AI та Web3: створення нового парадигми децентралізованих інтелектуальних мереж

Web3 як децентралізована, відкрита, прозора нова генерація інтернет-моделі має природну перевагу у поєднанні з технологією ШІ. У традиційній централізованій архітектурі ШІ стикається з викликами, такими як обмеження обчислювальної потужності, витік конфіденційності, непрозорість алгоритмів. Натомість Web3, оснований на розподілених технологіях, може надати нову енергію для розвитку ШІ через спільні обчислювальні мережі, відкриті ринки даних, обчислення конфіденційності тощо. Водночас ШІ також може надати нові можливості екосистемі Web3, наприклад, оптимізація смарт-контрактів, розробка алгоритмів протидії шахрайству тощо. Дослідження поєднання обох має велике значення для побудови інфраструктури наступного покоління інтернету, звільнення вартості даних та обчислювальних ресурсів.

Дані, що керують: основа AI та Web3

Дані є основним елементом, що сприяє розвитку ШІ. Моделям ШІ потрібно величезна кількість якісних даних для досягнення глибокого розуміння та потужних можливостей міркування, якість даних безпосередньо впливає на точність і надійність моделі.

Традиційна централізована модель даних ШІ має такі проблеми:

• Вартість отримання даних висока, і малим та середнім підприємствам важко це витримати
• Ресурси даних монополізуються технологічними гігантами, формуючи ізоляцію даних
• Особиста конфіденційність піддається ризикам витоку та зловживання.

Web3 надає нову Децентралізація парадигму даних для вирішення цих проблем:

• Децентралізація платформи збору даних дозволяє користувачам продавати невикористані мережеві ресурси, надаючи AI реальні високоякісні дані
• Модель "Заробіток за позначення" стимулює глобальних працівників брати участь у позначенні даних, об'єднуючи професійні знання
• Платформа торгівлі даними на блокчейні забезпечує відкритий і прозорий торговий середовище для обох сторін попиту та пропозиції даних.

Незважаючи на це, отримання даних з реального світу все ще стикається з проблемами різної якості та складності обробки. Синтетичні дані можуть стати новою зіркою майбутньої сфери даних. На основі генеративного ШІ та технологій моделювання, синтетичні дані можуть ефективно доповнювати реальні дані, підвищуючи ефективність використання. У таких сферах, як автономне водіння, фінансові транзакції, розробка ігор, синтетичні дані вже продемонстрували зрілі перспективи застосування.

Захист приватності: Застосування технології FHE

Захист конфіденційності став глобальною проблемою, і відповідні нормативні акти стають дедалі суворішими. Це також створює виклики для розвитку ШІ: частина чутливих даних не може бути належним чином використана через ризики конфіденційності, що обмежує потенціал моделей.

Повна гомоморфна криптографія ( FHE ) дозволяє виконувати обчислення безпосередньо на зашифрованих даних, отримуючи результати, які збігаються з обчисленнями в ясному вигляді, без потреби в розшифруванні. FHE забезпечує потужний захист для приватних обчислень в AI, дозволяючи GPU виконувати навчання моделей і виведення без доступу до вихідних даних. Це дає змогу компаніям у сфері AI безпечно відкривати API-сервіси, захищаючи комерційні таємниці.

FHEML підтримує шифрування даних та моделей протягом усього циклу машинного навчання, забезпечуючи безпеку чутливої інформації та захищаючи від ризику витоку даних. Він надає безпечну обчислювальну платформу для AI-додатків і є потужним доповненням до ZKML.

Революція обчислювальної потужності: Децентралізація AI обчислювальної мережі

Поточна складність обчислень AI-системи подвоюється щоквартально, попит на обчислювальні потужності різко зростає, що значно перевищує наявні ресурси. Наприклад, навчання моделі GPT-3 вимагає величезних обчислювальних потужностей, що еквівалентно 355 рокам навчання на одному пристрої. Нестача обчислювальних потужностей не тільки обмежує прогрес AI, але й робить доступ до високоякісних моделей важким для більшості розробників.

Одночасно, глобальна завантаженість GPU менше 40%, а також уповільнення підвищення продуктивності чіпів та проблеми з постачанням призводять до більшої напруженості в постачанні обчислювальних потужностей. Професіонали в сфері ШІ стикаються з дилемою покупки апаратного забезпечення або оренди хмарних ресурсів, терміново потребуючи економічних обчислювальних послуг за запитом.

Децентралізація AI обчислювальної мережі шляхом агрегування глобальних невикористаних ресурсів GPU забезпечує економічно доступний ринок обчислювальної потужності для AI компаній. Сторона, що потребує, може публікувати завдання, смарт-контракт розподіляє їх для виконання вузлам-майнерам, які отримують винагороду після завершення. Ця модель підвищує ефективність використання ресурсів та допомагає пом'якшити обмеження обчислювальної потужності в таких сферах, як AI.

Окрім загальної обчислювальної мережі, є також спеціалізовані платформи, що зосереджені на навчанні та інференції штучного інтелекту. Децентралізована обчислювальна мережа забезпечує справедливий і прозорий ринок, руйнуючи монополії, знижуючи бар'єри входу та підвищуючи ефективність. У екосистемі Web3 вона залучить більше інноваційних застосунків, сприяючи розвитку технології штучного інтелекту.

DePIN: Web3 надає можливості для краєвих AI

Граничний ШІ надає інтелектуальним пристроям можливість локальних обчислень ШІ, забезпечуючи обробку в реальному часі з низькою затримкою, одночасно захищаючи конфіденційність користувачів. Цю технологію вже застосовують у ключових сферах, таких як автономне водіння.

У Web3 DePIN ( децентралізовані фізичні інфраструктурні мережі ) пов'язані з концепцією граничного ШІ. Web3 підкреслює децентралізацію та суверенітет даних користувачів, а DePIN через локальну обробку посилює захист конфіденційності та знижує ризики витоку даних. Нативна токеноміка Web3 може стимулювати вузли надавати обчислювальну потужність, створюючи стійку екосистему.

Наразі DePIN швидко розвивається в певній екосистемі блокчейну, ставши однією з переважних платформ для розгортання проєктів. Висока продуктивність, низькі витрати та технологічні інновації цієї мережі надають потужну підтримку DePIN. Наразі ринкова капіталізація DePIN проєктів на цій платформі перевищила 10 мільярдів доларів США, і кілька відомих проєктів досягли значного прогресу.

IMO：Новий режим випуску AI моделей

IMO (Initial Model Offering) Концепція була вперше запропонована певним протоколом, що передбачає токенізацію AI моделей.

У традиційній моделі розробники AI-моделей мають труднощі з отриманням постійних вигод від подальшого використання, особливо коли моделі інтегруються в інші продукти. Крім того, продуктивність моделей не є прозорою, інвестори та користувачі мають труднощі з оцінкою їхньої вартості, що обмежує ринкове визнання.

IMO надає нові способи фінансування та розподілу вартості для відкритих AI моделей. Інвестори можуть купувати токени, щоб ділитися доходами від моделей. Певний протокол використовує специфічні технологічні стандарти, поєднуючи AI оракули та технологію OPML для забезпечення достовірності моделей та розподілу доходів.

IMO підвищує прозорість і довіру, заохочує відкриту співпрацю, адаптується до тенденцій крипторинку, надає імпульс для сталого розвитку ШІ. Наразі все ще на початковій стадії, але його інноваційність і потенційна цінність заслуговують на очікування.

AI Агент: Відкриття нової ери взаємодії

AI Agent може сприймати середовище, самостійно мислити та вживати заходів для досягнення цілей. Завдяки великим мовним моделям, вони не лише розуміють природну мову, але й можуть планувати рішення, виконувати складні завдання. Як віртуальні помічники, AI Agent через взаємодію вивчають переваги користувачів, надаючи персоналізовані рішення. Вони можуть самостійно вирішувати проблеми без чітких інструкцій, підвищуючи ефективність і створюючи цінність.

Деяка платформа для відкритих AI-додатків пропонує всебічні та зручні інструменти для створення, підтримує користувачів у налаштуванні функцій роботів, їх вигляду, голосу та підключенні до зовнішніх баз знань, прагнучи створити справедливу та відкриту екосистему AI-контенту. Ця платформа навчила спеціалізовані великі мовні моделі, щоб рольова гра була більш гуманною; її технологія клонування голосу значно знизила витрати, і тепер це займає всього 1 хвилину. Користувачі можуть використовувати платформу для налаштування AI Agent, застосовуючи його в різних сферах, таких як відеочат, вивчення мов, генерація зображень тощо.

Наразі інтеграція Web3 та AI в основному зосереджена на рівні інфраструктури, досліджуючи ключові питання, такі як отримання даних, захист конфіденційності, хостинг моделей на ланцюгу, ефективне використання децентралізованих обчислювальних потужностей, перевірка великих мовних моделей тощо. У міру поступового вдосконалення цієї інфраструктури, поєднання Web3 та AI має потенціал для народження ряду інноваційних бізнес-моделей та послуг.