AI kavramına sahip Web3 projeleri birincil ve ikincil piyasalarda cazip yatırım hedefleri haline geldi.
Web3'ün AI sektöründeki fırsatları, dağıtık teşvikler kullanarak uzun kuyruktaki potansiyel arzı koordine etmekte - veri, depolama ve hesaplama arasında; aynı zamanda açık kaynak bir model ve AI Agent'ın merkeziyetsiz pazarını kurmakta kendini göstermektedir.
Web3 sektöründe AI'nın başlıca kullanıldığı alanlar zincir üstü finans (kripto ödemeler, ticaret, veri analizi) ve geliştirmeye yardımcı olmaktır.
AI+Web3'ün faydası, her ikisinin tamamlayıcılığında yatıyor: Web3, AI merkezileşmesine karşı koymayı umuyor, AI ise Web3'ün sınırlarını aşmasına yardımcı olmayı umuyor.
Giriş
Son iki yılda, AI'nın gelişimi hızlandırılmış gibi görünüyor, Chatgpt'nin kışkırttığı bu kelebek kanadı, yalnızca üretken yapay zekanın yeni bir dünyasını açmakla kalmadı, aynı zamanda diğer taraftaki Web3'te de güçlü bir akıntı başlattı.
AI kavramının etkisiyle, kripto para piyasasındaki finansman belirgin bir şekilde artış gösterdi. Medya verilerine göre, 2024'ün ilk yarısında toplam 64 Web3+AI projesi finansman sağladı; yapay zeka tabanlı işletim sistemi Zyber365, A turunda 100 milyon dolarlık en yüksek finansman miktarını elde etti.
İkincil piyasa daha da hareketlendi, kripto agregat sitesi Coingecko'nun verilerine göre, sadece bir yıl içinde AI alanının toplam piyasa değeri 48.5 milyar dolara ulaştı, 24 saatlik işlem hacmi ise 8.6 milyar dolara yaklaştı; ana akım AI teknolojilerindeki gelişmelerin getirdiği olumlu etkiler belirgin, OpenAI'nin Sora metin-video modeli yayımlandıktan sonra, AI sektöründeki ortalama fiyat %151 arttı; AI etkisi aynı zamanda kripto para çekim sektörlerinden biri olan Meme'ye de yayıldı: İlk AI Agent konseptine sahip MemeCoin - GOAT hızla popülerlik kazandı ve 1.4 milyar dolarlık bir değerleme elde etti, başarılı bir şekilde AI Meme patlamasını başlattı.
AI+Web3 ile ilgili araştırmalar ve konular da oldukça popüler. AI+Depin'den AI Memecoin'e, şu anda ise AI Agent ve AI DAO'ya kadar, FOMO duygusu yeni anlatı dönüşüm hızını yakalayamıyor.
AI+Web3, bu sıcak paralarla, fırsatlarla ve gelecek hayalleriyle dolu terim kombinasyonu, kaçınılmaz olarak insanların bunu bir sermaye tarafından organize edilen bir evlilik olarak görmesine neden oluyor. Bu göz alıcı giysi altında, sonunda spekülatörlerin sahnesi mi yoksa şafak patlamasının eşiği mi olduğunu ayırt etmekte zorlanıyoruz?
Bu soruyu cevaplamak için, her iki taraf için de önemli bir yansıma, diğerine sahip olmak daha mı iyi olurdu? Karşınızdaki kişinin modelinden faydalanabilir misiniz? Bu makalede, bu manzaraya bizden önce gelenlerin omuzlarından da bakmaya çalışıyoruz: Web3, yapay zeka teknoloji yığınının tüm yönlerinde nasıl bir rol oynayabilir ve yapay zeka, Web3'e ne gibi yeni bir hayat getirebilir?
Web3'te AI yığınlarının ne gibi fırsatları var?
Bu konuyu açmadan önce, AI büyük modellerinin teknik yığınını anlamamız gerekiyor:
Görsel Kaynağı: Delphi Digital
Tüm süreci daha basit bir dille ifade etmek gerekirse: "Büyük model", insan beynine benziyor. Erken aşamada, bu beyin dünyaya yeni gelmiş bir bebeğe aittir; çevresindeki geniş bilgi yelpazesini gözlemleyip almak zorundadır ki bu da dünyayı anlamasına yardımcı olur; bu, verilerin "toplanma" aşamasıdır. Bilgisayarların insanların görme, duyma gibi birçok duyusuna sahip olmaması nedeniyle, eğitimden önce, dışarıdaki büyük ölçekli etiketlenmemiş bilgiler "ön işleme" ile bilgisayarın anlayabileceği ve kullanabileceği bilgi formatına dönüştürülmelidir.
Verileri girdikten sonra yapay zeka, bebeğin dış dünyayı kademeli olarak anlama ve öğrenme süreci olarak görülebilecek anlama ve tahmin etme yeteneğine sahip bir model oluşturmak için "eğitir" ve modelin parametreleri, bebeğin öğrenme sürecinde sürekli olarak ayarlanan dil yeteneği gibidir. Öğrenme içeriği konulara ayrılmaya başladığında veya geri bildirim ve düzeltmeler almak için başkalarıyla iletişim kurduğunuzda, büyük modelin "ince ayar" kısmına gireceksiniz.
Çocuklar yavaş yavaş büyüdükçe konuşmayı öğrendiklerinde, yeni diyaloglarda anlamı kavrayabilir ve kendi duygularını ve düşüncelerini ifade edebilirler. Bu aşama, AI büyük modellerinin "akıl yürütme" sürecine benzemektedir; model, yeni dil ve metin girdileri üzerinde tahmin ve analiz yapabilmektedir. Bebekler dil yetenekleriyle duygularını ifade eder, nesneleri tanımlar ve çeşitli sorunları çözerler. Bu da, AI büyük modellerinin eğitim tamamlandıktan sonra akıl yürütme aşamasında belirli görevlerde, örneğin görüntü sınıflandırma, ses tanıma gibi, uygulanmasına benzemektedir.
AI Agent, büyük modellerin bir sonraki biçimine daha da yaklaşmaktadır - bağımsız olarak görevleri yerine getirebilen ve karmaşık hedefler peşinde koşabilen, sadece düşünme yeteneğine sahip olmakla kalmayıp, aynı zamanda hafızaya, planlamaya sahip ve dünyayla etkileşimde bulunmak için araçlar kullanabilen.
Şu anda, AI'nın çeşitli yığınlardaki sorunlarına yönelik olarak, Web3 şu anda AI model süreçlerinin her aşamasını kapsayan çok katmanlı, birbirine bağlı bir ekosistem oluşturmaya başlamıştır.
Birinci, Temel Katman: Hesaplama Gücü ve Veri'nin Airbnb'si
hash gücü
Şu anda, AI'nın en yüksek maliyetlerinden biri, model eğitimi ve çıkarım modeli için gereken hesaplama gücü ve enerji.
Örnek olarak, Meta'nın LLAMA3'ü, yapay zeka ve yüksek performanslı bilgi işlem iş yükleri için tasarlanmış birinci sınıf bir grafik işleme birimi olan NVIDIA tarafından üretilen 16.000 H100GPU gerektirir. Eğitimi tamamlamak için 30 gün. İkincisinin 80 GB'lık versiyonu, birim başına 30.000 ila 40.000 ABD Doları arasında bir maliyete sahip, bu da 4-700 milyon ABD Doları tutarında bilgi işlem donanımı yatırımı (GPU + ağ yongası) gerektirirken, ayda 1.6 milyar kWh eğitim ve ayda yaklaşık 20 milyon ABD Doları enerji harcaması gerektiriyor.
AI hesaplama gücünün rahatlatılması, Web3'ün AI ile kesiştiği en erken alanlardan biri olan DePin (merkeziyetsiz fiziksel altyapı ağı) için geçerlidir. Şu anda, DePin Ninja veri sitesi 1400'den fazla projeyi sergilemektedir. Bunlar arasında GPU hesaplama gücü paylaşımını temsil eden projeler io.net, Aethir, Akash, Render Network gibi projelerdir.
Ana mantık, platformun boşta GPU kaynaklarına sahip bireylerin veya kuruluşların bilgi işlem güçlerine izinsiz ve merkezi olmayan bir şekilde katkıda bulunmalarına izin vermesi, Uber veya Airbnb'ye benzer alıcılar ve satıcılar için çevrimiçi bir pazar yeri aracılığıyla az kullanılan GPU kaynaklarının kullanımını artırması ve böylece son kullanıcılara daha düşük maliyetle verimli bilgi işlem kaynakları sağlamasıdır; Aynı zamanda, stake etme mekanizması, kalite kontrol mekanizmasının ihlali veya ağın bozulması durumunda, kaynak sağlayıcının buna karşılık gelen cezalarına sahip olmasını da sağlar.
Özellikleri şunlardır:
Boşta kalan GPU kaynaklarını bir araya getirmek: Tedarikçiler, başlıca üçüncü taraf bağımsız küçük ve orta ölçekli veri merkezleri, kripto madencilik çiftlikleri gibi operatörlerin fazlalık hesaplama gücü kaynaklarıdır; PoS konsensüs mekanizması ile çalışan madencilik donanımları, örneğin FileCoin ve ETH madencilik makineleri. Şu anda, exolab gibi projeler, MacBook, iPhone, iPad gibi yerel cihazları kullanarak daha düşük giriş barajına sahip cihazlar başlatmaya da odaklanmaktadır.
Yapay zeka bilgi işlem gücünün uzun kuyruklu pazarıyla karşı karşıya: a. Teknik açıdan, merkezi olmayan bilgi işlem piyasası çıkarım adımı için daha uygundur. Eğitim, ultra büyük küme ölçekli GPU'ların getirdiği veri işleme gücüne daha fazla bağımlıyken, çıkarım, Aethir'in düşük gecikmeli işleme işlerine ve yapay zeka çıkarım uygulamalarına odaklanması gibi GPU bilgi işlem için nispeten düşük performansa sahiptir. b. "Talep tarafında", küçük ve orta ölçekli bilgi işlem gücü talep edenler kendi büyük modellerini tek başlarına eğitmeyecekler, ancak yalnızca önde gelen birkaç büyük model etrafında optimize etmeyi ve ince ayar yapmayı seçecekler ve bu senaryolar doğal olarak dağıtılmış boşta bilgi işlem kaynakları için uygundur.
Merkeziyetsiz mülkiyet: Blockchain'in teknik anlamı, kaynak sahiplerinin kaynakları üzerindeki kontrolünü her zaman elinde tutması, talebe göre esnek bir şekilde ayarlama yapması ve aynı zamanda kazanç elde etmesidir.
Veri
Veri, AI'nin temelidir. Veri olmadan, hesaplama bir hiçtir ve veri ile model arasındaki ilişki, "Garbage in, Garbage out" deyimi gibi, verinin miktarı ve girdi kalitesi, nihai modelin çıktı kalitesini belirler. Mevcut AI modelinin eğitimi açısından, veri modelin dil yeteneğini, anlama yeteneğini, hatta değerlerini ve insanî performansını belirler. Şu anda, AI'nın veri ihtiyacındaki zorluklar esasen aşağıdaki dört alana odaklanmaktadır:
Veri açlığı: AI modellerinin eğitimi, büyük miktarda veri girişi gerektirir. Açık kaynaklara göre, OpenAI'nin GPT-4 eğitimi için kullanılan parametre sayısı trilyon seviyesine ulaştı.
Veri kalitesi: AI'nin çeşitli sektörlerle birleşmesiyle birlikte, verinin güncelliği, veri çeşitliliği, dikey veri uzmanlığı ve sosyal medya gibi yeni veri kaynaklarının duygusal analizi, veri kalitesi için yeni gereksinimler ortaya koymuştur.
Gizlilik ve uyum sorunları: Şu anda çeşitli ülkeler ve şirketler, kaliteli veri setlerinin öneminin farkına varmakta ve veri seti kazıma işlemlerine sınırlamalar getirmektedir.
Veri işleme maliyetleri yüksek: Veri miktarı fazla, işleme süreci karmaşık. Kamuya açık verilere göre, AI şirketlerinin %30'undan fazlası Ar-Ge maliyetlerinin temel veri toplama ve işleme için harcanmaktadır.
Şu anda, web3 çözümleri aşağıdaki dört alanda kendini göstermektedir:
Veri toplama: Ücretsiz olarak elde edilen gerçek dünya verileri hızla tükeniyor, AI şirketlerinin veriler için yaptığı harcama yıldan yıla artıyor. Ancak bu harcama, verinin gerçek katkı sağlayanlarına geri dönmüyor, platformlar verilerin sağladığı değer yaratımından tamamen faydalanıyor, örneğin Reddit, AI şirketleriyle yaptığı veri lisans anlaşmalarıyla toplamda 203 milyon dolar gelir elde etti.
Gerçekten katkıda bulunan kullanıcıların, verinin sağladığı değer yaratımına katılmalarını sağlamak ve dağıtık ağlar ve teşvik mekanizmaları aracılığıyla, düşük maliyetle kullanıcılara daha özel ve daha değerli verilere erişim sağlamak, Web3'ün vizyonudur.
Grass, merkeziyetsiz bir veri katmanı ve ağdır; kullanıcılar Grass düğümleri çalıştırarak, boşta kalan bant genişliğini ve iletim trafiğini katkıda bulunarak internet genelindeki gerçek zamanlı verileri yakalayabilir ve token ödülleri alabilirler.
Vana, kullanıcıların özel verilerini (alışveriş geçmişi, tarama alışkanlıkları, sosyal medya etkinliği vb.) belirli bir DLP'ye yükleyebilecekleri ve bu verileri belirli üçüncü taraflara verip vermeyeceklerini esnek bir şekilde seçebilecekleri benzersiz bir Veri Likidite Havuzu (DLP) konsepti sunar.
PublicAI'de, kullanıcılar X üzerinde #AI 或#Web3'ü sınıflandırma etiketi olarak kullanabilir ve veri toplamak için @PublicAI yazabilir.
Veri ön işleme: AI'nın veri işleme sürecinde, toplanan verilerin genellikle gürültülü ve hatalar içermesi nedeniyle, modelin eğitiminden önce temizlenip kullanılabilir bir formata dönüştürülmesi gerekir; bu, standartlaştırma, filtreleme ve eksik değerlerle başa çıkma gibi tekrarlayan görevleri içerir. Bu aşama, AI endüstrisinde nadir olan insan müdahale aşamasıdır ve veri etiketleme uzmanı olarak bilinen bir meslek dalı ortaya çıkmıştır. Modelin veri kalitesi üzerindeki gereksinimleri arttıkça, veri etiketleme uzmanlarının gereksinimleri de artmaktadır ve bu görev doğal olarak Web3'ün merkeziyetsiz teşvik mekanizmasına uygundur.
Şu anda, Grass ve OpenLayer, veri etiketleme gibi bu kritik aşamaya katılmayı düşünüyor.
Synesis, veri kalitesini vurgulayarak "Train2earn" kavramını ortaya koydu. Kullanıcılar, etiketli veriler, yorumlar veya başka biçimlerde giriş sağlayarak ödüller kazanabilirler.
Veri etiketleme projesi Sapien, etiketleme görevlerini oyunlaştırır ve kullanıcıların daha fazla puan kazanmak için puan stake etmelerine olanak tanır.
Veri gizliliği ve güvenliği: Veri gizliliği ve güvenliğinin iki farklı kavram olduğu açıklığa kavuşturulmalıdır. Veri gizliliği, hassas verilerin işlenmesini içerir ve veri güvenliği, verileri yetkisiz erişime, imhaya ve hırsızlığa karşı korur. Sonuç olarak, Web3 gizlilik teknolojisinin avantajları ve potansiyel uygulama senaryoları iki açıdan yansıtılmaktadır: (1) hassas verilerin eğitimi; (2) Veri işbirliği: Birden fazla veri sahibi, ham verilerini paylaşmadan yapay zeka eğitimine katılmak için birlikte çalışabilir.
Mevcut Web3'te yaygın olarak kullanılan gizlilik teknolojileri şunlardır:
Güvenilir çalışma ortamı (TEE), örneğin Super Protocol;
Tam homomorfik şifreleme (FHE), örneğin BasedAI, Fhenix.io veya Inco Network;
Sıfır bilgi teknolojileri (zk), Reclaim Protocol gibi zkTLS teknolojisini kullanarak HTTPS trafiği için sıfır bilgi kanıtı üretir; bu, kullanıcıların hassas bilgileri ifşa etmeden dış web sitelerinden etkinlik, itibar ve kimlik verilerini güvenli bir şekilde içe aktarmalarını sağlar.
Ancak, şu anda bu alan hala erken aşamada ve projelerin çoğu keşif aşamasında. Mevcut bir zorluk, hesaplama maliyetlerinin çok yüksek olmasıdır; bazı örnekler şunlardır:
zkML çerçevesi EZKL, 1M-nanoGPT modelinin bir kanıtını oluşturmak için yaklaşık 80 dakika gerektirir.
Modulus Labs'ın verilerine göre, zkML'nin maliyeti saf hesaplamalardan 1000 kat daha fazladır.
Veri depolama: Verilere sahip olduktan sonra, verileri zincirde depolamak ve bu verilerden üretilen LLM için bir yere ihtiyaç vardır. Veri kullanılabilirliğini (DA) temel sorun olarak ele alarak, Ethereum'un Danksharding yükseltmesi öncesinde, işleme kapasitesi 0.08MB idi. Aynı zamanda, AI modellerinin eğitim ve gerçek zamanlı çıkarım genellikle saniyede 50 ila 100GB veri işleme kapasitesine ihtiyaç duyar. Bu büyüklükteki fark, mevcut zincir içi çözümleri "kaynak yoğun AI uygulamaları ile" karşılaştığında yetersiz bırakmaktadır.
0g.AI bu kategorinin temsilci projesidir. AI yüksek performans gereksinimleri için tasarlanmış merkezi bir depolama çözümüdür. Ana özellikleri arasında: yüksek performans ve ölçeklenebilirlik, gelişmiş parçalama (Sharding) ve hata düzeltme kodu (Erasure Coding) teknolojileri aracılığıyla büyük veri setlerinin hızlı bir şekilde yüklenmesi ve indirilmesi desteklenir, veri transfer hızı saniyede 5GB'a yakın.
İkincisi, Ara Yazılım: Modelin Eğitimi ve Çıkarımı
Açık kaynak model merkeziyetsiz pazar
AI modellerinin kapalı mı yoksa açık mı olacağına dair tartışmalar asla sona ermedi. Açık kaynaklı olmanın getirdiği kolektif yenilik, kapalı kaynaklı modellerin karşılayamayacağı bir avantajdır; ancak hiçbir kâr modeli olmadan, açık kaynaklı modeller geliştiricilerin motivasyonunu nasıl artırabilir? Düşünmeye değer bir yön. Baidu'nun kurucusu Li Yanhong bu yılın Nisan ayında, "Açık kaynaklı modeller giderek geride kalacak" şeklinde kesin bir ifade kullanmıştı.
Buna karşılık, Web3, modelin kendisini tokenleştirmek, ekibe belirli bir oranında token ayırmak ve modelin gelecekteki gelir akışının bir kısmını token sahiplerine yönlendirmek için merkeziyetsiz bir açık kaynak model pazarı olasılığını öneriyor.
Bittensor protokolü, kaynak sağlayıcılarının (hesaplama, veri toplama / depolama, makine öğrenimi uzmanları) belirli alt ağ sahiplerinin hedeflerini karşılamak için rekabet ettiği, onlarca "alt ağdan" oluşan bir açık kaynaklı model P2P pazarı oluşturur. Alt ağlar birbirleriyle etkileşimde bulunabilir ve birbirlerinden öğrenebilir, böylece daha güçlü bir zeka elde edilebilir. Ödüller, topluluk oylaması ile dağıtılır ve rekabet performansına göre alt ağlar arasında daha fazla dağıtılır.
ORA, AI model tokenizasyonunu sağlamak için (IMO) konseptini tanıttı ve AI modellerinin merkeziyetsiz bir ağ üzerinden satın alınmasını, satılmasını ve geliştirilmesini mümkün hale getirdi.
Sentient, merkeziyetsiz bir AGI platformudur, insanların katkıda bulunanlarla işbirliği yapmalarını, AI modelleri inşa etmelerini, çoğaltmalarını ve genişletmelerini teşvik eder ve katkıda bulunanları ödüllendirir.
Spectral Nova, AI ve ML modellerinin oluşturulması ve uygulanmasına odaklanıyor.
doğrulanabilir akıl yürütme
AI'nın çıkarım sürecindeki "kara kutu" sorununa karşı standart Web3 çözümü, birden fazla doğrulayıcının aynı işlemi tekrarlayıp sonuçları karşılaştırmasıdır, ancak şu anda yüksek kaliteli "Nvidia çiplerinin" kıtlığı nedeniyle bu yaklaşımın karşılaştığı belirgin bir zorluk, AI çıkarım maliyetinin yüksek olmasıdır.
Daha umut verici bir çözüm, zincir dışı AI çıkarım hesaplaması için ZK kanıtı "sıfır bilgi kanıtı, bir tarafın kanıtlayıcı olarak diğer tarafa doğrulayıcıya belirli bir ifadenin gerçek olduğunu kanıtlayabildiği bir şifreleme protokolüdür, bu sırada ifadenin doğru olduğuna dair ek bilgi sızdırmadan" ile zincir üzerinde AI model hesaplaması için izinsiz doğrulama yapmaktır. Bu, zincir üzerinde şifreli bir şekilde zincir dışı hesaplamanın doğru bir şekilde tamamlandığını kanıtlamayı (örneğin, veri setinin değiştirilmediğini) ve tüm verilerin gizli kalmasını sağlamayı gerektirir.
Başlıca avantajlar şunlardır:
Ölçeklenebilirlik: Sıfır bilgi kanıtları, büyük miktarda zincir dışı hesaplamaların hızlı bir şekilde doğrulanmasını sağlar. İşlem sayısı artsa bile, tek bir sıfır bilgi kanıtı tüm işlemleri doğrulayabilir.
Gizlilik Koruma: Veri ve AI model detayları gizli tutulurken, taraflar verilerin ve modellerin bozulmadığını doğrulayabilir.
Güvene gerek yok: Hesaplamayı doğrulamak için merkezi taraflara bağımlı olmaya gerek yok.
Web2 Entegrasyonu: Tanım olarak, Web2 zincir dışı entegrasyondur, bu da doğrulanabilir akıl yürütmenin veri setlerini ve AI hesaplamalarını zincire getirmeye yardımcı olabileceği anlamına gelir. Bu, Web3'ün benimsenme oranını artırmaya yardımcı olur.
Şu anda Web3 için doğrulanabilir akıl yürütme ile ilgili doğrulanabilir teknolojiler şunlardır:
zkML: Sıfır bilgi kanıtlarını makine öğrenimi ile birleştirerek verilerin ve modellerin gizliliğini ve mahremiyetini sağlamakta, bazı temel özellikleri ifşa etmeden doğrulanabilir hesaplamalara izin vermektedir. Modulus Labs, ZKML tabanlı bir ZK kanıtlayıcı yayınladı; bu sayede AI sağlayıcılarının zincir üzerinde algoritmaların doğru çalışıp çalışmadığını etkili bir şekilde kontrol edebilmesini sağlıyor. Ancak şu anda müşteriler esasen zincir üzerindeki DApp'ler.
opML: Optimistik toplama ilkesini kullanarak, anlaşmazlıkların meydana geldiği zamanı doğrulayarak ML hesaplamalarının ölçeklenebilirliğini ve verimliliğini artırır. Bu modelde, yalnızca "doğrulayıcı" tarafından üretilen sonuçların küçük bir kısmını doğrulamak yeterlidir, ancak ekonomik maliyetleri yeterince yüksek ayarlayarak doğrulayıcıların dolandırıcılık maliyetlerini artırır ve böylece gereksiz hesaplamaları azaltır.
TeeML: Güvenilir yürütme ortamını kullanarak ML hesaplamalarını güvenli bir şekilde gerçekleştirir, verileri ve modelleri değiştirilme ve yetkisiz erişimden korur.
Üç, Uygulama Katmanı: AI Ajanı
Yapay zekanın mevcut gelişimi, geliştirme odağında model yeteneklerinden yapay zeka aracılarına doğru bir kayma olduğunu göstermiştir. OpenAI, AI modeli unicorn Anthropic ve Microsoft gibi teknoloji şirketleri, mevcut LLM teknoloji platformu dönemini kırmak amacıyla AI ajanlarının geliştirilmesine yöneldi.
OpenAI'nin AI Agent tanımı şudur: LLM'yi beyin olarak kullanan, otonom anlama, algılama, planlama, hafıza ve araç kullanma yeteneğine sahip, karmaşık görevleri otomatik olarak yerine getirebilen sistem. AI, kullanılan bir araç olmaktan çıkıp araçları kullanabilen bir varlık haline geldiğinde AI Agent olur. Bu da AI Agent'ın insanın en ideal akıllı asistanı olmasının nedenidir.
Web3, Ajan'a ne getirebilir?
Merkeziyetsiz
Web3'ün merkeziyetsiz özellikleri, Agent sistemlerinin daha da dağınık ve özerk hale gelmesini sağlayabilir. PoS, DPoS gibi mekanizmalar aracılığıyla stake edenler ve delegelere yönelik teşvik ve ceza mekanizmaları oluşturarak, Agent sisteminin demokratikleşmesini teşvik edebilir. GaiaNet, Theoriq, HajimeAI bu alanda denemelerde bulunmuştur.
Soğuk Başlangıç
Yapay Zeka Aracılarının geliştirilmesi ve yinelenmesi genellikle büyük miktarda finansal destek gerektirir ve Web3, potansiyel Yapay Zeka Aracısı projelerinin erken finansman ve soğuk başlangıçlar elde etmesine yardımcı olabilir.
Virtual Protocol, AI Agent oluşturma ve token ihraç platformu fun.virtuals'ı tanıttı. Herhangi bir kullanıcı, AI Agent'ı bir tıkla dağıtabilir ve AI Agent token'larının %100 adil bir şekilde ihraç edilmesini sağlayabilir.
Spectral, zincir üzerinde AI Agent varlıklarının ihraç edilmesini destekleyen bir ürün tasarımı önerdi: IAO (Initial Agent Offering) aracılığıyla token ihraç ederek, AI Agent doğrudan yatırımcılardan fon alabilir ve aynı zamanda DAO yönetiminin bir üyesi haline gelir, yatırımcılara projeye katılma ve gelecekteki kazançları paylaşma fırsatı sunar.
AI Web3'ü nasıl güçlendiriyor?
AI'nin Web3 projelerine etkisi açıktır, zincir üzerindeki işlemleri (örneğin akıllı sözleşme yürütme, likidite optimizasyonu ve yapay zeka destekli yönetim kararları) optimize ederek blok zinciri teknolojisinden yarar sağlar. Aynı zamanda, daha iyi veri odaklı içgörüler sunabilir, zincir üzerindeki güvenliği artırabilir ve yeni Web3 tabanlı uygulamalar için bir temel oluşturabilir.
Bir, AI ve zincir üzerindeki finans
Yapay Zeka ve Kripto Ekonomi
31 Ağustos'ta Coinbase CEO'su Brian Armstrong, Base ağı üzerinde ilk AI’den AI’ye kripto işleminin gerçekleştirildiğini duyurdu ve AI Agent'ın artık Base üzerinde USD ile insanlar, işletmeler veya diğer AI'larla işlem yapabileceğini, bu işlemlerin anlık, küresel ve ücretsiz olduğunu belirtti.
Ödeme dışında, Virtuals Protocol'ün Luna'sı aynı zamanda AI Agent'ın aşağıdaki yollarla kendi kendine zincir üstü işlemler gerçekleştirdiğini ilk kez gösterdi ve bu durum, AI Agent'ın çevreyi algılayabilen, karar verebilen ve eylem gerçekleştirebilen akıllı bir varlık olarak zincir üstü finansın geleceği olarak görülmesine neden oldu. Şu anda, AI Agent'ın potansiyel senaryoları aşağıdaki noktalarda kendini göstermektedir:
Bilgi toplama ve tahmin: Yatırımcılara borsa duyuruları, proje kamu bilgileri, panik duygusu, kamuoyu riski gibi bilgileri toplamalarına yardımcı olur, varlık temellerini, piyasa durumunu gerçek zamanlı olarak analiz eder ve değerlendirir, eğilimleri ve riskleri tahmin eder.
Varlık Yönetimi: Kullanıcılara uygun yatırım araçları sunmak, varlık portföyünü optimize etmek, otomatik işlem gerçekleştirmek.
Finansal Deneyim: Yatırımcıların en hızlı zincir üstü işlem yöntemlerini seçmelerine yardımcı olmak, otomatik çapraz zincir işlemleri gerçekleştirmek, gas ücretlerini ayarlamak gibi manuel işlemleri azaltmak, zincir üstü finansal faaliyetlerin erişim engelini ve maliyetlerini düşürmek.
Böyle bir sahneyi hayal edin, AI Ajanına şu talimatı veriyorsunuz: "1000USDT'im var, lütfen en yüksek getiriyi sağlayacak kombinasyonu bul, kilitleme süresi bir haftayı geçmesin". AI Ajanı size şu öneride bulunacak: "Başlangıç dağılımını A'ya %50, B'ye %20, X'e %20, Y'ye %10 olarak öneriyorum. Faiz oranlarını izleyeceğim ve risk seviyesindeki değişiklikleri gözlemleyeceğim ve gerektiğinde yeniden dengelemeler yapacağım." Ayrıca, potansiyel airdrop projelerini bulmak ve popüler topluluk belirtileri gösteren Memecoin projelerini araştırmak, AI Ajanının sonrasında gerçekleştirebileceği şeylerdir.
Görsel kaynak: Biconomy
Şu anda, AI Agent cüzdanı Bitte ve AI etkileşim protokolü Wayfinder bu tür denemeler yapıyor. Her ikisi de kullanıcıların ChatGPT benzeri bir sohbet penceresi arayüzünde Agent'a çeşitli zincir üstü işlemleri gerçekleştirmesi için OpenAI'nin model API'sine bağlanmayı deniyor. Örneğin, WayFinder bu yıl Nisan ayında Base, Polygon ve Ethereum ana ağlarında ilk prototipini yayınladı ve swap, send, bridge ve stake gibi dört temel işlemi gösterdi.
Şu anda, merkeziyetsiz Agent platformu Morpheus da bu tür Agent'ların geliştirilmesini destekliyor. Biconomy ise tam cüzdan yetkisi vermeden ETH'yi USDC'ye dönüştüren bir AI Agent işlemini gösterdi.
AI ve zincir üzerindeki işlem güvenliği
Web3 dünyasında, zincir üzerindeki işlem güvenliği son derece önemlidir. AI teknolojisi, zincir üzerindeki işlemlerin güvenliğini ve gizlilik korumasını artırmak için kullanılabilir, potansiyel senaryolar şunlardır:
Ticaret İzleme: Gerçek zamanlı veri teknolojisi, kullanıcılar ve platform için anlık uyarı altyapısı ile anormal ticaret faaliyetlerini izler.
Risk analizi: Platformun müşteri işlem davranış verilerini analiz etmesine yardımcı olmak, risk seviyelerini değerlendirmek.
Örneğin Web3 güvenlik platformu SeQure, AI kullanarak kötü niyetli saldırıları, dolandırıcılık eylemlerini ve veri sızıntılarını tespit eder ve önler, ayrıca zincir üzerindeki işlemlerin güvenliğini ve istikrarını sağlamak için gerçek zamanlı izleme ve alarm mekanizmaları sunar. Benzer güvenlik araçları arasında AI destekli Sentinel de bulunmaktadır.
İkincisi, AI ve zincir üzerindeki altyapı
AI ve zincir üzerindeki veriler
AI teknolojisi, zincir üzerindeki veri toplama ve analizinde önemli bir rol oynamaktadır, örneğin:
Web3 Analitiği: AI tabanlı bir analiz platformudur, makine öğrenimi ve veri madenciliği algoritmalarını kullanarak zincir üzerindeki verileri toplar, işler ve analiz eder.
MinMax AI: AI tabanlı zincir üstü veri analiz araçları sunarak kullanıcıların potansiyel piyasa fırsatlarını ve eğilimlerini keşfetmelerine yardımcı olur.
Followin: ChatGPT ile entegre edilmiş, farklı web siteleri ve topluluk platformlarında dağınık olan ilgili bilgileri toplar ve bir araya getirir.
Bir başka uygulama senaryosu oracle'dır, AI fiyatları doğru fiyat verileri sağlamak için birden fazla kaynaktan alabilir. Örneğin, Upshot, NFT'lerin dalgalanan fiyatlarını her saat milyondan fazla değerlendirme yaparak %3-10 hata payı ile NFT fiyatı sunmak için AI kullanır.
AI ve Geliştirme & Denetim
Son zamanlarda, Web2 tabanlı bir AI kod editörü olan Cursor, geliştirici topluluğunda dikkatleri üzerine çekti. Platformda kullanıcılar yalnızca doğal dil ile tanım yaptıklarında, Cursor otomatik olarak ilgili HTML, CSS ve JavaScript kodlarını oluşturabiliyor ve bu, yazılım geliştirme sürecini büyük ölçüde basitleştiriyor. Bu mantık, Web3 geliştirme verimliliğini artırmak için de geçerlidir.
Şu anda, kamu blok zincirinde akıllı sözleşmeler ve DApp dağıtmak genellikle Solidity, Rust, Move gibi özel geliştirme dilleri izlemeyi gerektirir. Yeni geliştirme dillerinin vizyonu, merkeziyetsiz blok zincirinin tasarım alanını genişletmek ve DApp geliştirmeye daha uygun hale getirmektir, ancak Web3 geliştirici açığı oldukça büyükken, geliştirici eğitimi her zaman daha sıkıntılı bir sorun olmuştur.
Şu anda, AI'nın Web3 geliştirmesine yardımcı olabileceği senaryolar arasında şunlar yer alıyor: otomatik kod üretimi, akıllı sözleşme doğrulama ve testi, DApp'in dağıtımı ve bakımı, akıllı kod tamamlama, AI'nın sorunları çözmek için diyaloğu yanıtlama gibi. AI'nın yardımıyla, hem geliştirme verimliliği ve doğruluğu artırılmakta hem de programlama engeli düşürülmekte, böylece programcı olmayanların da fikirlerini somut uygulamalara dönüştürmesine olanak tanınmakta ve merkeziyetsiz teknolojinin gelişimine yeni bir canlılık kazandırılmaktadır.
Şu anda en dikkat çekici olan, hızlı DIY token dağıtımı için özel olarak tasarlanmış AI destekli "Token Bot" Clanker gibi tek tıklamayla başlatılan token platformlarıdır. Sadece SocialFi protokolü Farcaster istemcisi olan Warpcast veya Supercast'ta Clanker'ı etiketlemeniz ve ona token fikrinizi söylemeniz yeterlidir, o da Base blockchain'inde sizin için token başlatacaktır.
Ayrıca, Web3 geliştirme engellerini azaltmak için akıllı sözleşmelerin tek tıkla oluşturulması ve dağıtımını sağlayan Spectral gibi sözleşme geliştirme platformları da bulunmaktadır; böylece yeni başlayan kullanıcılar bile akıllı sözleşmelerin derlenmesi ve dağıtımını gerçekleştirebilir.
Denetim açısından, Web3 denetim platformu Fuzzland, denetçilerin kod açıklarını kontrol etmelerine yardımcı olmak için AI kullandı ve denetim uzmanlığına destek sağlamak için doğal dil açıklamaları sundu. Fuzzland ayrıca AI kullanarak resmi standartlar ve sözleşme kodları için doğal dil açıklamaları sağladı ve geliştiricilerin kod içindeki potansiyel sorunları anlamalarına yardımcı olmak için bazı örnek kodlar sundu.
Üç, AI ve Web3 Yeni Anlatısı
Üretken AI'nın yükselişi, Web3 yeni anlatısına tamamen yeni olanaklar getirdi.
NFT: AI, üretken NFT'lere yaratıcılık katmaktadır; AI teknolojisi, çeşitli benzersiz ve çeşitli sanat eserleri ve karakterler oluşturabilir. Bu üretken NFT'ler, oyun, sanal dünya veya metaverse'deki karakterler, eşyalar veya sahne unsurları haline gelebilir. Örneğin, Binance'in sahibi olduğu Bicasso, kullanıcıların bir resim yükleyip anahtar kelimeleri girdikten sonra AI hesaplaması yaparak NFT oluşturmasını sağlar. Benzer projeler arasında Solvo, Nicho, IgmnAI ve CharacterGPT bulunmaktadır.
GameFi: AI etrafında doğal dil üretimi, görüntü üretimi ve akıllı NPC yetenekleri ile GameFi, oyun içeriği üretiminde verimliliği ve yeniliği artırmayı vaat ediyor. Örneğin, Binaryx'in ilk zincir oyunu AI Hero'da, oyuncular AI ile farklı hikaye seçeneklerini rastgele keşfedebilir; benzer şekilde, AIGC ve LLM temelinde Sleepless AI adlı sanal partner oyununda, oyuncular farklı etkileşimler aracılığıyla kişiselleştirilmiş oyun oynama şekillerini açabilir.
DAO: Şu anda, AI'nın DAO'ya uygulanması hayal edilmektedir; topluluk etkileşimlerini takip etmesine, katkıları kaydetmesine, en fazla katkıda bulunan üyeleri ödüllendirmesine, oy kullanma işlemlerini temsil etmesine yardımcı olmaktadır. Örneğin, ai16z, AI Agent'i kullanarak zincir üzerinde ve zincir dışında piyasa bilgilerini toplamakta, topluluk konsensüsünü analiz etmekte ve DAO üyelerinin önerileri ile yatırım kararları almaktadır.
AI+Web3 birleşiminin anlamı: Kuleler ve Meydan
İtalya'nın Floransa şehrinin kalbinde, yerel olarak en önemli siyasi etkinliklerin yapıldığı ve vatandaşların, turistlerin toplandığı yer olan Merkez Meydanı bulunmaktadır. Burada 95 metre yüksekliğinde bir belediye bina kulesi yükselmektedir. Kule ile meydan arasındaki dikey ve yatay görsel zıtlık, dramatik estetik bir etki oluşturmakta ve Harvard Üniversitesi tarih departmanından Profesör Neil Ferguson, bu durumu "Meydanlar ve Kuleler" adlı kitabında, ağlar ve hiyerarşilerin dünya tarihi ile ilişkilendirerek, ikisinin zaman içinde dalgalanıp birbirini etkilediğini vurgulamaktadır.
Bu harika metafor, günümüzdeki AI ve Web3 ilişkisine de hiç garip gelmiyor. İkisi arasındaki uzun dönemli, doğrusal olmayan ilişki tarihine bakıldığında, meydanların yeni şeyler üretmede daha yaratıcı olduğu, ancak kulelerin hala kendi meşruiyetine ve güçlü bir canlılığına sahip olduğu görülebilir.
Teknoloji şirketlerinin yüksek yoğunlukta enerji hesaplama verisi toplama yetenekleri sayesinde, AI daha önce görülmemiş bir hayal gücü patlaması yaşıyor. Büyük teknoloji firmaları, farklı sohbet robotlarından "temel büyük modeller" GPT-4, GP4-4o gibi iterasyon versiyonlarına kadar büyük yatırımlar yaparak sahneye çıkıyor. Otomatik programlama robotu (Devin) ve gerçek fiziksel dünya simülasyonu yapabilen Sora gibi yenilikler de ortaya çıkıyor. AI'nın hayal gücü sınırsız bir şekilde genişliyor.
Bu arada, AI esasen ölçeklenebilir ve merkezi bir endüstridir. Bu teknolojik devrim, "internet çağında" yapısal egemenliği giderek daha fazla elinde tutan teknoloji şirketlerini daha dar bir zirveye doğru yönlendirmektedir. Büyük enerji, tekelleşmiş nakit akışı ve akıllı çağın gerektirdiği büyük veri setleri, daha yüksek engeller oluşturmuştur.
Kuleler yükseldikçe, arka plandaki karar vericiler giderek daralıyor, AI merkezileşmesi birçok tehlike getiriyor, meydanda toplanan kalabalık kulelerin gölgesinden nasıl kaçınacak? İşte Web3'ün çözmeyi umduğu sorun.
Esasında, blockchain'in doğasında var olan özellikler yapay zeka sistemlerini güçlendirir ve yeni olanaklar sunar, esasen şunlar:
Yapay Zeka Çağı'ndaki "kod yasadır" - akıllı sözleşmeler ve kriptografik doğrulama aracılığıyla şeffaf sistemlerin otomatik olarak kuralları uygulaması, ödülleri hedefe daha yakın olan gruplara ulaştırır.
Token ekonomisi - Token mekanizmaları, staking, azaltma, token ödülleri ve cezalar aracılığıyla katılımcıların davranışlarını yaratmak ve koordine etmek.
Merkeziyetsiz yönetim - Bilgi kaynaklarını sorgulamamızı teşvik eder ve yapay zeka teknolojilerine daha eleştirel ve içgörülü bir yaklaşım benimsememizi teşvik eder, önyargı, yanlış bilgi ve manipülasyonu önler, nihayetinde daha bilinçli ve güçlendirilmiş bir toplumun yetişmesine katkıda bulunur.
AI'nın gelişimi, Web3'e yeni bir enerji getirdi. Belki Web3'ün AI üzerindeki etkisinin kanıtlanması zaman alacak, ancak AI'nın Web3 üzerindeki etkisi hemen görülüyor: bu, hem Meme çılgınlığı hem de AI Agent'ların zincir üzerindeki uygulamaların kullanım engelini azaltmasına yardımcı olmasıyla net bir şekilde ortada.
Web3, bir avuç insanın kendi kendine eğlenmesi ve geleneksel sektörlerin kopyalanmasıyla ilgili eleştirilerle tanımlandığında, AI'nın katılımı ona öngörülebilir bir gelecek getirdi: daha istikrarlı & daha geniş bir Web2 kullanıcı kitlesi, daha yenilikçi iş modelleri ve hizmetler.
Bir "Kule ve Meydan" dünyasında yaşıyoruz, AI ve Web3'ün farklı zaman çizgileri ve başlangıç noktaları olsa da, nihai hedefleri makineleri insanlara daha iyi hizmet etme yönünde geliştirmektir. Hiç kimse coşkulu bir nehrin tanımını yapamaz, AI+Web3'ün geleceğini görmek için sabırsızlanıyoruz.
The content is for reference only, not a solicitation or offer. No investment, tax, or legal advice provided. See Disclaimer for more risks disclosure.
AI + Web3: Kuleler ve Meydanlar
Yazan: Coinspire
Kısa Özet:
AI kavramına sahip Web3 projeleri birincil ve ikincil piyasalarda cazip yatırım hedefleri haline geldi.
Web3'ün AI sektöründeki fırsatları, dağıtık teşvikler kullanarak uzun kuyruktaki potansiyel arzı koordine etmekte - veri, depolama ve hesaplama arasında; aynı zamanda açık kaynak bir model ve AI Agent'ın merkeziyetsiz pazarını kurmakta kendini göstermektedir.
Web3 sektöründe AI'nın başlıca kullanıldığı alanlar zincir üstü finans (kripto ödemeler, ticaret, veri analizi) ve geliştirmeye yardımcı olmaktır.
AI+Web3'ün faydası, her ikisinin tamamlayıcılığında yatıyor: Web3, AI merkezileşmesine karşı koymayı umuyor, AI ise Web3'ün sınırlarını aşmasına yardımcı olmayı umuyor.
Giriş
Son iki yılda, AI'nın gelişimi hızlandırılmış gibi görünüyor, Chatgpt'nin kışkırttığı bu kelebek kanadı, yalnızca üretken yapay zekanın yeni bir dünyasını açmakla kalmadı, aynı zamanda diğer taraftaki Web3'te de güçlü bir akıntı başlattı.
AI kavramının etkisiyle, kripto para piyasasındaki finansman belirgin bir şekilde artış gösterdi. Medya verilerine göre, 2024'ün ilk yarısında toplam 64 Web3+AI projesi finansman sağladı; yapay zeka tabanlı işletim sistemi Zyber365, A turunda 100 milyon dolarlık en yüksek finansman miktarını elde etti.
İkincil piyasa daha da hareketlendi, kripto agregat sitesi Coingecko'nun verilerine göre, sadece bir yıl içinde AI alanının toplam piyasa değeri 48.5 milyar dolara ulaştı, 24 saatlik işlem hacmi ise 8.6 milyar dolara yaklaştı; ana akım AI teknolojilerindeki gelişmelerin getirdiği olumlu etkiler belirgin, OpenAI'nin Sora metin-video modeli yayımlandıktan sonra, AI sektöründeki ortalama fiyat %151 arttı; AI etkisi aynı zamanda kripto para çekim sektörlerinden biri olan Meme'ye de yayıldı: İlk AI Agent konseptine sahip MemeCoin - GOAT hızla popülerlik kazandı ve 1.4 milyar dolarlık bir değerleme elde etti, başarılı bir şekilde AI Meme patlamasını başlattı.
AI+Web3 ile ilgili araştırmalar ve konular da oldukça popüler. AI+Depin'den AI Memecoin'e, şu anda ise AI Agent ve AI DAO'ya kadar, FOMO duygusu yeni anlatı dönüşüm hızını yakalayamıyor.
AI+Web3, bu sıcak paralarla, fırsatlarla ve gelecek hayalleriyle dolu terim kombinasyonu, kaçınılmaz olarak insanların bunu bir sermaye tarafından organize edilen bir evlilik olarak görmesine neden oluyor. Bu göz alıcı giysi altında, sonunda spekülatörlerin sahnesi mi yoksa şafak patlamasının eşiği mi olduğunu ayırt etmekte zorlanıyoruz?
Bu soruyu cevaplamak için, her iki taraf için de önemli bir yansıma, diğerine sahip olmak daha mı iyi olurdu? Karşınızdaki kişinin modelinden faydalanabilir misiniz? Bu makalede, bu manzaraya bizden önce gelenlerin omuzlarından da bakmaya çalışıyoruz: Web3, yapay zeka teknoloji yığınının tüm yönlerinde nasıl bir rol oynayabilir ve yapay zeka, Web3'e ne gibi yeni bir hayat getirebilir?
Web3'te AI yığınlarının ne gibi fırsatları var?
Bu konuyu açmadan önce, AI büyük modellerinin teknik yığınını anlamamız gerekiyor:
Görsel Kaynağı: Delphi Digital
Tüm süreci daha basit bir dille ifade etmek gerekirse: "Büyük model", insan beynine benziyor. Erken aşamada, bu beyin dünyaya yeni gelmiş bir bebeğe aittir; çevresindeki geniş bilgi yelpazesini gözlemleyip almak zorundadır ki bu da dünyayı anlamasına yardımcı olur; bu, verilerin "toplanma" aşamasıdır. Bilgisayarların insanların görme, duyma gibi birçok duyusuna sahip olmaması nedeniyle, eğitimden önce, dışarıdaki büyük ölçekli etiketlenmemiş bilgiler "ön işleme" ile bilgisayarın anlayabileceği ve kullanabileceği bilgi formatına dönüştürülmelidir.
Verileri girdikten sonra yapay zeka, bebeğin dış dünyayı kademeli olarak anlama ve öğrenme süreci olarak görülebilecek anlama ve tahmin etme yeteneğine sahip bir model oluşturmak için "eğitir" ve modelin parametreleri, bebeğin öğrenme sürecinde sürekli olarak ayarlanan dil yeteneği gibidir. Öğrenme içeriği konulara ayrılmaya başladığında veya geri bildirim ve düzeltmeler almak için başkalarıyla iletişim kurduğunuzda, büyük modelin "ince ayar" kısmına gireceksiniz.
Çocuklar yavaş yavaş büyüdükçe konuşmayı öğrendiklerinde, yeni diyaloglarda anlamı kavrayabilir ve kendi duygularını ve düşüncelerini ifade edebilirler. Bu aşama, AI büyük modellerinin "akıl yürütme" sürecine benzemektedir; model, yeni dil ve metin girdileri üzerinde tahmin ve analiz yapabilmektedir. Bebekler dil yetenekleriyle duygularını ifade eder, nesneleri tanımlar ve çeşitli sorunları çözerler. Bu da, AI büyük modellerinin eğitim tamamlandıktan sonra akıl yürütme aşamasında belirli görevlerde, örneğin görüntü sınıflandırma, ses tanıma gibi, uygulanmasına benzemektedir.
AI Agent, büyük modellerin bir sonraki biçimine daha da yaklaşmaktadır - bağımsız olarak görevleri yerine getirebilen ve karmaşık hedefler peşinde koşabilen, sadece düşünme yeteneğine sahip olmakla kalmayıp, aynı zamanda hafızaya, planlamaya sahip ve dünyayla etkileşimde bulunmak için araçlar kullanabilen.
Şu anda, AI'nın çeşitli yığınlardaki sorunlarına yönelik olarak, Web3 şu anda AI model süreçlerinin her aşamasını kapsayan çok katmanlı, birbirine bağlı bir ekosistem oluşturmaya başlamıştır.
Birinci, Temel Katman: Hesaplama Gücü ve Veri'nin Airbnb'si
hash gücü
Şu anda, AI'nın en yüksek maliyetlerinden biri, model eğitimi ve çıkarım modeli için gereken hesaplama gücü ve enerji.
Örnek olarak, Meta'nın LLAMA3'ü, yapay zeka ve yüksek performanslı bilgi işlem iş yükleri için tasarlanmış birinci sınıf bir grafik işleme birimi olan NVIDIA tarafından üretilen 16.000 H100GPU gerektirir. Eğitimi tamamlamak için 30 gün. İkincisinin 80 GB'lık versiyonu, birim başına 30.000 ila 40.000 ABD Doları arasında bir maliyete sahip, bu da 4-700 milyon ABD Doları tutarında bilgi işlem donanımı yatırımı (GPU + ağ yongası) gerektirirken, ayda 1.6 milyar kWh eğitim ve ayda yaklaşık 20 milyon ABD Doları enerji harcaması gerektiriyor.
AI hesaplama gücünün rahatlatılması, Web3'ün AI ile kesiştiği en erken alanlardan biri olan DePin (merkeziyetsiz fiziksel altyapı ağı) için geçerlidir. Şu anda, DePin Ninja veri sitesi 1400'den fazla projeyi sergilemektedir. Bunlar arasında GPU hesaplama gücü paylaşımını temsil eden projeler io.net, Aethir, Akash, Render Network gibi projelerdir.
Ana mantık, platformun boşta GPU kaynaklarına sahip bireylerin veya kuruluşların bilgi işlem güçlerine izinsiz ve merkezi olmayan bir şekilde katkıda bulunmalarına izin vermesi, Uber veya Airbnb'ye benzer alıcılar ve satıcılar için çevrimiçi bir pazar yeri aracılığıyla az kullanılan GPU kaynaklarının kullanımını artırması ve böylece son kullanıcılara daha düşük maliyetle verimli bilgi işlem kaynakları sağlamasıdır; Aynı zamanda, stake etme mekanizması, kalite kontrol mekanizmasının ihlali veya ağın bozulması durumunda, kaynak sağlayıcının buna karşılık gelen cezalarına sahip olmasını da sağlar.
Özellikleri şunlardır:
Boşta kalan GPU kaynaklarını bir araya getirmek: Tedarikçiler, başlıca üçüncü taraf bağımsız küçük ve orta ölçekli veri merkezleri, kripto madencilik çiftlikleri gibi operatörlerin fazlalık hesaplama gücü kaynaklarıdır; PoS konsensüs mekanizması ile çalışan madencilik donanımları, örneğin FileCoin ve ETH madencilik makineleri. Şu anda, exolab gibi projeler, MacBook, iPhone, iPad gibi yerel cihazları kullanarak daha düşük giriş barajına sahip cihazlar başlatmaya da odaklanmaktadır.
Yapay zeka bilgi işlem gücünün uzun kuyruklu pazarıyla karşı karşıya: a. Teknik açıdan, merkezi olmayan bilgi işlem piyasası çıkarım adımı için daha uygundur. Eğitim, ultra büyük küme ölçekli GPU'ların getirdiği veri işleme gücüne daha fazla bağımlıyken, çıkarım, Aethir'in düşük gecikmeli işleme işlerine ve yapay zeka çıkarım uygulamalarına odaklanması gibi GPU bilgi işlem için nispeten düşük performansa sahiptir. b. "Talep tarafında", küçük ve orta ölçekli bilgi işlem gücü talep edenler kendi büyük modellerini tek başlarına eğitmeyecekler, ancak yalnızca önde gelen birkaç büyük model etrafında optimize etmeyi ve ince ayar yapmayı seçecekler ve bu senaryolar doğal olarak dağıtılmış boşta bilgi işlem kaynakları için uygundur.
Merkeziyetsiz mülkiyet: Blockchain'in teknik anlamı, kaynak sahiplerinin kaynakları üzerindeki kontrolünü her zaman elinde tutması, talebe göre esnek bir şekilde ayarlama yapması ve aynı zamanda kazanç elde etmesidir.
Veri
Veri, AI'nin temelidir. Veri olmadan, hesaplama bir hiçtir ve veri ile model arasındaki ilişki, "Garbage in, Garbage out" deyimi gibi, verinin miktarı ve girdi kalitesi, nihai modelin çıktı kalitesini belirler. Mevcut AI modelinin eğitimi açısından, veri modelin dil yeteneğini, anlama yeteneğini, hatta değerlerini ve insanî performansını belirler. Şu anda, AI'nın veri ihtiyacındaki zorluklar esasen aşağıdaki dört alana odaklanmaktadır:
Veri açlığı: AI modellerinin eğitimi, büyük miktarda veri girişi gerektirir. Açık kaynaklara göre, OpenAI'nin GPT-4 eğitimi için kullanılan parametre sayısı trilyon seviyesine ulaştı.
Veri kalitesi: AI'nin çeşitli sektörlerle birleşmesiyle birlikte, verinin güncelliği, veri çeşitliliği, dikey veri uzmanlığı ve sosyal medya gibi yeni veri kaynaklarının duygusal analizi, veri kalitesi için yeni gereksinimler ortaya koymuştur.
Gizlilik ve uyum sorunları: Şu anda çeşitli ülkeler ve şirketler, kaliteli veri setlerinin öneminin farkına varmakta ve veri seti kazıma işlemlerine sınırlamalar getirmektedir.
Veri işleme maliyetleri yüksek: Veri miktarı fazla, işleme süreci karmaşık. Kamuya açık verilere göre, AI şirketlerinin %30'undan fazlası Ar-Ge maliyetlerinin temel veri toplama ve işleme için harcanmaktadır.
Şu anda, web3 çözümleri aşağıdaki dört alanda kendini göstermektedir:
Gerçekten katkıda bulunan kullanıcıların, verinin sağladığı değer yaratımına katılmalarını sağlamak ve dağıtık ağlar ve teşvik mekanizmaları aracılığıyla, düşük maliyetle kullanıcılara daha özel ve daha değerli verilere erişim sağlamak, Web3'ün vizyonudur.
Grass, merkeziyetsiz bir veri katmanı ve ağdır; kullanıcılar Grass düğümleri çalıştırarak, boşta kalan bant genişliğini ve iletim trafiğini katkıda bulunarak internet genelindeki gerçek zamanlı verileri yakalayabilir ve token ödülleri alabilirler.
Vana, kullanıcıların özel verilerini (alışveriş geçmişi, tarama alışkanlıkları, sosyal medya etkinliği vb.) belirli bir DLP'ye yükleyebilecekleri ve bu verileri belirli üçüncü taraflara verip vermeyeceklerini esnek bir şekilde seçebilecekleri benzersiz bir Veri Likidite Havuzu (DLP) konsepti sunar.
PublicAI'de, kullanıcılar X üzerinde #AI 或#Web3'ü sınıflandırma etiketi olarak kullanabilir ve veri toplamak için @PublicAI yazabilir.
Şu anda, Grass ve OpenLayer, veri etiketleme gibi bu kritik aşamaya katılmayı düşünüyor.
Synesis, veri kalitesini vurgulayarak "Train2earn" kavramını ortaya koydu. Kullanıcılar, etiketli veriler, yorumlar veya başka biçimlerde giriş sağlayarak ödüller kazanabilirler.
Veri etiketleme projesi Sapien, etiketleme görevlerini oyunlaştırır ve kullanıcıların daha fazla puan kazanmak için puan stake etmelerine olanak tanır.
Mevcut Web3'te yaygın olarak kullanılan gizlilik teknolojileri şunlardır:
Güvenilir çalışma ortamı (TEE), örneğin Super Protocol;
Tam homomorfik şifreleme (FHE), örneğin BasedAI, Fhenix.io veya Inco Network;
Sıfır bilgi teknolojileri (zk), Reclaim Protocol gibi zkTLS teknolojisini kullanarak HTTPS trafiği için sıfır bilgi kanıtı üretir; bu, kullanıcıların hassas bilgileri ifşa etmeden dış web sitelerinden etkinlik, itibar ve kimlik verilerini güvenli bir şekilde içe aktarmalarını sağlar.
Ancak, şu anda bu alan hala erken aşamada ve projelerin çoğu keşif aşamasında. Mevcut bir zorluk, hesaplama maliyetlerinin çok yüksek olmasıdır; bazı örnekler şunlardır:
zkML çerçevesi EZKL, 1M-nanoGPT modelinin bir kanıtını oluşturmak için yaklaşık 80 dakika gerektirir.
Modulus Labs'ın verilerine göre, zkML'nin maliyeti saf hesaplamalardan 1000 kat daha fazladır.
0g.AI bu kategorinin temsilci projesidir. AI yüksek performans gereksinimleri için tasarlanmış merkezi bir depolama çözümüdür. Ana özellikleri arasında: yüksek performans ve ölçeklenebilirlik, gelişmiş parçalama (Sharding) ve hata düzeltme kodu (Erasure Coding) teknolojileri aracılığıyla büyük veri setlerinin hızlı bir şekilde yüklenmesi ve indirilmesi desteklenir, veri transfer hızı saniyede 5GB'a yakın.
İkincisi, Ara Yazılım: Modelin Eğitimi ve Çıkarımı
Açık kaynak model merkeziyetsiz pazar
AI modellerinin kapalı mı yoksa açık mı olacağına dair tartışmalar asla sona ermedi. Açık kaynaklı olmanın getirdiği kolektif yenilik, kapalı kaynaklı modellerin karşılayamayacağı bir avantajdır; ancak hiçbir kâr modeli olmadan, açık kaynaklı modeller geliştiricilerin motivasyonunu nasıl artırabilir? Düşünmeye değer bir yön. Baidu'nun kurucusu Li Yanhong bu yılın Nisan ayında, "Açık kaynaklı modeller giderek geride kalacak" şeklinde kesin bir ifade kullanmıştı.
Buna karşılık, Web3, modelin kendisini tokenleştirmek, ekibe belirli bir oranında token ayırmak ve modelin gelecekteki gelir akışının bir kısmını token sahiplerine yönlendirmek için merkeziyetsiz bir açık kaynak model pazarı olasılığını öneriyor.
Bittensor protokolü, kaynak sağlayıcılarının (hesaplama, veri toplama / depolama, makine öğrenimi uzmanları) belirli alt ağ sahiplerinin hedeflerini karşılamak için rekabet ettiği, onlarca "alt ağdan" oluşan bir açık kaynaklı model P2P pazarı oluşturur. Alt ağlar birbirleriyle etkileşimde bulunabilir ve birbirlerinden öğrenebilir, böylece daha güçlü bir zeka elde edilebilir. Ödüller, topluluk oylaması ile dağıtılır ve rekabet performansına göre alt ağlar arasında daha fazla dağıtılır.
ORA, AI model tokenizasyonunu sağlamak için (IMO) konseptini tanıttı ve AI modellerinin merkeziyetsiz bir ağ üzerinden satın alınmasını, satılmasını ve geliştirilmesini mümkün hale getirdi.
Sentient, merkeziyetsiz bir AGI platformudur, insanların katkıda bulunanlarla işbirliği yapmalarını, AI modelleri inşa etmelerini, çoğaltmalarını ve genişletmelerini teşvik eder ve katkıda bulunanları ödüllendirir.
Spectral Nova, AI ve ML modellerinin oluşturulması ve uygulanmasına odaklanıyor.
doğrulanabilir akıl yürütme
AI'nın çıkarım sürecindeki "kara kutu" sorununa karşı standart Web3 çözümü, birden fazla doğrulayıcının aynı işlemi tekrarlayıp sonuçları karşılaştırmasıdır, ancak şu anda yüksek kaliteli "Nvidia çiplerinin" kıtlığı nedeniyle bu yaklaşımın karşılaştığı belirgin bir zorluk, AI çıkarım maliyetinin yüksek olmasıdır.
Daha umut verici bir çözüm, zincir dışı AI çıkarım hesaplaması için ZK kanıtı "sıfır bilgi kanıtı, bir tarafın kanıtlayıcı olarak diğer tarafa doğrulayıcıya belirli bir ifadenin gerçek olduğunu kanıtlayabildiği bir şifreleme protokolüdür, bu sırada ifadenin doğru olduğuna dair ek bilgi sızdırmadan" ile zincir üzerinde AI model hesaplaması için izinsiz doğrulama yapmaktır. Bu, zincir üzerinde şifreli bir şekilde zincir dışı hesaplamanın doğru bir şekilde tamamlandığını kanıtlamayı (örneğin, veri setinin değiştirilmediğini) ve tüm verilerin gizli kalmasını sağlamayı gerektirir.
Başlıca avantajlar şunlardır:
Ölçeklenebilirlik: Sıfır bilgi kanıtları, büyük miktarda zincir dışı hesaplamaların hızlı bir şekilde doğrulanmasını sağlar. İşlem sayısı artsa bile, tek bir sıfır bilgi kanıtı tüm işlemleri doğrulayabilir.
Gizlilik Koruma: Veri ve AI model detayları gizli tutulurken, taraflar verilerin ve modellerin bozulmadığını doğrulayabilir.
Güvene gerek yok: Hesaplamayı doğrulamak için merkezi taraflara bağımlı olmaya gerek yok.
Web2 Entegrasyonu: Tanım olarak, Web2 zincir dışı entegrasyondur, bu da doğrulanabilir akıl yürütmenin veri setlerini ve AI hesaplamalarını zincire getirmeye yardımcı olabileceği anlamına gelir. Bu, Web3'ün benimsenme oranını artırmaya yardımcı olur.
Şu anda Web3 için doğrulanabilir akıl yürütme ile ilgili doğrulanabilir teknolojiler şunlardır:
zkML: Sıfır bilgi kanıtlarını makine öğrenimi ile birleştirerek verilerin ve modellerin gizliliğini ve mahremiyetini sağlamakta, bazı temel özellikleri ifşa etmeden doğrulanabilir hesaplamalara izin vermektedir. Modulus Labs, ZKML tabanlı bir ZK kanıtlayıcı yayınladı; bu sayede AI sağlayıcılarının zincir üzerinde algoritmaların doğru çalışıp çalışmadığını etkili bir şekilde kontrol edebilmesini sağlıyor. Ancak şu anda müşteriler esasen zincir üzerindeki DApp'ler.
opML: Optimistik toplama ilkesini kullanarak, anlaşmazlıkların meydana geldiği zamanı doğrulayarak ML hesaplamalarının ölçeklenebilirliğini ve verimliliğini artırır. Bu modelde, yalnızca "doğrulayıcı" tarafından üretilen sonuçların küçük bir kısmını doğrulamak yeterlidir, ancak ekonomik maliyetleri yeterince yüksek ayarlayarak doğrulayıcıların dolandırıcılık maliyetlerini artırır ve böylece gereksiz hesaplamaları azaltır.
TeeML: Güvenilir yürütme ortamını kullanarak ML hesaplamalarını güvenli bir şekilde gerçekleştirir, verileri ve modelleri değiştirilme ve yetkisiz erişimden korur.
Üç, Uygulama Katmanı: AI Ajanı
Yapay zekanın mevcut gelişimi, geliştirme odağında model yeteneklerinden yapay zeka aracılarına doğru bir kayma olduğunu göstermiştir. OpenAI, AI modeli unicorn Anthropic ve Microsoft gibi teknoloji şirketleri, mevcut LLM teknoloji platformu dönemini kırmak amacıyla AI ajanlarının geliştirilmesine yöneldi.
OpenAI'nin AI Agent tanımı şudur: LLM'yi beyin olarak kullanan, otonom anlama, algılama, planlama, hafıza ve araç kullanma yeteneğine sahip, karmaşık görevleri otomatik olarak yerine getirebilen sistem. AI, kullanılan bir araç olmaktan çıkıp araçları kullanabilen bir varlık haline geldiğinde AI Agent olur. Bu da AI Agent'ın insanın en ideal akıllı asistanı olmasının nedenidir.
Web3, Ajan'a ne getirebilir?
Web3'ün merkeziyetsiz özellikleri, Agent sistemlerinin daha da dağınık ve özerk hale gelmesini sağlayabilir. PoS, DPoS gibi mekanizmalar aracılığıyla stake edenler ve delegelere yönelik teşvik ve ceza mekanizmaları oluşturarak, Agent sisteminin demokratikleşmesini teşvik edebilir. GaiaNet, Theoriq, HajimeAI bu alanda denemelerde bulunmuştur.
Yapay Zeka Aracılarının geliştirilmesi ve yinelenmesi genellikle büyük miktarda finansal destek gerektirir ve Web3, potansiyel Yapay Zeka Aracısı projelerinin erken finansman ve soğuk başlangıçlar elde etmesine yardımcı olabilir.
Virtual Protocol, AI Agent oluşturma ve token ihraç platformu fun.virtuals'ı tanıttı. Herhangi bir kullanıcı, AI Agent'ı bir tıkla dağıtabilir ve AI Agent token'larının %100 adil bir şekilde ihraç edilmesini sağlayabilir.
Spectral, zincir üzerinde AI Agent varlıklarının ihraç edilmesini destekleyen bir ürün tasarımı önerdi: IAO (Initial Agent Offering) aracılığıyla token ihraç ederek, AI Agent doğrudan yatırımcılardan fon alabilir ve aynı zamanda DAO yönetiminin bir üyesi haline gelir, yatırımcılara projeye katılma ve gelecekteki kazançları paylaşma fırsatı sunar.
AI Web3'ü nasıl güçlendiriyor?
AI'nin Web3 projelerine etkisi açıktır, zincir üzerindeki işlemleri (örneğin akıllı sözleşme yürütme, likidite optimizasyonu ve yapay zeka destekli yönetim kararları) optimize ederek blok zinciri teknolojisinden yarar sağlar. Aynı zamanda, daha iyi veri odaklı içgörüler sunabilir, zincir üzerindeki güvenliği artırabilir ve yeni Web3 tabanlı uygulamalar için bir temel oluşturabilir.
Bir, AI ve zincir üzerindeki finans
Yapay Zeka ve Kripto Ekonomi
31 Ağustos'ta Coinbase CEO'su Brian Armstrong, Base ağı üzerinde ilk AI’den AI’ye kripto işleminin gerçekleştirildiğini duyurdu ve AI Agent'ın artık Base üzerinde USD ile insanlar, işletmeler veya diğer AI'larla işlem yapabileceğini, bu işlemlerin anlık, küresel ve ücretsiz olduğunu belirtti.
Ödeme dışında, Virtuals Protocol'ün Luna'sı aynı zamanda AI Agent'ın aşağıdaki yollarla kendi kendine zincir üstü işlemler gerçekleştirdiğini ilk kez gösterdi ve bu durum, AI Agent'ın çevreyi algılayabilen, karar verebilen ve eylem gerçekleştirebilen akıllı bir varlık olarak zincir üstü finansın geleceği olarak görülmesine neden oldu. Şu anda, AI Agent'ın potansiyel senaryoları aşağıdaki noktalarda kendini göstermektedir:
Bilgi toplama ve tahmin: Yatırımcılara borsa duyuruları, proje kamu bilgileri, panik duygusu, kamuoyu riski gibi bilgileri toplamalarına yardımcı olur, varlık temellerini, piyasa durumunu gerçek zamanlı olarak analiz eder ve değerlendirir, eğilimleri ve riskleri tahmin eder.
Varlık Yönetimi: Kullanıcılara uygun yatırım araçları sunmak, varlık portföyünü optimize etmek, otomatik işlem gerçekleştirmek.
Finansal Deneyim: Yatırımcıların en hızlı zincir üstü işlem yöntemlerini seçmelerine yardımcı olmak, otomatik çapraz zincir işlemleri gerçekleştirmek, gas ücretlerini ayarlamak gibi manuel işlemleri azaltmak, zincir üstü finansal faaliyetlerin erişim engelini ve maliyetlerini düşürmek.
Böyle bir sahneyi hayal edin, AI Ajanına şu talimatı veriyorsunuz: "1000USDT'im var, lütfen en yüksek getiriyi sağlayacak kombinasyonu bul, kilitleme süresi bir haftayı geçmesin". AI Ajanı size şu öneride bulunacak: "Başlangıç dağılımını A'ya %50, B'ye %20, X'e %20, Y'ye %10 olarak öneriyorum. Faiz oranlarını izleyeceğim ve risk seviyesindeki değişiklikleri gözlemleyeceğim ve gerektiğinde yeniden dengelemeler yapacağım." Ayrıca, potansiyel airdrop projelerini bulmak ve popüler topluluk belirtileri gösteren Memecoin projelerini araştırmak, AI Ajanının sonrasında gerçekleştirebileceği şeylerdir.
Görsel kaynak: Biconomy
Şu anda, AI Agent cüzdanı Bitte ve AI etkileşim protokolü Wayfinder bu tür denemeler yapıyor. Her ikisi de kullanıcıların ChatGPT benzeri bir sohbet penceresi arayüzünde Agent'a çeşitli zincir üstü işlemleri gerçekleştirmesi için OpenAI'nin model API'sine bağlanmayı deniyor. Örneğin, WayFinder bu yıl Nisan ayında Base, Polygon ve Ethereum ana ağlarında ilk prototipini yayınladı ve swap, send, bridge ve stake gibi dört temel işlemi gösterdi.
Şu anda, merkeziyetsiz Agent platformu Morpheus da bu tür Agent'ların geliştirilmesini destekliyor. Biconomy ise tam cüzdan yetkisi vermeden ETH'yi USDC'ye dönüştüren bir AI Agent işlemini gösterdi.
AI ve zincir üzerindeki işlem güvenliği
Web3 dünyasında, zincir üzerindeki işlem güvenliği son derece önemlidir. AI teknolojisi, zincir üzerindeki işlemlerin güvenliğini ve gizlilik korumasını artırmak için kullanılabilir, potansiyel senaryolar şunlardır:
Ticaret İzleme: Gerçek zamanlı veri teknolojisi, kullanıcılar ve platform için anlık uyarı altyapısı ile anormal ticaret faaliyetlerini izler.
Risk analizi: Platformun müşteri işlem davranış verilerini analiz etmesine yardımcı olmak, risk seviyelerini değerlendirmek.
Örneğin Web3 güvenlik platformu SeQure, AI kullanarak kötü niyetli saldırıları, dolandırıcılık eylemlerini ve veri sızıntılarını tespit eder ve önler, ayrıca zincir üzerindeki işlemlerin güvenliğini ve istikrarını sağlamak için gerçek zamanlı izleme ve alarm mekanizmaları sunar. Benzer güvenlik araçları arasında AI destekli Sentinel de bulunmaktadır.
İkincisi, AI ve zincir üzerindeki altyapı
AI ve zincir üzerindeki veriler
AI teknolojisi, zincir üzerindeki veri toplama ve analizinde önemli bir rol oynamaktadır, örneğin:
Web3 Analitiği: AI tabanlı bir analiz platformudur, makine öğrenimi ve veri madenciliği algoritmalarını kullanarak zincir üzerindeki verileri toplar, işler ve analiz eder.
MinMax AI: AI tabanlı zincir üstü veri analiz araçları sunarak kullanıcıların potansiyel piyasa fırsatlarını ve eğilimlerini keşfetmelerine yardımcı olur.
Kaito: LLM tabanlı arama motorunun Web3 arama platformu.
Followin: ChatGPT ile entegre edilmiş, farklı web siteleri ve topluluk platformlarında dağınık olan ilgili bilgileri toplar ve bir araya getirir.
Bir başka uygulama senaryosu oracle'dır, AI fiyatları doğru fiyat verileri sağlamak için birden fazla kaynaktan alabilir. Örneğin, Upshot, NFT'lerin dalgalanan fiyatlarını her saat milyondan fazla değerlendirme yaparak %3-10 hata payı ile NFT fiyatı sunmak için AI kullanır.
AI ve Geliştirme & Denetim
Son zamanlarda, Web2 tabanlı bir AI kod editörü olan Cursor, geliştirici topluluğunda dikkatleri üzerine çekti. Platformda kullanıcılar yalnızca doğal dil ile tanım yaptıklarında, Cursor otomatik olarak ilgili HTML, CSS ve JavaScript kodlarını oluşturabiliyor ve bu, yazılım geliştirme sürecini büyük ölçüde basitleştiriyor. Bu mantık, Web3 geliştirme verimliliğini artırmak için de geçerlidir.
Şu anda, kamu blok zincirinde akıllı sözleşmeler ve DApp dağıtmak genellikle Solidity, Rust, Move gibi özel geliştirme dilleri izlemeyi gerektirir. Yeni geliştirme dillerinin vizyonu, merkeziyetsiz blok zincirinin tasarım alanını genişletmek ve DApp geliştirmeye daha uygun hale getirmektir, ancak Web3 geliştirici açığı oldukça büyükken, geliştirici eğitimi her zaman daha sıkıntılı bir sorun olmuştur.
Şu anda, AI'nın Web3 geliştirmesine yardımcı olabileceği senaryolar arasında şunlar yer alıyor: otomatik kod üretimi, akıllı sözleşme doğrulama ve testi, DApp'in dağıtımı ve bakımı, akıllı kod tamamlama, AI'nın sorunları çözmek için diyaloğu yanıtlama gibi. AI'nın yardımıyla, hem geliştirme verimliliği ve doğruluğu artırılmakta hem de programlama engeli düşürülmekte, böylece programcı olmayanların da fikirlerini somut uygulamalara dönüştürmesine olanak tanınmakta ve merkeziyetsiz teknolojinin gelişimine yeni bir canlılık kazandırılmaktadır.
Şu anda en dikkat çekici olan, hızlı DIY token dağıtımı için özel olarak tasarlanmış AI destekli "Token Bot" Clanker gibi tek tıklamayla başlatılan token platformlarıdır. Sadece SocialFi protokolü Farcaster istemcisi olan Warpcast veya Supercast'ta Clanker'ı etiketlemeniz ve ona token fikrinizi söylemeniz yeterlidir, o da Base blockchain'inde sizin için token başlatacaktır.
Ayrıca, Web3 geliştirme engellerini azaltmak için akıllı sözleşmelerin tek tıkla oluşturulması ve dağıtımını sağlayan Spectral gibi sözleşme geliştirme platformları da bulunmaktadır; böylece yeni başlayan kullanıcılar bile akıllı sözleşmelerin derlenmesi ve dağıtımını gerçekleştirebilir.
Denetim açısından, Web3 denetim platformu Fuzzland, denetçilerin kod açıklarını kontrol etmelerine yardımcı olmak için AI kullandı ve denetim uzmanlığına destek sağlamak için doğal dil açıklamaları sundu. Fuzzland ayrıca AI kullanarak resmi standartlar ve sözleşme kodları için doğal dil açıklamaları sağladı ve geliştiricilerin kod içindeki potansiyel sorunları anlamalarına yardımcı olmak için bazı örnek kodlar sundu.
Üç, AI ve Web3 Yeni Anlatısı
Üretken AI'nın yükselişi, Web3 yeni anlatısına tamamen yeni olanaklar getirdi.
NFT: AI, üretken NFT'lere yaratıcılık katmaktadır; AI teknolojisi, çeşitli benzersiz ve çeşitli sanat eserleri ve karakterler oluşturabilir. Bu üretken NFT'ler, oyun, sanal dünya veya metaverse'deki karakterler, eşyalar veya sahne unsurları haline gelebilir. Örneğin, Binance'in sahibi olduğu Bicasso, kullanıcıların bir resim yükleyip anahtar kelimeleri girdikten sonra AI hesaplaması yaparak NFT oluşturmasını sağlar. Benzer projeler arasında Solvo, Nicho, IgmnAI ve CharacterGPT bulunmaktadır.
GameFi: AI etrafında doğal dil üretimi, görüntü üretimi ve akıllı NPC yetenekleri ile GameFi, oyun içeriği üretiminde verimliliği ve yeniliği artırmayı vaat ediyor. Örneğin, Binaryx'in ilk zincir oyunu AI Hero'da, oyuncular AI ile farklı hikaye seçeneklerini rastgele keşfedebilir; benzer şekilde, AIGC ve LLM temelinde Sleepless AI adlı sanal partner oyununda, oyuncular farklı etkileşimler aracılığıyla kişiselleştirilmiş oyun oynama şekillerini açabilir.
DAO: Şu anda, AI'nın DAO'ya uygulanması hayal edilmektedir; topluluk etkileşimlerini takip etmesine, katkıları kaydetmesine, en fazla katkıda bulunan üyeleri ödüllendirmesine, oy kullanma işlemlerini temsil etmesine yardımcı olmaktadır. Örneğin, ai16z, AI Agent'i kullanarak zincir üzerinde ve zincir dışında piyasa bilgilerini toplamakta, topluluk konsensüsünü analiz etmekte ve DAO üyelerinin önerileri ile yatırım kararları almaktadır.
AI+Web3 birleşiminin anlamı: Kuleler ve Meydan
İtalya'nın Floransa şehrinin kalbinde, yerel olarak en önemli siyasi etkinliklerin yapıldığı ve vatandaşların, turistlerin toplandığı yer olan Merkez Meydanı bulunmaktadır. Burada 95 metre yüksekliğinde bir belediye bina kulesi yükselmektedir. Kule ile meydan arasındaki dikey ve yatay görsel zıtlık, dramatik estetik bir etki oluşturmakta ve Harvard Üniversitesi tarih departmanından Profesör Neil Ferguson, bu durumu "Meydanlar ve Kuleler" adlı kitabında, ağlar ve hiyerarşilerin dünya tarihi ile ilişkilendirerek, ikisinin zaman içinde dalgalanıp birbirini etkilediğini vurgulamaktadır.
Bu harika metafor, günümüzdeki AI ve Web3 ilişkisine de hiç garip gelmiyor. İkisi arasındaki uzun dönemli, doğrusal olmayan ilişki tarihine bakıldığında, meydanların yeni şeyler üretmede daha yaratıcı olduğu, ancak kulelerin hala kendi meşruiyetine ve güçlü bir canlılığına sahip olduğu görülebilir.
Teknoloji şirketlerinin yüksek yoğunlukta enerji hesaplama verisi toplama yetenekleri sayesinde, AI daha önce görülmemiş bir hayal gücü patlaması yaşıyor. Büyük teknoloji firmaları, farklı sohbet robotlarından "temel büyük modeller" GPT-4, GP4-4o gibi iterasyon versiyonlarına kadar büyük yatırımlar yaparak sahneye çıkıyor. Otomatik programlama robotu (Devin) ve gerçek fiziksel dünya simülasyonu yapabilen Sora gibi yenilikler de ortaya çıkıyor. AI'nın hayal gücü sınırsız bir şekilde genişliyor.
Bu arada, AI esasen ölçeklenebilir ve merkezi bir endüstridir. Bu teknolojik devrim, "internet çağında" yapısal egemenliği giderek daha fazla elinde tutan teknoloji şirketlerini daha dar bir zirveye doğru yönlendirmektedir. Büyük enerji, tekelleşmiş nakit akışı ve akıllı çağın gerektirdiği büyük veri setleri, daha yüksek engeller oluşturmuştur.
Kuleler yükseldikçe, arka plandaki karar vericiler giderek daralıyor, AI merkezileşmesi birçok tehlike getiriyor, meydanda toplanan kalabalık kulelerin gölgesinden nasıl kaçınacak? İşte Web3'ün çözmeyi umduğu sorun.
Esasında, blockchain'in doğasında var olan özellikler yapay zeka sistemlerini güçlendirir ve yeni olanaklar sunar, esasen şunlar:
Yapay Zeka Çağı'ndaki "kod yasadır" - akıllı sözleşmeler ve kriptografik doğrulama aracılığıyla şeffaf sistemlerin otomatik olarak kuralları uygulaması, ödülleri hedefe daha yakın olan gruplara ulaştırır.
Token ekonomisi - Token mekanizmaları, staking, azaltma, token ödülleri ve cezalar aracılığıyla katılımcıların davranışlarını yaratmak ve koordine etmek.
Merkeziyetsiz yönetim - Bilgi kaynaklarını sorgulamamızı teşvik eder ve yapay zeka teknolojilerine daha eleştirel ve içgörülü bir yaklaşım benimsememizi teşvik eder, önyargı, yanlış bilgi ve manipülasyonu önler, nihayetinde daha bilinçli ve güçlendirilmiş bir toplumun yetişmesine katkıda bulunur.
AI'nın gelişimi, Web3'e yeni bir enerji getirdi. Belki Web3'ün AI üzerindeki etkisinin kanıtlanması zaman alacak, ancak AI'nın Web3 üzerindeki etkisi hemen görülüyor: bu, hem Meme çılgınlığı hem de AI Agent'ların zincir üzerindeki uygulamaların kullanım engelini azaltmasına yardımcı olmasıyla net bir şekilde ortada.
Web3, bir avuç insanın kendi kendine eğlenmesi ve geleneksel sektörlerin kopyalanmasıyla ilgili eleştirilerle tanımlandığında, AI'nın katılımı ona öngörülebilir bir gelecek getirdi: daha istikrarlı & daha geniş bir Web2 kullanıcı kitlesi, daha yenilikçi iş modelleri ve hizmetler.
Bir "Kule ve Meydan" dünyasında yaşıyoruz, AI ve Web3'ün farklı zaman çizgileri ve başlangıç noktaları olsa da, nihai hedefleri makineleri insanlara daha iyi hizmet etme yönünde geliştirmektir. Hiç kimse coşkulu bir nehrin tanımını yapamaz, AI+Web3'ün geleceğini görmek için sabırsızlanıyoruz.