З появою Chat-GPT ми вступили в епоху проривних інновацій, принесених AIGC.
AIGC (контент, створений штучним інтелектом) вважається новим методом створення вмісту після UGC і PGC. ШІ-малювання, штучний інтелект тощо є розгалуженнями AIGC. Chat-GPT — це велика мовна модель ШІ для обробки природної мови, модель ШІ Як специфічна форма AIGC, які ключові елементи процесу навчання та процесу міркування?
Елемент 1: обчислювальна потужність
Високоякісні та різноманітні дані є основою для навчання моделей ШІ, а обчислювальна потужність забезпечує рушійну силу для навчання моделей.
Що стосується забезпечення обчислювальної потужності, на етапі навчання моделі AI обчислювальна потужність використовується для виконання таких завдань, як зворотне поширення, оновлення параметрів і оптимізація моделі на великомасштабних наборах даних. Вища обчислювальна потужність може пришвидшити процес навчання, дозволяючи моделі швидше об’єднуватися та вивчати характеристики даних. На етапі висновку моделі AI обчислювальна потужність використовується для застосування навченої моделі до нових екземплярів даних для прогнозування та висновку. У додатках реального часу рівень обчислювальної потужності визначає кількість запитів і швидкість відповіді, які може обробити модель.
Багато складних алгоритмів ШІ потребують величезних обчислювальних ресурсів. Розвиток традиційного ШІ обмежений продуктивністю та обчислювальною потужністю апаратних пристроїв. Особливо під час обробки великомасштабних наборів даних або проведення дуже складного навчання моделі потрібна більш потужна обчислювальна потужність.
Зараз на ринку все ще бракує зрілих продуктів і рішень для спільного використання інтелектуальної обчислювальної потужності. Традиційний ринок обчислювальної потужності представляє сторонні соціальні неактивні обчислювальні потужності, такі як персональні термінали, а оператори послуг обчислювальної потужності не мають здатність ефективно контролювати вузли Безпека та надійність вузлів обчислювальної потужності не можуть бути гарантовані, що значно збільшує ширину та складність захисту безпеки.
Елемент 2: Дані
Обмін даними на основі захисту конфіденційності є важливою підтримкою для моделювання AIGC.
З точки зору надання даних, підготовка моделей AIGC потребує використання великої кількості даних, щоб отримати хорошу продуктивність і покращити здатність аргументувати та точність моделі. На прикладі ChatGPT навчання GPT використовує дані десятків мільярдів токенів. Будучи широкомасштабною мовною моделлю штучного інтелекту, навчальні дані GPT включають широкий спектр текстових джерел в Інтернеті, включаючи веб-сторінки, книги, статті, тези та інші загальнодоступні текстові ресурси. Ці дані охоплюють численні домени та теми, створюючи моделі з широкими знаннями та можливостями розуміння мови.
Загалом, навчання великої моделі штучного інтелекту потребує величезних обсягів даних, а внутрішніх даних одного підприємства часто недостатньо для задоволення попиту. Тому в цьому процесі потрібен обмін даними. Однак, хоча обсяг глобальних даних є швидко зростає, витік конфіденційності, спричинений обміном даними, серйозно вплинув. Повністю використовуйте цінність даних. Згідно зі звітом IBM Security у липні 2022 року, з березня 2021 року по березень 2022 року сталися витоки даних у 550 компаніях по всьому світу, а середній збиток, спричинений витоком даних, досяг 4,4 мільйона доларів США, що на 13% більше, ніж у 2020 році. Таким чином, як здійснювати циркуляцію даних і видобуток вартості за умов забезпечення конфіденційності та безпеки даних, а також сприяти розвитку технології AIGC, стало темою, що викликає все більше занепокоєння в галузі.
Які покращення може принести поєднання Web3 та AI?
Як нове покоління Інтернету, побудованого на блокчейні та децентралізованій технології, Web3 має більшу децентралізацію, відкритість і прозорість. Коли ШІ поєднується з Web3, він може отримати багато переваг, які відрізняються від традиційного ШІ.
Розподілені обчислювальні ресурси:
Децентралізована природа Web3 дозволяє інтегрувати та спільно використовувати обчислювальні ресурси в глобальному масштабі. Це забезпечує більшу обчислювальну потужність для навчання моделі ШІ та висновків. Традиційне навчання моделі AI зазвичай покладається на один обчислювальний пристрій або постачальника хмарних послуг, але в поєднанні з Web3 можна використовувати розподілені обчислювальні ресурси в глобальній мережі для забезпечення більш ефективної та еластичної підтримки обчислювальної потужності.
Обмін даними та захист конфіденційності:
Однією з основних концепцій Web3 є децентралізація та влада користувачів над даними. У поєднанні зі штучним інтелектом Web3 може надати користувачам більше можливостей контролю та обміну даними, дозволяючи їм брати участь у навчанні моделі штучного інтелекту та обмінюватися даними в більш конфіденційний і безпечний спосіб.
Децентралізована розробка та розгортання моделі:
Розумні контракти Web3 і розподілена обчислювальна платформа можуть сприяти розробці та розгортанню моделей ШІ. Розумні контракти можуть забезпечити децентралізований спосіб керування та перевірки процесу навчання моделі, тоді як розподілена обчислювальна платформа може використовувати обчислювальні ресурси в глобальній мережі для прискорення навчання та обґрунтування моделі.
Підвищення якості та різноманітності даних:
Web3 може спонукати користувачів надавати більш якісні та різноманітні дані за допомогою механізму стимулювання та децентралізованого ринку даних, тим самим покращуючи проблему обмеження даних, з якою стикається традиційний ШІ.
Візьмемо як приклад платформу AIGC WaterWheel Web3.0
У модулі обчислювальної потужності:
Обчислювальна потужна мережа Waterwheel поєднує технологію TEE та технологію блокчейну для створення надійної, відкритої та ефективної платформи розподілу обчислювальної потужності. Вона має можливість координувати та інвентаризувати всі вузли обчислювальної потужності мережі та вузли блокчейну, а також може керувати неактивними ресурсами по всьому світу. обчислювальна потужність.
У модулі даних:
Waterwheel — це децентралізована платформа обміну даними, заснована на блокчейні та конфіденційних обчисленнях, створює глобальну мережу ресурсів даних, підтримує користувачів, які вносять дані, реєструвати дані та брати участь у завданнях краудфандингу даних, а також вирішує процес циркуляції даних за допомогою технології конфіденційних обчислень. Щоб вирішити питання безпеки проблеми витоку даних у середовищі, за умови забезпечення безпеки та конфіденційності даних, це принесе цінні переваги тим, хто додає дані.
Авторські модулі в AIGC:
Традиційному AIGC також не вистачає захисту конфіденційності. Більшість унікальних ідей користувачів буде безпосередньо розкрито через оперативне введення. Різні моделі AI та методи виставлення рахунків також змушують користувачів платити більші витрати. Оскільки процес створення AIGC в основному складається з Модель штучного інтелекту завершена, творцям важко отримати прийнятний дохід за допомогою традиційних угод з авторським правом.
У модулі обслуговування моделі:
Waterwheel інтегрує блокчейн, обчислення конфіденційності та технологію штучного інтелекту для створення безпечної та надійної платформи для навчання моделі. Використовуючи віддалену сертифікацію та середовище конфіденційності технології TEE для обчислення конфіденційності, вона усуває розрив між сторонами навчання моделі, постачальниками даних і постачальниками обчислювальної потужності. Проблеми взаємної недовіри та ризику витоку даних, гарантування того, що дані та моделі перебувають у стані «доступні та невидимі» протягом усього процесу навчання моделей, допомагаючи тренерам моделей штучного інтелекту отримати більше даних у безпечний та сумісний спосіб, одночасно розміщуючи моделі ШІ в In середовище конфіденційності, безпека та конфіденційність моделі гарантовані.
З нетерпінням чекаємо нових платформ Web3.0, які сприятимуть розвитку та застосуванню індустрії ШІ!
Переглянути оригінал
Контент має виключно довідковий характер і не є запрошенням до участі або пропозицією. Інвестиційні, податкові чи юридичні консультації не надаються. Перегляньте Відмову від відповідальності , щоб дізнатися більше про ризики.
ШІ в епоху Web3: дослідження необмеженого потенціалу блокчейну та штучного інтелекту
З появою Chat-GPT ми вступили в епоху проривних інновацій, принесених AIGC.
AIGC (контент, створений штучним інтелектом) вважається новим методом створення вмісту після UGC і PGC. ШІ-малювання, штучний інтелект тощо є розгалуженнями AIGC. Chat-GPT — це велика мовна модель ШІ для обробки природної мови, модель ШІ Як специфічна форма AIGC, які ключові елементи процесу навчання та процесу міркування?
Елемент 1: обчислювальна потужність
Високоякісні та різноманітні дані є основою для навчання моделей ШІ, а обчислювальна потужність забезпечує рушійну силу для навчання моделей.
Що стосується забезпечення обчислювальної потужності, на етапі навчання моделі AI обчислювальна потужність використовується для виконання таких завдань, як зворотне поширення, оновлення параметрів і оптимізація моделі на великомасштабних наборах даних. Вища обчислювальна потужність може пришвидшити процес навчання, дозволяючи моделі швидше об’єднуватися та вивчати характеристики даних. На етапі висновку моделі AI обчислювальна потужність використовується для застосування навченої моделі до нових екземплярів даних для прогнозування та висновку. У додатках реального часу рівень обчислювальної потужності визначає кількість запитів і швидкість відповіді, які може обробити модель.
Багато складних алгоритмів ШІ потребують величезних обчислювальних ресурсів. Розвиток традиційного ШІ обмежений продуктивністю та обчислювальною потужністю апаратних пристроїв. Особливо під час обробки великомасштабних наборів даних або проведення дуже складного навчання моделі потрібна більш потужна обчислювальна потужність.
Зараз на ринку все ще бракує зрілих продуктів і рішень для спільного використання інтелектуальної обчислювальної потужності. Традиційний ринок обчислювальної потужності представляє сторонні соціальні неактивні обчислювальні потужності, такі як персональні термінали, а оператори послуг обчислювальної потужності не мають здатність ефективно контролювати вузли Безпека та надійність вузлів обчислювальної потужності не можуть бути гарантовані, що значно збільшує ширину та складність захисту безпеки.
Елемент 2: Дані
Обмін даними на основі захисту конфіденційності є важливою підтримкою для моделювання AIGC.
З точки зору надання даних, підготовка моделей AIGC потребує використання великої кількості даних, щоб отримати хорошу продуктивність і покращити здатність аргументувати та точність моделі. На прикладі ChatGPT навчання GPT використовує дані десятків мільярдів токенів. Будучи широкомасштабною мовною моделлю штучного інтелекту, навчальні дані GPT включають широкий спектр текстових джерел в Інтернеті, включаючи веб-сторінки, книги, статті, тези та інші загальнодоступні текстові ресурси. Ці дані охоплюють численні домени та теми, створюючи моделі з широкими знаннями та можливостями розуміння мови.
Загалом, навчання великої моделі штучного інтелекту потребує величезних обсягів даних, а внутрішніх даних одного підприємства часто недостатньо для задоволення попиту. Тому в цьому процесі потрібен обмін даними. Однак, хоча обсяг глобальних даних є швидко зростає, витік конфіденційності, спричинений обміном даними, серйозно вплинув. Повністю використовуйте цінність даних. Згідно зі звітом IBM Security у липні 2022 року, з березня 2021 року по березень 2022 року сталися витоки даних у 550 компаніях по всьому світу, а середній збиток, спричинений витоком даних, досяг 4,4 мільйона доларів США, що на 13% більше, ніж у 2020 році. Таким чином, як здійснювати циркуляцію даних і видобуток вартості за умов забезпечення конфіденційності та безпеки даних, а також сприяти розвитку технології AIGC, стало темою, що викликає все більше занепокоєння в галузі.
Які покращення може принести поєднання Web3 та AI?
Як нове покоління Інтернету, побудованого на блокчейні та децентралізованій технології, Web3 має більшу децентралізацію, відкритість і прозорість. Коли ШІ поєднується з Web3, він може отримати багато переваг, які відрізняються від традиційного ШІ.
Розподілені обчислювальні ресурси:
Децентралізована природа Web3 дозволяє інтегрувати та спільно використовувати обчислювальні ресурси в глобальному масштабі. Це забезпечує більшу обчислювальну потужність для навчання моделі ШІ та висновків. Традиційне навчання моделі AI зазвичай покладається на один обчислювальний пристрій або постачальника хмарних послуг, але в поєднанні з Web3 можна використовувати розподілені обчислювальні ресурси в глобальній мережі для забезпечення більш ефективної та еластичної підтримки обчислювальної потужності.
Обмін даними та захист конфіденційності:
Однією з основних концепцій Web3 є децентралізація та влада користувачів над даними. У поєднанні зі штучним інтелектом Web3 може надати користувачам більше можливостей контролю та обміну даними, дозволяючи їм брати участь у навчанні моделі штучного інтелекту та обмінюватися даними в більш конфіденційний і безпечний спосіб.
Децентралізована розробка та розгортання моделі:
Розумні контракти Web3 і розподілена обчислювальна платформа можуть сприяти розробці та розгортанню моделей ШІ. Розумні контракти можуть забезпечити децентралізований спосіб керування та перевірки процесу навчання моделі, тоді як розподілена обчислювальна платформа може використовувати обчислювальні ресурси в глобальній мережі для прискорення навчання та обґрунтування моделі.
Підвищення якості та різноманітності даних:
Web3 може спонукати користувачів надавати більш якісні та різноманітні дані за допомогою механізму стимулювання та децентралізованого ринку даних, тим самим покращуючи проблему обмеження даних, з якою стикається традиційний ШІ.
Візьмемо як приклад платформу AIGC WaterWheel Web3.0
У модулі обчислювальної потужності:
Обчислювальна потужна мережа Waterwheel поєднує технологію TEE та технологію блокчейну для створення надійної, відкритої та ефективної платформи розподілу обчислювальної потужності. Вона має можливість координувати та інвентаризувати всі вузли обчислювальної потужності мережі та вузли блокчейну, а також може керувати неактивними ресурсами по всьому світу. обчислювальна потужність.
У модулі даних:
Waterwheel — це децентралізована платформа обміну даними, заснована на блокчейні та конфіденційних обчисленнях, створює глобальну мережу ресурсів даних, підтримує користувачів, які вносять дані, реєструвати дані та брати участь у завданнях краудфандингу даних, а також вирішує процес циркуляції даних за допомогою технології конфіденційних обчислень. Щоб вирішити питання безпеки проблеми витоку даних у середовищі, за умови забезпечення безпеки та конфіденційності даних, це принесе цінні переваги тим, хто додає дані.
Авторські модулі в AIGC:
Традиційному AIGC також не вистачає захисту конфіденційності. Більшість унікальних ідей користувачів буде безпосередньо розкрито через оперативне введення. Різні моделі AI та методи виставлення рахунків також змушують користувачів платити більші витрати. Оскільки процес створення AIGC в основному складається з Модель штучного інтелекту завершена, творцям важко отримати прийнятний дохід за допомогою традиційних угод з авторським правом.
У модулі обслуговування моделі:
Waterwheel інтегрує блокчейн, обчислення конфіденційності та технологію штучного інтелекту для створення безпечної та надійної платформи для навчання моделі. Використовуючи віддалену сертифікацію та середовище конфіденційності технології TEE для обчислення конфіденційності, вона усуває розрив між сторонами навчання моделі, постачальниками даних і постачальниками обчислювальної потужності. Проблеми взаємної недовіри та ризику витоку даних, гарантування того, що дані та моделі перебувають у стані «доступні та невидимі» протягом усього процесу навчання моделей, допомагаючи тренерам моделей штучного інтелекту отримати більше даних у безпечний та сумісний спосіб, одночасно розміщуючи моделі ШІ в In середовище конфіденційності, безпека та конфіденційність моделі гарантовані.
З нетерпінням чекаємо нових платформ Web3.0, які сприятимуть розвитку та застосуванню індустрії ШІ!