Integrasi Web3 dan AI: Membangun Infrastruktur Internet Generasi Berikutnya

Web3 sebagai paradigma internet baru yang terdesentralisasi, terbuka, dan transparan, memiliki potensi integrasi yang alami dengan AI. Dalam arsitektur terpusat tradisional, komputasi AI dan sumber daya data menghadapi banyak tantangan, seperti batasan daya komputasi, kebocoran privasi, dan masalah kotak hitam algoritma. Sementara itu, Web3 yang berbasis teknologi terdistribusi dapat memberikan dorongan baru untuk perkembangan AI melalui jaringan berbagi daya komputasi, pasar data terbuka, dan komputasi privasi. Di sisi lain, AI juga dapat memberdayakan Web3 dengan banyak cara, seperti optimasi kontrak pintar dan algoritma anti-kecurangan, mendukung pembangunan ekosistemnya. Oleh karena itu, menjelajahi kombinasi Web3 dan AI sangat penting untuk membangun infrastruktur internet generasi berikutnya serta melepaskan nilai data dan daya komputasi.

Data yang Didukung: Dasar yang Kuat antara AI dan Web3

Data adalah kekuatan pendorong utama dalam pengembangan AI, seperti bahan bakar bagi mesin. Model AI perlu mencerna sejumlah besar data berkualitas tinggi untuk mendapatkan pemahaman yang mendalam dan kemampuan penalaran yang kuat. Data tidak hanya menyediakan dasar pelatihan bagi model pembelajaran mesin, tetapi juga menentukan akurasi dan keandalan model.

Dalam pola pengambilan dan pemanfaatan data AI terpusat tradisional, terdapat beberapa masalah utama berikut:

• Biaya pengambilan data sangat tinggi, sulit bagi perusahaan kecil dan menengah untuk menanggungnya
• Sumber daya data dikuasai oleh raksasa teknologi, membentuk pulau data
• Risiko kebocoran dan penyalahgunaan privasi data pribadi

Web3 dapat menyelesaikan masalah dari model tradisional dengan paradigma data terdesentralisasi yang baru:

• Mengumpulkan data jaringan secara terdesentralisasi, setelah dibersihkan dan diubah, untuk menyediakan data yang nyata dan berkualitas tinggi untuk pelatihan model AI.
• Mengadopsi model "label to earn", memotivasi pekerja global untuk berpartisipasi dalam penandaan data melalui insentif token, mengumpulkan pengetahuan profesional global, dan meningkatkan kemampuan analisis data.
• Platform perdagangan data blockchain menyediakan lingkungan perdagangan yang terbuka dan transparan untuk kedua belah pihak dalam penyediaan dan permintaan data, mendorong inovasi dan berbagi data.

Meskipun demikian, terdapat beberapa masalah dalam pengambilan data di dunia nyata, seperti kualitas data yang bervariasi, kesulitan dalam pengolahan, kurangnya keberagaman dan representativitas, dan sebagainya. Data sintetis mungkin menjadi bintang masa depan di jalur data Web3. Berdasarkan teknologi AI generatif dan simulasi, data sintetis dapat mensimulasikan atribut data nyata, sebagai pelengkap yang efektif untuk data nyata, meningkatkan efisiensi penggunaan data. Dalam bidang seperti kendaraan otonom, perdagangan pasar keuangan, dan pengembangan game, data sintetis telah menunjukkan potensi aplikasi yang matang.

Perlindungan Privasi: Peran FHE dalam Web3

Di era yang didorong data, perlindungan privasi telah menjadi fokus perhatian global. Penerapan regulasi seperti Peraturan Perlindungan Data Umum Uni Eropa (GDPR) mencerminkan penjagaan ketat terhadap privasi individu. Namun, ini juga membawa tantangan: beberapa data sensitif tidak dapat dimanfaatkan sepenuhnya karena risiko privasi, yang jelas membatasi potensi dan kemampuan penalaran model AI.

FHE adalah enkripsi homomorfik penuh, yang memungkinkan operasi perhitungan dilakukan langsung pada data terenkripsi tanpa perlu mendekripsi data, dan hasil perhitungan konsisten dengan hasil perhitungan yang dilakukan pada data plaintext.

FHE memberikan perlindungan yang kuat untuk komputasi privasi AI, memungkinkan kekuatan GPU untuk menjalankan tugas pelatihan dan inferensi model di lingkungan tanpa menyentuh data asli. Ini memberikan keuntungan besar bagi perusahaan AI. Mereka dapat dengan aman membuka layanan API sambil melindungi rahasia dagang.

FHEML mendukung pemrosesan enkripsi data dan model selama seluruh siklus pembelajaran mesin, memastikan keamanan informasi sensitif dan mencegah risiko kebocoran data. Dengan cara ini, FHEML memperkuat privasi data dan menyediakan kerangka komputasi yang aman untuk aplikasi AI.

FHEML adalah pelengkap dari ZKML, di mana ZKML membuktikan eksekusi machine learning yang benar, sementara FHEML menekankan perhitungan pada data terenkripsi untuk menjaga privasi data.

Revolusi Kekuatan: Komputasi AI dalam Jaringan Terdesentralisasi

Kompleksitas komputasi sistem AI saat ini menggandakan setiap 3 bulan, menyebabkan permintaan daya komputasi melonjak, jauh melebihi pasokan sumber daya komputasi yang ada. Misalnya, pelatihan model bahasa besar membutuhkan daya komputasi yang sangat besar, setara dengan waktu pelatihan 355 tahun pada satu perangkat. Kekurangan daya komputasi seperti ini tidak hanya membatasi kemajuan teknologi AI, tetapi juga membuat model AI tingkat tinggi menjadi tidak terjangkau bagi sebagian besar peneliti dan pengembang.

Sementara itu, tingkat pemanfaatan GPU global kurang dari 40%, ditambah dengan perlambatan peningkatan kinerja mikroprosesor, serta kekurangan chip yang disebabkan oleh faktor rantai pasokan dan geopolitik, semua ini membuat masalah pasokan daya komputasi semakin parah. Para praktisi AI terjebak dalam dilema: membeli perangkat keras sendiri atau menyewa sumber daya cloud, mereka sangat membutuhkan cara layanan komputasi yang sesuai permintaan dan ekonomis.

Jaringan komputasi AI terdesentralisasi menggabungkan sumber daya GPU yang tidak terpakai di seluruh dunia, menyediakan pasar komputasi yang ekonomis dan mudah diakses bagi perusahaan AI. Pihak yang membutuhkan komputasi dapat memposting tugas di jaringan, kontrak pintar akan mendistribusikan tugas kepada node penambang yang berkontribusi pada daya komputasi, penambang menjalankan tugas dan mengirimkan hasilnya, setelah diverifikasi mereka mendapatkan imbalan poin. Solusi ini meningkatkan efisiensi pemanfaatan sumber daya dan membantu mengatasi masalah kekurangan daya komputasi di bidang AI dan lainnya.

Selain jaringan komputasi terdesentralisasi yang umum, ada juga platform yang fokus pada pelatihan AI, serta jaringan komputasi khusus yang fokus pada inferensi AI.

Jaringan kekuatan terdesentralisasi menyediakan pasar kekuatan yang adil dan transparan, memecahkan monopoli, mengurangi ambang aplikasi, dan meningkatkan efisiensi pemanfaatan kekuatan. Dalam ekosistem web3, jaringan kekuatan terdesentralisasi akan memainkan peran kunci, menarik lebih banyak dapp inovatif untuk bergabung, bersama-sama mendorong perkembangan dan aplikasi teknologi AI.

DePIN: Web3 Memberdayakan Edge AI

Bayangkan, ponselmu, jam tangan pintar, bahkan perangkat pintar di rumahmu, semuanya memiliki kemampuan untuk menjalankan AI—itulah daya tarik Edge AI. Ini memungkinkan komputasi terjadi di sumber data, mencapai latensi rendah, pemrosesan waktu nyata, sambil melindungi privasi pengguna. Teknologi Edge AI telah diterapkan dalam bidang-bidang kunci seperti mengemudi otomatis.

Di bidang Web3, kita memiliki nama yang lebih akrab — DePIN. Web3 menekankan desentralisasi dan kedaulatan data pengguna, DePIN dapat meningkatkan perlindungan privasi pengguna dan mengurangi risiko kebocoran data melalui pemrosesan data secara lokal; mekanisme ekonomi Token yang asli dari Web3 dapat mendorong node DePIN untuk menyediakan sumber daya komputasi, membangun ekosistem yang berkelanjutan.

Saat ini DePIN berkembang pesat di beberapa ekosistem blockchain publik, menjadi salah satu platform pilihan untuk penempatan proyek. TPS tinggi, biaya transaksi rendah, dan inovasi teknologi memberikan dukungan kuat untuk proyek DePIN. Saat ini, nilai pasar proyek DePIN di beberapa blockchain publik telah melebihi 10 miliar dolar AS, dan beberapa proyek terkenal telah mencapai kemajuan yang signifikan.

IMO: Peluncuran Paradigma Baru Model AI

Konsep IMO pertama kali diajukan oleh sebuah protokol blockchain yang memtokenisasi model AI.

Dalam mode tradisional, karena kurangnya mekanisme bagi hasil, begitu model AI dikembangkan dan diluncurkan ke pasar, pengembang seringkali sulit untuk mendapatkan pendapatan berkelanjutan dari penggunaan model tersebut, terutama ketika model diintegrasikan ke dalam produk dan layanan lain, pencipta asli sulit untuk melacak penggunaan, apalagi mendapatkan pendapatan darinya. Selain itu, kinerja dan efektivitas model AI seringkali kurang transparan, membuat calon investor dan pengguna sulit untuk menilai nilai sebenarnya, membatasi pengakuan pasar dan potensi komersial model.

IMO menyediakan cara baru untuk mendukung pendanaan dan berbagi nilai untuk model AI sumber terbuka, di mana investor dapat membeli token IMO dan berbagi pendapatan yang dihasilkan oleh model di masa depan. Beberapa protokol blockchain menggunakan standar ERC tertentu, menggabungkan oracle AI dan teknologi OPML untuk memastikan keaslian model AI dan agar pemegang token dapat berbagi pendapatan.

Model IMO meningkatkan transparansi dan kepercayaan, mendorong kolaborasi sumber terbuka, beradaptasi dengan tren pasar kripto, dan menyuntikkan kekuatan untuk pengembangan berkelanjutan teknologi AI. IMO saat ini masih dalam tahap percobaan awal, tetapi seiring dengan meningkatnya penerimaan pasar dan meluasnya partisipasi, inovasi dan nilai potensialnya patut kita nantikan.

AI Agent: Era Baru Pengalaman Interaktif

AI Agent dapat merasakan lingkungan, berpikir secara independen, dan mengambil tindakan yang sesuai untuk mencapai tujuan yang ditetapkan. Dengan dukungan model bahasa besar, AI Agent tidak hanya dapat memahami bahasa alami, tetapi juga merencanakan keputusan dan melaksanakan tugas yang kompleks. Mereka dapat berfungsi sebagai asisten virtual, belajar tentang preferensi pengguna melalui interaksi, dan memberikan solusi yang dipersonalisasi. Tanpa instruksi yang jelas, AI Agent juga dapat secara mandiri menyelesaikan masalah, meningkatkan efisiensi, dan menciptakan nilai baru.

Beberapa platform aplikasi AI asli terbuka menyediakan kumpulan alat kreatif yang komprehensif dan mudah digunakan, mendukung pengguna dalam mengonfigurasi fungsi, penampilan, suara robot, serta menghubungkan ke basis pengetahuan eksternal, berkomitmen untuk membangun ekosistem konten AI yang adil dan terbuka, memanfaatkan teknologi AI generatif, memberdayakan individu untuk menjadi pencipta super. Platform-platform ini melatih model bahasa besar yang khusus, membuat peran permainan lebih manusiawi; teknologi kloning suara dapat mempercepat interaksi personalisasi produk AI, secara signifikan mengurangi biaya sintesis suara, kloning suara hanya membutuhkan 1 menit untuk diwujudkan. AI Agent yang disesuaikan menggunakan platform ini sekarang dapat diterapkan dalam berbagai bidang seperti obrolan video, pembelajaran bahasa, dan generasi gambar.

Dalam penggabungan Web3 dan AI, saat ini lebih banyak eksplorasi pada lapisan infrastruktur, bagaimana mendapatkan data berkualitas tinggi, melindungi privasi data, bagaimana mengelola model di blockchain, bagaimana meningkatkan penggunaan daya komputasi terdesentralisasi yang efisien, dan bagaimana memverifikasi model bahasa besar, serta isu-isu kunci lainnya. Seiring dengan perbaikan bertahap infrastruktur ini, kita memiliki alasan untuk percaya bahwa penggabungan Web3 dan AI akan melahirkan serangkaian model bisnis dan layanan inovatif.