Слияние AI и Web3: создание инфраструктуры следующего поколения интернета

Web3 как новая парадигма интернета, децентрализованная, открытая и прозрачная, имеет естественные возможности для интеграции с ИИ. В традиционной централизованной архитектуре вычисления ИИ и ресурсы данных находятся под строгим контролем, что приводит к таким проблемам, как узкие места в вычислительной мощности, утечка конфиденциальности, черные ящики алгоритмов и многим другим вызовам. Web3, основанный на распределенных технологиях, может внести новый импульс в развитие ИИ через совместные вычислительные сети, открытые рынки данных, вычисления с учетом конфиденциальности и другие способы. В то же время, ИИ может предоставить множество возможностей для Web3, таких как оптимизация смарт-контрактов, алгоритмы борьбы с мошенничеством и т. д., что способствует его экосистемному строительству. Поэтому исследование сочетания Web3 и ИИ имеет решающее 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. Модели ИИ нуждаются в переваривании огромного объема качественных данных, чтобы получить глубокое понимание и мощные способности к рассуждению. Данные не только обеспечивают базу для обучения моделей машинного обучения, но и определяют точность и надежность моделей.

Традиционная централизованная модель получения и использования данных AI имеет следующие основные проблемы:

• Высокие затраты на получение данных, малым и средним предприятиям трудно их понести.
• Ресурсы данных монополизируются технологическими гигантами, образуя изолированные данные.
• Личная информация подвержена риску утечки и злоупотребления

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

• Сбор сетевых данных децентрализованным способом для предоставления реальных и высококачественных данных для обучения моделей ИИ.
• Используя модель "label to earn", мы стимулируем глобальных работников участвовать в аннотировании данных, собирая профессиональные знания со всего мира.
• Платформа торговли данными на блокчейне предоставляет открыенную и прозрачную торговую среду для сторон, предлагающих и нуждающихся в данных, стимулируя инновации и обмен данными.

Однако в реальном мире существуют некоторые проблемы с получением данных, такие как неоднородное качество данных, высокая сложность обработки, недостаток разнообразия и репрезентативности и т.д. Синтетические данные могут стать ярким моментом в будущем сегмента данных Web3. На основе генеративных технологий ИИ и моделирования синтетические данные могут имитировать свойства реальных данных, служа эффективным дополнением 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 показывают свой зрелый потенциал применения.

Защита конфиденциальности: Применение FHE в Web3

В эпоху данных защита конфиденциальности стала предметом глобального внимания. Принятие таких нормативных актов, как Общий регламент по защите данных (GDPR) Европейским Союзом, отражает строгую охрану 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 рассуждению ИИ моделей.

FHE это полностью гомоморфное шифрование, которое позволяет выполнять вычисления непосредственно на зашифрованных данных, не требуя их расшифровки, и результаты вычислений совпадают с результатами тех же вычислений на открытых данных.

FHE обеспечивает надежную защиту для вычислений с приватностью ИИ, позволяя вычислительной мощности GPU выполнять задачи обучения и вывода моделей в среде, не касаясь исходных данных. Это приносит огромные преимущества компаниям в области ИИ. Они могут безопасно открывать API-сервисы, защищая при этом коммерческую тайну.

FHEML поддерживает шифрование данных и моделей на протяжении всего цикла машинного обучения, обеспечивая безопасность конфиденциальной информации и предотвращая риск утечки данных. Таким образом, FHEML усиливает конфиденциальность данных и предоставляет безопасную вычислительную среду для приложений ИИ.

FHEML является дополнением к ZKML, ZKML доказывает правильное выполнение машинного обучения, а FHEML подчеркивает необходимость вычислений с зашифрованными данными для обеспечения конфиденциальности данных.

Революция вычислительной мощности: AI-вычисления в децентрализованных сетях

Текущая вычислительная сложность систем ИИ удваивается каждые 3 месяца, что приводит к резкому увеличению потребности в вычислительной мощности, значительно превышающей поставки существующих вычислительных ресурсов. Например, для обучения крупной языковой модели известной компании ИИ требуется огромная вычислительная мощность, эквивалентная 355 годам обучения на одном устройстве. Такой дефицит вычислительной мощности не только ограничивает прогресс технологий ИИ, но и делает такие продвинутые модели ИИ недоступными для большинства исследователей и разработчиков.

В то же время глобальная загрузка графических процессоров составляет менее 40%, а также замедление повышения производительности микропроцессоров и нехватка чипов, вызванная факторами цепочки поставок и геополитики, усугубляют проблему поставки вычислительных мощностей. Профессионалы в области ИИ оказались в двусмысленном положении: либо приобретать оборудование, либо арендовать облачные ресурсы, и им срочно нужен экономически эффективный сервис вычислений по запросу.

Децентрализованная сеть вычислительных мощностей на базе ИИ объединяет неиспользуемые GPU-ресурсы по всему миру, предоставляя ИИ-компаниям экономичный и доступный рынок вычислительных мощностей. Стороны, нуждающиеся в вычислительных мощностях, могут размещать вычислительные задачи в сети, смарт-контракты распределяют задачи между узлами-майнерами, предоставляющими вычислительные мощности. Майнеры выполняют задачи и отправляют результаты, которые после проверки получают вознаграждение в виде баллов. Данная схема повышает эффективность использования ресурсов и помогает решить проблему узких мест в вычислительных мощностях в таких областях, как ИИ.

Помимо универсальной децентрализованной вычислительной сети, существуют платформы, сосредоточенные на обучении ИИ, а также специализированные вычислительные сети, ориентированные на вывод ИИ.

Децентрализованная вычислительная сеть предоставляет справедливый и прозрачный рынок вычислительной мощности, разрывая монополию, снижая порог доступа к приложениям и повышая эффективность использования вычислительной мощности. В экосистеме web3 децентрализованная вычислительная сеть будет играть ключевую роль, привлекая больше инновационных dapp, совместно продвигая развитие и применение технологий ИИ.

DePIN: Web3 наделяет Edge AI возможностями

Представьте себе, что ваш телефон, умные часы и даже умные устройства в вашем доме обладают возможностью работы с ИИ — вот в чем прелесть 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 знакомое имя — DePIN. Web3 подчеркивает децентрализацию и суверенитет пользовательских данных, а DePIN, обрабатывая данные локально, может усилить защиту конфиденциальности пользователей и снизить риски утечки данных; родная токеномика Web3 может стимулировать узлы DePIN предоставлять вычислительные ресурсы и строить устойчивую экосистему.

В настоящее время DePIN быстро развивается в экосистеме одной из публичных блокчейнов и становится одной из предпочтительных платформ для развертывания проектов. Высокая пропускная способность TPS, низкие транзакционные издержки и технологические инновации этой публичной цепи предоставляют мощную поддержку проектам DePIN. В настоящее время рыночная капитализация проектов DePIN на этой публичной цепи превышает 10 миллиардов долларов, и некоторые известные проекты уже достигли значительного прогресса.

IMO: Новый парадигма выпуска AI-моделей

Концепция IMO была впервые предложена в рамках определённого протокола, который предполагает токенизацию моделей ИИ.

В традиционной модели, из-за отсутствия механизма распределения доходов, как только AI-модель разработана и выведена на рынок, разработчики часто сталкиваются с трудностями в получении устойчивого дохода от последующего использования модели, особенно когда модель интегрируется в другие продукты и услуги. Оригинальным создателям сложно отслеживать использование, не говоря уже о получении прибыли. Кроме того, производительность и эффективность AI-моделей часто не прозрачны, что затрудняет потенциальным инвесторам и пользователям оценку их истинной ценности, ограничивая рыночное признание модели и коммерческий потенциал.

IMO предоставляет новый способ финансовой поддержки и распределения ценности для открытых AI моделей, инвесторы могут приобретать токены IMO и делиться доходами, полученными от модели в будущем. Протокол использует два стандарта ERC, сочетая AI оракул и технологию OPML для обеспечения подлинности AI моделей и возможности держателей токенов делиться доходами.

Модель IMO усиливает прозрачность и доверие, поощряет сотрудничество с открытым исходным кодом, адаптируется к тенденциям крипто-рынка и способствует устойчивому развитию технологий ИИ. IMO в настоящее время находится на начальной стадии испытаний, но с увеличением уровня принятия на рынке и расширением круга участников его инновации и потенциальная ценность заслуживают нашего ожидания.

AI Agent: Новая эра взаимодействия

AI-агент способен воспринимать окружающую среду, независимо мыслить и предпринимать соответствующие действия для достижения поставленных целей. С поддержкой больших языковых моделей, AI-агент не только понимает естественный язык, но и планирует решения, выполняет сложные задачи. Они могут выступать в качестве виртуальных помощников, обучаясь предпочтениям пользователей через взаимодействие и предоставляя персонализированные решения. Даже без четких инструкций AI-агент может самостоятельно решать проблемы, повышать эффективность и создавать новую ценность.

Некоторая AI-родная платформа приложений предлагает полный и удобный набор инструментов для создания, поддерживающий пользователей в конфигурации функций робота, внешнего вида, голоса, а также в подключении внешних баз знаний, стремясь создать справедливую и открытую экосистему AI-контента, используя генеративные AI-технологии, которые позволяют людям стать супер-креаторами. Эта платформа обучила специализированную языковую модель, что делает ролевые игры более человечными; технология клонирования голоса может ускорить индивидуализированное взаимодействие AI-продуктов, снизив стоимость синтеза голоса на 99%, клонирование голоса можно осуществить всего за 1 минуту. Используя настроенного AI-агента этой платформы, в настоящее время его можно применять в таких областях, как видеочат, изучение языков, генерация изображений и многих других.

В интеграции Web3 и ИИ в настоящее время больше внимания уделяется исследованию инфраструктурного уровня, таким ключевым вопросам, как получение качественных данных, защита конфиденциальности данных, размещение моделей на блокчейне, эффективное использование децентрализованных вычислительных мощностей и верификация больших языковых моделей. По мере постепенного совершенствования этой инфраструктуры у нас есть основания полагать, что интеграция Web3 и ИИ приведет к появлению ряда инновационных бизнес-моделей и услуг.