Слияние Web3 и AI: создание инфраструктуры следующего поколения Интернета

Web3, как новая парадигма интернета, децентрализованная, открытая и прозрачная, имеет естественные возможности для интеграции с ИИ. В традиционной централизованной архитектуре вычисления ИИ и ресурсы данных жестко контролируются, что приводит к множеству проблем, таким как узкие места в вычислительной мощности, утечка конфиденциальной информации и черные ящики алгоритмов. В то время как Web3, основанный на распределенных технологиях, может внести новый импульс в развитие ИИ посредством сетей совместного использования вычислительной мощности, открытых рынков данных и вычислений с сохранением конфиденциальности. В то же время ИИ может предоставить множество возможностей Web3, таких как оптимизация смарт-контрактов и античейнинг алгоритмы, поддерживая его экосистемное строительство. Поэтому исследование сочетания Web3 и ИИ является жизненно важным для создания инфраструктуры следующего поколения интернета и освобождения ценности данных и вычислительной мощности.

Данные как основа: надежная база для AI и Web3

Данные являются ключевым двигателем развития ИИ, как топливо для двигателя. Моделям ИИ необходимо перерабатывать большое количество качественных данных, чтобы получить глубокое понимание и мощные способности к рассуждению. Данные не только обеспечивают основу для обучения моделей машинного обучения, но и определяют точность и надежность модели.

В традиционной централизованной модели получения и использования данных ИИ существуют следующие основные проблемы:

• Высокие затраты на получение данных, малым и средним предприятиям трудно их нести
• Ресурсы данных монополизируются технологическими гигантами, образуя изолированные данные
• Личные данные подвергаются риску утечки и злоупотребления.

Web3 может решить проблемы традиционных моделей с помощью новой децентрализованной парадигмы данных:

• Пользователи могут продавать неиспользуемую сеть компаниям ИИ, децентрализованно извлекая сетевые данные, которые после очистки и преобразования будут предоставлять реальные, качественные данные для обучения моделей ИИ.
• Используя модель "label to earn", мы стимулируем участников по всему миру с помощью токенов для участия в аннотировании данных, объединяя мировые экспертные знания и усиливая аналитические возможности данных.
• Блокчейн-платформа для торговли данными предоставляет сторонам спроса и предложения публичную и прозрачную торговую среду, стимулируя инновации и обмен данными.

Тем не менее, получение данных из реального мира также сталкивается с рядом проблем, таких как неоднородное качество данных, высокая сложность обработки, а также недостаточная разнообразие и представительность. Синтетические данные могут стать звездой будущего в области Web3 данных. Основываясь на технологиях генеративного ИИ и моделировании, синтетические данные могут имитировать свойства реальных данных, служа эффективным дополнением к реальным данным, повышая эффективность использования данных. В таких областях, как автономное вождение, торговля на финансовых рынках и разработка игр, синтетические данные уже продемонстрировали свой зрелый потенциал применения.

Защита конфиденциальности: Роль FHE в Web3

В эпоху, движимую данными, защита конфиденциальности стала глобальным центром внимания. Введение таких законов, как Общий регламент по защите данных Европейского Союза (GDPR), отражает строгую защиту личной конфиденциальности. Однако это также создает проблемы: некоторые чувствительные данные не могут быть использованы в полной мере из-за рисков конфиденциальности, что, безусловно, ограничивает потенциал и способности вывода моделей ИИ.

FHE это полная гомоморфная криптография, позволяющая выполнять вычислительные операции непосредственно на зашифрованных данных без необходимости их расшифровки, при этом результаты вычислений совпадают с результатами, полученными при выполнении тех же вычислений на открытых данных.

FHE предоставляет надежную защиту для вычислений с конфиденциальностью ИИ, позволяя вычислительной мощности GPU выполнять задачи обучения и вывода моделей в условиях, не затрагивающих исходные данные. Это приносит огромные преимущества компаниям в области ИИ. Они могут безопасно открывать API-сервисы, защищая при этом коммерческие тайны.

FHEML поддерживает шифрование данных и моделей на протяжении всего цикла машинного обучения, обеспечивая безопасность конфиденциальной информации и предотвращая риск утечки данных. Таким образом, FHEML усиливает конфиденциальность данных и предоставляет безопасную вычислительную среду для AI приложений.

FHEML является дополнением к ZKML, ZKML подтверждает правильное выполнение машинного обучения, в то время как FHEML подчеркивает необходимость вычислений с зашифрованными данными для обеспечения конфиденциальности данных.

Революция вычислительной мощности: ИИ-вычисления в децентрализованных сетях

Текущая вычислительная сложность AI-систем удваивается каждые 3 месяца, что приводит к резкому росту спроса на вычислительные мощности, превышающему предложение существующих вычислительных ресурсов. Например, для обучения крупной языковой модели известной AI-компании требуется колоссальная вычислительная мощность, эквивалентная 355 годам обучения на одном устройстве. Такой дефицит вычислительных мощностей не только ограничивает прогресс технологий AI, но и делает такие продвинутые модели AI недоступными для большинства исследователей и разработчиков.

В то же время, глобальная 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: либо приобретать оборудование, либо арендовать облачные ресурсы, им urgently нужна экономически эффективная вычислительная услуга по требованию.

Некоторый децентрализованный AI вычислительной сети агрегирует неиспользуемые GPU ресурсы по всему миру, предоставляя AI компаниям экономичный и доступный рынок вычислительной мощности. Стороны, нуждающиеся в вычислительной мощности, могут размещать вычислительные задачи в сети, смарт-контракты распределяют задачи между узлами-майнерами, которые предоставляют вычислительную мощность, майнеры выполняют задачи и отправляют результаты, получая очки вознаграждения после проверки. Это решение повышает эффективность использования ресурсов и помогает решить проблему узкого места в вычислительной мощности в таких областях, как AI.

Помимо универсальной децентрализованной сети вычислительных мощностей, есть некоторые платформы, сосредоточенные на обучении ИИ, а также специализированные сети вычислительных мощностей для вывода ИИ.

Децентрализованная вычислительная сеть предоставляет справедливый и прозрачный рынок вычислительных мощностей, разрушая монополию, снижая пороги для приложений и увеличивая эффективность использования вычислительных мощностей. В экосистеме web3 децентрализованная вычислительная сеть будет играть ключевую роль, привлекая больше инновационных dapp для совместного продвижения развития и применения технологий ИИ.

DePIN: Веб3, наделяющий Edge AI возможностями

Представьте себе, что ваш мобильный телефон, смарт-часы и даже умные устройства в вашем доме обладают способностью выполнять задачи с использованием ИИ — в этом заключается привлекательность Edge AI. Он позволяет вычислениям происходить на месте возникновения данных, обеспечивая низкую задержку и обработку в реальном времени, в то время как защищает личные данные пользователей. Технология Edge AI уже применяется в таких ключевых областях, как автономное вождение.

В области Web3 у нас есть более знакомое имя — DePIN. Web3 подчеркивает децентрализацию и суверенитет пользовательских данных, а DePIN, обрабатывая данные локально, может усилить защиту конфиденциальности пользователей и снизить риск утечки данных; родная токеномика Web3 может стимулировать узлы DePIN предоставлять вычислительные ресурсы, создавая устойчивую экосистему.

В настоящее время DePIN быстро развивается в экосистеме одной из публичных блокчейнов, став одной из предпочтительных платформ для развертывания проектов. Высокая пропускная способность, низкие транзакционные издержки и технологические инновации этой публичной блокчейн-платформы предоставляют мощную поддержку проектам DePIN. В настоящее время рыночная капитализация проектов DePIN на этой публичной блокчейн-платформе превышает 10 миллиардов долларов, и несколько известных проектов уже добились значительного прогресса.

IMO: Новый парадигма выпуска моделей AI

Концепция IMO была впервые предложена в определенном протоколе, который токенизирует AI модели.

В традиционной модели, из-за отсутствия механизма распределения доходов, как только AI-модель разработана и выведена на рынок, разработчикам часто трудно получать постоянный доход от последующего использования модели, особенно когда модель интегрирована в другие продукты и услуги, оригинальным создателям сложно отслеживать использование, не говоря уже о том, чтобы получать доход от этого. Кроме того, производительность и эффективность AI-моделей часто недостаточно прозрачны, что затрудняет потенциальным инвесторам и пользователям оценку их истинной ценности, ограничивая рыночное признание и коммерческий потенциал моделей.

IMO предоставляет новый способ финансирования и совместного использования ценности для открытых AI моделей. Инвесторы могут приобретать токены IMO и делиться доходами, полученными от модели в будущем. Определенный протокол использует два стандарта ERC, сочетая AI оракулы и технологии OPML для обеспечения подлинности AI моделей и возможности держателей токенов делиться доходами.

Модель IMO усиливает прозрачность и доверие, поощряет открытое сотрудничество, адаптируется к тенденциям крипторынка и стимулирует устойчивое развитие технологий ИИ. IMO в настоящее время находится на начальной стадии попыток, но с ростом рыночной приемлемости и расширением участия её инновационность и потенциальная ценность вызывают у нас ожидания.

AI Agent: Новая эра взаимодействия

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

Некоторый AI-родной платформы приложений предоставляет полный и удобный набор инструментов для создания, поддерживает пользователей в настройке функций робота, внешнего вида, голоса, а также в подключении внешних баз знаний и стремится создать справедливую и открытое экосистему контента AI, используя генеративные технологии AI, позволяя отдельным лицам стать супер-креаторами. Эта платформа обучила специализированную языковую модель, что делает ролевую игру более человечной; технологии клонирования голоса могут ускорить индивидуализированное взаимодействие AI-продуктов, снижая затраты на синтез голоса на 99%, клонирование голоса занимает всего 1 минуту. Используя настроенного AI-агента этой платформы, в настоящее время можно применять в различных областях, таких как видеочат, изучение языков, генерация изображений и т.д.

В融合 Web3 и AI в настоящее время больше внимания уделяется исследованию уровня инфраструктуры, таким вопросам, как получение качественных данных, защита конфиденциальности данных, как размещать модели на блокчейне, как повысить эффективность использования децентрализованных вычислительных мощностей, как проверять большие языковые модели и другим ключевым вопросам. С постепенным совершенствованием этой инфраструктуры у нас есть основания полагать, что融合 Web3 и AI приведет к появлению ряда инновационных бизнес-моделей и услуг.