Слияние Web3 и ИИ: построение инфраструктуры следующего поколения интернета

Web3 как новая парадигма интернета, децентрализованная, открытая и прозрачная, имеет естественные возможности для интеграции с ИИ. В рамках традиционной централизованной архитектуры вычисления ИИ и ресурсы данных находятся под строгим контролем и сталкиваются с множеством вызовов, такими как ограничения вычислительной мощности, утечка личных данных, черные ящики алгоритмов и т. д. В то же время Web3, основанный на распределенных технологиях, может предоставить новый импульс для развития ИИ через такие методы, как совместное вычислительное сетевое пространство, открытые рынки данных и приватные вычисления. В свою очередь, ИИ также может предоставить Web3 множество возможностей, таких как оптимизация смарт-контрактов, антифрод-алгоритмы и т. д., способствуя его экосистемному развитию. Поэтому изучение сочетания Web3 и ИИ имеет решающее значение для создания инфраструктуры следующего поколения интернета и раскрытия ценности данных и вычислительных мощностей.

Данные как основа: Искусственный интеллект и Web3

Данные являются основной движущей силой развития ИИ, подобно топливу для двигателя. Моделям ИИ необходимо обрабатывать огромные объемы качественных данных, чтобы получить глубокое понимание и мощные способности к выводу. Данные не только предоставляют базу для обучения моделей машинного обучения, но и определяют точность и надежность модели.

Традиционная централизованная модель получения и использования данных ИИ имеет следующие основные проблемы:

• Высокие затраты на получение данных, малым и средним предприятиям трудно справиться с этим.
• Данные ресурсы монополизируются технологическими гигантами, образуя изолированные данные.
• Личная информация подвержена риску утечки и злоупотребления

Web3 может решить проблемы традиционной модели с помощью новой децентрализованной парадигмы данных:

• Пользователи могут продавать неиспользуемую сеть компаниям ИИ для децентрализованного сбора сетевых данных, которые после очистки и преобразования предоставляют реальные, высококачественные данные для обучения моделей ИИ.
• Использование модели "label to earn" для привлечения глобальных работников к аннотации данных с помощью токенов, объединение мировых профессиональных знаний и улучшение возможностей анализа данных.
• Блокчейн-платформа для торговли данными предоставляет открыенную и прозрачную торговую среду для сторон спроса и предложения данных, стимулируя инновации и совместное использование данных.

Тем не менее, получение данных из реального мира по-прежнему сталкивается с некоторыми проблемами, такими как разное качество данных, высокая сложность обработки, недостаток разнообразия и представительности и т.д. Синтетические данные могут стать звездой будущего в области данных Web3. На основе технологий генеративного ИИ и моделирования синтетические данные могут имитировать свойства реальных данных, эффективно дополняя их 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 ресурсом, защита конфиденциальности стала глобальной проблемой. Принятие таких норм, как Общий регламент по защите данных (GDPR) Европейским Союзом, отражает строгую защиту личной информации. Тем не менее, это также создает вызовы: некоторые чувствительные данные не могут быть использованы в полной мере из-за рисков конфиденциальности, что, безусловно, ограничивает потенциал и способности ИИ-моделей к рассуждению.

FHE, или полное гомоморфное шифрование, позволяет выполнять вычислительные операции непосредственно на зашифрованных данных без необходимости расшифровывать данные, при этом результат вычислений совпадает с результатом тех же вычислений на открытых данных.

FHE предоставляет надежную защиту для приватных вычислений AI, позволяя вычислительной мощности GPU выполнять задачи обучения моделей и вывода в среде, не касаясь исходных данных. Это приносит значительные преимущества компаниям AI. Они могут 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 среду для AI-приложений.

FHEML является дополнением к ZKML, ZKML подтверждает правильное выполнение машинного обучения, тогда как FHEML подчеркивает вычисления над зашифрованными данными для обеспечения конфиденциальности данных.

Революция вычислительной мощности: AI-вычисления в децентрализованных сетях

Текущая вычислительная сложность AI-систем удваивается каждые 3 месяца, что приводит к резкому увеличению потребности в вычислительных мощностях, значительно превышающему предложение существующих вычислительных ресурсов. Например, для обучения одной крупной языковой модели требуется огромная вычислительная мощность, что эквивалентно 355 годам обучения на одном устройстве. Такой дефицит вычислительных мощностей не только ограничивает прогресс технологий AI, но и делает высокоуровневые AI модели недоступными для большинства исследователей и разработчиков.

В то же время глобальная загрузка графических процессоров составляет менее 40%, а также замедление повышения производительности микропроцессоров и нехватка чипов из-за факторов цепочки поставок и геополитики усугубляют проблему поставок вычислительных мощностей. Специалисты в области ИИ оказались в затруднительном положении: им нужно либо приобретать оборудование, либо арендовать облачные ресурсы, и им срочно необходим способ предоставления вычислительных услуг по мере необходимости и экономически эффективный.

Некоторая децентрализованная сеть вычислительной мощности на основе ИИ агрегирует неиспользуемые GPU-ресурсы со всего мира, предоставляя ИИ-компаниям экономичный и доступный рынок вычислительной мощности. Стороны, нуждающиеся в вычислительных мощностях, могут размещать вычислительные задачи в сети, а смарт-контракты распределяют задачи между майнерами, которые предоставляют вычислительную мощность. Майнеры выполняют задачи и отправляют результаты, после проверки которых получают баллы в качестве вознаграждения. Эта схема повышает эффективность использования ресурсов и помогает решить проблему узких мест в вычислительной мощности в таких областях, как ИИ.

Помимо общего децентрализованного вычислительного сетевого, существуют платформы, сосредоточенные на обучении ИИ, а также специализированные вычислительные сети, ориентированные на вывод ИИ.

Децентрализованная сеть вычислительной мощности предоставляет справедливый и прозрачный рынок вычислительной мощности, разрушает монополию, снижает барьеры для применения и повышает эффективность использования вычислительной мощности. В экосистеме Web3 децентрализованная сеть вычислительной мощности сыграет ключевую роль, привлекая больше инновационных dapp для совместного продвижения развития и применения технологий ИИ.

DePIN: Web3 позволяет Edge AI

Представьте себе, что ваш телефон, умные часы и даже умные устройства в вашем доме обладают возможностью работы с ИИ — вот в чем魅力 Edge AI. Это позволяет вычислениям происходить на месте возникновения данных, обеспечивая низкую задержку и обработку в реальном времени, одновременно защищая конфиденциальность пользователей. Технология Edge AI уже применяется в ключевых областях, таких как автономное вождение.

В области Web3 у нас есть более знакомое название — DePIN. Web3 подчеркивает децентрализацию и суверенитет пользовательских данных, а DePIN может улучшить защиту конфиденциальности пользователей и снизить риск утечки данных, обрабатывая данные локально; родная токеномика Web3 может стимулировать узлы DePIN предоставлять вычислительные ресурсы, создавая устойчивую экосистему.

В настоящее время DePIN стремительно развивается в экосистеме одной из публичных блокчейнов и стал одной из предпочтительных платформ для развертывания проектов. Высокая TPS, низкие транзакционные издержки и технологические инновации данного блокчейна предоставляют мощную поддержку проектам DePIN. В настоящее время рыночная капитализация проектов DePIN на этом блокчейне превышает 10 миллиардов долларов США, и некоторые известные проекты уже достигли значительного прогресса.

IMO: Новый парадигма публикации AI модели

Концепция IMO была впервые предложена некоторым протоколом для токенизации AI моделей.

В традиционной модели, из-за отсутствия механизма распределения доходов, как только AI-модель разрабатывается и выходит на рынок, разработчикам часто трудно получать постоянный доход от последующего использования модели, особенно когда модель интегрируется в другие продукты и услуги. Оригинальным 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 признание модели на рынке и коммерческий потенциал.

IMO предоставляет новый способ финансовой поддержки и совместного использования ценности для открытых AI моделей, инвесторы могут покупать токены IMO, чтобы делиться доходами, полученными от модели в будущем. Один из протоколов использует два стандарта ERC, сочетая AI оракулы и технологии OPML для обеспечения подлинности AI модели и того, чтобы держатели токенов могли делиться доходом.

Модель IMO усиливает прозрачность и доверие, способствует открытому сотрудничеству, адаптируется к тенденциям крипторынка и вносит вклад в устойчивое развитие технологий ИИ. В настоящее время модель IMO находится на начальной стадии экспериментов, но с увеличением уровня принятия на рынке и расширением сферы участия ее инновационность и потенциальная ценность заслуживают нашего ожидания.

AI Агент: новая эра взаимодействия

AI-агент может воспринимать окружающую среду, проводить независимое мышление и предпринимать соответствующие действия для достижения установленных целей. При поддержке больших языковых моделей AI-агент не только понимает естественный язык, но и планирует принятие решений, выполняет сложные задачи. Они могут выступать в роли виртуальных помощников, обучаясь предпочтениям пользователей через взаимодействие и предлагая персонализированные решения. Даже без явных указаний AI-агенты могут самостоятельно решать проблемы, повышая эффективность и создавая новую ценность.

Некоторая платформа для нативных AI-приложений предлагает полный и удобный набор инструментов для создания, поддерживает пользователей в настройке функций робота, внешнего вида, голоса, а также в подключении внешних баз знаний, стремясь создать справедливую и открытую экосистему AI-контента, используя технологии генеративного AI, давая возможность каждому стать суперсоздателем. Платформа обучила специализированную языковую модель, что делает ролевые игры более человечными; технология клонирования голоса может ускорить персонализированное взаимодействие AI-продуктов, снизив затраты на синтез голоса на 99%, клонирование голоса занимает всего 1 минуту. Используя настроенных AI-агентов этой платформы, в настоящее время их можно применять в таких областях, как видеочат, изучение языков, генерация изображений и других.

В интеграции Web3 и AI в настоящее время больше всего исследуется уровень инфраструктуры, такие ключевые вопросы, как получение качественных данных, защита конфиденциальности данных, как размещать модели в блокчейне, как повысить эффективное использование децентрализованных вычислительных мощностей, как проверять большие языковые модели и т. д. С постепенным совершенствованием этой инфраструктуры у нас есть основания полагать, что интеграция Web3 и AI породит ряд инновационных бизнес-моделей и услуг.