Perpaduan Web3 dan AI: Membangun Ekosistem Internet Generasi Berikutnya

Web3 sebagai model internet baru yang terdesentralisasi, terbuka, dan transparan, memiliki titik penggabungan yang alami dengan AI. Di bawah arsitektur terpusat tradisional, sumber daya komputasi dan data AI terbatasi dengan ketat, menghadapi berbagai tantangan seperti hambatan daya komputasi, kebocoran privasi, dan ketidaktransparanan algoritma. Sementara itu, Web3 yang berbasis teknologi terdistribusi, melalui jaringan berbagi daya komputasi, pasar data terbuka, dan komputasi privasi, memberikan dorongan baru bagi perkembangan AI. Pada gilirannya, AI juga dapat memberikan banyak peningkatan bagi Web3, seperti optimasi kontrak pintar, algoritma anti-kecurangan, dan lain-lain, yang memfasilitasi perkembangan ekosistemnya. Oleh karena itu, mengeksplorasi penggabungan Web3 dan AI memiliki arti penting untuk membangun infrastruktur internet generasi berikutnya serta melepaskan nilai data dan daya komputasi.

Data Driven: Fondasi Kuat AI dan Web3

Data adalah kekuatan pendorong utama dalam pengembangan AI. Model AI perlu memproses sejumlah besar data berkualitas tinggi untuk mendapatkan pemahaman yang mendalam dan kemampuan penalaran yang kuat. Data tidak hanya menyediakan dasar pelatihan bagi model pembelajaran mesin, tetapi juga menentukan akurasi dan keandalan model.

Model pengambilan dan pemanfaatan data AI terpusat tradisional memiliki masalah utama sebagai berikut:

• Biaya pengambilan data yang tinggi, sehingga sulit bagi perusahaan kecil dan menengah untuk menanggungnya
• Sumber data didominasi oleh perusahaan teknologi besar, membentuk pulau data
• Risiko kebocoran dan penyalahgunaan privasi data pribadi

Web3 menyediakan paradigma data terdesentralisasi baru untuk mengatasi masalah ini:

• Pengguna dapat menjual sumber daya jaringan yang tidak terpakai kepada perusahaan AI, untuk mengambil data jaringan secara terdesentralisasi, setelah dibersihkan dan diubah, untuk menyediakan data yang nyata dan berkualitas tinggi untuk pelatihan model AI.
• Mengadopsi model "penandaan langsung menghasilkan uang", dengan insentif token untuk mendorong pekerja di seluruh dunia berpartisipasi dalam penandaan data, mengumpulkan pengetahuan profesional global, dan meningkatkan kemampuan analisis data.
• Platform perdagangan data blockchain menyediakan lingkungan perdagangan yang transparan dan terbuka bagi kedua belah pihak dalam permintaan dan pasokan data, mendorong inovasi dan berbagi data.

Meskipun demikian, pengambilan data di dunia nyata masih menghadapi beberapa masalah, seperti kualitas data yang bervariasi, kesulitan dalam pengolahan, serta kurangnya keragaman dan representativitas. Data sintetik mungkin menjadi sorotan di bidang data Web3 di masa depan. Berdasarkan teknologi AI generatif dan simulasi, data sintetik dapat meniru atribut data nyata, sebagai pelengkap yang efektif untuk data nyata, sehingga meningkatkan efisiensi penggunaan data. Dalam bidang seperti pengemudian otomatis, perdagangan pasar keuangan, dan pengembangan game, data sintetik 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. Beberapa data sensitif tidak dapat dimanfaatkan sepenuhnya karena risiko privasi, yang membatasi potensi dan kemampuan penalaran model AI.

Enkripsi homomorfik penuh ( FHE ) memungkinkan operasi perhitungan langsung pada data terenkripsi tanpa perlu mendekripsi data, dan hasil perhitungan konsisten dengan hasil perhitungan yang dilakukan pada data dalam bentuk teks biasa. FHE memberikan perlindungan yang kuat untuk perhitungan privasi AI, memungkinkan kekuatan pemrosesan GPU untuk melaksanakan pelatihan model dan tugas inferensi dalam lingkungan tanpa mengakses data asli. Ini memberikan keuntungan besar bagi perusahaan AI, mereka dapat membuka layanan API dengan aman sambil melindungi rahasia dagang.

FHEML mendukung pengolahan data dan model dengan enkripsi 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 untuk ZKML, ZKML membuktikan eksekusi mesin pembelajaran yang benar, sedangkan FHEML menekankan perhitungan terhadap data terenkripsi untuk menjaga privasi data.

Revolusi Kekuatan: Komputasi AI dalam Jaringan Terdesentralisasi

Kompleksitas komputasi sistem AI saat ini berlipat ganda setiap 3 bulan, menyebabkan lonjakan permintaan daya komputasi yang jauh melebihi pasokan sumber daya komputasi yang ada. Misalnya, pelatihan model bahasa besar memerlukan daya komputasi yang sangat besar, setara dengan waktu pelatihan 355 tahun di satu perangkat. Kekurangan daya komputasi seperti ini tidak hanya membatasi kemajuan teknologi AI, tetapi juga membuat model AI yang canggih sulit dijangkau oleh sebagian besar peneliti dan pengembang.

Sementara itu, penggunaan 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 semakin parah. Para praktisi AI terjebak dalam dilema: membeli perangkat keras sendiri atau menyewa sumber daya cloud, mereka sangat membutuhkan cara layanan komputasi yang sesuai permintaan dan efisien secara ekonomi.

Beberapa jaringan komputasi AI terdesentralisasi mengaggregasi sumber daya GPU yang tidak terpakai secara global untuk menyediakan pasar komputasi yang ekonomis dan mudah diakses bagi perusahaan AI. Pihak yang membutuhkan daya komputasi dapat memposting tugas komputasi di jaringan, kontrak pintar akan mendistribusikan tugas kepada node penambang yang memberikan daya komputasi, penambang melaksanakan tugas dan menyerahkan hasilnya, setelah diverifikasi mereka mendapatkan imbalan poin. Solusi ini meningkatkan efisiensi pemanfaatan sumber daya dan membantu mengatasi masalah bottleneck daya komputasi di bidang seperti AI.

Selain jaringan komputasi terdesentralisasi yang umum, ada beberapa platform yang fokus pada pelatihan AI, serta jaringan komputasi khusus yang fokus pada inferensi AI.

Jaringan kekuatan terdesentralisasi menyediakan pasar kekuatan yang adil dan transparan, memecahkan monopoli, menurunkan ambang aplikasi, dan meningkatkan efisiensi penggunaan kekuatan. Dalam ekosistem web3, jaringan kekuatan terdesentralisasi akan memainkan peran kunci, menarik lebih banyak dapp inovatif untuk bergabung dan bersama-sama mendorong pengembangan dan aplikasi teknologi AI.

DePIN: Web3 Memberdayakan Edge AI

Edge AI memungkinkan pengolahan terjadi di sumber data yang dihasilkan, mewujudkan latensi rendah dan pemrosesan waktu nyata, sambil melindungi privasi pengguna. Teknologi Edge AI telah diterapkan di bidang-bidang kunci seperti mengemudi otomatis.

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 di beberapa ekosistem blockchain publik, menjadi salah satu platform pilihan untuk pengembangan proyek. TPS yang tinggi, biaya transaksi yang rendah, dan inovasi teknologi memberikan dukungan kuat bagi proyek DePIN. Saat ini, nilai pasar proyek DePIN di blockchain publik ini telah melebihi 10 miliar USD, dan beberapa proyek terkenal telah mencapai kemajuan yang signifikan.

IMO：Model AI Merilis Paradigma Baru

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

Dalam mode tradisional, karena tidak adanya mekanisme pembagian hasil, begitu model AI dikembangkan dan diluncurkan ke pasar, pengembang sering kali kesulitan untuk mendapatkan pendapatan yang berkelanjutan dari penggunaan model tersebut di masa depan, terutama ketika model digabungkan ke dalam produk dan layanan lain, pencipta asli sulit untuk melacak penggunaan, apalagi mendapatkan pendapatan darinya. Selain itu, kinerja dan efek model AI seringkali kurang transparan, membuat calon investor dan pengguna sulit untuk menilai nilai sebenarnya, yang membatasi pengakuan pasar dan potensi komersial model tersebut.

IMO menyediakan cara baru untuk mendukung dana dan berbagi nilai untuk model AI sumber terbuka, di mana investor dapat membeli token IMO dan berbagi hasil yang dihasilkan oleh model tersebut di kemudian hari. Sebuah protokol menggunakan dua standar ERC, menggabungkan oracle AI dan teknologi OPML untuk memastikan keaslian model AI dan bahwa pemegang token dapat berbagi hasil.

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

Agen AI: Era Baru Pengalaman Interaktif

Agen AI dapat merasakan lingkungan, berpikir secara mandiri, dan mengambil tindakan yang sesuai untuk mencapai tujuan yang telah ditetapkan. Dengan dukungan model bahasa besar, Agen AI tidak hanya dapat memahami bahasa alami, tetapi juga merencanakan keputusan dan melaksanakan tugas-tugas kompleks. Mereka dapat berfungsi sebagai asisten virtual, belajar preferensi pengguna melalui interaksi, dan menawarkan solusi yang dipersonalisasi. Tanpa instruksi yang jelas, Agen AI juga dapat secara mandiri menyelesaikan masalah, meningkatkan efisiensi, dan menciptakan nilai baru.

Beberapa platform aplikasi AI asli yang terbuka menyediakan rangkaian alat kreatif yang komprehensif dan mudah digunakan, mendukung pengguna untuk mengonfigurasi fungsi, penampilan, suara robot 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-platform ini telah melatih model bahasa besar yang dirancang khusus, sehingga peran bermain menjadi lebih manusiawi; teknologi kloning suara dapat mempercepat interaksi produk AI yang dipersonalisasi, secara signifikan mengurangi biaya sintesis suara, dan kloning suara hanya memerlukan 1 menit untuk diwujudkan. AI Agent yang disesuaikan menggunakan platform ini saat ini dapat diterapkan dalam berbagai bidang seperti obrolan video, pembelajaran bahasa, dan penghasilan gambar.

Dalam penggabungan Web3 dan AI, saat ini lebih banyak eksplorasi pada lapisan infrastruktur, seperti bagaimana cara mendapatkan data berkualitas tinggi, melindungi privasi data, bagaimana cara menghosting model di blockchain, bagaimana meningkatkan penggunaan daya komputasi terdesentralisasi secara efisien, dan bagaimana memvalidasi model bahasa besar serta masalah kunci lainnya. Seiring dengan perbaikan bertahap infrastruktur ini, kita beralasan untuk percaya bahwa penggabungan Web3 dan AI akan melahirkan serangkaian model bisnis dan layanan inovatif.