Інтеграція Web3 та AI: побудова нової генерації інфраструктури Інтернету

Web3 як нова парадигма Інтернету, що є децентралізованою, відкритою та прозорою, має природну перевагу у поєднанні з AI. У традиційній централізованій архітектурі обчислення AI та ресурси даних підлягають суворому контролю, стикаються з багатьма викликами, такими як обмеження обчислювальної потужності, витік конфіденційності, непрозорість алгоритмів тощо. Web3 на основі розподілених технологій через спільну мережу обчислювальної потужності, відкриті ринки даних, обчислення конфіденційності тощо, надає новий імпульс для розвитку AI. У той же час AI може надати безліч можливостей для Web3, таких як оптимізація смарт-контрактів, алгоритми протидії шахрайству тощо, що сприяє його екосистемній побудові. Дослідження поєднання Web3 та AI є життєво важливим для створення інфраструктури наступного покоління Інтернету, а також для реалізації цінності даних та обчислювальної потужності.

Дані, що керують: міцна основа для AI та Web3

Дані є основним двигуном розвитку ШІ. Моделі ШІ потребують обробки великої кількості високоякісних даних, щоб отримати глибоке розуміння та потужні можливості міркування. Дані не лише надають навчальну базу для моделей машинного навчання, але й визначають точність і надійність моделей.

Традиційні централізовані моделі отримання та використання даних штучного інтелекту мають наступні основні проблеми:

• Вартість отримання даних висока, і малим та середнім підприємствам важко її витримати.
• Ресурси даних монополізовані технологічними гігантами, що створює острови даних
• Особисті дані піддаються ризику витоку та зловживання

Web3 пропонує нову децентралізовану парадигму даних для вирішення цих проблем:

• Децентралізована платформа збору даних дозволяє користувачам продавати невикористані мережеві ресурси, надаючи компаніям штучного інтелекту реальні, високоякісні навчальні дані.
• Використання моделі "label to earn", що заохочує глобальних працівників брати участь у маркуванні даних через токенне стимулювання, об'єднуючи професійні знання.
• Блокчейн платформа для торгівлі даними надає відкритий та прозорий торговий простір для обох сторін попиту та пропозиції даних, сприяючи інноваціям та обміну даними.

Однак, отримання даних з реального світу все ще має проблеми з якістю, складністю обробки, різноманіттям і недостатньою репрезентативністю. Синтетичні дані можуть стати майбутньою зіркою в галузі даних Web3. На основі технологій генеративного ШІ та моделювання, синтетичні дані можуть імітувати властивості реальних даних, слугуючи ефективним доповненням для підвищення ефективності використання даних. У таких сферах, як автономне водіння, торгівля на фінансових ринках, розробка ігор, синтетичні дані вже продемонстрували зрілий потенціал застосування.

Захист конфіденційності: Роль FHE в Web3

У епоху даних захист конфіденційності став глобальною темою. Однак деякі чутливі дані не можуть бути повністю використані через ризики конфіденційності, що обмежує потенціал та можливості моделювання ШІ.

Повна гомоморфна криптографія (FHE) дозволяє виконувати обчислювальні операції безпосередньо над зашифрованими даними, не розшифровуючи їх, причому результати обчислень збігаються з результатами обчислень над відкритими даними. FHE надає надійний захист для приватних обчислень штучного інтелекту, дозволяючи потужностям GPU виконувати навчання моделей та завдання інференції в середовищі, яке не торкається вихідних даних. Це приносить величезні переваги компаніям у сфері штучного інтелекту, дозволяючи безпечно відкривати API-сервіси, захищаючи при цьому комерційну таємницю.

FHEML підтримує шифрування даних та моделей протягом всього циклу машинного навчання, забезпечуючи безпеку чутливої інформації та запобігаючи ризикам витоку даних. FHEML посилює конфіденційність даних, забезпечуючи безпечну обчислювальну структуру для AI-додатків. FHEML доповнює ZKML, де ZKML доводить правильність виконання машинного навчання, а FHEML підкреслює обчислення на зашифрованих даних для підтримання конфіденційності даних.

Революція обчислювальної потужності: AI-обчислення в децентралізованих мережах

Поточна складність обчислень в AI-системах подвоюється кожні 3 місяці, що призводить до різкого зростання попиту на обчислювальні потужності, що значно перевищує наявні ресурси. Це не лише обмежує прогрес технологій AI, але й робить передові AI-моделі недоступними для більшості дослідників та розробників. Глобальна завантаженість GPU становить менше 40%, а також фактори, такі як нестача чіпів, ще більше ускладнюють проблему постачання обчислювальних ресурсів.

Децентралізована AI обчислювальна мережа шляхом агрегації глобальних вільних ресурсів GPU надає AI компаніям економічно ефективний ринок обчислювальної потужності. Сторони, що потребують обчислювальної потужності, можуть публікувати обчислювальні завдання, смарт-контракт розподіляє завдання між вузлами, які вносять обчислювальну потужність, вузли виконують завдання та надсилають результати, після перевірки отримують винагороду. Це рішення підвищує ефективність використання ресурсів і допомагає вирішити проблему вузького місця в обчислювальній потужності в таких сферах, як AI.

Окрім загальної децентралізованої мережі обчислювальної потужності, існують спеціалізовані мережі обчислювальної потужності, які зосереджені на навчанні та інференції ІШ. Децентралізовані мережі обчислювальної потужності забезпечують справедливий та прозорий ринок обчислювальної потужності, розривають монополії, знижують бар'єри для застосування, підвищують ефективність використання обчислювальної потужності. У екосистемі Web3 децентралізовані мережі обчислювальної потужності відіграватимуть ключову роль, залучаючи більше інноваційних застосунків, щоб спільно просувати розвиток та застосування ІШ.

DePIN: Web3 надає можливості Edge AI

Edge AI дозволяє виконувати обчислення на джерелі даних, забезпечуючи низьку затримку та реальну обробку, одночасно захищаючи конфіденційність користувачів. У сфері Web3 це називається DePIN. Web3 підкреслює децентралізацію та суверенітет даних користувачів, а DePIN посилює захист конфіденційності користувачів, зменшуючи ризик витоку даних шляхом локальної обробки. Вроджений механізм токенів Web3 може стимулювати вузли DePIN надавати обчислювальні ресурси, створюючи стійку екосистему.

В даний час DePIN швидко розвивається в деяких екосистемах публічних блокчейнів, ставши однією з найбільш бажаних платформ для розгортання проектів. Високий TPS, низькі транзакційні витрати та технологічні інновації забезпечують потужну підтримку проектам DePIN. Деякі відомі проекти DePIN вже досягли значного прогресу, а їхня ринкова капіталізація перевищила 10 мільярдів доларів.

IMO：AI-моделі випустили нову парадигму

Концепція IMO передбачає токенізацію моделей штучного інтелекту. В традиційній моделі розробникам моделей ШІ важко отримати постійний дохід від подальшого використання моделей, а також відсутня прозорість у показниках продуктивності та ефективності моделей, що обмежує визнання на ринку та комерційний потенціал.

IMO надає новий спосіб фінансової підтримки та розподілу вартості для відкритих AI моделей. Інвестори можуть купувати токени IMO, щоб поділитися доходами, які будуть отримані від моделей у майбутньому. Деякі протоколи використовують специфічні стандарти ERC, поєднуючи AI оракули та технологію OPML, щоб забезпечити автентичність AI моделей та розподіл доходів між тримачами токенів.

Модель IMO підвищила прозорість і довіру, заохочуючи відкриту співпрацю, адаптуючись до тенденцій криптовалютного ринку, надаючи поштовх сталому розвитку технологій ШІ. IMO наразі перебуває на початковій стадії випробувань, але її інноваційність та потенційна цінність заслуговують на очікування.

AI Агент: нова ера взаємодії

AI Агент може сприймати навколишнє середовище, здійснювати незалежне мислення та вживати дій для досягнення цілей. За підтримки великих мовних моделей, AI Агент не лише може розуміти природну мову, а й планувати рішення, виконувати складні завдання. Вони можуть виступати в якості віртуальних асистентів, навчаючись про уподобання через взаємодію з користувачем, надаючи персоналізовані рішення. Навіть без чітких вказівок, AI Агент може самостійно вирішувати проблеми, підвищуючи ефективність і створюючи нову цінність.

Деякі відкриті платформи для створення додатків на основі ШІ пропонують всеосяжний та зручний набір інструментів для творчості, що дозволяє користувачам налаштовувати функції, зовнішній вигляд, голос роботів, а також підключати зовнішні бази знань, прагнучи створити справедливу та відкриту екосистему контенту на основі ШІ. Використовуючи технології генеративного ШІ, ці платформи надають можливість особам стати супер-творцями. За допомогою навчання спеціально розроблених моделей мови, гра у ролі стає більш людяною; технології клонування голосу можуть прискорити персоналізовану взаємодію з продуктами ШІ та значно знизити витрати на синтез голосу. Ці кастомізовані Агенти ШІ наразі можуть використовуватися в таких сферах, як відеочат, вивчення мов, генерація зображень та ін.

У сфері взаємодії Web3 та AI наразі більше йдеться про дослідження інфраструктурного рівня, включаючи отримання якісних даних, захист конфіденційності даних, управління моделями на блокчейні, підвищення ефективного використання децентралізованих обчислювальних потужностей, перевірку великих мовних моделей та інші ключові питання. З поступовим удосконаленням цієї інфраструктури взаємодія Web3 та AI сприятиме виникненню низки інноваційних бізнес-моделей і послуг.