- Tópico
55k Popularidade
31k Popularidade
9k Popularidade
4k Popularidade
4k Popularidade
29k Popularidade
16k Popularidade
22k Popularidade
12k Popularidade
2k Popularidade
- Pino
55k Popularidade
31k Popularidade
9k Popularidade
4k Popularidade
4k Popularidade
29k Popularidade
16k Popularidade
22k Popularidade
12k Popularidade
2k Popularidade
Web3 e IA em fusão: Construir infraestruturas descentralizadas de dados e Poder de computação
A fusão entre Web3 e IA: Construindo a infraestrutura da próxima geração da internet
Web3, como um novo paradigma de internet descentralizado, aberto e transparente, tem uma oportunidade natural de integração com a IA. Na arquitetura centralizada tradicional, os recursos de computação e dados da IA são rigorosamente controlados, enfrentando múltiplos desafios como gargalos de capacidade de computação, vazamentos de privacidade e caixas-pretas algorítmicas. Por outro lado, o Web3, baseado em tecnologia distribuída, pode injetar nova energia no desenvolvimento da IA por meio de redes de computação compartilhadas, mercados de dados abertos e computação de privacidade. Ao mesmo tempo, a IA pode trazer diversas capacitações para o Web3, como otimização de contratos inteligentes e algoritmos anti-fraude, ajudando na construção de seu ecossistema. Portanto, explorar a combinação entre Web3 e IA é crucial para construir a infraestrutura da próxima geração da internet e liberar o valor dos dados e da capacidade de computação.
Dados orientados: a sólida base da IA e do Web3
Os dados são o motor central que impulsiona o desenvolvimento da IA, assim como o combustível de um motor. Os modelos de IA precisam digerir uma enorme quantidade de dados de alta qualidade para adquirir uma compreensão profunda e uma forte capacidade de raciocínio. Os dados não apenas fornecem a base de treinamento para os modelos de aprendizado de máquina, mas também determinam a precisão e a confiabilidade dos modelos.
Os modelos tradicionais de aquisição e utilização de dados de IA centralizados apresentam os seguintes problemas principais:
Web3 pode resolver as dores do modelo tradicional com uma nova paradigma de dados descentralizados:
No entanto, a obtenção de dados do mundo real ainda enfrenta alguns problemas, como a qualidade variável dos dados, a dificuldade de processamento, a insuficiência de diversidade e representatividade, entre outros. Dados sintéticos podem ser a estrela do futuro da pista de dados Web3. Baseados em tecnologia de IA generativa e simulação, os dados sintéticos podem simular as propriedades dos dados reais, servindo como um complemento eficaz aos dados reais, aumentando a eficiência do uso de dados. Em áreas como direção automática, transações em mercados financeiros e desenvolvimento de jogos, os dados sintéticos já demonstraram um potencial de aplicação maduro.
Proteção de Privacidade: O Papel do FHE no Web3
Na era da informação orientada por dados, a proteção da privacidade tornou-se um foco global de atenção, e a implementação de regulamentos como o Regulamento Geral sobre a Proteção de Dados (GDPR) da União Europeia reflete uma rigorosa defesa da privacidade pessoal. No entanto, isso também trouxe desafios: alguns dados sensíveis não podem ser plenamente utilizados devido a riscos de privacidade, o que sem dúvida limita o potencial e a capacidade de raciocínio dos modelos de IA.
FHE, ou criptografia totalmente homomórfica, permite realizar operações de cálculo diretamente sobre dados criptografados, sem a necessidade de descriptografar os dados, e o resultado do cálculo é consistente com o resultado da mesma operação realizada sobre dados em texto claro.
FHE oferece uma proteção sólida para o cálculo de privacidade em IA, permitindo que a capacidade de processamento de GPU execute tarefas de treinamento e inferência de modelos em um ambiente sem tocar nos dados originais. Isso traz uma enorme vantagem para as empresas de IA. Elas podem abrir serviços de API de forma segura, enquanto protegem segredos comerciais.
O FHEML suporta o processamento criptográfico de dados e modelos durante todo o ciclo de vida do aprendizado de máquina, garantindo a segurança das informações sensíveis e prevenindo riscos de vazamento de dados. Desta forma, o FHEML fortalece a privacidade dos dados e fornece uma estrutura de computação segura para aplicações de IA.
FHEML é um complemento do ZKML, onde o ZKML prova a execução correta do aprendizado de máquina, enquanto o FHEML enfatiza a computação sobre dados criptografados para manter a privacidade dos dados.
Revolução da Computação: Computação de IA em Redes Descentralizadas
A complexidade computacional dos sistemas de IA atuais dobra a cada 3 meses, levando a uma demanda explosiva por poder de computação, que ultrapassa em muito a oferta atual de recursos computacionais. Por exemplo, o treinamento de um grande modelo de linguagem requer um enorme poder de computação, equivalente a 355 anos de tempo de treinamento em um único dispositivo. Essa escassez de poder de computação não só limita o avanço da tecnologia de IA, mas também torna esses modelos avançados inatingíveis para a maioria dos pesquisadores e desenvolvedores.
Ao mesmo tempo, a utilização global de GPUs está abaixo de 40%, juntamente com a desaceleração do aumento de desempenho dos microprocessadores e a escassez de chips causada por fatores da cadeia de suprimentos e geopolíticos, tornando o problema da oferta de capacidade de computação ainda mais grave. Os profissionais de IA enfrentam um dilema: ou compram hardware, ou alugam recursos em nuvem; eles precisam urgentemente de uma forma de serviço de computação sob demanda e econômica.
Uma rede de computação descentralizada de IA agrega recursos de GPU ociosos em todo o mundo, proporcionando às empresas de IA um mercado de computação que é tanto econômico quanto de fácil acesso. Os demandantes de computação podem publicar tarefas de cálculo na rede, e os contratos inteligentes atribuem as tarefas aos nós mineradores que contribuem com a capacidade de computação. Os mineradores executam as tarefas e submetem os resultados, e após a verificação, recebem recompensas em pontos. Esta solução melhora a eficiência da utilização de recursos e ajuda a resolver o problema do gargalo de capacidade de computação em áreas como a IA.
Além da rede de computação descentralizada genérica, existem plataformas focadas no treinamento de IA e redes de computação especializadas em inferência de IA.
A rede de computação descentralizada oferece um mercado de computação justo e transparente, quebra monopólios, reduz a barreira de entrada para aplicações e aumenta a eficiência na utilização da computação. No ecossistema Web3, a rede de computação descentralizada desempenhará um papel fundamental, atraindo mais dapps inovadores para se juntarem e impulsionarem juntos o desenvolvimento e a aplicação da tecnologia de IA.
DePIN: Web3 capacitando a Edge AI
Imagine que o seu telefone, relógio inteligente ou até mesmo os dispositivos inteligentes da sua casa têm a capacidade de executar IA - essa é a magia da Edge AI. Ela permite que o processamento ocorra na fonte de geração de dados, proporcionando baixa latência e processamento em tempo real, ao mesmo tempo que protege a privacidade do usuário. A tecnologia Edge AI já está sendo aplicada em áreas críticas como a condução autónoma.
No domínio do Web3, temos um nome mais familiar - DePIN. O Web3 enfatiza a descentralização e a soberania dos dados do usuário, e o DePIN pode melhorar a proteção da privacidade do usuário e reduzir o risco de vazamentos de dados, processando dados localmente; o mecanismo de economia de tokens nativo do Web3 pode incentivar os nós do DePIN a fornecer recursos computacionais, construindo um ecossistema sustentável.
Atualmente, o DePIN está a desenvolver-se rapidamente em um determinado ecossistema de blockchain pública, tornando-se uma das plataformas de blockchain pública preferidas para o lançamento de projetos. O alto TPS, as baixas taxas de transação e a inovação tecnológica desta blockchain pública oferecem um suporte poderoso para os projetos DePIN. Atualmente, o valor de mercado dos projetos DePIN nesta blockchain pública ultrapassa os 10 bilhões de dólares, e alguns projetos conhecidos já fizeram progressos significativos.
IMO: Nova Paradigma de Lançamento de Modelos de IA
O conceito de IMO foi proposto inicialmente por um protocolo, tokenizando modelos de IA.
No modelo tradicional, devido à falta de mecanismos de compartilhamento de receita, uma vez que o modelo de IA é desenvolvido e colocado no mercado, os desenvolvedores muitas vezes têm dificuldade em obter receitas contínuas do uso subsequente do modelo, especialmente quando o modelo é integrado a outros produtos e serviços, os criadores originais têm dificuldade em rastrear o uso, quanto mais em obter lucro com isso. Além disso, o desempenho e a eficácia dos modelos de IA costumam carecer de transparência, o que dificulta a avaliação de seu verdadeiro valor por potenciais investidores e usuários, limitando o reconhecimento do modelo no mercado e seu potencial comercial.
O IMO fornece uma nova forma de apoio financeiro e partilha de valor para modelos de IA de código aberto, permitindo que os investidores comprem tokens IMO e compartilhem os lucros gerados pelo modelo posteriormente. Um determinado protocolo utiliza dois padrões ERC, combinando oráculos de IA e tecnologia OPML para garantir a autenticidade do modelo de IA e que os detentores de tokens possam compartilhar os lucros.
O modelo IMO aumentou a transparência e a confiança, incentivou a colaboração de código aberto, adaptou-se às tendências do mercado de criptomoedas e injetou impulso no desenvolvimento sustentável das tecnologias de IA. O IMO ainda está na fase inicial de tentativa, mas à medida que a aceitação do mercado aumenta e o alcance da participação se expande, sua inovação e valor potencial merecem a nossa expectativa.
Agente de IA: A nova era da experiência interativa
O Agente de IA pode perceber o ambiente, pensar de forma independente e tomar as ações apropriadas para alcançar objetivos definidos. Com o apoio de grandes modelos de linguagem, o Agente de IA não só consegue compreender a linguagem natural, mas também planejar decisões e executar tarefas complexas. Eles podem funcionar como assistentes virtuais, aprendendo as preferências dos usuários através da interação e oferecendo soluções personalizadas. Mesmo na ausência de instruções claras, o Agente de IA pode resolver problemas de forma autônoma, aumentando a eficiência e criando novo valor.
Uma plataforma de aplicação nativa de IA oferece um conjunto de ferramentas de criação abrangente e fácil de usar, permitindo que os usuários configurem funcionalidades, aparência, som de robôs e conectem-se a bancos de dados externos, comprometendo-se a criar um ecossistema de conteúdo de IA justo e aberto. Utilizando tecnologia de IA generativa, capacita indivíduos a se tornarem super criadores. A plataforma treinou um modelo de linguagem grande especializado, tornando o papel mais humanizado; a tecnologia de clonagem de voz pode acelerar a interação personalizada de produtos de IA, reduzindo o custo de síntese de voz em 99%, com a clonagem de voz realizada em apenas 1 minuto. Utilizando o AI Agent personalizado da plataforma, atualmente pode ser aplicado em várias áreas, como videochamadas, aprendizado de idiomas, geração de imagens, entre outras.
Na fusão do Web3 com a IA, atualmente, há mais exploração da camada de infraestrutura, como obter dados de alta qualidade, proteger a privacidade dos dados, como hospedar modelos na blockchain, como melhorar o uso eficiente da computação descentralizada e como validar grandes modelos de linguagem, entre questões-chave. À medida que essas infraestruturas vão sendo gradualmente aprimoradas, temos razões para acreditar que a fusão do Web3 com a IA irá gerar uma série de modelos e serviços comerciais inovadores.