Integrasi Web3 dan AI: Membangun Infrastruktur Internet Generasi Berikutnya

Web3 sebagai paradigma internet baru yang terdesentralisasi, terbuka, dan transparan, memiliki peluang integrasi alami dengan AI. Dalam arsitektur terpusat tradisional, komputasi AI dan sumber daya data berada di bawah kontrol yang ketat, dan menghadapi berbagai tantangan seperti batasan daya komputasi, kebocoran privasi, dan kotak hitam algoritma. Sementara itu, Web3 yang didasarkan pada teknologi terdistribusi dapat memberikan dorongan baru untuk perkembangan AI melalui jaringan berbagi daya komputasi, pasar data terbuka, dan komputasi privasi. Selain itu, AI juga dapat memberikan banyak pemberdayaan untuk Web3, seperti optimasi kontrak pintar dan algoritma anti-kecurangan, yang membantu pembangunan ekosistemnya. Oleh karena itu, eksplorasi kombinasi Web3 dan AI sangat penting untuk membangun infrastruktur internet generasi berikutnya dan membebaskan nilai data dan daya komputasi.

Data Driven: Dasar yang Kuat antara AI dan Web3

Data adalah kekuatan pendorong utama perkembangan AI, sama seperti bahan bakar bagi mesin. Model AI perlu mencerna sejumlah besar data berkualitas tinggi untuk mendapatkan pemahaman yang mendalam dan kemampuan penalaran yang kuat. Data tidak hanya menyediakan dasar pelatihan bagi model pembelajaran mesin, tetapi juga menentukan akurasi dan keandalan model.

Dalam mode pengambilan dan pemanfaatan data AI terpusat yang tradisional, terdapat beberapa masalah utama berikut:

• Biaya pengambilan data yang tinggi, usaha kecil dan menengah sulit untuk menanggung
• Sumber data didominasi oleh raksasa teknologi, membentuk pulau data
• Risiko kebocoran dan penyalahgunaan privasi data pribadi

Web3 dapat menyelesaikan titik nyeri model tradisional dengan paradigma data terdesentralisasi yang baru:

• Pengguna dapat menjual jaringan yang tidak terpakai kepada perusahaan AI, secara terdesentralisasi mengambil data jaringan, setelah dibersihkan dan diubah, untuk menyediakan data yang nyata dan berkualitas tinggi untuk pelatihan model AI.
• Mengadopsi model "label to earn", mendorong pekerja global untuk berpartisipasi dalam pelabelan data melalui insentif token, mengumpulkan pengetahuan profesional dari seluruh dunia, dan meningkatkan kemampuan analisis data.
• Platform perdagangan data blockchain menyediakan lingkungan perdagangan yang terbuka dan transparan bagi kedua belah pihak yang membutuhkan dan menyediakan data, mendorong inovasi dan berbagi data.

Meskipun demikian, pengumpulan data di dunia nyata juga memiliki beberapa masalah, seperti kualitas data yang bervariasi, kesulitan dalam pemrosesan, serta kurangnya keragaman dan representasi. Data sintetis mungkin menjadi bintang masa depan dalam jalur data Web3. Berdasarkan teknologi AI generatif dan simulasi, data sintetis dapat mensimulasikan atribut data nyata, sebagai pelengkap yang efektif untuk data nyata, meningkatkan efisiensi penggunaan data. Dalam bidang seperti mobil otonom, perdagangan pasar keuangan, dan pengembangan game, data sintetis telah menunjukkan potensi aplikasi yang matang.

Perlindungan Privasi: Peran FHE dalam Web3

Di era yang didorong oleh data, perlindungan privasi telah menjadi fokus perhatian global. Penerapan regulasi seperti Peraturan Perlindungan Data Umum Uni Eropa (GDPR) mencerminkan perlindungan yang ketat terhadap privasi individu. Namun, ini juga membawa tantangan: beberapa data sensitif tidak dapat dimanfaatkan secara maksimal karena risiko privasi, yang tentunya membatasi potensi dan kemampuan penalaran model AI.

FHE adalah enkripsi homomorfik penuh, yang memungkinkan operasi perhitungan dilakukan langsung pada data terenkripsi tanpa perlu mendekripsi data, dan hasil perhitungan konsisten dengan hasil perhitungan yang dilakukan pada data plaintext.

FHE memberikan perlindungan yang kuat untuk komputasi privasi AI, sehingga kekuatan GPU dapat menjalankan tugas pelatihan dan inferensi model di lingkungan yang tidak menyentuh data asli. Ini memberikan keuntungan besar bagi perusahaan AI. Mereka dapat membuka layanan API dengan aman sambil melindungi rahasia dagang.

FHEML mendukung pemrosesan enkripsi data dan model sepanjang siklus pembelajaran mesin, memastikan keamanan informasi sensitif dan mencegah risiko kebocoran data. Dengan cara ini, FHEML memperkuat privasi data dan menyediakan kerangka komputasi yang aman untuk aplikasi AI.

FHEML adalah pelengkap ZKML, di mana ZKML membuktikan eksekusi machine learning yang benar, sedangkan FHEML menekankan perhitungan data terenkripsi untuk menjaga privasi data.

Revolusi Komputasi: Komputasi AI dalam Jaringan Terdesentralisasi

Kompleksitas komputasi sistem AI saat ini berlipat ganda setiap 3 bulan, menyebabkan lonjakan permintaan daya komputasi yang jauh melampaui pasokan sumber daya komputasi yang ada. Misalnya, pelatihan model bahasa besar dari sebuah perusahaan AI terkenal membutuhkan daya komputasi yang sangat besar, setara dengan waktu pelatihan 355 tahun pada satu perangkat. Kekurangan daya komputasi semacam ini tidak hanya membatasi kemajuan teknologi AI, tetapi juga menjadikan model AI tingkat tinggi tersebut tidak terjangkau bagi sebagian besar peneliti dan pengembang.

Sementara itu, tingkat pemanfaatan GPU global kurang dari 40%, ditambah dengan perlambatan peningkatan kinerja mikroprosesor, serta kekurangan chip yang disebabkan oleh faktor rantai pasokan dan geopolitik, semua ini membuat masalah pasokan daya komputasi semakin parah. Para praktisi AI terjebak dalam dilema: membeli perangkat keras sendiri atau menyewa sumber daya cloud, mereka sangat membutuhkan cara layanan komputasi yang sesuai permintaan dan efisien secara ekonomi.

Sebuah jaringan kecerdasan buatan terdesentralisasi mengagregasi sumber daya GPU yang tidak terpakai di seluruh dunia, untuk menyediakan pasar komputasi yang ekonomis dan mudah diakses bagi perusahaan AI. Pihak yang membutuhkan komputasi dapat memposting tugas perhitungan di jaringan, kontrak pintar akan mendistribusikan tugas tersebut kepada node penambang yang menyumbangkan daya komputasi, penambang menjalankan tugas dan mengajukan hasil, setelah diverifikasi mereka mendapatkan imbalan poin. Solusi ini meningkatkan efisiensi penggunaan sumber daya dan membantu mengatasi masalah kekurangan daya komputasi di bidang AI dan lainnya.

Selain jaringan komputasi terdesentralisasi yang umum, ada juga beberapa platform yang fokus pada pelatihan AI, serta jaringan komputasi khusus yang fokus pada inferensi AI.

Jaringan komputasi terdesentralisasi menyediakan pasar komputasi yang adil dan transparan, memecahkan monopoli, menurunkan ambang aplikasi, dan meningkatkan efisiensi penggunaan komputasi. Dalam ekosistem web3, jaringan komputasi terdesentralisasi akan memainkan peran kunci, menarik lebih banyak dapp inovatif untuk bergabung, dan bersama-sama mendorong perkembangan dan penerapan teknologi AI.

DePIN: Web3 Memberdayakan Edge AI

Bayangkan, ponsel Anda, jam tangan pintar, bahkan perangkat pintar di rumah Anda, semua memiliki kemampuan untuk menjalankan AI—itulah daya tarik Edge AI. Ini memungkinkan pemrosesan terjadi di sumber data, menghasilkan latensi rendah dan pemrosesan waktu nyata, sambil melindungi privasi pengguna. Teknologi Edge AI telah diterapkan dalam bidang penting seperti kendaraan otonom.

Di bidang Web3, kami memiliki nama yang lebih dikenal—DePIN. Web3 menekankan desentralisasi dan kedaulatan data pengguna, DePIN dapat meningkatkan perlindungan privasi pengguna dan mengurangi risiko kebocoran data dengan memproses data secara lokal; mekanisme ekonomi Token asli Web3 dapat mendorong node DePIN untuk menyediakan sumber daya komputasi, membangun ekosistem yang berkelanjutan.

Saat ini, DePIN berkembang pesat dalam ekosistem suatu public chain, menjadi salah satu platform public chain pilihan untuk penyebaran proyek. Tingginya TPS, biaya transaksi rendah, dan inovasi teknologi dari public chain ini memberikan dukungan yang kuat bagi proyek DePIN. Saat ini, nilai pasar proyek DePIN di public chain ini telah melebihi 10 miliar USD, dan beberapa proyek terkenal telah mencapai kemajuan signifikan.

IMO: Peluncuran Paradigma Baru Model AI

Konsep IMO pertama kali diusulkan oleh suatu protokol, yang memtokenisasi model AI.

Dalam model tradisional, karena kurangnya mekanisme pembagian pendapatan, setelah model AI dikembangkan dan diluncurkan ke pasar, pengembang seringkali kesulitan untuk mendapatkan pendapatan yang berkelanjutan dari penggunaan model tersebut, terutama ketika model diintegrasikan ke dalam produk dan layanan lain, pencipta asli sulit untuk melacak penggunaan, apalagi mendapatkan pendapatan dari situ. Selain itu, kinerja dan efektivitas model AI seringkali kurang transparan, sehingga mempersulit investor dan pengguna potensial untuk menilai nilai sebenarnya, yang membatasi pengakuan pasar dan potensi komersial model tersebut.

IMO menyediakan cara baru untuk mendukung pendanaan dan berbagi nilai untuk model AI sumber terbuka, investor dapat membeli token IMO untuk berbagi keuntungan yang dihasilkan oleh model di masa depan. Protokol tertentu menggunakan dua standar ERC, menggabungkan oracle AI dan teknologi OPML untuk memastikan keaslian model AI dan pemegang token dapat berbagi keuntungan.

Mode IMO meningkatkan transparansi dan kepercayaan, mendorong kolaborasi sumber terbuka, beradaptasi dengan tren pasar kripto, dan memberikan dorongan untuk pembangunan berkelanjutan teknologi AI. IMO saat ini masih dalam tahap percobaan awal, tetapi seiring dengan meningkatnya penerimaan pasar dan perluasan jangkauan partisipasi, inovasi dan nilai potensialnya patut untuk kita nantikan.

AI Agent: Era baru pengalaman interaktif

Agen AI dapat merasakan lingkungan, berpikir secara mandiri, dan mengambil tindakan yang sesuai untuk mencapai tujuan yang telah ditetapkan. Didukung oleh model bahasa besar, Agen AI tidak hanya dapat memahami bahasa alami, tetapi juga merencanakan keputusan dan mengeksekusi tugas-tugas kompleks. Mereka dapat berfungsi sebagai asisten virtual, belajar tentang preferensi pengguna melalui interaksi, dan memberikan solusi yang dipersonalisasi. Tanpa instruksi yang jelas, Agen AI juga dapat memecahkan masalah secara mandiri, meningkatkan efisiensi, dan menciptakan nilai baru.

Sebuah platform aplikasi AI asli menyediakan kumpulan alat kreatif yang komprehensif dan mudah digunakan, mendukung pengguna untuk mengonfigurasi fungsi, penampilan, suara robot, serta menghubungkan ke basis pengetahuan eksternal, berkomitmen untuk menciptakan ekosistem konten AI yang adil dan terbuka, memanfaatkan teknologi AI generatif untuk memberdayakan individu menjadi pencipta super. Platform ini melatih model bahasa besar yang khusus, membuat peran bermain menjadi lebih manusiawi; teknologi kloning suara dapat mempercepat interaksi personalisasi produk AI, mengurangi biaya sintesis suara sebesar 99%, dan kloning suara dapat dilakukan dalam waktu 1 menit. Dengan AI Agent yang disesuaikan dari platform ini, saat ini dapat diterapkan di berbagai bidang seperti obrolan video, pembelajaran bahasa, dan penghasilan gambar.

Dalam penggabungan Web3 dan AI, saat ini lebih banyak eksplorasi pada lapisan infrastruktur dasar, seperti bagaimana mendapatkan data berkualitas tinggi, melindungi privasi data, bagaimana mengelola model di blockchain, bagaimana meningkatkan penggunaan kekuatan komputasi terdesentralisasi secara efisien, dan bagaimana memverifikasi model bahasa besar, serta masalah kunci lainnya. Dengan bertahannya perbaikan infrastruktur ini, kita berhak percaya bahwa penggabungan Web3 dan AI akan melahirkan serangkaian model bisnis dan layanan inovatif.