Поєднання Web3 та штучного інтелекту: створення інфраструктури наступного покоління Інтернету

Web3 як нова модель інтернету, що базується на децентралізації, відкритості та прозорості, має природну можливість для інтеграції з ШІ. У традиційній централізованій архітектурі обчислення ШІ та ресурси даних підлягають суворим обмеженням, стикаючись з такими викликами, як обмеження обчислювальної потужності, витік конфіденційності, непрозорість алгоритмів тощо. Водночас Web3, заснований на розподілених технологіях, може надати нові можливості для розвитку ШІ через мережі спільного використання обчислювальної потужності, відкриті ринки даних, обчислення конфіденційності тощо. Крім того, ШІ може надати багато переваг Web3, таких як оптимізація смарт-контрактів, алгоритми протидії шахрайству тощо, сприяючи розвитку його екосистеми. Таким чином, дослідження поєднання Web3 та ШІ має важливе значення для побудови інфраструктури наступного покоління інтернету, а також для розкриття цінності даних і обчислювальної потужності.

Дані, що керують: міцна основа AI та Web3

Дані є основним двигуном розвитку ШІ, так само як паливо для двигуна. Моделям ШІ потрібно перетравлювати велику кількість якісних даних, щоб отримати глибоке розуміння та потужні здібності до міркування. Дані не лише забезпечують основу для навчання моделей машинного навчання, але й визначають точність та надійність моделей.

Традиційна централізована модель отримання та використання даних штучного інтелекту має кілька основних проблем:

• Вартість отримання даних є високою, і малим та середнім підприємствам важко це витримати.
• Ресурси даних монополізовані великими технологічними компаніями, що призводить до утворення ізольованих даних.
• Особисті дані піддаються ризику витоку та зловживання.

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

• Шляхом децентралізованого збору даних з мережі, після очищення та перетворення, надає реальні, високоякісні дані для навчання AI-моделей
• Використання моделі "label to earn", що стимулює глобальних працівників брати участь у маркуванні даних через токени, об'єднуючи професійні знання з усього світу та підвищуючи аналітичні можливості даних.
• Платформа торгівлі даними на основі блокчейну забезпечує відкритий і прозорий торговий простір для обох сторін попиту та пропозиції даних, стимулюючи інновації та обмін даними.

Незважаючи на це, отримання даних з реального світу також стикається з деякими проблемами, такими як непостійна якість даних, складність обробки, недостатня різноманітність та представництво тощо. Синтетичні дані можуть стати яскравою точкою в майбутньому сектора даних Web3. На основі технологій генеративного ШІ та моделювання, синтетичні дані можуть імітувати властивості реальних даних, слугуючи ефективним доповненням до реальних даних, підвищуючи ефективність використання даних. У таких сферах, як автономне водіння, торгівля на фінансових ринках, розробка ігор тощо, синтетичні дані вже продемонстрували свій зрілий потенціал застосування.

Захист конфіденційності: роль FHE у Web3

В епоху, керовану даними, захист приватності став глобальною темою, що привертає увагу, прийняття таких регуляцій, як Загальний регламент захисту даних (GDPR) ЄС, відображає суворе збереження особистої приватності. Однак це також створює виклики: деякі чутливі дані не можуть бути повноцінно використані через ризики приватності, що безсумнівно обмежує потенціал і здатність до міркування AI-моделей.

FHE, або повна гомоморфна криптографія, дозволяє виконувати обчислювальні операції безпосередньо на зашифрованих даних без необхідності їх розшифровки, причому результати обчислень збігаються з результатами, отриманими при виконанні тих самих обчислень на відкритих даних.

FHE забезпечує надійний захист для приватних обчислень в AI, що дозволяє обчислювальній потужності GPU виконувати навчання моделей та завдання висновку в середовищі, не торкаючись оригінальних даних. Це приносить величезні переваги компаніям AI. Вони можуть безпечно відкривати API-сервіси, захищаючи при цьому комерційну таємницю.

FHEML підтримує шифрування даних і моделей на всьому протязі циклу машинного навчання, забезпечуючи безпеку чутливої інформації та запобігаючи ризикам витоку даних. Цим способом FHEML посилює конфіденційність даних, надаючи безпечну обчислювальну інфраструктуру для AI-додатків.

FHEML є доповненням до ZKML, де ZKML підтверджує правильність виконання машинного навчання, а FHEML підкреслює обробку зашифрованих даних для збереження конфіденційності даних.

Революція обчислювальної потужності: AI-обчислення в децентралізованих мережах

Поточна обчислювальна складність AI-систем подвоюється кожні 3 місяці, що призводить до різкого зростання попиту на обчислювальну потужність, що значно перевищує наявні ресурси. Наприклад, навчання великої мовної моделі вимагає величезної обчислювальної потужності, еквівалентної 355 рокам навчання на одному пристрої. Такий брак обчислювальної потужності не лише обмежує прогрес у технології AI, але й робить ці складні AI-моделі недоступними для більшості дослідників і розробників.

Водночас, глобальне використання GPU становить менше 40%, а також сповільнення підвищення продуктивності мікропроцесорів і дефіцит чіпів, спричинений факторами ланцюга постачання та геополітики, ще більше ускладнюють проблему постачання обчислювальних потужностей. Працівники у сфері ШІ потрапили в дилему: або купувати апаратне забезпечення, або орендувати хмарні ресурси, їм терміново потрібен економічно ефективний спосіб отримання обчислювальних послуг за запитом.

Децентралізована мережа обчислювальної потужності AI, агрегуючи невикористані ресурси GPU по всьому світу, забезпечує для компаній AI економічний та легкодоступний ринок обчислювальної потужності. Сторони, що потребують обчислювальну потужність, можуть публікувати обчислювальні завдання в мережі, смарт-контракти розподіляють завдання серед майнінгових вузлів, які вносять обчислювальну потужність, майнери виконують завдання та подають результати, отримуючи бали після перевірки. Ця схема підвищує ефективність використання ресурсів і допомагає вирішити проблеми з обчислювальною потужністю в таких сферах, як AI.

Окрім загальної децентралізованої мережі обчислювальної потужності, існують також спеціалізовані мережі обчислювальної потужності, які зосереджені на навчанні та інференції ШІ.

Децентралізована мережа обчислювальних потужностей забезпечує справедливий і прозорий ринок обчислювальної потужності, руйнуючи монополії, знижуючи бар'єри для застосування та підвищуючи ефективність використання обчислювальних потужностей. У екосистемі web3 децентралізована мережа обчислювальних потужностей відіграє ключову роль, залучаючи більше інноваційних dapp для спільного сприяння розвитку та застосуванню технологій ШІ.

DePIN: Web3 надає можливості Edge AI

Уявіть собі, що ваш мобільний телефон, розумні годинники та навіть смарт-пристрої у вашому домі мають здатність працювати з ШІ — ось у чому魅力 Edge AI. Це дозволяє обробці даних відбуватися безпосередньо там, де вони генеруються, що забезпечує низьку затримку та обробку в реальному часі, водночас захищаючи конфіденційність користувачів. Технологія Edge AI вже застосовується в таких ключових сферах, як безпілотні автомобілі.

У сфері Web3 у нас є більш знайоме ім'я — DePIN. Web3 підкреслює децентралізацію та суверенітет даних користувачів, а DePIN, обробляючи дані локально, може посилити захист конфіденційності користувачів і зменшити ризик витоку даних; рідна економічна механіка токенів Web3 може стимулювати вузли DePIN надавати обчислювальні ресурси, створюючи стійку екосистему.

Наразі DePIN швидко розвивається в деяких екосистемах публічних блокчейнів, стаючи однією з найпопулярніших платформ для розгортання проєктів. Висока пропускна спроможність, низькі комісії за транзакції та технологічні інновації надають потужну підтримку проєктам DePIN. Наразі ринкова капіталізація деяких проєктів DePIN на публічних блокчейнах перевищила 10 мільярдів доларів, а кілька відомих проєктів досягли значного прогресу.

IMO：Випуск нової парадигми AI моделей

Концепція IMO була вперше запропонована певним протоколом, що передбачає токенізацію AI моделей.

У традиційній моделі, через відсутність механізму розподілу доходів, як тільки AI модель розроблена і виведена на ринок, розробникам часто важко отримати сталий дохід від подальшого використання моделі, особливо коли модель інтегрована в інші продукти та послуги, оригінальним творцям складно відстежувати використання, не кажучи вже про можливість отримання доходу. Крім того, продуктивність та ефективність AI моделей часто недостатньо прозорі, що ускладнює потенційним інвесторам та користувачам оцінку їх справжньої цінності, обмежуючи визнання моделей на ринку та комерційний потенціал.

IMO надає новий спосіб фінансування та розподілу вартості для відкритих AI-моделей, інвестори можуть купувати токени IMO, щоб ділитися прибутком, отриманим від моделей у майбутньому. Певний протокол використовує специфічний стандарт ERC, поєднуючи AI-оракулів та технологію OPML для забезпечення достовірності AI-моделей та можливості токенів для отримання прибутку.

Модель IMO підвищує прозорість та довіру, заохочує до відкритої співпраці, адаптується до трендів крипторинку та надає імпульс стійкому розвитку технології ШІ. В даний час IMO все ще перебуває на стадії початкових спроб, але з підвищенням прийнятності на ринку та розширенням кола учасників її інноваційність та потенційна цінність заслуговують на нашу увагу.

AI Агенти: нова ера інтерактивного досвіду

AI Агент може сприймати середовище, здійснювати незалежне мислення та вживати відповідні дії для досягнення поставлених цілей. За підтримки великих мовних моделей AI Агент не лише розуміє природну мову, але й планує рішення, виконує складні завдання. Вони можуть виступати як віртуальні помічники, навчаючись вподобанням користувачів через взаємодію та пропонуючи персоналізовані рішення. Навіть без чітких інструкцій AI Агент також може самостійно вирішувати проблеми, підвищуючи ефективність і створюючи нову цінність.

Платформа для нативних AI-додатків пропонує всебічний та зручний набір інструментів для створення, що дозволяє користувачам налаштовувати функції роботів, зовнішній вигляд, звук та підключати зовнішні бази знань. Вона прагне створити справедливу та відкриту екосистему контенту на основі AI, використовуючи технології генеративного AI, щоб надати особам можливість стати супер-креаторами. Ця платформа навчила спеціальну велику мовну модель, що робить рольову гру більш людяною; технологія клонування голосу може прискорити персоналізовану взаємодію AI-продуктів, знизивши витрати на синтез голосу на 99%, а клонування голосу можна здійснити всього за 1 хвилину. Використовуючи AI Agent, налаштований на цій платформі, наразі можна застосовувати в багатьох сферах, таких як відеочат, вивчення мов, створення зображень та ін.

У процесі інтеграції Web3 та AI наразі більше уваги приділяється дослідженню інфраструктурного рівня, зокрема, як отримати якісні дані, забезпечити конфіденційність даних, як розміщувати моделі на блокчейні, як підвищити ефективність використання децентралізованих обчислювальних потужностей, як перевіряти великі мовні моделі та інші ключові питання. З поступовим вдосконаленням цієї інфраструктури, ми маємо підстави вірити, що інтеграція Web3 та AI призведе до виникнення низки інноваційних бізнес-моделей та послуг.