La fusión de Web3 y AI: Construyendo la infraestructura de la próxima generación de Internet

Web3, como un nuevo paradigma de internet descentralizado, abierto y transparente, tiene una oportunidad natural de fusión con la IA. En la arquitectura centralizada tradicional, los recursos de cálculo y datos de la IA están bajo un estricto control y enfrentan numerosos desafíos como cuellos de botella en la capacidad de cálculo, filtraciones de privacidad y cajas negras algorítmicas. Mientras tanto, Web3, basado en tecnologías distribuidas, puede inyectar nueva energía en el desarrollo de la IA a través de redes de cálculo compartido, mercados de datos abiertos y cálculo de privacidad. Al mismo tiempo, la IA también puede empoderar a Web3 de muchas maneras, como la optimización de contratos inteligentes, algoritmos anti-trampa, etc., contribuyendo a la construcción de su ecosistema. Por lo tanto, explorar la combinación de Web3 y la IA es crucial para construir la infraestructura de internet de próxima generación y liberar el valor de datos y capacidad de cálculo.

Impulsado por datos: Una base sólida de AI y Web3

Los datos son el motor central que impulsa el desarrollo de la IA, así como el combustible para un motor. Los modelos de IA necesitan digerir grandes cantidades de datos de alta calidad para obtener una comprensión profunda y una poderosa capacidad de razonamiento. Los datos no solo proporcionan la base de entrenamiento para los modelos de aprendizaje automático, sino que también determinan la precisión y la fiabilidad del modelo.

En los modelos tradicionales de obtención y utilización de datos de IA centralizados, existen los siguientes problemas principales:

• El costo de adquisición de datos es alto, lo que dificulta a las pequeñas y medianas empresas asumirlo.
• Los recursos de datos están monopolizados por las grandes empresas tecnológicas, creando islas de datos.
• Los datos personales enfrentan el riesgo de filtraciones y abusos.

Web3 puede abordar los puntos débiles del modelo tradicional con un nuevo paradigma de datos descentralizados:

• Los usuarios pueden vender su red ociosa a empresas de IA, capturando datos de red de manera descentralizada, y después de limpiarlos y transformarlos, proporcionar datos reales y de alta calidad para el entrenamiento de modelos de IA.
• Adoptar el modelo "label to earn", incentivando a trabajadores de todo el mundo a participar en la anotación de datos a través de tokens, reuniendo el conocimiento profesional global y mejorando la capacidad de análisis de datos.
• La plataforma de intercambio de datos en blockchain proporciona un entorno de transacción público y transparente para ambas partes de la oferta y la demanda de datos, incentivando la innovación y el intercambio de datos.

A pesar de ello, la obtención de datos en el mundo real también presenta algunos problemas, como la calidad de los datos que varía, la dificultad de procesamiento, la falta de diversidad y representatividad, entre otros. Los datos sintéticos podrían ser la estrella del futuro en el campo de datos de Web3. Basados en tecnologías de IA generativa y simulaciones, los datos sintéticos pueden simular las propiedades de los datos reales, sirviendo como un complemento efectivo para los datos reales y mejorando la eficiencia en el uso de datos. En campos como la conducción autónoma, el comercio en los mercados financieros y el desarrollo de videojuegos, los datos sintéticos ya han demostrado su potencial de aplicación maduro.

Protección de la privacidad: El papel de FHE en Web3

En la era impulsada por los datos, la protección de la privacidad se ha convertido en un foco de atención global. La promulgación de regulaciones como el Reglamento General de Protección de Datos (GDPR) de la Unión Europea refleja la estricta protección de la privacidad personal. Sin embargo, esto también ha traído desafíos: algunos datos sensibles no pueden ser utilizados plenamente debido a los riesgos de privacidad, lo que sin duda limita el potencial y la capacidad de razonamiento de los modelos de IA.

FHE es la criptografía homomórfica completa, que permite realizar operaciones de cálculo directamente sobre datos cifrados sin necesidad de descifrar los datos, y el resultado del cálculo es consistente con el resultado de realizar el mismo cálculo sobre datos en texto plano.

FHE proporciona una sólida protección para el cálculo de privacidad en IA, permitiendo que la potencia de cálculo de la GPU ejecute tareas de entrenamiento e inferencia de modelos en un entorno sin tocar los datos originales. Esto brinda una gran ventaja a las empresas de IA. Pueden ofrecer servicios API de manera segura mientras protegen sus secretos comerciales.

FHEML admite el procesamiento cifrado de datos y modelos a lo largo de todo el ciclo de aprendizaje automático, garantizando la seguridad de la información sensible y previniendo el riesgo de filtración de datos. De esta manera, FHEML refuerza la privacidad de los datos y proporciona un marco de computación seguro para las aplicaciones de IA.

FHEML es un complemento de ZKML; ZKML prueba la correcta ejecución del aprendizaje automático, mientras que FHEML enfatiza el cálculo sobre datos cifrados para mantener la privacidad de los datos.

Revolución del poder de cálculo: computación AI en redes descentralizadas

La complejidad computacional de los sistemas de IA actuales se duplica cada tres meses, lo que provoca un aumento explosivo en la demanda de capacidad de cálculo, superando con creces la oferta de recursos computacionales existentes. Por ejemplo, el entrenamiento de un modelo de lenguaje a gran escala de una conocida empresa de IA requiere una enorme capacidad de cálculo, equivalente a 355 años de tiempo de entrenamiento en un solo dispositivo. Esta escasez de capacidad de cálculo no solo limita el progreso de la tecnología de IA, sino que también hace que esos modelos de IA avanzados sean inalcanzables para la mayoría de los investigadores y desarrolladores.

Al mismo tiempo, la utilización global de GPU es inferior al 40%, sumado a la desaceleración en la mejora del rendimiento de los microprocesadores y la escasez de chips causada por factores de la cadena de suministro y geopolíticos, lo que agrava aún más el problema del suministro de potencia de cálculo. Los profesionales de la IA se encuentran en un dilema: o compran hardware por su cuenta, o alquilan recursos en la nube, y necesitan urgentemente una forma de servicio de computación bajo demanda y económicamente eficiente.

Una red de computación descentralizada de IA agrega recursos de GPU inactivos de todo el mundo, proporcionando a las empresas de IA un mercado de computación que es tanto económico como de fácil acceso. Los demandantes de computación pueden publicar tareas de cálculo en la red, y los contratos inteligentes asignan las tareas a los nodos mineros que contribuyen con potencia de cómputo. Los mineros ejecutan las tareas y envían los resultados, y después de la verificación, reciben recompensas en forma de puntos. Esta solución mejora la eficiencia en el uso de recursos y ayuda a resolver el problema del cuello de botella en la potencia de cómputo en campos como la IA.

Además de las redes de potencia descentralizada universales, también hay algunas plataformas enfocadas en el entrenamiento de IA y redes de potencia dedicadas al razonamiento de IA.

Las redes de potencia de cálculo descentralizadas ofrecen un mercado de potencia de cálculo justo y transparente, rompiendo monopolios, reduciendo las barreras de entrada y aumentando la eficiencia en el uso de la potencia de cálculo. En el ecosistema web3, las redes de potencia de cálculo descentralizadas desempeñarán un papel clave, atrayendo la participación de más dapps innovadoras y promoviendo conjuntamente el desarrollo y la aplicación de la tecnología de IA.

DePIN: Web3 empodera la IA Edge

Imagina que tu teléfono móvil, reloj inteligente e incluso los dispositivos inteligentes de tu hogar tienen la capacidad de ejecutar inteligencia artificial: esa es la magia del Edge AI. Permite que el procesamiento ocurra en la fuente donde se generan los datos, logrando baja latencia y procesamiento en tiempo real, al mismo tiempo que protege la privacidad del usuario. La tecnología Edge AI ya se ha aplicado en campos clave como la conducción autónoma.

En el ámbito de Web3, tenemos un nombre más familiar: DePIN. Web3 enfatiza la descentralización y la soberanía de los datos del usuario, DePIN puede mejorar la protección de la privacidad del usuario al procesar datos localmente, reduciendo el riesgo de filtraciones de datos; el mecanismo económico nativo de tokens de Web3 puede incentivar a los nodos de DePIN a proporcionar recursos de computación, construyendo un ecosistema sostenible.

Actualmente, DePIN se está desarrollando rápidamente en el ecosistema de una cierta cadena pública, convirtiéndose en una de las plataformas de cadena pública preferidas para el despliegue de proyectos. La alta TPS, los bajos costos de transacción y la innovación tecnológica de esta cadena pública brindan un sólido apoyo a los proyectos DePIN. Actualmente, el valor de mercado de los proyectos DePIN en esta cadena pública supera los 10 mil millones de dólares, y varios proyectos conocidos han logrado un progreso notable.

IMO: Nueva Paradigma de Publicación del Modelo AI

El concepto de IMO fue propuesto por un protocolo, tokenizando modelos de IA.

En el modelo tradicional, debido a la falta de un mecanismo de participación en los beneficios, una vez que un modelo de IA es desarrollado y lanzado al mercado, a menudo es difícil para los desarrolladores obtener ingresos continuos de su uso posterior, especialmente cuando el modelo se integra en otros productos y servicios; los creadores originales tienen dificultades para rastrear su uso, y ni hablar de obtener beneficios de ello. Además, el rendimiento y la efectividad de los modelos de IA a menudo carecen de transparencia, lo que dificulta a los potenciales inversores y usuarios evaluar su verdadero valor, limitando así el reconocimiento del mercado y el potencial comercial del modelo.

IMO proporciona una nueva forma de financiación y compartición de valor para modelos de IA de código abierto, los inversores pueden comprar tokens IMO y compartir los ingresos generados posteriormente por el modelo. Un protocolo utiliza dos estándares ERC, combinando oráculos de IA y tecnología OPML para garantizar la autenticidad del modelo de IA y que los titulares de tokens puedan compartir los ingresos.

El modo IMO ha mejorado la transparencia y la confianza, fomentando la colaboración de código abierto, adaptándose a las tendencias del mercado de criptomonedas y dando impulso al desarrollo sostenible de la tecnología de IA. Actualmente, el IMO todavía se encuentra en una fase de prueba inicial, pero a medida que aumente la aceptación del mercado y se amplíe el rango de participación, su innovación y valor potencial son dignos de nuestra expectativa.

Agente de IA: Una nueva era de experiencias interactivas

El Agente de IA puede percibir el entorno, pensar de manera independiente y tomar las acciones correspondientes para lograr objetivos establecidos. Con el apoyo de modelos de lenguaje grandes, el Agente de IA no solo puede comprender el lenguaje natural, sino también planificar decisiones y ejecutar tareas complejas. Pueden actuar como asistentes virtuales, aprendiendo las preferencias de los usuarios a través de la interacción y ofreciendo soluciones personalizadas. Incluso en ausencia de instrucciones claras, el Agente de IA puede resolver problemas de forma autónoma, mejorar la eficiencia y crear nuevo valor.

Una plataforma nativa de aplicaciones de IA ofrece un conjunto de herramientas de creación completas y fáciles de usar, que permite a los usuarios configurar funciones, apariencia, voz de robots y conectar bases de datos externas, dedicada a crear un ecosistema de contenido de IA justo y abierto. Utilizando tecnología de IA generativa, empodera a los individuos para convertirse en creadores superdotados. La plataforma ha entrenado un modelo de lenguaje grande especializado, lo que hace que el juego de roles sea más humano; la tecnología de clonación de voz puede acelerar la interacción personalizada de productos de IA, reduciendo el costo de la síntesis de voz en un 99%, y la clonación de voz se puede lograr en solo 1 minuto. Utilizando el agente de IA personalizado de la plataforma, actualmente se puede aplicar en múltiples campos como chat de video, aprendizaje de idiomas, generación de imágenes, entre otros.

En la fusión de Web3 y AI, actualmente se está explorando más la capa de infraestructura, cómo obtener datos de alta calidad, proteger la privacidad de los datos, cómo alojar modelos en la cadena, cómo mejorar el uso eficiente de la potencia de cálculo descentralizada y cómo validar modelos de lenguaje grandes, entre otros problemas clave. A medida que esta infraestructura se perfeccione gradualmente, tenemos razones para creer que la fusión de Web3 y AI dará lugar a una serie de modelos de negocio y servicios innovadores.