Pengarang: Crypto, Distilled
Disusun oleh: Deep Tide TechFlow
jalan raya
Pada tahun 2023, Web3-AI pernah menjadi topik hangat.
Tetapi pada masa kini, ia penuh dengan peniru dan projek besar tanpa tujuan sebenar.
Berikut adalah salah faham yang perlu dielakkan dan perkara utama yang perlu diberi tumpuan.
Ikhtisar
IntoTheBlock CEO @jrdothoughts baru-baru ini berkongsi pandangannya dalam artikel.
Dia membincangkan:
a. Cabaran teras Web3-AI
b. setiap mata! Mari ketahui:
Pasaran Semasa
Banyak projek tidak berkaitan dengan keperluan sebenar industri AI.
Pemutus hubungan ini menimbulkan kekeliruan, tetapi ia juga mewujudkan peluang bagi mereka yang mempunyai cerapan.
(Kredit kepada @coinbase)
Cabaran Teras
Bakat penyelidikan AI terhad
Infrastruktur terhad
Model, data dan sumber pengkomputeran yang tidak mencukupi
Generatif AI bergantung pada tiga elemen utama: model, data dan sumber pengkomputeran.
Pada masa ini, tiada model utama dioptimumkan untuk infrastruktur Web3.
Pembiayaan awal menyokong beberapa projek Web3 yang terputus hubungan daripada realiti AI.
Walaupun semua gembar-gembur, tidak semua aliran Web3-AI patut diberi perhatian.
Di sini terdapat beberapa trend yang dipercayai @Jrdothoughts adalah yang paling berlebihan:
A. Kredit @ModulusLabs)
Rangkaian GPU TerdesentralisasiRangkaian ini berjanji untuk mendemokrasikan latihan AI.
Tetapi realitinya ialah melatih model besar mengenai infrastruktur terpencar adalah perlahan dan tidak praktikal.
Model AI berpengetahuan sifar
Model AI berpengetahuan sifar kelihatan sangat menarik dari segi perlindungan privasi.
Tetapi dalam praktiknya, ia adalah mahal dari segi pengiraan dan sukar untuk ditafsirkan.
(Kredit kepada @oraprotocol)
Maklumat dalam gambar:
b) Pada masa ini, overhead adalah sehingga 100 kali ganda.Namun, pendekatan ini jauh dari praktikal, terutamanya untuk kes penggunaan seperti yang diterangkan oleh Vitalik. Berikut ialah beberapa contoh:
rangka kerja zkML EZKL mengambil masa kira-kira 80 minit untuk menjana bukti bagi model 1M-nanoGPT.
Menurut data daripada Modulus Labs, overhed zkML adalah lebih daripada 1000 kali lebih tinggi daripada pengiraan tulen, dengan laporan terkini menunjukkan 1000 kali. Menurut penanda aras EZKL, purata masa bukti RISC Zero pada tugas pengelasan hutan rawak ialah 173 saat. Rangka kerja bukti inferens menyediakan bukti kriptografi untuk output AI. Namun, @jrdothoughts percaya bahawa penyelesaian ini menyelesaikan masalah yang tidak wujud. Oleh itu, mereka mempunyai aplikasi dunia nyata yang terhad. Walaupun sesetengah aliran terlalu digembar-gemburkan, yang lain mempunyai potensi yang ketara. Di sini terdapat beberapa trend undervalued yang boleh menawarkan peluang sebenar: A. c. Model asas kecild.Data sintetik Agen AI dengan dompet Bayangkan ejen AI melalui keupayaan kewangan. Ejen ini boleh mengupah ejen lain atau dana pertaruhan untuk memastikan kualiti. Satu lagi aplikasi menarik ialah "ejen ramalan" seperti yang disebut oleh @vitalikbuterin. Projek AI Generatif sering menghadapi kekurangan pembiayaan. Kaedah pembentukan modal Cryptocurrency yang cekap, seperti airdrop dan insentif, menyediakan sokongan kewangan kritikal untuk projek AI sumber terbuka. Kaedah ini membantu memacu inovasi. . 1B-5B 매개변수가 있는 모델은 분산형 AI에 매우 중요하며 강력한 온디바이스 AI 솔루션을 제공할 수 있습니다. (출처: @microsoft) 데이터 부족은 AI 개발의 주요 장애물 중 하나입니다. 기본 모델을 통해 생성된 합성 데이터는 실제 데이터 세트를 효과적으로 보완할 수 있습니다. 초기 Web3-AI 열풍은 주로 일부 비현실적인 가치 제안에 초점을 맞췄습니다. @jrdothoughts는 이제 실제로 작동하는 솔루션을 구축하는 데 초점이 맞춰져야 한다고 믿습니다. 관심이 바뀌어도 AI 분야는 여전히 기회로 가득 차 있으며 예리한 눈이 발견하기를 기다리고 있습니다. 이 기사는 교육 목적으로만 작성되었으며 재정적 조언이 아닙니다. 귀중한 통찰력을 제공한 @jrdthoughts에게 큰 감사를 드립니다. Bukti Inferens
Aliran Berpotensi Tinggi
Pembiayaan Cryptocurrency AI
합성 데이터 생성
Beat the Hype
Atas ialah kandungan terperinci CryptoX AI tidak popular lagi? Pandangan pantas arah penceritaan berpotensi tinggi yang mungkin anda terlepas pandang. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!