La fusión de Web3 e inteligencia artificial: Abriendo una nueva era de Internet

La inteligencia artificial y Web3, como dos tecnologías de vanguardia, se están fusionando de manera notable, moldeando conjuntamente la dirección del desarrollo de internet en el futuro. Web3, con sus características de descentralización y apertura transparente, proporciona un nuevo impulso y posibilidades para el desarrollo de la IA. Al mismo tiempo, la IA también aporta numerosas capacidades al ecosistema de Web3, como la optimización de contratos inteligentes. Explorar la combinación de estas dos tecnologías es de gran importancia para construir la infraestructura de internet de próxima generación y liberar plenamente el valor de los datos y la potencia de cálculo.

Datos: La base de AI y Web3

Los datos, como el motor central del desarrollo de la IA, son de importancia indiscutible. Datos de alta calidad y a gran escala son clave para que los modelos de IA obtengan una comprensión profunda y una gran capacidad de razonamiento. Sin embargo, los modelos tradicionales de adquisición y utilización de datos centralizados presentan numerosos problemas, como altos costos de adquisición, monopolio de datos y riesgos de filtración de privacidad.

El paradigma de datos descentralizados de Web3 ofrece nuevas ideas para abordar estos puntos críticos:

1. Recolección de datos descentralizada: los usuarios pueden participar en el proceso de recopilación de datos de las empresas de IA al vender recursos de red ociosos, logrando así la obtención descentralizada de datos.

2. Colaboración global en la anotación de datos: utilizando un modelo de "anotación para ganar", se incentiva a los trabajadores de todo el mundo a participar en la anotación de datos mediante tokens, reuniendo la sabiduría global.

3. Plataforma de intercambio de datos de blockchain: proporciona un entorno de intercambio transparente y público para ambas partes de la oferta y la demanda de datos, promoviendo la innovación y el intercambio de datos.

A pesar de esto, la obtención de datos del mundo real sigue enfrentando desafíos como la calidad desigual y la dificultad de procesamiento. En este contexto, los datos sintéticos se están convirtiendo en una nueva estrella en el campo de los datos de Web3. Basados en tecnologías de inteligencia artificial generativa, los datos sintéticos pueden simular las propiedades de los datos reales, complementando eficazmente los datos reales y mejorando la eficiencia en el uso de datos. En campos como la conducción autónoma, el comercio en mercados financieros y el desarrollo de juegos, los datos sintéticos ya han mostrado perspectivas de aplicación maduras.

Protección de la privacidad: La importancia de la criptografía homomórfica completa

Con la llegada de la era impulsada por datos, la protección de la privacidad se ha convertido en un foco de atención global. La implementación de regulaciones como el GDPR de la UE refleja la necesidad de una estricta protección de la privacidad personal. Sin embargo, esto también ha traído nuevos desafíos: algunos datos sensibles no pueden ser plenamente utilizados debido a riesgos de privacidad, lo que limita el potencial de los modelos de IA.

La tecnología de cifrado homomórfico completo (FHE) ofrece una posible solución a este dilema. FHE permite realizar operaciones de cálculo directamente sobre datos cifrados, obteniendo resultados equivalentes a los cálculos realizados sobre datos en texto claro sin necesidad de descifrar. Esto proporciona una fuerte protección para el cálculo privado de IA, permitiendo que la potencia de cálculo de la GPU ejecute tareas de entrenamiento e inferencia de modelos sin acceder a los datos originales.

FHEML admite el procesamiento cifrado de datos y modelos a lo largo de todo el ciclo de aprendizaje automático, asegurando la seguridad de la información sensible y previniendo el riesgo de filtración de datos. Este enfoque no solo refuerza la protección de la privacidad de los datos, sino que también proporciona un marco de cálculo seguro y fiable para aplicaciones de IA. Es importante destacar que FHEML y ZKML se complementan entre sí; el primero se centra en calcular datos cifrados para mantener la privacidad de los datos, mientras que el segundo se dedica a demostrar la correcta ejecución del aprendizaje automático.

Revolución de la potencia de cálculo: computación AI en redes descentralizadas

La complejidad computacional de los sistemas de IA actuales está creciendo de manera exponencial, duplicándose cada tres meses, lo que provoca un aumento drástico en la demanda de potencia de cálculo, superando con creces la oferta actual de recursos computacionales. Tomando como ejemplo el modelo GPT-3 de OpenAI, la potencia de cálculo necesaria para su entrenamiento equivale al tiempo de entrenamiento de 355 años para un solo dispositivo. Esta escasez de potencia de cálculo no solo limita el avance de la tecnología de IA, sino que también hace que los modelos de IA avanzados sean inalcanzables para la mayoría de los investigadores y desarrolladores.

Al mismo tiempo, la tasa de utilización de GPU a nivel mundial es inferior al 40%, y el aumento del rendimiento de los microprocesadores se ha desacelerado, además de la escasez de chips provocada por factores de la cadena de suministro y geopolíticos, lo que hace que el problema del suministro de potencia de cálculo sea aún más grave. Los profesionales de la IA se enfrentan a la difícil elección de comprar hardware o alquilar recursos en la nube, y necesitan urgentemente una forma de servicio de computación económica y bajo demanda.

La red de computación de IA descentralizada ha surgido, agregando recursos de GPU inactivos de todo el mundo para proporcionar un mercado de computación económico y accesible para las empresas de IA. En este modelo, los demandantes de computación pueden publicar tareas de cálculo en la red, y un contrato inteligente asigna las tareas a los nodos que contribuyen con su potencia de computación. Los nodos ejecutan las tareas y envían los resultados, y tras la verificación, reciben recompensas.

Además de las redes de computación descentralizadas de uso general, existen plataformas de computación especializadas que se centran en el entrenamiento y la inferencia de IA. Estas redes de computación descentralizadas no solo ofrecen un mercado de computación justo y transparente, rompiendo monopolios y reduciendo las barreras de entrada, sino que también mejoran la eficiencia en el uso de la computación. En el ecosistema Web3, las redes de computación descentralizadas desempeñarán un papel clave, atrayendo a más aplicaciones distribuidas innovadoras para impulsar conjuntamente el desarrollo y la aplicación de la tecnología de IA.

Edge AI: Web3 empodera la computación en el borde

La tecnología Edge AI lleva la capacidad de cálculo de la IA a la fuente de generación de datos, logrando un procesamiento en tiempo real y de baja latencia, al mismo tiempo que protege la privacidad del usuario. Esta tecnología ya se ha aplicado en campos clave como la conducción autónoma y se espera que en el futuro permita que más dispositivos inteligentes tengan la capacidad de ejecutar IA.

En el ámbito de Web3, el nombre más conocido de Edge AI es DePIN (Red de Infraestructura Física Descentralizada). Web3 enfatiza la descentralización y la soberanía de los datos del usuario; DePIN mejora la protección de la privacidad del usuario al procesar datos localmente, reduciendo el riesgo de filtraciones de datos. El mecanismo económico nativo de tokens de Web3 puede incentivar a los nodos de DePIN a proporcionar recursos computacionales, construyendo un ecosistema sostenible.

Actualmente, DePIN está creciendo rápidamente en ciertos ecosistemas de cadenas públicas, convirtiéndose en una de las plataformas preferidas para el despliegue de proyectos. La alta velocidad de procesamiento de transacciones, los bajos costos de transacción y la innovación tecnológica de estas cadenas públicas brindan un sólido apoyo a los proyectos DePIN. Algunos proyectos DePIN reconocidos han logrado avances significativos en estas plataformas, con un valor de mercado total que supera los 10 mil millones de dólares.

IMO: Nueva Paradigma de Publicación de Modelos de IA

La introducción del concepto de emisión de modelo inicial (IMO) ha abierto un nuevo camino para la tokenización de modelos de IA. En el modelo tradicional, los desarrolladores de modelos de IA tienen dificultades para obtener ingresos continuos del uso posterior del modelo, especialmente cuando el modelo se integra en otros productos y servicios. Además, el rendimiento y los efectos de los modelos de IA a menudo carecen de transparencia, lo que dificulta a los inversores y usuarios potenciales evaluar su verdadero valor.

IMO proporciona un apoyo financiero innovador y una forma de compartir valor para modelos de IA de código abierto. Los inversores pueden compartir los ingresos generados posteriormente por el modelo a través de la compra de tokens IMO. Algunos protocolos utilizan estándares técnicos específicos, combinando oráculos de IA y tecnología de aprendizaje automático en cadena, para garantizar la autenticidad del modelo de IA y que los titulares de tokens puedan compartir los ingresos.

El modelo IMO ha mejorado la transparencia y la confianza, fomentando la colaboración de código abierto, adaptándose a las tendencias del mercado de criptomonedas y dando impulso al desarrollo sostenible de la tecnología AI. Aunque el IMO aún se encuentra en una fase inicial de prueba, su innovación y valor potencial son prometedores a medida que aumenta la aceptación del mercado y se amplía el alcance de la participación.

Agente de IA: Una nueva era de experiencias interactivas

El Agente de IA puede percibir el entorno, pensar de forma independiente y tomar medidas para lograr objetivos establecidos. Con el apoyo de grandes modelos de lenguaje, el Agente de IA no solo puede entender el lenguaje natural, sino también planificar decisiones y ejecutar tareas complejas. Pueden actuar como asistentes virtuales, aprendiendo las preferencias de los usuarios a través de la interacción y proporcionando soluciones personalizadas. En ausencia de instrucciones claras, el Agente de IA también puede resolver problemas de forma autónoma, aumentar la eficiencia y crear nuevo valor.

Algunas plataformas de aplicaciones nativas de IA abiertas ofrecen un conjunto de herramientas de creación completas y fáciles de usar, que permiten a los usuarios configurar las funciones, apariencia, sonido de los robots, así como conectar bases de datos externas, con el objetivo de crear un ecosistema de contenido de IA justo y abierto. Estas plataformas utilizan tecnología de IA generativa para empoderar a las personas a convertirse en creadores superdotados. A través del entrenamiento de modelos de lenguaje grandes específicos, se humaniza el juego de roles; la tecnología de clonación de voz puede acelerar la interacción personalizada de productos de IA, reduciendo drásticamente los costos de síntesis de voz y logrando una rápida clonación de voz. Los agentes de IA personalizados de estas plataformas se pueden aplicar actualmente en varios campos, como chat de video, aprendizaje de idiomas, generación de imágenes, entre otros.

Conclusión

En el proceso de fusión entre Web3 y AI, actualmente hay más exploración en la capa de infraestructura, incluyendo cómo obtener datos de alta calidad, proteger la privacidad de los datos, cómo alojar modelos en la cadena, cómo mejorar el uso eficiente de la potencia de cálculo descentralizada, y cómo validar modelos de lenguaje grandes, entre otros problemas clave. A medida que estas infraestructuras se vayan perfeccionando, tenemos razones para creer que la fusión de Web3 y AI dará lugar a una serie de modelos de negocio y servicios innovadores, inyectando nueva vitalidad al desarrollo futuro de Internet.