Слияние Web3 и AI: создание инфраструктуры следующего поколения интернета

Web3 как новая децентрализованная, открытая и прозрачная интернет-парадигма имеет естественный потенциал для интеграции с ИИ. В традиционной централизованной архитектуре вычисления ИИ и ресурсы данных находятся под строгим контролем и сталкиваются с множеством проблем, таких как ограничение вычислительной мощности, утечка конфиденциальности и черные ящики алгоритмов. В то же время Web3, основанный на распределенных технологиях, может вдохнуть новую жизнь в развитие ИИ через сети совместного использования вычислительной мощности, открытые рынки данных и вычисления с соблюдением конфиденциальности. Кроме того, ИИ может привнести многие возможности в экосистему Web3, такие как оптимизация смарт-контрактов и алгоритмы противодействия мошенничеству. Таким образом, исследование сочетания Web3 и ИИ крайне важно для построения инфраструктуры следующего поколения интернета, а также для раскрытия ценности данных и вычислительной мощности.

Данные как основа: надежный фундамент AI и Web3

Данные являются основной движущей силой развития ИИ. Моделям ИИ необходимо обрабатывать огромное количество качественных данных, чтобы получить глубокое понимание и мощные способности к рассуждению. Данные не только предоставляют основу для обучения машинных моделей, но и определяют точность и надежность модели.

Традиционные централизованные модели получения и использования данных ИИ имеют следующие основные проблемы:

• Высокие затраты на получение данных, малым и средним предприятиям трудно справиться.
• Данные ресурсы монополизируются технологическими гигантами, образуя острова 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 компаниям ИИ, децентрализованно собирать сетевые данные и предоставлять реальные, высококачественные данные для обучения моделей ИИ.
• Использование модели "label to earn", которая стимулирует работников по всему миру участвовать в аннотировании данных с помощью токенов, объединяя глобальные профессиональные знания и усиливая возможности анализа данных.
• Платформа торговли данными на блокчейне предоставляет обеим сторонам спроса и предложения открыенную и прозрачную торговую среду, стимулируя инновации и обмен данными.

Тем не менее, получение данных из реального мира по-прежнему сталкивается с проблемами непостоянного качества данных, высокой сложности обработки, недостатка разнообразия и репрезентативности. Синтетические данные могут стать звездой будущего сегмента данных Web3. Основываясь на технологиях генеративного ИИ и моделировании, синтетические данные могут имитировать свойства реальных данных, служа эффективным дополнением к реальным данным и повышая эффективность использования данных. В таких областях, как автономное вождение, торговля на финансовых рынках и разработка игр, синтетические данные уже продемонстрировали зрелый потенциал применения.

Защита конфиденциальности: Роль FHE в Web3

В эпоху, когда данные становятся основным двигателем, защита личной информации стала ключевым вопросом мирового масштаба. Принятие таких норм, 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 в полной мере использованы из-за рисков конфиденциальности, что ограничивает потенциал и способность к выводу ИИ-моделей.

FHE, или полностью однородное шифрование, позволяет выполнять вычисления непосредственно на зашифрованных данных без необходимости их расшифровки, при этом результаты вычислений совпадают с результатами вычислений на открытых данных.

FHE предоставляет надежную защиту для вычислений с учетом конфиденциальности AI, позволяя вычислительной мощности GPU выполнять обучение моделей и задачи вывода в среде, не затрагивая исходные данные. Это дает AI-компаниям значительные преимущества, позволяя им 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 инфраструктуру для AI-приложений.

FHEML является дополнением к ZKML, ZKML доказывает правильное выполнение машинного обучения, в то время как FHEML подчеркивает выполнение вычислений над зашифрованными данными для обеспечения конфиденциальности данных.

Революция вычислительной мощности: AI-вычисления в децентрализованных сетях

Текущая сложность вычислений в AI-системах удваивается каждые 3 месяца, что приводит к резкому росту потребности в вычислительных мощностях, значительно превышающей доступные ресурсы. Например, обучение крупной языковой модели в одной AI-компании требует огромной вычислительной мощности, что эквивалентно 355 годам обучения на одном устройстве. Такой дефицит вычислительных мощностей не только ограничивает прогресс технологий AI, но и делает передовые модели AI 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, связанных с цепочками поставок и геополитикой, усугубляют проблему поставок вычислительной мощности. Специалисты в области ИИ оказались в затруднительном положении: либо покупать оборудование, либо арендовать облачные ресурсы. Им срочно нужна экономически эффективная вычислительная услуга по требованию.

Некоторый децентрализованный AI вычислительный сеть агрегирует неиспользуемые GPU ресурсы по всему миру, предоставляя AI компаниям экономически доступный рынок вычислительной мощности. Стороны, нуждающиеся в вычислительной мощности, могут публиковать вычислительные задания в сети, интеллектуальный контракт распределяет задания между майнерами, предоставляющими вычислительную мощность, которые выполняют задания и отправляют результаты, получая баллы в качестве награды после верификации. Эта схема повышает эффективность использования ресурсов и способствует решению проблем с узкими местами в области вычислительной мощности, таких как AI.

Помимо универсальной сети децентрализованных вычислительных мощностей, существуют платформы, ориентированные на обучение ИИ, а также специализированные вычислительные сети, сосредоточенные на выводе ИИ.

Децентрализованная сеть вычислительных мощностей предоставляет справедливый и прозрачный рынок вычислительных мощностей, ломает монополию, снижает порог доступа к приложениям и повышает эффективность использования вычислительных мощностей. В экосистеме web3 децентрализованная сеть вычислительных мощностей сыграет ключевую роль, привлекая больше инновационных dapp для совместного продвижения развития и применения технологий ИИ.

DePIN: Web3 дает возможность Edge AI

Представьте себе, что ваш мобильный телефон, умные часы и даже умные устройства в вашем доме могут работать с ИИ — вот в чем прелесть Edge AI. Он позволяет вычислениям происходить на месте возникновения данных, обеспечивая низкую задержку и обработку в реальном времени, при этом 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, а DePIN, обрабатывая данные локально, может усилить защиту конфиденциальности пользователей и уменьшить риск утечек данных; встроенный в Web3 механизм экономии токенов может стимулировать узлы DePIN предоставлять вычислительные ресурсы и строить устойчивую экосистему.

В настоящее время DePIN быстро развивается в экосистеме одной из публичных цепей, становясь одной из предпочтительных платформ для развертывания проектов. Высокая TPS, низкие транзакционные издержки и технологические инновации этой публичной цепи предоставляют мощную поддержку проектам DePIN. В настоящее время рыночная капитализация проектов DePIN на этой публичной цепи превышает 10 миллиардов долларов, некоторые известные проекты уже достигли значительного прогресса.

IMO: Новый парадигма выпуска AI моделей

Концепция IMO была впервые предложена в рамках некоторого протокола, который токенизирует модели ИИ.

В традиционной модели, из-за отсутствия механизма распределения доходов, разработчикам AI-моделей часто трудно получать постоянный доход от последующего использования моделей, особенно когда модели интегрируются в другие продукты и услуги. Исходным создателям сложно 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 рыночное признание и коммерческий потенциал моделей.

IMO предлагает новый способ финансирования и совместного использования ценности для открытых AI моделей, инвесторы могут приобретать токены IMO и делиться доходами, полученными от модели в будущем. Некоторый протокол использует два стандарта ERC, сочетая AI оракулы и технологию OPML, чтобы обеспечить подлинность AI моделей и возможность держателей токенов делиться доходами.

Модель IMO увеличивает прозрачность и доверие, поощряет открытое сотрудничество, адаптируется к тенденциям крипторынка и стимулирует устойчивое развитие технологий ИИ. В настоящее время IMO находится на начальной стадии испытаний, но по мере повышения приемлемости на рынке и расширения участия ее инновационность и потенциальная ценность внушают надежду.

AI Agent: Новая эра интерактивного опыта

AI-агенты могут воспринимать окружающую среду, осуществлять независимое мышление и предпринимать соответствующие действия для достижения поставленных целей. С поддержкой больших языковых моделей AI-агенты не только понимают естественный язык, но и могут планировать решения, выполнять сложные задачи. Они могут действовать как виртуальные помощники, обучаясь предпочтениям пользователей через взаимодействие и предоставляя персонализированные решения. Даже без четких инструкций AI-агенты могут самостоятельно решать проблемы, повышать эффективность и создавать новую ценность.

Некоторый открытый платформенный AI-приложение предлагает полный и удобный набор инструментов для создания, поддерживает пользователей в настройке функций робота, внешнего вида, голоса, а также в подключении внешних баз знаний и стремится создать справедливую и открытую экосистему AI-контента, используя технологии генеративного AI, позволяя людям стать супер-креаторами. Эта платформа обучила специализированную языковую модель, чтобы сделать 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 этой платформы в настоящее время можно применять в видео-чате, изучении языков, генерации изображений и в других областях.

В интеграции Web3 и AI в настоящее время больше всего исследуется уровень инфраструктуры: как получить качественные данные, защитить конфиденциальность данных, как размещать модели на блокчейне, как повысить эффективное использование децентрализованных вычислительных мощностей, как проверять большие языковые модели и другие ключевые вопросы. С учетом того, что эта инфраструктура постепенно улучшается, у нас есть основания полагать, что интеграция Web3 и AI приведет к появлению ряда инновационных бизнес-моделей и услуг.