Інтеграція Web3 та AI: побудова інфраструктури наступного покоління Інтернету

Web3, як нова модель інтернету, яка є децентралізованою, відкритою та прозорою, має природні можливості для поєднання з AI. У традиційній централізованій архітектурі AI стикається з такими викликами, як обмеження обчислювальних потужностей, витік конфіденційності та «чорна скринька» алгоритмів. Web3, базуючись на розподілених технологіях, може забезпечити новий імпульс розвитку AI через спільні обчислювальні мережі, відкриті ринкові дані, обчислення конфіденційності та інші способи. Водночас AI також може надати багато можливостей для Web3, таких як оптимізація смарт-контрактів, алгоритми протидії шахрайству тощо, сприяючи його екосистемному розвитку. Дослідження поєднання обох технологій є вирішальним для побудови інфраструктури наступного покоління Інтернету, а також для реалізації цінності даних та обчислювальних потужностей.

Дані як основа: міцний фундамент AI та Web3

Дані є основним двигуном розвитку ШІ. Моделям ШІ необхідно обробляти великі обсяги високоякісних даних, щоб отримати глибоке розуміння та потужні здібності до міркування. Дані не лише забезпечують навчальну основу для моделей машинного навчання, але й визначають точність та надійність моделей.

Традиційні централізовані моделі збору та використання даних у сфері штучного інтелекту мають такі основні проблеми:

• Вартість отримання даних висока, і малим та середнім підприємствам важко це витримати.
• Ресурси даних монополізовані технологічними гігантами, що створює ізольованість даних
• Особисті дані піддаються ризику витоку та зловживання

Web3 може вирішити проблеми традиційних моделей за допомогою нової децентралізованої парадигми даних:

• Користувачі можуть продавати невикористані мережі компаніям ШІ, децентралізовано збираючи мережеві дані для надання реальних, високоякісних даних для навчання моделей ШІ.
• Використовуючи модель "label to earn", за допомогою токенів стимулюються працівники з усього світу для участі в маркуванні даних, об'єднуючи світові професійні знання та покращуючи можливості аналізу даних.
• Платформа торгівлі даними на базі блокчейн забезпечує відкриту та прозору торговельну середу для обох сторін попиту та пропозиції даних, стимулюючи інновації та обмін даними.

Однак отримання реальних даних також стикається з проблемами нерівної якості, складності обробки, недостатньої різноманітності та представництва. Синтетичні дані можуть стати зіркою майбутнього сектора даних Web3. На основі генеративних AI технологій та моделювання, синтетичні дані можуть імітувати властивості реальних даних, слугуючи ефективним доповненням, що підвищує ефективність використання даних. У таких сферах, як автономне водіння, фінансові ринкові торги, розробка ігор, синтетичні дані вже продемонстрували потенціал зрілих застосувань.

Захист конфіденційності: Роль FHE у Web3

У епоху даних захист конфіденційності став глобальною темою. Проте це також приносить виклики: частина чутливих даних не може бути повністю використана через ризики конфіденційності, що обмежує потенціал і здатність до міркування моделей ШІ.

FHE (гомоморфне шифрування) дозволяє безпосередньо виконувати обчислення на зашифрованих даних без необхідності їх розшифровки, а результати відповідають обчисленням з відкритими даними. FHE забезпечує надійний захист приватності обчислень AI, дозволяючи GPU виконувати навчання моделей та інференс в середовищі, що не торкається вихідних даних. Це надає величезні переваги компаніям AI, оскільки дозволяє захищати комерційну таємницю, одночасно безпечно відкриваючи API-сервіси.

FHEML підтримує шифрування даних і моделей протягом всього циклу машинного навчання, забезпечуючи безпеку чутливої інформації та запобігаючи витоку даних. FHEML зміцнює конфіденційність даних, надаючи безпечну обчислювальну платформу для AI-додатків.

FHEML є доповненням до ZKML, ZKML доводить правильність виконання машинного навчання, тоді як FHEML підкреслює обчислення на зашифрованих даних для підтримки конфіденційності даних.

Революція обчислювальної потужності: Штучний інтелект у децентралізованих мережах

Поточна складність обчислень системи ШІ подвоюється кожні 3 місяці, що призводить до різкого зростання попиту на обчислювальні потужності, що значно перевищує наявні ресурси. Це не лише обмежує прогрес технологій ШІ, але й робить передові моделі ШІ недоступними для більшості дослідників та розробників.

Глобальна завантаженість GPU становить менше 40%, а також сповільнення підвищення продуктивності мікропроцесорів і дефіцит чіпів через фактори постачання та геополітики ускладнюють проблему постачання обчислювальної потужності. Професіонали в галузі штучного інтелекту стикаються з дилемою купівлі апаратного забезпечення або оренди хмарних ресурсів, терміново потребуючи економічно ефективних обчислювальних послуг за запитом.

Децентралізована мережа обчислювальної потужності на основі ШІ агрегує вільні ресурси GPU по всьому світу, надаючи економічно доступний ринок потужності для компаній ШІ. Сторона, яка потребує, може публікувати обчислювальні завдання, смарт-контракт розподіляє завдання між майнерами, майнери виконують і подають результати, які після перевірки отримують винагороду. Ця схема підвищує ефективність використання ресурсів і допомагає вирішити проблему вузького місця в обчислювальній потужності в таких сферах, як ШІ.

Окрім загальної децентралізованої обчислювальної мережі, існують і спеціалізовані обчислювальні мережі, які зосереджені на навчанні та інференції ШІ. Децентралізовані обчислювальні мережі забезпечують чесний та прозорий ринок, розривають монополію, знижують поріг входу до застосувань та підвищують ефективність використання обчислювальної потужності. У екосистемі web3 вона відіграватиме ключову роль, залучаючи більше інноваційних dapp, сприяючи розвитку та застосуванню технологій ШІ.

DePIN: Web3 надає можливості Edge AI

Edge AI дозволяє виконувати обробку даних на місці їх виникнення, забезпечуючи низьку затримку та обробку в реальному часі, одночасно захищаючи конфіденційність користувачів. Він вже застосовується в ключових сферах, таких як автономне водіння.

У сфері Web3 DePIN покращує захист конфіденційності користувачів за рахунок локальної обробки даних, що зменшує ризик витоку даних. Економічний механізм токенів, що є рідним для Web3, може заохочувати вузли DePIN надавати обчислювальні ресурси для побудови сталих екосистем.

Наразі DePIN швидко розвивається в екосистемі певного публічного блокчейну, ставши однією з переважних платформ для розгортання проектів. Високий TPS, низькі комісії за транзакції та технологічні інновації цього блокчейну надають потужну підтримку проектам DePIN. Наразі ринкова капіталізація проектів DePIN на цьому блокчейні перевищує 10 мільярдів доларів США, а деякі відомі проекти вже досягли значного прогресу.

IMO: Нові парадигми випуску AI моделей

Концепцію IMO вперше запропоновано певним протоколом, що передбачає токенізацію AI-моделей. У традиційній моделі розробникам важко отримати постійний дохід від подальшого використання моделей, продуктивність і ефективність моделей не мають прозорості, що обмежує визнання на ринку та комерційний потенціал.

IMO надає нову фінансову підтримку та спосіб обміну цінністю для відкритих AI моделей, інвестори можуть купувати токени IMO, щоб ділитися подальшими доходами від моделі. Певний протокол використовує специфічний стандарт ERC, поєднуючи AI оракули та технологію OPML, щоб забезпечити автентичність AI моделей та можливість власників токенів ділитися доходами.

Модель IMO підвищує прозорість і довіру, заохочує відкриту співпрацю, адаптується до тенденцій крипторинку та вносить внесок у стійкий розвиток технологій штучного інтелекту. IMO наразі перебуває на початковому етапі, але її інноваційність і потенційна цінність заслуговують на очікування.

AI Agent: Нова ера взаємодії

AI агент може сприймати навколишнє середовище, незалежно мислити та вживати заходів для досягнення цілей. Завдяки підтримці великих мовних моделей, AI агент не лише розуміє природну мову, але й може планувати рішення та виконувати складні завдання. Вони можуть виступати як віртуальні помічники, вивчаючи уподобання користувачів через взаємодію, пропонуючи персоналізовані рішення. Навіть без чітких інструкцій, AI агент може самостійно вирішувати проблеми, підвищуючи ефективність та створюючи нову цінність.

Деяка платформа для відкритих додатків на основі ШІ надає всебічний та зручний набір інструментів для створення, що підтримує користувачів у налаштуванні функцій роботів, зовнішнього вигляду, голосу та підключення до зовнішніх баз знань тощо, прагнучи створити справедливу та відкриту екосистему контенту на основі ШІ, використовуючи технології генеративного ШІ для надання можливостей особам стати супер-креаторами. Ця платформа навчає спеціалізовані великі мовні моделі, щоб рольова гра була більш людяною; технологія клонування голосу прискорює персоналізовану взаємодію продуктів ШІ, знижуючи витрати на синтез голосу на 99%, а клонування голосу займає лише 1 хвилину. Налаштовані AI Agent, що використовують цю платформу, можуть бути застосовані в багатьох сферах, таких як відеочат, вивчення мов, генерація зображень тощо.

Злиття Web3 та AI наразі більше досліджує інфраструктурний рівень, наприклад, отримання якісних даних, захист конфіденційності даних, управління моделями на ланцюгу, підвищення ефективності використання децентралізованих обчислювальних потужностей, перевірка великих мовних моделей та інші ключові питання. У міру поступового вдосконалення цієї інфраструктури злиття Web3 та AI стане основою для виникнення ряду інноваційних бізнес-моделей і послуг.