Слияние Web3 и ИИ: создание инфраструктуры следующего поколения интернета

Web3 как новая парадигма интернета, децентрализованная, открытая и прозрачная, естественно сочетается с ИИ. В рамках традиционной централизованной архитектуры вычисления и ресурсы данных ИИ находятся под строгим контролем, сталкиваясь с такими вызовами, как узкие места в вычислительной мощности, утечки конфиденциальности и черные ящики алгоритмов. Однако Web3, основанный на распределенных технологиях, может вдохнуть новую жизнь в развитие ИИ через такие методы, как сеть совместного использования вычислительной мощности, открытые рынки данных и вычисления с конфиденциальностью. В то же время ИИ может предоставить множество возможностей для Web3, таких как оптимизация смарт-контрактов и алгоритмы противодействия мошенничеству, способствуя его экосистемному строительству. Исследование сочетания этих двух технологий имеет огромное значение для создания инфраструктуры следующего поколения интернета и раскрытия ценности данных и вычислительной мощности.

Данные как основа: надежный фундамент AI и Web3

Данные являются основным двигателем развития ИИ. Моделям ИИ необходимо обрабатывать огромные объемы качественных данных, чтобы получить глубокое понимание и мощные способности к рассуждению. Данные не только предоставляют основу для обучения моделям машинного обучения, но также определяют точность и надежность моделей.

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

• Высокие затраты на получение данных, малым и средним предприятиям трудно их нести
• Данные ресурсы монополизируются технологическими гигантами, формируя изолированные данные
• Личная информация подвержена рискам утечки и злоупотребления.

Web3 предлагает новую децентрализованную парадигму данных для решения этих проблем:

• Пользователи могут продавать неиспользуемую сеть AI-компаниям, чтобы децентрализованно собирать сетевые данные и предоставлять реальные, высококачественные данные для обучения AI-моделей.
• Используя модель "label to earn", мы стимулируем глобальных работников участвовать в аннотировании данных через токены, собирая мировые знания и усиливая аналитические способности данных.
• Платформа для торговли данными на блокчейне предоставляет открыенную и прозрачную торговую среду для сторон, предлагающих и запрашивающих данные, стимулируя инновации и обмен данными.

Тем не менее, получение данных из реального мира по-прежнему сталкивается с проблемами различного качества, сложностью обработки, недостаточной разнообразностью и представительностью. Синтетические данные могут стать звездой будущего в области данных Web3. Основываясь на технологии генеративного ИИ и моделировании, синтетические данные могут имитировать свойства реальных данных, служа эффективным дополнением 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 данных защита конфиденциальности стала глобальным центром внимания. Принятие таких регламентов, как GDPR в Европейском Союзе, отражает строгую защиту личной конфиденциальности. Однако это также создает вызовы: некоторые чувствительные данные не могут быть полностью использованы из-за рисков конфиденциальности, что ограничивает потенциал и способности моделирования ИИ.

FHE (полная гомоморфная криптография) позволяет выполнять вычислительные операции непосредственно на зашифрованных данных без необходимости их расшифровки, при этом результат вычислений совпадает с результатом вычислений над открытыми данными. FHE предоставляет надежную защиту для конфиденциальных вычислений в области ИИ, позволяя вычислительным мощностям GPU выполнять обучение моделей и задачи вывода в среде, не касаясь исходных данных. Это дает компаниям в области ИИ огромное преимущество, позволяя им 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 риск утечки данных. FHEML является дополнением к ZKML: ZKML подтверждает правильное выполнение машинного обучения, в то время как FHEML подчеркивает вычисления с зашифрованными данными для сохранения конфиденциальности данных.

Революция вычислительной мощности: AI-вычисления в децентрализованных сетях

Текущая сложность вычислений в AI-системах удваивается каждые 3 месяца, что приводит к резкому увеличению спроса на вычислительные мощности, значительно превышающему существующие ресурсы. Например, для обучения крупной языковой модели требуется огромная вычислительная мощность, эквивалентная 355 годам обучения на одном устройстве. Недостаток вычислительных ресурсов не только ограничивает прогресс технологий AI, но и делает более продвинутые AI-модели недоступными для большинства исследователей и разработчиков.

В то же время мировая загрузка GPU составляет менее 40%, а также замедление повышения производительности микропроцессоров и нехватка чипов, вызванная факторами цепочки поставок и геополитики, усугубляют проблему поставок вычислительной мощности. Специалисты по ИИ оказались в затруднительном положении: им нужно либо покупать оборудование, либо арендовать облачные ресурсы, и им срочно требуется способ вычислительных услуг, который будет по требованию и экономически эффективным.

Децентрализованная сеть вычислительных мощностей на основе ИИ объединяет неиспользуемые ресурсы GPU со всего мира, предоставляя ИИ-компаниям экономичный и удобный рынок вычислительных мощностей. Запрашивающие вычислительные мощности могут размещать вычислительные задачи в сети, смарт-контракт распределяет задачи между майнерами, предоставляющими вычислительные мощности, которые выполняют задачи и отправляют результаты, получая вознаграждение после проверки. Этот подход повышает эффективность использования ресурсов и помогает решить проблему узких мест в вычислительных мощностях в таких областях, как ИИ.

Помимо общего децентрализованного вычислительного сети, существуют специализированные вычислительные сети, сосредоточенные на обучении и выводе ИИ. Децентрализованные вычислительные сети предлагают справедливый и прозрачный рынок вычислительной мощности, разрывают монополию, снижают порог для приложений и повышают эффективность использования вычислительных ресурсов. В экосистеме Web3 децентрализованные вычислительные сети сыграют ключевую роль, привлекая больше инновационных dapp, совместно продвигая развитие и применение технологий ИИ.

DePIN: Web3-усиление Edge AI

Edge AI позволяет вычислениям происходить на источнике данных, обеспечивая низкую задержку и обработку в реальном времени, одновременно защищая конфиденциальность пользователей. Технология Edge AI уже применяется в таких ключевых областях, как автоматическое вождение. В области Web3 мы называем это DePIN. Web3 подчеркивает децентрализацию и суверенитет пользовательских данных, DePIN улучшает защиту конфиденциальности пользователей за счет локальной обработки данных, снижая риск утечки данных; оригинальный механизм экономии токенов Web3 может стимулировать узлы DePIN предоставлять вычислительные ресурсы, создавая устойчивую экосистему.

В настоящее время DePIN быстро развивается в экосистеме одной из публичных цепей, становясь одной из предпочтительных платформ для развертывания проектов. Высокий TPS, низкие транзакционные издержки и инновации в технологиях этой публичной цепи предоставляют мощную поддержку проектам DePIN. В настоящее время рыночная капитализация проектов DePIN на этой публичной цепи превышает 10 миллиардов долларов, и несколько известных проектов уже добились значительного прогресса.

IMO: Новый парадигма выпуска AI-моделей

Концепция IMO (Initial Model Offering) подразумевает токенизацию AI моделей. В традиционной модели разработчики AI моделей испытывают трудности в получении постоянного дохода от последующего использования моделей, особенно когда модели интегрируются в другие продукты и услуги. Кроме того, производительность и эффективность AI моделей часто не являются прозрачными, потенциальные инвесторы и пользователи испытывают трудности при оценке их истинной ценности, что ограничивает рыночное признание моделей и их коммерческий потенциал.

IMO предоставляет новые способы финансирования и распределения ценностей для открытых AI моделей. Инвесторы могут приобрести токены IMO и делиться доходами, полученными от моделей в будущем. Некоторый протокол использует определенный стандарт ERC, объединяя AI оракулы и технологию OPML, чтобы гарантировать подлинность AI моделей и возможность токенодержателей делиться доходами.

Модель IMO усиливает прозрачность и доверие, поощряет открытое сотрудничество, адаптируется к тенденциям крипторынка и вносит вклад в устойчивое развитие технологий ИИ. В настоящее время IMO находится на начальной стадии испытаний, но с ростом принятия на рынке и расширением круга участников ее инновационность и потенциальная ценность заслуживают ожидания.

AI Агент: новая эра интерактивного опыта

AI Agent может воспринимать окружающую среду, самостоятельно мыслить и предпринимать соответствующие действия для достижения поставленных целей. При поддержке больших языковых моделей AI Agent не только понимает естественный язык, но и может планировать решения, выполнять сложные задачи. Они могут выступать в качестве виртуальных помощников, обучаясь предпочтениям пользователей через взаимодействие и предлагая персонализированные решения. Даже без четких инструкций AI Agent способен самостоятельно решать проблемы, повышать эффективность и создавать новую ценность.

Некоторая открытая платформа для приложений на основе AI предлагает полный и удобный набор инструментов для создания, поддерживающий пользователей в настройке функций робота, внешнего вида, звука и подключении внешних баз знаний, стремясь создать справедливую и открытую экосистему контента AI, используя технологии генеративного AI, позволяя отдельным пользователям стать супер-креаторами. Платформа обучила специализированную языковую модель, что делает ролевое взаимодействие более человечным; технологии клонирования голоса могут ускорить персонализированное взаимодействие с AI-продуктами, снижая стоимость синтеза голоса на 99%, а клонирование голоса можно осуществить всего за 1 минуту. Используя AI Agent, настроенный на этой платформе, в настоящее время можно применять в различных областях, таких как видеочат, изучение языков, генерация изображений и т.д.

Слияние Web3 и ИИ в настоящее время больше сосредоточено на исследовании инфраструктурного уровня, таких как получение качественных данных, защита конфиденциальности данных, размещение моделей на блокчейне, эффективное использование децентрализованных вычислительных мощностей, проверка больших языковых моделей и других ключевых вопросов. По мере постепенного совершенствования этой инфраструктуры слияние Web3 и ИИ создаст ряд инновационных бизнес-моделей и услуг.