CryptoX AI はもう人気がないのですか? あなたが見落としている可能性の高いストーリーテリングの方向性をざっと見てみましょう

저자: Crypto, Distilled

편집자: Deep Tide TechFlow

암호화와 AI: 이제 끝인가요?

2023년 Web3-AI가 한때 화제가 되기도 했습니다.

하지만 요즘에는 모방자와 실제 목적이 없는 거대한 프로젝트로 가득 차 있습니다.

다음은 피해야 할 오해와 집중해야 할 핵심 사항입니다.

Overview

IntoTheBlock CEO @jrdothoughts는 최근 기사를 통해 자신의 통찰력을 공유했습니다.

그는 다음을 논의합니다:

a. Web3-AI의 핵심 과제

b. 잠재력이 높은 트렌드

모든 점! 알아보자:

현재 시장

현재 Web3-AI 시장은 과장되고 자금이 과잉 지원됩니다.

많은 프로젝트가 AI 산업의 실제 요구 사항과 맞지 않습니다.

이러한 단절은 혼란을 야기하지만 통찰력이 있는 사람들에게는 기회도 창출합니다.

(제공: @coinbase)

핵심 과제

Web2와 Web3 AI 사이의 격차는 세 가지 주요 이유로 넓어지고 있습니다. 제한된 AI 연구 인재

제한된 인프라
모델, 데이터 및 컴퓨팅 리소스가 부족함

제너레이티브 AI의 기본

제너레이티브 AI는 모델, 데이터 및 컴퓨팅 리소스라는 세 가지 주요 요소에 의존합니다.

현재 Web3 인프라에 최적화된 주요 모델은 없습니다.

초기 자금은 AI 현실과 단절된 일부 Web3 프로젝트를 지원했습니다.

과대평가된 트렌드

모든 과장된 광고에도 불구하고 모든 Web3-AI 트렌드에 주목할 가치가 있는 것은 아닙니다.

다음은 @jrdoughts가 가장 과대평가되었다고 생각하는 몇 가지 트렌드입니다.

a. 분산형 GPUNetwork

b. 추론 증명 ( 크레딧

@ModulusLabs

)

분산형 GPU 네트워크

이 네트워크는 AI 교육의 민주화를 약속합니다.

그러나 분산형 인프라에서 대규모 모델을 훈련하는 것은 느리고 비실용적이라는 것이 현실입니다.

이 추세는 아직 높은 약속을 이행하지 못했습니다.

영지식 AI 모델

영지식 AI 모델은 개인 정보 보호 측면에서 매우 매력적으로 보입니다.

그러나 실제로는 계산 비용이 많이 들고 해석하기 어렵습니다.

이로 인해 대규모 애플리케이션에서는 실용성이 떨어집니다.

(Credit to @oraprotocol)

사진 속 정보 :

b) 현재 오버헤드는 최대 1000회입니다.

그러나 이 접근 방식은 특히 Vitalik에서 설명한 것과 같은 사용 사례의 경우 실용적이지 않습니다. 다음은 몇 가지 예입니다.

zkML 프레임워크 EZKL은 1M-nanoGPT 모델에 대한 증거를 생성하는 데 약 80분이 걸립니다.

• Modulus Labs의 데이터에 따르면 zkML의 오버헤드는 순수 계산보다 1000배 이상 높으며 최신 보고서에서는 1000배를 보여줍니다.

• EZKL 벤치마크에 따르면 RISC Zero의 Random Forest 분류 작업에 대한 평균 증명 시간은 173초입니다.

추론 증명

추론 증명 프레임워크는 AI 출력에 대한 암호화 증명을 제공합니다.

그러나 @jrdothoughts는 이러한 솔루션이 존재하지 않는 문제를 해결한다고 믿습니다.

따라서 실제 적용 범위가 제한되어 있습니다.

높은 잠재 트렌드

일부 트렌드는 과장된 반면 다른 트렌드는 상당한 잠재력을 가지고 있습니다.

실제 기회를 제공할 수 있는 저평가된 트렌드는 다음과 같습니다.

a. AI with walletsAgents

b. 자금 제공 c. 소규모 기반 모델

d.

합성 데이터

Generate지갑을 갖춘 AI 에이전트

암호화폐를 통해 금융 능력을 갖춘 AI 에이전트를 상상해 보세요.

이러한 에이전트는 품질을 보장하기 위해 다른 에이전트를 고용하거나 자금을 투자할 수 있습니다.

또 다른 흥미로운 응용 프로그램은 @vitalikbuterin이 언급한 "예측 에이전트"입니다.

Cryptocurrency Funding AI

Generative AI 프로젝트는 종종 자금 부족에 직면합니다.

에어드롭 및 인센티브와 같은 암호화폐의 효율적인 자본 형성 방법은 오픈 소스 AI 프로젝트에 중요한 재정적 지원을 제공합니다.

이러한 방법은 혁신을 추진하는 데 도움이 됩니다.

(제공: @oraprotocol)

소형 기본 모델

Microsoft의 Phi 모델과 같은 소형 기본 모델은 적을수록 좋다는 생각을 보여줍니다.

1B ～ 5B パラメータを持つモデルは分散型 AI にとって重要であり、強力なオンデバイス AI ソリューションを提供できます。

(出典: @microsoft)

合成データ生成

データ不足は、AI の開発に対する大きな障害の 1 つです。

ベースモデルを通じて生成された合成データは、実世界のデータセットを効果的に補完できます。

誇大宣伝を打ち破ろう

初期の Web3-AI ブームは主に、いくつかの非現実的な価値提案に焦点を当てていました。

@jrdothoughts は、実際に機能するソリューションの構築に重点を置くべきだと信じています。

注目が移りつつある中、AI の分野には依然としてチャンスが溢れており、鋭い目が発見するのを待っています。

この記事は教育のみを目的としており、経済的なアドバイスではありません。貴重な洞察を提供してくれた @jrdthoughts に感謝します。

以上がCryptoX AI はもう人気がないのですか? あなたが見落としている可能性の高いストーリーテリングの方向性をざっと見てみましょうの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。