Dalam beberapa tahun terakhir, dengan dirilisnya berturut-turut produk-produk seri GPT, kecerdasan buatan sedang mengubah berbagai industri. Kita telah menyaksikan berbagai aplikasi AI memasuki pekerjaan dan kehidupan sehari-hari kita, meningkatkan efisiensi kerja, mengubah kebiasaan gaya hidup, dan mengurangi biaya operasional perusahaan. Kita harus mengakui bahwa AI menjadi titik awal untuk revolusi teknologi berikutnya.

Inti dari revolusi teknologi AI terletak pada daya komputasi yang cukup, model algoritma, dan sejumlah besar data pelatihan. Saat ini, daya komputasi GPU berkinerja tinggi langka dan mahal, algoritma cenderung homogen, dan ada isu terkait kepatuhan data dan perlindungan privasi untuk data pelatihan model. Teknologi blockchain memiliki karakteristik seperti desentralisasi dan penyimpanan terdistribusi, yang dapat diterapkan secara efektif dalam pengembangan, implementasi, dan operasi model AI.

Memanfaatkan Karakteristik Blockchain Untuk Menyelesaikan Masalah Kekuatan Komputasi AI.

Untuk proses pengembangan kecerdasan buatan, menghadapi masalah seperti kekurangan daya komputasi GPU dan biaya penggunaan yang tinggi, beberapa proyek blockchain mencoba mengatasi masalah tersebut melalui solusi berbasis blockchain.

Render Network adalah platform rendering terdistribusi berkinerja tinggi yang menjembatani kesenjangan antara permintaan daya komputasi GPU dan penyedia sumber daya GPU idle menggunakan perangkat lunak otoy terkemuka di industri. Pengaturan ini memungkinkan sumber daya GPU idle dipasok ke bidang komputasi dengan permintaan tinggi seperti kecerdasan buatan dan realitas virtual dengan biaya lebih rendah.

Dalam ekosistem ini, penyedia GPU yang tidak digunakan menghubungkan perangkat mereka ke Render Network untuk menyelesaikan berbagai tugas rendering, sementara pihak yang membutuhkan memberi imbalan kepada penyedia GPU dengan token. Pendekatan terdesentralisasi ini memaksimalkan efisiensi pemanfaatan sumber daya, menciptakan nilai bagi para peserta, dan mengurangi biaya pengembangan dan operasional kecerdasan buatan. Pada bulan Desember tahun lalu, Render mencapai lonjakan teknologi yang signifikan dengan memindahkan infrastrukturnya dari rantai Ethereum ke Solana TPS tinggi, memanfaatkan kinerja tinggi Solana dan skalabilitas yang lebih besar untuk meningkatkan kemampuan Render, termasuk streaming waktu nyata dan kompresi status.

Gambar yang Diberikan pada Jaringan Render

Akash adalah platform komputasi terdesentralisasi yang menggabungkan CPU, GPU, penyimpanan, bandwidth, alamat IP khusus, dan sumber daya jaringan lainnya yang tidak terpakai dari seluruh dunia dan menyewakannya kepada perusahaan dan individu yang memerlukan kekuatan komputasi tinggi untuk tugas seperti kecerdasan buatan. Hal ini memungkinkan mereka untuk sepenuhnya memanfaatkan sumber daya tersebut dan menyediakan layanan sewa GPU. Pengguna yang menyediakan sumber daya sewa GPU menerima token AKT, sementara pihak yang membutuhkan mendapatkan akses ke kekuatan komputasi dengan biaya rendah. Token platform AKT tidak hanya digunakan untuk melakukan pembayaran untuk sumber daya jaringan yang disewa tetapi juga berfungsi sebagai insentif untuk mendorong validator untuk berpartisipasi dalam tata kelola ekosistem dan pemeliharaan keamanan jaringan. Platform ini mengenakan biaya transaksi tertentu untuk pembayaran sumber daya jaringan, memungkinkan semua peserta dalam ekosistem platform menghasilkan pendapatan dan mendorong keberlanjutan jangka panjang platform serta pertumbuhan berkelanjutan dari model bisnisnya.

Grafik statistik waktu nyata Akash Network dari sumber daya jaringan

Livepeer adalah platform jaringan infrastruktur video untuk media streaming langsung dan on-demand. Pengguna dapat bergabung dengan jaringan dengan menjalankan perangkat lunak platform dan memanfaatkan GPU, bandwidth, dan sumber daya lainnya untuk transcoding dan mendistribusikan video. Pendekatan ini meningkatkan keandalan aliran video dan mengurangi biaya terkait seperti transcoding dan distribusi hingga 50 kali lipat. Selain itu, proyek Livepeer memperkenalkan tugas komputasi video AI ke jaringan Livepeer, memanfaatkan jaringan GPU-nya yang dioperasikan oleh orchestrator untuk menghasilkan video AI berkualitas tinggi, sehingga mengurangi biaya pembuatan konten video.

Dari deskripsi proyek blockchain di atas, jelas bahwa blockchain dapat memanfaatkan karakteristik desentralisasi dan distribusinya untuk secara efektif menggunakan sumber daya jaringan yang tidak terpakai untuk mengatasi kekurangan daya komputasi AI dan biaya tinggi saat ini. Begitu model ini divalidasi dan diakui dalam lebih banyak skenario dunia nyata dan oleh startup AI di masa depan, itu akan secara signifikan mengurangi masalah daya komputasi.

Integrasi AI dengan Data Blockchain.

Data adalah dasar dari model AI, dan data yang digunakan untuk melatih model menentukan perbedaan antara berbagai model AI. Dibandingkan dengan sumber data lain, data blockchain memiliki kualitas yang lebih tinggi dan transparan, memungkinkan identifikasi pengguna pada blockchain.

Arkham adalah platform yang memberikan imbalan kepada pengguna yang menyediakan data on-chain dan analisis kecerdasan menggunakan teknologi AI. Mesin kecerdasan buatan eksklusifnya, ULTRA, dapat menandai alamat on-chain dengan pengguna dunia nyata, memungkinkan alamat anonim on-chain terdesentralisasi terhubung ke individu dunia nyata. Dengan mendapatkan sejumlah besar data yang diberi label untuk alamat anonim on-chain melalui model AI, pengguna dapat mengungkap informasi transaksi on-chain entitas melalui Arkham. Diketahui bahwa tantangan terbesar dalam menyelidiki kejahatan kripto adalah mengidentifikasi transfer dana melalui alamat anonim. Otoritas regulasi dapat melacak dan menyelidiki kegiatan kriminal seperti pencucian uang dan penipuan melalui data label yang diberikan oleh Arkham.

Peta visualisasi data on-chain dari platform Arkham

Selain itu, Arkham juga memiliki fitur perdagangan informasi kecerdasan on-chain. Fitur antar-bursa dari Arkham memungkinkan pertukaran antara alamat on-chain dan informasi dunia nyata off-chain. Pengguna dapat mengumpulkan kecerdasan informasi on-chain melalui imbalan bounty di platform, dan informasi on-chain berharga juga dapat dilelang di platform. Untuk analisis rinci tentang produk-produk tertentu, Anda dapat merujuk ke artikel “Dapatkah Arkham Menjadi Alat yang Kuat untuk Regulasi On-Chain?Sebelumnya ditulis.

Mesin kecerdasan buatan Arkham, ULTRA, mendapat dukungan selama pengembangan dari Palantir, sebuah perusahaan analitik big data dan layanan intelijen yang menyediakan layanan kecerdasan buatan kepada pemerintah AS, serta dari para pendiri OpenAI. Dengan dukungan yang kuat dan akses ke sumber data pelatihan model AI yang kuat, Arkham memiliki perpustakaan pelabelan data on-chain yang paling kokoh di industri ini.

Mengatasi biaya tinggi penyimpanan data besar untuk pelatihan model AI, proyek penyimpanan blockchain seperti Arweave, Filecoin, dan Storj telah menyediakan solusi. Baik itu pembayaran sekali waktu Arweave untuk penyimpanan permanen atau model bayar sesuai kebutuhan Filecoin yang efisien, solusi-solusi ini secara signifikan mengurangi biaya penyimpanan data. Selain itu, penyimpanan terdesentralisasi dapat mengurangi risiko kehilangan data akibat bencana alam dibandingkan dengan metode penyimpanan tradisional.

Meskipun menggunakan ChatGPT dapat meningkatkan efisiensi kerja, mengoptimalkan model untuk meningkatkan akurasi percakapan AI memerlukan sejumlah besar data pengguna untuk pelatihan dan penyetelan halus. Oleh karena itu, ada risiko bocornya data sensitif dan data privasi pribadi. Zama adalah perusahaan kriptografi open-source yang membangun solusi enkripsi homomorfik penuh (FHE) mutakhir untuk blockchain dan kecerdasan buatan. Zama Concrete ML dapat menangani data sensitif secara aman, memungkinkan kolaborasi data antara lembaga-lembaga berbeda sambil menjaga kerahasiaan, meningkatkan efisiensi dan keamanan data. Ini mengenkripsi data privasi seperti catatan medis pribadi selama pelatihan, memastikan bahwa setiap pengguna hanya dapat melihat hasil akhir dan bukan data sensitif orang lain.

Integrasi agen AI dengan Proyek Blockchain.

OpenAI mendefinisikan Agen AI sebagai sistem yang didorong oleh model bahasa besar (LLM) yang memiliki kemampuan untuk secara mandiri memahami, menafsirkan, merencanakan, mengingat, dan menggunakan alat, yang memungkinkannya untuk mengotomatisasi pelaksanaan tugas-tugas kompleks. Dengan rilis berturut-turut dari model GPT OpenAI, semakin banyak aplikasi agen AI yang diimplementasikan.

Fetch.ai adalah jaringan blockchain pembelajaran mandiri yang utamanya memfasilitasi kegiatan ekonomi di antara agen AI otonom. Fetch.ai terdiri dari empat bagian: Agen AI, Agentverse, Mesin AI, dan jaringan Fetch. Pengguna dapat membuat, mengembangkan, dan mendeploy agen AI mereka sendiri menggunakan kasus penggunaan agen AI yang disediakan oleh platform di Agentverse. Mereka juga dapat mempromosikan agen AI mereka kepada pengguna lain di platform. DeltaV adalah antarmuka obrolan berbasis AI di Fetch.ai. Pengguna memasukkan permintaan melalui antarmuka ini, dan Mesin AI membaca input pengguna, mengonversinya menjadi tugas-tugas yang dapat dilaksanakan, dan memilih agen AI yang paling sesuai di Agentverse untuk melaksanakan tugas tersebut. Saat ini, perusahaan Jerman Bosch berkolaborasi dengan Fetch.ai untuk penelitian integrasi teknologi agen AI dengan aplikasi mobilitas dan rumah pintar, secara bersama-sama membuka pintu menuju era Web3 dari ekonomi Internet of Things.

Komposisi ekosistem Fetch.ai

Selain itu, aplikasi AI Agent QnA3.AI memperkenalkan robot tanya jawab AI industri enkripsi, robot analisis teknis, dan kemampuan perdagangan aset ke dunia Web3. Melalui QnA3 Bot, pengguna dapat mengumpulkan, menganalisis, dan mengeksekusi transaksi aktual saat melakukan perdagangan aset kripto. Perilaku direalisasikan melalui fungsi produk “Pertanyaan dan Jawaban”, “Analisis Teknis”, dan “Perdagangan Real-time”, yang meminimalkan gangguan emosi subjektif pengguna dalam keputusan perdagangan mereka.

Kemungkinan risiko hukum

1. Risiko ekspor data

Dalam pengantar di atas, disebutkan bahwa beberapa proyek penyimpanan terdesentralisasi sedang mengatasi masalah penyimpanan data untuk pelatihan model AI dengan biaya lebih rendah. Hal ini menurunkan hambatan bagi individu dan startup yang berdedikasi pada kewirausahaan AI. Namun, pendekatan penyimpanan terdesentralisasi ini dapat menimbulkan risiko data meninggalkan yurisdiksi.

Kantor Informasi Internet Nasional telah menerbitkan “Pedoman Penilaian Keamanan Ekspor Data (Edisi Pertama)”, yang dengan jelas menyatakan bahwa perilaku ekspor data mencakup:

(1) Mentransfer dan menyimpan data yang dikumpulkan dan dihasilkan selama operasi di dalam negeri ke lokasi di luar negeri oleh pemroses data;

(2) Menyimpan data yang dikumpulkan dan dihasilkan oleh pengolah data di dalam negeri, dan memungkinkan lembaga, organisasi, atau individu di luar negeri untuk melakukan kueri, pengambilan, pengunduhan, dan ekspor data;

(3) perilaku ekspor data lainnya seperti yang diatur oleh Kantor Informasi Internet Nasional.

Jadi, apa definisi dari "ekspor"? Pasal 89 dari Undang-Undang Administrasi Keluar dan Masuk Republik Rakyat Tiongkok dengan jelas menyatakan bahwa "ekspor" mengacu pada perjalanan dari Tiongkok daratan ke negara atau wilayah lain, perjalanan dari Tiongkok daratan ke Wilayah Administratif Khusus Hong Kong atau Wilayah Administratif Khusus Macao, dan perjalanan dari Tiongkok daratan ke Taiwan. Oleh karena itu, dapat dilihat bahwa penentuan apakah ada ekspor didasarkan pada yurisdiksi.

Untuk proyek penyimpanan terdesentralisasi, pengguna menyimpan data di jaringan terdistribusi terdesentralisasi seperti IPFS. File yang disimpan di jaringan itu dibagi menjadi beberapa potongan data kecil, dienkripsi, dan disimpan di berbagai node, dengan node penyimpanan tersebar di seluruh dunia. Bayangkan jika startup AI domestik harus menyimpan data untuk melatih model AI pada node dari proyek terdesentralisasi tersebut, memang akan ada risiko ekspor data.

2. Risiko kebocoran data privasi sensitif

Dalam aplikasi AI Agent seperti QnA3.AI, pengguna terlibat dalam percakapan dengan AI untuk mendapatkan informasi perdagangan untuk aset terenkripsi dan menjalankan transaksi. Dialog pribadi Q&A yang dihasilkan dari interaksi ini menimbulkan risiko paparan data privasi jika digunakan oleh proyek untuk pelatihan model dan optimisasi. Bocornya data transaksi seperti itu, jika dieksploitasi oleh pelaku jahat, dapat menyebabkan kegagalan investasi dan kerugian yang lebih besar.

Penafian:

1. Artikel ini dicetak ulang dari [Gateweb3caff], Semua hak cipta milik penulis asli [Chris Chuyan]. Jika ada keberatan terhadap pencetakan ulang ini, silakan hubungi Gate Belajartim, dan mereka akan menanganinya dengan segera.
2. Penyangkalan Tanggung Jawab: Pandangan dan opini yang terdapat dalam artikel ini semata-mata merupakan milik penulis dan tidak merupakan saran investasi apapun.
3. Terjemahan artikel ke dalam bahasa lain dilakukan oleh tim Gate Learn. Kecuali disebutkan, menyalin, mendistribusikan, atau menjiplak artikel yang diterjemahkan dilarang.