Integrasi AI dan Web3: Status, Tantangan, dan Prospek Masa Depan

I. Pendahuluan: Perkembangan AI+Web3

Dalam beberapa tahun terakhir, perkembangan pesat teknologi kecerdasan buatan (AI) dan Web3 telah menarik perhatian luas di seluruh dunia. AI sebagai teknologi yang mensimulasikan dan meniru kecerdasan manusia, telah mencapai terobosan signifikan dalam bidang pengenalan wajah, pemrosesan bahasa alami, dan pembelajaran mesin, membawa perubahan dan inovasi besar di berbagai sektor.

Ukuran pasar industri AI mencapai 200 miliar dolar AS pada tahun 2023, dengan raksasa industri seperti OpenAI, Character.AI, Midjourney, dan pemain unggulan lainnya bermunculan bak jamur setelah hujan, memimpin gelombang AI.

Sementara itu, Web3 sebagai model jaringan yang muncul, secara bertahap mengubah cara kita memahami dan menggunakan internet. Web3 didasarkan pada teknologi blockchain yang terdesentralisasi, melalui kontrak pintar, penyimpanan terdistribusi, dan fungsi verifikasi identitas terdesentralisasi, mewujudkan berbagi dan pengendalian data, otonomi pengguna, serta pembentukan mekanisme kepercayaan. Ide inti Web3 adalah membebaskan data dari tangan lembaga otoritas terpusat, memberikan pengguna hak kontrol atas data dan hak berbagi nilai data.

Saat ini, nilai pasar industri Web3 telah mencapai 25 triliun, baik Bitcoin, Ethereum, Solana, maupun pemain di lapisan aplikasi seperti Uniswap, Stepn, dan lainnya, narasi dan skenario baru terus muncul, menarik semakin banyak orang untuk bergabung dengan industri Web3.

Kombinasi AI dan Web3 adalah bidang yang sangat diperhatikan oleh builder dan VC di Barat dan Timur, bagaimana menggabungkan keduanya dengan baik adalah pertanyaan yang layak untuk dieksplorasi.

Artikel ini akan memfokuskan pada keadaan perkembangan AI+Web3, mengeksplorasi nilai dan dampak potensial yang dihadirkan oleh penggabungan ini. Kami akan terlebih dahulu memperkenalkan konsep dan karakteristik dasar AI dan Web3, kemudian membahas hubungan antara keduanya. Selanjutnya, kami akan menganalisis keadaan proyek AI+Web3 saat ini dan mendiskusikan secara mendalam tentang batasan dan tantangan yang mereka hadapi. Melalui penelitian ini, kami berharap dapat memberikan referensi dan wawasan yang berharga bagi para investor dan praktisi di industri terkait.

Dua, Cara AI Berinteraksi dengan Web3

Perkembangan AI dan Web3 seperti dua sisi timbangan, AI membawa peningkatan produktivitas, sementara Web3 membawa perubahan dalam hubungan produksi. Lalu, percikan apa yang dapat dihasilkan dari pertemuan AI dan Web3? Selanjutnya, kita akan menganalisis kesulitan dan ruang peningkatan yang dihadapi masing-masing industri AI dan Web3, sebelum membahas bagaimana keduanya dapat membantu mengatasi kesulitan tersebut.

2.1 Tantangan yang Dihadapi Industri AI

Untuk memahami tantangan yang dihadapi industri AI, kita harus terlebih dahulu melihat esensi dari industri AI. Inti dari industri AI tidak terlepas dari tiga elemen: daya komputasi, algoritma, dan data.

1. Daya Komputasi: Daya komputasi mengacu pada kemampuan untuk melakukan perhitungan dan pemrosesan dalam skala besar. Tugas AI biasanya memerlukan pemrosesan sejumlah besar data dan melakukan perhitungan yang kompleks, seperti melatih model jaringan saraf dalam. Daya komputasi yang tinggi dapat mempercepat proses pelatihan dan inferensi model, meningkatkan kinerja dan efisiensi sistem AI. Dalam beberapa tahun terakhir, dengan perkembangan teknologi perangkat keras, seperti prosesor grafis (GPU) dan chip AI khusus (seperti TPU), peningkatan daya komputasi telah memberikan dorongan penting bagi perkembangan industri AI. Dalam beberapa tahun terakhir, saham Nvidia yang meroket sebagai penyedia GPU telah menguasai pangsa pasar yang besar dan menghasilkan keuntungan yang tinggi.

2. Algoritma: Algoritma adalah komponen inti dari sistem AI, yang merupakan metode matematis dan statistik yang digunakan untuk menyelesaikan masalah dan melaksanakan tugas. Algoritma AI dapat dibagi menjadi algoritma pembelajaran mesin tradisional dan algoritma pembelajaran mendalam, di mana algoritma pembelajaran mendalam telah mencapai terobosan besar dalam beberapa tahun terakhir. Pemilihan dan desain algoritma sangat penting bagi kinerja dan efektivitas sistem AI. Algoritma yang terus-menerus diperbaiki dan diinnovasi dapat meningkatkan akurasi, robustnes, dan kemampuan generalisasi sistem AI. Algoritma yang berbeda akan memiliki efek yang berbeda, jadi peningkatan algoritma juga sangat penting bagi efektivitas penyelesaian tugas.

3. Data: Tugas inti dari sistem AI adalah mengekstrak pola dan aturan dari data melalui pembelajaran dan pelatihan. Data adalah dasar untuk melatih dan mengoptimalkan model, melalui sampel data skala besar, sistem AI dapat mempelajari model yang lebih akurat dan lebih cerdas. Kumpulan data yang kaya dapat memberikan informasi yang lebih komprehensif dan beragam, sehingga model dapat lebih baik dalam menggeneralisasi pada data yang belum pernah dilihat sebelumnya, membantu sistem AI untuk lebih baik memahami dan menyelesaikan masalah dunia nyata.

Setelah memahami tiga elemen inti AI saat ini, mari kita lihat tantangan dan kesulitan yang dihadapi AI dalam tiga aspek ini:

1. Dalam hal komputasi: Tugas AI biasanya memerlukan sumber daya komputasi yang besar untuk pelatihan dan inferensi model, terutama untuk model pembelajaran mendalam. Namun, memperoleh dan mengelola komputasi berskala besar adalah tantangan yang mahal dan kompleks. Biaya perangkat komputasi berkinerja tinggi, konsumsi energi, dan pemeliharaan semuanya merupakan masalah. Terutama bagi startup dan pengembang individu, mendapatkan cukup komputasi mungkin sulit.

2. Aspek algoritma: Meskipun algoritma pembelajaran mendalam telah mencapai kesuksesan besar di banyak bidang, masih ada beberapa kesulitan dan tantangan. Misalnya, pelatihan jaringan saraf dalam membutuhkan banyak data dan sumber daya komputasi, dan untuk beberapa tugas, interpretabilitas dan keterjelasan model mungkin tidak memadai. Selain itu, ketahanan dan kemampuan generalisasi algoritma juga merupakan masalah penting, kinerja model pada data yang belum pernah dilihat mungkin tidak stabil. Di antara banyak algoritma, bagaimana menemukan algoritma terbaik untuk memberikan layanan terbaik adalah proses yang perlu dieksplorasi secara terus-menerus.

3. Aspek data: Data adalah penggerak AI, tetapi memperoleh data berkualitas tinggi dan beragam masih menjadi tantangan. Beberapa bidang data mungkin sulit diperoleh, seperti data kesehatan sensitif di bidang medis. Selain itu, kualitas, akurasi, dan pelabelan data juga menjadi masalah; data yang tidak lengkap atau bias dapat menyebabkan perilaku atau bias model yang salah. Pada saat yang sama, melindungi privasi dan keamanan data juga merupakan faktor penting yang perlu dipertimbangkan.

Selain itu, ada juga masalah seperti keterjelasan dan transparansi, sifat kotak hitam dari model AI adalah masalah yang menjadi perhatian publik. Untuk beberapa aplikasi, seperti keuangan, kesehatan, dan peradilan, proses pengambilan keputusan model perlu dapat dijelaskan dan dilacak, sementara model pembelajaran mendalam yang ada sering kali kurang transparan. Menjelaskan proses pengambilan keputusan model dan memberikan penjelasan yang dapat dipercaya tetap menjadi tantangan.

Selain itu, banyak model bisnis dari proyek AI yang baru didirikan tidak terlalu jelas, hal ini juga membuat banyak pengusaha AI merasa bingung.

2.2 Tantangan yang Dihadapi oleh Industri Web3

Di sektor Web3, saat ini juga ada banyak tantangan yang perlu diatasi, baik itu dalam analisis data Web3, pengalaman pengguna yang buruk dari produk Web3, maupun masalah kerentanan kode kontrak pintar dan serangan hacker, semua memiliki banyak ruang untuk perbaikan. Sementara itu, AI sebagai alat untuk meningkatkan produktivitas, juga memiliki banyak potensi untuk berperan dalam aspek-aspek ini.

Pertama adalah peningkatan kemampuan analisis dan prediksi data: penerapan teknologi AI dalam analisis data dan prediksi telah membawa dampak besar bagi industri Web3. Melalui analisis dan penambangan cerdas menggunakan algoritma AI, platform Web3 dapat mengekstrak informasi berharga dari data yang sangat besar dan melakukan prediksi serta pengambilan keputusan yang lebih akurat. Ini memiliki arti penting dalam penilaian risiko, prediksi pasar, dan manajemen aset di bidang keuangan terdesentralisasi (DeFi).

Selain itu, juga dapat meningkatkan pengalaman pengguna dan layanan yang dipersonalisasi: penerapan teknologi AI memungkinkan platform Web3 untuk memberikan pengalaman pengguna yang lebih baik dan layanan yang dipersonalisasi. Melalui analisis dan pemodelan data pengguna, platform Web3 dapat memberikan rekomendasi yang dipersonalisasi, layanan yang disesuaikan, serta pengalaman interaksi yang cerdas kepada pengguna. Ini membantu meningkatkan keterlibatan dan kepuasan pengguna, serta mendorong perkembangan ekosistem Web3, seperti banyak protokol Web3 yang mengintegrasikan alat AI seperti ChatGPT untuk melayani pengguna dengan lebih baik.

Dalam hal keamanan dan perlindungan privasi, penerapan AI memiliki dampak yang mendalam pada industri Web3. Teknologi AI dapat digunakan untuk mendeteksi dan mencegah serangan siber, mengidentifikasi perilaku yang mencurigakan, serta memberikan perlindungan keamanan yang lebih kuat. Selain itu, AI juga dapat diterapkan dalam perlindungan privasi data, melalui enkripsi data dan teknik komputasi privasi, untuk melindungi informasi pribadi pengguna di platform Web3. Dalam audit kontrak pintar, karena proses penulisan dan audit kontrak pintar dapat memiliki celah dan risiko keamanan, teknologi AI dapat digunakan untuk otomatisasi audit kontrak dan deteksi celah, meningkatkan keamanan dan keandalan kontrak.

Dapat dilihat bahwa, untuk tantangan yang dihadapi industri Web3 dan potensi ruang peningkatannya, AI dapat berpartisipasi dan memberikan dukungan dalam banyak aspek.

Tiga, Analisis Status Proyek AI+Web3

Proyek yang menggabungkan AI dan Web3 terutama berfokus pada dua aspek besar, yaitu memanfaatkan teknologi blockchain untuk meningkatkan kinerja proyek AI, dan menggunakan teknologi AI untuk mendukung peningkatan proyek Web3.

Berkaitan dengan dua aspek, muncul banyak proyek yang mengeksplorasi jalan ini, termasuk proyek-proyek yang beragam seperti Io.net, Gensyn, Ritual, dan lainnya. Selanjutnya, artikel ini akan menganalisis keadaan dan perkembangan dari berbagai sub-lapangan yang berbeda antara AI yang mendukung web3 dan Web3 yang mendukung AI.

3.1 Web3 mendukung AI

3.1.1 Kekuatan Komputasi Terdesentralisasi

Setelah OpenAI meluncurkan ChatGPT pada akhir 2022, AI menjadi sangat populer. Dalam waktu 5 hari setelah peluncuran, jumlah pengguna mencapai 1 juta, sementara Instagram membutuhkan waktu sekitar dua setengah bulan untuk mencapai 1 juta unduhan. Setelah itu, pertumbuhan ChatGPT juga sangat cepat, dalam 2 bulan jumlah pengguna aktif bulanan mencapai 100 juta, dan pada November 2023, jumlah pengguna aktif mingguan mencapai 100 juta. Dengan munculnya ChatGPT, bidang AI dengan cepat meledak dari jalur kecil menjadi industri yang sangat diperhatikan.

Menurut laporan Trendforce, ChatGPT memerlukan 30.000 GPU NVIDIA A100 untuk beroperasi, sementara GPT-5 di masa depan akan memerlukan jumlah komputasi yang lebih besar. Ini juga memicu perlombaan senjata antara berbagai perusahaan AI, hanya dengan menguasai cukup banyak daya komputasi, mereka dapat memastikan memiliki cukup dorongan dan keunggulan dalam perang AI, sehingga menyebabkan munculnya fenomena kekurangan GPU.

Sebelum kebangkitan AI, pelanggan penyedia GPU terbesar, NVIDIA, terfokus pada tiga layanan cloud utama: AWS, Azure, dan GCP. Dengan munculnya kecerdasan buatan, banyak pembeli baru muncul, termasuk perusahaan teknologi besar seperti Meta, Oracle, serta platform data dan startup AI lainnya, yang semua terlibat dalam perang mengumpulkan GPU untuk melatih model AI. Perusahaan teknologi besar seperti Meta dan Tesla secara signifikan meningkatkan jumlah pembelian untuk model AI kustom dan penelitian internal. Perusahaan model dasar seperti Anthropic serta platform data seperti Snowflake dan Databricks juga membeli lebih banyak GPU untuk membantu pelanggan menyediakan layanan kecerdasan buatan.

Seperti yang disebutkan oleh Semi Analysis tahun lalu mengenai "Kaya GPU dan Miskin GPU", hanya ada beberapa perusahaan yang memiliki lebih dari 20.000 GPU A100/H100, dan anggota tim dapat menggunakan 100 hingga 1.000 GPU untuk proyek. Perusahaan-perusahaan ini adalah penyedia cloud atau membangun LLM sendiri, termasuk OpenAI, Google, Meta, Anthropic, Inflection, Tesla, Oracle, Mistral, dan lain-lain.

Namun, sebagian besar perusahaan adalah "orang miskin GPU", yang hanya bisa berjuang dengan jumlah GPU yang jauh lebih sedikit, menghabiskan banyak waktu dan tenaga untuk melakukan hal-hal yang sulit untuk mendorong perkembangan ekosistem. Selain itu, situasi ini tidak hanya terbatas pada perusahaan rintisan. Beberapa perusahaan AI paling terkenal—Hugging Face, Databricks (MosaicML), Together, bahkan jumlah A100/H100 Snowflake kurang dari 20K. Perusahaan-perusahaan ini memiliki talenta teknologi kelas dunia, namun dibatasi oleh jumlah pasokan GPU, dan berada dalam posisi yang kurang menguntungkan dibandingkan dengan perusahaan besar dalam kompetisi di bidang AI.

Kekurangan ini tidak terbatas pada "orang-orang miskin GPU", bahkan pada akhir tahun 2023, pemimpin di jalur AI OpenAI terpaksa menutup pendaftaran berbayar selama beberapa minggu karena tidak dapat memperoleh cukup GPU, sambil mencari pasokan GPU lebih banyak.

Dapat dilihat bahwa, seiring dengan perkembangan cepat AI, telah terjadi ketidaksesuaian yang serius antara sisi permintaan dan sisi pasokan GPU, dan masalah kekurangan pasokan menjadi sangat mendesak.

Untuk menyelesaikan masalah ini, beberapa proyek Web3 mulai mencoba menggabungkan karakteristik teknologi Web3, menyediakan layanan komputasi terdesentralisasi, termasuk Akash, Render, Gensyn, dan lain-lain. Kesamaan proyek-proyek ini adalah, melalui token untuk mendorong para pengguna untuk menyediakan daya GPU yang tidak terpakai, menjadi sisi penyedia daya komputasi, untuk