Слияние Web3 и ИИ: создание экосистемы следующего поколения Интернета

Web3 как новая децентрализованная, открытая и прозрачная модель интернета имеет естественные точки соприкосновения с ИИ. В традиционной централизованной архитектуре вычислительные и данные ресурсы ИИ резко ограничены, сталкиваясь с множеством проблем, таких как узкие места в вычислительной мощности, утечка конфиденциальности и непрозрачность алгоритмов. В то же время Web3, основанный на распределенных технологиях, предоставляет новые возможности для развития ИИ через совместные сети вычислительной мощности, открытые рынки данных и вычисления конфиденциальности. В свою очередь, ИИ может принести много улучшений для Web3, таких как оптимизация смарт-контрактов, алгоритмы противодействия мошенничеству и т.д., способствуя развитию его экосистемы. Таким образом, исследование сочетания Web3 и ИИ имеет важное значение для построения инфраструктуры интернета следующего поколения и раскрытия ценности данных и вычислительной мощности.

Данные как основа: прочный фундамент AI и Web3

Данные являются核心动力 для развития ИИ. Модели ИИ необходимо обрабатывать огромные объемы высококачественных данных, чтобы получить глубокое понимание и мощные способности к рассуждению. Данные не только обеспечивают основу для обучения моделей машинного обучения, но и определяют точность и надежность моделей.

Традиционная централизованная модель получения и использования данных ИИ имеет следующие основные проблемы:

• Высокая стоимость получения данных, малым и средним предприятиям трудно это вынести.
• Данные и ресурсы монополизируются крупными технологическими компаниями, создавая изолированные острова данных
• Личная информация подвержена рискам утечки и злоупотребления

Web3 предоставляет новую децентрализованную парадигму данных для решения этих проблем:

• Пользователи могут продавать неиспользуемые сетевые ресурсы AI-компаниям для децентрализованного сбора сетевых данных, которые после очистки и преобразования будут предоставлять реальные, высококачественные данные для обучения AI-моделей.
• Используя модель "заработок через аннотирование", мы стимулируем глобальных работников участвовать в аннотировании данных с помощью токенов, собирая глобальные профессиональные знания и улучшая аналитические возможности данных.
• Блокчейн платформа для торговли данными предоставляет открыенную и прозрачную торговую среду для обеих сторон спроса и предложения данных, стимулируя инновации и обмен данными.

Тем не менее, получение данных из реального мира по-прежнему сталкивается с рядом проблем, таких как неоднородное качество данных, высокая сложность обработки, недостаточная разнообразие и представительность. Синтетические данные могут стать ярким моментом в области данных Web3 в будущем. Основанные на генеративных технологиях ИИ и моделировании, синтетические данные могут имитировать свойства реальных данных, выступая в качестве эффективного дополнения к реальным данным и повышая эффективность использования данных. В таких областях, как автономное вождение, торговля на финансовых рынках и разработка игр, синтетические данные уже продемонстрировали зрелый потенциал применения.

Защита конфиденциальности: Роль FHE в Web3

В эпоху, когда данные становятся основой, защита конфиденциальности стала глобальным центром внимания. Некоторые чувствительные данные не могут быть в полной мере использованы из-за рисков конфиденциальности, что ограничивает потенциал и способности рассуждения моделей ИИ.

Полностью однородное шифрование ( FHE ) позволяет выполнять вычислительные операции непосредственно на зашифрованных данных без необходимости их расшифровки, причем результаты вычислений совпадают с результатами таких же вычислений на открытых данных. FHE предоставляет надежную защиту для приватных вычислений ИИ, позволяя вычислительной мощности GPU выполнять обучение моделей и задачи вывода в среде, не касаясь исходных данных. Это дает компаниям ИИ огромное преимущество, так как они могут безопасно открывать API-сервисы, защищая 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 укрепляет конфиденциальность данных и предоставляет безопасную вычислительную среду для приложений ИИ.

FHEML является дополнением к ZKML, ZKML доказывает правильность выполнения машинного обучения, в то время как FHEML подчеркивает необходимость выполнения вычислений над зашифрованными данными для поддержания конфиденциальности данных.

Революция вычислительной мощности: AI-вычисления в децентрализованных сетях

Текущая вычислительная сложность AI-систем удваивается каждые 3 месяца, что приводит к резкому росту спроса на вычислительную мощность, значительно превышающему предложение существующих вычислительных ресурсов. Например, для обучения одной крупной языковой модели требуется колоссальная вычислительная мощность, эквивалентная 355 годам обучения на одном устройстве. Недостаток вычислительных мощностей не только ограничивает прогресс технологий AI, но и делает эти продвинутые модели недоступными для большинства исследователей и разработчиков.

В то же время, глобальная загрузка GPU составляет менее 40%, а также замедление повышения производительности микропроцессоров и нехватка чипов, вызванная факторами цепочки поставок и геополитики, усугубляют проблему поставок вычислительной мощности. Профессионалы в области ИИ оказались в двусмысленном положении: либо покупать оборудование, либо арендовать облачные ресурсы, им срочно нужен экономически эффективный способ получения вычислительных услуг по мере необходимости.

Некоторые децентрализованные сети вычислительных мощностей на базе ИИ, агрегируя неиспользуемые ресурсы GPU по всему миру, предоставляют экономичный и доступный рынок вычислительных мощностей для ИИ-компаний. Стороны, нуждающиеся в вычислительных мощностях, могут размещать вычислительные задачи в сети, а смарт-контракты распределяют задачи среди майнеров, которые предоставляют вычислительные мощности. Майнеры выполняют задачи и отправляют результаты, которые после верификации вознаграждаются баллами. Это решение повышает эффективность использования ресурсов и помогает решить проблему узких мест в вычислительных мощностях в таких областях, как ИИ.

Помимо универсальных децентрализованных вычислительных сетей, существуют также платформы, сосредоточенные на обучении ИИ, а также специализированные вычислительные сети, ориентированные на вывод ИИ.

Децентрализованная вычислительная сеть предоставляет справедливый и прозрачный рынок вычислительной мощности, разрушает монополию, снижает пороги для приложений и повышает эффективность использования вычислительной мощности. В экосистеме web3 децентрализованная вычислительная сеть сыграет ключевую роль, привлекая больше инновационных dapp для совместного продвижения развития и применения технологий ИИ.

DePIN: Web3 наделяет Edge AI возможностями

Edge AI позволяет выполнять вычисления 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 может улучшить защиту конфиденциальности пользователей и снизить риск утечки данных, обрабатывая данные локально; родная токеномика Web3 может мотивировать узлы DePIN предоставлять вычислительные ресурсы, создавая устойчивую экосистему.

В настоящее время DePIN быстро развивается в некоторых экосистемах публичных блокчейнов и стал одной из предпочтительных платформ для развертывания проектов. Высокая пропускная способность, низкие транзакционные издержки и технологические инновации обеспечивают мощную поддержку проектам DePIN. В настоящее время рыночная капитализация проектов DePIN на этом публичном блокчейне превысила 10 миллиардов долларов, и некоторые известные проекты достигли значительного прогресса.

IMO: Новый парадигма выпуска AI моделей

Концепция IMO была впервые предложена некоторым соглашением, которое токенизирует AI-модели.

В традиционной модели, из-за отсутствия механизма распределения доходов, как только AI-модель разработана и выведена на рынок, разработчикам часто трудно получать устойчивые доходы от последующего использования модели, особенно когда модель интегрируется в другие продукты и услуги. Исходным создателям сложно отслеживать использование, не говоря уже о получении доходов от этого. Кроме того, производительность и эффективность AI-моделей зачастую недостаточно прозрачны, что затрудняет потенциальным инвесторам и пользователям оценку их истинной ценности, ограничивая рыночное признание и коммерческий потенциал модели.

IMO предоставляет новый способ финансовой поддержки и совместного использования ценностей для открытых AI моделей, позволяя инвесторам приобретать токены IMO и делиться доходами, полученными от модели в будущем. Некоторые протоколы используют два стандарта ERC, сочетая AI оракулы и технологию OPML, чтобы обеспечить подлинность AI моделей и возможность держателей токенов делиться доходами.

Модель IMO повысила прозрачность и доверие, стимулирует открытое сотрудничество, адаптируется к тенденциям крипторынка и вносит вклад в устойчивое развитие технологий ИИ. На данный момент IMO все еще находится на начальной стадии испытаний, но с увеличением уровня принятия на рынке и расширением масштабов участия, его инновационность и потенциальная ценность заслуживают нашего ожидания.

AI Agent: Новый век взаимодействия

AI-агенты могут воспринимать окружающую среду, самостоятельно мыслить и предпринимать соответствующие действия для достижения определенных целей. С поддержкой больших языковых моделей AI-агенты не только понимают естественный язык, но и могут планировать решения и выполнять сложные задачи. Они могут выступать в роли виртуальных помощников, обучаясь на взаимодействии с пользователями и предлагая персонализированные решения. Даже в отсутствие явных указаний AI-агенты могут самостоятельно решать проблемы, повышать эффективность и создавать новую ценность.

Некоторые открытые платформы для нативных приложений ИИ предлагают полный и удобный набор инструментов для творчества, позволяя пользователям настраивать функции, внешний вид и голос роботов, а также подключать внешние базы знаний, стремясь создать справедливую и открытую экосистему ИИ-контента. Используя технологии генеративного ИИ, они наделяют отдельных людей статусом суперсоздателей. Эти платформы обучили специализированные языковые модели, что делает ролевые игры более человечными; технологии клонирования голоса могут ускорить персонализированное взаимодействие с ИИ-продуктами и значительно снизить затраты на синтез голоса, клонирование голоса занимает всего 1 минуту. На данный момент ИИ-агенты, настроенные с помощью этих платформ, могут использоваться в различных областях, таких как видеочаты, изучение языков, генерация изображений и т.д.

В融合е Web3 и ИИ в настоящее время больше внимания уделяется исследованию инфраструктурного уровня: как получать качественные данные, защищать конфиденциальность данных, как размещать модели на блокчейне, как повысить эффективное использование децентрализованных вычислительных мощностей, как проверять большие языковые модели и другие ключевые вопросы. С учетом постепенного совершенствования этой инфраструктуры у нас есть основания полагать, что融合 Web3 и ИИ приведет к возникновению целого ряда инновационных бизнес-моделей и услуг.