Integrasi Web3 dan AI: Membangun Infrastruktur Internet Generasi Berikutnya

Web3 sebagai paradigma internet baru yang terdesentralisasi, terbuka, dan transparan, memiliki peluang integrasi yang alami dengan AI. Dalam arsitektur terpusat tradisional, sumber daya komputasi dan data AI berada di bawah kendali yang ketat, menghadapi tantangan seperti kendala daya komputasi, pelanggaran privasi, dan kotak hitam algoritma. Sementara itu, Web3 yang berbasis teknologi terdistribusi dapat memberikan dorongan baru untuk pengembangan AI melalui jaringan berbagi daya komputasi, pasar data terbuka, dan komputasi privasi. Pada saat yang sama, AI juga dapat memberikan banyak pemberdayaan bagi Web3, seperti optimasi kontrak pintar, algoritma anti-kecurangan, dan lain-lain, membantu konstruksi ekosistemnya. Oleh karena itu, mengeksplorasi kombinasi Web3 dan AI sangat penting untuk membangun infrastruktur internet generasi berikutnya, serta membebaskan nilai data dan daya komputasi.

Data yang Didorong: Fondasi yang Kuat untuk AI dan Web3

Data adalah kekuatan pendorong inti perkembangan AI, seperti bahan bakar untuk mesin. Model AI perlu mencerna data berkualitas tinggi dalam jumlah besar untuk memperoleh pemahaman yang mendalam dan kemampuan penalaran yang kuat. Data tidak hanya menyediakan dasar pelatihan bagi model pembelajaran mesin, tetapi juga menentukan akurasi dan keandalan model.

Model pengambilan dan pemanfaatan data AI yang terpusat tradisional memiliki masalah utama berikut:

• Biaya pengambilan data yang tinggi, membuat perusahaan kecil dan menengah sulit untuk menanggungnya
• Sumber data didominasi oleh raksasa teknologi, membentuk pulau data
• Risiko kebocoran dan penyalahgunaan privasi data pribadi

Web3 dapat menyelesaikan titik nyeri dari model tradisional dengan paradigma data terdesentralisasi yang baru:

• Pengguna dapat menjual jaringan yang tidak terpakai kepada perusahaan AI, untuk secara terdesentralisasi mengumpulkan data jaringan, yang setelah dibersihkan dan diubah, menyediakan data yang nyata dan berkualitas tinggi untuk pelatihan model AI.
• Mengadopsi model "label to earn", dengan insentif token untuk mendorong pekerja global berpartisipasi dalam penandaan data, mengumpulkan pengetahuan profesional global, dan meningkatkan kemampuan analisis data.
• Platform perdagangan data blockchain menyediakan lingkungan perdagangan yang terbuka dan transparan bagi kedua belah pihak dalam permintaan dan penawaran data, mendorong inovasi dan berbagi data.

Meskipun demikian, pengambilan data dunia nyata masih menghadapi beberapa masalah, seperti kualitas data yang bervariasi, kesulitan dalam pengolahan, kurangnya keragaman dan representativitas, dan sebagainya. Data sintetis mungkin menjadi bintang masa depan di jalur data Web3. Berdasarkan teknologi AI generatif dan simulasi, data sintetis dapat mensimulasikan atribut data nyata, sebagai pelengkap yang efektif untuk data nyata, meningkatkan efisiensi penggunaan data. Dalam bidang seperti mengemudi otomatis, perdagangan pasar keuangan, dan pengembangan permainan, data sintetis telah menunjukkan potensi aplikasi yang matang.

Perlindungan Privasi: Peran FHE dalam Web3

Di era yang didorong oleh data, perlindungan privasi telah menjadi fokus perhatian global. Pemberlakuan regulasi seperti Peraturan Perlindungan Data Umum (GDPR) Uni Eropa mencerminkan penjagaan yang ketat terhadap privasi individu. Namun, ini juga membawa tantangan: beberapa data sensitif tidak dapat dimanfaatkan secara maksimal karena risiko privasi, yang tentunya membatasi potensi dan kemampuan penalaran model AI.

FHE adalah enkripsi homomorfik penuh, yang memungkinkan operasi perhitungan dilakukan langsung pada data yang terenkripsi tanpa perlu mendekripsi data, dan hasil perhitungan tersebut konsisten dengan hasil perhitungan yang dilakukan pada data plaintext.

FHE memberikan perlindungan yang kuat untuk komputasi privasi AI, memungkinkan kekuatan GPU untuk menjalankan tugas pelatihan dan inferensi model tanpa menyentuh data asli. Ini memberikan keuntungan besar bagi perusahaan AI. Mereka dapat membuka layanan API dengan aman sambil melindungi rahasia bisnis.

FHEML mendukung pengolahan data dan model secara terenkripsi sepanjang siklus pembelajaran mesin, memastikan keamanan informasi sensitif dan mencegah risiko kebocoran data. Dengan cara ini, FHEML memperkuat privasi data dan menyediakan kerangka perhitungan yang aman untuk aplikasi AI.

FHEML adalah pelengkap ZKML, di mana ZKML membuktikan pelaksanaan mesin pembelajaran yang benar, sementara FHEML menekankan perhitungan pada data terenkripsi untuk menjaga privasi data.

Revolusi Kekuatan Komputasi: Komputasi AI dalam Jaringan Terdesentralisasi

Kompleksitas komputasi sistem AI saat ini berlipat ganda setiap 3 bulan, menyebabkan lonjakan permintaan daya komputasi yang jauh melebihi pasokan sumber daya komputasi yang ada. Misalnya, pelatihan model bahasa besar tertentu membutuhkan daya komputasi yang sangat besar, setara dengan waktu pelatihan 355 tahun pada satu perangkat. Kekurangan daya komputasi semacam ini tidak hanya membatasi kemajuan teknologi AI, tetapi juga membuat model AI tingkat lanjut menjadi tidak terjangkau bagi sebagian besar peneliti dan pengembang.

Sementara itu, pemanfaatan GPU global kurang dari 40%, ditambah dengan perlambatan peningkatan kinerja mikroprosesor, serta kekurangan chip yang disebabkan oleh faktor rantai pasokan dan geopolitik, semua ini membuat masalah pasokan daya komputasi semakin serius. Para praktisi AI terjebak dalam dilema: mereka harus membeli perangkat keras sendiri atau menyewa sumber daya cloud, dan mereka sangat membutuhkan cara layanan komputasi yang sesuai permintaan dan efisien secara ekonomi.

Sebuah jaringan komputasi AI terdesentralisasi menggabungkan sumber daya GPU yang tidak terpakai di seluruh dunia untuk menyediakan pasar komputasi yang ekonomis dan mudah diakses bagi perusahaan AI. Pihak yang membutuhkan komputasi dapat memposting tugas komputasi di jaringan, dan kontrak pintar akan membagikan tugas tersebut kepada node penambang yang menyumbangkan daya komputasi. Penambang melaksanakan tugas dan mengirimkan hasilnya, dan setelah diverifikasi, mereka akan mendapatkan imbalan poin. Solusi ini meningkatkan efisiensi penggunaan sumber daya dan membantu mengatasi masalah kendala daya komputasi di bidang AI dan lainnya.

Selain jaringan kekuatan terdesentralisasi yang umum, ada juga platform yang fokus pada pelatihan AI dan jaringan kekuatan khusus yang fokus pada inferensi AI.

Jaringan komputasi terdesentralisasi menyediakan pasar komputasi yang adil dan transparan, memecahkan monopoli, menurunkan ambang aplikasi, dan meningkatkan efisiensi pemanfaatan daya komputasi. Dalam ekosistem Web3, jaringan komputasi terdesentralisasi akan memainkan peran kunci, menarik lebih banyak dapp inovatif untuk bergabung, dan bersama-sama mendorong perkembangan dan aplikasi teknologi AI.

DePIN: Web3 Memberdayakan Edge AI

Bayangkan, ponsel Anda, smartwatch, bahkan perangkat pintar di rumah Anda, semua memiliki kemampuan untuk menjalankan AI—itulah daya tarik Edge AI. Ini memungkinkan komputasi terjadi di sumber data, mewujudkan latensi rendah, pemrosesan waktu nyata, sambil melindungi privasi pengguna. Teknologi Edge AI telah diterapkan di bidang-bidang kunci seperti mobil otonom.

Dalam bidang Web3, kami memiliki nama yang lebih familiar—DePIN. Web3 menekankan desentralisasi dan kedaulatan data pengguna, DePIN dapat meningkatkan perlindungan privasi pengguna dengan memproses data secara lokal, mengurangi risiko kebocoran data; mekanisme ekonomi Token yang berasal dari Web3 dapat mendorong node DePIN untuk menyediakan sumber daya komputasi, membangun ekosistem yang berkelanjutan.

Saat ini, DePIN berkembang pesat dalam ekosistem suatu blockchain publik, menjadi salah satu platform blockchain publik pilihan untuk penerapan proyek. TPS tinggi, biaya transaksi rendah, serta inovasi teknologi dari blockchain publik ini memberikan dukungan yang kuat bagi proyek DePIN. Saat ini, nilai pasar proyek DePIN di blockchain publik ini telah melebihi 10 miliar USD, dan beberapa proyek terkenal telah mencapai kemajuan yang signifikan.

IMO：AI model merilis paradigma baru

Konsep IMO pertama kali diusulkan oleh suatu protokol untuk men-tokenisasi model AI.

Dalam mode tradisional, karena kurangnya mekanisme pembagian hasil, setelah model AI dikembangkan dan diluncurkan ke pasar, pengembang sering kali sulit untuk mendapatkan pendapatan yang berkelanjutan dari penggunaan model tersebut, terutama ketika model tersebut diintegrasikan ke dalam produk dan layanan lain, pencipta asli sulit untuk melacak penggunaan, apalagi mendapatkan pendapatan dari situ. Selain itu, kinerja dan efek model AI sering kali kurang transparan, yang membuat calon investor dan pengguna sulit untuk menilai nilai sebenarnya, membatasi pengakuan pasar dan potensi komersial model tersebut.

IMO menyediakan cara baru untuk mendukung pendanaan dan berbagi nilai untuk model AI sumber terbuka, di mana para investor dapat membeli token IMO dan berbagi keuntungan yang dihasilkan oleh model tersebut di masa mendatang. Protokol tertentu menggunakan dua standar ERC, menggabungkan oracle AI dan teknologi OPML untuk memastikan keaslian model AI dan memungkinkan pemegang token untuk berbagi keuntungan.

Model IMO meningkatkan transparansi dan kepercayaan, mendorong kolaborasi sumber terbuka, beradaptasi dengan tren pasar kripto, dan memberikan dorongan bagi perkembangan berkelanjutan teknologi AI. Saat ini, IMO masih berada dalam tahap percobaan awal, tetapi dengan peningkatan penerimaan pasar dan perluasan jangkauan partisipasi, inovasi dan nilai potensialnya layak untuk kita nantikan.

Agen AI: Era Baru Pengalaman Interaktif

Agen AI dapat merasakan lingkungan, berpikir secara mandiri, dan mengambil tindakan yang sesuai untuk mencapai tujuan yang ditetapkan. Dengan dukungan model bahasa besar, Agen AI tidak hanya dapat memahami bahasa alami, tetapi juga merencanakan keputusan dan melaksanakan tugas-tugas kompleks. Mereka dapat berfungsi sebagai asisten virtual, belajar dari interaksi dengan pengguna mengenai preferensi mereka, dan memberikan solusi yang dipersonalisasi. Tanpa instruksi yang jelas, Agen AI juga dapat secara mandiri menyelesaikan masalah, meningkatkan efisiensi, dan menciptakan nilai baru.

Sebuah platform aplikasi asli AI menawarkan kumpulan alat kreatif yang komprehensif dan mudah digunakan, mendukung pengguna untuk mengonfigurasi fungsi robot, penampilan, suara, serta menghubungkan ke basis pengetahuan eksternal, berkomitmen untuk membangun ekosistem konten AI yang adil dan terbuka, memanfaatkan teknologi AI generatif untuk memberdayakan individu menjadi pencipta super. Platform ini melatih model bahasa besar yang khusus, menjadikan peran permainan lebih manusiawi; teknologi kloning suara dapat mempercepat interaksi personalisasi produk AI, mengurangi biaya sintesis suara hingga 99%, dan kloning suara dapat dicapai hanya dalam 1 menit. Dengan AI Agent yang disesuaikan di platform ini, saat ini dapat diterapkan di berbagai bidang seperti obrolan video, pembelajaran bahasa, dan generasi gambar.

Dalam penggabungan Web3 dan AI, saat ini lebih banyak eksplorasi pada lapisan infrastruktur, bagaimana cara mendapatkan data berkualitas tinggi, melindungi privasi data, bagaimana cara mengelola model di blockchain, bagaimana cara meningkatkan penggunaan efisiensi kekuatan komputasi terdesentralisasi, dan bagaimana cara memverifikasi model bahasa besar dan masalah kunci lainnya. Dengan perlahan-lahan menyempurnakan infrastruktur ini, kita beralasan untuk percaya bahwa penggabungan Web3 dan AI akan melahirkan serangkaian model bisnis dan layanan inovatif.