Успешный децентрализованный рынок ИИ должен тесно сочетать преимущества ИИ и Web3, использовать дополнительную ценность распределенных ресурсов, подтверждение прав на активы, распределение доходов и децентрализованную вычислительную мощность, снижать порог для приложений ИИ и поощрять разработчиков загружать и Делитесь моделями, защищая права пользователей на конфиденциальность данных, и создавайте удобную для разработчиков платформу для торговли и обмена ресурсами ИИ, отвечающую потребностям пользователей.
Рынок ИИ на основе данных имеет больший потенциал. Рынок мертвых моделей нуждается в поддержке большого количества высококачественных моделей, но отсутствие пользовательской базы и высококачественных ресурсов на ранней платформе затрудняет привлечение качественных моделей отличными поставщиками моделей. рынок на основе данных децентрализован и распределен. Сбор, дизайн стимулирующего слоя и гарантия владения данными могут накапливать большое количество ценных данных и ресурсов, особенно данных частного домена. Тем не менее, рынки данных также должны решать проблему защиты конфиденциальности данных, и решения включают разработку более гибких политик, которые позволяют пользователям настраивать параметры уровней конфиденциальности.
Успех децентрализованного рынка ИИ зависит от накопления пользовательских ресурсов и сильного сетевого эффекта.Пользователи и разработчики могут получить больше пользы от рынка, чем вне рынка. В первые дни существования рынка основное внимание уделяется накоплению высококачественных моделей для привлечения и удержания пользователей, а затем, после создания высококачественной библиотеки моделей и барьеров для данных, становится возможным привлечение и удержание большего количества конечных пользователей. Кроме того, отличный рынок ИИ должен найти баланс между интересами всех сторон и должным образом учитывать такие факторы, как право собственности на данные, качество модели, конфиденциальность пользователей, вычислительная мощность и алгоритмы стимулирования.
1. Рынок ИИ Web3
1.1 Обзор трека AI в поле web3
Сначала рассмотрим два основных направления сочетания ИИ и криптографии, о которых я упоминал ранее, ZKML и децентрализованную сеть вычислительных мощностей👇
ЗКМЛ
ZKML делает модель ИИ прозрачной и поддающейся проверке, что означает, что три фактора архитектуры модели, параметры и веса модели, а также входные данные модели могут быть проверены во всей сети. Значение ZKML состоит в том, чтобы создать новый уровень ценности для мира web3, не жертвуя децентрализацией и отсутствием доверия, а также предоставить возможность использовать более широкие приложения и создавать большие возможности.
Foresight Ventures: AI + Web3 = ？
Вычислительная сеть
Вычислительные ресурсы станут основным полем битвы в следующем десятилетии, и будущие инвестиции в высокопроизводительную вычислительную инфраструктуру будут расти в геометрической прогрессии. Сценарии применения децентрализованных вычислительных мощностей делятся на два направления: рассуждения моделей и обучение моделей.Спрос на обучение больших моделей ИИ является самым большим, но оно также сталкивается с самыми большими проблемами и техническими узкими местами. Включая необходимость сложной синхронизации данных и вопросы оптимизации сети. Есть больше возможностей для реализации рассуждений модели, и будущее инкрементное пространство, которое можно предсказать, также достаточно велико.
**1.2 Что такое AI Marketplace? **
Торговые площадки ИИ — не очень новая концепция, и Hugging Face, возможно, является самой успешной торговой площадкой ИИ (за исключением отсутствия транзакций и механизмов ценообразования). В области НЛП Hugging Face предоставляет чрезвычайно важную и активную платформу сообщества, где разработчики и пользователи могут делиться и использовать различные предварительно обученные модели.
Из успеха Hugging Face видно, что рынок ИИ должен иметь:
а. Ресурсы модели
Hugging Face предоставляет большое количество предварительно обученных моделей, которые охватывают множество задач НЛП. Такое богатство ресурсов привлекло большое количество пользователей, поэтому является основой для формирования активного сообщества и аккумулирования пользователей.
**b. Дух открытого исходного кода + распространение и обмен **
Hugging Face поощряет разработчиков загружать и делиться своими моделями. Этот дух открытости и совместного использования повышает жизнеспособность сообщества и позволяет быстро использовать результаты последних исследований большому количеству пользователей. Это основано на накоплении отличных разработчиков и моделей, ускоряющих эффективность проверяемых и продвигаемых результатов исследований.
c. Удобен для разработчиков и прост в использовании
Hugging Face предоставляет простой в использовании API и документацию, что позволяет разработчикам быстро понять и использовать предоставляемые им модели. Это снижает порог использования, улучшает взаимодействие с пользователем и привлекает больше разработчиков.
Хотя Hugging Face не имеет механизма транзакций, он по-прежнему предоставляет важную платформу для обмена и использования моделей ИИ. Таким образом, также видно, что у рынка ИИ есть возможность стать ценным ресурсом для всей отрасли.
Коротко о децентрализованном рынке ИИ:
Основываясь на вышеперечисленных элементах, децентрализованный рынок ИИ основан на технологии блокчейна, что позволяет пользователям владеть своими данными и модельными активами. Ценность, приносимая Web3, также отражена в механизме поощрения и транзакций.Пользователи могут свободно выбирать или сопоставлять подходящую модель через систему, и в то же время они также могут размещать на полках свои собственные обученные модели для получения преимуществ.
Пользователи владеют собственными активами ИИ, а сам рынок ИИ не контролирует данные и модели. Вместо этого развитие рынка зависит от пользовательской базы и последующего накопления моделей и данных. Это накопление является долгосрочным процессом, но это также процесс постепенного установления продуктовых барьеров.Развитие рынка поддерживается количеством пользователей и количеством/качеством моделей и данных, загружаемых пользователями.
**1.3 Зачем обращать внимание на AI Marketplace Web3? **
1.3.1 Совместимость с общим направлением применения вычислительной мощности
Из-за коммуникационного давления и других причин реализовать децентрализованную вычислительную мощность на модели учебной базы может быть сложно, но нагрузка на точную настройку будет намного меньше, поэтому у нее есть возможность стать одним из лучших сценариев для реализации централизованной сеть вычислительной мощности.
Небольшие базовые знания: почему этап тонкой настройки легче приземлиться
Foresight Ventures: рациональный взгляд на децентрализованную вычислительную сеть
Обучение модели ИИ делится на предварительное обучение и тонкую настройку. Предобучение включает в себя большой объем данных и большое количество вычислений, за подробностями обращайтесь к анализу в моей статье выше. Тонкая настройка основана на базовой модели с использованием данных для конкретной задачи для настройки параметров модели, чтобы модель имела лучшую производительность для конкретных задач.Вычислительные ресурсы, необходимые на этапе тонкой настройки модели, намного меньше, чем на этапе предварительной настройки. на этапе обучения.Основных причин две:
Объем данных: на этапе предварительной подготовки модель необходимо обучить на крупномасштабном наборе данных, чтобы изучить общее языковое представление. Например, предварительное обучение модели BERT осуществляется на Wikipedia и BookCorpus, содержащих миллиарды слов. На этапе тонкой настройки модель обычно нужно обучить только на небольшом наборе данных для конкретной задачи. Например, точно настроенный набор данных для задачи анализа настроений может содержать от нескольких тысяч до десятков тысяч отзывов.
Количество шагов обучения. На этапе предварительного обучения обычно требуются миллионы или даже миллиарды шагов обучения, тогда как на этапе тонкой настройки обычно требуется от тысяч до десятков тысяч шагов. Это связано с тем, что на этапе предварительного обучения необходимо изучить базовую структуру и семантику языка, а на этапе тонкой настройки необходимо только настроить часть параметров модели для адаптации к конкретной задаче.
Например, взяв в качестве примера GPT3, на этапе предварительной подготовки для обучения используется 45 ТБ текстовых данных, а на этапе тонкой настройки требуется всего около 5 ГБ данных. Время обучения на этапе предварительной подготовки занимает от нескольких недель до месяцев, а этап тонкой настройки — от нескольких часов до нескольких дней.
1.3.2 Начальная точка пересечения ИИ и криптографии
Чтобы судить о том, разумен ли проект web3, одним из наиболее важных моментов является то, является ли он криптографией для криптографии, максимизирует ли проект ценность, приносимую web3, и приносит ли добавление web3 дифференциацию. Очевидно, что добавленная стоимость, которую web3 привносит на этот рынок ИИ, не может заменить подтверждение прав, распределение доходов и вычислительную мощность.
Я думаю, что отличный рынок ИИ Web3 может тесно интегрировать ИИ и криптографию. Самая совершенная комбинация — это не то, что приложения или инфра рынок ИИ может принести в web3, а то, что web3 может дать рынку ИИ. Очевидно, например, что каждый пользователь может владеть своей собственной моделью и данными ИИ (например, инкапсулировать модель ИИ и данные в виде NFT), а также торговать ими как товарами, что позволяет эффективно использовать возможности web3. ценить. Это не только мотивирует разработчиков ИИ и поставщиков данных, но и расширяет область применения ИИ. Если модель достаточно хороша, у владельца есть более сильный стимул загрузить ее другим для обмена.
В то же время децентрализованный рынок ИИ может представить некоторые новые бизнес-модели, такие как модели, продажа и аренда данных, краудсорсинг задач и т. д.
1.3.3 Снизить порог применения ИИ
Каждый должен и сможет обучать свои собственные модели искусственного интеллекта, для чего требуется платформа с достаточно низким порогом для обеспечения ресурсной поддержки, включая базовые модели, инструменты, данные, вычислительную мощность и т. д.
1.3.4 Спрос и предложение
Хотя большие модели обладают мощными логическими способностями, они не всемогущи. Часто точная настройка для конкретных задач и сценариев дает лучшие результаты и более практична. Поэтому со стороны спроса пользователям нужен рынок моделей ИИ для получения полезных моделей в различных сценариях; разработчикам нужна платформа, которая может предоставить большое удобство ресурсов для разработки моделей и получить преимущества за счет собственных профессиональных знаний.
Во-вторых, на основе модели и на основе данных
2.1 Модельный рынок
модель
С инструментами в качестве точки продажи, в качестве первого звена связи, проект должен привлечь достаточное количество разработчиков моделей на ранней стадии для развертывания высококачественных моделей, чтобы обеспечить предложение на рынке.
В этом режиме основные моменты, которые привлекают разработчиков, это удобная и простая в использовании инфраструктура и инструменты.Данные зависят от собственных способностей разработчика и почему некоторые опытные люди в определенной области могут создавать ценность.Данные в этой области нужны Разработчики собирают и настраивают модели с лучшей производительностью.
думать
В последнее время я видел много проектов о сочетании рынка ИИ и web3, но я думаю следующее: является ли создание рынка децентрализованных моделей ИИ ложным предложением?
Прежде всего, нам нужно подумать над вопросом, какую ценность может дать web3?
Этого далеко не достаточно, если это только стимул токена или рассказ о праве собственности на модель. С практической точки зрения, высококачественные модели на платформе являются ядром всего продукта, а отличные модели обычно означают чрезвычайно высокую экономическую ценность. С точки зрения поставщиков моделей, им нужна достаточная мотивация для развертывания своих высококачественных моделей на рынке ИИ, но могут ли стимулы, создаваемые токеном и владением, соответствовать их ожиданиям в отношении ценности модели? Для платформы, у которой не было пользовательской базы в первые дни, она явно далека от достижения. Без очень хорошей модели не будет создана вся бизнес-модель. Таким образом, возникает вопрос, как обеспечить достаточный доход для поставщиков моделей в отсутствие конечных пользователей на ранней стадии.
2.2 Рынок данных
модель
Основанный на децентрализованном сборе данных, благодаря дизайну уровня стимулирования и повествованию о владении данными на борту большего количества поставщиков данных, а также пользователей, которые маркируют данные. Благодаря криптографии платформа имеет возможность накапливать большое количество ценных данных в течение определенного периода времени, особенно данных частного домена, которых в настоящее время не хватает.
Что меня больше всего волнует, так это то, что эта восходящая модель разработки больше похожа на краудфандинговую игру. Независимо от того, насколько опытны люди, невозможно иметь полные данные в поле, и одно из преимуществ, которое может предоставить web3, — это децентрализованный сбор данных без разрешения. Эта модель может не только концентрировать опыт и данные в различных областях, но и предоставлять услуги ИИ более широкой группе пользователей. По сравнению с собственными данными одного пользователя, эти данные краудфандинга собираются из большого количества реальных сценариев реальных пользователей, поэтому они могут лучше отражать сложность и разнообразие реального мира, чем данные, собранные из одного источника, что может значительно улучшить способность к обобщению и надежность модели позволяют модели ИИ хорошо работать во многих различных средах.
Например, человек может иметь большой опыт в области питания и накопить много данных, но одних личных данных далеко недостаточно для обучения отличной модели. В то время как пользователи обмениваются данными, они также могут получать доступ и использовать ценные данные, предоставленные другими пользователями в той же области и по сети на платформе, чтобы добиться лучших эффектов точной настройки.
думать
С этой точки зрения это также может быть хорошей попыткой построить децентрализованный рынок данных. В качестве «товара» с более низкими пороговыми значениями, более короткими производственными каналами и большей плотностью поставщиков данные могут лучше использовать ценность, которую может предоставить web3. Алгоритм поощрения и механизм подтверждения данных могут мотивировать пользователей загружать данные. В текущей модели данные больше похожи на одноразовый товар, а это означает, что после однократного использования они имеют небольшую ценность. На рынке децентрализованных моделей ИИ пользовательские данные можно использовать многократно и извлекать выгоду, а ценность данных будет реализована в течение более длительного периода времени.
Использование данных в качестве точки входа для накопления пользователей кажется хорошим выбором.Одним из основных и барьеров большой модели являются высококачественные и многомерные данные.После того, как на борту появилось большое количество поставщиков данных, эти люди имеют возможность в дальнейшем трансформироваться в конечных пользователей или модельных провайдеров. Рынок ИИ, основанный на этом, действительно может обеспечить базовую ценность для отличных моделей и дать инженерам-алгоритмам мотивацию для создания моделей на платформе с точки зрения моделей обучения.
Эта динамика представляет собой изменение от 0 до 1. Теперь, когда крупные компании располагают огромными объемами данных, они могут обучать более точные модели, что затрудняет конкуренцию небольшим компаниям и отдельным разработчикам. Даже если у пользователя есть очень ценные данные в определенной области, эта небольшая часть данных вряд ли будет ценной без взаимодействия с данными из более крупного набора. Однако на децентрализованном рынке каждый имеет возможность получать и использовать данные, и эти эксперты присоединяются к платформе с ценными добавочными данными.Поэтому качество и количество данных платформы были дополнительно улучшены, что позволяет всем обучать отличные модели и даже продвигать инновации в области искусственного интеллекта.
Данные сами по себе действительно хорошо подходят для того, чтобы стать барьером для конкуренции на этом рынке ИИ. Прежде всего, отличный уровень стимулирования и надежные гарантии конфиденциальности позволяют большему количеству розничных инвесторов участвовать во всем протоколе и вносить данные. И по мере увеличения числа пользователей растет качество и количество данных. Это создаст эффекты сообщества и сети, делая рынок способным обеспечить большую ценность и более широкие измерения, поэтому он будет более привлекательным для новых пользователей.Это процесс создания барьеров для рынка.
Таким образом, для создания рынка искусственного интеллекта, управляемого данными, наиболее важными являются следующие 4 пункта:
Стимулирующий слой: разработайте алгоритм, который может эффективно мотивировать пользователей предоставлять высококачественные данные, и необходимо сбалансировать силу стимулов и устойчивость рынка.
Конфиденциальность: защита конфиденциальности данных и обеспечение эффективного использования данных.
Пользователи: быстро накапливайте пользователей и собирайте более ценные данные на ранней стадии.
Качество данных. Данные поступают из различных источников, поэтому необходимо разработать эффективные механизмы контроля качества.
**Почему поставщик модели не указан мной в качестве ключевого фактора в этом сценарии? **
Основная причина основана на четырех вышеупомянутых пунктах, и логично иметь отличного поставщика моделей, к которому можно присоединиться.
2.3 Ценность и проблемы рынка данных
Данные частного домена
Ценность данных частного домена заключается в их уникальной и труднодоступной информации в конкретном домене, что особенно важно для тонкой настройки моделей ИИ. Использование данных частного домена может создавать более точные и персонализированные модели, которые превосходят модели, обученные на общедоступных наборах данных в определенных сценариях.
Сейчас в процессе построения базовой модели можно получить большое количество общедоступных данных, поэтому фокус рынка данных web3 не на этих данных. Получение и добавление данных частного домена во время обучения в настоящее время является узким местом.Объединяя данные частного домена с общедоступными наборами данных, можно повысить адаптируемость модели к различным проблемам и потребностям пользователей, а также точность модели.
Например, если взять в качестве примера сценарии медицины и здравоохранения, модели ИИ, использующие данные частного домена, обычно могут повысить точность прогноза на 10-30%. Ссылаясь на исследование Стэнфорда, модель глубокого обучения, использующая частные медицинские данные, на 15% точнее прогнозирует рак легких, чем модель, использующая общедоступные данные.
Конфиденциальность данных
Станет ли конфиденциальность узким местом, ограничивающим AI + Web3? Судя по текущему развитию, направление посадки ИИ в web3 постепенно становится ясным, но кажется, что каждое приложение не может избежать темы конфиденциальности.Децентрализованные вычислительные мощности должны обеспечивать целостность данных и моделей как при обучении моделей, так и при их обосновании. .Конфиденциальность: условием установки zkml является гарантия того, что модель не будет использована злоумышленниками.
Рынок ИИ построен на основе обеспечения того, чтобы пользователи контролировали свои собственные данные.Поэтому, хотя пользовательские данные собираются децентрализованным и распределенным образом, все узлы не должны напрямую собирать, обрабатывать, хранить, использовать и т. д. иметь доступ к необработанным данным. данные. Текущие методы шифрования сталкиваются с узкими местами в использовании, взяв в качестве примера полностью гомоморфное шифрование:
Вычислительная сложность: FHE является более сложным, чем традиционные методы шифрования, что значительно увеличивает вычислительные затраты на обучение модели ИИ при полностью гомоморфном шифровании, делая обучение модели крайне неэффективным, даже неосуществимым. Поэтому полностью гомоморфное шифрование не идеально подходит для задач, требующих большого количества вычислительных ресурсов, таких как обучение модели глубокого обучения.
Ошибка расчета: в процессе расчета FHE ошибки будут постепенно накапливаться по мере выполнения расчета, что в конечном итоге повлияет на результаты расчета и повлияет на производительность модели ИИ.
Конфиденциальность также разделена на уровни, не нужно слишком беспокоиться
Различные типы данных имеют разные уровни требований к конфиденциальности. Только, например, медицинские записи, финансовая информация, конфиденциальная личная информация и т. д. требуют высокого уровня защиты конфиденциальности.
Поэтому при обсуждении децентрализованного рынка ИИ необходимо учитывать разнообразие данных, самое главное — это баланс. Чтобы максимизировать участие пользователей и богатство ресурсов платформы, необходимо разработать более гибкую стратегию, позволяющую пользователям настраивать параметры уровня конфиденциальности, не все данные требуют самого высокого уровня конфиденциальности.
3. Размышления о децентрализованном рынке ИИ
**3.1 Пользователи имеют право распоряжаться активами, не приведет ли уход пользователей к краху платформы? **
Преимущество децентрализованного рынка ИИ заключается в том, что пользователь владеет ресурсами. Пользователи действительно могут вывести свои ресурсы в любое время, но как только пользователи и ресурсы (модели, данные) накопится в определенной степени, я думаю, что платформа не пострадает * * . Конечно, это также означает, что на стабилизацию пользователей и ресурсов на начальном этапе проекта будет потрачено много денег, что будет очень сложно для стартап-команды.
Консенсус сообщества
Как только децентрализованный рынок ИИ сформирует сильный сетевой эффект, больше пользователей и разработчиков станут липкими. И потому, что увеличение числа пользователей приводит к увеличению качества и количества данных и моделей, что делает рынок более зрелым. Пользователи, движимые разными интересами, получают больше пользы от рынка. Хотя небольшое количество пользователей может решить уйти, скорость роста новых пользователей в этом случае теоретически не замедлится, и рынок может продолжать развиваться и приносить большую ценность.
Поощрения
Если поощрительный слой правильно спроектирован, по мере увеличения числа участников и накопления различных ресурсов выгоды, получаемые всеми сторонами, будут соответственно увеличиваться. Децентрализованный рынок ИИ не только предоставляет пользователям платформу для торговли данными и моделями, но также может предоставить пользователям механизм для получения прибыли от своих собственных данных и моделей. Например, пользователи получают деньги, продавая свои собственные данные или позволяя другим использовать свои собственные модели.
Для разработчиков моделей: при развертывании на других платформах может не хватить данных для поддержки точной настройки модели с повышением производительности;
Для поставщиков данных: Другая платформа может не иметь такой полной базы данных, а небольшая часть данных для пользователей сама по себе не может иметь ценности и получить достаточное использование и преимущества;
краткое содержание
Хотя на децентрализованном рынке ИИ проектная сторона играет только роль согласования и предоставления платформы, реальный барьер заключается в накоплении данных и моделей, вызванных накоплением числа пользователей***. У пользователей есть свобода уйти с рынка, но зрелая торговая площадка ИИ часто позволяет им получать больше от рынка, чем они могут получить за пределами рынка, поэтому у пользователей нет стимула уходить с рынка.
Однако, если большинство пользователей или некоторые поставщики высококачественных моделей/данных решат отказаться от участия, это может повлиять на рынок. Это также согласуется с наличием динамических изменений и корректировок входа и выхода пользователей в различных экономических системах.
3.2 Что было раньше, курица или яйцо
Судя по двум вышеуказанным путям, трудно сказать, какой из них в конечном итоге выйдет, но ясно, что рынок ИИ на основе данных более логичен, а потолок намного выше, чем у первого. Самая большая разница в том, что рынок, основанный на данных, постоянно обогащает барьеры, а процесс накопления пользователей также является процессом накопления данных.В конце концов, ценность, придаваемая web3, заключается в обогащении огромной децентрализованной базы данных.Это положительный момент. цикл. . В то же время, по сути, такая платформа не должна хранить данные, но обеспечивает более легкий рынок для внесения данных. В конце концов, это большая витрина данных, и такой барьер сложно заменить.
С точки зрения спроса и предложения рынок ИИ должен иметь две точки одновременно:
Множество отличных моделей
КОНЕЧНЫЙ ПОЛЬЗОВАТЕЛЬ
С определенной точки зрения эти два условия кажутся взаимозависимыми.С одной стороны, платформе необходимо иметь достаточное количество пользователей, чтобы обеспечить мотивацию для поставщиков моделей и данных.Только при накоплении достаточного количества пользователей может играть стимулирующий слой. Для наибольшей ценности маховик данных также можно повернуть, чтобы больше поставщиков моделей могли развертывать модели. С другой стороны, за полезной моделью должно прийти достаточное количество конечных пользователей, и выбор пользователем платформы во многом зависит от качества и возможностей модели платформы. Поэтому без накопления определенного количества отличных моделей этого спроса не существует.Каким бы продвинутым ни был алгоритм маршрутизации, маршрутизация без хороших моделей - пустая болтовня. Это похоже на предпосылку магазина Apple, что яблоко
Поэтому лучшая идея развития:
Исходная стратегия
**Накопить качественные модели, **Самое примечательное на начальном этапе – создать библиотеку качественных моделей. Причина в том, что сколько бы ни было конечных пользователей, без качественных моделей, которые они могли бы выбирать и использовать, платформа не будет привлекательной, а у пользователей не будет липкости и удержания. Сосредоточив внимание на создании высококачественной библиотеки моделей, платформа может гарантировать, что первые пользователи смогут найти нужные им модели, тем самым укрепляя репутацию бренда и доверие пользователей, а также постепенно создавая сообщество и сетевые эффекты.
Политика расширения
Привлекайте конечных пользователей. После создания высококачественной библиотеки моделей приступайте к привлечению и удержанию большего количества конечных пользователей. Большое количество пользователей обеспечит достаточную мотивацию и интерес для разработчиков модели, чтобы продолжать предоставлять и улучшать модель. Кроме того, большое количество пользователей также будет генерировать большой объем данных, что еще больше улучшит обучение и оптимизацию модели.
краткое содержание
Какова лучшая попытка на рынке ИИ? *** Одним словом, платформа может предоставить достаточно высококачественных моделей и может эффективно подбирать пользователям подходящие модели для решения проблем ***. Это предложение разрешает два противоречия: во-первых, платформа может предоставить достаточную ценность для разработчиков (включая разработчиков моделей и пользователей), чтобы на платформе было достаточно высококачественных моделей; во-вторых, эти «товары» могут предоставить пользователям эффективные локальные решения. , тем самым аккумулируя больше пользователей и обеспечивая защиту интересов всех сторон.
Децентрализованный рынок ИИ — это простое направление для внедрения ИИ + web3, но проект должен выяснить, какую реальную ценность может предоставить эта платформа и как привлечь большое количество пользователей на ранней стадии. Среди них ключевым является поиск точки баланса интересов всех сторон и в то же время обработка нескольких элементов, таких как право собственности на данные, качество модели, конфиденциальность пользователей, вычислительная мощность и алгоритмы стимулирования, и, наконец, стать совместным и торговая платформа для данных, моделей и вычислительной мощности.
Посмотреть Оригинал
Содержание носит исключительно справочный характер и не является предложением или офертой. Консультации по инвестициям, налогообложению или юридическим вопросам не предоставляются. Более подробную информацию о рисках см. в разделе «Дисклеймер».
Foresight Ventures: лучшая попытка создать децентрализованный рынок ИИ
TL;DR
1. Рынок ИИ Web3
1.1 Обзор трека AI в поле web3
Сначала рассмотрим два основных направления сочетания ИИ и криптографии, о которых я упоминал ранее, ZKML и децентрализованную сеть вычислительных мощностей👇
ЗКМЛ
ZKML делает модель ИИ прозрачной и поддающейся проверке, что означает, что три фактора архитектуры модели, параметры и веса модели, а также входные данные модели могут быть проверены во всей сети. Значение ZKML состоит в том, чтобы создать новый уровень ценности для мира web3, не жертвуя децентрализацией и отсутствием доверия, а также предоставить возможность использовать более широкие приложения и создавать большие возможности.
Foresight Ventures: AI + Web3 = ？
Вычислительная сеть
Вычислительные ресурсы станут основным полем битвы в следующем десятилетии, и будущие инвестиции в высокопроизводительную вычислительную инфраструктуру будут расти в геометрической прогрессии. Сценарии применения децентрализованных вычислительных мощностей делятся на два направления: рассуждения моделей и обучение моделей.Спрос на обучение больших моделей ИИ является самым большим, но оно также сталкивается с самыми большими проблемами и техническими узкими местами. Включая необходимость сложной синхронизации данных и вопросы оптимизации сети. Есть больше возможностей для реализации рассуждений модели, и будущее инкрементное пространство, которое можно предсказать, также достаточно велико.
**1.2 Что такое AI Marketplace? **
Торговые площадки ИИ — не очень новая концепция, и Hugging Face, возможно, является самой успешной торговой площадкой ИИ (за исключением отсутствия транзакций и механизмов ценообразования). В области НЛП Hugging Face предоставляет чрезвычайно важную и активную платформу сообщества, где разработчики и пользователи могут делиться и использовать различные предварительно обученные модели.
а. Ресурсы модели
Hugging Face предоставляет большое количество предварительно обученных моделей, которые охватывают множество задач НЛП. Такое богатство ресурсов привлекло большое количество пользователей, поэтому является основой для формирования активного сообщества и аккумулирования пользователей.
**b. Дух открытого исходного кода + распространение и обмен **
Hugging Face поощряет разработчиков загружать и делиться своими моделями. Этот дух открытости и совместного использования повышает жизнеспособность сообщества и позволяет быстро использовать результаты последних исследований большому количеству пользователей. Это основано на накоплении отличных разработчиков и моделей, ускоряющих эффективность проверяемых и продвигаемых результатов исследований.
c. Удобен для разработчиков и прост в использовании
Hugging Face предоставляет простой в использовании API и документацию, что позволяет разработчикам быстро понять и использовать предоставляемые им модели. Это снижает порог использования, улучшает взаимодействие с пользователем и привлекает больше разработчиков.
Хотя Hugging Face не имеет механизма транзакций, он по-прежнему предоставляет важную платформу для обмена и использования моделей ИИ. Таким образом, также видно, что у рынка ИИ есть возможность стать ценным ресурсом для всей отрасли.
Коротко о децентрализованном рынке ИИ:
Основываясь на вышеперечисленных элементах, децентрализованный рынок ИИ основан на технологии блокчейна, что позволяет пользователям владеть своими данными и модельными активами. Ценность, приносимая Web3, также отражена в механизме поощрения и транзакций.Пользователи могут свободно выбирать или сопоставлять подходящую модель через систему, и в то же время они также могут размещать на полках свои собственные обученные модели для получения преимуществ.
Пользователи владеют собственными активами ИИ, а сам рынок ИИ не контролирует данные и модели. Вместо этого развитие рынка зависит от пользовательской базы и последующего накопления моделей и данных. Это накопление является долгосрочным процессом, но это также процесс постепенного установления продуктовых барьеров.Развитие рынка поддерживается количеством пользователей и количеством/качеством моделей и данных, загружаемых пользователями.
**1.3 Зачем обращать внимание на AI Marketplace Web3? **
1.3.1 Совместимость с общим направлением применения вычислительной мощности
Из-за коммуникационного давления и других причин реализовать децентрализованную вычислительную мощность на модели учебной базы может быть сложно, но нагрузка на точную настройку будет намного меньше, поэтому у нее есть возможность стать одним из лучших сценариев для реализации централизованной сеть вычислительной мощности.
Небольшие базовые знания: почему этап тонкой настройки легче приземлиться
Foresight Ventures: рациональный взгляд на децентрализованную вычислительную сеть
Обучение модели ИИ делится на предварительное обучение и тонкую настройку. Предобучение включает в себя большой объем данных и большое количество вычислений, за подробностями обращайтесь к анализу в моей статье выше. Тонкая настройка основана на базовой модели с использованием данных для конкретной задачи для настройки параметров модели, чтобы модель имела лучшую производительность для конкретных задач.Вычислительные ресурсы, необходимые на этапе тонкой настройки модели, намного меньше, чем на этапе предварительной настройки. на этапе обучения.Основных причин две:
Например, взяв в качестве примера GPT3, на этапе предварительной подготовки для обучения используется 45 ТБ текстовых данных, а на этапе тонкой настройки требуется всего около 5 ГБ данных. Время обучения на этапе предварительной подготовки занимает от нескольких недель до месяцев, а этап тонкой настройки — от нескольких часов до нескольких дней.
1.3.2 Начальная точка пересечения ИИ и криптографии
Чтобы судить о том, разумен ли проект web3, одним из наиболее важных моментов является то, является ли он криптографией для криптографии, максимизирует ли проект ценность, приносимую web3, и приносит ли добавление web3 дифференциацию. Очевидно, что добавленная стоимость, которую web3 привносит на этот рынок ИИ, не может заменить подтверждение прав, распределение доходов и вычислительную мощность.
Я думаю, что отличный рынок ИИ Web3 может тесно интегрировать ИИ и криптографию. Самая совершенная комбинация — это не то, что приложения или инфра рынок ИИ может принести в web3, а то, что web3 может дать рынку ИИ. Очевидно, например, что каждый пользователь может владеть своей собственной моделью и данными ИИ (например, инкапсулировать модель ИИ и данные в виде NFT), а также торговать ими как товарами, что позволяет эффективно использовать возможности web3. ценить. Это не только мотивирует разработчиков ИИ и поставщиков данных, но и расширяет область применения ИИ. Если модель достаточно хороша, у владельца есть более сильный стимул загрузить ее другим для обмена.
В то же время децентрализованный рынок ИИ может представить некоторые новые бизнес-модели, такие как модели, продажа и аренда данных, краудсорсинг задач и т. д.
1.3.3 Снизить порог применения ИИ
Каждый должен и сможет обучать свои собственные модели искусственного интеллекта, для чего требуется платформа с достаточно низким порогом для обеспечения ресурсной поддержки, включая базовые модели, инструменты, данные, вычислительную мощность и т. д.
1.3.4 Спрос и предложение
Хотя большие модели обладают мощными логическими способностями, они не всемогущи. Часто точная настройка для конкретных задач и сценариев дает лучшие результаты и более практична. Поэтому со стороны спроса пользователям нужен рынок моделей ИИ для получения полезных моделей в различных сценариях; разработчикам нужна платформа, которая может предоставить большое удобство ресурсов для разработки моделей и получить преимущества за счет собственных профессиональных знаний.
Во-вторых, на основе модели и на основе данных
2.1 Модельный рынок
модель
С инструментами в качестве точки продажи, в качестве первого звена связи, проект должен привлечь достаточное количество разработчиков моделей на ранней стадии для развертывания высококачественных моделей, чтобы обеспечить предложение на рынке.
В этом режиме основные моменты, которые привлекают разработчиков, это удобная и простая в использовании инфраструктура и инструменты.Данные зависят от собственных способностей разработчика и почему некоторые опытные люди в определенной области могут создавать ценность.Данные в этой области нужны Разработчики собирают и настраивают модели с лучшей производительностью.
думать
В последнее время я видел много проектов о сочетании рынка ИИ и web3, но я думаю следующее: является ли создание рынка децентрализованных моделей ИИ ложным предложением?
Прежде всего, нам нужно подумать над вопросом, какую ценность может дать web3?
Этого далеко не достаточно, если это только стимул токена или рассказ о праве собственности на модель. С практической точки зрения, высококачественные модели на платформе являются ядром всего продукта, а отличные модели обычно означают чрезвычайно высокую экономическую ценность. С точки зрения поставщиков моделей, им нужна достаточная мотивация для развертывания своих высококачественных моделей на рынке ИИ, но могут ли стимулы, создаваемые токеном и владением, соответствовать их ожиданиям в отношении ценности модели? Для платформы, у которой не было пользовательской базы в первые дни, она явно далека от достижения. Без очень хорошей модели не будет создана вся бизнес-модель. Таким образом, возникает вопрос, как обеспечить достаточный доход для поставщиков моделей в отсутствие конечных пользователей на ранней стадии.
2.2 Рынок данных
Основанный на децентрализованном сборе данных, благодаря дизайну уровня стимулирования и повествованию о владении данными на борту большего количества поставщиков данных, а также пользователей, которые маркируют данные. Благодаря криптографии платформа имеет возможность накапливать большое количество ценных данных в течение определенного периода времени, особенно данных частного домена, которых в настоящее время не хватает.
Что меня больше всего волнует, так это то, что эта восходящая модель разработки больше похожа на краудфандинговую игру. Независимо от того, насколько опытны люди, невозможно иметь полные данные в поле, и одно из преимуществ, которое может предоставить web3, — это децентрализованный сбор данных без разрешения. Эта модель может не только концентрировать опыт и данные в различных областях, но и предоставлять услуги ИИ более широкой группе пользователей. По сравнению с собственными данными одного пользователя, эти данные краудфандинга собираются из большого количества реальных сценариев реальных пользователей, поэтому они могут лучше отражать сложность и разнообразие реального мира, чем данные, собранные из одного источника, что может значительно улучшить способность к обобщению и надежность модели позволяют модели ИИ хорошо работать во многих различных средах.
Например, человек может иметь большой опыт в области питания и накопить много данных, но одних личных данных далеко недостаточно для обучения отличной модели. В то время как пользователи обмениваются данными, они также могут получать доступ и использовать ценные данные, предоставленные другими пользователями в той же области и по сети на платформе, чтобы добиться лучших эффектов точной настройки.
думать
С этой точки зрения это также может быть хорошей попыткой построить децентрализованный рынок данных. В качестве «товара» с более низкими пороговыми значениями, более короткими производственными каналами и большей плотностью поставщиков данные могут лучше использовать ценность, которую может предоставить web3. Алгоритм поощрения и механизм подтверждения данных могут мотивировать пользователей загружать данные. В текущей модели данные больше похожи на одноразовый товар, а это означает, что после однократного использования они имеют небольшую ценность. На рынке децентрализованных моделей ИИ пользовательские данные можно использовать многократно и извлекать выгоду, а ценность данных будет реализована в течение более длительного периода времени.
Использование данных в качестве точки входа для накопления пользователей кажется хорошим выбором.Одним из основных и барьеров большой модели являются высококачественные и многомерные данные.После того, как на борту появилось большое количество поставщиков данных, эти люди имеют возможность в дальнейшем трансформироваться в конечных пользователей или модельных провайдеров. Рынок ИИ, основанный на этом, действительно может обеспечить базовую ценность для отличных моделей и дать инженерам-алгоритмам мотивацию для создания моделей на платформе с точки зрения моделей обучения.
Эта динамика представляет собой изменение от 0 до 1. Теперь, когда крупные компании располагают огромными объемами данных, они могут обучать более точные модели, что затрудняет конкуренцию небольшим компаниям и отдельным разработчикам. Даже если у пользователя есть очень ценные данные в определенной области, эта небольшая часть данных вряд ли будет ценной без взаимодействия с данными из более крупного набора. Однако на децентрализованном рынке каждый имеет возможность получать и использовать данные, и эти эксперты присоединяются к платформе с ценными добавочными данными.Поэтому качество и количество данных платформы были дополнительно улучшены, что позволяет всем обучать отличные модели и даже продвигать инновации в области искусственного интеллекта.
Данные сами по себе действительно хорошо подходят для того, чтобы стать барьером для конкуренции на этом рынке ИИ. Прежде всего, отличный уровень стимулирования и надежные гарантии конфиденциальности позволяют большему количеству розничных инвесторов участвовать во всем протоколе и вносить данные. И по мере увеличения числа пользователей растет качество и количество данных. Это создаст эффекты сообщества и сети, делая рынок способным обеспечить большую ценность и более широкие измерения, поэтому он будет более привлекательным для новых пользователей.Это процесс создания барьеров для рынка.
Таким образом, для создания рынка искусственного интеллекта, управляемого данными, наиболее важными являются следующие 4 пункта:
**Почему поставщик модели не указан мной в качестве ключевого фактора в этом сценарии? **
Основная причина основана на четырех вышеупомянутых пунктах, и логично иметь отличного поставщика моделей, к которому можно присоединиться.
2.3 Ценность и проблемы рынка данных
Данные частного домена
Ценность данных частного домена заключается в их уникальной и труднодоступной информации в конкретном домене, что особенно важно для тонкой настройки моделей ИИ. Использование данных частного домена может создавать более точные и персонализированные модели, которые превосходят модели, обученные на общедоступных наборах данных в определенных сценариях.
Сейчас в процессе построения базовой модели можно получить большое количество общедоступных данных, поэтому фокус рынка данных web3 не на этих данных. Получение и добавление данных частного домена во время обучения в настоящее время является узким местом.Объединяя данные частного домена с общедоступными наборами данных, можно повысить адаптируемость модели к различным проблемам и потребностям пользователей, а также точность модели.
Например, если взять в качестве примера сценарии медицины и здравоохранения, модели ИИ, использующие данные частного домена, обычно могут повысить точность прогноза на 10-30%. Ссылаясь на исследование Стэнфорда, модель глубокого обучения, использующая частные медицинские данные, на 15% точнее прогнозирует рак легких, чем модель, использующая общедоступные данные.
Конфиденциальность данных
Станет ли конфиденциальность узким местом, ограничивающим AI + Web3? Судя по текущему развитию, направление посадки ИИ в web3 постепенно становится ясным, но кажется, что каждое приложение не может избежать темы конфиденциальности.Децентрализованные вычислительные мощности должны обеспечивать целостность данных и моделей как при обучении моделей, так и при их обосновании. .Конфиденциальность: условием установки zkml является гарантия того, что модель не будет использована злоумышленниками.
Рынок ИИ построен на основе обеспечения того, чтобы пользователи контролировали свои собственные данные.Поэтому, хотя пользовательские данные собираются децентрализованным и распределенным образом, все узлы не должны напрямую собирать, обрабатывать, хранить, использовать и т. д. иметь доступ к необработанным данным. данные. Текущие методы шифрования сталкиваются с узкими местами в использовании, взяв в качестве примера полностью гомоморфное шифрование:
Конфиденциальность также разделена на уровни, не нужно слишком беспокоиться
Различные типы данных имеют разные уровни требований к конфиденциальности. Только, например, медицинские записи, финансовая информация, конфиденциальная личная информация и т. д. требуют высокого уровня защиты конфиденциальности.
Поэтому при обсуждении децентрализованного рынка ИИ необходимо учитывать разнообразие данных, самое главное — это баланс. Чтобы максимизировать участие пользователей и богатство ресурсов платформы, необходимо разработать более гибкую стратегию, позволяющую пользователям настраивать параметры уровня конфиденциальности, не все данные требуют самого высокого уровня конфиденциальности.
3. Размышления о децентрализованном рынке ИИ
**3.1 Пользователи имеют право распоряжаться активами, не приведет ли уход пользователей к краху платформы? **
Преимущество децентрализованного рынка ИИ заключается в том, что пользователь владеет ресурсами. Пользователи действительно могут вывести свои ресурсы в любое время, но как только пользователи и ресурсы (модели, данные) накопится в определенной степени, я думаю, что платформа не пострадает * * . Конечно, это также означает, что на стабилизацию пользователей и ресурсов на начальном этапе проекта будет потрачено много денег, что будет очень сложно для стартап-команды.
Консенсус сообщества
Как только децентрализованный рынок ИИ сформирует сильный сетевой эффект, больше пользователей и разработчиков станут липкими. И потому, что увеличение числа пользователей приводит к увеличению качества и количества данных и моделей, что делает рынок более зрелым. Пользователи, движимые разными интересами, получают больше пользы от рынка. Хотя небольшое количество пользователей может решить уйти, скорость роста новых пользователей в этом случае теоретически не замедлится, и рынок может продолжать развиваться и приносить большую ценность.
Поощрения
Если поощрительный слой правильно спроектирован, по мере увеличения числа участников и накопления различных ресурсов выгоды, получаемые всеми сторонами, будут соответственно увеличиваться. Децентрализованный рынок ИИ не только предоставляет пользователям платформу для торговли данными и моделями, но также может предоставить пользователям механизм для получения прибыли от своих собственных данных и моделей. Например, пользователи получают деньги, продавая свои собственные данные или позволяя другим использовать свои собственные модели.
Для разработчиков моделей: при развертывании на других платформах может не хватить данных для поддержки точной настройки модели с повышением производительности;
Для поставщиков данных: Другая платформа может не иметь такой полной базы данных, а небольшая часть данных для пользователей сама по себе не может иметь ценности и получить достаточное использование и преимущества;
краткое содержание
Хотя на децентрализованном рынке ИИ проектная сторона играет только роль согласования и предоставления платформы, реальный барьер заключается в накоплении данных и моделей, вызванных накоплением числа пользователей***. У пользователей есть свобода уйти с рынка, но зрелая торговая площадка ИИ часто позволяет им получать больше от рынка, чем они могут получить за пределами рынка, поэтому у пользователей нет стимула уходить с рынка.
Однако, если большинство пользователей или некоторые поставщики высококачественных моделей/данных решат отказаться от участия, это может повлиять на рынок. Это также согласуется с наличием динамических изменений и корректировок входа и выхода пользователей в различных экономических системах.
3.2 Что было раньше, курица или яйцо
Судя по двум вышеуказанным путям, трудно сказать, какой из них в конечном итоге выйдет, но ясно, что рынок ИИ на основе данных более логичен, а потолок намного выше, чем у первого. Самая большая разница в том, что рынок, основанный на данных, постоянно обогащает барьеры, а процесс накопления пользователей также является процессом накопления данных.В конце концов, ценность, придаваемая web3, заключается в обогащении огромной децентрализованной базы данных.Это положительный момент. цикл. . В то же время, по сути, такая платформа не должна хранить данные, но обеспечивает более легкий рынок для внесения данных. В конце концов, это большая витрина данных, и такой барьер сложно заменить.
С точки зрения спроса и предложения рынок ИИ должен иметь две точки одновременно:
С определенной точки зрения эти два условия кажутся взаимозависимыми.С одной стороны, платформе необходимо иметь достаточное количество пользователей, чтобы обеспечить мотивацию для поставщиков моделей и данных.Только при накоплении достаточного количества пользователей может играть стимулирующий слой. Для наибольшей ценности маховик данных также можно повернуть, чтобы больше поставщиков моделей могли развертывать модели. С другой стороны, за полезной моделью должно прийти достаточное количество конечных пользователей, и выбор пользователем платформы во многом зависит от качества и возможностей модели платформы. Поэтому без накопления определенного количества отличных моделей этого спроса не существует.Каким бы продвинутым ни был алгоритм маршрутизации, маршрутизация без хороших моделей - пустая болтовня. Это похоже на предпосылку магазина Apple, что яблоко
Поэтому лучшая идея развития:
Исходная стратегия
Политика расширения
краткое содержание
Какова лучшая попытка на рынке ИИ? *** Одним словом, платформа может предоставить достаточно высококачественных моделей и может эффективно подбирать пользователям подходящие модели для решения проблем ***. Это предложение разрешает два противоречия: во-первых, платформа может предоставить достаточную ценность для разработчиков (включая разработчиков моделей и пользователей), чтобы на платформе было достаточно высококачественных моделей; во-вторых, эти «товары» могут предоставить пользователям эффективные локальные решения. , тем самым аккумулируя больше пользователей и обеспечивая защиту интересов всех сторон.
Децентрализованный рынок ИИ — это простое направление для внедрения ИИ + web3, но проект должен выяснить, какую реальную ценность может предоставить эта платформа и как привлечь большое количество пользователей на ранней стадии. Среди них ключевым является поиск точки баланса интересов всех сторон и в то же время обработка нескольких элементов, таких как право собственности на данные, качество модели, конфиденциальность пользователей, вычислительная мощность и алгоритмы стимулирования, и, наконец, стать совместным и торговая платформа для данных, моделей и вычислительной мощности.