Інтеграція Web3 та ШІ: створення інфраструктури наступного покоління Інтернету

Web3 як нова парадигма Інтернету, що є децентралізованою, відкритою та прозорою, має природний потенціал для інтеграції з ШІ. У традиційній централізованій архітектурі обчислення ШІ та ресурси даних стикаються з багатьма викликами, такими як обмеження обчислювальної потужності, витік конфіденційності та проблеми чорної скриньки алгоритмів. Однак Web3, оснований на розподілених технологіях, може надати новий імпульс розвитку ШІ через мережі спільної обчислювальної потужності, відкриті ринки даних та обчислення конфіденційності. У свою чергу, ШІ також може надати багато можливостей для Web3, таких як оптимізація смарт-контрактів та алгоритми захисту від шахрайства, що сприяє його екосистемному розвитку. Отже, дослідження поєднання Web3 та ШІ є критично важливим для створення інфраструктури наступного покоління Інтернету, а також для вивільнення цінності даних та обчислювальної потужності.

Дані, що керують: надійна основа AI та Web3

Дані є основною рушійною силою розвитку ШІ, як паливо для двигуна. Моделям ШІ потрібно засвоїти велику кількість якісних даних, щоб отримати глибоке розуміння та потужні здібності до міркування. Дані не лише забезпечують навчальну основу для моделей машинного навчання, але й визначають точність та надійність моделей.

У традиційній централізованій моделі отримання та використання даних штучного інтелекту існує кілька основних проблем:

• Вартість отримання даних висока, і малим та середнім підприємствам важко її покрити.
• Ресурси даних монополізовані технологічними гігантами, що призводить до утворення ізольованих даних
• Особисті дані піддаються ризику витоку та зловживання.

Web3 може вирішити проблеми традиційних моделей за допомогою нової децентралізованої парадигми даних:

• Збираючи дані з мережі децентралізованим способом, очищаючи та перетворюючи їх, ми забезпечуємо реальні та високоякісні дані для навчання моделей ШІ.
• Використовуючи модель "label to earn", за допомогою токенів ми заохочуємо працівників з усього світу брати участь у розмітці даних, об'єднуючи професійні знання з усього світу, що підсилює аналітичні можливості даних.
• Блокчейн платформа для торгівлі даними забезпечує відкриту та прозору торговельну середу для сторін, що постачають та споживають дані, стимулюючи інновації та спільний доступ до даних.

Незважаючи на це, в отриманні даних з реального світу також існують деякі проблеми, такі як нерівна якість даних, складність обробки, недостатня різноманітність та представництво тощо. Синтетичні дані можуть стати зіркою майбутнього в секторі даних Web3. На основі технологій генеративного штучного інтелекту та моделювання, синтетичні дані можуть імітувати властивості реальних даних, виступаючи як ефективне доповнення до реальних даних, підвищуючи ефективність використання даних. У таких сферах, як автономне водіння, торговельні ринки, розробка ігор тощо, синтетичні дані вже продемонстрували свій зрілий потенціал для застосування.

Захист конфіденційності: роль FHE у Web3

У епоху, керовану даними, захист приватності став глобально важливим питанням, і прийняття таких нормативних актів, як Загальний регламент захисту даних (GDPR) Європейського Союзу, відображає суворе дотримання особистої приватності. Проте це також ставить нові виклики: деякі чутливі дані не можуть бути в повній мірі використані через ризики конфіденційності, що безумовно обмежує потенціал і здатності моделі ШІ.

FHE - це повна гомоморфна криптографія, яка дозволяє виконувати операції обчислення безпосередньо на зашифрованих даних без необхідності їх розшифровки, і результати обчислень збігаються з результатами тих самих обчислень на відкритих даних.

FHE забезпечує надійний захист для приватних обчислень штучного інтелекту, дозволяючи потужностям GPU виконувати навчання моделей та завдання інферування в середовищі, яке не торкається вихідних даних. Це приносить величезні переваги компаніям, що займаються штучним інтелектом. Вони можуть безпечно відкривати API-сервіси, захищаючи комерційну таємницю.

FHEML підтримує шифрування даних і моделей протягом усього циклу машинного навчання, забезпечуючи безпеку чутливої інформації та запобігаючи ризику витоку даних. Таким чином, FHEML зміцнює конфіденційність даних, надаючи безпечну обчислювальну платформу для AI-додатків.

FHEML є доповненням до ZKML, де ZKML підтверджує правильність виконання машинного навчання, а FHEML підкреслює проведення обчислень над зашифрованими даними для забезпечення конфіденційності даних.

Революція обчислювальної потужності: AI-обчислення в децентралізованих мережах

Поточна обчислювальна складність систем штучного інтелекту подвоюється кожні 3 місяці, що призводить до різкого зростання попиту на обчислювальні потужності, які значно перевищують постачання наявних обчислювальних ресурсів. Наприклад, для навчання великої мовної моделі потрібні величезні обчислювальні потужності, що дорівнює 355 рокам навчання на одному пристрої. Такий дефіцит обчислювальних потужностей не лише обмежує прогрес технологій штучного інтелекту, але й робить ці передові моделі штучного інтелекту недоступними для більшості дослідників та розробників.

Водночас, світове використання GPU становить менше 40%, а також уповільнення підвищення продуктивності мікропроцесорів, а також дефіцит чіпів через фактори ланцюга постачання та геополітики, все це ускладнює проблему постачання обчислювальної потужності. Працівники у сфері штучного інтелекту опинилися у скрутному становищі: або купувати апаратуру, або орендувати хмарні ресурси, їм терміново потрібен економічно ефективний сервіс обчислень за запитом.

Децентралізована мережа обчислювальної потужності AI, об'єднуючи невикористані GPU-ресурси по всьому світу, надає AI-компаніям економічний та легкодоступний ринок обчислювальної потужності. Сторони, які потребують обчислювальної потужності, можуть публікувати обчислювальні задачі в мережі, смарт-контракт розподіляє задачі між майнерами, які надають обчислювальну потужність, майнери виконують задачі і подають результати, які перевіряються, після чого отримують винагороду у вигляді балів. Ця схема підвищує ефективність використання ресурсів і допомагає вирішити проблему обчислювальної потужності в таких сферах, як AI.

Окрім загальної децентралізованої мережі обчислювальної потужності, є також платформи, що спеціалізуються на навчанні ШІ, а також спеціалізовані мережі обчислювальної потужності для інференції ШІ.

Децентралізована мережа обчислювальної потужності забезпечує справедливий і прозорий ринок обчислювальної потужності, розриваючи монополію, знижуючи бар'єри для використання та підвищуючи ефективність використання обчислювальної потужності. У екосистемі web3 децентралізована мережа обчислювальної потужності відіграє ключову роль, залучаючи більше інноваційних dapp та спільно сприяючи розвитку та застосуванню AI технологій.

DePIN: Web3 надає можливості Edge AI

Уявіть собі, що ваш телефон, розумні годинники і навіть смарт-пристрої в вашому домі мають можливість виконувати AI — це і є привабливість Edge AI. Це дозволяє обробляти дані в місці їх виникнення, що забезпечує низьку затримку і обробку в реальному часі, а також захищає приватність користувачів. Технологія Edge AI вже застосовується в критично важливих сферах, таких як автопілот.

У сфері Web3 у нас є більш знайоме ім'я — DePIN. Web3 підкреслює децентралізацію та суверенітет користувацьких даних, DePIN може посилити захист конфіденційності користувачів та зменшити ризик витоку даних, обробляючи дані локально; рідна токенна економічна механіка Web3 може стимулювати вузли DePIN надавати обчислювальні ресурси, будуючи стійку екосистему.

Наразі DePIN швидко розвивається в деяких екосистемах публічних блокчейнів, стаючи одним із найпопулярніших платформ для розгортання проєктів. Висока пропускна здатність, низькі комісії за транзакції та технологічні інновації забезпечують потужну підтримку проєктам DePIN. Наразі ринкова капіталізація DePIN проєктів на деяких публічних блокчейнах перевищує 10 мільярдів доларів, а деякі відомі проєкти досягли значного прогресу.

IMO：Випуск нової парадигми AI моделей

Концепція IMO була вперше запропонована одним з блокчейн-протоколів, що дозволяє токенізувати моделі ШІ.

У традиційній моделі, через відсутність механізму розподілу доходів, як тільки AI-модель розроблена та виведена на ринок, розробникам часто важко отримувати постійний дохід від подальшого використання моделі, особливо коли модель інтегрується в інші продукти та послуги, оригінальним творцям важко відстежувати використання, не кажучи вже про отримання доходу. Крім того, продуктивність та ефективність AI-моделей часто не мають прозорості, що ускладнює потенційним інвесторам та користувачам оцінку їхньої справжньої вартості, обмежуючи визнання моделей на ринку та комерційний потенціал.

IMO надає новий спосіб фінансової підтримки та розподілу вартості для відкритих AI моделей, інвестори можуть купувати токени IMO, щоб ділитися прибутком, який буде отриманий від моделей у майбутньому. Деякі блокчейн-протоколи використовують специфічні ERC стандарти, поєднуючи AI оракули та OPML технології, щоб забезпечити справжність AI моделей та можливість токенодержателів ділитися прибутком.

Модель IMO підвищує прозорість і довіру, сприяє відкритій співпраці, адаптується до тенденцій криптовалютного ринку і надає імпульс стійкому розвитку технологій штучного інтелекту. IMO наразі ще перебуває на початковій стадії випробувань, але з підвищенням прийнятності на ринку та розширенням участі її інноваційність та потенційна цінність заслуговують на нашу увагу.

AI Агент: нова ера взаємодії

AI-агент може сприймати навколишнє середовище, здійснювати незалежне мислення та вживати відповідні дії для досягнення визначених цілей. За підтримки великих мовних моделей AI-агент не лише здатен розуміти природну мову, але й планувати рішення, виконувати складні завдання. Вони можуть виконувати роль віртуальних асистентів, вивчаючи уподобання користувача через взаємодію та пропонуючи персоналізовані рішення. Навіть без чітких вказівок AI-агент може самостійно вирішувати проблеми, підвищуючи ефективність та створюючи нову цінність.

Деякі відкриті платформи нативних AI-додатків пропонують повний і зручний набір інструментів для створення, що дозволяє користувачам налаштовувати функції, зовнішній вигляд, голос роботів, а також підключати зовнішні бази знань, прагнучи створити справедливу та відкриту екосистему AI-контенту. Використовуючи технології генеративного AI, вони наділяють особистостей можливістю стати супер-креаторами. Ці платформи навчили спеціалізовані великі мовні моделі, що робить рольову гру більш людяною; технологія клонування голосу може прискорити персоналізовану взаємодію AI-продуктів, значно знизивши витрати на синтез голосу, клонування голосу займає лише 1 хвилину. Використовуючи AI-агентів, налаштованих на цих платформах, наразі можна застосовувати їх у відеочатах, вивченні мов, генерації зображень та в багатьох інших сферах.

У злитті Web3 та AI на даний момент більше уваги приділяється дослідженню інфраструктурного рівня: як отримати якісні дані, захистити конфіденційність даних, як розміщувати моделі на блокчейні, як підвищити ефективність використання децентралізованих обчислень, як перевіряти великі мовні моделі та інші ключові питання. З поступовим вдосконаленням цих інфраструктур ми маємо підстави вірити, що злиття Web3 та AI призведе до виникнення ряду інноваційних бізнес-моделей та послуг.