Perpaduan Web3 dan AI: Membangun Infrastruktur Internet Generasi Berikutnya

Web3 sebagai paradigma internet baru yang terdesentralisasi, terbuka, dan transparan, memiliki potensi integrasi yang alami dengan AI. Di bawah arsitektur terpusat tradisional, komputasi AI dan sumber daya data berada di bawah kontrol ketat, menghadapi banyak tantangan seperti bottleneck daya komputasi, kebocoran privasi, dan kotak hitam algoritma. Sementara itu, Web3 yang berbasis teknologi terdistribusi dapat memberikan dorongan baru untuk pengembangan AI melalui jaringan berbagi daya komputasi, pasar data terbuka, komputasi privasi, dan cara lainnya. Pada saat yang sama, AI juga dapat memberikan banyak pemberdayaan bagi ekosistem Web3, seperti optimasi kontrak pintar dan algoritma anti-kecurangan. Oleh karena itu, menjelajahi kombinasi Web3 dan AI sangat penting untuk membangun infrastruktur internet generasi berikutnya, serta melepaskan nilai data dan daya komputasi.

Data yang Didorong: Dasar yang Kuat untuk AI dan Web3

Data adalah kekuatan pendorong inti dalam pengembangan AI. Model AI perlu mencerna sejumlah besar data berkualitas tinggi untuk memperoleh pemahaman yang mendalam dan kemampuan penalaran yang kuat. Data tidak hanya menyediakan dasar pelatihan untuk model pembelajaran mesin, tetapi juga menentukan akurasi dan keandalan model.

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

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

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

• Pengguna dapat menjual jaringan yang tidak terpakai kepada perusahaan AI, secara terdesentralisasi mengambil data jaringan 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 pelabelan data, mengumpulkan pengetahuan profesional global, dan meningkatkan kemampuan analisis data.
• Platform perdagangan data blockchain menyediakan lingkungan perdagangan yang terbuka dan transparan untuk kedua belah pihak yang membutuhkan dan menyediakan data, mendorong inovasi dan berbagi data.

Meskipun demikian, pengambilan data di dunia nyata masih menghadapi masalah seperti kualitas data yang bervariasi, kesulitan pemrosesan, serta kurangnya keragaman dan representativitas. Data sintetis mungkin menjadi bintang masa depan di jalur data Web3. Berdasarkan teknologi AI generatif dan simulasi, data sintetis dapat meniru atribut data nyata, sebagai pelengkap yang efektif untuk data nyata, meningkatkan efisiensi penggunaan data. Dalam bidang seperti kendaraan otonom, perdagangan pasar keuangan, dan pengembangan permainan, data sintetis telah menunjukkan potensi aplikasi yang matang.

Perlindungan Privasi: Peran FHE dalam Web3

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

FHE adalah enkripsi homomorfik penuh, yang memungkinkan operasi perhitungan dilakukan langsung pada data terenkripsi 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 model dan tugas inferensi dalam lingkungan yang tidak menyentuh data mentah. Ini memberikan keuntungan besar bagi perusahaan AI, yang dapat membuka layanan API dengan aman sambil melindungi rahasia dagang.

FHEML mendukung pengolahan data dan model yang 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, di mana ZKML membuktikan pelaksanaan mesin pembelajaran yang benar, sedangkan FHEML menekankan perhitungan pada data terenkripsi untuk menjaga privasi data.

Revolusi Kekuatan: Komputasi AI dalam Jaringan Terdesentralisasi

Kompleksitas perhitungan sistem AI saat ini meningkat dua kali lipat setiap 3 bulan, yang menyebabkan lonjakan permintaan daya komputasi, jauh melampaui pasokan sumber daya komputasi yang ada. Misalnya, pelatihan model bahasa besar dari sebuah perusahaan AI memerlukan daya komputasi yang sangat besar, setara dengan waktu pelatihan 355 tahun di satu perangkat. Kekurangan daya komputasi semacam ini tidak hanya membatasi kemajuan teknologi AI, tetapi juga membuat model AI tingkat lanjut menjadi tidak terjangkau bagi sebagian besar peneliti dan pengembang.

Sementara itu, penggunaan 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 menjadi semakin serius. Para praktisi AI terjebak dalam dilema: harus membeli perangkat keras sendiri atau menyewa sumber daya cloud, mereka sangat membutuhkan cara layanan komputasi yang sesuai permintaan dan hemat biaya.

Sebuah jaringan komputasi AI terdesentralisasi mengumpulkan sumber daya GPU yang tidak terpakai di seluruh dunia, menyediakan pasar komputasi yang mudah diakses secara ekonomi bagi perusahaan AI. Pihak yang membutuhkan komputasi dapat memposting tugas di jaringan, kontrak pintar akan membagikan tugas kepada node penambang yang berkontribusi pada komputasi, penambang melaksanakan tugas dan mengirimkan hasilnya, setelah diverifikasi mereka mendapatkan imbalan poin. Solusi ini meningkatkan efisiensi penggunaan sumber daya dan membantu mengatasi masalah bottleneck 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, menurunkan ambang aplikasi, dan meningkatkan efisiensi pemanfaatan 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, jam tangan pintar, bahkan perangkat pintar di rumah Anda, semuanya memiliki kemampuan untuk menjalankan AI—itulah pesona Edge AI. Ini memungkinkan komputasi terjadi di sumber data, mewujudkan latensi rendah dan pemrosesan waktu nyata, sambil melindungi privasi pengguna. Teknologi Edge AI telah diterapkan di bidang-bidang penting seperti kendaraan otonom.

Di bidang Web3, kita memiliki nama yang lebih akrab—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 salah satu blockchain publik, menjadi salah satu platform blockchain publik pilihan untuk penggelaran proyek. TPS tinggi, biaya transaksi rendah, dan inovasi teknologi dari blockchain publik ini memberikan dukungan kuat bagi proyek DePIN. Saat ini, nilai pasar proyek DePIN di blockchain publik ini telah melebihi 10 miliar dolar, dan beberapa proyek terkenal telah mencapai kemajuan signifikan.

IMO：AI model merilis paradigma baru

Konsep IMO pertama kali diusulkan oleh suatu protokol untuk mendelegasikan model AI.

Dalam mode tradisional, karena kurangnya mekanisme berbagi keuntungan, pengembang model AI 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 seringkali kurang transparan, yang membuat calon investor dan pengguna kesulitan untuk mengevaluasi 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 depan. Protokol tertentu menggunakan dua standar ERC, menggabungkan oracle AI dan teknologi OPML untuk memastikan keaslian model AI dan pemegang token dapat berbagi keuntungan.

Model 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 meningkatnya penerimaan pasar dan meluasnya partisipasi, inovasi dan nilai potensialnya sangat diharapkan.

AI Agent: Era Baru Pengalaman Interaktif

Agen AI dapat merasakan lingkungan, berpikir secara mandiri, 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 memberikan solusi yang dipersonalisasi. Bahkan tanpa instruksi yang jelas, Agen AI juga dapat secara mandiri menyelesaikan masalah, meningkatkan efisiensi, dan menciptakan nilai baru.

Sebuah platform aplikasi AI terbuka yang asli menyediakan kumpulan alat kreatif yang komprehensif dan mudah digunakan, mendukung pengguna untuk mengonfigurasi fungsi, penampilan, suara robot, 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 melatih model bahasa besar yang khusus, menjadikan peran bermain lebih manusiawi; teknologi kloning suara dapat mempercepat interaksi personalisasi produk AI, mengurangi biaya sintesis suara hingga 99%, 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 memperoleh data berkualitas tinggi, melindungi privasi data, bagaimana mengelola model di blockchain, bagaimana meningkatkan penggunaan daya komputasi terdesentralisasi yang efisien, dan bagaimana memverifikasi model bahasa besar dan masalah kunci lainnya. Seiring perbaikan bertahap infrastruktur ini, kita memiliki alasan untuk percaya bahwa penggabungan Web3 dan AI akan melahirkan serangkaian model bisnis dan layanan inovatif.