저자: 암호화, 증류
편집자: 테크 플로우 (Techflowpost) TechFlow
암호화폐와 AI: 이것이 끝인가요?
2023년에는 Web3-AI가 한때 이슈 가 되기도 했습니다.
그러나 오늘날에는 실제 목적이 없는 모방자와 대규모 프로젝트로 가득 차 있습니다.
피해야 할 함정과 집중해야 할 사항은 다음과 같습니다.
개요
IntoTheBlock CEO @jrdoughts는 최근 기사를 통해 자신의 통찰력을 공유했습니다.
그는 다음과 같이 논의했습니다.
a. Web3-AI의 핵심 과제
b. 과장된 추세
c. 잠재력이 높은 트렌드
나는 당신을 위해 모든 핵심 사항을 정리했습니다! 알아 보자:
시장 상황
현재 Web3-AI 시장은 과대평가되고 자금이 지원됩니다.
많은 프로젝트가 AI 산업의 실제 요구와 연결이 끊어져 있습니다.
이러한 단절은 혼란을 야기하지만 통찰력을 가진 사람들에게는 기회도 만듭니다.
( @coinbase 제공)
핵심 과제
Web2와 Web3 AI 사이의 격차는 다음 세 가지 주요 이유로 확대되고 있습니다.
제한된 AI 연구 인력
제한된 인프라
모델, 데이터, 컴퓨팅 리소스가 부족함
생성적 AI 기본 사항
Generative AI는 모델, 데이터, 컴퓨팅 리소스라는 세 가지 주요 요소에 의존합니다.
현재 Web3 인프라에 최적화된 주요 모델은 없습니다.
초기 자금은 AI 현실과 단절된 다수의 Web3 프로젝트를 지원했습니다.
과대평가된 트렌드
모든 과장된 광고에도 불구하고 모든 Web3-AI 동향에 주목할 가치가 있는 것은 아닙니다.
@jrdoughts가 가장 과대평가되었다고 생각하는 몇 가지 트렌드는 다음과 같습니다.
a. 탈중앙화 GPU 네트워크
b. ZK-AI 모델
c. 추론 증명( @ModulusLabs 에게 감사드립니다 )
탈중앙화 GPU 네트워크
이러한 네트워크는 AI 교육의 민주화를 약속합니다.
그러나 탈중앙화 인프라에서 대규모 모델을 훈련하는 것은 느리고 비현실적인 것이 현실입니다.
이러한 추세는 아직 그 큰 약속을 이행하지 못했습니다.
영지식 AI 모델
영지식 AI 모델은 개인정보 보호 측면에서 매력적으로 보입니다.
그러나 실제로는 계산 비용이 많이 들고 해석하기 어렵습니다.
이로 인해 대규모 애플리케이션에는 실용적이지 않습니다.
( @oraprotocol 제공)
사진 속 정보:
b) 현재 오버헤드는 최대 1000배입니다.
그러나 이 접근 방식은 특히 Vitalik이 설명한 것과 같은 사용 사례의 경우 아직 실용적이지 않습니다. 여기 몇 가지 예가 있어요.
zkML 프레임 EZKL은 1M-nanoGPT 모델에 대한 증거를 생성하는 데 약 80분이 소요됩니다.
Modulus Labs에 따르면 zkML의 오버헤드는 순수 계산보다 1,000배 이상 높으며 최신 보고서에서는 1,000배를 보여줍니다.
EZKL 벤치마크에 따르면 랜덤 포레스트 분류 작업에서 RISC Zero의 평균 증명 시간은 173초입니다.
추론 증명
추론 증명 프레임 AI 출력에 대한 암호화 증명을 제공합니다.
그러나 @jrdoughts는 이러한 솔루션이 존재하지 않는 문제를 해결한다고 믿습니다.
따라서 실제 적용이 제한되어 있습니다.
잠재력이 높은 트렌드
일부 트렌드는 과장된 반면 다른 트렌드는 상당한 잠재력을 갖고 있습니다.
실제 기회를 제공할 수 있는 과소평가된 추세는 다음과 같습니다.
a. 지갑을 갖춘 AI 대리인
b. 암호화폐 펀드 AI
c. 소형 기본 모델
d.합성 데이터 생성
지갑이 있는 AI 에이전트
암호화폐를 통해 금융 능력을 갖춘 AI 에이전트를 상상해보세요.
이러한 에이전트는 품질을 보장하기 위해 다른 에이전트를 고용하거나 자금을 스테이킹 할 수 있습니다.
또 다른 흥미로운 응용 프로그램은 @vitalikbuterin이 언급한 "예측 에이전트"입니다.
암호화폐 펀드 AI
생성적 AI 프로젝트는 종종 자금 부족에 직면합니다.
에어드랍 및 인센티브와 같은 암호화폐의 효율적인 자본 형성 방법은 오픈 소스 AI 프로젝트에 중요한 재정적 지원을 제공합니다.
이러한 방법은 혁신을 촉진하는 데 도움이 됩니다. ( @oraprotocol 제공)
작은 기본 모델
Microsoft의 Phi 모델과 같은 작은 기본 모델은 적을수록 좋다는 생각을 보여줍니다.
1B-5B 매개변수가 있는 모델은 탈중앙화 AI에 매우 중요하며 강력한 장치 측 AI 솔루션을 제공할 수 있습니다.
(출처: @microsoft )
합성 데이터 생성
데이터 부족은 AI 개발의 주요 장애물 중 하나입니다.
기본 모델을 통해 생성된 합성 데이터는 실제 데이터 세트를 효과적으로 보완할 수 있습니다.
과대광고를 극복하세요
초기 Web3-AI 열풍은 비현실적인 가치 제안에 초점을 맞췄습니다.
@jrdthoughts는 이제 실제로 작동하는 솔루션을 구축하는 데 초점이 맞춰져야 한다고 믿습니다.
관심이 이동함에 따라 AI 분야는 여전히 예리한 눈으로 발견되기를 기다리고 있는 기회로 가득 차 있습니다.
이 기사는 교육 목적으로만 작성되었으며 재정적 조언이 아닙니다. 귀중한 통찰력을 주신 @jrdthoughts 에게 많은 감사를 드립니다.
