Penggabungan Web3 dan AI: Membangun Infrastruktur Internet Generasi Berikutnya

Web3 sebagai paradigma internet baru yang terdesentralisasi, terbuka, dan transparan, memiliki peluang integrasi yang alami dengan AI. Dalam arsitektur terpusat yang tradisional, komputasi dan sumber daya data AI berada di bawah kontrol yang ketat, dan menghadapi banyak tantangan seperti batasan 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, dan komputasi privasi. Pada saat yang sama, AI juga dapat memberikan banyak pemberdayaan bagi Web3, seperti optimasi kontrak pintar, algoritma anti-kecurangan, dan lain-lain, yang mendukung pembangunan ekosistemnya. Oleh karena itu, menjelajahi kombinasi antara Web3 dan AI sangat penting untuk membangun infrastruktur internet generasi berikutnya dan melepaskan nilai data serta daya komputasi.

Data-driven: Dasar yang Kuat untuk AI dan Web3

Data adalah kekuatan pendorong utama perkembangan AI, seperti halnya bahan bakar bagi mesin. Model AI perlu mencerna sejumlah besar data berkualitas tinggi untuk mendapatkan pemahaman mendalam dan kemampuan penalaran yang kuat. Data tidak hanya memberikan dasar pelatihan bagi model pembelajaran mesin, tetapi juga menentukan akurasi dan keandalan model.

Dalam pola pengambilan dan pemanfaatan data AI terpusat yang tradisional, terdapat beberapa masalah utama berikut:

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

Web3 dapat mengatasi titik nyeri dari model tradisional dengan paradigma data terdesentralisasi yang baru.

• Mengambil data jaringan secara terdesentralisasi, setelah dibersihkan dan diubah, untuk menyediakan data yang nyata dan berkualitas tinggi untuk pelatihan model AI;
• Mengadopsi model "penghasilan melalui penandaan", dengan mendorong pekerja di seluruh dunia untuk berpartisipasi dalam penandaan data, mengumpulkan pengetahuan profesional global, dan meningkatkan kemampuan analisis data;
• Platform perdagangan data blockchain menyediakan lingkungan perdagangan yang terbuka dan transparan bagi kedua belah pihak yang membutuhkan data, mendorong inovasi dan berbagi data.

Meskipun demikian, ada beberapa masalah dalam pengambilan data dunia nyata, seperti kualitas data yang bervariasi, kesulitan dalam 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 mobil otonom, perdagangan pasar keuangan, dan pengembangan permainan, data sintetis telah menunjukkan potensi aplikasi yang matang.

Perlindungan Privasi: Peran FHE dalam Web3

Di era yang didorong oleh data, perlindungan privasi telah menjadi fokus perhatian global. Pembuatan regulasi seperti Peraturan Perlindungan Data Umum Uni Eropa (GDPR) mencerminkan perlindungan ketat terhadap privasi individu. Namun, ini juga membawa tantangan: beberapa data sensitif tidak dapat dimanfaatkan sepenuhnya karena risiko privasi, yang jelas membatasi potensi dan kemampuan penalaran model AI.

FHE adalah enkripsi homomorfik penuh, yang memungkinkan operasi perhitungan langsung pada data terenkripsi tanpa perlu mendekripsi data, dan hasil perhitungan tersebut konsisten dengan hasil perhitungan yang dilakukan pada data plaintext.

FHE memberikan perlindungan yang kuat untuk komputasi privasi AI, memungkinkan kekuatan GPU untuk menjalankan tugas pelatihan model dan inferensi dalam lingkungan yang tidak menyentuh data asli. Ini memberikan keuntungan besar bagi perusahaan AI. Mereka dapat membuka layanan API dengan aman sambil melindungi rahasia dagang.

FHEML mendukung pemrosesan data dan model yang dienkripsi 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 machine learning yang benar, sedangkan FHEML menekankan perhitungan pada data terenkripsi untuk menjaga privasi data.

Revolusi Kekuatan: Komputasi AI dalam Jaringan Terdesentralisasi

Kompleksitas komputasi sistem AI saat ini menggandakan setiap 3 bulan, menyebabkan permintaan daya komputasi melonjak, jauh melebihi pasokan sumber daya komputasi yang ada. Misalnya, pelatihan model bahasa besar dari suatu perusahaan AI terkenal memerlukan daya komputasi yang sangat besar, setara dengan 355 tahun waktu pelatihan di satu perangkat. Kekurangan daya komputasi semacam ini tidak hanya membatasi kemajuan teknologi AI, tetapi juga membuat model AI tingkat tinggi menjadi sulit dijangkau bagi sebagian besar peneliti dan pengembang.

Sementara itu, tingkat pemanfaatan 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 parah. Para profesional AI terjebak dalam dilema: membeli perangkat keras sendiri atau menyewa sumber daya cloud, mereka sangat membutuhkan cara layanan komputasi yang ekonomis dan sesuai permintaan.

Jaringan komputasi AI terdesentralisasi menggabungkan sumber daya GPU yang tidak terpakai di seluruh dunia, menyediakan pasar komputasi yang ekonomis dan mudah diakses untuk perusahaan AI. Pihak yang membutuhkan komputasi dapat memposting tugas komputasi di jaringan, dan kontrak pintar akan mendistribusikan tugas tersebut kepada node penambang yang menyumbangkan daya komputasi. Penambang melaksanakan tugas dan mengirimkan hasilnya, dan setelah diverifikasi, mereka mendapatkan imbalan poin. Solusi ini meningkatkan efisiensi penggunaan sumber daya dan membantu mengatasi masalah kekurangan daya komputasi di bidang AI dan lainnya.

Selain jaringan komputasi terdesentralisasi 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 penggunaan daya komputasi. Dalam ekosistem web3, jaringan komputasi terdesentralisasi akan memainkan peran kunci, menarik lebih banyak dapp inovatif untuk bergabung, bersama-sama mendorong perkembangan dan penerapan teknologi AI.

DePIN: Web3 Memberdayakan Edge AI

Bayangkan, ponsel Anda, jam tangan pintar, bahkan perangkat pintar di rumah Anda, semuanya memiliki kemampuan untuk menjalankan AI—itulah daya tarik Edge AI. Ini memungkinkan pemrosesan terjadi di titik asal data, menghasilkan latensi rendah dan pemrosesan waktu nyata, sekaligus melindungi privasi pengguna. Teknologi Edge AI telah diterapkan di bidang-bidang kunci seperti kendaraan otonom.

Di bidang Web3, kita memiliki nama yang lebih dikenal—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 blockchain publik tertentu, menjadi salah satu platform blockchain publik pilihan untuk penyebaran 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 AS, dan beberapa proyek terkenal telah mencapai kemajuan yang signifikan.

IMO：AI model merilis paradigma baru

Konsep IMO pertama kali diusulkan oleh suatu protokol, yang men-tokenisasi model AI.

Dalam model tradisional, karena kurangnya mekanisme berbagi keuntungan, setelah model AI dikembangkan dan diluncurkan ke pasar, pengembang seringkali kesulitan untuk mendapatkan keuntungan yang berkelanjutan dari penggunaan model tersebut, terutama ketika model tersebut diintegrasikan ke dalam produk dan layanan lain, pencipta asli sulit untuk melacak penggunaan, apalagi mendapatkan keuntungan dari situ tersebut. Selain itu, kinerja dan efektivitas model AI sering kali kurang transparan, yang menyulitkan investor dan pengguna potensial untuk menilai nilai sebenarnya, membatasi pengakuan pasar dan potensi bisnis model tersebut.

IMO menyediakan cara baru untuk mendukung pendanaan dan berbagi nilai bagi model AI sumber terbuka, di mana investor dapat membeli token IMO dan berbagi pendapatan yang dihasilkan oleh model di kemudian hari. Protokol tertentu menggunakan dua standar ERC, menggabungkan oracle AI Onchain dan teknologi OPML untuk memastikan keaslian model AI dan pemegang token dapat berbagi pendapatan.

Model IMO meningkatkan transparansi dan kepercayaan, mendorong kolaborasi sumber terbuka, beradaptasi dengan tren pasar kripto, dan memberikan dorongan untuk pengembangan teknologi AI yang berkelanjutan. IMO saat ini masih dalam tahap percobaan awal, tetapi seiring dengan meningkatnya penerimaan pasar dan meluasnya partisipasi, inovasi dan nilai potensialnya patut kita nantikan.

Agen AI: Era Baru Pengalaman Interaksi

Agen AI dapat merasakan lingkungan, berpikir secara mandiri, dan mengambil tindakan sesuai untuk mencapai tujuan yang ditetapkan. Dengan dukungan model bahasa besar, Agen AI tidak hanya dapat memahami bahasa alami, tetapi juga merencanakan keputusan dan menjalankan tugas-tugas kompleks. Mereka dapat bertindak sebagai asisten virtual, belajar dari interaksi dengan pengguna tentang preferensi mereka, dan memberikan solusi yang dipersonalisasi. Tanpa instruksi yang jelas, Agen AI juga dapat secara mandiri memecahkan masalah, meningkatkan efisiensi, dan menciptakan nilai baru.

Sebuah platform aplikasi AI asli menawarkan kumpulan alat kreasi yang komprehensif dan mudah digunakan, mendukung pengguna untuk mengonfigurasi fungsi robot, penampilan, suara, serta menghubungkan ke basis pengetahuan eksternal, berkomitmen untuk menciptakan ekosistem konten AI yang adil dan terbuka. Dengan memanfaatkan teknologi AI generatif, platform ini memberdayakan individu untuk menjadi pencipta super. Platform ini telah melatih model bahasa besar yang dirancang khusus, membuat peran bermain menjadi lebih manusiawi; teknologi kloning suara dapat mempercepat interaksi produk AI yang dipersonalisasi, mengurangi biaya sintesis suara sebesar 99%, kloning suara hanya memerlukan 1 menit untuk direalisasikan. Dengan AI Agent yang disesuaikan di platform ini, saat ini dapat diterapkan di berbagai bidang seperti obrolan video, pembelajaran bahasa, dan pembuatan gambar.

Dalam penggabungan Web3 dan AI, saat ini lebih banyak eksplorasi pada lapisan infrastruktur, bagaimana mendapatkan data berkualitas tinggi, melindungi privasi data, bagaimana mengelola model di blockchain, bagaimana meningkatkan penggunaan daya komputasi terdesentralisasi secara efisien, dan bagaimana memverifikasi model bahasa besar serta masalah kunci lainnya. Dengan perbaikan bertahap dari infrastruktur ini, kita memiliki alasan untuk percaya bahwa penggabungan Web3 dan AI akan melahirkan serangkaian model bisnis dan layanan inovatif.