Слияние Web3 и ИИ: создание инфраструктуры следующего поколения интернета

Web3 как новая модель интернета, децентрализованная, открытая и прозрачная, имеет естественные возможности для интеграции с ИИ. В традиционной централизованной архитектуре вычисления ИИ и ресурсы данных строго ограничены, сталкиваясь с множественными проблемами, такими как узкие места в вычислительной мощности, утечка конфиденциальной информации и непрозрачность алгоритмов. Web3, основанный на распределенных технологиях, может предоставить новый импульс для развития ИИ через такие механизмы, как сеть совместного использования вычислительной мощности, открытые рынки данных и вычисления с соблюдением конфиденциальности. В то же время ИИ может оказать значительное влияние на Web3, например, через оптимизацию смарт-контрактов, алгоритмы противодействия мошенничеству и так далее, способствуя развитию его экосистемы. Поэтому исследование сочетания Web3 и ИИ имеет важное значение для создания инфраструктуры следующего поколения интернета и раскрытия ценности данных и вычислительной мощности.

Данные как основа: Искусственный интеллект и Web3

Данные являются основным двигателем развития ИИ, как топливо для двигателя. Моделям ИИ необходимо перерабатывать большие объемы качественных данных, чтобы получить глубокое понимание и мощные способности к рассуждению. Данные не только предоставляют основу для обучения моделей машинного обучения, но также определяют точность и надежность модели.

Традиционные централизованные модели сбора и использования данных AI имеют несколько основных проблем:

• Высокие затраты на получение данных, малым и средним предприятиям трудно их понести.
• Данные ресурсы монополизируются крупными технологическими компаниями, образуя изолированные данные.
• Личная информация подвергается риску утечки и злоупотребления.

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

• Сбор сетевых данных децентрализованным способом, их очистка и преобразование для обеспечения реальных и высококачественных данных для обучения моделей ИИ
• Используя модель "label to earn", мы стимулируем глобальных работников участвовать в аннотировании данных с помощью токенов, собирая глобальный опыт и усиливая аналитические возможности данных.
• Блокчейн-платформа для торговли данными предоставляет обеим сторонам спроса и предложения открытое и прозрачное торговое окружение, стимулируя инновации и обмен данными.

Тем не менее, сбор данных из реального мира также имеет свои проблемы, такие как неоднородное качество данных, высокая сложность обработки, недостаток разнообразия и представительности и т. д. Синтетические данные могут стать ярким примером в будущем сегмента данных Web3. Основываясь на технологиях генеративного ИИ и моделирования, синтетические данные могут имитировать свойства реальных данных, выступая в качестве эффективного дополнения к реальным данным и повышая эффективность использования данных. В таких областях, как автономное вождение, торговля на финансовых рынках, разработка игр и т. д., синтетические данные уже продемонстрировали свой зрелый потенциал применения.

Защита конфиденциальности: Роль FHE в Web3

В эпоху данных защита конфиденциальности стала центром глобального внимания, и введение таких норм, как Общий регламент по защите данных (GDPR) Европейским Союзом, отражает строгую защиту личной конфиденциальности. Однако это также создает вызовы: некоторые чувствительные данные не могут быть в полной мере использованы из-за рисков конфиденциальности, что, безусловно, ограничивает потенциал и способность к рассуждениям моделей ИИ.

FHE, или полностью гомоморфное шифрование, позволяет выполнять вычисления непосредственно на зашифрованных данных без необходимости их расшифровки, и результаты вычислений совпадают с результатами тех же вычислений на открытых данных.

FHE обеспечивает надежную защиту для вычислений с использованием AI-приватности, позволяя мощности GPU выполнять задачи обучения и вывода модели в среде, не затрагивающей оригинальные данные. Это дает огромные преимущества AI-компаниям. Они могут безопасно открывать API-сервисы, защищая при этом коммерческие тайны.

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, где ZKML подтверждает корректное выполнение машинного обучения, а FHEML подчеркивает необходимость вычислений с зашифрованными данными для обеспечения конфиденциальности данных.

Революция вычислительной мощности: ИИ-вычисления в децентрализованных сетях

Текущая вычислительная сложность систем ИИ удваивается каждые 3 месяца, что приводит к резкому увеличению потребности в вычислительных мощностях, значительно превышающему предложение существующих ресурсов. Например, обучение одной крупной языковой модели требует огромных вычислительных мощностей, что эквивалентно 355 годам обучения на одном устройстве. Такой дефицит вычислительных мощностей не только ограничивает прогресс в области технологий ИИ, но и делает эти сложные модели недоступными для большинства исследователей и разработчиков.

В то же время, мировая загрузка GPU составляет менее 40%, а замедление повышения производительности микропроцессоров, а также нехватка чипов из-за факторов цепочки поставок и геополитических обстоятельств усугубляют проблему с поставками вычислительной мощности. Работники в области ИИ оказались перед дилеммой: либо покупать оборудование, либо арендовать облачные ресурсы, им срочно нужен способ предоставления вычислительных услуг по требованию и экономически эффективный.

Децентрализованная сеть вычислительных мощностей на основе ИИ агрегирует неиспользуемые ресурсы GPU по всему миру, предоставляя компаниям ИИ экономичный и удобный рынок вычислительных мощностей. Стороны, нуждающиеся в вычислительных мощностях, могут публиковать вычислительные задачи в сети, а смарт-контракты распределяют задачи среди майнеров, предоставляющих вычислительные мощности. Майнеры выполняют задачи и представляют результаты, а после проверки получают вознаграждение в виде баллов. Эта схема повышает эффективность использования ресурсов и помогает решить проблему ограничения вычислительных мощностей в таких областях, как ИИ.

Кроме универсальной децентрализованной сети вычислительной мощности, существует также специализированная сеть вычислительной мощности, ориентированная на обучение и инференцию ИИ.

Децентрализованная сеть вычислительной мощности предоставляет честный и прозрачный рынок вычислительных ресурсов, разрывает монополию, снижает барьеры для приложений и повышает эффективность использования вычислительной мощности. В экосистеме web3 децентрализованная сеть вычислительной мощности будет играть ключевую роль, привлекая больше инновационных dapp к сотрудничеству, совместно способствуя развитию и применению технологий ИИ.

DePIN: Web3 находит применение в Edge AI

Представьте себе, что ваш телефон, умные часы и даже умные устройства в вашем доме обладают способностью запускать ИИ — в этом и заключается魅力 Edge AI. Он позволяет вычислениям происходить на источнике данных, обеспечивая низкую задержку и обработку в реальном времени, одновременно защищая конфиденциальность пользователей. Технология Edge AI уже применяется в таких ключевых областях, как автономное вождение.

В области Web3 у нас есть более известное имя — DePIN. Web3 подчеркивает децентрализацию и суверенитет пользовательских данных, а DePIN, обрабатывая данные локально, может повысить защиту конфиденциальности пользователей и снизить риск утечки данных; родная токеномика Web3 может стимулировать узлы DePIN предоставлять вычислительные ресурсы, создавая устойчивую экосистему.

В настоящее время DePIN быстро развивается в экосистемах некоторых публичных блокчейнов, становясь одной из предпочтительных платформ для развертывания проектов. Высокая пропускная способность транзакций (TPS), низкие транзакционные расходы и технологические инновации предоставляют мощную поддержку проектам DePIN. В настоящее время рыночная капитализация некоторых проектов DePIN на публичных блокчейнах уже превышает 10 миллиардов долларов, и несколько известных проектов достигли значительного прогресса.

IMO：Новая парадигма выпуска AI-моделей

Концепция IMO была впервые предложена в рамках определенного протокола, который токенизирует модели ИИ.

В традиционной модели из-за отсутствия механизма разделения доходов, как только модель ИИ разработана и выведена на рынок, разработчикам часто трудно получать постоянный доход от дальнейшего использования модели, особенно когда модель интегрируется в другие продукты и услуги, оригинальным создателям трудно отслеживать использование, не говоря уже о получении дохода. Кроме того, производительность и эффективность моделей ИИ часто недостаточно прозрачны, что затрудняет потенциальным инвесторам и пользователям оценку их истинной стоимости, ограничивая признание модели на рынке и коммерческий потенциал.

IMO предоставляет новый способ финансирования и совместного использования ценности для открытых AI-моделей. Инвесторы могут приобретать токены IMO и делиться доходами, полученными от модели в будущем. Некоторый протокол использует определенный стандарт ERC, сочетая его с AI-оракулами и технологиями OPML для обеспечения подлинности AI-модели и возможности держателей токенов делиться доходами.

Модель IMO усиливает прозрачность и доверие, поощряет открытое сотрудничество, адаптируется к тенденциям крипторынка и способствует устойчивому развитию технологий ИИ. В настоящее время IMO все еще находится на стадии первоначальных попыток, но с увеличением принятия на рынке и расширением круга участников ее инновационность и потенциальная ценность вызывают у нас ожидания.

AI Agent: Новая эра взаимодействия

AI-агент может воспринимать окружающую среду, осуществлять независимое мышление и предпринимать соответствующие действия для достижения поставленных целей. С поддержкой больших языковых моделей AI-агент не только понимает естественный язык, но также может планировать решения и выполнять сложные задачи. Они могут выступать в роли виртуальных помощников, обучаясь предпочтениям пользователей через взаимодействие и предоставляя персонализированные решения. Даже без четких указаний AI-агент может самостоятельно решать проблемы, повышать эффективность и создавать новую ценность.

Некоторая платформа для приложений на основе ИИ предлагает полный и удобный набор инструментов для создания, поддерживает пользователей в настройке функций робота, внешнего вида, голоса, а также в подключении внешних баз знаний и стремится создать справедливую и открытую экосистему контента на основе ИИ, используя технологии генеративного ИИ, наделяя индивидуумов возможностями стать супер-креаторами. Эта платформа обучила специальную модель языка, что делает ролевые игры более человечными; технологии клонирования голоса могут ускорить персонализированное взаимодействие с продуктами ИИ, снизив стоимость синтеза голоса на 99%, а клонирование голоса можно реализовать всего за 1 минуту. С помощью настроенного на этой платформе ИИ-агента в настоящее время он может применяться в таких областях, как видеочат, изучение языков, генерация изображений и других.

В融合 Web3 и AI в настоящее время больше внимания уделяется исследованию инфраструктурного уровня, таким ключевым вопросам, как получение качественных данных, защита конфиденциальности данных, как размещать модели на блокчейне, как повысить эффективность использования децентрализованных вычислений, как проверять большие языковые модели и т. д. С постепенным совершенствованием этой инфраструктуры у нас есть основания полагать, что融合 Web3 и AI приведет к появлению ряда инновационных бизнес-моделей и услуг.