Perpaduan Web3 dan AI: Membangun Infrastruktur Internet Generasi Berikutnya

Web3 sebagai paradigma internet baru yang terdesentralisasi, terbuka, dan transparan, memiliki peluang integrasi yang alami dengan AI. Dalam arsitektur terpusat tradisional, sumber daya komputasi dan data AI dikendalikan secara ketat, menghadapi berbagai tantangan seperti hambatan komputasi, kebocoran privasi, dan kotak hitam algoritma. Sementara itu, Web3 yang berbasis teknologi terdistribusi dapat memberikan dorongan baru bagi perkembangan AI melalui jaringan komputasi bersama, pasar data terbuka, dan komputasi privasi. Pada saat yang sama, AI juga dapat memberikan banyak pemberdayaan bagi Web3, seperti optimasi kontrak pintar, algoritma anti-kecurangan, dan sebagainya, untuk mendukung pembangunan ekosistemnya. Menjelajahi kombinasi Web3 dan AI sangat penting untuk membangun infrastruktur internet generasi berikutnya dan melepaskan nilai data dan komputasi.

Data yang Didukung: Dasar yang Kuat untuk AI dan Web3

Data adalah kekuatan pendorong utama perkembangan AI, seperti halnya bahan bakar bagi mesin. Model AI perlu mencerna sejumlah besar data berkualitas tinggi untuk mendapatkan pemahaman yang mendalam dan kemampuan penalaran yang kuat. Data tidak hanya memberikan dasar pelatihan bagi model pembelajaran mesin, tetapi juga menentukan akurasi dan keandalan model.

Model pengambilan dan pemanfaatan data AI terpusat yang tradisional memiliki beberapa masalah utama sebagai berikut:

• Biaya pengambilan data yang tinggi, usaha kecil dan menengah sulit untuk menanggung
• Sumber data didominasi oleh raksasa teknologi, membentuk pulau data
• Risiko kebocoran dan penyalahgunaan privasi data pribadi

Web3 dapat menyelesaikan titik nyeri dari model tradisional dengan paradigma data terdesentralisasi yang baru:

• Pengguna dapat menjual jaringan yang tidak terpakai kepada perusahaan AI, secara terdesentralisasi menangkap data jaringan, setelah dibersihkan dan diubah, untuk menyediakan data yang nyata dan berkualitas tinggi untuk pelatihan model AI.
• Mengadopsi model "label to earn", melalui insentif token untuk mendorong pekerja global berpartisipasi dalam penandaan data, mengumpulkan pengetahuan profesional dari seluruh dunia, dan meningkatkan kemampuan analisis data.
• Platform perdagangan data blockchain menyediakan lingkungan perdagangan yang terbuka dan transparan bagi kedua belah pihak dalam permintaan dan pasokan data, mendorong inovasi dan berbagi data.

Namun, pengambilan data di dunia nyata juga memiliki beberapa masalah, seperti kualitas data yang tidak konsisten, kesulitan dalam pengolahan, serta kurangnya keberagaman dan representasi. Data sintetis mungkin menjadi bintang di jalur data Web3 di masa depan. Berdasarkan teknologi AI generatif dan simulasi, data sintetis dapat mensimulasikan atribut data nyata, sebagai pelengkap yang efektif untuk data nyata, meningkatkan efisiensi penggunaan data. Di bidang seperti pengemasan otomatis, perdagangan pasar keuangan, dan pengembangan game, data sintetis telah menunjukkan potensi aplikasi yang matang.

Perlindungan Privasi: Peran FHE dalam Web3

Di era yang didorong oleh data, perlindungan privasi telah menjadi fokus perhatian global, dengan munculnya regulasi seperti Peraturan Perlindungan Data Umum (GDPR) Uni Eropa, yang mencerminkan perlindungan yang ketat terhadap privasi individu. Namun, ini juga membawa tantangan: beberapa data sensitif tidak dapat dimanfaatkan secara penuh karena risiko privasi, yang tanpa diragukan lagi membatasi potensi dan kemampuan penalaran model AI.

FHE adalah enkripsi homomorfik sepenuhnya, yang memungkinkan operasi perhitungan dilakukan langsung pada data yang dienkripsi tanpa perlu mendekripsi data, dan hasil perhitungan konsisten dengan hasil perhitungan yang dilakukan pada data dalam bentuk teks biasa.

FHE memberikan perlindungan yang kuat untuk komputasi privasi AI, memungkinkan kekuatan GPU untuk menjalankan tugas pelatihan dan inferensi model tanpa menyentuh data asli. Ini memberikan keuntungan besar bagi perusahaan AI. Mereka dapat membuka layanan API dengan aman sambil melindungi rahasia bisnis.

FHEML mendukung pemrosesan enkripsi data dan model selama seluruh siklus pembelajaran mesin, memastikan keamanan informasi sensitif dan mencegah risiko kebocoran data. Dengan cara ini, FHEML memperkuat privasi data dan menyediakan kerangka komputasi yang aman untuk aplikasi AI.

FHEML adalah pelengkap ZKML, di mana ZKML membuktikan eksekusi mesin pembelajaran yang benar, sementara FHEML menekankan perhitungan pada data terenkripsi untuk menjaga privasi data.

Revolusi Kekuatan: Komputasi AI dalam Jaringan Terdesentralisasi

Kompleksitas komputasi sistem AI saat ini berlipat ganda setiap 3 bulan, mengakibatkan lonjakan permintaan daya komputasi yang jauh melebihi pasokan sumber daya komputasi yang ada. Misalnya, pelatihan model bahasa besar membutuhkan daya komputasi yang sangat besar, setara dengan 355 tahun waktu pelatihan pada satu perangkat. Kekurangan daya komputasi semacam ini tidak hanya membatasi kemajuan teknologi AI, tetapi juga membuat model AI tingkat tinggi menjadi jauh dari jangkauan bagi sebagian besar peneliti dan pengembang.

Sementara itu, pemanfaatan GPU global kurang dari 40%, ditambah dengan perlambatan dalam peningkatan kinerja mikroprosesor, serta kekurangan chip yang disebabkan oleh faktor rantai pasokan dan geopolitik, semua ini membuat masalah pasokan daya komputasi semakin parah. Para profesional AI terjebak dalam dilema: membeli perangkat keras sendiri atau menyewa sumber daya cloud, mereka sangat membutuhkan cara layanan komputasi yang ekonomis dan sesuai permintaan.

Jaringan komputasi AI terdesentralisasi menggabungkan sumber daya GPU yang tidak terpakai di seluruh dunia, menyediakan pasar komputasi yang ekonomis dan mudah diakses bagi perusahaan AI. Pihak yang membutuhkan komputasi dapat memposting tugas di jaringan, kontrak pintar akan mendistribusikan tugas kepada node penambang yang berkontribusi pada komputasi, penambang melakukan tugas dan mengirimkan hasil, setelah diverifikasi akan mendapatkan imbalan poin. Solusi ini meningkatkan efisiensi penggunaan sumber daya dan membantu mengatasi masalah kekurangan komputasi di bidang AI dan lainnya.

Selain jaringan komputasi terdesentralisasi yang umum, ada juga platform yang fokus pada pelatihan AI, serta jaringan komputasi khusus yang fokus pada inferensi AI.

Jaringan komputasi terdesentralisasi menyediakan pasar komputasi yang adil dan transparan, memecahkan monopoli, mengurangi hambatan aplikasi, dan meningkatkan efisiensi penggunaan komputasi. Dalam ekosistem web3, jaringan komputasi terdesentralisasi akan memainkan peran kunci, menarik lebih banyak dapp inovatif untuk bergabung, bersama-sama mendorong pengembangan dan aplikasi teknologi AI.

DePIN: Web3 Memberdayakan Edge AI

Edge AI memungkinkan perhitungan terjadi di sumber data, mewujudkan pemrosesan real-time dengan latensi rendah, sekaligus melindungi privasi pengguna. Teknologi Edge AI telah diterapkan di bidang-bidang kunci seperti mengemudi otomatis.

Di bidang Web3, kita memiliki nama yang lebih familiar---DePIN. Web3 menekankan desentralisasi dan kedaulatan data pengguna, DePIN dapat meningkatkan perlindungan privasi pengguna dengan memproses data secara lokal, mengurangi risiko kebocoran data; mekanisme ekonomi Token yang berasal dari Web3 dapat mendorong node DePIN untuk menyediakan sumber daya komputasi, membangun ekosistem yang berkelanjutan.

Saat ini DePIN berkembang pesat dalam ekosistem suatu blockchain publik berkinerja tinggi, menjadi salah satu platform blockchain publik pilihan untuk pengembangan proyek. TPS tinggi, biaya transaksi rendah, dan inovasi teknologi dari blockchain publik ini memberikan dukungan kuat untuk proyek DePIN. Saat ini, nilai pasar proyek DePIN di blockchain publik ini telah melebihi 10 miliar USD, dan beberapa proyek terkenal telah mencapai kemajuan yang signifikan.

IMO：AI model meluncurkan paradigma baru

Konsep IMO pertama kali diusulkan oleh suatu protokol, yang mendelegasikan model AI menjadi token.

Dalam model tradisional, karena kurangnya mekanisme berbagi pendapatan, begitu model AI dikembangkan dan diluncurkan ke pasar, para pengembang seringkali kesulitan untuk mendapatkan pendapatan berkelanjutan dari penggunaan model tersebut di masa mendatang, terutama ketika model diintegrasikan ke dalam produk dan layanan lain, pencipta asli sulit untuk melacak penggunaan, apalagi mendapatkan pendapatan dari situ. Selain itu, kinerja dan efektivitas model AI sering kali kurang transparan, yang menyulitkan investor dan pengguna potensial untuk menilai nilai sebenarnya, membatasi pengakuan pasar dan potensi komersial model tersebut.

IMO menyediakan cara baru untuk mendukung pendanaan dan berbagi nilai untuk model AI sumber terbuka, di mana investor dapat membeli token IMO dan berbagi keuntungan yang dihasilkan oleh model di masa mendatang. Sebuah protokol menggunakan dua standar ERC, menggabungkan oracle AI dan teknologi OPML untuk memastikan keaslian model AI dan bahwa pemegang token dapat berbagi keuntungan.

Model IMO meningkatkan transparansi dan kepercayaan, mendorong kolaborasi sumber terbuka, beradaptasi dengan tren pasar kripto, dan memberikan dorongan bagi pengembangan berkelanjutan teknologi AI. IMO saat ini masih dalam tahap percobaan awal, tetapi seiring dengan meningkatnya penerimaan pasar dan meluasnya jangkauan partisipasi, inovasi dan nilai potensialnya patut kita nantikan.

Agen AI: Era Baru Pengalaman Interaktif

Agen AI dapat merasakan lingkungan, berpikir secara independen, dan mengambil tindakan yang sesuai untuk mencapai tujuan yang telah ditetapkan. Dengan dukungan model bahasa besar, Agen AI tidak hanya dapat memahami bahasa alami, tetapi juga merencanakan keputusan dan melaksanakan tugas-tugas kompleks. Mereka dapat berfungsi sebagai asisten virtual, belajar tentang preferensi pengguna melalui interaksi, dan menawarkan solusi yang dipersonalisasi. Bahkan tanpa instruksi yang jelas, Agen AI dapat secara mandiri memecahkan masalah, meningkatkan efisiensi, dan menciptakan nilai baru.

Sebuah platform aplikasi AI terbuka yang berbasis menyediakan kumpulan alat kreatif yang komprehensif dan mudah digunakan, mendukung pengguna untuk mengonfigurasi fungsi robot, penampilan, suara, serta menghubungkan ke basis pengetahuan eksternal, berkomitmen untuk membangun ekosistem konten AI yang adil dan terbuka, memanfaatkan teknologi AI generatif, memberdayakan individu untuk menjadi pencipta super. Platform ini telah melatih model bahasa besar yang khusus, membuat peran bermain lebih manusiawi; teknologi kloning suara dapat mempercepat interaksi personalisasi produk AI, mengurangi biaya sintesis suara hingga 99%, dan kloning suara dapat dilakukan hanya dalam 1 menit. Dengan AI Agent yang disesuaikan dari platform ini, saat ini dapat diterapkan di berbagai bidang seperti video chat, pembelajaran bahasa, dan generasi gambar.

Dalam penggabungan Web3 dan AI, saat ini lebih banyak eksplorasi pada lapisan infrastruktur, seperti bagaimana mendapatkan data berkualitas tinggi, melindungi privasi data, bagaimana menghosting model di blockchain, bagaimana meningkatkan penggunaan daya komputasi terdesentralisasi yang efisien, dan bagaimana memverifikasi model bahasa besar, serta masalah kunci lainnya. Seiring dengan perlahan-lahan sempurnanya infrastruktur ini, kita beralasan untuk percaya bahwa penggabungan Web3 dan AI akan melahirkan serangkaian model bisnis dan layanan inovatif.