Перше джерело: IOSG Ventures
Передмова
Нещодавній швидкий розвиток великих мовних моделей (LLM) викликав інтерес до використання штучного інтелекту (AI) для трансформації різних галузей. Індустрія блокчейнів не застрахована, і поява наративу AI x Crypto привернула її до уваги. У цій статті розглядаються три основні способи об’єднання ШІ та криптографії, а також досліджуються унікальні можливості технології блокчейн для вирішення проблем індустрії ШІ.
Три підходи AIxCrypto включають:
- Інтеграція штучного інтелекту в існуючі продукти: такі компанії, як Dune, використовують штучний інтелект для вдосконалення своїх продуктів, наприклад, запроваджуючи копілот SQL, який допомагає користувачам писати складні запити.
- Створення інфраструктури штучного інтелекту для крипто-екосистеми: такі стартапи, як Ritual і Autonolas, зосереджені на розробці інфраструктури на основі штучного інтелекту, адаптованої до потреб крипто-екосистеми.
- Використання блокчейну для вирішення проблем індустрії штучного інтелекту: такі проекти, як Gensyn, EZKL і io.net, досліджують, як технологія блокчейну може вирішити проблеми, що постають перед індустрією штучного інтелекту, такі як конфіденційність даних, безпека та прозорість.
Унікальність AI x Crypto полягає в тому, що очікується, що технологія блокчейн вирішить проблеми, властиві індустрії штучного інтелекту. Цей унікальний перетин відкриває нові можливості для інноваційних рішень, які приносять користь спільнотам ШІ та блокчейну.
Заглиблюючись у простір AI x Crypto, ми прагнемо визначити та продемонструвати найбільш перспективні застосування технології блокчейну для вирішення проблем індустрії AI. Завдяки партнерству з експертами індустрії штучного інтелекту та розробниками криптовалют ми прагнемо сприяти розробці передових рішень, які використовують сильні сторони обох технологій.
1. Огляд галузі
Поле AI x Crypto можна розділити на дві категорії: інфраструктура та програми. У той час як деяка існуюча інфраструктура продовжує підтримувати випадки використання штучного інтелекту, нові гравці запускають на ринок абсолютно нові власні архітектури штучного інтелекту.
1. 1 Обчислювальна мережа
У сфері AIxCrypto обчислювальні мережі відіграють вирішальну роль у забезпеченні інфраструктури, необхідної для програм ШІ. Ці мережі можна розділити на два типи на основі завдань, які вони підтримують: обчислювальні мережі загального призначення та спеціалізовані обчислювальні мережі.
1.1.1 Загальна обчислювальна мережа
Загальні обчислювальні мережі, такі як IO.net і Akash, пропонують користувачам можливість доступу до машин через SSH і забезпечують інтерфейс командного рядка (CLI), який дозволяє користувачам створювати власні програми. Ці мережі схожі на віртуальні приватні сервери (VPS), що забезпечують персональне обчислювальне середовище в хмарі.
IO.net базується на екосистемі Solana та зосереджується на оренді GPU та обчислювальних кластерах, тоді як Akash, заснованому на екосистемі Cosmos, в основному надає хмарні сервери CPU та різні шаблони додатків.
Погляд IOSG Ventures:
Порівняно зі зрілим хмарним ринком Web2, обчислювальна мережа все ще перебуває на ранніх стадіях. Обчислювальні мережі Web3 не досягають будівельних блоків «Lego» Web2, таких як безсерверні функції, VPS і хмарні проекти баз даних, засновані на основних хмарних провайдерах, таких як AWS, Azure і Google Cloud.
Переваги обчислювальних мереж включають:
- Технологія блокчейн може використовувати невикористані обчислювальні ресурси та персональні комп’ютери, щоб зробити мережу більш стійкою.
- Дизайн однорангового зв’язку (P2P) дозволяє людям монетизувати невикористовувані обчислювальні ресурси та надавати обчислення з меншою вартістю, потенційно знижуючи витрати на 75% -90%.
Однак обчислювальним мережам важко запустити фактичне виробництво та замінити хмарні служби Web2 через такі проблеми:
- Ціноутворення, безумовно, є основною перевагою загальних обчислювальних мереж, але все ще складно конкурувати з розвиненими хмарними компаніями Web2 щодо функціональності, безпеки та стабільності.
- Одноранговий стиль може обмежити здатність цих мереж швидко надавати зрілі та надійні продукти. Децентралізований характер збільшить витрати на розробку та обслуговування.
1.1.2 Приватна обчислювальна мережа
Приватні обчислювальні мережі додають додатковий рівень до обчислювальних мереж загального призначення, дозволяючи користувачам розгортати певні програми за допомогою файлів конфігурації. Ці мережі розроблено для конкретних випадків використання, таких як 3D-рендерінг або штучний інтелект та навчання.
Render — це професійна обчислювальна мережа, що спеціалізується на 3D-рендерінгу. У сфері штучного інтелекту такі нові гравці, як Bittensor, Hyperbolic, Ritual і fetch.ai, зосереджені на висновках ШІ, тоді як Флок і Генсин зосереджені переважно на навчанні ШІ.
Джерело: IOSG Ventures
Хоча спеціалізовані обчислювальні мережі штучного інтелекту та навчальні обчислювальні мережі все ще перебувають на ранніх стадіях, ми очікуємо, що додатки Web3 AI нададуть пріоритет використанню інфраструктури Web3 AI. Ця тенденція вже очевидна в таких колабораціях, як Story Protocol і партнерство Ritual з MyShell, щоб представити моделі ШІ як інтелектуальну власність.
Хоча вбивчі програми, створені на основі нових інфраструктур AI x Web3, ще не з’явилися, потенціал для зростання величезний. У міру розвитку екосистеми ми очікуємо появи більш інноваційних програм, які використовують унікальні можливості децентралізованих обчислювальних мереж ШІ.
2. Дані
Дані відіграють життєво важливу роль у моделях штучного інтелекту, і дані беруть участь у всіх етапах розробки моделей штучного інтелекту, включаючи збір даних, зберігання набору даних для навчання та зберігання моделі.
2.1 Зберігання даних
Децентралізоване зберігання моделей штучного інтелекту має вирішальне значення для децентралізованого надання API висновків. Вузли висновків повинні мати можливість отримувати ці моделі з будь-якого місця в будь-який час. З моделями AI, які потенційно можуть досягати розміру сотень гігабайт, потрібна потужна децентралізована мережа зберігання. Лідери в галузі децентралізованого зберігання даних, такі як Filecoin і Arweave, можуть забезпечити цю функцію.
Погляд IOSG Ventures:
У цій сфері є величезні можливості.
- Децентралізована мережа зберігання даних, оптимізована для моделей штучного інтелекту, забезпечує такі функції, як контроль версій, зберігання різних кількісних показників моделей із низькою точністю та швидке завантаження великих моделей.
- Децентралізовані векторні бази даних, оскільки вони часто пов’язані з моделями, надають більш точні відповіді, додаючи необхідні знання, пов’язані з питанням. Існуючі бази даних SQL також можна додати з підтримкою векторного пошуку.
2.2 Збір даних і маркування
Збір високоякісних даних має вирішальне значення для навчання ШІ. Проекти на основі блокчейну, такі як Grass, використовують краудсорсинг для збору даних для навчання штучному інтелекту, використовуючи персональні мережі. За допомогою відповідних стимулів і механізмів інструктори зі штучного інтелекту можуть отримувати високоякісні дані за нижчою ціною. Такі проекти, як Tai-da і Saipen, зосереджені на маркуванні даних.
Погляд IOSG Ventures:
Деякі з наших спостережень на цьому ринку:
- Більшість проектів маркування даних надихає GameFi, залучаючи користувачів концепцією «заробити тег», а розробників – обіцянкою знизити витрати на високоякісні мічені дані.
- Наразі немає явного лідера в цій галузі, і Scale AI домінує на ринку маркування даних Web2.
2.3 Дані блокчейну
Під час навчання моделей ШІ спеціально для блокчейну розробникам потрібні високоякісні дані блокчейну, які вони хочуть використовувати безпосередньо в процесі навчання. Spice AI і Space and Time надають високоякісні дані блокчейну за допомогою SDK, що дозволяє розробникам легко інтегрувати дані у свої конвеєри навчальних даних.
Погляд IOSG Ventures:
Оскільки попит на пов’язані з блокчейном моделі штучного інтелекту зростатиме, попит на високоякісні дані блокчейну зростатиме. Однак більшість інструментів аналізу даних наразі надають лише можливість експорту даних у форматі CSV, який не є ідеальним для цілей навчання ШІ.
Щоб полегшити розробку моделей штучного інтелекту, специфічних для блокчейну, вкрай важливо покращити досвід розробників, надавши більше можливостей пов’язаних з блокчейном операцій машинного навчання (MLOP). Ці функції мають дозволити розробникам безперешкодно інтегрувати дані блокчейну безпосередньо в їхні навчальні конвеєри ШІ на основі Python.
##3.ZKML
Централізовані постачальники штучного інтелекту стикаються з проблемами довіри через стимули використовувати менш складні моделі для зменшення витрат на обчислення. Наприклад, минулого року були випадки, коли користувачі вважали ChatGPT неефективним. Пізніше це було пов’язано з оновленням OpenAI, спрямованим на покращення продуктивності моделі.
Крім того, творці контенту висловили занепокоєння щодо авторських прав компаніям штучного інтелекту. Цим компаніям важко довести, що конкретні дані не були включені в їхній навчальний процес.
Машинне навчання без знань (ZKML) — це інноваційний підхід, який вирішує проблеми довіри, пов’язані з централізованими постачальниками штучного інтелекту. Використовуючи докази з нульовим знанням, ZKML дозволяє розробникам доводити правильність їхнього навчання ШІ та процесів висновків, не розкриваючи конфіденційних даних або деталей моделі.
3.1 Навчання
Розробники можуть виконувати навчальні завдання у віртуальній машині з нульовим знанням (ZKVM), такій, як ту, яку надає Risc Zero. Цей процес генерує доказ, який підтверджує, що навчання було виконано правильно та використано лише авторизовані дані. Ця сертифікація є доказом того, що розробник дотримувався відповідних специфікацій навчання та дозволів на використання даних.
Погляд IOSG Ventures:
- ZKML надає унікальне рішення для підтвердження авторизованого використання даних під час навчання моделі, чого часто важко досягти, враховуючи природу моделей штучного інтелекту як чорну скриньку.
*Ця технологія все ще знаходиться на початковій стадії. Витрати на обчислення величезні. Спільнота активно вивчає нові випадки використання для навчання ZK.
3.2 Міркування
ZKML займає значно більше часу, щоб зробити висновок, ніж його навчальний аналог. У цьому просторі вже з’явилося кілька відомих компаній, кожна з яких має унікальний підхід до того, щоб зробити висновки машинного навчання надійними та прозорими.
Giza зосереджена на створенні комплексної платформи Machine Learning Operations (MLOP) і створенні навколо неї живої спільноти. Їхня мета — надати розробникам інструменти та ресурси для інтеграції ZKML у робочі процеси висновків.
EZKL, з іншого боку, надає пріоритет досвіду розробки, створюючи зручну для користувача структуру ZKML, яка забезпечує хорошу продуктивність. Їхнє рішення розроблено, щоб спростити процес впровадження висновку ZKML і зробити його легко доступним для більшої кількості розробників.
Modulus Labs використовує інший підхід, розробляючи власну систему доказів. Їх головна мета — значно зменшити обчислювальні витрати, пов’язані з висновком ZKML. Зменшивши накладні витрати в 10 разів, Modulus Labs намагається зробити висновок ZKML більш практичним і ефективним для реальних програм.
Погляд IOSG Ventures:
- ZKML особливо корисний у сценаріях GameFi та DeFi, де надійність має вирішальне значення.
- Витрати на обчислення, запроваджені ZKML, ускладнюють ефективну роботу великих моделей ШІ.
- Індустрія все ще шукає піонерів DeFi та GameFi, які б активно використовували ZKML у своїх продуктах, щоб продемонструвати сценарії його практичного застосування.
4. Проксі-мережа + інші програми
4.1 Проксі-мережа
Мережа агентів складається з численних агентів зі штучним інтелектом, оснащених інструментами та знаннями для виконання конкретних завдань, таких як допомога з транзакціями в ланцюжку. Ці агенти можуть співпрацювати один з одним для досягнення більш складних цілей. Кілька відомих компаній активно розробляють чат-бот-подібні агенти та агентські мережі.
Sleepless, Siya, Myshell, characterX і Delysium є важливими гравцями, які створюють агентів чат-ботів. Autonolas і ChainML створюють проксі-мережі для ефективніших випадків використання.
Погляд IOSG Ventures:
Агенти мають вирішальне значення для реальних програм. Вони можуть виконувати конкретні завдання краще, ніж загальний штучний інтелект. Блокчейн пропонує кілька унікальних можливостей для агентів штучного інтелекту.
- Має механізм стимулювання: Blockchain забезпечує механізм стимулювання за допомогою таких технологій, як незамінні токени (NFT). Завдяки чіткій структурі власності та заохочення творці заохочуються розробляти більш цікаві та інноваційні агенти в мережі.
- Можливість компонування смарт-контрактів: смарт-контракти на блокчейні легко компонуються та працюють як блоки Lego. Відкритий API, наданий смарт-контрактами, дозволяє агентам виконувати складні завдання, які важко виконати в традиційних фінансових системах. Ця можливість комбінування дозволяє агентам взаємодіяти з різноманітними децентралізованими програмами (dApps) і використовувати їх.
- Внутрішня відкритість: створюючи проксі-сервери на блокчейнах, вони успадковують притаманну цим мережам відкритість і прозорість. Це створює значні можливості для комбінування між різними агентами, дозволяючи їм співпрацювати та поєднувати свої можливості для вирішення більш складних завдань.
4.2 Інші програми
На додаток до основних категорій, які обговорювалися раніше, є кілька цікавих програм ШІ, які привертають увагу в просторі Web3, хоча вони можуть бути недостатньо великими, щоб формувати окремі категорії. Ці програми охоплюють різноманітні сфери та демонструють різноманітність і потенціал штучного інтелекту в екосистемі блокчейну.
- Генерація зображення: ImgnAI
- Швидка реалізація зображення: NF
- Генерація зображень ШІ, навчена спільнотою: Botto
- Чат-боти: Kaito, Supersight, Galaxy, Kn n3, Awesome QA, Qna3
- Фінанси: Число AI
- Гаманець: Dawn_wallet
- Гра: Паралельний ТКГ
- Освіта: крючковате
- Безпека: Forta
- DID: Worldcoin
- Інструменти для створення: Plai Lab
5. Просувайте AIxCrypto серед користувачів Web2 для масового впровадження
AI x Crypto унікальний, оскільки вирішує найскладніші проблеми штучного інтелекту. Незважаючи на різницю між поточним продуктом AIxCrypto та продуктами Web2 AI і його недостатню привабливість для користувачів Web2, AIxCrypto все ще має деякі унікальні функції, які може надати лише AIxCrypto.
5.1 Економічні обчислювальні ресурси:
Основною перевагою AIxCrypto є надання економічно ефективних обчислювальних ресурсів. Оскільки попит на LLM зростає та на ринку з’являється більше розробників, доступність GPU та ціна стають все більш складними. Ціни на GPU значно зросли, і є дефіцит.
Децентралізовані обчислювальні мережі, такі як проект DePIN, можуть допомогти пом’якшити цю проблему, використовуючи неактивні обчислювальні потужності, графічні процесори в невеликих центрах обробки даних і персональні комп’ютерні пристрої. Хоча децентралізована обчислювальна потужність може бути не такою стабільною, як централізовані хмарні служби, ці мережі забезпечують економічно ефективне обчислювальне обладнання в різних регіонах. Цей децентралізований підхід мінімізує граничну затримку, забезпечуючи більш розподілену та стійку інфраструктуру.
Використовуючи потужність децентралізованих обчислювальних мереж, AIxCrypto може надати користувачам Web2 недорогі та доступні обчислювальні ресурси. Ця економічна перевага є привабливою для користувачів Web2, щоб прийняти рішення AIxCrypto, особливо враховуючи те, що попит на обчислення AI продовжує зростати.
5.2 Надайте право власності творцям:
Ще однією важливою перевагою AI x Crypto є захист прав власності творців. У сучасній галузі штучного інтелекту деякі агенти легко копіювати. Ці агенти можна легко відтворити, просто написавши схожі підказки. Крім того, проксі-сервери в магазинах GPT часто належать централізованим компаніям, а не творцям, що обмежує контроль творців над своїми роботами та їх здатність ефективно монетизувати.
AI x Crypto вирішує цю проблему, використовуючи розвинену технологію NFT, яка є повсюдною у криптосфері. Представляючи агентство як NFT, творці можуть справді володіти своїми творіннями та отримувати від них реальний дохід. Щоразу, коли користувач взаємодіє з агентом, творці можуть отримувати заохочення, забезпечуючи справедливу винагороду за свої зусилля. Концепція власності на основі NFT стосується не лише агентів, але також може використовуватися для захисту інших важливих активів у сфері штучного інтелекту, таких як бази знань і підказки.
5.3 Захистіть конфіденційність і відновіть довіру:
Користувачі та творці стурбовані конфіденційністю щодо централізованих компаній ШІ. Користувачі стурбовані тим, що їхні дані будуть використані для навчання майбутніх моделей, а творці стурбовані тим, що їхні роботи будуть використані без належного вказівки чи винагороди. Крім того, централізовані компанії штучного інтелекту можуть пожертвувати якістю послуг заради зменшення витрат на інфраструктуру.
Ці проблеми важко вирішити за допомогою технології Web2, і AIxCrypto використовує вдосконалені рішення Web3. Навчання з нульовим знанням і логічний висновок забезпечують прозорість, підтверджуючи використані дані та гарантуючи застосування правильної моделі. Такі технології, як Trusted Execution Environment (TEE), федеративне навчання та повністю гомоморфне шифрування (FHE), забезпечують безпечне та конфіденційне навчання ШІ та висновки.
Віддаючи пріоритет конфіденційності та прозорості, AIxCrypto дозволяє компаніям зі штучним інтелектом повернути довіру громадськості та надавати послуги штучного інтелекту, які поважають права користувачів, відрізняючи їх від традиційних рішень Web2.
5.3 Захистіть конфіденційність і відновіть довіру:
Користувачі та творці стурбовані конфіденційністю щодо централізованих компаній ШІ. Користувачі хвилюються, що їхні дані будуть використані для навчання майбутніх моделей, тоді як творці хвилюються, що їхні роботи будуть використані без належного вказівки чи винагороди. Крім того, централізовані компанії штучного інтелекту можуть пожертвувати якістю послуг заради зменшення витрат на інфраструктуру.
Ці проблеми важко вирішити за допомогою технології Web2, і AIxCrypto використовує вдосконалені рішення Web3. Навчання з нульовим знанням і логічний висновок забезпечують прозорість, підтверджуючи використані дані та гарантуючи застосування правильної моделі. Такі технології, як Trusted Execution Environment (TEE), федеративне навчання та повністю гомоморфне шифрування (FHE), забезпечують безпечне та конфіденційне навчання ШІ та висновки.
Віддаючи пріоритет конфіденційності та прозорості, AIxCrypto дозволяє компаніям зі штучним інтелектом повернути довіру громадськості та надавати послуги штучного інтелекту, які поважають права користувачів, відрізняючи їх від традиційних рішень Web2.
5.4 Відстеження джерел вмісту
Оскільки контент, створений штучним інтелектом, стає дедалі складнішим, стає все важче відрізнити текст, зображення чи відео, створений людиною, від створених штучним інтелектом. Щоб запобігти неправильному використанню контенту, створеного ШІ, людям потрібен надійний спосіб визначення джерела контенту.
Блокчейн чудово справляється з відстеженням походження вмісту, так само, як він успішно працював в управлінні ланцюгами поставок і NFT. У галузі ланцюгів поставок блокчейн відстежує весь життєвий цикл продукту, і користувачі можуть ідентифікувати виробника та ключові етапи. Так само блокчейн відстежує творців і запобігає піратству у випадку NFT, які особливо вразливі до піратства через їх публічний характер. Незважаючи на цю вразливість, використання блокчейну може мінімізувати втрати від фальшивих NFT, оскільки користувачі можуть легко відрізнити справжні токени від фальшивих.
Застосовуючи технологію блокчейну для відстеження походження контенту, створеного штучним інтелектом, AIxCrypto надає користувачам можливість перевірити, чи є автори контенту штучним інтелектом чи людиною, тим самим зменшуючи потенціал зловживань і підвищуючи довіру до автентичності контенту.
5.5 Розробка моделей з використанням криптовалют
Проектування та навчання моделей, особливо великих, є дорогим і тривалим процесом. Навколо нової моделі також існує невизначеність, і розробники не можуть передбачити її продуктивність.
Криптовалюти забезпечують зручний для розробників спосіб збору даних перед навчанням, збору зворотного зв’язку для підкріплення навчання та збору коштів від зацікавлених сторін. Процес подібний до життєвого циклу типового криптовалютного проекту: залучення фінансування через приватні інвестиції або стартовий майданчик і випуск токенів активним учасникам після запуску.
Моделі можуть застосувати подібний підхід, збираючи кошти на навчання, продаючи токени та роздаючи токени користувачам, які надсилають дані та відгуки. Завдяки добре розробленій економічній моделі токенів цей робочий процес допомагає окремим розробникам навчати нові моделі легше, ніж будь-коли раніше.
6. Проблеми токенноміки
Проект AI x Crypto почав орієнтуватися на розробників Web2 як на потенційних клієнтів, оскільки шифрування має унікальну цінність, а розмір ринку індустрії штучного інтелекту Web2 є значним. Однак токени можуть стати перешкодою для розробників Web2, які не знайомі з токенами та не бажають працювати з системами на основі маркерів.
Щоб задовольнити розробників Web2, зменшення або видалення корисності токенів може викликати плутанину у ентузіастів Web3, оскільки це може змінити фундаментальну позицію проекту AI x Crypto. Працюючи над інтеграцією цінних токенів у платформи AI SaaS, знайти баланс між залученням розробників Web2 і підтриманням корисності токена є складним завданням.
Щоб подолати розрив між бізнес-моделями Web2 і Web3, зберігаючи при цьому вартість токена, можна розглянути кілька потенційних підходів:
- Використовуйте токени в мережі розподіленої інфраструктури проекту. Впроваджуйте механізми ставок, винагород і штрафів для захисту основної мережі.
- Використовуйте токени як спосіб оплати та надайте доступ користувачам Web2
- Впровадити управління на основі токенів
- Поділіться прибутком з власниками токенів
- Використовуйте виручені кошти, щоб викупити або знищити токени
- Сервіси, що надаються проекту, пропонуючи знижки та додаткові функції власникам токенів
Ретельно розробляючи економічну модель токенів, яка відповідає інтересам Web2 і Web3, проект AI x Crypto може успішно залучати розробників Web2, зберігаючи при цьому цінність і корисність свого токена.
7. Наші улюблені сценарії AI x Crypto
Наш улюблений сценарій AI x Crypto використовує можливості спільної роботи користувачів для виконання завдань у сфері штучного інтелекту за допомогою технології блокчейн. Ось деякі конкретні приклади:
-
Внесок колективних даних для навчання ШІ, узгодження та порівняльного аналізу (наприклад, Chatbot Arena)
-
Співробітництво для створення великої спільної бази знань, яку можуть використовувати різні агенти (наприклад, Sahara)
-
Використовуйте особисті ресурси для захоплення мережевих даних (наприклад, Grass)
Завдяки використанню колективних зусиль користувачів на основі стимулів і координації блокчейнів ці моделі демонструють потенціал децентралізованого підходу до розробки та розгортання штучного інтелекту, керованого спільнотою.
на завершення
Ми знаходимося на зорі штучного інтелекту та Web3, а інтеграція штучного інтелекту та блокчейну все ще перебуває на початковій стадії порівняно з іншими галузями. Серед 50 найкращих продуктів Gen AI немає продуктів, пов’язаних із Web3. Найкращі інструменти LLM пов’язані зі створенням і редагуванням контенту, насамперед для продажів, зустрічей і баз нотаток/знань. Враховуючи масштабні дослідження, документацію, продажі та зусилля спільноти в екосистемі Web3, існує величезний потенціал для розробки спеціальних інструментів LLM.
Наразі розробники зосереджуються на розбудові інфраструктури для впровадження передових моделей штучного інтелекту в мережу, хоча ми ще не досягли цього. Продовжуючи розвивати цю інфраструктуру, ми також досліджуємо найкращі користувальницькі сценарії для проведення висновків штучного інтелекту в ланцюжку безпечним і ненадійним способом, що надає унікальні можливості в просторі блокчейну. Інші галузі можуть безпосередньо використовувати існуючу інфраструктуру LLM для висновків і тонкого налаштування. Тільки індустрії блокчейнів потрібна власна рідна інфраструктура ШІ.
У найближчому майбутньому ми очікуємо, що технологія блокчейн використовуватиме свої однорангові переваги для вирішення найскладніших проблем в індустрії штучного інтелекту, роблячи моделі штучного інтелекту більш доступними, доступними та прибутковими для всіх. Ми також очікуємо, що криптопростір слідуватиме наративу індустрії штучного інтелекту, хоча й із невеликою затримкою. Протягом останнього року ми бачили, як розробники поєднували моделі Crypto, proxy і LLM. У найближчі місяці ми можемо побачити більше мультимодальних моделей, генерації текстового відео та генерації 3D, які впливають на криптопростір.
Вся індустрія штучного інтелекту та Web3 зараз не приділяється достатньої уваги. Ми з нетерпінням чекаємо вибухового моменту штучного інтелекту в Web3, вбивчому додатку CryptoxAI.
