Слияние Web3 и ИИ: создание инфраструктуры следующего поколения интернета

Web3 как новая парадигма интернета, основанная на децентрализации, открытости и прозрачности, имеет естественную возможность интеграции с ИИ. В традиционной централизованной архитектуре вычисления ИИ и ресурсы данных находятся под строгим контролем, и существует множество проблем, таких как узкие места вычислительной мощности, утечка конфиденциальности и черные ящики алгоритмов. В то же время, Web3, основанный на распределенных технологиях, может внести новый импульс в развитие ИИ через такие подходы, как совместное использование вычислительной сети, открытый рынок данных и вычисления с учетом конфиденциальности. Кроме того, ИИ может предоставить Web3 множество возможностей, таких как оптимизация смарт-контрактов и алгоритмы противодействия мошенничеству, способствуя его экосистемной строительству. Таким образом, исследование сочетания Web3 и ИИ имеет жизненно важное значение для создания инфраструктуры следующего поколения интернета и раскрытия ценности данных и вычислительных мощностей.

Данные как основа: Искусственный интеллект и Web3

Данные являются ключевым двигателем развития ИИ, как топливо для двигателя. Модели ИИ нуждаются в переработке большого объема высококачественных данных, чтобы получить глубокое понимание и мощные способности к рассуждению. Данные не только предоставляют основу для обучения моделей машинного обучения, но и определяют точность и надежность моделей.

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

• Высокие затраты на получение данных, малым и средним предприятиям трудно их нести.
• Ресурсы данных монополизируются технологическими гигантами, что приводит к образованию островов данных.
• Личная информация подвержена рискам утечки и злоупотребления.

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

• Пользователи могут продавать неиспользуемую сеть AI-компаниям, децентрализованно собирающим данные сети, которые после очистки и преобразования обеспечивают реальные и высококачественные данные для обучения моделей ИИ.
• Используя модель "label to earn", мы мотивируем глобальных работников участвовать в аннотировании данных с помощью токенов, собирая профессиональные знания со всего мира и усиливая аналитические способности данных.
• Платформа торговли данными на блокчейне предоставляет открытое и прозрачное торговое окружение для обеих сторон спроса и предложения данных, стимулируя инновации и обмен данными.

Тем не менее, в реальном мире существуют некоторые проблемы с получением данных, такие как непостоянное качество данных, высокая сложность обработки, недостаток разнообразия и представительности и т.д. Синтетические данные могут стать звездой будущего сектора данных Web3. Основанные на генеративных технологиях ИИ и моделировании, синтетические данные могут имитировать свойства реальных данных, служа эффективным дополнением к реальным данным, повышая эффективность использования данных. В таких областях, как автономное вождение, торговля на финансовых рынках и разработка игр, синтетические данные уже продемонстрировали свой зрелый потенциал применения.

Защита конфиденциальности: Роль FHE в Web3

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

FHE - это полностью гомоморфное шифрование, которое позволяет выполнять вычисления непосредственно над зашифрованными данными без необходимости их расшифровки, и результаты вычислений совпадают с результатами тех же вычислений, проведенных над открытыми данными.

FHE обеспечивает надежную защиту для приватных вычислений в AI, позволяя вычислительной мощности GPU выполнять задачи обучения моделей и вывода в среде, не касаясь исходных данных. Это приносит огромные преимущества компаниям AI. Они могут безопасно открывать API-сервисы, защищая при этом коммерческую тайну.

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 конфиденциальность данных и предоставляет безопасную вычислительную среду для приложений ИИ.

FHEML является дополнением к ZKML, где ZKML подтверждает правильное выполнение машинного обучения, а FHEML подчеркивает необходимость вычислений с зашифрованными данными для обеспечения конфиденциальности данных.

Революция вычислительной мощности: ИИ-вычисления в децентрализованных сетях

Текущая вычислительная сложность AI-систем удваивается каждые 3 месяца, что приводит к резкому росту спроса на вычислительную мощность, значительно превышающему предложение существующих вычислительных ресурсов. Например, для обучения модели GPT-3 требуется огромная вычислительная мощность, эквивалентная 355 годам обучения на одном устройстве. Такой дефицит вычислительной мощности не только ограничивает прогресс технологий AI, но и делает эти высокоразвитыe 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 из-за факторов цепочки поставок и геополитики усугубляют проблему поставок вычислительных мощностей. Практики AI оказались в затруднительном положении: либо приобретать оборудование, либо арендовать облачные ресурсы, им срочно нужен способ вычислительных услуг по запросу и с экономической эффективностью.

Децентрализованная сеть вычислительной мощности на основе ИИ на одной из блокчейн-платформ, объединяющая неиспользуемые ресурсы GPU по всему миру, предоставляет ИИ-компаниям экономичный и доступный рынок вычислительной мощности. Запросы на вычислительную мощность могут публиковаться в сети, а умные контракты распределяют задачи между майнерами, которые предоставляют вычислительную мощность. Майнеры выполняют задачи и отправляют результаты, а после проверки получают вознаграждение в виде баллов. Это решение повышает эффективность использования ресурсов и помогает решить проблему узкого места вычислительной мощности в таких областях, как ИИ.

Помимо универсальной сети децентрализованных вычислений, существуют платформы, сосредоточенные на обучении ИИ, а также специализированные вычислительные сети для вывода ИИ.

Децентрализованная сеть вычислительной мощности предоставляет справедливый и прозрачный рынок вычислительной мощности, разрушая монополию, снижая порог входа для приложений и повышая 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, наделяющий Edge AI

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

В области Web3 у нас есть более знакомое имя — DePIN. Web3 подчеркивает децентрализацию и суверенитет пользовательских данных, DePIN, обрабатывая данные локально, может усилить защиту личных данных 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 экосистеме одной из публичных цепей, став одним из предпочтительных платформ для развертывания проектов. Высокая пропускная способность этой публичной цепи, низкие торговые издержки и технологические инновации оказывают мощную поддержку проектам DePIN. В настоящее время рыночная капитализация проектов DePIN на этой публичной цепи превышает 10 миллиардов долларов, и некоторые известные проекты уже добились значительного прогресса.

IMO: Новый парадигма публикации AI моделей

Концепция IMO была впервые предложена в рамках определенного протокола, который токенизирует AI модели.

В традиционной модели, из-за отсутствия механизма распределения доходов, после разработки и вывода на рынок AI-модели разработчикам часто сложно получать постоянный доход от последующего использования модели, особенно когда модель интегрируется в другие продукты и услуги. Исходным создателям трудно отслеживать использование, не говоря уже о получении дохода. Кроме того, производительность и эффективность AI-моделей часто не прозрачны, что затрудняет потенциальным инвесторам и пользователям оценку их истинной ценности, ограничивая тем самым рыночное признание и коммерческий потенциал моделей.

IMO предлагает новый способ финансирования и совместного использования ценности для открытых AI моделей, позволяя инвесторам приобретать токены IMO и делиться доходами, полученными от модели в будущем. Некоторые протоколы используют два стандарта ERC, объединяя AI оракулы и технологии OPML, чтобы обеспечить подлинность AI моделей и возможность держателей токенов делиться доходами.

Модель IMO усиливает прозрачность и доверие, поощряет открытое сотрудничество, адаптируется к тенденциям крипторынка и вносит вклад в устойчивое развитие технологий ИИ. IMO в настоящее время находится на стадии первоначальных попыток, но по мере роста принятия на рынке и расширения круга участников его инновационность и потенциальная ценность вызывают у нас ожидания.

ИИ Агент: новая эра интерактивного опыта

AI-агент способен воспринимать окружающую среду, проводить независимое мышление и предпринимать соответствующие действия для достижения поставленных целей. При поддержке больших языковых моделей AI-агент не только понимает естественный язык, но и может планировать решения, выполнять сложные задачи. Они могут служить виртуальными помощниками, обучаясь предпочтениям пользователей через взаимодействие и предоставляя персонализированные решения. Даже без явных указаний AI-агент может самостоятельно решать проблемы, повышать эффективность и создавать новую ценность.

Некоторый AI-родной приложенческий платформ предоставляет полный и удобный набор инструментов для создания, поддерживает возможность настройки функций, внешнего вида и голоса роботов, а также подключения к внешним базам знаний, стремясь создать справедливую и открытую экосистему AI-контента. Используя технологии генеративного AI, платформа наделяет личности возможностью стать супер-креаторами. Эта платформа обучила специализированную большую языковую модель, что делает ролевые игры более человечными; технология клонирования голоса может ускорить персонализированное взаимодействие AI-продуктов, снизив стоимость синтеза голоса на 99%, клонирование голоса занимает всего 1 минуту. С помощью настроенного AI-агента на этой платформе, он может быть применен в таких областях, как видеочат, изучение языков, генерация изображений и многих других.

В интеграции Web3 и ИИ в настоящее время больше внимания уделяется исследованию инфраструктурного уровня, таким как получение качественных данных, защита конфиденциальности данных, размещение моделей на блокчейне, эффективное использование децентрализованных вычислительных мощностей и проверка больших языковых моделей. С постепенным совершенствованием этой инфраструктуры у нас есть основания полагать, что интеграция Web3 и ИИ приведет к рождению ряда инновационных бизнес-моделей и услуг.