismo para os usuários lucrar com seus próprios dados e modelos. Por exemplo, os usuários são pagos vendendo seus próprios dados ou permitindo que outros usem seus próprios modelos.
Para desenvolvedores de modelos: a implantação em outras plataformas pode não ter dados suficientes para suportar o ajuste fino de um modelo com melhor desempenho;
Para provedores de dados: Outra plataforma pode não ter uma base de dados tão completa, e apenas um pequeno pedaço de dados para usuários não pode agregar valor e obter uso e benefícios suficientes;
resumo
Embora no mercado de IA descentralizado, a parte do projeto desempenhe apenas o papel de combinar e fornecer uma plataforma, a verdadeira barreira está no acúmulo de dados e modelos trazidos pelo acúmulo do número de usuários***. Os usuários têm a liberdade de se retirar do mercado, mas um AI Marketplace maduro geralmente os fará obter mais valor do mercado do que fora do mercado, portanto, os usuários não têm incentivo para se retirar do mercado.
No entanto, se a maioria dos usuários ou alguns provedores de modelos/dados de alta qualidade optarem por se retirar, o mercado poderá ser afetado. Isso também é consistente com a existência de mudanças e ajustes dinâmicos na entrada e saída de usuários em diversos sistemas econômicos.
3.2 O que veio primeiro, a galinha ou o ovo
A julgar pelos dois caminhos acima, é difícil dizer qual deles acabará saindo, mas é claro que o mercado de IA baseado em dados faz mais sentido e o teto é muito mais alto que o primeiro. A maior diferença é que o mercado baseado em dados está constantemente enriquecendo as barreiras, e o processo de acumulação de usuários é também o processo de acumulação de dados. No final, o valor do web3 é enriquecer um enorme banco de dados descentralizado. Isso é positivo ciclo. . Ao mesmo tempo, em essência, esse tipo de plataforma não precisa reter dados, mas fornece um mercado mais leve para contribuir com dados. No final, esse é um grande data mart e esse tipo de barreira é difícil de substituir.
Do ponto de vista da oferta e demanda, um marketplace de IA precisa ter dois pontos ao mesmo tempo:
De um certo ponto de vista, essas duas condições parecem ser interdependentes. Por um lado, a plataforma precisa ter usuários suficientes para motivar os provedores de modelos e dados. Somente quando houver usuários suficientes acumulados, a camada de incentivo pode jogar Para obter o maior valor, o volante de dados também pode ser girado, para que mais provedores de modelos possam implantar modelos. Por outro lado, usuários finais suficientes devem vir para um modelo útil, e a escolha da plataforma pelo usuário é em grande parte uma escolha da qualidade e dos recursos do modelo de plataforma. Portanto, sem acumular um certo número de modelos excelentes, essa demanda não existe.Por mais avançado que seja o algoritmo de roteamento, rotear sem bons modelos é conversa fiada. É como se a premissa da apple store fosse aquela apple
Portanto, uma ideia de desenvolvimento melhor é:
Estratégia Inicial
Política de Expansão
resumo
Qual é a melhor tentativa em um mercado de IA? *** Em uma palavra, a plataforma pode fornecer modelos de alta qualidade suficientes e pode combinar com eficiência os usuários com modelos adequados para resolver problemas ***. Esta frase resolve duas contradições. Primeiro, a plataforma pode fornecer valor suficiente para desenvolvedores (incluindo desenvolvedores de modelos e usuários), de modo que haja modelos suficientes de alta qualidade na plataforma; segundo, essas "mercadorias" podem fornecer aos usuários soluções locais eficientes , acumulando assim mais usuários e protegendo os interesses de todas as partes.
O AI Marketplace descentralizado é uma direção fácil para AI + web3, mas um projeto deve descobrir qual o valor real que esta plataforma pode fornecer e como integrar um grande número de usuários no estágio inicial. Entre eles, a chave é encontrar um ponto de equilíbrio dos interesses de todas as partes e, ao mesmo tempo, lidar com vários elementos, como propriedade de dados, qualidade do modelo, privacidade do usuário, poder de computação e algoritmos de incentivo e, finalmente, tornar-se um compartilhamento e plataforma de negociação de dados, modelos e poder de computação.