Глибина інтеграції AI та Web3: формування майбутньої інтернет-структури

Web3 як нова парадигма інтернету, децентралізована, відкрита та прозора, має природні можливості для інтеграції з AI. У традиційній централізованій архітектурі обчислення AI та ресурси даних строго контролюються, стикаючись із викликами, такими як вузькі місця у обчислювальній потужності, витік конфіденційності, непрозорість алгоритмів. Web3, заснований на розподілених технологіях, через спільні мережі обчислювальної потужності, відкриті ринки даних, обчислення конфіденційності та інші способи, надає новий імпульс для розвитку AI. Водночас AI може надати Web3 безліч можливостей, таких як оптимізація смарт-контрактів, алгоритми протидії шахрайству тощо, сприяючи його екосистемному розвитку. Дослідження поєднання Web3 та AI є надзвичайно важливим для побудови інфраструктури наступного покоління інтернету та реалізації цінності даних і обчислювальної потужності.

Дані як основа: AI та Web3

Дані є основним двигуном розвитку ШІ. Моделі ШІ потребують перетворення величезних обсягів високоякісних даних, щоб отримати глибоке розуміння та потужні здібності до міркування. Дані не лише забезпечують базу для навчання моделей машинного навчання, а й визначають точність та надійність моделей.

Традиційні централізовані моделі отримання та використання даних AI мають такі проблеми:

• Витрати на отримання даних є високими, і малим та середнім підприємствам важко їх понести
• Ресурси даних монополізовані великими технологічними компаніями, що створює ізольовані дані.
• Особисті дані піддаються ризику витоку та зловживання

Web3 пропонує нову децентралізовану парадигму даних для вирішення цих болючих питань:

• Користувачі можуть продавати невикористані мережеві ресурси, децентралізовано збирати мережеві дані, щоб забезпечити реальні та високоякісні дані для навчання AI-моделей.
• Використовуючи модель "мітка - це заробіток", залучаємо глобальних працівників до розмітки даних через токенізовані стимули, об'єднуючи світові професійні знання, підвищуючи можливості аналізу даних.
• Платформа торгівлі даними на базі блокчейн забезпечує відкритий і прозорий торговий середовище для обох сторін попиту і пропозиції даних, стимулюючи інновації та обмін даними.

Попри це, у реальному світі все ще існують деякі проблеми з отриманням даних, такі як нерівність якості даних, складність обробки, недостатня різноманітність та репрезентативність тощо. Синтетичні дані можуть стати яскравою точкою у сфері даних Web3 у майбутньому. Ґрунтуючись на технології генеративного ШІ та моделюванні, синтетичні дані можуть імітувати властивості реальних даних, слугуючи ефективним доповненням до реальних даних, підвищуючи ефективність використання даних. У таких сферах, як автономне водіння, торгівля на фінансових ринках, розробка ігор тощо, синтетичні дані вже продемонстрували зрілий потенціал застосування.

Захист конфіденційності: роль FHE у Web3

У епоху даних захист приватності став глобальним центром уваги. Прийняття таких регламентів, як Загальний регламент захисту даних (GDPR) ЄС, відображає строгий захист особистої приватності. Однак це також створює виклики: деякі чутливі дані не можуть бути використані в повному обсязі через ризики приватності, що обмежує потенціал та здатність до міркування AI-моделей.

FHE – це повна гомоморфна криптографія, яка дозволяє виконувати обчислення безпосередньо на зашифрованих даних, не розшифровуючи їх, і результати обчислень збігаються з результатами, отриманими при виконанні тих же обчислень на відкритих даних.

FHE забезпечує надійний захист для приватних обчислень AI, що дозволяє потужностям GPU виконувати навчання моделей і завдання інференції в середовищі, яке не торкається вихідних даних. Це приносить величезні переваги компаніям AI. Вони можуть безпечно відкривати API-сервіси, захищаючи комерційну таємницю.

FHEML підтримує шифрування даних та моделей протягом усього циклу машинного навчання, забезпечуючи безпеку чутливої інформації та запобігаючи ризикам витоку даних. Таким чином, FHEML посилює конфіденційність даних, надаючи безпечну обчислювальну платформу для AI-додатків.

FHEML є доповненням до ZKML, ZKML підтверджує правильне виконання машинного навчання, тоді як FHEML підкреслює обчислення з зашифрованими даними для збереження конфіденційності даних.

Революція обчислювальної потужності: AI-обчислення в децентралізованих мережах

Сучасна обчислювальна складність систем штучного інтелекту подвоюється кожні 3 місяці, що призводить до різкого зростання попиту на обчислювальні ресурси, що значно перевищує постачання існуючих обчислювальних потужностей. Наприклад, тренування великої мовної моделі відомої компанії з штучного інтелекту вимагає величезних обчислювальних потужностей, що еквівалентно 355 рокам навчання на одному пристрої. Така нестача обчислювальних потужностей не лише обмежує прогрес технологій штучного інтелекту, але й робить ці складні моделі штучного інтелекту недоступними для більшості дослідників і розробників.

Водночас, світове використання GPU становить менше 40%, а також уповільнення підвищення продуктивності мікропроцесорів і нестача чіпів, викликана факторами постачання та геополітики, роблять проблему постачання обчислювальної потужності ще більш серйозною. Працівники у сфері ШІ опинилися в дилемі: або купувати апаратуру, або орендувати хмарні ресурси, їм терміново потрібен економічний та ефективний спосіб надання обчислювальних послуг за запитом.

Деяка децентралізована мережа обчислювальної потужності AI шляхом агрегування вільних GPU-ресурсів по всьому світу, забезпечує AI-компаніям економічний та доступний ринок обчислювальної потужності. Сторони, що потребують обчислювальну потужність, можуть публікувати обчислювальні завдання в мережі, смарт-контракти розподіляють завдання між майнерами, які вносять обчислювальну потужність, майнери виконують завдання та подають результати, після перевірки отримують бали в якості винагороди. Ця схема підвищує ефективність використання ресурсів і допомагає вирішити проблему вузького місця в обчислювальній потужності в таких сферах, як AI.

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

Децентралізована мережа обчислювальних потужностей забезпечує чесний і прозорий ринок обчислювальних потужностей, руйнує монополії, знижує поріг входження для застосувань та підвищує ефективність використання обчислювальних потужностей. У екосистемі web3 децентралізована мережа обчислювальних потужностей зіграє ключову роль, залучаючи більше інноваційних dapp, спільно сприяючи розвитку та впровадженню технологій ШІ.

DePIN: Web3 надає можливості Edge AI

Уявіть собі, що ваш телефон, смарт-годинник або навіть розумні пристрої у вашому домі мають можливість працювати з ШІ — саме в цьому і полягає привабливість Edge AI. Це дозволяє обробляти дані на місці їх виникнення, забезпечуючи низьку затримку та реальний час обробки, одночасно захищаючи конфіденційність користувачів. Технологія Edge AI вже застосовується у ключових сферах, таких як автономне керування.

У сфері Web3 ми маємо більш знайоме ім'я — DePIN. Web3 підкреслює децентралізацію та суверенітет даних користувачів, а DePIN, обробляючи дані локально, може посилити захист конфіденційності користувачів та зменшити ризик витоку даних; Вроджена токен-економічна механіка Web3 може стимулювати вузли DePIN надавати обчислювальні ресурси, створюючи стійку екосистему.

Наразі DePIN швидко розвивається в екосистемі певного відомого блокчейну, ставши однією з основних платформ для розгортання проектів. Висока TPS, низькі транзакційні витрати та технологічні інновації цього блокчейну надають потужну підтримку проектам DePIN. Наразі ринкова вартість проектів DePIN на цьому блокчейні перевищує 10 мільярдів доларів США, і кілька відомих проектів досягли значного прогресу.

IMO：AI-моделі випуск нового парадигми

Концепція IMO була вперше запропонована певним протоколом, що передбачає токенізацію моделей ШІ.

У традиційній моделі, через відсутність механізму розподілу доходів, після розробки та виходу на ринок AI-моделі, розробникам зазвичай важко отримувати постійний дохід від подальшого використання моделі, особливо коли модель інтегрована в інші продукти та сервіси, оригінальним 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 і користувачам оцінку їхньої реальної вартості, обмежуючи ринкове визнання моделі та комерційний потенціал.

IMO надає новий спосіб фінансування та розподілу вартості для відкритих AI моделей, інвестори можуть купувати токени IMO, щоб ділитися прибутком, що генерується моделлю в подальшому. Певний протокол використовує специфічний стандарт ERC, поєднуючи AI оракули та технологію OPML, щоб забезпечити автентичність AI моделі та можливість для тримачів токенів ділитися прибутком.

Модель IMO підвищила прозорість і довіру, заохочуючи відкриту співпрацю, адаптувалася до тенденцій крипторинку та надала імпульс сталому розвитку технологій штучного інтелекту. IMO наразі все ще перебуває на стадії початкових спроб, але з підвищенням прийнятності на ринку та розширенням участі її інноваційність і потенційна цінність заслуговують на нашу увагу.

AI Agent: Нова ера взаємодії

AI Agent може сприймати середовище, здійснювати незалежне мислення та вживати відповідних заходів для досягнення встановлених цілей. За підтримки великих мовних моделей, AI Agent не лише розуміє природну мову, але й може планувати рішення, виконувати складні завдання. Вони можуть виступати в ролі віртуальних помічників, вивчаючи уподобання користувачів через взаємодію та надаючи персоналізовані рішення. Навіть без чітких інструкцій, AI Agent також здатен самостійно вирішувати проблеми, підвищуючи ефективність і створюючи нову цінність.

Платформа для нативних AI-додатків пропонує повний набір зручних інструментів для створення, що дозволяє користувачам налаштовувати функції, зовнішній вигляд, голос роботів, а також підключати зовнішні бази знань, прагнучи створити справедливу та відкриту екосистему контенту на базі AI. Використовуючи технології генеративного AI, платформа надає можливість особам стати супер-креаторами. Ця платформа навчила спеціальну велику мовну модель, щоб зробити рольову гру більш людяною; технологія клонування голосу може прискорити персоналізовану взаємодію продуктів AI, знизивши витрати на синтез голосу на 99%, а клонування голосу займає лише 1 хвилину. Завдяки налаштованому AI Agent з цієї платформи, наразі можна застосовувати в багатьох сферах, таких як відео-чат, вивчення мов, генерація зображень тощо.

У злитті Web3 та AI наразі більше зосереджено на дослідженні інфраструктурного рівня, як отримати якісні дані, захистити конфіденційність даних, як розмістити моделі на ланцюгу, як підвищити ефективність використання децентралізованих обчислень, як перевірити великі мовні моделі та інші ключові питання. Оскільки ця інфраструктура поступово вдосконалюється, ми маємо підстави вірити, що злиття Web3 та AI призведе до появи ряду інноваційних бізнес-моделей та послуг.