Слияние Web3 и ИИ: создание инфраструктуры следующего поколения интернета

Web3 как новая децентрализованная, открытая и прозрачная интернет-парадигма имеет естественный потенциал для интеграции с ИИ. В традиционной централизованной архитектуре ИИ вычисления и ресурсы данных сталкиваются со многими проблемами, такими как узкие места в вычислительной мощности, утечка конфиденциальной информации и черные ящики алгоритмов. В то время как Web3 основан на распределенных технологиях, он может предоставить новый импульс для развития ИИ через такие методы, как общая сеть вычислительной мощности, открытые рынки данных и вычисления с соблюдением конфиденциальности. В то же время ИИ может предоставить множество возможностей для Web3, таких как оптимизация смарт-контрактов и алгоритмы противодействия мошенничеству, способствуя его экосистемному строительству. Таким образом, исследование сочетания Web3 и ИИ имеет решающее значение для создания инфраструктуры следующего поколения интернета и раскрытия ценности данных и вычислительной мощности.

Данные как основа: крепкий фундамент AI и Web3

Данные являются ключевым двигателем развития ИИ, как топливо для двигателя. Моделям ИИ необходимо обрабатывать большое количество качественных данных, чтобы получить глубокое понимание и мощные способности к рассуждению. Данные не только обеспечивают основу для обучения моделей машинного обучения, но и определяют точность и надежность моделей.

В традиционной централизованной модели получения и использования данных AI существуют следующие основные проблемы:

• Высокие затраты на получение данных, малым и средним предприятиям трудно их нести
• Данные ресурсы находятся под монополией технологических гигантов, что приводит к образованию изолированных данных.
• Личная информация подвергается риску утечки и злоупотребления.

Web3 может решить проблемы традиционных моделей с помощью новой децентрализованной парадигмы данных:

• Сбор данных из сети децентрализованным способом, их очистка и преобразование для предоставления реальных и качественных данных для обучения моделей ИИ.
• Используя модель "label to earn", мы стимулируем глобальных работников участвовать в аннотировании данных с помощью токенов, собирая профессиональные знания со всего мира и увеличивая аналитические возможности данных.
• Блокчейн платформа для торговли данными предоставляет открыенную и прозрачную среду для сделок между сторонами, предлагающими и требующими данные, стимулируя инновации и обмен данными.

Тем не менее, получение данных из реального мира также сталкивается с рядом проблем, таких как неоднородное качество данных, сложность обработки, недостаток разнообразия и представительности и т.д. Синтетические данные могут стать звездой будущего в области данных Web3. На основе технологий генеративного ИИ и моделирования синтетические данные могут имитировать характеристики реальных данных, служа эффективным дополнением к настоящим данным и повышая эффективность их использования. В таких областях, как автономное вождение, торговля на финансовых рынках, разработка игр и т.д., синтетические данные уже продемонстрировали свой зрелый потенциал применения.

Защита конфиденциальности: Роль FHE в Web3

В эпоху данных защита личной информации стала глобальным фокусом внимания. Принятие таких регламентов, как Общий регламент по защите данных (GDPR) в Европейском Союзе, отражает строгую защиту личной конфиденциальности. Тем не менее, это также создает проблемы: некоторые чувствительные данные не могут быть полностью использованы из-за рисков конфиденциальности, что, безусловно, ограничивает потенциал и способность к рассуждению AI-моделей.

FHE — это полное гомоморфное шифрование, позволяющее выполнять вычислительные операции непосредственно на зашифрованных данных без необходимости их расшифровки, при этом результаты вычислений совпадают с результатами тех же вычислений на открытых данных.

FHE предоставляет надежную защиту для вычислений с конфиденциальностью AI, позволяя вычислительной мощности GPU выполнять обучение моделей и задачи вывода в среде, не затрагивающей исходные данные. Это приносит огромные преимущества компаниям в области AI. Они могут безопасно открывать API-сервисы, защищая при этом коммерческие тайны.

FHEML поддерживает шифрование данных и моделей на протяжении всего цикла машинного обучения, обеспечивая безопасность конфиденциальной информации и предотвращая риски утечки данных. Таким образом, FHEML усиливает защиту данных, предоставляя безопасную вычислительную среду для AI-приложений.

FHEML является дополнением к ZKML, где ZKML доказывает правильность выполнения машинного обучения, а FHEML подчеркивает необходимость вычислений с зашифрованными данными для обеспечения конфиденциальности данных.

Революция вычислительной мощности: AI-вычисления в децентрализованных сетях

Текущая вычислительная сложность AI-систем удваивается каждые 3 месяца, что приводит к резкому увеличению спроса на вычислительные мощности, значительно превышающему предложение существующих вычислительных ресурсов. Например, для обучения крупной языковой модели требуется огромная вычислительная мощность, эквивалентная 355 годам обучения на одном устройстве. Такой дефицит вычислительных мощностей не только ограничивает прогресс технологий AI, но и делает такие продвинутые AI-модели недоступными для большинства исследователей и разработчиков.

В то же время, глобальная загрузка GPU составляет менее 40%, а также замедление повышения производительности микропроцессоров и нехватка чипов, вызванная факторами цепочки поставок и геополитики, усугубляют проблемы с поставками вычислительных мощностей. Работники AI оказались в dilemma: либо покупать оборудование, либо арендовать облачные ресурсы, им срочно нужен экономически эффективный способ предоставления вычислительных услуг по запросу.

Децентрализованная сеть вычислительных мощностей ИИ агрегирует неиспользуемые ресурсы GPU по всему миру, предоставляя компаниям ИИ экономичный и доступный рынок вычислительных мощностей. Стороны, нуждающиеся в вычислительных мощностях, могут размещать вычислительные задачи в сети, смарт-контракт распределяет задачи среди майнинговых узлов, предоставляющих вычислительные мощности, которые выполняют задачи и отправляют результаты, получая баллы в качестве вознаграждения после проверки. Эта схема повышает эффективность использования ресурсов и помогает решить проблему узких мест в вычислительных мощностях в таких областях, как ИИ.

Помимо универсальной сети децентрализованных вычислительных мощностей, существуют платформы, ориентированные на обучение ИИ, а также специализированные вычислительные сети, сосредоточенные на выводе ИИ.

Децентрализованная сеть вычислительной мощности предоставляет公平ный и прозрачный рынок вычислительной мощности, разрывая монополию, снижая порог входа для приложений и увеличивая эффективность использования вычислительной мощности. В экосистеме web3 децентрализованная сеть вычислительной мощности сыграет ключевую роль, привлекая больше инновационных dapp и совместно способствуя развитию и применению технологий ИИ.

DePIN: Web3 наделяет Edge AI возможностями

Представьте себе, что ваш телефон, умные часы и даже умные устройства в вашем доме обладают способностью выполнять ИИ — вот в чем очарование Edge AI. Это позволяет вычислениям происходить на месте генерации данных, обеспечивая низкую задержку и обработку в реальном времени, одновременно защищая конфиденциальность пользователей. Технология Edge AI уже применяется в ключевых областях, таких как автономное вождение.

В области Web3 у нас есть более знакомое название — DePIN. Web3 подчеркивает децентрализацию и суверенитет пользовательских данных, а DePIN, обрабатывая данные локально, может усилить защиту конфиденциальности пользователей и уменьшить риск утечки данных; родная токеномика Web3 может стимулировать узлы DePIN предоставлять вычислительные ресурсы, создавая устойчивую экосистему.

В настоящее время DePIN быстро развивается в некоторых экосистемах публичных блокчейнов, становясь одной из предпочтительных платформ для развертывания проектов. Высокая пропускная способность транзакций (TPS), низкие комиссии за транзакции и технологические инновации обеспечивают мощную поддержку проектам DePIN. В настоящее время рыночная стоимость некоторых проектов DePIN на публичных блокчейнах уже превышает 10 миллиардов долларов, и некоторые известные проекты добились значительного прогресса.

IMO：Новая парадигма выпуска AI-моделей

Концепция IMO была впервые предложена одним из блокчейн-протоколов, который токенизирует модели ИИ.

В традиционной модели, из-за отсутствия механизма распределения доходов, как только AI-модель разработана и выведена на рынок, разработчику часто трудно получать постоянный доход от последующего использования модели, особенно когда модель интегрирована в другие продукты и услуги. Первоначальному создателю трудно отслеживать использование, не говоря уже о получении прибыли. Кроме того, производительность и эффективность AI-моделей часто не прозрачны, что затрудняет потенциальным инвесторам и пользователям оценку их истинной ценности, ограничивая признание модели на рынке и ее коммерческий потенциал.

IMO предоставил новый способ финансирования и совместного использования ценностей для открытых AI моделей, позволяя инвесторам приобретать токены IMO и делиться доходами, полученными от моделей в будущем. Некоторые блокчейн-протоколы используют определенные стандарты ERC в сочетании с AI-оракулами и технологией OPML для обеспечения подлинности AI моделей и возможности держателей токенов делиться доходами.

Модель IMO усиливает прозрачность и доверие, способствует открытому сотрудничеству, адаптируется к тенденциям крипторынка и вносит вклад в устойчивое развитие технологий ИИ. IMO в настоящее время все еще находится на этапе первоначальных попыток, но с увеличением уровня принятия на рынке и расширением сферы участия ее новаторство и потенциальная ценность заслуживают нашего ожидания.

AI агент: новая эра взаимодействия

AI-агенты могут воспринимать окружающую среду, проводить независимое мышление и предпринимать соответствующие действия для достижения поставленных целей. При поддержке больших языковых моделей AI-агенты не только понимают естественный язык, но и планируют решения, выполняют сложные задачи. Они могут выступать в качестве виртуальных помощников, обучаясь предпочтениям пользователей через взаимодействие и предлагая персонализированные решения. Даже в отсутствие четких инструкций AI-агенты могут самостоятельно решать проблемы, повышать эффективность и создавать новую ценность.

Некоторые открытые платформы для нативных AI-приложений предлагают полный и удобный набор инструментов для творчества, позволяя пользователям настраивать функции роботов, внешний вид, голос, а также соединять с внешними базами знаний, стремясь создать справедливую и открытую экосистему AI-контента, используя технологии генеративного AI, чтобы дать возможность каждому стать супер-креатором. Эти платформы обучили специализированные большие языковые модели, что делает ролевые игры более человечными; технологии клонирования голоса могут ускорить персонализированное взаимодействие с AI-продуктами, значительно снизив затраты на синтез голоса, клонирование голоса занимает всего 1 минуту. AI-агенты, настроенные с помощью этих платформ, в настоящее время могут применяться в таких областях, как видеочат, изучение языков, генерация изображений и многих других.

В融合 Web3 и AI в настоящее время основное внимание уделяется исследованию инфраструктурного уровня, таким ключевым вопросам, как получение качественных данных, защита конфиденциальности данных, размещение моделей на блокчейне, повышение эффективного использования децентрализованных вычислительных мощностей, проверка больших языковых моделей и т. д. С учетом поэтапного совершенствования этой инфраструктуры, у нас есть все основания полагать, что融合 Web3 и AI приведет к возникновению ряда инновационных бизнес-моделей и услуг.