Злиття Web3 та AI: створення інфраструктури наступного покоління Інтернету

Web3 як нова парадигма Інтернету, що є децентралізованою, відкритою та прозорою, має природну можливість для інтеграції з ШІ. У традиційній централізованій архітектурі обчислювальні та дані ресурси ШІ підлягають суворому контролю, і існує безліч викликів, таких як обмеження обчислювальної потужності, витоки конфіденційності, чорні ящики алгоритмів тощо. У той же час Web3, заснований на розподілених технологіях, може надати новий імпульс для розвитку ШІ через мережі спільного використання обчислювальної потужності, відкриті ринки даних, обчислення конфіденційності та інші способи. Також ШІ може надати багато можливостей для Web3, таких як оптимізація смарт-контрактів, алгоритми протидії шахрайству тощо, що сприятиме його екосистемному розвитку. Таким чином, дослідження інтеграції Web3 і ШІ є надзвичайно важливим для побудови інфраструктури наступного покоління Інтернету, звільнення цінності даних і обчислювальної потужності.

Дані, що керують: міцна основа AI та Web3

Дані є основним двигуном розвитку штучного інтелекту, так само як паливо для двигуна. Моделям ШІ необхідно обробляти великі обсяги високоякісних даних, щоб отримати глибоке розуміння та потужні можливості міркування; дані не лише забезпечують навчальну основу для моделей машинного навчання, але й визначають точність і надійність моделей.

У традиційних централізованих моделях збору та використання даних AI існує кілька основних проблем:

• Витрати на отримання даних високі, і малим та середнім підприємствам важко їх понести.
• Ресурси даних монополізовані технологічними гігантами, що призводить до утворення ізольованих даних.
• Особисті дані піддаються ризику витоку та зловживання.

Web3 може вирішити болючі проблеми традиційних моделей новою децентралізованою парадигмою даних:

• Користувачі можуть продавати невикористані мережі компаніям ШІ, децентралізовано збираючи мережеві дані, які після очищення і перетворення надають реальні, високоякісні дані для навчання моделей ШІ.
• Використання моделі "label to earn", за допомогою токенів стимулює глобальних працівників брати участь у маркуванні даних, об'єднуючи професійні знання з усього світу, підвищуючи аналітичні можливості даних.
• Блокчейн-платформа для торгівлі даними забезпечує відкриту та прозору торгову середу для обох сторін попиту та пропозиції даних, стимулюючи інновації та обмін даними.

Незважаючи на це, отримання даних з реального світу також має деякі проблеми, такі як нерівна якість даних, велика складність обробки, недостатня різноманітність та репрезентативність тощо. Синтетичні дані можуть стати зіркою майбутнього в сфері даних Web3. На основі генеративних технологій штучного інтелекту та моделювання, синтетичні дані можуть імітувати властивості реальних даних, служачи ефективним доповненням до реальних даних, підвищуючи ефективність використання даних. У таких сферах, як автономне керування, торгівля на фінансових ринках, розробка ігор, синтетичні дані вже показали свій зрілий потенціал застосування.

Захист конфіденційності: роль FHE у Web3

У часи, коли дані мають вирішальне значення, захист конфіденційності став предметом глобальної уваги. Запровадження таких регламентів, як Загальний регламент захисту даних (GDPR) Європейського Союзу, відображає суворе дотримання особистої конфіденційності. Проте це також створює виклики: деякі чутливі дані не можуть бути використані в повній мірі через ризики конфіденційності, що, безумовно, обмежує потенціал і здатності моделі ШІ до міркувань.

FHE — це гомоморфне шифрування, яке дозволяє безпосередньо виконувати обчислювальні операції над зашифрованими даними без необхідності їх розшифровувати, при цьому результати обчислень збігаються з результатами тих же обчислень на відкритих даних.

FHE забезпечує надійний захист для обчислень конфіденційності AI, що дозволяє обчислювальній потужності GPU виконувати завдання навчання та інфереції моделей без доступу до вихідних даних. Це надає великих переваг компаніям AI. Вони можуть безпечно відкривати API-сервіси, захищаючи комерційну таємницю.

FHEML підтримує шифрування даних і моделей на всьому протязі циклу машинного навчання, забезпечуючи безпеку чутливої інформації та запобігаючи ризикам витоку даних. Таким чином, FHEML посилює конфіденційність даних, надаючи безпечну обчислювальну інфраструктуру для AI-додатків.

FHEML є доповненням до ZKML, ZKML підтверджує правильність виконання машинного навчання, тоді як FHEML підкреслює обчислення над зашифрованими даними для забезпечення конфіденційності даних.

Революція обчислювальної потужності: AI-обчислення в децентралізованих мережах

Поточна обчислювальна складність систем штучного інтелекту подвоюється кожні 3 місяці, що призводить до різкого зростання попиту на обчислювальну потужність, що значно перевищує наявні ресурси. Наприклад, навчання моделі GPT-3 вимагає величезної обчислювальної потужності, що еквівалентно 355 рокам навчання на одному пристрої. Такий дефіцит обчислювальної потужності не тільки обмежує прогрес технологій штучного інтелекту, але й робить ці складні моделі штучного інтелекту недоступними для більшості дослідників і розробників.

Водночас, глобальна завантаженість GPU становить менше 40%, до того ж, уповільнення зростання продуктивності мікропроцесорів, а також дефіцит чіпів через фактори постачання та геополітики ускладнюють проблему постачання обчислювальної потужності. Працівники в сфері ШІ опинилися в двозначній ситуації: або купувати апаратуру, або орендувати хмарні ресурси, їм терміново потрібен економічно ефективний спосіб надання обчислювальних послуг за запитом.

Децентралізована мережа обчислювальної потужності AI на певній блокчейн-платформі, шляхом агрегації невикористаних GPU-ресурсів з усього світу, забезпечує AI-компаніям економічний та легкодоступний ринок обчислювальної потужності. Сторони, що потребують обчислювальної потужності, можуть публікувати обчислювальні завдання в мережі, смарт-контракт розподіляє завдання між майнерами, які надають обчислювальну потужність, майнери виконують завдання та подають результати, які після перевірки отримують бали у вигляді винагороди. Це рішення підвищує ефективність використання ресурсів і допомагає вирішити проблему «вузьких місць» у обчислювальній потужності в таких сферах, як AI.

Окрім загальної децентралізованої обчислювальної мережі, існують платформи, що спеціалізуються на навчанні ШІ, а також спеціалізовані обчислювальні мережі для інференції ШІ.

Децентралізована мережа обчислювальної потужності забезпечує справедливий і прозорий ринок обчислювальної потужності, ламає монополії, знижує бар'єри для застосування та підвищує ефективність використання обчислювальної потужності. У екосистемі web3 децентралізована мережа обчислювальної потужності відіграватиме ключову роль, залучаючи більше інноваційних dapp для спільного просування розвитку та застосування технологій штучного інтелекту.

DePIN: Web3 надає можливості Edge AI

Уявіть собі, що ваш телефон, смарт-годинник або навіть розумні пристрої вдома мають можливість виконувати AI — це і є魅力 Edge AI. Це дозволяє обробці даних відбуватися на місці їх генерації, забезпечуючи низьку затримку і обробку в реальному часі, при цьому захищаючи конфіденційність користувачів. Технологія Edge AI вже застосовується в таких ключових сферах, як автономне водіння.

У сфері Web3 у нас є більш знайоме ім'я — DePIN. Web3 підкреслює децентралізацію та суверенітет даних користувачів, DePIN може підвищити захист конфіденційності користувачів, обробляючи дані локально, зменшуючи ризик витоку даних; рідна економічна механіка Token Web3 може стимулювати вузли DePIN надавати обчислювальні ресурси, будуючи стійку екосистему.

Наразі DePIN швидко розвивається в екосистемі певного блокчейну, ставши одним з платформ для розгортання проєктів. Висока TPS, низькі комісії за транзакції та технологічні інновації цього блокчейну надають потужну підтримку проєктам DePIN. Наразі ринкова капіталізація проєктів DePIN на цьому блокчейні перевищує 10 мільярдів доларів, а деякі відомі проєкти вже досягли значного прогресу.

IMO：AI-моделі випуск нового формату

Концепцію IMO вперше запропоновано певним протоколом, щоб токенізувати моделі ШІ.

У традиційній моделі, через відсутність механізму розподілу прибутку, коли AI-модель розроблена та виведена на ринок, розробникам часто важко отримати постійний дохід від подальшого використання моделі, особливо коли модель інтегрується в інші продукти та послуги, первісним 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 та користувачам оцінку їхньої справжньої вартості, обмежуючи ринкове визнання моделі та комерційний потенціал.

IMO надає новий спосіб фінансової підтримки та розподілу вартості для відкритих AI моделей, інвестори можуть купувати токени IMO, щоб ділитися прибутком, отриманим від подальшого використання моделей. Один з протоколів використовує два стандарти ERC, поєднуючи AI оракули та технологію OPML для забезпечення справжності AI моделей та можливості власників токенів ділитися прибутком.

Модель IMO підвищила прозорість і довіру, заохочує відкриту співпрацю, адаптується до тенденцій криптовалютного ринку та надає імпульс сталому розвитку технологій штучного інтелекту. Наразі IMO перебуває на початковому етапі випробування, але з підвищенням прийнятності на ринку та розширенням кола учасників його інноваційність і потенційна цінність заслуговують на нашу увагу.

AI Агент: нова ера інтерактивного досвіду

AI Agent може сприймати навколишнє середовище, здійснювати незалежне мислення та вживати відповідних заходів для досягнення поставлених цілей. Завдяки підтримці великих мовних моделей, AI Agent не лише може розуміти природну мову, але й планувати рішення, виконувати складні завдання. Вони можуть слугувати віртуальними помічниками, навчаючись у користувачів їхніх уподобань через взаємодію та надаючи персоналізовані рішення. Навіть без чітких вказівок, AI Agent може самостійно вирішувати проблеми, підвищувати ефективність та створювати нову цінність.

Деяка платформа нативних AI-додатків надає повний і зручний набір інструментів для творчості, підтримує налаштування функцій, зовнішнього вигляду, голосу роботів, а також підключення зовнішніх баз знань, прагнучи створити справедливу та відкриту екосистему контенту AI, використовуючи технології генеративного AI, надаючи можливість особам стати супер-творцями. Ця платформа навчила спеціалізовану велику мовну модель, що робить рольову гру більш людяною; технологія клонування голосу може прискорити персоналізовану взаємодію AI-продуктів, знизивши витрати на синтез голосу на 99%, клонування голосу займає лише 1 хвилину. Використовуючи AI-агента, налаштованого на цій платформі, наразі можна застосовувати в багатьох сферах, таких як відеочати, вивчення мов, генерація зображень та ін.

У сфері інтеграції Web3 та AI наразі більше уваги приділяється дослідженню інфраструктури: як отримувати дані високої якості, захищати конфіденційність даних, як розміщувати моделі в ланцюгу, як підвищити ефективне використання децентралізованих обчислювальних потужностей, як перевіряти великі мовні моделі та інші ключові питання. З поступовим удосконаленням цієї інфраструктури, ми маємо всі підстави вважати, що інтеграція Web3 та AI стане основою для ряду інноваційних бізнес-моделей та послуг.