Новейшее мышление и исследование треков AI+Crypto

Автор: Ian@Foresight Ventures

Tl; ДОКТОР

После нескольких месяцев погружения в сферу, где объединены ИИ и криптоактивы, понимание этого направления стало более глубоким. В данной статье сделан сравнительный анализ ранних взглядов и текущего направления трассы, а те, кто знаком с трассой, могут начать со второго участка. **

• ДецентрализацияВычислительная сеть: Столкнувшись с проблемами рыночного спроса, конечной целью децентрализации является снижение затрат. Атрибуты сообщества и токены Web3 приносят ценность, которую нельзя игнорировать, но это по-прежнему дополнительная ценность для самого трека вычислительной мощности, а не подрывное изменение, и основное внимание уделяется поиску способа сочетания с потребностями пользователей, а не слепому использованию сети DecentralizationComputing Power в качестве дополнения к отсутствию централизованных вычислительных мощностей.
• AI Marketplace: Обсуждается идея полносвязного финансиализированного рынка ИИ, где обсуждается ценность и жизненно важная ценность, приносимая сообществом и токенами. Такой рынок фокусируется не только на лежащих в основе вычислительных мощностях и данных, но и на самой модели и связанных с ней приложениях. Финансиализация моделей является ключевым элементом рынка ИИ, с одной стороны, она привлекает пользователей к непосредственному участию в процессе создания ценности моделей ИИ, а с другой стороны, создает спрос на лежащие в их основе вычислительные мощности и данные.
• Ончейн-ИИ, ZKML сталкивается с двойными проблемами спроса и предложения, в то время как OPML обеспечивает более сбалансированное решение между стоимостью и эффективностью. Несмотря на то, что OPML является технологической инновацией, она не обязательно решает фундаментальную проблему, с которой сталкивается ончейн-ИИ, которая заключается в отсутствии спроса.
• Прикладной уровень, большинство проектов приложений web3 AI слишком наивны, приложения ИИ более разумны для улучшения пользовательского опыта и повышения эффективности разработки, или как важная часть рынка ИИ.

Во-первых, обзор трека ИИ

За последние несколько месяцев я провел исследование Depth на тему AI + крипто, и после нескольких месяцев осадков я рад, что получил представление о направлении некоторых треков на относительно ранней стадии, но я также вижу, что есть некоторые мнения, которые сейчас не кажутся точными.

**Эта статья только о мнениях, а не о вступлении,**Она охватит несколько основных направлений ИИ в web3 и покажет мои взгляды и анализ трека до и сейчас. Разные точки зрения могут иметь разное вдохновение, которое можно рассматривать диалектически.

Давайте сначала рассмотрим основные направления AI+ крипто, установленные в первом полугодии:

1.1 Распределенная вычислительная мощность

В статье «Рациональный взгляд на децентрализациюСеть вычислительных мощностей», исходя из логики о том, что вычислительная мощность станет самым ценным ресурсом в будущем, анализируется ценность, которую криптовалюта может дать сети вычислительных мощностей.

Несмотря на то, что децентрализованная распределенная вычислительная сеть имеет наибольший спрос на обучение больших моделей ИИ, она также сталкивается с самыми большими проблемами и техническими узкими местами. Это включает в себя необходимость сложной синхронизации данных и оптимизации сети. Кроме того, конфиденциальность и безопасность данных также являются важными ограничениями. Несмотря на то, что существуют некоторые технологии, которые могут обеспечить первоначальные решения, они все еще неприменимы в крупномасштабных распределенных задачах обучения из-за огромных вычислительных и коммуникационных накладных расходов. Очевидно, что децентрализованная распределенная вычислительная сеть имеет больше возможностей для вывода моделей, а инкрементальное пространство, которое может предсказывать будущее, также достаточно велико. Однако он также сталкивается с такими проблемами, как задержки связи, конфиденциальность данных и безопасность модели. По сравнению с обучением модели, логический вывод имеет меньшую вычислительную сложность и интерактивность данных и больше подходит для проведения в распределенной среде.

1.2 Децентрализация AI Marketplace

В статье «Лучшая попытка децентрализации рынка ИИ» упоминается, что успешная децентрализация рынка ИИ должна тесно сочетать преимущества ИИ и Web3, использовать добавленную стоимость распределения, подтверждения акционерного капитала активов, распределения доходов и децентрализации вычислительной мощности, чтобы снизить порог приложений ИИ, поощрять разработчиков загружать и делиться моделями, а также защищать права пользователей на конфиденциальность данных, чтобы создать удобную для разработчиков платформу для торговли и обмена ресурсами ИИ, отвечающую потребностям пользователей.

Идея в то время (и, вероятно, не совсем точная сейчас) заключалась в том, что рынки ИИ, основанные на данных, имеют гораздо больший потенциал. Рынок мертвой модели нуждается в поддержке большого количества высококачественных моделей, но ранней платформе не хватает пользовательской базы и высококачественных ресурсов, что затрудняет привлечение высококачественных моделей из-за недостаточных стимулов для отличных поставщиков моделей, в то время как рынок, основанный на данных, может накапливать большое количество ценных данных и ресурсов, особенно данных частного домена, за счет децентрализации, распределенного сбора, дизайна уровня стимулов и гарантии владения данными.

Успех рынка ИИ в децентрализации зависит от накопления пользовательских ресурсов и сильных сетевых эффектов, когда пользователи и разработчики могут получить больше пользы от рынка, чем они могут получить за его пределами. На заре рынка основное внимание уделяется накоплению высококачественных моделей для привлечения и удержания пользователей, а затем переходу к привлечению и удержанию большего количества конечных пользователей после создания библиотеки высококачественных моделей и барьеров данных.

1.3 ZKML

До того, как тема ZKML получила широкое обсуждение, ценность ончейн-ИИ обсуждалась в статье «AI + Web3 = ?».

Не жертвуя децентрализацией и отсутствием доверия, ончейн-ИИ имеет возможность вывести мир web3 на «следующий уровень». Нынешняя Web3 похожа на раннюю стадию Web2, и она еще не обрела способность к более широкому внедрению или созданию большей ценности. Ончейн-ИИ предназначен для обеспечения прозрачного и не требующего доверия решения.

1.4 Приложения ИИ

В статье «AI + Crypto начинает говорить о Web3 Women’s Game-HIM» в сочетании с портфельным проектом «HIM» анализируется значение больших моделей в web3-приложениях. В дополнение к жесткому ядру от инфраструктуры до алгоритмов, разработке не требующих доверия LLM в цепочке, еще одним направлением является разбавление влияния черного ящика в процессе вывода в продукте и поиск подходящего сценария для реализации мощной способности вывода большой модели.

Во-вторых, текущий анализ трека ИИ

2.1 Вычислительная сеть: Есть большой простор для воображения, но высокий порог

Большая логика сети вычислительных мощностей остается прежней, но она по-прежнему сталкивается с проблемой рыночного спроса, кому нужно решение с более низкой эффективностью и стабильностью? Поэтому, я думаю, нужно разобраться со следующими моментами:

Для чего нужна децентрализация?

Если вы спросите основателя сети DecentralizationComputing Power сейчас, он скажет вам, что наша сеть Computing Power может повысить безопасность и устойчивость к атакам, повысить прозрачность и доверие, оптимизировать использование ресурсов, улучшить конфиденциальность данных и контроль пользователей, противостоять цензуре и вмешательству…

Это здравый смысл, и любой web3-проект может быть вовлечен в устойчивый к цензуре, не требующий доверия, конфиденциальность и т. д., но я хочу сказать, что все это не имеет значения. Децентрализация вычислительных мощностей сетей по сути не решает проблему конфиденциальности, и есть много противоречий, таких как безопасность. Таким образом, конечная цель децентрализации вычислительных мощностей должна заключаться в снижении затрат. Чем выше степень децентрализации, тем ниже стоимость использования вычислительных мощностей.

Таким образом, по сути, «использование простаивающих вычислительных мощностей» — это скорее долгосрочный нарратив, и возможность создания сети DecentralizationComputing Power во многом зависит от того, выяснил ли он следующие моменты:

Ценность, предоставляемая Web3

Продуманный дизайн токенов и последующий механизм поощрения/наказания, несомненно, являются мощной добавленной стоимостью, предоставляемой сообществом децентрализации. По сравнению с традиционным Интернетом, токены не только служат средством обмена, но и дополняют смарт-контракты, позволяя протоколам достигать более сложных механизмов стимулирования и управления. В то же время открытость и прозрачность транзакций, снижение затрат и повышение эффективности — все это выигрывает от ценности, приносимой криптовалютой. Эта уникальная ценность обеспечивает большую гибкость и пространство для инноваций для мотивации участников.

Но в то же время я также надеюсь, что это, казалось бы, разумное «соответствие» можно рассматривать рационально, для сети DecentralizationComputing Power ценность, приносимая технологией Web3 и блокчейн, является лишь «добавленной стоимостью» с другой точки зрения, а не фундаментальной подрывной деятельностью, и не может изменить основной режим работы всей сети и прорваться через текущее техническое узкое место.

Короче говоря, ценность этих web3 заключается в повышении привлекательности Decentralization Network, но это не изменит полностью ее основную структуру или операционную модель, и если Decentralization Network действительно займет место в волне AI, ценности одной web3 далеко недостаточно. Поэтому, как упоминалось далее, правильная технология решает правильную задачу, и игровой процесс сети DecentralizationComputing Power заключается ни в коем случае не просто в том, чтобы решить проблему нехватки вычислительных мощностей ИИ, а в том, чтобы придать этому давно спящему треку новый способ игры и мышления.

Это может быть похоже на майнинг pow или майнинг хранилища, монетизируя вычислительную мощность как актив. В этой модели поставщики вычислительной мощности могут зарабатывать токены в качестве вознаграждения, внося свои собственные вычислительные ресурсы. Привлекательность заключается в том, что она предоставляет способ прямого преобразования вычислительных ресурсов в экономическую выгоду, тем самым стимулируя большее количество участников присоединяться к сети. Он также может быть основан на web3, чтобы создать рынок, потребляющий вычислительную мощность, и открыть точку спроса, которая может принять нестабильную и медленную вычислительную мощность за счет финансиализации восходящей вычислительной мощности (например, моделей).

Хотите понять, как совместить с реальными потребностями пользователей, ведь потребности пользователей и участников не обязательно просто эффективные вычислительные мощности, «можно заработать деньги» — это всегда одна из самых убедительных мотиваций.

Основной конкурентоспособностью сети децентрализации вычислительной мощности является цена

Если мы должны обсуждать децентрализацию вычислительной мощности с точки зрения фактической ценности, то самое большое пространство воображения, привнесенное web3, - это стоимость вычислительной мощности, которая имеет возможность быть еще более сжатой.

Чем выше децентрализация вычислительной мощности, тем ниже цена за единицу вычислительной мощности. Его можно вывести из следующих направлений:

1. Внедрение токенов, выплата поставщикам NodeComputing Power от денежных средств до нативного токена протокола, что принципиально снижает операционные расходы;
2. Несанкционированный доступ и сильный эффект сообщества web3 напрямую способствуют оптимизации затрат, ориентированной на рынок, все больше индивидуальных пользователей и малых предприятий могут использовать существующие аппаратные ресурсы для присоединения к сети, предложение вычислительной мощности увеличивается, а цена предложения вычислительной мощности на рынке снижается. По модели автономии и управления сообществом.
3. Открытый рынок вычислительных мощностей, созданный протоколом, снизит ценовую игру поставщиков вычислительных мощностей, тем самым еще больше снизив затраты.

Корпус: ChainML

Проще говоря, ChainML — это платформа децентрализации, которая предоставляет вычислительную мощность для логического вывода и тонкой настройки. В ближайшей перспективе chainml внедрит прокси-фреймворк с открытым исходным кодом AI Council, который обеспечит рост спроса на децентрализованную вычислительную сеть за счет попытки Council (чат-бот, который может быть интегрирован в различные приложения). В долгосрочной перспективе chainml будет полноценной платформой AI + web3 (которая будет подробно проанализирована позже), включая рынок моделей и рынок вычислительных мощностей.

Я думаю, что планирование технического пути ChainML очень разумно, и они очень четко думают о проблемах, упомянутых ранее, цель децентрализацииВычислительная мощность должна заключаться не в том, чтобы обеспечить достаточную вычислительную мощность для индустрии искусственного интеллекта наравне с централизованной вычислительной мощностью, а в постепенном снижении стоимости, чтобы позволить нужному потребителю принять этот источник вычислительной мощности более низкого качества. Таким образом, начиная с децентрализации вычислительной мощностиВычислительный узел PowerNode с точки зрения пути продукта, он должен начинаться с централизованного способа, запускать связь с продуктом на ранней стадии и начинать накапливать клиентов с помощью сильных возможностей BD, расширять и базировать рынок, а затем постепенно рассредоточить поставщиков централизованных вычислительных мощностей по более мелким компаниям по более высокой цене и, наконец, развернуть вычислительную мощность в больших масштабах. В этом и заключается идея chainml «разделяй и властвуй».

С точки зрения компоновки со стороны спроса, ChainML построил MVP централизованного инфраструктурного протокола, а концепция дизайна является переносимой. Мы запускаем систему с клиентами с февраля этого года и используем ее в продакшене с апреля этого года. В настоящее время он работает в Google Cloud, но основан на Kubernetes и других технологиях с открытым исходным кодом, поэтому его легко портировать в другие среды (AWS, Azure, Coreweave и т. д.). За этим последует децентрализация протокола, децентрализация в нишевые облака и, наконец, майнеры, предоставляющие вычислительные мощности.

2.2 Рынок ИИ: больше простора для воображения

Этот сектор называется AI markerplace, что несколько ограничивает пространство воображения. Строго говоря, «рынок ИИ» с реальным пространством воображения должен быть промежуточной платформой, которая финансиализирует всю связь модели, охватывая от лежащих в основе вычислительных мощностей и данных до самой модели и связанных с ней приложений. Как упоминалось ранее, децентрализацияВычислительная мощность, основное противоречие на ранней стадии заключалось в том, как создать спрос, и рынок замкнутого цикла, который финансиализирует все звено ИИ, имеет возможность породить такого рода спрос.

Примерно так:**

Рынок искусственного интеллекта, поддерживаемый web3, основан на вычислительных мощностях и данных, привлекая разработчиков для создания или тонкой настройки моделей на основе более ценных данных, а затем разработки соответствующих приложений на основе моделей, которые создают спрос на вычислительные мощности при разработке и использовании этих приложений и моделей. Под влиянием токена и сообщества, задачи по сбору данных в режиме реального времени, основанные на вознаграждении или нормализованных стимулах за предоставление данных, имеют возможность расширять и расширять уникальные преимущества уровня данных на этом рынке. В то же время популярность приложений также возвращает более ценные данные на уровень данных.

Сообщества

В дополнение к ценности, приносимой токеном, упомянутым ранее, сообщество, несомненно, является одним из самых больших достижений, приносимых web3, и является основной движущей силой для развития платформы. Например, достижение разнообразия данных является преимуществом таких платформ, что необходимо для построения точных и непредвзятых моделей ИИ, а также является узким местом в текущем направлении данных.

Я думаю, что ядром всей платформы является модель, и мы рано поняли, что успех рынка ИИ зависит от наличия высококачественных моделей, и какой стимул есть у разработчиков предоставлять модели на платформе децентрализации? Но мы также, похоже, забыли подумать о проблеме, орфографическая инфраструктура не так сложна, как традиционные платформы, сообщества орфографических разработчиков не такие зрелые, как традиционные платформы, а орфографическая репутация не имеет преимущества первопроходца традиционных платформ, поэтому по сравнению с огромной пользовательской базой и зрелой инфраструктурой традиционных платформ искусственного интеллекта web3-проекты могут обгонять только в углах.

Ответ может заключаться вфинансиализации модели ИИ

• Модели можно рассматривать как товар, а обращение с моделями ИИ как с инвестиционными активами может стать интересным нововведением на рынках Web3 и децентрализации. Эта торговая площадка позволяет пользователям напрямую участвовать в процессе создания ценности моделей ИИ и извлекать из него выгоду. Этот механизм также поощряет стремление к более качественным моделям и вкладу в сообщество, поскольку выгоды пользователя напрямую связаны с производительностью и применением модели; • Пользователи могут инвестировать, размещая модель в стейкинге, а с одной стороны, вводится механизм распределения доходов, чтобы мотивировать пользователей выбирать и поддерживать потенциальные модели, обеспечивая экономические стимулы для разработчиков моделей для создания более совершенных моделей. С другой стороны, наиболее интуитивно понятным критерием для стейкеров для оценки модели (особенно для моделей генерации изображений) является проведение множественных измерений, что обеспечивает спрос на децентрализацию вычислительной мощности платформы, что также может быть одним из выходов из ранее упомянутого «кто захочет использовать менее эффективную и более нестабильную вычислительную мощность?».

2.3 Ончейн ИИ: OPML обгон в поворотах?

ZKML: Спрос и предложение на обоих концах грома

Что можно сказать наверняка, так это то, что ончейн-ИИ должен быть направлением, полным воображения и заслуживающим глубокого изучения. Прорывы в ончейн-ИИ могут принести беспрецедентную ценность web3. Но в то же время чрезвычайно высокий академический порог ZKML и требования к базовой инфраструктуре действительно не подходят для большинства стартапов. Большинство проектов не обязательно должны включать поддержку не заслуживающих доверия LLM, чтобы добиться прорыва в собственной ценности.

Тем не менее, не все модели ИИ нужно перемещать в блокчейн, чтобы использовать ZK для отсутствия доверия, точно так же, как большинство людей не волнует, как чат-бот делает выводы о запросах и выдает результаты, и их не волнует, является ли используемая стабильная диффузия определенной версией архитектуры модели или конкретными настройками параметров. В большинстве сценариев большинство пользователей сосредотачиваются на том, может ли модель дать удовлетворительный результат, а не на том, является ли процесс вывода надежным или прозрачным.

Если доказательство не приводит к стократным накладным расходам или более высоким затратам на логический вывод, возможно, у ZKML все еще есть силы бороться, но перед лицом высоких затрат на инференс в цепочке и более высоких затрат у любого требования есть основания сомневаться в необходимости ончейн-ИИ.

Со стороны спроса

Что волнует пользователя, так это то, имеет ли смысл результат, выдаваемый моделью, до тех пор, пока результат разумен, можно сказать, что недоверие, полученное ZKML, бесполезно.

• Если торговый бот на основе нейронной сети приносит стократную отдачу пользователям каждый цикл, кто будет сомневаться в том, является ли алгоритм централизованным или проверяемым?
• Точно так же, если торговый бот начинает терять деньги пользователей, то команда проекта должна больше думать о том, как улучшить возможности модели, а не тратить энергию и капитал на то, чтобы сделать модель проверяемой. В этом и заключается противоречие в требованиях ZKML, другими словами, верифицируемость модели принципиально не разрешает сомнения людей в отношении ИИ во многих сценариях, что является некоторым противоречием.

Со стороны предложения

Предстоит пройти долгий путь, чтобы разработать проверочную модель, достаточную для поддержки большой модели оракула, и, судя по нынешним попыткам головного проекта, практически невозможно предвидеть день, когда большая модель будет поставлена в цепочку.

Ссылаясь на нашу предыдущую статью о ZKML, с технической точки зрения, целью ZKML является преобразование нейронных сетей в ZK-схемы, а трудности заключаются в следующем:

1. Схемы ZK не поддерживают числа с плавающей запятой;
2. Крупномасштабные нейронные сети сложно конвертировать.

Из текущего прогресса:

1. Новейшая библиотека ZKML поддерживает простую нейронную сеть ZK, которая, как говорят, может связывать базовые модели линейной регрессии. Но демо-версий существует очень мало.
2. Теоретически максимум ** может поддерживать параметр ~100M, но он существует только в теории. **

Прогресс в разработке ZKML не оправдал ожиданий**, судя по текущему прогрессу лаборатории модуля головки гусеницы и доказательству, выпущенному EZKL, некоторые простые модели могут быть преобразованы в схемы ZK для выполнения моделирования в цепочке или доказательств логических выводов на цепи. Но это далеко не ценность ZKML не близка к событию, и узкое место технологии, похоже, не имеет основной мотивации для прорыва, трек с серьезным недостатком спроса принципиально не способен привлечь внимание академического сообщества, а это значит, что сложнее сделать отличный poc для привлечения/удовлетворения оставшегося спроса, что также может быть смертельной спиралью, которая убивает ZKML.

OPML: переход или эндшпиль?

Разница между OPML и ZKML заключается в том, что ZKML доказывает полный процесс вывода, в то время как OPML повторно выполняет часть процесса вывода, когда вывод оспаривается. Очевидно, что самой большой проблемой, которую решает OPML, является высокая стоимость/накладные расходы, что является очень прагматичной оптимизацией.

Будучи пионером OPML, команда HyperOracle представила архитектуру и процесс перехода от однофазного к многофазному opML в статье «opML — это все, что вам нужно: запуск модели машинного обучения 13B в Ethereum»:

• Создайте виртуальную машину для выполнения вне сети и проверки в сети, обеспечив эквивалентность между автономными виртуальными машинами и виртуальными машинами, реализованными в смарт-контрактах в сети.
• Чтобы обеспечить эффективность логического вывода модели ИИ в виртуальной машине, была реализована специально разработанная облегченная библиотека DNN (не зависящая от популярных платформ машинного обучения, таких как Tensorflow или PyTorch), а также команда предоставила сценарий, который может преобразовывать модели Tensorflow и PyTorch в эту облегченную библиотеку.
• Компиляция кода вывода модели ИИ в инструкции программы виртуальной машины с помощью перекрестной компиляции.
• Управление образами ВМ осуществляется через дерево Меркла. Только корень Меркла, который представляет состояние виртуальной машины, будет загружен в ончейн-смарт-контракт.

Однако очевидно, что ключевой недостаток этой конструкции заключается в том, что все вычисления должны выполняться на виртуальной машине, что не позволяет использовать ускорение GPU/TPU и параллельную обработку, что ограничивает эффективность. Отсюда и внедрение многофазного opML.

• Только на заключительном этапе расчет выполняется в ВМ.
• На других этапах вычисление переходов между состояниями происходит в собственной среде, которая использует возможности, например, CPU, GPU, TPU и поддерживает параллельную обработку. Это снижает зависимость от виртуальных машин и значительно повышает производительность выполнения до уровня, сопоставимого с собственными средами.

Ссылки:

ДАВАЙТЕ БУДЕМ РЕАЛИСТАМИ

Существует мнение, что OPML — это переход перед реализацией полного ZKML, но более реалистично сказать, что лучше рассматривать его как своего рода Onchain AI, основанный на структуре затрат и ожиданиях лендинга компромисса, возможно, день полной реализации ZKML никогда не наступит, по крайней мере, я пессимистично настроен по этому поводу, тогда ажиотажу Onchain AI в конечном итоге придется столкнуться с наиболее реалистичным лендингом и стоимостью, тогда OPML может быть Onchain Лучшие практики ИИ, как и экология OP и ZK, никогда не были взаимозаменяемыми.

Хотя не забывайте, что недостатки предыдущих требований все еще существуют, оптимизация OPML, основанная на затратах и эффективности, фундаментально не решает проблему «поскольку пользователи больше заботятся о рациональности результатов, зачем перемещать ИИ в цепочку, чтобы сделать его ненадежным», прозрачность, право собственности и отсутствие доверия, эти баффы действительно полны наворотов, но действительно ли пользователей это волнует? Напротив, воплощение ценности должно заключаться в способности модели к рассуждению.

Я думаю, что такого рода оптимизация затрат технически является инновационной и надежной попыткой, но с точки зрения ценности это скорее хромой круг;

Возможно, сам трек Onchain AI держит молоток, чтобы найти гвоздь, но это также верно, развитие ранней отрасли заключается в том, чтобы продолжать исследовать инновационную комбинацию междоменных технологий и находить наилучшую точку соответствия в непрерывной обкатке.

2.4 Прикладной уровень: 99% монстров сшивания

Я должен сказать, что попытки ИИ на уровне приложений web3 действительно продвигаются вперед, как будто все fomo, но 99% интеграции по-прежнему остается в интеграции, и нет необходимости сопоставлять, насколько ценен сам проект, по способности gpt рассуждать.

На прикладном уровне есть два выхода:

Улучшайте пользовательский опыт и эффективность разработки с помощью возможностей ИИ: В этом случае ИИ будет не основной изюминкой, а чаще в качестве закулисного работника или даже безразличного к пользователям. Комбинация криптовалют хочет быть очень сатоши, понимает точку высокой подгонки, самый ценный момент, с одной стороны, использовать ИИ в качестве инструмента производственной ценности, с одной стороны, повысить эффективность и качество, с другой стороны, благодаря способности ИИ улучшать игровой опыт пользователя, ИИ и криптовалюта действительно приносят очень важную ценность, но принципиально по-прежнему используют средства инструментализации технологий, реальным преимуществом и ядром проекта по-прежнему является способность команды разрабатывать игры

В сочетании с рынком искусственного интеллекта он стал важной частью всей экосистемы для пользователей.

Три, наконец…

Если действительно есть что-то, что нужно подчеркнуть или резюмировать: ИИ по-прежнему остается одним из самых заметных и самых перспективных треков в web3, эта общая логика не изменится;

Но я думаю, что наиболее примечательным является игровой процесс рынка ИИ, в основном эта платформа или инфраструктурный дизайн соответствует потребностям создания ценности и отвечает интересам всех сторон, макроскопически, в дополнение к модели или самой вычислительной мощности для создания уникального способа захвата ценности web3 достаточно привлекателен, в то же время это также позволяет пользователям напрямую участвовать в волне ИИ уникальным образом.

Может быть, через три месяца я снова отменю свою нынешнюю идею, так что:

Вышеизложенное - это только мое мнение по этому треку, которое очень реально, и оно действительно не является каким-либо инвестиционным советом!

Ссылки

“opML - это все, что вам нужно: запустите модель машинного обучения 13B в Ethereum”: __Ui5I9gFOy7-da_jI1lgEqtnzSIKcwuBIrk-6YM0Y