Слияние Web3 и ИИ: создание инфраструктуры следующего поколения интернета

Web3 как новая парадигма интернета, децентрализованная, открытая и прозрачная, имеет естественный потенциал для интеграции с ИИ. В традиционной централизованной архитектуре вычисления ИИ и ресурсы данных находятся под строгим контролем, сталкиваясь с такими проблемами, как узкие места в вычислительной мощности, утечка конфиденциальности, непрозрачность алгоритмов и т.д. В то время как Web3, основанный на распределенных технологиях, может вдохнуть новую жизнь в развитие ИИ через такие механизмы, как сеть совместного использования вычислительной мощности, открытый рынок данных, вычисления с учетом конфиденциальности и т.д. В то же время ИИ может предоставить множество возможностей для Web3, таких как оптимизация смарт-контрактов, алгоритмы противодействия мошенничеству и т.д., способствуя его экосистемной строительству. Исследование сочетания Web3 и ИИ имеет решающее значение для создания инфраструктуры следующего поколения интернета и 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 огромные объемы качественных 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 модели.

Существует несколько основных проблем в традиционных централизованных моделях получения и использования данных ИИ:

• Высокие затраты на получение данных, малым и средним предприятиям трудно справляться
• Данные ресурсы монополизированы технологическими гигантами, образуя острова данных.
• Личные данные подвержены риску утечки и злоупотребления.

Web3 может решить эти проблемы с помощью новой децентрализованной парадигмы данных:

• Пользователи могут продавать неиспользуемые сетевые ресурсы AI-компаниям, децентрализованно собирая сетевые данные, предоставляя реальные и высококачественные данные для обучения AI-моделей.
• Использование модели "Заработок через аннотацию" с помощью токенов для стимулирования глобальных работников участвовать в аннотировании данных, объединяя мировые профессиональные знания и усиливая аналитические способности данных.
• Платформа交易数据 на блокчейне предоставляет открыенную и прозрачную交易ную среду для сторон, обеспечивающих и использующих данные, поощряя инновации и обмен данными.

Однако в реальном мире существуют некоторые проблемы с получением данных, такие как различное качество данных, высокая сложность обработки, недостаток разнообразия и представительности и т.д. Синтетические данные могут стать звездой будущего в области данных Web3. На основе генеративных технологий ИИ и моделирования 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, разработка игр и т.д., синтетические данные уже продемонстрировали зрелый потенциал применения.

Защита конфиденциальности: Роль FHE в Web3

В эпоху, когда данные становятся решающим фактором, защита личной информации стала глобальным центром внимания. Некоторые чувствительные данные не могут быть полностью использованы из-за рисков, связанных с конфиденциальностью, что ограничивает потенциал и способности анализа ИИ.

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

FHE предоставляет надежную защиту для приватных вычислений AI, позволяя вычислительной мощности GPU выполнять задачи обучения и вывода моделей в среде, не затрагивающей исходные данные. Это приносит огромные преимущества компаниям AI, позволяя безопасно открывать API-сервисы при защите коммерческой тайны.

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 защиту данных, предоставляя безопасную вычислительную среду для AI-приложений.

FHEML является дополнением к ZKML, ZKML подтверждает правильное выполнение машинного обучения, в то время как FHEML подчеркивает вычисления 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 спроса на вычислительные мощности, значительно превышающему существующие ресурсы. Этот дефицит вычислительных мощностей не только ограничивает прогресс технологий AI, но и делает передовые AI-модели недоступными для большинства исследователей и разработчиков.

В то же время, глобальная загрузка GPU составляет менее 40%, а также замедление роста производительности микропроцессоров и нехватка чипов из-за факторов цепочки поставок и геополитики усугубляют проблему поставок вычислительной мощности. Работники в сфере ИИ оказались в сложной ситуации: либо приобретать оборудование, либо арендовать облачные ресурсы, им срочно нужен экономически эффективный способ предоставления вычислительных услуг по требованию.

Децентрализованная сеть вычислительных мощностей AI агрегирует неиспользуемые ресурсы GPU по всему миру, предоставляя компаниям AI экономически доступный рынок вычислительных мощностей. Стороны, нуждающиеся в вычислительных мощностях, могут размещать вычислительные задачи в сети, смарт-контракты распределяют задачи между майнерами, которые предоставляют вычислительные мощности. Майнеры выполняют задачи и отправляют результаты, после проверки они получают вознаграждение в виде баллов. Эта схема повышает эффективность использования ресурсов и помогает решить проблему нехватки вычислительных мощностей в таких областях, как AI.

Помимо универсальной децентрализованной сети вычислительной мощности, есть специализированные сети вычислительной мощности, сосредоточенные на обучении и выводе AI. Децентрализованные сети вычислительной мощности обеспечивают справедливый и прозрачный рынок вычислительных ресурсов, разрывают монополию, снижают пороги для приложений и повышают эффективность использования вычислительной мощности. В экосистеме Web3 децентрализованные сети вычислительной мощности сыграют ключевую роль, привлекая больше инновационных dapp для совместного продвижения развития и применения технологий AI.

DePIN: Web3 дает возможности Edge AI

Edge AI позволяет проводить вычисления на источнике данных, обеспечивая низкую задержку и обработку в реальном времени, одновременно защищая конфиденциальность пользователей. Технология Edge AI уже применяется в таких ключевых областях, как автономное вождение.

В области Web3 мы более знакомы с понятием DePIN. Web3 подчеркивает децентрализацию и суверенитет пользовательских данных, а DePIN улучшает защиту конфиденциальности пользователей и снижает риск утечки данных за счет локальной обработки информации. Встроенный в Web3 механизм токенов может стимулировать узлы DePIN предоставлять вычислительные ресурсы и строить устойчивую экосистему.

В настоящее время DePIN быстро развивается в некоторых экосистемах публичных блокчейнов, становясь одной из предпочтительных платформ для развертывания проектов. Высокая пропускная способность, низкие транзакционные издержки и технологические инновации предоставляют мощную поддержку проектам DePIN.

IMO: Новый парадигма выпуска AI моделей

Концепция IMO предполагает токенизацию AI-моделей. В традиционной модели разработчикам AI-моделей трудно получать постоянный доход от последующего использования моделей, особенно когда модели интегрируются в другие продукты и услуги. Производительность и эффективность AI-моделей часто неясны, что затрудняет потенциальным инвесторам и пользователям оценку их истинной ценности, ограничивая рыночное признание моделей и коммерческий потенциал.

IMO предоставляет новые способы финансирования и распределения ценности для открытых AI моделей, позволяя инвесторам приобретать токены IMO и делиться доходами, полученными от моделей в будущем. Некоторые протоколы используют определенные стандарты ERC, сочетая AI оракулы и технологию OPML для обеспечения достоверности AI моделей и возможности получения дохода держателями токенов.

Модель IMO усиливает прозрачность и доверие, стимулирует открытое сотрудничество, адаптируется к трендам криптовалютного рынка и вносит импульс в устойчивое развитие технологий ИИ. В настоящее время IMO находится на начальной стадии испытаний, но с увеличением степени принятия на рынке и расширением круга участников его инновационность и потенциальная ценность заслуживают ожидания.

AI Агент: новая эра интерактивного опыта

AI-агенты могут воспринимать окружение, проводить независимое мышление и предпринимать соответствующие действия для достижения заданных целей. При поддержке крупных языковых моделей AI-агенты не только понимают естественный язык, но также могут планировать решения и выполнять сложные задачи. Они могут выступать в качестве виртуальных помощников, обучаясь предпочтениям пользователей через взаимодействие и предоставляя персонализированные решения. Даже без явных указаний AI-агенты могут самостоятельно решать проблемы, повышая эффективность и создавая новую ценность.

Некоторые открытые платформы для AI-приложений предлагают полный и удобный набор инструментов для творчества, позволяя пользователям настраивать функции роботов, внешний вид, голос, а также подключать внешние базы знаний, стремясь создать справедливую и открытую экосистему AI-контента. Используя технологии генеративного AI, они наделяют людей возможностью стать супер-творцами. Эти платформы обучили специализированные большие языковые модели, что делает ролевые игры более человечными; технологии клонирования голоса могут ускорить индивидуальное взаимодействие с AI-продуктами. С использованием настраиваемого AI-агента, в настоящее время это можно применять в таких областях, как видеочат, изучение языков, генерация изображений и многих других.

В融合 Web3 и ИИ в настоящее время больше всего исследуется уровень инфраструктуры, такие ключевые вопросы, как получение качественных данных, защита конфиденциальности данных, как размещать модели на блокчейне, как повысить эффективное использование децентрализованных вычислительных мощностей, как проверять большие языковые модели и т. д. С учетом постепенного совершенствования этой инфраструктуры, у нас есть основания полагать, что интеграция Web3 и ИИ приведет к появлению ряда инновационных бизнес-моделей и услуг.