Злиття Web3 та AI: побудова інфраструктури наступного покоління Інтернету

Web3 як нова декентралізована, відкрита та прозора парадигма Інтернету має природну можливість інтеграції з ІІ. У традиційній централізованій архітектурі обчислення ІІ і ресурси даних підлягають суворому контролю, і існує безліч викликів, таких як обмеження обчислювальної потужності, витоку конфіденційності та чорні ящики алгоритмів. Web3, базуючись на розподілених технологіях, може надати нову енергію розвитку ІІ через спільні мережі обчислювальної потужності, відкриті ринки даних, обчислення з конфіденційністю та інші способи. Водночас ІІ може надати багато можливостей для Web3, таких як оптимізація смарт-контрактів, алгоритми протидії шахрайству тощо, сприяючи його екосистемному розвитку. Тому дослідження поєднання Web3 та ІІ є надзвичайно важливим для побудови інфраструктури наступного покоління Інтернету та вивільнення цінності даних і обчислювальної потужності.

Дані, що керують: міцний фундамент AI та Web3

Дані є основною рушійною силою розвитку ШІ, так само, як паливо для двигуна. Моделям ШІ потрібно обробити велику кількість 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 і надійність моделей.

У традиційній централізованій моделі збору та використання даних AI існують такі основні проблеми:

• Витрати на отримання даних є високими, і малим та середнім підприємствам важко їх покрити;
• 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.

• Отримання даних з мережі децентралізованим способом, їх очищення та перетворення для забезпечення реальних і високоякісних даних для навчання AI-моделей;
• Використання моделі "заробітку на позначках", яка стимулює глобальних працівників брати участь у позначенні даних, об'єднуючи професійні знання з усього світу та підвищуючи аналітичні можливості даних;
• Блокчейн платформа для торгівлі даними забезпечує відкритий і прозорий торговельний простір для обох сторін попиту і пропозиції даних, стимулюючи інновації та обмін даними.

Хоча є деякі проблеми з отриманням даних з реального світу, такі як нерівна якість даних, складність обробки, недостатня різноманітність та репрезентативність. Синтетичні дані можуть стати зіркою майбутнього сектора даних Web3. На основі технології генеративного ШІ та моделювання, синтетичні дані можуть імітувати властивості реальних даних, слугуючи ефективним доповненням до реальних даних, підвищуючи ефективність використання даних. У таких сферах, як автономне водіння, торгівля на фінансових ринках, розробка ігор, синтетичні дані вже продемонстрували свій зрілий потенціал застосування.

Захист приватності: Роль FHE у Web3

У часи, коли дані стають основою, захист приватності став глобальною проблемою, а прийняття таких регуляцій, як Загальний регламент захисту даних (GDPR) Європейським Союзом, відображає сувору охорону особистої приватності. Однак це також створює виклики: деякі чутливі дані не можуть бути використані в повному обсязі через ризики приватності, що, безсумнівно, обмежує потенціал та можливості міркування AI-моделей.

FHE — це повністю гомоморфне шифрування, яке дозволяє прямі обчислення на зашифрованих даних без необхідності їх розшифрування, при цьому результати обчислень збігаються з результатами тих же обчислень на відкритих даних.

FHE забезпечує надійний захист для приватних обчислень AI, що дозволяє обчислювальній потужності GPU виконувати навчання і завдання висновку моделей в середовищі, яке не торкається вихідних даних. Це приносить величезні переваги компаніям у сфері AI. Вони можуть безпечно відкривати API-сервіси, захищаючи комерційну таємницю.

FHEML підтримує шифрування даних і моделей на всьому протязі циклу машинного навчання, забезпечуючи безпеку чутливої інформації та запобігаючи ризикам витоку даних. Таким чином, FHEML зміцнює конфіденційність даних, надаючи безпечну обчислювальну структуру для AI-додатків.

FHEML є доповненням до ZKML, ZKML доводить правильність виконання машинного навчання, тоді як FHEML підкреслює обчислення на зашифрованих даних для підтримки конфіденційності даних.

Революція обчислювальної потужності: AI-обчислення в децентралізованих мережах

Поточна обчислювальна складність AI-систем подвоюється кожні 3 місяці, що призводить до різкого зростання попиту на обчислювальні потужності, що значно перевищує наявні ресурси. Наприклад, навчання великої мовної моделі відомої AI-компанії вимагає величезних обчислювальних потужностей, що еквівалентно 355 рокам навчання на одному пристрої. Така нестача обчислювальних потужностей не лише обмежує прогрес технологій AI, але й робить ці розвинутих AI-моделей недоступними для більшості дослідників і розробників.

Водночас, глобальне використання GPU становить менш ніж 40%, до того ж сповільнення зростання продуктивності мікропроцесорів, а також нестача чіпів, викликана проблемами в постачанні та геополітичною ситуацією, ще більше ускладнили проблему постачання обчислювальної потужності. Працівники в галузі ШІ опинилися в двозначному становищі: або купувати обладнання, або орендувати ресурси в хмарі, і їм терміново потрібен економічно ефективний сервіс обчислень за запитом.

Децентралізована AI обчислювальна мережа, агрегуючи незайняті GPU-ресурси по всьому світу, надає AI-компаніям економічний і доступний ринок обчислювальної потужності. Сторони, що потребують обчислювальних ресурсів, можуть публікувати обчислювальні завдання в мережі, смарт-контракт розподіляє завдання між майнінговими вузлами, які вносять обчислювальну потужність, майнери виконують завдання та подають результати, після перевірки отримуючи бали в якості винагороди. Ця схема підвищує ефективність використання ресурсів і допомагає вирішити проблеми з обчислювальною потужністю в таких сферах, як AI.

Окрім універсальної децентралізованої обчислювальної мережі, існують платформи, які спеціалізуються на навчанні ШІ, а також спеціалізовані обчислювальні мережі для інференції ШІ.

Децентралізована мережа обчислювальної потужності забезпечує справедливий і прозорий ринок обчислювальної потужності, розриваючи монополії, знижуючи бар'єри для застосування та підвищуючи ефективність використання обчислювальної потужності. У екосистемі web3 децентралізована мережа обчислювальної потужності відіграватиме ключову роль, залучаючи більше інноваційних dapp до співпраці, спільно сприяючи розвитку та застосуванню технологій штучного інтелекту.

DePIN: Web3 надає можливості Edge AI

Уявіть собі, що ваш телефон, смарт-годинник і навіть розумні пристрої у вашому домі мають можливість запускати ШІ — ось у чому краса Edge AI. Це дозволяє обробці даних відбуватися на місці їх виникнення, забезпечуючи низьку затримку та обробку в реальному часі, при цьому захищаючи конфіденційність користувача. Технологія Edge AI вже застосовується в ключових сферах, таких як автономне водіння.

У сфері Web3 у нас є більш знайоме ім'я — DePIN. Web3 підкреслює децентралізацію та суверенітет даних користувачів, а DePIN, обробляючи дані локально, може посилити захист конфіденційності користувачів і зменшити ризики витоку даних; рідна токеноміка Web3 може стимулювати вузли DePIN надавати обчислювальні ресурси, створюючи стійку екосистему.

Наразі DePIN швидко розвивається в екосистемі певної публічної блокчейн-платформи, стаючи одним із найпопулярніших публічних блокчейн-платформ для розгортання проєктів. Високий TPS, низькі транзакційні витрати та технічні інновації цієї публічної блокчейн-платформи забезпечують потужну підтримку для проєктів DePIN. В даний час ринкова капіталізація проєктів DePIN на цій публічній блокчейн-платформі перевищує 10 мільярдів доларів, а деякі відомі проєкти досягли значного прогресу.

IMO：Випуск нової парадигми AI-моделей

Концепція IMO була вперше запропонована певним протоколом, який передбачає токенізацію моделей штучного інтелекту.

У традиційній моделі, через відсутність механізму розподілу доходів, коли AI-модель розробляється та виходить на ринок, розробникам часто важко отримати постійний дохід від подальшого використання моделі, особливо коли модель інтегрується в інші продукти та послуги, оригінальним творцям важко відстежувати використання, не кажучи вже про отримання прибутку. Крім того, продуктивність та ефективність AI-моделей часто не є прозорими, що ускладнює потенційним інвесторам та користувачам оцінку їх справжньої цінності, обмежуючи ринкове визнання та комерційний потенціал моделей.

IMO надає новий спосіб фінансування та поділу вартості для відкритих AI моделей; інвестори можуть купувати токени IMO, щоб ділитися доходами, які модель отримує в подальшому. Один протокол використовує два стандарти ERC, поєднуючи AI оракул (Onchain AI Oracle) та технологію OPML, щоб забезпечити достовірність AI моделей та можливість володільців токенів ділитися доходами.

Модель IMO підвищила прозорість і довіру, сприяла відкритій співпраці, адаптувалася до тенденцій крипто-ринку та надала імпульс сталому розвитку технологій ШІ. На даний момент модель IMO все ще перебуває на початковому етапі, але з підвищенням прийнятності на ринку та розширенням кола учасників її інноваційність і потенційна цінність заслуговують на нашу увагу.

AI Агент: нова ера взаємодії

AI Agent може сприймати навколишнє середовище, здійснювати незалежне мислення та вживати відповідні дії для досягнення встановлених цілей. За підтримки великих мовних моделей AI Agent не лише здатен розуміти природну мову, але й планувати рішення, виконувати складні завдання. Вони можуть виступати в ролі віртуальних асистентів, навчаючись вподобанням користувачів через взаємодію та надаючи персоналізовані рішення. Навіть за відсутності чітких інструкцій, AI Agent може самостійно вирішувати проблеми, підвищуючи ефективність і створюючи нову цінність.

Деяка платформа для AI, яка базується на нативних додатках, пропонує повний і зручний набір інструментів для творчості, що дозволяє користувачам налаштовувати функції роботів, зовнішній вигляд, голос, а також підключати зовнішні бази знань. Платформа прагне створити справедливу та відкриту екосистему AI-контенту, використовуючи технології генеративного AI, щоб надати можливість особам стати супер-творцями. Ця платформа навчила спеціальну велику мовну модель, що робить рольову гру більш людяною; технологія клонування голосу може прискорити персоналізовану взаємодію AI-продуктів, знизивши витрати на синтез голосу на 99%, а клонування голосу можна здійснити всього за 1 хвилину. Використовуючи кастомізований AI Agent цієї платформи, в даний час можна застосовувати в багатьох областях, таких як відеочат, вивчення мов, генерація зображень тощо.

У злитті Web3 та AI наразі більше уваги приділяється дослідженню інфраструктурного рівня, як отримати високоякісні дані, захистити конфіденційність даних, як розміщувати моделі на ланцюгу, як підвищити ефективність використання децентралізованих обчислювальних потужностей, як перевіряти великі мовні моделі та інші ключові питання. З поступовим вдосконаленням цієї інфраструктури ми маємо підстави вірити, що злиття Web3 та AI виявить низку інноваційних бізнес-моделей та послуг.