Інтеграція Web3 та ШІ: створення інфраструктури наступного покоління Інтернету

Web3 як нова парадигма Інтернету, що є децентралізованою, відкритою та прозорою, має природну можливість інтегруватися з AI. У традиційній централізованій архітектурі обчислення AI та ресурси даних жорстко контролюються, і існує безліч викликів, таких як вузькі місця в обчислювальній потужності, витік приватності та алгоритми "чорного ящика". Однак Web3, заснований на розподілених технологіях, може надати новий імпульс для розвитку AI через мережі обміну обчислювальною потужністю, відкриті ринки даних, обчислення збереження приватності та інші способи. Водночас AI може надати багато можливостей для Web3, таких як оптимізація смарт-контрактів, алгоритми боротьби з шахрайством тощо, сприяючи його екосистемному розвитку. Дослідження поєднання Web3 та AI має вирішальне значення для побудови інфраструктури наступного покоління Інтернету та реалізації вартості даних і обчислювальної потужності.

Дані на основі: міцний фундамент AI та Web3

Дані є основним двигуном розвитку ШІ, так само як паливо для двигуна. Моделям ШІ потрібно перетравлювати великі обсяги якісних даних, щоб отримати глибоке розуміння і потужні здібності до міркування. Дані не лише забезпечують навчальну базу для моделей машинного навчання, але й визначають точність і надійність моделей.

У традиційній централізованій моделі збору та використання даних ШІ існує кілька основних проблем:

• Витрати на отримання даних є високими, і малим та середнім підприємствам важко їх витримати
• Ресурси даних монополізовані технологічними гігантами, що призводить до утворення островів даних.
• Приватність особистих даних під загрозою витоку та зловживання.

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

• Користувачі можуть продавати невикористані мережі компаніям штучного інтелекту, децентралізовано збираючи мережеві дані, очищуючи та перетворюючи їх для забезпечення реальних, високоякісних даних для навчання моделей ШІ.
• Використання моделі "label to earn", що стимулює глобальних працівників брати участь у позначенні даних через токен, об'єднує міжнародних експертів і підвищує аналітичні можливості даних.
• Блокчейн-платформа для торгівлі даними забезпечує відкриту та прозору торговельну середу для обох сторін попиту та пропозиції даних, заохочуючи інновації та обмін даними.

Попри це, отримання даних з реального світу також має деякі проблеми, такі як нерівна якість даних, велика складність обробки, недостатня різноманітність і представництво тощо. Синтетичні дані можуть стати зіркою майбутнього в сфері даних Web3. На основі технології генеративного ШІ та моделювання, синтетичні дані можуть імітувати властивості реальних даних, виступаючи як ефективне доповнення до реальних даних, підвищуючи ефективність використання даних. У таких сферах, як автономне водіння, торгівля на фінансових ринках, розробка ігор тощо, синтетичні дані вже продемонстрували свій зрілий потенціал для застосування.

Захист конфіденційності: Роль FHE у Web3

У епоху, що керується даними, захист приватності став глобальною темою, а прийняття таких регуляцій, як Загальний регламент захисту даних (GDPR) в Європейському Союзі, відображає сувору охорону особистої приватності. Проте це також створює виклики: деякі чутливі дані не можуть бути в повній мірі використані через ризики для приватності, що, безсумнівно, обмежує потенціал та здатність до розумування моделей штучного інтелекту.

FHE — це повна гомоморфна криптографія, яка дозволяє виконувати обчислення безпосередньо на зашифрованих даних без необхідності їх розшифровки, причому результати обчислень збігаються з результатами тих же обчислень на відкритих даних.

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

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

FHEML є доповненням до ZKML, де ZKML підтверджує правильне виконання машинного навчання, а FHEML підкреслює обчислення над зашифрованими даними для підтримки конфіденційності даних.

Революція обчислювальної потужності: AI-обчислення в децентралізованих мережах

Поточна обчислювальна складність систем штучного інтелекту подвоюється кожні 3 місяці, що призводить до різкого зростання попиту на обчислювальні ресурси, який значно перевищує постачання існуючих обчислювальних ресурсів. Наприклад, навчання великої мовної моделі вимагає величезної обчислювальної потужності, що відповідає 355 рокам навчання на одному пристрої. Така нестача обчислювальної потужності не лише обмежує прогрес технологій штучного інтелекту, але й робить ці складні моделі недоступними для більшості дослідників і розробників.

Водночас, глобальне використання GPU становить менше 40%, а також уповільнення підвищення продуктивності мікропроцесорів і нестача чіпів через фактори постачання та геополітики ускладнюють проблему постачання обчислювальної потужності. Працівники в галузі ШІ опинилися в двозначній ситуації: або купувати обладнання, або орендувати хмарні ресурси, їм терміново потрібен економічний та ефективний спосіб обчислювальних послуг за запитом.

Децентралізована мережа обчислювальних потужностей AI об'єднує безкоштовні GPU-ресурси з усього світу, пропонуючи AI-компаніям доступний та економічний ринок обчислювальних потужностей. Споживачі обчислювальних потужностей можуть публікувати обчислювальні завдання в мережі, смарт-контракт розподіляє завдання між майнерами, які надають обчислювальні потужності, майнери виконують завдання і подають результати, після перевірки отримують бали як винагороду. Це рішення підвищує ефективність використання ресурсів та допомагає вирішити проблеми з обчислювальними потужностями в таких сферах, як AI.

Окрім загальної децентралізованої мережі обчислювальної потужності, є платформи, що зосереджені на навчанні ШІ, а також спеціалізовані мережі обчислювальної потужності для інференції ШІ.

Децентралізована мережа обчислювальних потужностей забезпечує справедливий та прозорий ринок обчислювальної потужності, руйнуючи монополії, знижуючи поріг входження до застосувань і підвищуючи ефективність використання обчислювальної потужності. У екосистемі web3 децентралізована мережа обчислювальних потужностей відіграватиме ключову роль, залучаючи більше інноваційних dapp, що разом сприятимуть розвитку та застосуванню технологій штучного інтелекту.

DePIN: Web3 надає можливості Edge AI

Уявіть собі, що ваш телефон, смарт-годинник і навіть розумні пристрої у вашому домі мають можливість працювати з ШІ — в цьому і полягає привабливість Edge AI. Це дозволяє обробці даних відбуватися на місці їх виникнення, забезпечуючи низьку затримку, обробку в реальному часі та захистуючи приватність користувачів. Технології Edge AI вже застосовуються в ключових сферах, таких як автономне водіння.

У сфері Web3 у нас є більш знайоме ім'я — DePIN. Web3 підкреслює децентралізацію та суверенітет користувацьких даних, DePIN може покращити захист конфіденційності користувачів, зменшуючи ризик витоку даних, обробляючи дані локально; рідна токен-економіка Web3 може стимулювати вузли DePIN надавати обчислювальні ресурси, створюючи стійку екосистему.

Наразі DePIN швидко розвивається в екосистемі певного блокчейну, ставши одним з найпопулярніших платформ для розгортання проектів. Високий TPS, низькі комісії за транзакції та технологічні інновації цього блокчейну надають потужну підтримку проектам DePIN. Наразі ринкова капіталізація проектів DePIN на цьому блокчейні перевищує 10 мільярдів доларів, кілька відомих проектів досягли значного прогресу.

IMO: Випуск нової парадигми AI-моделей

Концепція IMO була вперше запропонована певним протоколом, що дозволяє токенізувати моделі ШІ.

У традиційній моделі, через відсутність механізму розподілу прибутків, як тільки AI-модель розроблена і введена на ринок, розробникам часто важко отримати постійний дохід від подальшого використання моделі, особливо коли модель інтегрується в інші продукти та послуги, оригінальним 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 їх справжньої вартості, що обмежує визнання моделі на ринку та комерційний потенціал.

IMO надає новий спосіб фінансування та розподілу вартості для відкритих AI моделей, інвестори можуть купувати токени IMO, щоб ділитися доходами, що виникають від моделей у майбутньому. Один з протоколів використовує два стандарти ERC, поєднуючи AI оракули та технологію OPML, щоб забезпечити справжність AI моделей і можливість токенодержателів ділитися доходами.

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

AI Агент: нова ера інтерактивного досвіду

AI Agent може сприймати середовище, вести незалежне мислення та вживати відповідних дій для досягнення визначених цілей. Завдяки підтримці великих мовних моделей, AI Agent не лише може розуміти природну мову, але й планувати рішення, виконувати складні завдання. Вони можуть діяти як віртуальні помічники, навчаючись уподобанням користувача через взаємодію та надаючи персоналізовані рішення. Навіть без чітких інструкцій, AI Agent може самостійно вирішувати проблеми, підвищуючи ефективність та створюючи нову цінність.

Деяка відкрита платформа для нативних додатків на основі штучного інтелекту надає повний та зручний набір інструментів для створення, що дозволяє користувачам налаштовувати функції роботів, зовнішній вигляд, голос, а також підключати зовнішні бази знань, прагнучи створити справедливу та відкриту екосистему контенту на основі штучного інтелекту. Використовуючи технології генеративного штучного інтелекту, платформа надає можливості для особистостей стати супер-творцями. Ця платформа навчила спеціальну велику мовну модель, що робить рольові ігри більш людяними; технологія клонування голосу може прискорити персоналізацію взаємодії з продуктами на основі штучного інтелекту, знижуючи витрати на синтез голосу на 99%, а клонування голосу займає лише 1 хвилину. За допомогою налаштованого AI Agent на цій платформі наразі можна застосовувати в багатьох сферах, таких як відеочати, вивчення мов, генерація зображень тощо.

У злитті Web3 та ШІ наразі більше уваги приділяється дослідженню рівня інфраструктури, як отримати якісні дані, захистити конфіденційність даних, як розмістити моделі на ланцюгу, як підвищити ефективність використання децентралізованих обчислювальних потужностей, як перевірити великі мовні моделі та інші ключові питання. З поступовим вдосконаленням цієї інфраструктури ми маємо підстави вірити, що злиття Web3 та ШІ стане основою для створення ряду інноваційних бізнес-моделей та послуг.