La fusión de Web3 y AI: construyendo la infraestructura de Internet de próxima generación

Web3, como un nuevo paradigma de Internet descentralizado, abierto y transparente, tiene una oportunidad de fusión natural con la IA. En la arquitectura tradicional centralizada, los recursos de cálculo y datos de la IA están estrictamente controlados, y existen numerosos desafíos como cuellos de botella en la capacidad de cálculo, filtraciones de privacidad y cajas negras algorítmicas. Sin embargo, Web3, basado en tecnologías distribuidas, puede inyectar nueva energía al desarrollo de la IA a través de redes de cálculo compartido, mercados de datos abiertos y computación de privacidad. Al mismo tiempo, la IA también puede aportar muchas capacidades a Web3, como la optimización de contratos inteligentes y algoritmos antitrampa, apoyando su construcción ecológica. Por lo tanto, explorar la combinación de Web3 y IA es esencial para construir la infraestructura de Internet de próxima generación y liberar el valor de los datos y la capacidad de cálculo.

Impulsado por Datos: La Sólida Base de la IA y Web3

Los datos son el motor central que impulsa el desarrollo de la IA, así como el combustible lo es para un motor. Los modelos de IA necesitan digerir grandes cantidades de datos de alta calidad para obtener una comprensión profunda y una fuerte capacidad de razonamiento. Los datos no solo proporcionan la base para el entrenamiento de los modelos de aprendizaje automático, sino que también determinan la precisión y fiabilidad del modelo.

En el modelo tradicional de adquisición y uso de datos de IA centralizada, existen los siguientes problemas principales:

• El costo de adquisición de datos es alto, lo que dificulta que las pequeñas y medianas empresas lo asuman.
• Los recursos de datos están monopolizados por gigantes tecnológicos, creando islas de datos
• Los datos personales enfrentan el riesgo de filtraciones y abusos.

Web3 puede resolver los puntos críticos del modelo tradicional con un nuevo paradigma de datos descentralizados:

• Los usuarios pueden vender su red ociosa a empresas de IA, capturando datos de red de manera descentralizada, que después de ser limpiados y transformados, proporcionan datos reales y de alta calidad para el entrenamiento de modelos de IA.
• Adoptar el modelo "label to earn", incentivando a trabajadores de todo el mundo a participar en la anotación de datos mediante tokens, reuniendo conocimientos especializados globales y mejorando la capacidad de análisis de datos.
• La plataforma de intercambio de datos en blockchain proporciona un entorno de intercambio público y transparente para ambas partes de oferta y demanda de datos, incentivando la innovación y el intercambio de datos.

Sin embargo, la obtención de datos del mundo real también presenta algunos problemas, como la variabilidad de la calidad de los datos, la dificultad de procesamiento, la insuficiencia de diversidad y representatividad, entre otros. Los datos sintéticos podrían ser la estrella del futuro en la pista de datos de Web3. Basados en tecnología de IA generativa y simulaciones, los datos sintéticos pueden imitar las características de los datos reales, sirviendo como un complemento efectivo a los datos reales y mejorando la eficiencia en el uso de datos. En campos como la conducción autónoma, el comercio en mercados financieros y el desarrollo de videojuegos, los datos sintéticos ya han demostrado su potencial de aplicación madura.

Protección de la privacidad: El papel de FHE en Web3

En la era impulsada por datos, la protección de la privacidad se ha convertido en un foco de atención global; la promulgación de regulaciones como el Reglamento General de Protección de Datos (GDPR) de la Unión Europea refleja una estricta protección de la privacidad personal. Sin embargo, esto también ha traído desafíos: algunos datos sensibles no pueden ser utilizados plenamente debido a los riesgos de privacidad, lo que sin duda limita el potencial y la capacidad de razonamiento de los modelos de IA.

FHE es la encriptación homomórfica total, que permite realizar operaciones de cálculo directamente sobre datos encriptados, sin necesidad de desencriptar los datos, y el resultado del cálculo es consistente con el resultado de realizar el mismo cálculo sobre datos en texto claro.

FHE proporciona una sólida protección para el cálculo privado de IA, permitiendo que la potencia de cálculo de GPU ejecute tareas de entrenamiento e inferencia de modelos en un entorno donde no se toca los datos originales. Esto brinda una gran ventaja a las empresas de IA. Pueden abrir de manera segura los servicios API mientras protegen los secretos comerciales.

FHEML admite el procesamiento cifrado de datos y modelos a lo largo de todo el ciclo de aprendizaje automático, garantizando la seguridad de la información sensible y previniendo el riesgo de filtración de datos. De esta manera, FHEML refuerza la privacidad de los datos y proporciona un marco de cálculo seguro para aplicaciones de IA.

FHEML es un complemento de ZKML, donde ZKML prueba la correcta ejecución del aprendizaje automático, mientras que FHEML enfatiza la computación sobre datos cifrados para mantener la privacidad de los datos.

Revolución del poder de cómputo: computación AI en redes descentralizadas

La complejidad computacional de los sistemas de IA actuales se duplica cada 3 meses, lo que provoca un aumento explosivo en la demanda de potencia de cálculo, superando con creces la oferta de recursos computacionales existentes. Por ejemplo, el entrenamiento del modelo GPT-3 requiere una enorme potencia de cálculo, equivalente a 355 años de tiempo de entrenamiento en un solo dispositivo. Esta escasez de potencia de cálculo no solo limita el avance de la tecnología de IA, sino que también hace que esos modelos avanzados de IA sean inalcanzables para la mayoría de los investigadores y desarrolladores.

Al mismo tiempo, la tasa de utilización global de GPU es inferior al 40%, sumado a la desaceleración en el rendimiento de los microprocesadores y la escasez de chips provocada por factores de la cadena de suministro y geopolíticos, lo que agrava aún más el problema de suministro de potencia de cálculo. Los profesionales de la IA se encuentran en un dilema: o compran hardware por su cuenta o alquilan recursos en la nube, por lo que necesitan urgentemente una forma de servicio de computación bajo demanda y rentable.

Una red de capacidad de cómputo AI descentralizada en una plataforma blockchain, que agrega recursos GPU ociosos de todo el mundo, proporciona a las empresas de AI un mercado de capacidad de cómputo que es tanto económico como accesible. Las partes que demandan capacidad de cómputo pueden publicar tareas de cálculo en la red, los contratos inteligentes asignan las tareas a los nodos mineros que contribuyen con capacidad de cómputo, los mineros ejecutan las tareas y envían los resultados, y tras la verificación, reciben recompensas en forma de puntos. Esta solución mejora la eficiencia en la utilización de recursos y ayuda a resolver el problema de cuellos de botella en la capacidad de cómputo en campos como AI.

Además de las redes de computación descentralizada generales, también hay plataformas enfocadas en el entrenamiento de IA y redes de computación especializadas en la inferencia de IA.

Las redes de potencia computacional descentralizadas ofrecen un mercado de potencia computacional justo y transparente, rompen los monopolios, reducen las barreras de entrada y mejoran la eficiencia en la utilización de la potencia computacional. En el ecosistema web3, las redes de potencia computacional descentralizadas jugarán un papel clave, atrayendo la participación de más dapps innovadoras y promoviendo conjuntamente el desarrollo y la aplicación de la tecnología de IA.

DePIN: Web3 empoderando la IA en el borde

Imagina que tu teléfono móvil, tu reloj inteligente e incluso los dispositivos inteligentes de tu hogar tienen la capacidad de ejecutar IA; esta es la magia del Edge AI. Permite que el procesamiento ocurra en la fuente de generación de datos, logrando baja latencia y procesamiento en tiempo real, al mismo tiempo que protege la privacidad del usuario. La tecnología Edge AI ya se ha aplicado en campos clave como la conducción autónoma.

En el ámbito de Web3, tenemos un nombre más familiar: DePIN. Web3 enfatiza la descentralización y la soberanía sobre los datos del usuario, y DePIN puede mejorar la protección de la privacidad del usuario al procesar datos localmente, reduciendo el riesgo de filtraciones de datos; el mecanismo de economía de tokens nativo de Web3 puede incentivar a los nodos de DePIN a proporcionar recursos de computación, construyendo un ecosistema sostenible.

Actualmente, DePIN se está desarrollando rápidamente en el ecosistema de una cierta cadena pública, convirtiéndose en una de las plataformas de cadena pública preferidas para la implementación de proyectos. La alta TPS, los bajos costos de transacción y la innovación tecnológica de esta cadena pública brindan un fuerte apoyo a los proyectos DePIN. Actualmente, la capitalización de mercado de los proyectos DePIN en esta cadena pública supera los 10 mil millones de dólares, y algunos proyectos conocidos han logrado un progreso significativo.

IMO: Publicación de un nuevo paradigma de modelos de IA

El concepto de IMO fue propuesto por un protocolo que primero tokeniza modelos de IA.

En el modelo tradicional, debido a la falta de un mecanismo de reparto de beneficios, una vez que un modelo de IA se desarrolla y se lanza al mercado, los desarrolladores a menudo tienen dificultades para obtener ingresos continuos de su uso posterior, especialmente cuando el modelo se integra en otros productos y servicios. Los creadores originales tienen dificultades para rastrear el uso, y ni hablar de obtener beneficios de ello. Además, el rendimiento y la efectividad de los modelos de IA a menudo carecen de transparencia, lo que dificulta a los inversores y usuarios potenciales evaluar su verdadero valor, limitando así el reconocimiento en el mercado y el potencial comercial del modelo.

IMO proporciona una nueva forma de apoyo financiero y compartición de valor para modelos de IA de código abierto, donde los inversores pueden comprar tokens IMO y compartir las ganancias generadas posteriormente por el modelo. Un protocolo utiliza dos estándares ERC, combinando oráculos de IA y tecnología OPML para garantizar la autenticidad del modelo de IA y que los titulares de tokens puedan compartir las ganancias.

El modo IMO ha mejorado la transparencia y la confianza, fomentando la colaboración de código abierto, adaptándose a las tendencias del mercado de criptomonedas y aportando impulso al desarrollo sostenible de la tecnología AI. Actualmente, el IMO todavía se encuentra en una fase experimental inicial, pero a medida que aumenta la aceptación del mercado y se amplía el alcance de la participación, su innovación y valor potencial merecen nuestra expectativa.

Agente de IA: La nueva era de la experiencia interactiva

El Agente de IA puede percibir el entorno, pensar de manera independiente y tomar las acciones correspondientes para alcanzar objetivos establecidos. Con el apoyo de modelos de lenguaje grandes, el Agente de IA no solo puede entender el lenguaje natural, sino también planificar decisiones y ejecutar tareas complejas. Pueden actuar como asistentes virtuales, aprendiendo las preferencias del usuario a través de la interacción y proporcionando soluciones personalizadas. Incluso sin instrucciones claras, el Agente de IA puede resolver problemas de forma autónoma, mejorar la eficiencia y crear nuevo valor.

Una plataforma de aplicación nativa de IA ofrece un conjunto de herramientas de creación completas y fáciles de usar, que permite a los usuarios configurar funciones, apariencia, sonido de robots y conectar bases de datos externas, dedicada a construir un ecosistema de contenido de IA justo y abierto, utilizando tecnología de IA generativa para empoderar a las personas a convertirse en supercreadores. La plataforma ha entrenado un modelo de lenguaje grande especializado, lo que hace que el juego de roles sea más humanizado; la tecnología de clonación de voz puede acelerar la interacción personalizada de productos de IA, reduciendo el costo de la síntesis de voz en un 99%, y la clonación de voz se puede lograr en solo 1 minuto. Con el Agente de IA personalizado de esta plataforma, actualmente se puede aplicar en múltiples campos como videollamadas, aprendizaje de idiomas, generación de imágenes, entre otros.

En la fusión de Web3 y la IA, actualmente se está explorando más la capa de infraestructura, cómo obtener datos de alta calidad, proteger la privacidad de los datos, cómo alojar modelos en la cadena, cómo mejorar el uso eficiente de la potencia de cálculo descentralizada y cómo validar modelos de lenguaje grandes, entre otros problemas clave. A medida que estas infraestructuras se vayan perfeccionando, tenemos razones para creer que la fusión de Web3 y la IA dará lugar a una serie de modelos de negocio y servicios innovadores.