Başarılı bir merkezi olmayan AI pazarının, AI ve Web3'ün avantajlarını yakından birleştirmesi, dağıtılmış, varlık hakları onayı, gelir dağıtımı ve merkezi olmayan bilgi işlem gücünün katma değerinden yararlanması, AI uygulamaları için eşiği düşürmesi ve geliştiricileri yüklemeye teşvik etmesi gerekir. Kullanıcıların veri gizliliği haklarını korurken modelleri paylaşın ve kullanıcı ihtiyaçlarını karşılayan, geliştirici dostu bir yapay zeka kaynak ticareti ve paylaşım platformu oluşturun.
Veri tabanlı AI pazarı daha büyük bir potansiyele sahiptir. Ölü model pazarı, çok sayıda yüksek kaliteli modelin desteğine ihtiyaç duyar, ancak erken platformda kullanıcı tabanının ve yüksek kaliteli kaynakların olmaması, mükemmel model sağlayıcıların yüksek kaliteli modelleri çekmesini zorlaştırır; veri tabanlı pazar merkezi olmayan ve dağıtıktır Toplama, teşvik katmanı tasarımı ve veri sahipliği garantisi, özellikle özel alan verileri olmak üzere büyük miktarda değerli veri ve kaynak biriktirebilir. Bununla birlikte, veri pazarlarının da veri gizliliği korumasının zorluğunu ele alması gerekir ve çözümler, kullanıcıların gizlilik düzeylerinin ayarlarını özelleştirmesine olanak tanıyan daha esnek politikalar tasarlamayı içerir.
Merkezi olmayan AI pazarının başarısı, kullanıcı kaynaklarının birikmesine ve güçlü ağ etkilerine dayanır.Kullanıcılar ve geliştiriciler, pazardan, pazarın dışından alabileceklerinden daha fazla değer alabilirler. Pazarın ilk günlerinde, kullanıcıları çekmek ve elde tutmak için yüksek kaliteli modeller biriktirmeye odaklanılırken, yüksek kaliteli bir model kitaplığı ve veri engelleri oluşturulduktan sonra, daha fazla son kullanıcı çekmek ve elde tutmak için bu iş değişir. Ayrıca, mükemmel bir yapay zeka pazarının tüm tarafların çıkarları arasında bir denge bulması ve veri sahipliği, model kalitesi, kullanıcı gizliliği, bilgi işlem gücü ve teşvik algoritmaları gibi faktörleri uygun şekilde ele alması gerekir.
1. Web3'ün Yapay Zeka Pazarı
1.1 Web3 alanındaki AI izinin gözden geçirilmesi
İlk olarak, daha önce bahsettiğim AI ve kripto kombinasyonunun iki genel yönünü, ZKML'yi ve merkezi olmayan bilgi işlem güç ağını gözden geçirin👇
ZKML
ZKML, AI modelini şeffaf + doğrulanabilir yapar, bu da model mimarisinin üç faktörünün, model parametrelerinin ve ağırlıklarının ve model girişinin tüm ağda doğrulanabilmesini sağlar. ZKML'nin önemi, ademi merkeziyetçilikten ve güvensizlikten ödün vermeden web3 dünyası için bir sonraki değer aşamasını yaratmak ve daha geniş uygulamaları üstlenme ve daha büyük olasılıklar yaratma yeteneği sağlamaktır.
Öngörü Girişimleri: AI + Web3 = ？
Bilgisayar Güç Ağı
Bilgi işlem kaynakları önümüzdeki on yılda büyük bir savaş alanı olacak ve gelecekte yüksek performanslı bilgi işlem altyapısına yapılan yatırım katlanarak artacak. Merkezi olmayan bilgi işlem gücünün uygulama senaryoları iki yöne ayrılır: model akıl yürütme ve model eğitimi.Yapay zeka büyük model eğitimine olan talep en fazladır, ancak aynı zamanda en büyük zorluklarla ve teknik darboğazlarla karşı karşıyadır. Karmaşık veri senkronizasyonu ihtiyacı ve ağ optimizasyonu sorunları dahil. Model muhakemesini uygulamak için daha fazla fırsat var ve tahmin edilebilecek gelecekteki artımlı alan da yeterince büyük.
**1.2 AI Marketplace nedir? **
Yapay zeka pazar yerleri çok yeni bir kavram değildir ve Hugging Face tartışmasız en başarılı yapay zeka pazarıdır (işlemlerin ve fiyatlandırma mekanizmalarının olmaması dışında). Hugging Face, NLP alanında, geliştiricilerin ve kullanıcıların önceden eğitilmiş çeşitli modelleri paylaşabilecekleri ve kullanabilecekleri son derece önemli ve aktif bir topluluk platformu sağlar.
Hugging Face'in başarısından, bir AI pazarının şunlara sahip olması gerektiği görülebilir:
a. Model kaynakları
Hugging Face, çeşitli NLP görevlerini kapsayan çok sayıda önceden eğitilmiş model sağlar. Bu kaynak zenginliği çok sayıda kullanıcıyı cezbetmiştir, bu nedenle aktif bir topluluk oluşturmanın ve kullanıcı biriktirmenin temelini oluşturur.
b. Açık kaynak ruhu + yayma ve paylaşma
Hugging Face, geliştiricileri modellerini yüklemeye ve paylaşmaya teşvik eder. Bu açıklık ve paylaşım ruhu, topluluğun canlılığını artırır ve en son araştırma sonuçlarının çok sayıda kullanıcı tarafından hızla kullanılmasını sağlar. Bu, doğrulanan ve tanıtılan araştırma sonuçlarının verimliliğini hızlandıran mükemmel geliştiricilerin ve modellerin birikimine dayanmaktadır.
c. Geliştirici dostu + kullanımı kolay
Hugging Face, kullanımı kolay API ve belgeler sunarak geliştiricilerin sağladığı modelleri hızlı bir şekilde anlamasını ve kullanmasını sağlar. Bu, kullanım eşiğini düşürür, kullanıcı deneyimini geliştirir ve daha fazla geliştiricinin ilgisini çeker.
Hugging Face bir işlem mekanizmasına sahip olmasa da yine de AI modellerinin paylaşımı ve kullanımı için önemli bir platform sağlıyor. Bu nedenle, AI pazarının tüm endüstri için değerli bir kaynak olma fırsatına sahip olduğu da görülebilir.
Merkezi olmayan AI pazarı kısaca:
Yukarıdaki unsurlara dayanarak, merkezi olmayan yapay zeka pazarı, kullanıcıların kendi verilerinin ve model varlıklarının mülkiyetine sahip olmalarını sağlayan blockchain teknolojisine dayanmaktadır. Web3'ün getirdiği değer teşvik ve işlem mekanizmasına da yansımaktadır.Kullanıcılar sistem üzerinden uygun modeli özgürce seçip eşleştirebilmekte ve aynı zamanda kendi yetiştirdiği modelleri de raflara koyarak fayda elde edebilmektedir.
Kullanıcılar kendi AI varlıklarının mülkiyetine sahiptir ve AI pazarının kendisinin veriler ve modeller üzerinde kontrolü yoktur. Bunun yerine, pazarın gelişimi, kullanıcı tabanına ve bunun sonucunda modellerin ve verilerin birikmesine bağlıdır. Bu birikim uzun soluklu bir süreçtir ama aynı zamanda kademeli olarak ürün bariyerlerinin oluşturulması sürecidir.Pazar gelişimi, kullanıcı sayısı ve kullanıcılar tarafından yüklenen model ve verilerin miktar/kalitesiyle desteklenir.
**1.3 Neden Web3'ün AI Marketplace'ine dikkat etmelisiniz? **
1.3.1 Bilgi işlem gücü uygulamasının genel yönüyle uyumludur
İletişim baskısı ve diğer nedenlerden dolayı, merkezi olmayan bilgi işlem gücünü temel eğitim modeline uygulamak zor olabilir, ancak ince ayar üzerindeki baskı çok daha az olacaktır, bu nedenle merkezileştirilmiş bilgi işlem gücünün uygulanması için en iyi senaryolardan biri olma fırsatına sahiptir. bilgi işlem güç ağı.
Biraz arka plan bilgisi: ince ayar aşamasına geçmek neden daha kolay
Öngörü Girişimleri: Merkezi Olmayan Bilgi İşlem Güç Ağı Üzerine Akılcı Bir Görüş
AI modeli eğitimi, ön eğitim ve ince ayar olarak ikiye ayrılır. Ön eğitim çok miktarda veri ve çok sayıda hesaplama içerir, detaylar için lütfen yukarıdaki makalemdeki analize bakın. İnce ayar, modelin belirli görevler için daha iyi performansa sahip olması amacıyla model parametrelerini ayarlamak için göreve özgü verileri kullanan temel modele dayalıdır.Model ince ayar aşamasında gereken bilgi işlem kaynakları, ön- eğitim aşaması İki ana sebep vardır:
Veri hacmi: Ön eğitim aşamasında, genel bir dil temsilini öğrenmek için modelin büyük ölçekli bir veri seti üzerinde eğitilmesi gerekir. Örneğin BERT modelinin ön eğitimi milyarlarca kelime içeren Wikipedia ve BookCorpus üzerinde yapılmaktadır. İnce ayar aşamasında, modelin genellikle yalnızca belirli bir görev için küçük ölçekli bir veri kümesi üzerinde eğitilmesi gerekir. Örneğin, bir duyarlılık analizi görevi için ince ayarlı bir veri kümesinde yalnızca birkaç bin ila on binlerce inceleme olabilir.
Eğitim adımlarının sayısı: Ön eğitim aşaması genellikle milyonlarca hatta milyarlarca eğitim adımı gerektirirken, ince ayar aşaması genellikle yalnızca binlerce ila on binlerce adım gerektirir. Bunun nedeni, ön eğitim aşamasının dilin temel yapısını ve anlamını öğrenmesi gerekirken, ince ayar aşamasının yalnızca belirli bir göreve uyum sağlamak için modelin parametrelerinin bir kısmını ayarlaması gerekir.
Örneğin GPT3'ü örnek alırsak, eğitim öncesi aşamada eğitim için 45 TB metin verisi kullanılırken ince ayar aşamasında yalnızca ~5 GB veri gerekir. Ön eğitim aşaması için eğitim süresi haftalar ila aylar sürerken, ince ayar aşaması yalnızca saatler ila günler sürer.
1.3.2 AI ve kriptonun kesişme noktasının başlangıç noktası
Bir web3 projesinin makul olup olmadığına karar vermek için en önemli noktalardan biri kripto için kripto olup olmadığı, projenin web3'ün getirdiği değeri maksimize edip etmediği ve web3'ün eklenmesinin farklılaşma getirip getirmediğidir. Açıkçası, web3'ün bu AI pazarına getirdiği katma değer, hak onayı, gelir dağıtımı ve bilgi işlem gücünün yerini alamaz.
Mükemmel bir Web3 AI pazarının AI ve kriptoyu yakından entegre edebileceğini düşünüyorum. En mükemmel kombinasyon, AI pazarının web3'e hangi uygulamaların veya altyapının getirebileceği değil, web3'ün AI pazarına neler sağlayabileceğidir. Açıkçası, örneğin, her kullanıcı kendi AI modelinin ve verilerinin mülkiyetine sahip olabilir (AI modelini ve verilerini NFT olarak kapsüllemek gibi) ve ayrıca bunları emtia olarak ticaret yapabilir, bu da web3'ün iyi bir şekilde kullanılmasını sağlar. değer. Yalnızca AI geliştiricilerini ve veri sağlayıcılarını motive etmekle kalmaz, aynı zamanda AI uygulamasını daha kapsamlı hale getirir. Bir model yeterince iyiyse, sahibi onu paylaşmak üzere başkalarına yüklemek için daha güçlü bir teşvike sahip olur.
Aynı zamanda, merkezi olmayan AI pazarı, modeller, veri satışı ve kiralama, görev kitle kaynak kullanımı vb. gibi bazı yeni iş modellerini tanıtabilir.
1.3.3 AI uygulamasının eşiğini düşürün
Temel modeller, araçlar, veriler, bilgi işlem gücü vb. dahil olmak üzere kaynak desteği sağlamak için yeterince düşük eşiğe sahip bir platform gerektiren herkes kendi yapay zeka modellerini eğitebilmelidir ve eğitebilecektir.
1.3.4 Talep ve Arz
Büyük modeller güçlü muhakeme yeteneklerine sahip olsalar da her şeye kadir değildirler. Genellikle, belirli görevler ve senaryolar için ince ayar yapmak daha iyi sonuçlar elde edecek ve daha güçlü uygulanabilirliğe sahip olacaktır. Bu nedenle, talep açısından, kullanıcılar farklı senaryolarda faydalı modeller elde etmek için bir AI model pazarına ihtiyaç duyarken, geliştiriciler için, model geliştirmek için büyük kaynak kolaylığı sağlayabilecek ve kendi mesleki bilgileriyle fayda sağlayacak bir platforma ihtiyaç duyarlar.
İkincisi, model tabanlı ve veri tabanlı
2.1 Model pazarı
model
Aletin satış noktası, bağlantının ilk halkası olduğu düşünülürse, projenin, pazar için arz oluşturmak üzere yüksek kaliteli modelleri dağıtmak için erken aşamada yeterli sayıda model geliştiriciyi çekmesi gerekir.
Bu modda geliştiricileri cezbeden ana noktalar, kullanışlı ve kullanımı kolay altyapı ve araçlardır.Veriler, geliştiricinin kendi yeteneğine ve belirli bir alanda deneyimli bazı kişilerin neden değer yaratabileceğine bağlıdır.Bu alandaki veriler ihtiyaç Geliştiriciler, modelleri daha iyi performansla toplar ve ince ayar yapar.
düşünmek
Son zamanlarda, AI pazar yeri ve web3'ün kombinasyonu hakkında birçok proje gördüm, ancak bence şu: Merkezi olmayan bir AI model pazarı oluşturmak yanlış bir önerme mi?
Her şeyden önce, bir soru üzerinde düşünmemiz gerekiyor, web3 hangi değeri sağlayabilir?
Sadece jetonun teşviki veya modelin mülkiyetinin anlatısı ise, yeterli olmaktan çok uzaktır. Pratik bir bakış açısıyla, platformdaki yüksek kaliteli modeller tüm ürünün özüdür ve mükemmel modeller genellikle son derece yüksek ekonomik değer anlamına gelir. Model sağlayıcıların bakış açısına göre, yüksek kaliteli modellerini AI pazarına yerleştirmek için yeterli motivasyona ihtiyaçları var, ancak belirteç ve mülkiyetin getirdiği teşvikler, modelin değerine yönelik beklentilerini karşılayabilir mi? İlk günlerde bir kullanıcı tabanından yoksun olan bir platform için, açıkça ulaşmaktan çok uzak. Son derece iyi bir model olmadan, tüm iş modeli kurulmayacaktır. Dolayısıyla soru, erken aşamada son kullanıcıların yokluğunda model sağlayıcılar için yeterli gelirin nasıl elde edileceği haline geliyor.
2.2 Veri Pazarı
model
Teşvik katmanının tasarımı ve daha fazla veri sağlayıcının yanı sıra verileri etiketleyen kullanıcılar üzerindeki veri sahipliğinin anlatımı yoluyla merkezi olmayan veri toplamaya dayalıdır. Kriptonun nimetiyle, platform, belirli bir süre içinde, özellikle şu anda eksik olan özel alan verileri olmak üzere, büyük miktarda değerli veri biriktirme olanağına sahiptir.
Beni en çok heyecanlandıran, bu aşağıdan yukarıya geliştirme modelinin daha çok bir kitlesel fonlama oyunu gibi olması. Kişiler ne kadar deneyimli olursa olsun bir alanda eksiksiz veriye sahip olmak imkansızdır ve web3'ün sağlayabileceği değerlerden biri de izinsiz ve merkezi olmayan veri toplamadır. Bu model, yalnızca çeşitli alanlardaki uzmanlığı ve verileri yoğunlaştırmakla kalmaz, aynı zamanda daha geniş bir kullanıcı grubuna yapay zeka hizmetleri de sağlar. Tek bir kullanıcının kendi verileriyle karşılaştırıldığında, bu kitle fonlaması verileri, çok sayıda gerçek kullanıcının gerçek senaryolarından toplanır, böylece gerçek dünyanın karmaşıklığını ve çeşitliliğini, tek bir kaynaktan toplanan verilerden daha iyi yansıtabilir, bu da büyük ölçüde geliştirebilir. modelin genelleme yeteneği ve sağlamlığı, AI modelinin birçok farklı ortamda iyi performans göstermesini sağlar.
Örneğin, bir kişi beslenme konusunda çok fazla deneyime sahip olabilir ve çok fazla veri biriktirmiş olabilir, ancak kişisel veriler tek başına mükemmel bir model yetiştirmek için yeterli değildir. Kullanıcılar verileri paylaşırken, aynı alandaki ve platformdaki ağdaki diğer kullanıcıların katkıda bulunduğu değerli verilere de erişerek daha iyi ince ayar efektleri elde edebilirler.
düşünmek
Bu açıdan bakıldığında, merkezi olmayan bir veri pazarı oluşturmak için iyi bir girişim olabilir. Daha düşük eşiklere, daha kısa üretim bağlantılarına ve daha geniş sağlayıcı yoğunluğuna sahip bir "meta" olarak veriler, web3'ün sağlayabileceği değeri daha iyi kullanabilir. Teşvik algoritması ve veri doğrulama mekanizması, kullanıcıların veri yüklemesi için motivasyon sağlayabilir. Mevcut modele göre, veriler daha çok tek seferlik bir meta gibidir, yani bir kez kullanıldıktan sonra çok az değeri vardır. Merkezi olmayan AI model pazarında, kullanıcı verileri tekrar tekrar kullanılabilir ve fayda sağlayabilir ve verilerin değeri daha uzun bir süre içinde gerçekleşecektir.
Verileri kullanıcı biriktirmek için bir giriş noktası olarak kullanmak iyi bir seçim gibi görünüyor.Büyük modelin temel ve engellerinden biri yüksek kaliteli ve çok boyutlu verilerdir.Çok sayıda veri sağlayıcı devreye girdikten sonra, bu insanlar son kullanıcılara veya model sağlayıcıya dönüşme fırsatına sahip olur. Buna dayalı AI pazarı, gerçekten de mükemmel modeller için temel değeri sağlayabilir ve algoritma mühendislerine, eğitim modelleri açısından platformdaki modellere katkıda bulunma motivasyonunu verebilir.
Bu dinamik, 0'dan 1'e bir değişimdir. Artık büyük şirketlerin büyük miktarda verisi olduğundan, daha doğru modeller geliştirebilirler; bu da küçük şirketlerin ve bireysel geliştiricilerin rekabet etmesini zorlaştırır. Bir kullanıcının belirli bir alanda çok değerli verileri olsa bile, daha büyük bir veri kümesindeki verilerin işbirliği olmadan bu küçük veri parçasının değerli olması zordur. Ancak, merkezi olmayan bir pazarda, herkesin veri alma ve kullanma fırsatı vardır ve bu uzmanlar platforma değerli artımlı verilerle katılırlar.Bu nedenle, platformun veri kalitesi ve miktarı daha da iyileştirilmiştir, bu da mümkün kılar. Herkesi mükemmel modeller eğitmeye ve hatta yapay zeka inovasyonunu teşvik etmeye davet ediyoruz.
Verinin kendisi, bu tür yapay zeka pazarında rekabete engel olmak için gerçekten çok uygundur. Her şeyden önce, mükemmel bir teşvik katmanı ve güvenli gizlilik garantileri, daha fazla bireysel yatırımcının protokolün tamamına katılmasına ve verilere katkıda bulunmasına olanak tanır. Ve kullanıcı sayısı arttıkça verilerin kalitesi ve miktarı da artar. Bu, pazarın daha büyük değer ve daha geniş boyutlar sunabilmesini sağlayarak topluluk ve ağ etkileri yaratacak, böylece yeni kullanıcılar için daha çekici olacaktır.Bu, pazar için bariyerler oluşturma sürecidir.
Temel olarak, veri odaklı bir AI pazarı oluşturmak için en önemli şey aşağıdaki 4 noktadır:
Teşvik katmanı: Kullanıcıları yüksek kaliteli veri sağlamaya etkili bir şekilde motive edebilecek bir algoritma tasarlayın ve teşviklerin gücü ile pazarın sürdürülebilirliğini dengelemek gerekir.
Gizlilik: Veri gizliliğini koruyun ve verilerin verimli kullanılmasını sağlayın.
Kullanıcılar: Kullanıcıları hızlı bir şekilde biriktirin ve erken aşamada daha değerli veriler toplayın.
Veri kalitesi: Veriler çeşitli kaynaklardan gelir ve etkili kalite kontrol mekanizmalarının tasarlanması gerekir.
**Modelin sağlayıcısı neden bu senaryoda benim tarafımdan önemli bir faktör olarak listelenmiyor? **
Ana sebep, yukarıdaki dört noktaya dayanmaktadır ve katılmak için mükemmel bir model sağlayıcıya sahip olmak mantıklıdır.
2.3 Veri pazarının değeri ve zorlukları
Özel Etki Alanı Verileri
Özel alan verilerinin değeri, özellikle yapay zeka modellerinde ince ayar yapmak için önemli olan, belirli bir alanda benzersiz ve elde edilmesi zor bilgilerde yatmaktadır. Özel etki alanı verilerinin kullanılması, belirli senaryolarda genel veri kümelerinde eğitilen modellerden daha iyi performans gösteren daha doğru ve kişiselleştirilmiş modeller oluşturabilir.
Artık temel modelin yapım süreci büyük miktarda genel veri elde edebilir, bu nedenle web3 veri pazarının odak noktası bu veriler değildir. Özel alan verilerinin eğitim sırasında nasıl elde edileceği ve ekleneceği şu anda bir darboğazdır.Özel alan verilerinin genel veri kümeleriyle birleştirilmesiyle, modelin çeşitli sorunlara ve kullanıcı ihtiyaçlarına uyarlanabilirliği ve modelin doğruluğu artırılabilir.
Örneğin, tıp ve sağlık senaryolarını örnek alırsak, özel alan verilerini kullanan yapay zeka modelleri genellikle tahmin doğruluğunu %10 ila %30 oranında artırabilir. Stanford'un araştırmasına atıfta bulunarak, özel alana ait tıbbi verileri kullanan derin öğrenme modeli, akciğer kanserini tahmin etmede halka açık verileri kullanan modele göre %15 daha doğrudur.
Veri gizliliği
Gizlilik, AI + Web3'ü kısıtlayan darboğaz haline mi gelecek? Mevcut gelişmeden yola çıkarak, yapay zekanın web3'teki iniş yönü giderek netleşti, ancak her uygulamanın gizlilik konusundan kaçınamayacağı görülüyor.Merkeziyetsiz bilgi işlem gücünün, hem model eğitiminde hem de model muhakemesinde veri ve modellerin bütünlüğünü sağlaması gerekiyor. Gizlilik: zkml'nin oluşturulmasının bir koşulu, modelin kötü niyetli düğümler tarafından kötüye kullanılmamasını sağlamaktır.
AI pazarı, kullanıcıların kendi verilerini kontrol etmelerini sağlama temeline dayanmaktadır.Bu nedenle, kullanıcı verileri merkezi olmayan ve dağıtılmış bir şekilde toplansa da, tüm düğümler doğrudan ham erişim toplamamalı, işlememeli, depolamamalı, kullanmamalıdır. veri. Mevcut şifreleme yöntemleri, tam homomorfik şifrelemeyi örnek alarak, kullanımda darboğazlarla karşı karşıyadır:
Hesaplama karmaşıklığı: FHE, tamamen homomorfik şifreleme altında yapay zeka modeli eğitiminin hesaplama yükünü büyük ölçüde artıran ve model eğitimini son derece verimsiz, hatta mümkün değil hale getiren geleneksel şifreleme yöntemlerinden daha karmaşıktır. Bu nedenle, tamamen homomorfik şifreleme, derin öğrenme modeli eğitimi gibi çok fazla bilgi işlem kaynağı gerektiren görevler için ideal değildir.
Hesaplama hatası: FHE'nin hesaplama işlemi sırasında, hesaplama ilerledikçe hatalar kademeli olarak birikecek ve bu da sonunda hesaplama sonuçlarını etkileyecek ve AI modelinin performansını etkileyecektir.
Gizlilik de seviyelere ayrılmıştır, fazla endişelenmenize gerek yok
Farklı veri türlerinin farklı düzeylerde gizlilik gereksinimleri vardır. Yalnızca örneğin tıbbi kayıtlar, mali bilgiler, hassas kişisel bilgiler vb. yüksek düzeyde gizlilik koruması gerektirir.
Bu nedenle, merkezi olmayan yapay zeka pazarı tartışmasında veri çeşitliliğinin dikkate alınması gerekir, en önemli şey dengedir. Platformun kullanıcı katılımını ve kaynak zenginliğini en üst düzeye çıkarmak için, kullanıcıların gizlilik düzeyi ayarlarını özelleştirmesine olanak tanıyan daha esnek bir strateji tasarlamak gerekir, tüm veriler en yüksek düzeyde gizlilik gerektirmez.
3. Merkezi olmayan Yapay Zeka Pazar Yeri Üzerine Düşünceler
**3.1 Kullanıcılar varlıkları kontrol etme hakkına sahiptir, kullanıcıların geri çekilmesi platformun çökmesine neden olur mu? **
Merkezi olmayan AI pazarının avantajı, kullanıcının kaynaklara sahip olmasında yatmaktadır. Kullanıcılar gerçekten de kaynaklarını istedikleri zaman geri çekebilirler, ancak kullanıcılar ve kaynaklar (modeller, veriler) bir kez biriktikten sonra platformun etkilenmeyeceğini düşünüyorum* * . Elbette bu aynı zamanda projenin ilk aşamasında kullanıcıları ve kaynakları dengelemek için çok para harcanacağı anlamına gelir ki bu yeni başlayan bir ekip için çok zor olacaktır.
Topluluk Mutabakatı
Merkezi olmayan AI pazarı güçlü bir ağ etkisi oluşturduğunda, daha fazla kullanıcı ve geliştirici yapışkan hale gelecektir. Çünkü kullanıcı sayısındaki artış, veri ve modellerin nitelik ve nicelik olarak artmasına yol açarak pazarı daha olgun hale getirir. Farklı ilgi alanları tarafından yönlendirilen kullanıcılar piyasadan daha fazla değer kazanır. Az sayıda kullanıcı ayrılmayı seçebilse de, bu durumda yeni kullanıcıların büyüme hızı teorik olarak yavaşlamayacak ve pazar gelişmeye ve daha fazla değer sağlamaya devam edebilir.
teşvikler
Teşvik katmanı doğru bir şekilde tasarlanırsa, katılımcı sayısı arttıkça ve çeşitli kaynaklar biriktikçe, tüm tarafların elde ettiği faydalar buna bağlı olarak artacaktır. Merkezi olmayan bir AI pazarı, kullanıcılara yalnızca veri ve model ticareti yapmaları için bir platform sağlamakla kalmaz, aynı zamanda kullanıcıların kendi verilerinden ve modellerinden kar elde etmeleri için bir mekanizma da sağlayabilir. Örneğin, kullanıcılar kendi verilerini satarak veya başkalarının kendi modellerini kullanmasına izin vererek ödeme alırlar.
Model geliştiriciler için: Diğer platformlarda dağıtmak, daha iyi performansa sahip bir modelin ince ayarını desteklemek için yeterli veriye sahip olmayabilir;
Veri sağlayıcılar için: Başka bir platformda bu kadar eksiksiz bir veri temeli olmayabilir ve kullanıcılar için küçük bir veri parçası tek başına değer oluşturamaz ve yeterli kullanım ve fayda sağlayamaz;
özet
Merkezi olmayan yapay zeka pazarında, proje tarafı yalnızca bir platform eşleştirme ve sağlama rolünü üstlense de, asıl engel, kullanıcı sayısı birikiminin getirdiği veri ve model birikiminde yatmaktadır***. Kullanıcılar piyasadan çekilme özgürlüğüne sahiptir, ancak olgun bir Yapay Zeka Pazarı, genellikle pazardan, pazarın dışında elde edebileceklerinden daha fazla değer elde etmelerini sağlar, bu nedenle kullanıcıların piyasadan çekilmeleri için hiçbir teşviki yoktur.
Ancak, çoğu kullanıcı veya bazı yüksek kaliteli model/veri sağlayıcılar geri çekilmeyi seçerse, piyasa etkilenebilir. Bu aynı zamanda çeşitli ekonomik sistemlerde kullanıcıların giriş ve çıkışlarında dinamik değişimlerin ve düzenlemelerin varlığıyla da tutarlıdır.
3.2 Hangisi önce gelir, tavuk mu yumurta mı
Yukarıdaki iki yola bakılırsa, sonunda hangisinin çıkacağını söylemek zor, ancak veri tabanlı yapay zeka pazarının daha mantıklı olduğu ve tavanın birincisinden çok daha yüksek olduğu açık. En büyük fark, veri tabanlı pazarın sürekli olarak engelleri zenginleştirmesidir ve kullanıcı biriktirme süreci aynı zamanda veri biriktirme sürecidir.Sonuçta, web3'ün sağladığı değer, devasa bir merkezi olmayan veritabanını zenginleştirmektir.Bu olumlu döngü. . Aynı zamanda, özünde, bu tür bir platformun verileri tutması gerekmez, ancak katkıda bulunan veriler için daha hafif bir pazar sağlar. Sonuç olarak, burası büyük bir veri pazarı ve bu tür bir engelin değiştirilmesi zor.
Arz ve talep açısından bakıldığında, bir AI pazarının aynı anda iki noktaya sahip olması gerekir:
Pek çok mükemmel model
SON KULLANICI
Belli bir bakış açısından, bu iki koşul birbirine bağlı görünmektedir.Bir yandan, model ve veri sağlayıcılarına motivasyon sağlamak için platformun yeterli kullanıcıya sahip olması gerekir.Yalnızca yeterli sayıda kullanıcı biriktiğinde teşvik katmanı oynayabilir En yüksek değer için, daha fazla model sağlayıcının modelleri dağıtabilmesi için veri çarkı da döndürülebilir. Öte yandan, kullanışlı bir model için yeterli sayıda son kullanıcının gelmesi gerekir ve kullanıcının platform seçimi, büyük ölçüde platform modelinin kalitesine ve yeteneklerine bağlıdır. Bu nedenle, belirli sayıda mükemmel model biriktirilmeden bu talep olmaz.Yönlendirme algoritması ne kadar gelişmiş olursa olsun, iyi modeller olmadan yönlendirme boş laftır. Bu, elma mağazasının önermesi gibi, o elma
Bu nedenle, daha iyi bir geliştirme fikri:
İlk Strateji
**Yüksek kaliteli modelleri biriktirin, **Başlangıç aşamasında en dikkat çekici olan şey, yüksek kaliteli bir model kitaplığı oluşturmaktır. Bunun nedeni, ne kadar çok son kullanıcı olursa olsun, seçebilecekleri ve kullanabilecekleri yüksek kaliteli modeller olmadan platform çekici olmayacak ve kullanıcıların kalıcılığı ve kalıcılığı olmayacak. Platform, yüksek kaliteli bir model kitaplığı oluşturmaya odaklanarak, ilk kullanıcıların ihtiyaç duydukları modelleri bulmasını sağlayabilir, böylece marka itibarı ve kullanıcı güveni oluşturabilir ve kademeli olarak topluluk ve ağ etkileri oluşturabilir.
Genişleme Politikası
Son kullanıcıların ilgisini çekin, Yüksek kaliteli bir model kitaplığı oluşturduktan sonra, daha fazla son kullanıcıyı çekmek ve elde tutmak için dönün. Çok sayıda kullanıcı, model geliştiricilerin modeli sağlamaya ve geliştirmeye devam etmesi için yeterli motivasyonu ve ilgiyi sağlayacaktır. Ek olarak, çok sayıda kullanıcı da büyük miktarda veri üretecek ve bu da modelin eğitimini ve optimizasyonunu daha da geliştirecektir.
özet
Bir AI pazarındaki en iyi girişim nedir? *** Tek kelimeyle, platform yeterince yüksek kaliteli modeller sağlayabilir ve sorunları çözmek için kullanıcıları uygun modellerle verimli bir şekilde eşleştirebilir ***. Bu cümle iki çelişkiyi çözer: Birincisi, platform geliştiriciler için (model geliştiriciler ve kullanıcılar dahil) yeterli değeri sağlayabilir, böylece platformda yeterince yüksek kaliteli modeller bulunur; ikincisi, bu "mallar" kullanıcılara verimli yerel çözümler sağlayabilir. , böylece daha fazla kullanıcı biriktirir ve tüm tarafların çıkarlarını korur.
Merkezi Olmayan Yapay Zeka Pazar Yeri, AI + web3 için kolay bir yöndür, ancak bir projenin bu platformun sağlayabileceği gerçek değeri ve erken aşamada çok sayıda kullanıcıyı nasıl dahil edeceğini bulması gerekir. Bunların arasında anahtar, tüm tarafların çıkarlarının bir denge noktası bulmak ve aynı zamanda veri sahipliği, model kalitesi, kullanıcı gizliliği, bilgi işlem gücü ve teşvik algoritmaları gibi birden çok unsuru ele almak ve sonunda bir paylaşım haline gelmektir. veriler, modeller ve bilgi işlem gücü için ticaret platformu.
View Original
The content is for reference only, not a solicitation or offer. No investment, tax, or legal advice provided. See Disclaimer for more risks disclosure.
Foresight Ventures: Merkezi Olmayan Yapay Zeka Pazarında En İyi Girişim
TL;DR
1. Web3'ün Yapay Zeka Pazarı
1.1 Web3 alanındaki AI izinin gözden geçirilmesi
İlk olarak, daha önce bahsettiğim AI ve kripto kombinasyonunun iki genel yönünü, ZKML'yi ve merkezi olmayan bilgi işlem güç ağını gözden geçirin👇
ZKML
ZKML, AI modelini şeffaf + doğrulanabilir yapar, bu da model mimarisinin üç faktörünün, model parametrelerinin ve ağırlıklarının ve model girişinin tüm ağda doğrulanabilmesini sağlar. ZKML'nin önemi, ademi merkeziyetçilikten ve güvensizlikten ödün vermeden web3 dünyası için bir sonraki değer aşamasını yaratmak ve daha geniş uygulamaları üstlenme ve daha büyük olasılıklar yaratma yeteneği sağlamaktır.
Öngörü Girişimleri: AI + Web3 = ？
Bilgisayar Güç Ağı
Bilgi işlem kaynakları önümüzdeki on yılda büyük bir savaş alanı olacak ve gelecekte yüksek performanslı bilgi işlem altyapısına yapılan yatırım katlanarak artacak. Merkezi olmayan bilgi işlem gücünün uygulama senaryoları iki yöne ayrılır: model akıl yürütme ve model eğitimi.Yapay zeka büyük model eğitimine olan talep en fazladır, ancak aynı zamanda en büyük zorluklarla ve teknik darboğazlarla karşı karşıyadır. Karmaşık veri senkronizasyonu ihtiyacı ve ağ optimizasyonu sorunları dahil. Model muhakemesini uygulamak için daha fazla fırsat var ve tahmin edilebilecek gelecekteki artımlı alan da yeterince büyük.
**1.2 AI Marketplace nedir? **
Yapay zeka pazar yerleri çok yeni bir kavram değildir ve Hugging Face tartışmasız en başarılı yapay zeka pazarıdır (işlemlerin ve fiyatlandırma mekanizmalarının olmaması dışında). Hugging Face, NLP alanında, geliştiricilerin ve kullanıcıların önceden eğitilmiş çeşitli modelleri paylaşabilecekleri ve kullanabilecekleri son derece önemli ve aktif bir topluluk platformu sağlar.
a. Model kaynakları
Hugging Face, çeşitli NLP görevlerini kapsayan çok sayıda önceden eğitilmiş model sağlar. Bu kaynak zenginliği çok sayıda kullanıcıyı cezbetmiştir, bu nedenle aktif bir topluluk oluşturmanın ve kullanıcı biriktirmenin temelini oluşturur.
b. Açık kaynak ruhu + yayma ve paylaşma
Hugging Face, geliştiricileri modellerini yüklemeye ve paylaşmaya teşvik eder. Bu açıklık ve paylaşım ruhu, topluluğun canlılığını artırır ve en son araştırma sonuçlarının çok sayıda kullanıcı tarafından hızla kullanılmasını sağlar. Bu, doğrulanan ve tanıtılan araştırma sonuçlarının verimliliğini hızlandıran mükemmel geliştiricilerin ve modellerin birikimine dayanmaktadır.
c. Geliştirici dostu + kullanımı kolay
Hugging Face, kullanımı kolay API ve belgeler sunarak geliştiricilerin sağladığı modelleri hızlı bir şekilde anlamasını ve kullanmasını sağlar. Bu, kullanım eşiğini düşürür, kullanıcı deneyimini geliştirir ve daha fazla geliştiricinin ilgisini çeker.
Hugging Face bir işlem mekanizmasına sahip olmasa da yine de AI modellerinin paylaşımı ve kullanımı için önemli bir platform sağlıyor. Bu nedenle, AI pazarının tüm endüstri için değerli bir kaynak olma fırsatına sahip olduğu da görülebilir.
Merkezi olmayan AI pazarı kısaca:
Yukarıdaki unsurlara dayanarak, merkezi olmayan yapay zeka pazarı, kullanıcıların kendi verilerinin ve model varlıklarının mülkiyetine sahip olmalarını sağlayan blockchain teknolojisine dayanmaktadır. Web3'ün getirdiği değer teşvik ve işlem mekanizmasına da yansımaktadır.Kullanıcılar sistem üzerinden uygun modeli özgürce seçip eşleştirebilmekte ve aynı zamanda kendi yetiştirdiği modelleri de raflara koyarak fayda elde edebilmektedir.
Kullanıcılar kendi AI varlıklarının mülkiyetine sahiptir ve AI pazarının kendisinin veriler ve modeller üzerinde kontrolü yoktur. Bunun yerine, pazarın gelişimi, kullanıcı tabanına ve bunun sonucunda modellerin ve verilerin birikmesine bağlıdır. Bu birikim uzun soluklu bir süreçtir ama aynı zamanda kademeli olarak ürün bariyerlerinin oluşturulması sürecidir.Pazar gelişimi, kullanıcı sayısı ve kullanıcılar tarafından yüklenen model ve verilerin miktar/kalitesiyle desteklenir.
**1.3 Neden Web3'ün AI Marketplace'ine dikkat etmelisiniz? **
1.3.1 Bilgi işlem gücü uygulamasının genel yönüyle uyumludur
İletişim baskısı ve diğer nedenlerden dolayı, merkezi olmayan bilgi işlem gücünü temel eğitim modeline uygulamak zor olabilir, ancak ince ayar üzerindeki baskı çok daha az olacaktır, bu nedenle merkezileştirilmiş bilgi işlem gücünün uygulanması için en iyi senaryolardan biri olma fırsatına sahiptir. bilgi işlem güç ağı.
Biraz arka plan bilgisi: ince ayar aşamasına geçmek neden daha kolay
Öngörü Girişimleri: Merkezi Olmayan Bilgi İşlem Güç Ağı Üzerine Akılcı Bir Görüş
AI modeli eğitimi, ön eğitim ve ince ayar olarak ikiye ayrılır. Ön eğitim çok miktarda veri ve çok sayıda hesaplama içerir, detaylar için lütfen yukarıdaki makalemdeki analize bakın. İnce ayar, modelin belirli görevler için daha iyi performansa sahip olması amacıyla model parametrelerini ayarlamak için göreve özgü verileri kullanan temel modele dayalıdır.Model ince ayar aşamasında gereken bilgi işlem kaynakları, ön- eğitim aşaması İki ana sebep vardır:
Örneğin GPT3'ü örnek alırsak, eğitim öncesi aşamada eğitim için 45 TB metin verisi kullanılırken ince ayar aşamasında yalnızca ~5 GB veri gerekir. Ön eğitim aşaması için eğitim süresi haftalar ila aylar sürerken, ince ayar aşaması yalnızca saatler ila günler sürer.
1.3.2 AI ve kriptonun kesişme noktasının başlangıç noktası
Bir web3 projesinin makul olup olmadığına karar vermek için en önemli noktalardan biri kripto için kripto olup olmadığı, projenin web3'ün getirdiği değeri maksimize edip etmediği ve web3'ün eklenmesinin farklılaşma getirip getirmediğidir. Açıkçası, web3'ün bu AI pazarına getirdiği katma değer, hak onayı, gelir dağıtımı ve bilgi işlem gücünün yerini alamaz.
Mükemmel bir Web3 AI pazarının AI ve kriptoyu yakından entegre edebileceğini düşünüyorum. En mükemmel kombinasyon, AI pazarının web3'e hangi uygulamaların veya altyapının getirebileceği değil, web3'ün AI pazarına neler sağlayabileceğidir. Açıkçası, örneğin, her kullanıcı kendi AI modelinin ve verilerinin mülkiyetine sahip olabilir (AI modelini ve verilerini NFT olarak kapsüllemek gibi) ve ayrıca bunları emtia olarak ticaret yapabilir, bu da web3'ün iyi bir şekilde kullanılmasını sağlar. değer. Yalnızca AI geliştiricilerini ve veri sağlayıcılarını motive etmekle kalmaz, aynı zamanda AI uygulamasını daha kapsamlı hale getirir. Bir model yeterince iyiyse, sahibi onu paylaşmak üzere başkalarına yüklemek için daha güçlü bir teşvike sahip olur.
Aynı zamanda, merkezi olmayan AI pazarı, modeller, veri satışı ve kiralama, görev kitle kaynak kullanımı vb. gibi bazı yeni iş modellerini tanıtabilir.
1.3.3 AI uygulamasının eşiğini düşürün
Temel modeller, araçlar, veriler, bilgi işlem gücü vb. dahil olmak üzere kaynak desteği sağlamak için yeterince düşük eşiğe sahip bir platform gerektiren herkes kendi yapay zeka modellerini eğitebilmelidir ve eğitebilecektir.
1.3.4 Talep ve Arz
Büyük modeller güçlü muhakeme yeteneklerine sahip olsalar da her şeye kadir değildirler. Genellikle, belirli görevler ve senaryolar için ince ayar yapmak daha iyi sonuçlar elde edecek ve daha güçlü uygulanabilirliğe sahip olacaktır. Bu nedenle, talep açısından, kullanıcılar farklı senaryolarda faydalı modeller elde etmek için bir AI model pazarına ihtiyaç duyarken, geliştiriciler için, model geliştirmek için büyük kaynak kolaylığı sağlayabilecek ve kendi mesleki bilgileriyle fayda sağlayacak bir platforma ihtiyaç duyarlar.
İkincisi, model tabanlı ve veri tabanlı
2.1 Model pazarı
model
Aletin satış noktası, bağlantının ilk halkası olduğu düşünülürse, projenin, pazar için arz oluşturmak üzere yüksek kaliteli modelleri dağıtmak için erken aşamada yeterli sayıda model geliştiriciyi çekmesi gerekir.
Bu modda geliştiricileri cezbeden ana noktalar, kullanışlı ve kullanımı kolay altyapı ve araçlardır.Veriler, geliştiricinin kendi yeteneğine ve belirli bir alanda deneyimli bazı kişilerin neden değer yaratabileceğine bağlıdır.Bu alandaki veriler ihtiyaç Geliştiriciler, modelleri daha iyi performansla toplar ve ince ayar yapar.
düşünmek
Son zamanlarda, AI pazar yeri ve web3'ün kombinasyonu hakkında birçok proje gördüm, ancak bence şu: Merkezi olmayan bir AI model pazarı oluşturmak yanlış bir önerme mi?
Her şeyden önce, bir soru üzerinde düşünmemiz gerekiyor, web3 hangi değeri sağlayabilir?
Sadece jetonun teşviki veya modelin mülkiyetinin anlatısı ise, yeterli olmaktan çok uzaktır. Pratik bir bakış açısıyla, platformdaki yüksek kaliteli modeller tüm ürünün özüdür ve mükemmel modeller genellikle son derece yüksek ekonomik değer anlamına gelir. Model sağlayıcıların bakış açısına göre, yüksek kaliteli modellerini AI pazarına yerleştirmek için yeterli motivasyona ihtiyaçları var, ancak belirteç ve mülkiyetin getirdiği teşvikler, modelin değerine yönelik beklentilerini karşılayabilir mi? İlk günlerde bir kullanıcı tabanından yoksun olan bir platform için, açıkça ulaşmaktan çok uzak. Son derece iyi bir model olmadan, tüm iş modeli kurulmayacaktır. Dolayısıyla soru, erken aşamada son kullanıcıların yokluğunda model sağlayıcılar için yeterli gelirin nasıl elde edileceği haline geliyor.
2.2 Veri Pazarı
Teşvik katmanının tasarımı ve daha fazla veri sağlayıcının yanı sıra verileri etiketleyen kullanıcılar üzerindeki veri sahipliğinin anlatımı yoluyla merkezi olmayan veri toplamaya dayalıdır. Kriptonun nimetiyle, platform, belirli bir süre içinde, özellikle şu anda eksik olan özel alan verileri olmak üzere, büyük miktarda değerli veri biriktirme olanağına sahiptir.
Beni en çok heyecanlandıran, bu aşağıdan yukarıya geliştirme modelinin daha çok bir kitlesel fonlama oyunu gibi olması. Kişiler ne kadar deneyimli olursa olsun bir alanda eksiksiz veriye sahip olmak imkansızdır ve web3'ün sağlayabileceği değerlerden biri de izinsiz ve merkezi olmayan veri toplamadır. Bu model, yalnızca çeşitli alanlardaki uzmanlığı ve verileri yoğunlaştırmakla kalmaz, aynı zamanda daha geniş bir kullanıcı grubuna yapay zeka hizmetleri de sağlar. Tek bir kullanıcının kendi verileriyle karşılaştırıldığında, bu kitle fonlaması verileri, çok sayıda gerçek kullanıcının gerçek senaryolarından toplanır, böylece gerçek dünyanın karmaşıklığını ve çeşitliliğini, tek bir kaynaktan toplanan verilerden daha iyi yansıtabilir, bu da büyük ölçüde geliştirebilir. modelin genelleme yeteneği ve sağlamlığı, AI modelinin birçok farklı ortamda iyi performans göstermesini sağlar.
Örneğin, bir kişi beslenme konusunda çok fazla deneyime sahip olabilir ve çok fazla veri biriktirmiş olabilir, ancak kişisel veriler tek başına mükemmel bir model yetiştirmek için yeterli değildir. Kullanıcılar verileri paylaşırken, aynı alandaki ve platformdaki ağdaki diğer kullanıcıların katkıda bulunduğu değerli verilere de erişerek daha iyi ince ayar efektleri elde edebilirler.
düşünmek
Bu açıdan bakıldığında, merkezi olmayan bir veri pazarı oluşturmak için iyi bir girişim olabilir. Daha düşük eşiklere, daha kısa üretim bağlantılarına ve daha geniş sağlayıcı yoğunluğuna sahip bir "meta" olarak veriler, web3'ün sağlayabileceği değeri daha iyi kullanabilir. Teşvik algoritması ve veri doğrulama mekanizması, kullanıcıların veri yüklemesi için motivasyon sağlayabilir. Mevcut modele göre, veriler daha çok tek seferlik bir meta gibidir, yani bir kez kullanıldıktan sonra çok az değeri vardır. Merkezi olmayan AI model pazarında, kullanıcı verileri tekrar tekrar kullanılabilir ve fayda sağlayabilir ve verilerin değeri daha uzun bir süre içinde gerçekleşecektir.
Verileri kullanıcı biriktirmek için bir giriş noktası olarak kullanmak iyi bir seçim gibi görünüyor.Büyük modelin temel ve engellerinden biri yüksek kaliteli ve çok boyutlu verilerdir.Çok sayıda veri sağlayıcı devreye girdikten sonra, bu insanlar son kullanıcılara veya model sağlayıcıya dönüşme fırsatına sahip olur. Buna dayalı AI pazarı, gerçekten de mükemmel modeller için temel değeri sağlayabilir ve algoritma mühendislerine, eğitim modelleri açısından platformdaki modellere katkıda bulunma motivasyonunu verebilir.
Bu dinamik, 0'dan 1'e bir değişimdir. Artık büyük şirketlerin büyük miktarda verisi olduğundan, daha doğru modeller geliştirebilirler; bu da küçük şirketlerin ve bireysel geliştiricilerin rekabet etmesini zorlaştırır. Bir kullanıcının belirli bir alanda çok değerli verileri olsa bile, daha büyük bir veri kümesindeki verilerin işbirliği olmadan bu küçük veri parçasının değerli olması zordur. Ancak, merkezi olmayan bir pazarda, herkesin veri alma ve kullanma fırsatı vardır ve bu uzmanlar platforma değerli artımlı verilerle katılırlar.Bu nedenle, platformun veri kalitesi ve miktarı daha da iyileştirilmiştir, bu da mümkün kılar. Herkesi mükemmel modeller eğitmeye ve hatta yapay zeka inovasyonunu teşvik etmeye davet ediyoruz.
Verinin kendisi, bu tür yapay zeka pazarında rekabete engel olmak için gerçekten çok uygundur. Her şeyden önce, mükemmel bir teşvik katmanı ve güvenli gizlilik garantileri, daha fazla bireysel yatırımcının protokolün tamamına katılmasına ve verilere katkıda bulunmasına olanak tanır. Ve kullanıcı sayısı arttıkça verilerin kalitesi ve miktarı da artar. Bu, pazarın daha büyük değer ve daha geniş boyutlar sunabilmesini sağlayarak topluluk ve ağ etkileri yaratacak, böylece yeni kullanıcılar için daha çekici olacaktır.Bu, pazar için bariyerler oluşturma sürecidir.
Temel olarak, veri odaklı bir AI pazarı oluşturmak için en önemli şey aşağıdaki 4 noktadır:
**Modelin sağlayıcısı neden bu senaryoda benim tarafımdan önemli bir faktör olarak listelenmiyor? **
Ana sebep, yukarıdaki dört noktaya dayanmaktadır ve katılmak için mükemmel bir model sağlayıcıya sahip olmak mantıklıdır.
2.3 Veri pazarının değeri ve zorlukları
Özel Etki Alanı Verileri
Özel alan verilerinin değeri, özellikle yapay zeka modellerinde ince ayar yapmak için önemli olan, belirli bir alanda benzersiz ve elde edilmesi zor bilgilerde yatmaktadır. Özel etki alanı verilerinin kullanılması, belirli senaryolarda genel veri kümelerinde eğitilen modellerden daha iyi performans gösteren daha doğru ve kişiselleştirilmiş modeller oluşturabilir.
Artık temel modelin yapım süreci büyük miktarda genel veri elde edebilir, bu nedenle web3 veri pazarının odak noktası bu veriler değildir. Özel alan verilerinin eğitim sırasında nasıl elde edileceği ve ekleneceği şu anda bir darboğazdır.Özel alan verilerinin genel veri kümeleriyle birleştirilmesiyle, modelin çeşitli sorunlara ve kullanıcı ihtiyaçlarına uyarlanabilirliği ve modelin doğruluğu artırılabilir.
Örneğin, tıp ve sağlık senaryolarını örnek alırsak, özel alan verilerini kullanan yapay zeka modelleri genellikle tahmin doğruluğunu %10 ila %30 oranında artırabilir. Stanford'un araştırmasına atıfta bulunarak, özel alana ait tıbbi verileri kullanan derin öğrenme modeli, akciğer kanserini tahmin etmede halka açık verileri kullanan modele göre %15 daha doğrudur.
Veri gizliliği
Gizlilik, AI + Web3'ü kısıtlayan darboğaz haline mi gelecek? Mevcut gelişmeden yola çıkarak, yapay zekanın web3'teki iniş yönü giderek netleşti, ancak her uygulamanın gizlilik konusundan kaçınamayacağı görülüyor.Merkeziyetsiz bilgi işlem gücünün, hem model eğitiminde hem de model muhakemesinde veri ve modellerin bütünlüğünü sağlaması gerekiyor. Gizlilik: zkml'nin oluşturulmasının bir koşulu, modelin kötü niyetli düğümler tarafından kötüye kullanılmamasını sağlamaktır.
AI pazarı, kullanıcıların kendi verilerini kontrol etmelerini sağlama temeline dayanmaktadır.Bu nedenle, kullanıcı verileri merkezi olmayan ve dağıtılmış bir şekilde toplansa da, tüm düğümler doğrudan ham erişim toplamamalı, işlememeli, depolamamalı, kullanmamalıdır. veri. Mevcut şifreleme yöntemleri, tam homomorfik şifrelemeyi örnek alarak, kullanımda darboğazlarla karşı karşıyadır:
Gizlilik de seviyelere ayrılmıştır, fazla endişelenmenize gerek yok
Farklı veri türlerinin farklı düzeylerde gizlilik gereksinimleri vardır. Yalnızca örneğin tıbbi kayıtlar, mali bilgiler, hassas kişisel bilgiler vb. yüksek düzeyde gizlilik koruması gerektirir.
Bu nedenle, merkezi olmayan yapay zeka pazarı tartışmasında veri çeşitliliğinin dikkate alınması gerekir, en önemli şey dengedir. Platformun kullanıcı katılımını ve kaynak zenginliğini en üst düzeye çıkarmak için, kullanıcıların gizlilik düzeyi ayarlarını özelleştirmesine olanak tanıyan daha esnek bir strateji tasarlamak gerekir, tüm veriler en yüksek düzeyde gizlilik gerektirmez.
3. Merkezi olmayan Yapay Zeka Pazar Yeri Üzerine Düşünceler
**3.1 Kullanıcılar varlıkları kontrol etme hakkına sahiptir, kullanıcıların geri çekilmesi platformun çökmesine neden olur mu? **
Merkezi olmayan AI pazarının avantajı, kullanıcının kaynaklara sahip olmasında yatmaktadır. Kullanıcılar gerçekten de kaynaklarını istedikleri zaman geri çekebilirler, ancak kullanıcılar ve kaynaklar (modeller, veriler) bir kez biriktikten sonra platformun etkilenmeyeceğini düşünüyorum* * . Elbette bu aynı zamanda projenin ilk aşamasında kullanıcıları ve kaynakları dengelemek için çok para harcanacağı anlamına gelir ki bu yeni başlayan bir ekip için çok zor olacaktır.
Topluluk Mutabakatı
Merkezi olmayan AI pazarı güçlü bir ağ etkisi oluşturduğunda, daha fazla kullanıcı ve geliştirici yapışkan hale gelecektir. Çünkü kullanıcı sayısındaki artış, veri ve modellerin nitelik ve nicelik olarak artmasına yol açarak pazarı daha olgun hale getirir. Farklı ilgi alanları tarafından yönlendirilen kullanıcılar piyasadan daha fazla değer kazanır. Az sayıda kullanıcı ayrılmayı seçebilse de, bu durumda yeni kullanıcıların büyüme hızı teorik olarak yavaşlamayacak ve pazar gelişmeye ve daha fazla değer sağlamaya devam edebilir.
teşvikler
Teşvik katmanı doğru bir şekilde tasarlanırsa, katılımcı sayısı arttıkça ve çeşitli kaynaklar biriktikçe, tüm tarafların elde ettiği faydalar buna bağlı olarak artacaktır. Merkezi olmayan bir AI pazarı, kullanıcılara yalnızca veri ve model ticareti yapmaları için bir platform sağlamakla kalmaz, aynı zamanda kullanıcıların kendi verilerinden ve modellerinden kar elde etmeleri için bir mekanizma da sağlayabilir. Örneğin, kullanıcılar kendi verilerini satarak veya başkalarının kendi modellerini kullanmasına izin vererek ödeme alırlar.
Model geliştiriciler için: Diğer platformlarda dağıtmak, daha iyi performansa sahip bir modelin ince ayarını desteklemek için yeterli veriye sahip olmayabilir;
Veri sağlayıcılar için: Başka bir platformda bu kadar eksiksiz bir veri temeli olmayabilir ve kullanıcılar için küçük bir veri parçası tek başına değer oluşturamaz ve yeterli kullanım ve fayda sağlayamaz;
özet
Merkezi olmayan yapay zeka pazarında, proje tarafı yalnızca bir platform eşleştirme ve sağlama rolünü üstlense de, asıl engel, kullanıcı sayısı birikiminin getirdiği veri ve model birikiminde yatmaktadır***. Kullanıcılar piyasadan çekilme özgürlüğüne sahiptir, ancak olgun bir Yapay Zeka Pazarı, genellikle pazardan, pazarın dışında elde edebileceklerinden daha fazla değer elde etmelerini sağlar, bu nedenle kullanıcıların piyasadan çekilmeleri için hiçbir teşviki yoktur.
Ancak, çoğu kullanıcı veya bazı yüksek kaliteli model/veri sağlayıcılar geri çekilmeyi seçerse, piyasa etkilenebilir. Bu aynı zamanda çeşitli ekonomik sistemlerde kullanıcıların giriş ve çıkışlarında dinamik değişimlerin ve düzenlemelerin varlığıyla da tutarlıdır.
3.2 Hangisi önce gelir, tavuk mu yumurta mı
Yukarıdaki iki yola bakılırsa, sonunda hangisinin çıkacağını söylemek zor, ancak veri tabanlı yapay zeka pazarının daha mantıklı olduğu ve tavanın birincisinden çok daha yüksek olduğu açık. En büyük fark, veri tabanlı pazarın sürekli olarak engelleri zenginleştirmesidir ve kullanıcı biriktirme süreci aynı zamanda veri biriktirme sürecidir.Sonuçta, web3'ün sağladığı değer, devasa bir merkezi olmayan veritabanını zenginleştirmektir.Bu olumlu döngü. . Aynı zamanda, özünde, bu tür bir platformun verileri tutması gerekmez, ancak katkıda bulunan veriler için daha hafif bir pazar sağlar. Sonuç olarak, burası büyük bir veri pazarı ve bu tür bir engelin değiştirilmesi zor.
Arz ve talep açısından bakıldığında, bir AI pazarının aynı anda iki noktaya sahip olması gerekir:
Belli bir bakış açısından, bu iki koşul birbirine bağlı görünmektedir.Bir yandan, model ve veri sağlayıcılarına motivasyon sağlamak için platformun yeterli kullanıcıya sahip olması gerekir.Yalnızca yeterli sayıda kullanıcı biriktiğinde teşvik katmanı oynayabilir En yüksek değer için, daha fazla model sağlayıcının modelleri dağıtabilmesi için veri çarkı da döndürülebilir. Öte yandan, kullanışlı bir model için yeterli sayıda son kullanıcının gelmesi gerekir ve kullanıcının platform seçimi, büyük ölçüde platform modelinin kalitesine ve yeteneklerine bağlıdır. Bu nedenle, belirli sayıda mükemmel model biriktirilmeden bu talep olmaz.Yönlendirme algoritması ne kadar gelişmiş olursa olsun, iyi modeller olmadan yönlendirme boş laftır. Bu, elma mağazasının önermesi gibi, o elma
Bu nedenle, daha iyi bir geliştirme fikri:
İlk Strateji
Genişleme Politikası
özet
Bir AI pazarındaki en iyi girişim nedir? *** Tek kelimeyle, platform yeterince yüksek kaliteli modeller sağlayabilir ve sorunları çözmek için kullanıcıları uygun modellerle verimli bir şekilde eşleştirebilir ***. Bu cümle iki çelişkiyi çözer: Birincisi, platform geliştiriciler için (model geliştiriciler ve kullanıcılar dahil) yeterli değeri sağlayabilir, böylece platformda yeterince yüksek kaliteli modeller bulunur; ikincisi, bu "mallar" kullanıcılara verimli yerel çözümler sağlayabilir. , böylece daha fazla kullanıcı biriktirir ve tüm tarafların çıkarlarını korur.
Merkezi Olmayan Yapay Zeka Pazar Yeri, AI + web3 için kolay bir yöndür, ancak bir projenin bu platformun sağlayabileceği gerçek değeri ve erken aşamada çok sayıda kullanıcıyı nasıl dahil edeceğini bulması gerekir. Bunların arasında anahtar, tüm tarafların çıkarlarının bir denge noktası bulmak ve aynı zamanda veri sahipliği, model kalitesi, kullanıcı gizliliği, bilgi işlem gücü ve teşvik algoritmaları gibi birden çok unsuru ele almak ve sonunda bir paylaşım haline gelmektir. veriler, modeller ve bilgi işlem gücü için ticaret platformu.