Інтеграція Web3 та AI: створення інфраструктури наступного покоління Інтернету

Web3 як нова децентралізована, відкрита та прозора парадигма Інтернету має природний потенціал для інтеграції з AI. У традиційній централізованій архітектурі обчислення AI та дані контролюються суворо, що призводить до багатьох викликів, таких як обмеження обчислювальної потужності, витік конфіденційності, алгоритми чорної скриньки та ін. Web3, заснований на розподілених технологіях, може надати новий імпульс розвитку AI через спільні обчислювальні мережі, відкриті ринки даних, обчислення конфіденційності та інші способи. Водночас AI також може надати безліч можливостей для екосистеми Web3, таких як оптимізація смарт-контрактів, алгоритми протидії шахрайству тощо. Отже, дослідження поєднання Web3 та AI є надзвичайно важливим для побудови інфраструктури наступного покоління Інтернету, а також для реалізації цінності даних та обчислювальної потужності.

Дані, що керують: міцна основа AI та Web3

Дані є основною рушійною силою розвитку ШІ. Моделі ШІ потребують перетворення великої кількості високоякісних даних, щоб отримати глибоке розуміння та потужні можливості міркування. Дані не лише забезпечують основу для навчання моделей машинного навчання, а й визначають точність та надійність моделей.

Традиційні централізовані моделі збору та використання даних штучного інтелекту мають такі основні проблеми:

• Витрати на отримання даних високі, малим і середнім підприємствам важко їх витримати
• Ресурси даних монополізуються технологічними гігантами, утворюючи острови даних
• Особисті дані піддаються ризику витоку та зловживання

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

• Користувачі можуть продавати невикористану мережу компаніям штучного інтелекту, децентралізовано збираючи мережеві дані для надання реальних, високоякісних даних для навчання моделей ШІ.
• Використання моделі "label to earn" для стимулювання глобальних працівників брати участь у маркуванні даних через токени, об'єднуючи світові професійні знання та підвищуючи можливості аналізу даних.
• Платформа торгівлі даними на блокчейні забезпечує відкритий і прозорий торговий середовище для обох сторін попиту та пропозиції даних, стимулюючи інновації та обмін даними.

Незважаючи на це, отримання даних з реального світу все ще стикається з проблемами нерівної якості даних, великими труднощами в обробці, недостатньою різноманітністю та репрезентативністю. Синтетичні дані можуть стати зіркою майбутнього в галузі даних Web3. На основі технологій генеративного ШІ та моделювання, синтетичні дані можуть імітувати властивості реальних даних, слугуючи ефективним доповненням до реальних даних, підвищуючи ефективність використання даних. У таких сферах, як автономне водіння, фінансові ринкові торги, розробка ігор, синтетичні дані вже продемонстрували зрілі можливості застосування.

Захист конфіденційності: Роль FHE у Web3

Епоха, керована даними, зробила захист конфіденційності глобальною темою, а прийняття таких регламентів, як Загальний регламент захисту даних ЄС (GDPR), відображає суворе захист особистої конфіденційності. Однак це також створює виклики: деякі чутливі дані не можуть бути повноцінно використані через ризики конфіденційності, що обмежує потенціал і можливості моделювання ШІ.

FHE, або повна гомоморфна криптографія, дозволяє виконувати обчислення безпосередньо на зашифрованих даних без необхідності їх розшифровки, причому результати обчислень збігаються з результатами, отриманими при виконанні тих же обчислень над відкритими даними.

FHE забезпечує надійний захист для приватних обчислень в AI, дозволяючи потужностям GPU виконувати навчання моделей та завдання виводу без доступу до вихідних даних. Це приносить величезні переваги компаніям AI, які 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 ризикам витоку даних. Таким чином, FHEML зміцнює конфіденційність даних, надаючи безпечну обчислювальну інфраструктуру для AI-додатків.

FHEML є доповненням до ZKML, де ZKML підтверджує правильність виконання машинного навчання, а FHEML підкреслює обробку зашифрованих даних для підтримки конфіденційності даних.

Революція обчислювальної потужності: AI обчислення в децентралізованих мережах

Поточна складність обчислень AI-системи подвоюється кожні 3 місяці, що призводить до різкого збільшення попиту на обчислювальні потужності, що значно перевищує наявні ресурси. Наприклад, для навчання великої мовної моделі в одній AI-компанії потрібні величезні обчислювальні потужності, що еквівалентно 355 рокам навчання на одному пристрої. Така нестача обчислювальних потужностей не лише обмежує прогрес у технології AI, а й робить високорозвинені AI-моделі недоступними для більшості дослідників і розробників.

Водночас, світове використання GPU становить менше 40%, а також уповільнення підвищення продуктивності мікропроцесорів та нестача чіпів через фактори постачання і геополітики ускладнюють проблему постачання обчислювальної потужності. Працівники в сфері ШІ опинилися в двозначній ситуації: або купувати апаратне забезпечення, або орендувати хмарні ресурси, їм терміново потрібен економічно ефективний спосіб обчислювальних послуг на вимогу.

Деяка децентралізована мережа обчислювальної потужності на базі ШІ агрегує вільні ресурси GPU по всьому світу, пропонуючи економічно доступний ринок обчислювальної потужності для компаній, що займаються ШІ. Сторони, які потребують обчислювальної потужності, можуть публікувати обчислювальні завдання в мережі, а розумний контракт розподіляє завдання між майнерами, які вносять обчислювальну потужність. Майнери виконують завдання та подають результати, які перевіряються, після чого вони отримують винагороду у вигляді балів. Ця схема підвищує ефективність використання ресурсів і допомагає вирішити проблему вузьких місць у обчислювальній потужності в таких сферах, як ШІ.

Окрім загальної децентралізованої мережі обчислювальної потужності, існують також платформи, що зосереджені на навчанні ШІ, а також спеціалізовані мережі обчислювальної потужності, що фокусуються на інференції ШІ.

Децентралізована мережа обчислювальної потужності забезпечує справедливий і прозорий ринок обчислювальної потужності, ламаючи монополії, знижуючи бар'єри для застосування та підвищуючи ефективність використання обчислювальної потужності. У екосистемі web3 децентралізована мережа обчислювальної потужності відіграватиме ключову роль, залучаючи більше інноваційних dapp, щоб спільно сприяти розвитку та застосуванню технологій ШІ.

DePIN: Web3, що надає можливості Edge AI

Уявіть собі, що ваш телефон, смарт-годинник або навіть розумні пристрої у вашому домі мають можливість запускати ШІ — ось у чому полягає魅力 Edge AI. Це дозволяє обробці даних відбуватися на місці їх виникнення, забезпечуючи низьку затримку і обробку в реальному часі, при цьому захищаючи конфіденційність користувача. Технологія Edge AI вже застосовується в ключових сферах, таких як автономне водіння.

У сфері Web3 у нас є більш знайоме ім'я — DePIN. Web3 підкреслює децентралізацію та суверенітет даних користувачів, а DePIN, обробляючи дані локально, може посилити захист конфіденційності користувачів і зменшити ризик витоку даних; рідна токен-економіка Web3 може стимулювати вузли DePIN надавати обчислювальні ресурси та створювати стійку екосистему.

Наразі DePIN швидко розвивається в екосистемі певного публічного блокчейну, ставши однією з найпопулярніших платформ для розгортання проектів. Висока TPS, низькі комісії за транзакції та технологічні інновації цього публічного блокчейну забезпечують потужну підтримку для проектів DePIN. Наразі ринкова капіталізація проектів DePIN на цьому публічному блокчейні перевищує 10 мільярдів доларів США, а деякі відомі проекти досягли значного прогресу.

IMO：AI-моделі випускають нову парадигму

Концепція IMO була вперше запропонована певним протоколом, що передбачає токенізацію AI моделей.

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

IMO забезпечує новий спосіб фінансування та розподілу вартості для відкритих AI моделей, інвестори можуть купувати токени IMO, щоб ділитися прибутками, що генеруються моделлю в майбутньому. Один протокол використовує два стандарти ERC, поєднуючи AI оракул і технологію OPML, щоб забезпечити справжність AI моделі та можливість для власників токенів ділитися прибутком.

Модель IMO підвищує прозорість і довіру, заохочує відкриту співпрацю, адаптується до тенденцій крипторинку та надає імпульс сталому розвитку технологій штучного інтелекту. IMO наразі знаходиться на початковій стадії експериментів, але з підвищенням прийнятності на ринку та розширенням участі, його інноваційність і потенційна цінність заслуговують на очікування.

AI Агент: нова ера інтерактивного досвіду

AI Agent може сприймати навколишнє середовище, здійснювати незалежне мислення та вживати відповідні дії для досягнення поставлених цілей. Підтримувані великими мовними моделями, AI Agent не лише розуміє природну мову, але й може планувати рішення та виконувати складні завдання. Вони можуть виступати в ролі віртуальних асистентів, навчаючись вподобанням користувачів через взаємодію та надаючи персоналізовані рішення. Навіть за відсутності чітких вказівок, AI Agent може самостійно вирішувати проблеми, підвищуючи ефективність та створюючи нову цінність.

Деяка відкрита платформа для додатків, що базуються на AI, пропонує всебічний і зручний набір інструментів для створення, підтримуючи користувачів у налаштуванні функцій, зовнішнього вигляду, звуку роботів та підключенні зовнішніх баз знань тощо, прагнучи створити справедливу та відкриту екосистему контенту на основі AI, використовуючи технології генеративного AI, надаючи можливість особам стати супер-креаторами. Ця платформа навчила спеціалізовану велику мовну модель, що робить рольову гру більш гуманною; технологія клонування голосу може прискорити персоналізовану взаємодію AI-продуктів, знижуючи витрати на синтез голосу на 99%, а клонування голосу можна здійснити лише за 1 хвилину. Використовуючи AI Agent, налаштованого на цій платформі, в даний час його можна застосовувати в різних сферах, таких як відеочат, вивчення мови, генерація зображень тощо.

У злитті Web3 та ШІ наразі більше уваги приділяється дослідженню інфраструктурного рівня, як отримати високоякісні дані, захистити конфіденційність даних, як розміщувати моделі на блокчейні, як підвищити ефективне використання децентралізованих обчислювальних потужностей, як перевіряти великі мовні моделі та інші ключові питання. З поступовим удосконаленням цієї інфраструктури ми маємо підстави вірити, що злиття Web3 та ШІ стане основою для низки інноваційних бізнес-моделей та послуг.