Слияние Web3 и ИИ: создание инфраструктуры следующего поколения интернета

Web3 как новая парадигма интернета обладает характеристиками децентрализованности, открытости и прозрачности, что создает естественные возможности для интеграции с ИИ. В рамках традиционной централизованной архитектуры вычисления ИИ и ресурсы данных строго ограничены, сталкиваясь с множественными проблемами, такими как узкие места в вычислительной мощности, утечки конфиденциальности и черные ящики алгоритмов. Web3, основанный на распределенных технологиях, предлагает новые возможности для развития ИИ через обмен вычислительными ресурсами, открытые рынки данных и вычисления с учетом конфиденциальности. В то же время ИИ также может принести множество улучшений в Web3, таких как оптимизация смарт-контрактов и алгоритмы противодействия мошенничеству, способствуя его экосистемному развитию. Таким образом, исследование сочетания Web3 и ИИ имеет решающее значение для создания инфраструктуры будущего интернета, освобождения ценности данных и вычислительных ресурсов.

Данные, управляющие процессами: основы AI и Web3

Данные являются основным двигателем развития ИИ. Моделям ИИ необходимо перерабатывать огромные объемы качественных данных, чтобы добиться глубокого понимания и мощных способностей к рассуждению. Данные не только обеспечивают основу для обучения моделей машинного обучения, но и определяют точность и надежность модели.

Традиционные централизованные модели получения и использования данных AI имеют следующие проблемы:

• Высокие затраты на получение данных, малым и средним предприятиям трудно это вынести.
• Данные ресурсы монополизируются крупными технологическими компаниями, формируя изолированные данные
• Личные данные подвергаются риску утечки и злоупотребления.

Web3 предоставляет новую децентрализованную парадигму данных для решения этих проблем:

• Пользователи могут продавать неиспользуемые сетевые ресурсы компаниям ИИ, чтобы децентрализованным образом собирать сетевые данные, которые после очистки и преобразования будут предоставлять реальные, высококачественные данные для обучения моделей ИИ.
• Используя модель "label to earn", путем токенов стимулируются работники со всего мира для участия в аннотировании данных, собирая глобальные профессиональные знания и улучшая возможности анализа данных.
• Блокчейн-платформа для торговли данными предоставляет открыенную и прозрачную торговую среду для сторон, заинтересованных в данных, способствуя инновациям и обмену данными.

Тем не менее, в реальном мире по-прежнему существуют проблемы с качеством, сложностью обработки, разнообразием и недостаточной репрезентативностью данных. Синтетические данные могут стать будущей звездой области данных Web3. На основе генеративных технологий ИИ и моделирования синтетические данные могут имитировать свойства реальных данных, эффективно дополняя их 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: применение FHE в Web3

В эпоху, управляемую данными, защита конфиденциальности становится глобальным приоритетом. Принятие таких регламентов, как Общий регламент по защите данных (GDPR) в Европейском Союзе, отражает строгую защиту личной конфиденциальности. Однако это также создает проблемы: часть чувствительных данных не может быть в полной мере использована из-за рисков конфиденциальности, что ограничивает потенциал и способности моделирования ИИ.

FHE (гомоморфное шифрование) позволяет выполнять вычисления на зашифрованных данных без необходимости их расшифровки, получая такие же результаты, как и при вычислениях с открытыми данными. FHE обеспечивает надежную защиту конфиденциальности вычислений ИИ, позволяя вычислительным мощностям GPU выполнять обучение и вывод моделей в среде, не соприкасающейся с исходными данными. Это предоставляет огромные преимущества компаниям ИИ, которые могут безопасно открывать API-сервисы, защищая при этом коммерческие секреты.

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

FHEML является дополнением к ZKML. ZKML подтверждает корректное выполнение машинного обучения, в то время как FHEML сосредоточен на вычислениях с зашифрованными данными для обеспечения конфиденциальности данных.

Революция вычислительной мощности: AI вычисления в децентрализованных сетях

Текущая сложность вычислений в системах ИИ удваивается каждые 3 месяца, что приводит к резкому увеличению потребности в вычислительных мощностях, значительно превышающему имеющиеся ресурсы. Например, для обучения модели GPT-3 от OpenAI требуется огромная вычислительная мощность, эквивалентная 355 годам обучения на одном устройстве. Этот дефицит вычислительных мощностей не только ограничивает прогресс технологий ИИ, но и делает передовые модели ИИ недоступными для большинства исследователей и разработчиков.

В то же время глобальная загрузка GPU составляет менее 40%, а замедление повышения производительности микропроцессоров и нехватка чипов, вызванная факторами цепочки поставок и геополитики, усугубляют проблему с поставками вычислительных мощностей. Работники в области ИИ сталкиваются с трудностями: либо закупают оборудование, либо арендуют облачные ресурсы, и им срочно нужны экономичные и по требованию вычислительные услуги.

Некоторый децентрализованный AI-вычислительный сетевой ресурс агрегирует неиспользуемые GPU-ресурсы по всему миру, предоставляя AI-компаниям экономически выгодный и удобный рынок вычислительных мощностей. Сторона, нуждающаяся в ресурсах, может размещать вычислительные задачи в сети, умный контракт распределяет задачи среди майнеров, которые предоставляют вычислительную мощность, майнеры выполняют задачи и подают результаты, которые проверяются, после чего они получают вознаграждение. Это решение повышает эффективность использования ресурсов и помогает решить проблему узких мест в вычислительной мощности в таких областях, как AI.

Кроме универсальных децентрализованных вычислительных сетей, существуют также специализированные вычислительные сети, сосредоточенные на обучении и выводе ИИ. Эти децентрализованные вычислительные сети предлагают справедливый и прозрачный рынок вычислительной мощности, разрывают монополию, снижают барьеры для входа и повышают эффективность использования вычислительной мощности. В экосистеме Web3 децентрализованные вычислительные сети сыграют ключевую роль, привлекая больше инновационных децентрализованных приложений для совместного продвижения развития и применения технологий ИИ.

DePIN: Web3-ускорение Edge AI

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

В области Web3 DePIN (децентрализованная сеть физических инфраструктур) схож с концепцией Edge AI. Web3 подчеркивает децентрализацию и суверенитет пользовательских данных, а DePIN усиливает защиту конфиденциальности пользователей, обрабатывая данные локально и снижая риск утечки данных. Внедренная в Web3 экономика токенов 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. Высокая пропускная способность транзакций, низкие комиссии за транзакции и технологические инновации 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 добились значительного прогресса.

IMO: Новый парадигма выпуска моделей ИИ

Концепция IMO (Initial Model Offering) была впервые предложена некоторым протоколом для токенизации AI моделей.

В традиционной модели разработчикам AI-моделей сложно получать постоянный доход от последующего использования модели, особенно когда модель интегрируется в другие продукты и услуги. При этом производительность и эффективность AI-моделей часто не прозрачны, что затрудняет потенциальным инвесторам и пользователям оценку их истинной стоимости и ограничивает рыночное признание и коммерческий потенциал модели.

IMO предоставляет новый способ финансовой поддержки и совместного использования ценности для открытых AI моделей. Инвесторы могут покупать токены IMO и делиться доходами, которые модель будет генерировать в будущем. Определённый протокол использует специальные технические стандарты, сочетая AI оракулы и технологии машинного обучения на блокчейне, чтобы гарантировать подлинность AI моделей и возможность делиться доходами с держателями токенов.

Модель IMO повышает прозрачность и доверие, стимулирует открытое сотрудничество, адаптируется к тенденциям крипторынка и вносит вклад в устойчивое развитие технологий ИИ. IMO в настоящее время находится на стадии начальной попытки, но с увеличением приемлемости на рынке и расширением сферы участия ее инновационность и потенциальная ценность заслуживают ожидания.

AI Агент: новая эра интерактивного опыта

AI-агенты могут воспринимать окружающую среду, проводить независимое мышление и предпринимать соответствующие действия для достижения установленных целей. Поддерживаемые большими языковыми моделями, AI-агенты не только могут понимать естественный язык, но и планировать решения, выполнять сложные задачи. Они могут выступать в качестве виртуальных помощников, обучаясь на предпочтениях пользователей через взаимодействие и предлагая персонализированные решения. Даже без четких указаний AI-агенты могут самостоятельно решать проблемы, повышать эффективность и создавать новую ценность.

Некоторая AI-нативная платформа приложений предлагает полный и удобный набор инструментов для создания, поддерживающий возможность настройки функций робота, его внешнего вида, голоса, а также подключения внешних баз знаний, стремясь создать справедливую и открытую экосистему AI-контента, используя технологии генеративного AI, чтобы дать возможность людям стать супер-креаторами. Эта платформа обучила специализированную языковую модель, что делает ролевые игры более гуманными; технология клонирования голоса может ускорить персонализированное взаимодействие AI-продуктов, снизив стоимость синтеза голоса на 99%, при этом клонирование голоса занимает всего 1 минуту. С помощью AI-агента, настроенного на этой платформе, в настоящее время можно применять в таких областях, как видеочат, изучение языков, генерация изображений и многих других.

Современное слияние Web3 и ИИ сосредоточено в основном на исследованиях на уровне инфраструктуры, включая такие ключевые вопросы, как получение качественных данных, защита конфиденциальности данных, размещение моделей на блокчейне, эффективное использование децентрализованных вычислительных мощностей и верификация больших языковых моделей. С постепенным совершенствованием этой инфраструктуры слияние Web3 и ИИ обещает стать основой для ряда инновационных бизнес-моделей и услуг.