Слияние Web3 и ИИ: построение инфраструктуры следующего поколения интернета

Web3 как новая интернет-парадигма, основанная на децентрализации, открытости и прозрачности, имеет естественную возможность интеграции с ИИ. В традиционной централизованной архитектуре вычисления ИИ и ресурсы данных находятся под строгим контролем, и существует множество проблем, таких как узкие места вычислительной мощности, утечка конфиденциальной информации, черные ящики алгоритмов и т. д. В то же время Web3, основанный на распределенных технологиях, может привнести новую динамику в развитие ИИ через сетевое распределение вычислительной мощности, открытые рынки данных и приватные вычисления. Также ИИ может предоставить Web3 множество возможностей, таких как оптимизация смарт-контрактов и алгоритмы противодействия мошенничеству, что способствует строительству его экосистемы. Таким образом, исследование сочетания Web3 и ИИ имеет решающее значение для создания инфраструктуры следующего поколения интернета и раскрытия ценности данных и вычислительной мощности.

Данные как основа: надежная база для AI и Web3

Данные являются основной движущей силой развития ИИ, как топливо для двигателя. Модели ИИ нуждаются в обработке большого объема высококачественных данных, чтобы получить глубокое понимание и мощные способности к рассуждению. Данные не только предоставляют основу для обучения моделей машинного обучения, но и определяют точность и надежность моделей.

В традиционной централизованной модели получения и использования данных ИИ существуют несколько основных проблем:

• Высокая стоимость получения данных, малым и средним предприятиям трудно справиться с этим;
• Данные ресурсы монополизируются технологическими гигантами, что приводит к образованию изолированных данных;
• Личная информация подвержена риску утечки и злоупотребления

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

• С помощью децентрализованного способа сбора сетевых данных, после очистки и преобразования, предоставить реальные и качественные данные для обучения AI-моделей;
• Используя режим "Заработок на разметке", мы стимулируем работников по всему миру участвовать в разметке данных, объединяя профессиональные знания со всего мира и усиливая аналитические возможности данных;
• Платформа торговли данными на блокчейне предоставляет открыенную и прозрачную торговую среду для обеих сторон спроса и предложения данных, стимулируя инновации и обмен данными.

Тем не менее, в получении данных из реального мира также существуют некоторые проблемы, такие как неоднородное качество данных, высокая сложность обработки, недостаток разнообразия и представительности и т.д. Синтетические данные могут стать звездой будущего сектора данных Web3. Основанные на технологиях генеративного ИИ и моделирования, синтетические данные способны имитировать свойства реальных данных, служа эффективным дополнением к ним и повышая эффективность использования данных. В таких областях, как автономное вождение, торговля на финансовых рынках, разработка игр и т.д., синтетические данные уже продемонстрировали свой зрелый потенциал применения.

! Узнайте о шести основных интеграциях AI и Web3

Защита конфиденциальности: Роль FHE в Web3

В эпоху, управляемую данными, защита конфиденциальности стала глобальным центром внимания. Принятие таких нормативных актов, как Общий регламент по защите данных (GDPR) Европейским Союзом, отражает строгую защиту 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 способности моделирования ИИ.

FHE, или полное гомоморфное шифрование, позволяет выполнять вычислительные операции непосредственно над зашифрованными данными, не раскрывая их, при этом результаты вычислений совпадают с результатами тех же вычислений, выполненных над открытыми данными.

FHE обеспечивает надежную защиту для вычислений с учетом приватности AI, позволяя вычислительной мощности GPU выполнять задачи обучения моделей и вывода в среде, не затрагивающей исходные данные. Это дает огромные преимущества компаниям в области AI. Они могут безопасно открывать API-сервисы, защищая при этом коммерческие секреты.

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

FHEML является дополнением к ZKML, ZKML доказывает правильность выполнения машинного обучения, в то время как FHEML подчеркивает необходимость выполнения вычислений на зашифрованных данных для обеспечения конфиденциальности данных.

Революция вычислительной мощности: ИИ-вычисления в децентрализованных сетях

Текущая вычислительная сложность AI-систем удваивается каждые 3 месяца, что приводит к резкому увеличению потребности в вычислительной мощности, значительно превышающей доступные ресурсы. Например, обучение крупной языковой модели известной AI-компании требует огромной вычислительной мощности, эквивалентной 355 годам обучения на одном устройстве. Такой дефицит вычислительной мощности не только ограничивает прогресс технологий AI, но и делает эти продвинутые AI-модели недоступными для большинства исследователей и разработчиков.

В то же время, глобальная загрузка GPU составляет менее 40%, что наряду с замедлением повышения производительности микропроцессоров и нехваткой чипов, вызванной факторами цепочки поставок и геополитики, усугубляет проблему предложения вычислительных мощностей. Профессионалы в области ИИ оказались в затруднительном положении: им приходится либо приобретать оборудование, либо арендовать облачные ресурсы, и им срочно нужен способ вычислительных услуг по запросу и экономически эффективный.

Децентрализованная сеть вычислительных мощностей на основе ИИ, агрегируя неиспользуемые GPU-ресурсы по всему миру, предоставляет ИИ-компаниям экономичный и доступный рынок вычислительных мощностей. Запрашивающие вычислительные мощности могут размещать вычислительные задания в сети, и смарт-контракты распределяют задания между майнерами, которые предоставляют вычислительные мощности. Майнеры выполняют задания и отправляют результаты, которые после проверки получают вознаграждение в виде баллов. Эта схема повышает эффективность использования ресурсов и помогает решить проблемы узких мест в вычислительных мощностях в таких областях, как ИИ.

Помимо общего децентрализованного вычислительного сетевого, существуют платформы, сосредоточенные на обучении ИИ, а также специализированные вычислительные сети, ориентированные на вывод ИИ.

Децентрализованная сеть вычислительной мощности предоставляет справедливый и прозрачный рынок вычислительной мощности, разрушая монополию, снижая пороги для приложений и повышая эффективность использования вычислительной мощности. В экосистеме web3 децентрализованная сеть вычислительной мощности будет играть ключевую роль, привлекая больше инновационных dapp для совместного продвижения развития и применения технологий ИИ.

DePIN: Web3, наделяющий Edge AI возможностями

Представьте себе, что ваш мобильный телефон, умные часы и даже умные устройства в вашем доме обладают возможностью работы с ИИ — в этом и заключается魅力 Edge AI. Он позволяет вычислениям происходить на месте возникновения 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 улучшить защиту конфиденциальности пользователей и снизить риск утечки данных; родная токеномика Web3 может стимулировать узлы DePIN предоставлять вычислительные ресурсы, создавая устойчивую экосистему.

В настоящее время DePIN быстро развивается в экосистеме определенного публичного блокчейна и стал одной из предпочтительных платформ для развертывания проектов. Высокая TPS, низкие транзакционные расходы и технологические инновации этого публичного блокчейна предоставляют мощную поддержку проектам DePIN. В настоящее время рыночная капитализация проектов DePIN на этом публичном блокчейне превышает 10 миллиардов долларов, 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 разрабатывается и выходит на рынок, разработчикам часто трудно получать постоянный доход от последующего использования модели, особенно когда модель интегрируется в другие продукты и услуги. Исходным создателям сложно отслеживать использование, не говоря уже о получении дохода. Кроме того, производительность и эффективность AI-моделей часто не прозрачны, что затрудняет потенциальным инвесторам и пользователям оценку их истинной ценности, ограничивая рыночное признание и коммерческий потенциал модели.

IMO предоставляет новый способ финансирования и совместного использования ценностей для открытых AI моделей. Инвесторы могут приобретать токены IMO и делиться доходами, полученными от последующего использования моделей. Некоторый протокол использует два стандарта ERC, сочетая AI оракулы (Onchain AI Oracle) и технологию OPML, чтобы обеспечить достоверность AI моделей и возможность держателей токенов делиться доходами.

Модель IMO увеличивает прозрачность и доверие, поощряет открытое сотрудничество, адаптируется к тенденциям крипторынка и вносит вклад в устойчивое развитие технологий ИИ. IMO в настоящее время находится на стадии первоначальных испытаний, но с увеличением принятия на рынке и расширением круга участников, ее инновационность и потенциальная ценность вызывают у нас ожидание.

AI Агент: новая эра взаимодействия

AI Агенты могут воспринимать окружающую среду, осуществлять независимое мышление и предпринимать соответствующие действия для достижения поставленных целей. С поддержкой больших языковых моделей AI Агенты не только понимают естественный язык, но и планируют принятие решений, выполняют сложные задачи. Они могут выступать в роли виртуальных помощников, обучаясь предпочтениям пользователей через взаимодействие и предоставляя персонализированные решения. Даже без четких инструкций AI Агенты могут самостоятельно решать проблемы, повышать эффективность и создавать новую ценность.

Некоторый AI-родной платформы приложений предлагает полный и удобный набор инструментов для создания, поддерживающий пользователей в настройке функций робота, внешнего вида, голоса и соединения с внешними базами знаний, стремясь создать справедливую и открытую экосистему контента AI, используя технологии генеративного AI, чтобы наделить личность суперсоздателя. Эта платформа обучила специализированную языковую модель, что делает ролевые игры более человечными; технологии клонирования голоса могут ускорить индивидуальное взаимодействие AI-продуктов, снизив стоимость синтеза голоса на 99%, клонирование голоса можно осуществить всего за 1 минуту. С использованием AI-агента, настроенного на этой платформе, в настоящее время можно применять в таких областях, как видеочат, изучение языков, генерация изображений и др.

В интеграции Web3 и ИИ в настоящее время больше внимания уделяется исследованию инфраструктурного уровня, таким ключевым вопросам, как получение качественных данных, защита конфиденциальности данных, управление моделями на блокчейне, повышение эффективного использования 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 возникновению ряда инновационных бизнес-моделей и услуг.