- Tópico
106k Popularidade
20k Popularidade
5k Popularidade
29k Popularidade
16k Popularidade
23k Popularidade
14k Popularidade
3k Popularidade
14k Popularidade
139k Popularidade
- Pino
106k Popularidade
20k Popularidade
5k Popularidade
29k Popularidade
16k Popularidade
23k Popularidade
14k Popularidade
3k Popularidade
14k Popularidade
139k Popularidade
A fusão de Web3 e IA para construir a nova geração de infraestrutura da internet
A fusão do Web3 com a IA: Construindo a infraestrutura da próxima geração da Internet
Web3, como uma nova paradigma de internet descentralizada, aberta e transparente, tem uma oportunidade natural de fusão com a IA. Na arquitetura tradicional centralizada, os recursos de computação e dados da IA são estritamente controlados e enfrentam vários desafios, como gargalos de capacidade computacional, vazamento de privacidade e caixas-pretas algorítmicas. Por outro lado, o Web3, baseado em tecnologia distribuída, pode injetar nova energia no desenvolvimento da IA através de redes de compartilhamento de capacidade computacional, mercados de dados abertos e computação de privacidade. Ao mesmo tempo, a IA também pode trazer muitos benefícios para o Web3, como a otimização de contratos inteligentes e algoritmos anti-fraude, ajudando na construção de seu ecossistema. Portanto, explorar a combinação do Web3 e da IA é crucial para construir a infraestrutura de internet da próxima geração e liberar o valor dos dados e da capacidade computacional.
Dados impulsionados: A base sólida da IA e Web3
Os dados são o motor central do desenvolvimento da IA, assim como o combustível para um motor. Os modelos de IA precisam digerir uma grande quantidade de dados de alta qualidade para obter uma compreensão profunda e uma forte capacidade de raciocínio. Os dados não apenas fornecem a base de treinamento para os modelos de aprendizado de máquina, mas também determinam a precisão e a confiabilidade dos modelos.
No modelo tradicional de aquisição e utilização de dados de IA centralizada, existem os seguintes principais problemas:
O Web3 pode resolver as dores do modelo tradicional com uma nova paradigma de dados descentralizados:
Apesar disso, a obtenção de dados do mundo real também enfrenta alguns problemas, como a qualidade dos dados variando, a dificuldade de processamento, a falta de diversidade e representatividade, entre outros. Dados sintéticos podem ser a estrela do futuro na pista de dados da Web3. Baseados em tecnologias de IA generativa e simulações, os dados sintéticos conseguem simular as propriedades dos dados reais, servindo como um complemento eficaz aos dados reais e aumentando a eficiência do uso dos dados. Em áreas como direção automática, negociação em mercados financeiros e desenvolvimento de jogos, os dados sintéticos já demonstraram seu potencial de aplicação maduro.
Proteção de Privacidade: O Papel do FHE no Web3
Na era impulsionada por dados, a proteção da privacidade tornou-se um foco global de atenção, e a introdução de regulamentos como o Regulamento Geral sobre a Proteção de Dados (GDPR) da União Europeia reflete a rigorosa proteção da privacidade pessoal. No entanto, isso também trouxe desafios: alguns dados sensíveis não podem ser plenamente utilizados devido a riscos de privacidade, o que sem dúvida limita o potencial e a capacidade de raciocínio dos modelos de IA.
FHE, ou criptografia homomórfica completa, permite realizar operações de cálculo diretamente sobre dados criptografados, sem a necessidade de descriptografar os dados, e o resultado do cálculo é consistente com o resultado de cálculos realizados sobre dados em texto claro.
FHE fornece uma proteção sólida para o cálculo de privacidade em IA, permitindo que a capacidade de processamento de GPU execute tarefas de treinamento e inferência de modelos em um ambiente sem tocar nos dados originais. Isso traz uma grande vantagem para as empresas de IA. Elas podem abrir serviços de API de forma segura, protegendo ao mesmo tempo segredos comerciais.
FHEML suporta o processamento criptografado de dados e modelos durante todo o ciclo de aprendizado de máquina, garantindo a segurança das informações sensíveis e prevenindo o risco de vazamento de dados. Desta forma, o FHEML reforça a privacidade dos dados, proporcionando uma estrutura de computação segura para aplicações de IA.
FHEML é um complemento ao ZKML, onde o ZKML prova a execução correta de machine learning, enquanto o FHEML enfatiza a computação em dados criptografados para manter a privacidade dos dados.
Revolução da Computação: Computação em AI em Redes Descentralizadas
A complexidade computacional dos sistemas de IA atuais dobra a cada 3 meses, levando a uma explosão na demanda por poder computacional, muito além da oferta de recursos computacionais existentes. Por exemplo, o treinamento de grandes modelos de linguagem de uma famosa empresa de IA requer um imenso poder computacional, equivalente a 355 anos de tempo de treinamento em um único dispositivo. Essa escassez de poder computacional não apenas limita o progresso da tecnologia de IA, mas também torna esses modelos de IA avançados inatingíveis para a maioria dos pesquisadores e desenvolvedores.
Ao mesmo tempo, a utilização global de GPUs é inferior a 40%, juntamente com a desaceleração no aumento do desempenho dos microprocessadores e a escassez de chips causada por fatores da cadeia de suprimentos e geopolíticos, tudo isso torna o problema da oferta de poder computacional ainda mais grave. Os profissionais de IA encontram-se em um dilema: ou compram hardware, ou alugam recursos em nuvem, e precisam urgentemente de uma forma de serviço de computação sob demanda e econômica.
Uma rede de computação descentralizada de IA agrega recursos de GPU ociosos em todo o mundo, oferecendo às empresas de IA um mercado de computação que é ao mesmo tempo econômico e de fácil acesso. Os demandantes de computação podem publicar tarefas de cálculo na rede, e os contratos inteligentes atribuem as tarefas aos nós mineradores que contribuem com poder computacional. Os mineradores executam as tarefas e enviam os resultados, que, após verificação, recebem recompensas em pontos. Esta solução aumenta a eficiência do uso de recursos e ajuda a resolver o problema do gargalo de computação em áreas como a IA.
Além da rede de computação descentralizada geral, existem algumas plataformas focadas no treinamento de IA, bem como redes de computação dedicadas à inferência de IA.
A rede de computação descentralizada oferece um mercado de computação justo e transparente, quebrando monopólios, reduzindo as barreiras de entrada e aumentando a eficiência da utilização da computação. No ecossistema web3, a rede de computação descentralizada desempenhará um papel fundamental, atraindo a adesão de mais dapps inovadores, impulsionando conjuntamente o desenvolvimento e a aplicação da tecnologia de IA.
DePIN: Web3 capacita Edge AI
Imagine que o seu telefone, relógio inteligente e até mesmo os dispositivos inteligentes em sua casa têm a capacidade de executar IA — essa é a atração do Edge AI. Ele permite que a computação ocorra na fonte de geração de dados, alcançando baixa latência e processamento em tempo real, ao mesmo tempo em que protege a privacidade do usuário. A tecnologia Edge AI já foi aplicada em áreas-chave, como a condução autónoma.
No domínio do Web3, temos um nome mais familiar — DePIN. O Web3 enfatiza a descentralização e a soberania dos dados do usuário; o DePIN pode aumentar a proteção da privacidade do usuário e reduzir o risco de vazamento de dados ao processar dados localmente. O mecanismo econômico de Token nativo do Web3 pode incentivar os nós DePIN a fornecer recursos computacionais, construindo um ecossistema sustentável.
Atualmente, o DePIN está se desenvolvendo rapidamente em um ecossistema de uma determinada blockchain pública, tornando-se uma das plataformas de blockchain pública preferidas para o desenvolvimento de projetos. A alta TPS, as baixas taxas de transação e a inovação tecnológica dessa blockchain pública oferecem um forte suporte para os projetos DePIN. Atualmente, o valor de mercado dos projetos DePIN nesta blockchain pública ultrapassa 10 bilhões de dólares, e vários projetos renomados já alcançaram progressos significativos.
IMO: Lançamento de um novo paradigma do modelo AI
O conceito de IMO foi proposto inicialmente por um protocolo, tokenizando modelos de IA.
No modelo tradicional, devido à ausência de um mecanismo de compartilhamento de receitas, uma vez que o modelo de IA é desenvolvido e lançado no mercado, os desenvolvedores muitas vezes têm dificuldade em obter receitas contínuas do uso subsequente do modelo, especialmente quando o modelo é integrado a outros produtos e serviços, os criadores originais têm dificuldade em rastrear o uso, quanto mais em obter receitas a partir disso. Além disso, o desempenho e a eficácia dos modelos de IA frequentemente carecem de transparência, o que dificulta a avaliação do verdadeiro valor por investidores e usuários potenciais, limitando o reconhecimento de mercado e o potencial comercial do modelo.
O IMO oferece uma nova forma de financiamento e compartilhamento de valor para modelos de IA de código aberto, permitindo que os investidores comprem tokens IMO e compartilhem os lucros gerados posteriormente pelo modelo. Um determinado protocolo utiliza dois padrões ERC, combinando oráculos de IA e tecnologia OPML para garantir a autenticidade do modelo de IA e que os detentores de tokens possam compartilhar os lucros.
O modelo IMO aumentou a transparência e a confiança, incentivou a colaboração de código aberto, adaptou-se às tendências do mercado de criptomoedas e injetou energia no desenvolvimento sustentável da tecnologia de IA. O IMO ainda está na fase inicial de tentativas, mas à medida que a aceitação do mercado aumenta e o alcance da participação se amplia, sua inovação e valor potencial são dignos de expectativa.
Agente de IA: Uma nova era de interação
O Agente de IA pode perceber o ambiente, pensar de forma independente e tomar ações correspondentes para alcançar objetivos definidos. Com o suporte de grandes modelos de linguagem, o Agente de IA não apenas consegue entender a linguagem natural, mas também planejar decisões e executar tarefas complexas. Eles podem atuar como assistentes virtuais, aprendendo as preferências dos usuários através da interação e oferecendo soluções personalizadas. Mesmo sem instruções explícitas, o Agente de IA pode resolver problemas de forma autônoma, aumentando a eficiência e criando novo valor.
Uma plataforma de aplicações nativas de IA oferece um conjunto de ferramentas de criação abrangente e fácil de usar, permitindo aos usuários configurar funções, aparência e sons de robôs, bem como conectar-se a bibliotecas de conhecimento externas, empenhando-se em criar um ecossistema de conteúdo de IA justo e aberto. Utilizando tecnologia de IA generativa, capacita indivíduos a se tornarem super criadores. A plataforma treinou um modelo de linguagem de grande escala especializado, tornando o papel mais humanizado; a tecnologia de clonagem de voz pode acelerar a interação personalizada dos produtos de IA, reduzindo o custo de síntese de voz em 99%, e a clonagem de voz pode ser realizada em apenas 1 minuto. Utilizando o AI Agent personalizado da plataforma, atualmente pode ser aplicado em várias áreas, como videochamadas, aprendizado de idiomas e geração de imagens.
Na fusão entre Web3 e IA, atualmente há mais exploração na camada de infraestrutura, como obter dados de alta qualidade, proteger a privacidade dos dados, como hospedar modelos na blockchain, como melhorar o uso eficiente da computação descentralizada, como validar grandes modelos de linguagem, entre outras questões-chave. À medida que essa infraestrutura é gradualmente aprimorada, temos razões para acreditar que a fusão entre Web3 e IA irá gerar uma série de modelos de negócios e serviços inovadores.