La fusión de la IA y Web3: Construyendo la infraestructura de internet de próxima generación

Web3, como un nuevo paradigma de internet descentralizado, abierto y transparente, tiene un punto de conexión natural con la IA. En la arquitectura centralizada tradicional, los recursos de cálculo y datos de la IA enfrentan numerosos desafíos, como cuellos de botella en la capacidad de cálculo, filtraciones de privacidad y falta de transparencia en los algoritmos. Web3, basado en tecnologías distribuidas, puede proporcionar nueva energía para el desarrollo de la IA a través de redes de poder compartido, mercados de datos abiertos y computación de privacidad. Al mismo tiempo, la IA también puede aportar numerosos beneficios al ecosistema de Web3, como la optimización de contratos inteligentes y la mejora de mecanismos contra el fraude. Por lo tanto, explorar el desarrollo colaborativo de Web3 y la IA es de gran importancia para construir la infraestructura de internet del futuro y aprovechar plenamente el valor de los datos y la capacidad de cálculo.

Impulsado por datos: La base de AI y Web3

Los datos son la clave para el avance de la IA, al igual que el combustible lo es para un motor. Los modelos de IA necesitan digerir una gran cantidad de datos de alta calidad para obtener una comprensión profunda y una poderosa capacidad de razonamiento. Los datos no solo son la base para el entrenamiento de modelos de aprendizaje automático, sino que también determinan la precisión y la fiabilidad del modelo.

Los modos tradicionales de obtención y uso de datos de IA centralizada presentan los siguientes problemas principales:

• El costo de obtención de datos es alto, lo que dificulta que las pequeñas y medianas empresas lo asuman.
• Los recursos de datos están monopolizados por grandes empresas tecnológicas, formando islas de datos.
• Los datos personales enfrentan riesgos de filtración y abuso.

Web3 ofrece un nuevo paradigma de datos descentralizados, con la esperanza de resolver estos puntos críticos:

• Los usuarios pueden vender recursos de red ociosos a empresas de IA, logrando una recolección de datos descentralizada.
• Adoptar el modelo "ganar al etiquetar", incentivando a los trabajadores de todo el mundo a participar en la etiquetación de datos.
• La plataforma de intercambio de datos en blockchain ofrece un entorno de transacción público y transparente para ambas partes en la oferta y demanda de datos.

A pesar de esto, la obtención de datos del mundo real aún enfrenta algunos problemas, como la calidad de los datos que varía, la dificultad de procesamiento, la falta de diversidad y representatividad, entre otros. Los datos sintéticos podrían ser una dirección importante en el futuro del campo de datos de Web3. Basados en tecnologías de IA generativa y simulación, los datos sintéticos pueden simular las características de los datos reales, actuando como un complemento efectivo para mejorar la eficiencia del uso de datos. En campos como la conducción autónoma, el comercio en mercados financieros y el desarrollo de videojuegos, los datos sintéticos han mostrado perspectivas de aplicación maduras.

Protección de la privacidad: Aplicaciones de FHE en Web3

En la era impulsada por los datos, la protección de la privacidad se ha convertido en un foco de atención global. La promulgación de regulaciones como el Reglamento General de Protección de Datos (GDPR) de la UE refleja una estricta protección de la privacidad personal. Sin embargo, esto también ha traído desafíos: algunos datos sensibles no pueden ser utilizados adecuadamente debido a riesgos de privacidad, lo que limita el potencial y las capacidades de inferencia de los modelos de IA.

La criptografía totalmente homomórfica (FHE) permite realizar cálculos directamente sobre datos cifrados sin necesidad de descifrar, y los resultados de los cálculos son consistentes con los resultados de los datos en texto claro. FHE proporciona una fuerte garantía para el cálculo de privacidad en IA, permitiendo que la potencia de cálculo de GPU ejecute tareas de entrenamiento e inferencia de modelos sin acceder a los datos originales. Esto brinda una gran ventaja a las empresas de IA, que pueden abrir servicios API de manera segura mientras protegen sus secretos comerciales.

FHEML admite el procesamiento encriptado de datos y modelos durante todo el ciclo de aprendizaje automático, asegurando la seguridad de la información sensible y previniendo el riesgo de filtración de datos. De esta manera, FHEML mejora la protección de la privacidad de los datos y proporciona un marco de cálculo seguro para las aplicaciones de IA.

FHEML es un complemento a ZKML, donde ZKML prueba la correcta ejecución del aprendizaje automático, mientras que FHEML se centra en el cálculo de datos cifrados para mantener la privacidad de los datos.

Revolución del poder de cálculo: Computación AI en redes descentralizadas

La complejidad computacional de los sistemas de IA actuales se duplica cada 3 meses, lo que provoca un aumento explosivo en la demanda de potencia de cálculo, superando con creces la oferta actual de recursos computacionales. Por ejemplo, el entrenamiento de un conocido modelo de IA requiere una enorme potencia de cálculo, equivalente a 355 años de tiempo de entrenamiento en un solo dispositivo. Esta escasez de potencia de cálculo no solo limita el progreso de la tecnología de IA, sino que también hace que los modelos de IA avanzados sean difíciles de alcanzar para la mayoría de los investigadores y desarrolladores.

Al mismo tiempo, la utilización global de GPU es inferior al 40%, y la desaceleración en el rendimiento de los microprocesadores, junto con la escasez de chips provocada por factores de la cadena de suministro y geopolíticos, agravan el problema del suministro de potencia de cálculo. Los profesionales de la IA se enfrentan a un dilema: o compran hardware por su cuenta o alquilan recursos en la nube, y necesitan urgentemente una forma de servicio de computación bajo demanda y económica.

La red de computación de IA descentralizada, al agregar recursos de GPU ociosos a nivel mundial, proporciona a las empresas de IA un mercado de computación económico y de fácil acceso. Los demandantes de computación pueden publicar tareas de cálculo en la red, los contratos inteligentes asignan las tareas a los nodos que contribuyen con poder de cómputo, los nodos ejecutan las tareas y envían los resultados, y tras la verificación, reciben recompensas. Esta solución mejora la eficiencia en la utilización de recursos y ayuda a resolver el problema del cuello de botella en la capacidad de cómputo en campos como la IA.

Además de las redes de potencia descentralizadas generales, existen plataformas de potencia dedicadas enfocadas en el entrenamiento e inferencia de IA. Las redes de potencia descentralizadas ofrecen un mercado de potencia justo y transparente, rompiendo monopolios, reduciendo las barreras de entrada y mejorando la eficiencia en el uso de la potencia. En el ecosistema Web3, las redes de potencia descentralizadas desempeñarán un papel clave, atrayendo más aplicaciones innovadoras para unirse y promover el desarrollo y la aplicación de la tecnología de IA.

DePIN: Web3 habilita la IA en el borde

La inteligencia artificial en el borde permite que el cálculo ocurra en la fuente de generación de datos, logrando un procesamiento en tiempo real y de baja latencia, al mismo tiempo que protege la privacidad del usuario. Esta tecnología se ha aplicado en campos clave como la conducción autónoma.

En el ámbito de Web3, el nombre que conocemos mejor es DePIN. Web3 enfatiza la descentralización y la soberanía de los datos del usuario, mientras que DePIN mejora la protección de la privacidad del usuario mediante el procesamiento de datos local, reduciendo el riesgo de filtraciones de datos; el mecanismo económico de tokens nativos de Web3 puede incentivar a los nodos DePIN a proporcionar recursos de computación, construyendo un ecosistema sostenible.

Actualmente, DePIN está desarrollándose rápidamente en ciertos ecosistemas de cadenas de bloques públicas, convirtiéndose en una de las opciones más populares para el despliegue de proyectos. El alto rendimiento, las bajas tarifas de transacción y la innovación tecnológica de estas cadenas de bloques públicas brindan un fuerte apoyo a los proyectos DePIN. Algunos proyectos DePIN en cadenas de bloques públicas han superado los diez mil millones de dólares en capitalización de mercado, y algunos proyectos reconocidos han logrado avances significativos.

IMO: Nueva Paradigma de Publicación de Modelos de IA

El concepto de IMO fue propuesto por un protocolo, tokenizando modelos de IA.

En el modelo tradicional, los desarrolladores de modelos de IA tienen dificultades para obtener ingresos continuos de su uso posterior, especialmente cuando los modelos se integran en otros productos y servicios. Además, el rendimiento y la efectividad de los modelos de IA a menudo carecen de transparencia, lo que limita su reconocimiento en el mercado y su potencial comercial.

IMO proporciona un nuevo tipo de apoyo financiero y un método de compartición de valor para modelos de IA de código abierto. Los inversores pueden comprar tokens IMO para compartir los ingresos futuros del modelo. Un cierto protocolo utiliza estándares técnicos específicos, combinando oráculos de IA en cadena y tecnología OPML para asegurar la autenticidad del modelo de IA y la compartición de ingresos para los poseedores de tokens.

El modo IMO ha mejorado la transparencia y la confianza, fomentando la colaboración de código abierto, adaptándose a las tendencias del mercado cripto y dando impulso al desarrollo sostenible de la tecnología AI. Aunque el IMO se encuentra actualmente en una etapa inicial de prueba, su innovación y valor potencial son prometedores a medida que aumenta la aceptación en el mercado y se amplía el alcance de la participación.

Agente de IA: La nueva era de la experiencia interactiva

El Agente de IA puede percibir el entorno, pensar de manera independiente y tomar acciones apropiadas para alcanzar sus objetivos. Con el apoyo de modelos de lenguaje grandes, el Agente de IA no solo puede entender el lenguaje natural, sino también planificar decisiones y ejecutar tareas complejas. Pueden actuar como asistentes virtuales, aprendiendo las preferencias a través de la interacción con los usuarios y proporcionando soluciones personalizadas. Incluso sin instrucciones claras, el Agente de IA puede resolver problemas de forma autónoma, aumentar la eficiencia y crear nuevo valor.

Una plataforma de aplicación nativa de IA ofrece un conjunto de herramientas de creación integral y fácil de usar, que permite a los usuarios configurar funciones, apariencia, sonido de los robots y conectar bases de datos externas, con el objetivo de crear un ecosistema de contenido de IA justo y abierto. Utilizando tecnología de IA generativa, empodera a los individuos para convertirse en creadores superdotados. La plataforma ha entrenado un modelo de lenguaje grande especializado, lo que humaniza el juego de roles; la tecnología de clonación de voz puede acelerar la interacción personalizada de los productos de IA, reduciendo el costo de la síntesis de voz en un 99%, y la clonación de voz se puede lograr en solo 1 minuto. Los agentes de IA personalizados de esta plataforma se pueden aplicar actualmente en múltiples campos, como chats de video, aprendizaje de idiomas, generación de imágenes, entre otros.

En la fusión de Web3 con AI, actualmente se presta más atención a la exploración de la capa de infraestructura, como la obtención de datos de alta calidad, la protección de la privacidad de los datos, el alojamiento de modelos en cadena, la mejora de la eficiencia en el uso de la potencia computacional descentralizada y la validación de grandes modelos de lenguaje, entre otros problemas clave. A medida que estas infraestructuras se perfeccionen gradualmente, la fusión de Web3 con AI podría dar lugar a una serie de modelos y servicios comerciales innovadores.