Злиття Web3 та AI: побудова інфраструктури наступного покоління Інтернету

Web3 як нова парадигма Інтернету, що є децентралізованою, відкритою та прозорою, має природну можливість для інтеграції з ШІ. У традиційній централізованій архітектурі обчислення ШІ та ресурси даних підлягають суворому контролю, а також існують численні виклики, такі як вузькі місця в обчислювальних потужностях, витік конфіденційності, чорні ящики алгоритмів та ін. Web3, заснований на розподілених технологіях, може надати новий імпульс розвитку ШІ через спільні мережі обчислювальних потужностей, відкриті ринки даних, обчислення конфіденційності тощо. Водночас ШІ може надати багато можливостей для Web3, таких як оптимізація смарт-контрактів, алгоритми протидії шахрайству тощо, що сприятиме його екосистемному розвитку. Тому дослідження поєднання Web3 і ШІ є вкрай важливим для побудови інфраструктури наступного покоління Інтернету, а також для реалізації цінності даних і обчислювальних потужностей.

Дані, що керують: міцна основа AI та Web3

Дані є основним двигуном розвитку ШІ, як паливо для двигуна. Моделі ШІ потребують обробки великої кількості якісних даних, щоб отримати глибоке розуміння та потужні можливості розумування; дані не лише забезпечують навчальну основу для моделей машинного навчання, але й визначають точність і надійність моделей.

У традиційній централізованій моделі отримання та використання даних AI існують кілька основних проблем:

• Вартість отримання даних є високою, і малим та середнім підприємствам важко це витримати.
• Ресурси даних монополізовані технологічними гігантами, що призводить до утворення ізольованих даних.
• Персональні дані піддаються ризику витоку та зловживання.

Web3 може вирішити проблеми традиційних моделей за допомогою нової децентралізованої парадигми даних:

• Збираючи дані з мережі децентралізованим способом, після очищення та перетворення, надається реальнісні та високоякісні дані для навчання AI моделей.
• Використання моделі "label to earn", за допомогою токенів заохочувати глобальних працівників брати участь у розмітці даних, об'єднуючи професійні знання з усього світу, підвищуючи аналітичну спроможність даних.
• Платформа торгівлі даними на блокчейні забезпечує відкритий та прозорий торговий середовище для обох сторін попиту та пропозиції даних, стимулюючи інновації та обмін даними.

Однак, в отриманні даних з реального світу існують деякі проблеми, такі як різна якість даних, велика складність обробки, недостатня різноманітність та репрезентативність. Синтетичні дані можуть стати зіркою майбутнього в сфері даних Web3. На основі технологій генеративного штучного інтелекту та моделювання, синтетичні дані можуть імітувати властивості реальних даних, служачи 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 даних захищеність приватності стала глобальною точкою уваги, введення таких норм, як Загальний регламент захисту даних (GDPR) ЄС, відображає сувору охорону особистої приватності. Однак це також створює виклики: деякі чутливі дані не можуть бути в повній мірі використані через ризики приватності, що безумовно обмежує потенціал і здатність моделі ШІ до міркування.

FHE, або повна гомоморфна криптографія, дозволяє виконувати обчислення безпосередньо на зашифрованих даних без необхідності їх розшифровки, причому результати обчислень будуть ідентичні результатам обчислень на відкритих даних.

FHE забезпечує надійний захист для приватних обчислень в AI, що дозволяє потужності GPU виконувати навчання моделей та завдання інференції в середовищі, не торкаючись вихідних даних. Це приносить величезні переваги компаніям в AI. Вони можуть безпечно відкривати API-сервіси, захищаючи комерційну таємницю.

FHEML підтримує шифрування даних та моделей на всьому циклі машинного навчання, забезпечуючи безпеку чутливої інформації та запобігаючи ризику витоку даних. Таким чином, FHEML посилює конфіденційність даних, забезпечуючи безпечну обчислювальну платформу для AI-додатків.

FHEML є доповненням до ZKML, де ZKML підтверджує правильність виконання машинного навчання, а FHEML підкреслює обробку зашифрованих даних для збереження конфіденційності даних.

Революція обчислювальної потужності: Штучний інтелект у децентралізованих мережах

Поточна обчислювальна складність систем штучного інтелекту подвоюється кожні 3 місяці, що призводить до різкого зростання попиту на обчислювальні ресурси, що значно перевищує наявні запаси. Наприклад, тренування великої мовної моделі відомої компанії з штучного інтелекту вимагає величезних обчислювальних потужностей, що дорівнює 355 рокам навчання на одному пристрої. Такий дефіцит обчислювальних ресурсів не лише обмежує прогрес технологій штучного інтелекту, але й робить такі складні моделі недоступними для більшості дослідників і розробників.

Одночасно, глобальна завантаженість GPU становить менше 40%, а також уповільнення підвищення продуктивності мікропроцесорів та нестача чіпів, спричинена факторами постачання та геополітики, все це робить проблему постачання обчислювальної потужності ще більш серйозною. Працівники штучного інтелекту потрапили в двозначну ситуацію: або купувати апаратуру, або орендувати хмарні ресурси, їм терміново потрібен економічно ефективний спосіб обчислювальних послуг за потребою.

Деяка децентралізована мережа обчислювальних потужностей на основі ШІ об'єднує вільні ресурси GPU з усього світу, пропонуючи AI-компаніям економічний та легкодоступний ринок обчислювальних потужностей. Сторони, які потребують обчислювальних потужностей, можуть публікувати обчислювальні завдання в мережі, смарт-контракт розподіляє завдання між майнінговими вузлами, які надають обчислювальні потужності, майнери виконують завдання та подають результати, які перевіряються, після чого отримують винагороду у вигляді балів. Ця схема підвищує ефективність використання ресурсів і допомагає вирішити проблему обчислювальних потужностей у таких сферах, як ШІ.

Окрім загальної децентралізованої мережі обчислювальних потужностей, існують також платформи, що спеціалізуються на навчанні ШІ, та спеціалізовані мережі обчислювальних потужностей для інференції ШІ.

Децентралізована мережа обчислювальної потужності забезпечує справедливий та прозорий ринок обчислювальної потужності, розриваючи монополію, знижуючи поріг входження для застосувань та підвищуючи ефективність використання обчислювальної потужності. У екосистемі web3 децентралізована мережа обчислювальної потужності відіграватиме ключову роль, залучаючи більше інноваційних dapp до спільного розвитку та застосування технологій ШІ.

DePIN: Web3 надає можливості Edge AI

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

У сфері Web3 ми маємо більш знайоме ім'я — DePIN. Web3 підкреслює децентралізацію та суверенітет користувацьких даних. DePIN, обробляючи дані локально, може посилити захист конфіденційності користувачів і зменшити ризик витоку даних; рідна для Web3 механіка токенів може стимулювати вузли DePIN надавати обчислювальні ресурси, створюючи стійку екосистему.

На даний момент DePIN швидко розвивається в екосистемі певного блокчейну, ставши одним з найпопулярніших платформ для розгортання проектів. Висока TPS, низькі комісії за транзакції та технологічні інновації цього блокчейну забезпечують потужну підтримку для проектів DePIN. Наразі ринкова капіталізація проектів DePIN на цьому блокчейні перевищує 10 мільярдів доларів, відомі проекти досягли значного прогресу.

IMO: Випуск нової парадигми AI моделей

Концепція IMO була вперше запропонована певним протоколом, що дозволяє токенізацію AI-моделей.

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

IMO надає новий спосіб фінансування та поділу вартості для відкритих AI моделей, інвестори можуть купувати токени IMO, щоб ділитися доходами, отриманими від моделей у майбутньому. Один з протоколів використовує два стандарти ERC, поєднуючи AI оракул і технологію OPML для забезпечення автентичності AI моделей та можливості токенодержателів ділитися доходами.

Модель IMO підвищує прозорість і довіру, заохочує відкриту співпрацю, адаптується до тенденцій криптовалютного ринку та надає імпульс сталому розвитку технологій штучного інтелекту. IMO наразі перебуває на початковій стадії, але з підвищенням прийнятності на ринку та розширенням кола учасників, її інноваційність і потенційна цінність заслуговують на нашу увагу.

AI Agent: нова ера взаємодії

Штучний інтелект (AI) агент може сприймати навколишнє середовище, здійснювати незалежне мислення та вживати відповідні дії для досягнення поставленої мети. За підтримки великих мовних моделей AI агент не лише може розуміти природну мову, але й планувати рішення, виконувати складні завдання. Вони можуть виступати в ролі віртуальних асистентів, вивчаючи уподобання користувачів через взаємодію та пропонуючи персоналізовані рішення. Навіть без чітких інструкцій AI агент може самостійно вирішувати проблеми, підвищувати ефективність і створювати нову цінність.

Деяка платформу для додатків на основі ШІ пропонує повноцінний та зручний набір інструментів для створення, підтримує користувачів у налаштуванні функцій роботів, зовнішнього вигляду, голосу, а також підключенні до зовнішніх баз знань тощо, прагнучи створити справедливу і відкриту екосистему контенту на основі ШІ, використовуючи технології генеративного ШІ, надаючи можливість особам стати супер-креаторами. Ця платформа навчила спеціально розроблену велику мовну модель, що робить рольову гру більш людяною; технологія клонування голосу може прискорити персоналізовану взаємодію ШІ-продуктів, знизивши вартість синтезу голосу на 99%, клонування голосу займає лише 1 хвилину. Використовуючи налаштованого агенту ШІ цієї платформи, наразі можна застосовувати в багатьох сферах, таких як відеочат, вивчення мов, генерація зображень тощо.

У злитті Web3 та AI наразі більше уваги приділяється дослідженню інфраструктурного рівня, як отримувати якісні дані, захищати конфіденційність даних, як розміщувати моделі на ланцюгу, як підвищити ефективність використання децентралізованої обчислювальної потужності, як перевіряти великі мовні моделі та інші ключові питання. З поступовим вдосконаленням цієї інфраструктури, ми маємо підстави вірити, що злиття Web3 та AI сприятиме виникненню ряду інноваційних бізнес-моделей та послуг.