Стан розвитку Web3 AI та перспективи на майбутнє

Нещодавно акції NVIDIA знову досягли рекордного рівня, а прогрес мультимодальних моделей ще більше поглибив технологічний бар'єр Web2 AI. Від семантичного вирівнювання до візуального розуміння, від високодисперсних вбудувань до злиття ознак, складні моделі інтегрують різні модальності вираження з небаченою швидкістю, будуючи все більш закриту AI-територію. Ринок акцій США також на практиці підтвердив визнання цієї тенденції, незалежно від того, чи йдеться про акції, пов'язані з криптовалютами, чи акції AI, всі вони демонструють хвилю невеликого бичачого ринку.

Однак ця хвиля, здається, не має жодного відношення до сфери криптовалют. Те, що ми спостерігаємо у спробах Web3 AI, особливо в еволюції напрямку Agent за останні кілька місяців, має значні відхилення: спроба зібрати модульну систему в стилі Web2 за допомогою децентралізованої структури насправді є подвійним невідповідністю як у технології, так і в мисленні. У поточному середовищі, де модулі сильно взаємопов'язані, розподіл ознак надзвичайно нестабільний, а потреба в обчислювальних потужностях зростає, багатомодульність у сфері Web3 важко знайти.

Майбутнє Web3 AI не в імітації, а в стратегічному обході. Від семантичного вирівнювання в просторах високих вимірів до інформаційного вузького місця в механізмах уваги, і до вирівнювання ознак під гетерогенною обчислювальною потужністю, Web3 AI потрібно використовувати тактику "села, що оточують місто".

Виклики, з якими стикається Web3 AI

семантичне вирівнювання та високорозмірні вбудовування

У сучасних мультимодальних системах Web2 AI "семантичне вирівнювання" є ключовою технологією, що дозволяє відображати інформацію з різних модальностей в одному семантичному просторі. Це вимагає наявності високорозмірного вбудованого простору як основи для ефективної співпраці між модулями. Однак, протокол Web3 Agent важко реалізувати в високорозмірному вбудованому просторі, оскільки вони зазвичай просто обгортки готових API, які не мають єдиного центрального вбудованого простору та міжмодульного механізму уваги.

Щоб реалізувати повноланцюговий інтелектуальний агент з індустріальними бар'єрами, необхідно почати з об'єднаного моделювання з кінця в кінець, єдиної вбудовування між модулями, а також системної інженерії співпраці в навчанні та розгортанні. Але на даний момент ринок не має достатнього попиту на це, тому й бракує відповідних рішень.

Обмеження механізму уваги

Високоякісні багатомодальні моделі потребують точно спроектованих механізмів уваги. Web2 AI вже досяг помітного прогресу в цій сфері, таких як самоувага та крос-увага в Transformer. Однак, модульний Web3 AI важко реалізувати єдине планування уваги. Це пов'язано з тим, що механізми уваги залежать від єдиного простору Query-Key-Value, тоді як формати даних та їх розподіл, які повертаються незалежними API, різняться, що унеможливлює формування взаємодіючих Q/K/V.

Злиття ознак у поверхневій формі

Web3 AI все ще перебуває на етапі простого статичного з'єднання в області злиття ознак. Це пов'язано з тим, що динамічне злиття ознак потребує високовимірного простору та тонкого механізму уваги як передумови. Web2 AI схильний до кінцевого навчання в об'єднанні, тоді як Web3 AI частіше використовує практику дискретного з'єднання модулів, що позбавлене єдиної навчальної мети та перехресного потоку градієнтів.

Бар'єри в галузі штучного інтелекту та майбутні можливості

Технічні бар'єри в галузі штучного інтелекту поглиблюються, але можливості Web3 AI ще не справді проявилися. Основною перевагою Web3 AI є децентралізація, а його еволюційний шлях проявляється у високій паралельності, низькій зв'язаності та сумісності гетерогенних обчислювальних потужностей. Це робить Web3 AI більш вигідним у таких сценаріях, як крайові обчислення, підходячи для легковагових структур, легкості паралелізації та завдань, що підлягають стимулюванню.

В майбутньому розвиток Web3 AI має базуватися на стратегії "села оточують місто":

1. Зайти з краю, укріпитися на малих масштабних сценах.
2. Поєднання точок і площ, поступальний рух по колу, постійне оновлення продукту в невеликих прикладних сценаріях.
3. Зберігайте гнучкість, щоб швидко коригувати стратегію в залежності від різних обставин.

Лише коли зникнуть переваги Web2 AI, залишені ним проблеми можуть стати можливістю для входження в Web3 AI. До цього моменту, практики Web3 AI повинні обережно визначати дійсно перспективні проекти, звертаючи увагу на ті, які можуть стабільно розвиватися в крайніх областях і мають достатню гнучкість протоколу.