Інтеграція Web3 та AI: дослідження шести ключових сфер майбутнього Інтернету

Web3 як нова парадигма інтернету, що є децентралізованою, відкритою та прозорою, має природний потенціал для інтеграції з ШІ. У традиційній централізованій архітектурі обчислення ШІ та ресурси даних підлягають жорстким обмеженням, стикаючись із численними викликами, такими як обмеження обчислювальних потужностей, витік конфіденційної інформації, непрозорість алгоритмів тощо. На основі розподілених технологій Web3 може надати новий імпульс розвитку ШІ завдяки спільним обчислювальним мережам, відкритим ринкам даних, обчисленням конфіденційності тощо. У той же час, ШІ також може принести багато переваг для Web3, таких як оптимізація смарт-контрактів, розробка алгоритмів протидії шахрайству тощо, сприяючи його екосистемній побудові. Тому дослідження поєднання Web3 і ШІ є важливим для створення інфраструктури наступного покоління інтернету та реалізації цінності даних і обчислювальних потужностей.

Дані, що керують: міцна основа для AI та Web3

Дані є основним рушієм розвитку ШІ. Моделям ШІ потрібно обробляти величезні обсяги високоякісних даних, щоб отримати глибоке розуміння та потужні здібності до міркування. Дані не лише забезпечують базу для навчання моделей машинного навчання, але й визначають точність та надійність моделей.

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

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

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

• Користувачі можуть продавати невикористані мережеві ресурси компаніям ШІ, децентралізовано збираючи мережеві дані, очищаючи та перетворюючи їх, щоб забезпечити реальні та якісні дані для навчання моделей ШІ.
• Використання моделі "label to earn" для стимулювання глобальних працівників до участі в маркуванні даних через токени, об'єднання глобальних професійних знань та покращення можливостей аналізу даних
• Блокчейн платформа для торгівлі даними забезпечує відкритий і прозорий торговий середовище для обох сторін попиту та пропозиції даних, стимулюючи інновації та обмін даними

Однак, у реальному світі все ще існують деякі проблеми з отриманням даних, такі як нерівномірна якість даних, велика складність обробки, недостатня різноманітність і представництво тощо. Синтетичні дані можуть стати майбутнім світлом у сфері даних Web3. На основі технологій генеративного ШІ та моделювання, синтетичні дані можуть імітувати властивості реальних даних, як ефективне доповнення, підвищуючи ефективність використання даних. У таких сферах, як автономне водіння, торгівля на фінансових ринках, розробка ігор тощо, синтетичні дані вже показали зрілий потенціал застосування.

Захист приватності: роль FHE у Web3

У епоху, керовану даними, захист приватності став глобальною проблемою, а Загальний регламент про захист даних (GDPR) Європейського Союзу та інші регуляції відображають суворий захист особистої приватності. Однак це також створює виклики: деякі чутливі дані не можуть бути повною мірою використані через ризики, пов'язані з приватністю, що обмежує потенціал і здатність моделі ШІ до розуміння.

FHE (повна гомоморфна криптографія) дозволяє виконувати обчислювальні операції безпосередньо на зашифрованих даних, не розшифровуючи їх, причому результати обчислень збігаються з результатами, отриманими при виконанні тих же обчислень на відкритих даних. FHE забезпечує надійний захист для приватних обчислень в AI, дозволяючи GPU потужностям виконувати навчання моделей і завдання інференції в середовищі, де не торкаються оригінальних даних. Це приносить величезні переваги компаніям AI, адже вони можуть безпечно відкривати API-сервіси, захищаючи при цьому комерційну таємницю.

FHEML підтримує шифрування даних та моделей на всьому циклі машинного навчання, забезпечуючи безпеку чутливої інформації та запобігаючи ризику витоку даних. FHEML зміцнює конфіденційність даних, надаючи безпечну обчислювальну структуру для AI-додатків. FHEML доповнює ZKML, де ZKML підтверджує правильність виконання машинного навчання, а FHEML підкреслює обчислення з зашифрованими даними для підтримки конфіденційності даних.

Революція обчислювальної потужності: AI-обчислення в децентралізованих мережах

Поточна обчислювальна складність AI-систем подвоюється кожні 3 місяці, що призводить до стрибка попиту на обчислювальні потужності, який значно перевищує наявні ресурси. Наприклад, для навчання великої мовної моделі потрібні величезні обчислювальні потужності, що еквівалентно 355 рокам навчання на одному пристрої. Така нестача обчислювальних потужностей не лише обмежує прогрес технологій AI, але й робить високорівневі AI-моделі недоступними для більшості дослідників і розробників.

У той же час, глобальне використання GPU становить менше 40%, а також уповільнення підвищення продуктивності мікропроцесорів і дефіцит чіпів, викликаний фактором постачання та геополітичною ситуацією, роблять проблему постачання обчислювальної потужності ще більш серйозною. Працівники в галузі штучного інтелекту опинилися в патовій ситуації: або купувати апаратуру, або орендувати хмарні ресурси, їм терміново потрібен економічно ефективний спосіб обчислень за вимогою.

Децентралізована мережа обчислювальної потужності AI шляхом агрегації світових вільних ресурсів GPU надає AI-компаніям економічно доступний ринок обчислювальної потужності. Сторони, які потребують обчислювальної потужності, можуть публікувати обчислювальні завдання в мережі, смарт-контракт розподіляє завдання між майнерами, які надають обчислювальну потужність, майнери виконують завдання та подають результати, після перевірки отримують бали як винагороду. Це рішення підвищує ефективність використання ресурсів і допомагає вирішити проблему вузьких місць обчислювальної потужності в таких сферах, як AI.

Окрім загальної децентралізованої обчислювальної мережі, існують також спеціалізовані обчислювальні мережі, що зосереджуються на навчанні та інференції ШІ. Децентралізована обчислювальна мережа забезпечує чесний та прозорий ринок обчислювальної потужності, руйнує монополії, знижує бар'єри для застосування та підвищує ефективність використання обчислювальних ресурсів. У екосистемі Web3 децентралізовані обчислювальні мережі відіграватимуть ключову роль, залучаючи більше інноваційних dapp для спільного просування розвитку та застосування технологій ШІ.

DePIN: Web3 надає можливості Edge AI

Edge AI дозволяє обробляти дані на місці їх виникнення, забезпечуючи низьку затримку та реальну обробку, водночас захищаючи конфіденційність користувачів. Технології Edge AI вже використовуються в таких ключових сферах, як автономне водіння. У сфері Web3 у нас є більш знайоме ім'я — DePIN. Web3 підкреслює децентралізацію та суверенітет даних користувачів, DePIN, обробляючи дані локально, посилює захист конфіденційності користувачів і зменшує ризики витоку даних; рідна токеноміка Web3 може стимулювати вузли DePIN надавати обчислювальні ресурси, створюючи сталу екосистему.

На даний момент DePIN швидко розвивається в екосистемі певного публічного блокчейну, стаючи одним з основних платформ для розгортання проектів. Висока TPS, низькі комісії за транзакції та технічні інновації цього публічного блокчейну надають потужну підтримку проектам DePIN. Наразі ринкова капіталізація проектів DePIN на цьому публічному блокчейні вже перевищила 10 мільярдів доларів США, і кілька відомих проектів досягли значного прогресу.

IMO：Випуск нової парадигми AI моделей

Концепція IMO передбачає токенізацію AI моделей. У традиційній моделі, через відсутність механізмів розподілу доходів, розробникам AI моделей важко отримувати постійний дохід від подальшого використання моделей, особливо коли моделі інтегруються в інші продукти та послуги. Крім того, продуктивність і ефективність AI моделей часто не є прозорими, що ускладнює потенційним інвесторам та користувачам оцінку їхньої справжньої вартості, що обмежує ринкове визнання моделей та їхній комерційний потенціал.

IMO надає нові фінансові підтримки та способи розподілу вартості для відкритих AI моделей, інвестори можуть купувати токени IMO та ділитися прибутком від подальших результатів моделі. Один з протоколів використовує специфічний стандарт ERC, поєднуючи AI оракули та технологію OPML для забезпечення достовірності AI моделей та можливості токенодержателів ділитися прибутком.

Модель IMO підвищує прозорість і довіру, заохочуючи відкриту співпрацю, адаптується до тенденцій криптовалютного ринку, надаючи імпульс для сталого розвитку технологій штучного інтелекту. IMO наразі перебуває на початковій стадії випробування, проте з підвищенням прийнятності на ринку та розширенням участі її інноваційність і потенційна цінність викликають очікування.

AI Агент: нова ера інтерактивного досвіду

AI Agent може сприймати навколишнє середовище, здійснювати незалежне мислення та вживати відповідних заходів для досягнення встановлених цілей. За підтримки великих мовних моделей, AI Agent не лише розуміє природну мову, але й може планувати рішення, виконувати складні завдання. Вони можуть виступати як віртуальні асистенти, навчаючись перевагам користувачів через взаємодію, надаючи персоналізовані рішення. Навіть без чітких вказівок, AI Agent також може самостійно вирішувати проблеми, підвищуючи ефективність і створюючи нову цінність.

Деяка платформа для AI-додатків надає повний набір зручних інструментів для створення, що дозволяє користувачам налаштовувати функції, зовнішній вигляд, голоси роботів, а також підключати зовнішні бази знань, прагнучи створити справедливу та відкриту екосистему контенту на основі AI, використовуючи технології генеративного AI, щоб надати можливості особам стати супер-креаторами. Ця платформа навчила спеціалізовану велику мовленнєву модель, що робить рольову гру більш гуманною; її технологія клонування голосу може прискорити персоналізацію взаємодії AI-продуктів, знижуючи витрати на синтез голосу на 99%, а клонування голосу можна виконати всього за 1 хвилину. Використовуючи AI-агента, налаштованого на цій платформі, наразі його можна застосовувати в різних сферах, таких як відеочат, вивчення мов, генерація зображень.

У злитті Web3 та ШІ наразі більше йдеться про дослідження інфраструктурного рівня, як отримувати якісні дані, захищати конфіденційність даних, як розміщувати моделі на ланцюгу, як підвищити ефективне використання децентралізованих обчислень, як перевіряти великі мовні моделі та інші ключові питання. З поступовим вдосконаленням цієї інфраструктури ми маємо підстави вірити, що злиття Web3 та ШІ стане основою для виникнення ряду інноваційних бізнес-моделей та послуг.