Слияние Web3 и ИИ: создание инфраструктуры следующего поколения интернета

Web3 как новая модель интернета, децентрализованная, открытая и прозрачная, имеет естественные возможности для объединения с ИИ. В традиционной централизованной архитектуре ИИ сталкивается с такими вызовами, как нехватка вычислительных мощностей, утечка личных данных и черные ящики алгоритмов. Web3, основанный на распределенных технологиях, может предоставить новые стимулы для развития ИИ через такие методы, как совместная сеть вычислительных мощностей, открытые рынки данных и вычисления с учетом конфиденциальности. В то же время ИИ может предоставить Web3 множество возможностей, таких как оптимизация смарт-контрактов и алгоритмы противодействия мошенничеству, способствуя его экосистемному развитию. Изучение сочетания этих двух технологий имеет решающее значение для создания инфраструктуры следующего поколения интернета и раскрытия ценности данных и вычислительных мощностей.

Данные как основа: надежный фундамент AI и Web3

Данные являются основной движущей силой развития ИИ. Моделям ИИ необходимо обрабатывать большое количество высококачественных данных, чтобы получить глубокое понимание и мощные способности к рассуждению. Данные не только предоставляют основу для обучения моделей машинного обучения, но и определяют точность и надежность моделей.

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

• Высокая стоимость получения данных, малым и средним предприятиям трудно это вынести
• Данные ресурсы находятся под контролем технологических гигантов, формируя изолированные данные.
• Личная информация подвержена рискам утечки и злоупотребления.

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

• Пользователи могут продавать неиспользуемую сеть компаниям ИИ, децентрализованно собирая сетевые данные, предоставляя реальные и качественные данные для обучения моделей ИИ.
• Используя модель "label to earn", мы стимулируем глобальных работников к участию в аннотировании данных через токены, объединяя мировые профессиональные знания и усиливая аналитические способности данных.
• Блокчейн-платформа для торговли данными предоставляет открыенную и прозрачную торговую среду для сторон, нуждающихся в данных, стимулируя инновации и совместное использование данных.

Однако получение данных из реального мира также сталкивается с такими проблемами, как неоднородное качество, сложность обработки, недостаточная разнообразие и представительность. Синтетические данные могут стать звездой будущего сектора Web3. На основе генеративной AI-технологии и моделирования 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, разработка игр, синтетические данные уже продемонстрировали зрелый потенциал применения.

Защита конфиденциальности: роль FHE в Web3

В эпоху данных защита конфиденциальности стала глобальным фокусом. Однако это также создает проблемы: некоторые чувствительные данные не могут быть полностью использованы из-за рисков конфиденциальности, что ограничивает потенциал и способность к выводу AI моделей.

FHE (гомоморфное шифрование) позволяет выполнять вычисления на зашифрованных данных без необходимости их расшифровки, а результаты совпадают с вычислениями над открытыми данными. FHE обеспечивает надежную защиту для приватных вычислений AI, позволяя вычислительной мощности GPU выполнять обучение моделей и вывод без доступа к исходной среде данных. Это предоставляет компаниям в области AI огромные преимущества, так как позволяет безопасно открывать API-сервисы при защите коммерческой тайны.

FHEML поддерживает шифрование данных и моделей на протяжении всего цикла машинного обучения, обеспечивая безопасность чувствительной информации и предотвращая утечку данных. FHEML усиливает конфиденциальность данных, предоставляя безопасную вычислительную среду для AI-приложений.

FHEML является дополнением к ZKML, ZKML доказывает правильность выполнения машинного обучения, тогда как FHEML подчеркивает вычисления над зашифрованными данными для обеспечения конфиденциальности данных.

Революция вычислительной мощности: AI-вычисления в децентрализованных сетях

Текущая сложность вычислений в AI-системах удваивается каждые 3 месяца, что приводит к резкому росту спроса на вычислительную мощность, значительно превышающему существующее предложение вычислительных ресурсов. Это не только ограничивает прогресс технологий AI, но и делает сложные AI-модели недоступными для большинства исследователей и разработчиков.

Глобальная загрузка GPU составляет менее 40%, в сочетании с замедлением повышения производительности микропроцессоров и нехваткой чипов из-за факторов цепочки поставок и геополитики усугубляет проблему поставок вычислительной мощности. Профессионалы в области ИИ сталкиваются с дилеммой покупки оборудования или аренды облачных ресурсов, что создает острую необходимость в доступных и экономически эффективных вычислительных услугах.

Децентрализованная сеть вычислительных мощностей на базе ИИ агрегирует глобальные неиспользуемые ресурсы GPU, предоставляя экономически доступный рынок вычислительных мощностей для компаний в области ИИ. Сторона, нуждающаяся в вычислениях, может публиковать задачи, смарт-контракт распределяет задачи между майнерами, которые выполняют их и отправляют результаты, а после проверки получают вознаграждение. Эта схема повышает эффективность использования ресурсов и помогает решить проблемы узких мест в вычислительных мощностях в области ИИ и других сферах.

Помимо универсальных децентрализованных вычислительных сетей, существуют специализированные вычислительные сети, сосредотачивающиеся на обучении и выводе ИИ. Децентрализованные вычислительные сети предоставляют справедливый и прозрачный рынок, разрывают монополию, снижают барьеры для приложений и повышают эффективность использования вычислительной мощности. В экосистеме web3 они будут играть ключевую роль, привлекая больше инновационных dapp и способствуя развитию и применению технологий ИИ.

DePIN: Web3 наделяет Edge AI возможностями

Edge AI позволяет выполнять вычисления на месте возникновения данных, обеспечивая низкую задержку и реальную обработку, одновременно защищая конфиденциальность пользователей. Он уже применяется в таких ключевых областях, как автономное вождение.

В области Web3 DePIN усиливает защиту конфиденциальности пользователей за счет локальной обработки данных, уменьшая риск утечек данных. Экономический механизм токенов, основанный на Web3, может стимулировать узлы DePIN предоставлять вычислительные ресурсы, создавая устойчивую экосистему.

В настоящее время DePIN быстро развивается в экосистеме одной из публичных блокчейнов, становясь одной из предпочтительных платформ для развертывания проектов. Высокая пропускная способность этой блокчейна, низкие транзакционные издержки и технические инновации предоставляют мощную поддержку проектам DePIN. В настоящее время капитализация проектов DePIN на этой блокчейне превысила 10 миллиардов долларов, и некоторые известные проекты уже добились значительного прогресса.

IMO: Новый парадигма публикации AI моделей

Концепция IMO была впервые предложена некоторым соглашением и предполагает токенизацию моделей ИИ. В традиционной модели разработчикам сложно получать стабильный доход от последующего использования моделей, производительность и эффективность моделей не прозрачны, что ограничивает признание на рынке и коммерческий потенциал.

IMO предоставляет новое финансирование и способ совместного использования ценности для открытых AI моделей, инвесторы могут приобретать токены IMO и делиться будущими доходами модели. Протокол использует определенный стандарт ERC, сочетая AI оракулы и технологии OPML, чтобы обеспечить подлинность AI модели и возможность для держателей токенов делиться доходами.

Модель IMO повышает прозрачность и доверие, поощряет открытое сотрудничество, адаптируется к тенденциям крипто-рынка и вносит вклад в устойчивое развитие технологий ИИ. IMO в настоящее время находится на начальной стадии испытаний, но его инновационность и потенциальная ценность заслуживают ожидания.

AI Агент: Новая эра взаимодействия

AI-агенты могут воспринимать окружающую среду, независимо мыслить и действовать для достижения целей. Поддерживаемые крупными языковыми моделями, AI-агенты не только понимают естественный язык, но и могут планировать решения, выполнять сложные задачи. Они могут выступать в качестве виртуальных помощников, обучаясь на взаимодействии с пользователем и предлагая персонализированные решения. Даже без четких инструкций AI-агенты могут самостоятельно решать проблемы, повышая эффективность и создавая новую ценность.

Некоторый открытый платформенный AI-приложение предоставляет полный и удобный набор инструментов для создания, поддерживает пользователей в настройке функций роботов, внешнего вида, голоса и подключения к внешним базам знаний и стремится создать справедливую и открытую экосистему AI-контента, используя технологии генеративного AI для того, чтобы наделить личностей возможностью стать супер-креаторами. Эта платформа обучает специализированные большие языковые модели, чтобы сделать ролевые игры более человечными; технологии клонирования голоса ускоряют персонализированное взаимодействие AI-продуктов, снижая стоимость синтеза голоса на 99%, а клонирование голоса занимает всего 1 минуту. Используемый на этой платформе настроенный AI-агент может применяться в видео-чате, изучении языков, генерации изображений и других областях.

Слияние Web3 и ИИ в настоящее время больше сосредоточено на исследовании инфраструктурного уровня, таких как получение качественных данных, защита конфиденциальности данных, эффективное использование децентрализованных вычислительных мощностей, проверка крупных языковых моделей и другие ключевые вопросы. По мере того как эта инфраструктура постепенно улучшается, слияние Web3 и ИИ будет порождать ряд инновационных бизнес-моделей и услуг.