Fusi Web3 dan AI: Membangun Infrastruktur Internet Generasi Berikutnya

Web3 sebagai model internet baru yang terdesentralisasi, terbuka, dan transparan, memiliki peluang integrasi yang alami dengan AI. Dalam arsitektur terpusat tradisional, sumber daya komputasi dan data AI terbatasi secara ketat, menghadapi berbagai tantangan seperti batasan daya komputasi, kebocoran privasi, dan ketidaktransparanan algoritma. Sementara itu, Web3 yang berbasis teknologi terdistribusi dapat memberikan dorongan baru untuk perkembangan AI melalui jaringan berbagi daya komputasi, pasar data terbuka, dan komputasi privasi. Di sisi lain, AI juga dapat memberikan banyak dukungan bagi Web3, seperti optimasi kontrak pintar dan algoritma anti-kecurangan, yang mendorong perkembangan ekosistemnya. Oleh karena itu, mengeksplorasi kombinasi Web3 dan AI memiliki makna penting untuk membangun infrastruktur internet generasi berikutnya serta melepaskan nilai data dan daya komputasi.

Data-driven: Fondasi yang Kuat untuk AI dan Web3

Data adalah kekuatan pendorong utama perkembangan AI, sama seperti bahan bakar bagi mesin. Model AI perlu mencerna sejumlah besar data berkualitas tinggi untuk mendapatkan pemahaman 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 berikut:

• Biaya untuk mendapatkan data sangat tinggi, sehingga sulit bagi usaha kecil dan menengah untuk menanggungnya.
• Sumber data didominasi oleh perusahaan teknologi besar, membentuk pulau data
• Risiko kebocoran dan penyalahgunaan privasi data pribadi

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

• Dengan cara terdesentralisasi untuk menangkap data jaringan, setelah dibersihkan dan diubah, menyediakan data yang nyata dan berkualitas tinggi untuk pelatihan model AI.
• Mengadopsi model "label to earn", dengan insentif token untuk mendorong pekerja di seluruh dunia berpartisipasi dalam pengenalan data, mengumpulkan pengetahuan profesional global, dan meningkatkan kemampuan analisis data.
• Platform perdagangan data blockchain menyediakan lingkungan perdagangan yang terbuka dan transparan bagi kedua belah pihak dalam permintaan dan penawaran data, mendorong inovasi dan berbagi data.

Meskipun demikian, ada beberapa masalah dalam pengambilan data di dunia nyata, seperti kualitas data yang bervariasi, kesulitan dalam pengolahan, dan kurangnya keragaman serta representativitas. Data sintetik mungkin menjadi sorotan masa depan di jalur data Web3. Berdasarkan teknologi AI generatif dan simulasi, data sintetik dapat mensimulasikan atribut data nyata, sebagai pelengkap yang efektif untuk data nyata, meningkatkan efisiensi penggunaan data. Di bidang seperti mengemudi otomatis, perdagangan pasar keuangan, dan pengembangan game, data sintetik 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. Diterapkannya regulasi seperti Peraturan Perlindungan Data Umum Uni Eropa (GDPR) mencerminkan perlindungan yang ketat terhadap privasi individu. Namun, ini juga membawa tantangan: beberapa data sensitif tidak dapat dimanfaatkan secara maksimal karena risiko privasi, yang tentunya membatasi potensi dan kemampuan penalaran model AI.

FHE adalah enkripsi homomorfik penuh, yang memungkinkan operasi perhitungan langsung pada data yang dienkripsi tanpa perlu mendekripsi data, dan hasil perhitungan konsisten dengan hasil perhitungan yang dilakukan pada data plaintext.

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

FHEML mendukung pengolahan data dan model secara terenkripsi sepanjang 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, ZKML membuktikan eksekusi mesin pembelajaran yang benar, sedangkan FHEML menekankan perhitungan pada data terenkripsi untuk menjaga privasi data.

Revolusi Komputasi: Komputasi AI dalam Jaringan Terdesentralisasi

Kompleksitas komputasi sistem AI saat ini berlipat ganda setiap 3 bulan, menyebabkan permintaan daya komputasi melonjak, jauh melebihi pasokan sumber daya komputasi yang ada. Misalnya, pelatihan model bahasa besar membutuhkan daya komputasi yang sangat besar, setara dengan waktu pelatihan 355 tahun pada satu perangkat. Kekurangan daya komputasi seperti ini tidak hanya membatasi kemajuan teknologi AI, tetapi juga membuat model AI tingkat lanjut sulit dijangkau bagi sebagian besar peneliti dan pengembang.

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

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 perhitungan di jaringan, kontrak pintar akan mendistribusikan tugas kepada node penambang yang menyumbangkan daya komputasi, penambang melaksanakan tugas dan mengirimkan hasilnya, setelah diverifikasi, mereka mendapatkan imbalan poin. Solusi ini meningkatkan efisiensi pemanfaatan sumber daya dan membantu mengatasi masalah batasan daya komputasi di bidang seperti AI.

Selain jaringan daya komputasi terdesentralisasi umum, ada juga jaringan daya komputasi khusus yang fokus pada pelatihan dan 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, dan bersama-sama mendorong perkembangan dan penerapan teknologi AI.

DePIN: Web3 Memberdayakan Edge AI

Bayangkan, ponsel Anda, jam tangan pintar, bahkan perangkat pintar di rumah Anda, semuanya memiliki kemampuan untuk menjalankan AI—itulah daya tarik Edge AI. Ini memungkinkan komputasi terjadi di sumber data, memberikan latensi rendah, pemrosesan waktu nyata, sambil melindungi privasi pengguna. Teknologi Edge AI telah diterapkan dalam 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 dan mengurangi risiko kebocoran data dengan memproses data secara lokal; mekanisme ekonomi Token asli Web3 dapat mendorong node DePIN untuk menyediakan sumber daya komputasi, membangun ekosistem yang berkelanjutan.

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

IMO：AI model merilis paradigma baru

Konsep IMO pertama kali diajukan oleh suatu protokol, untuk men-tokenisasi model AI.

Dalam mode tradisional, karena kurangnya mekanisme pembagian keuntungan, setelah model AI dikembangkan dan diluncurkan ke pasar, pengembang sering kali kesulitan untuk mendapatkan pendapatan berkelanjutan dari penggunaan model tersebut, 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 membuat investor dan pengguna potensial sulit untuk menilai nilai sebenarnya, membatasi pengakuan pasar dan potensi komersial model tersebut.

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

Mode IMO meningkatkan transparansi dan kepercayaan, mendorong kolaborasi sumber terbuka, menyesuaikan dengan tren pasar kripto, dan memberikan dorongan untuk pengembangan berkelanjutan teknologi AI. IMO saat ini masih dalam tahap percobaan awal, tetapi seiring dengan meningkatnya penerimaan pasar dan perluasan jangkauan partisipasi, inovasinya dan nilai potensialnya patut untuk kita nantikan.

Agen AI: Era Baru Pengalaman Interaksi

Agen AI dapat merasakan lingkungan, berpikir secara independen, dan mengambil tindakan yang sesuai untuk mencapai tujuan yang 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 bertindak sebagai asisten virtual, belajar dari interaksi dengan pengguna tentang preferensi mereka, dan menyediakan solusi yang dipersonalisasi. Tanpa instruksi yang jelas, Agen AI juga dapat secara mandiri menyelesaikan masalah, meningkatkan efisiensi, dan menciptakan nilai baru.

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

Dalam penggabungan Web3 dan AI, saat ini lebih banyak eksplorasi pada lapisan infrastruktur, bagaimana cara mendapatkan data berkualitas tinggi, melindungi privasi data, bagaimana cara meng-host model di blockchain, bagaimana cara meningkatkan penggunaan daya komputasi terdesentralisasi secara efisien, dan bagaimana cara memverifikasi model bahasa besar, serta masalah kunci lainnya. Dengan perlahan-lahan memperbaiki infrastruktur ini, kita beralasan percaya bahwa penggabungan Web3 dan AI akan melahirkan serangkaian model bisnis dan layanan inovatif.