Web3 та AI: революційний прорив у даних, конфіденційності та Обчислювальній потужності

Web3 як нова децентралізована, відкрита та прозора інтернет-парадигма має природні можливості для інтеграції з AI. У традиційних централізованих архітектурах обчислювальні та дані ресурси AI підлягають суворим обмеженням, стикаючись з багатьма викликами, такими як обчислювальна потужність, витік конфіденційності, непрозорість алгоритмів тощо. Web3, заснований на розподілених технологіях, може надати новий імпульс розвитку AI через спільні мережі обчислювальної потужності, відкриті ринки даних, обчислення конфіденційності та інші способи. Водночас AI також може надати багато можливостей для Web3, таких як оптимізація смартконтрактів, алгоритми протидії шахрайству тощо, сприяючи його екосистемному розвитку. Тому дослідження поєднання Web3 та AI має важливе значення для побудови інфраструктури наступного покоління інтернету та вивільнення цінності даних і обчислювальної потужності.

Дані, що керують: міцна основа для AI та Web3

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

Традиційні централізовані моделі отримання та використання даних AI мають такі основні проблеми:

• Витрати на отримання даних є високими, малі та середні підприємства не можуть їх дозволити.
• Ресурси даних монополізовані великими технологічними компаніями, утворюючи острови даних
• Особисті дані піддаються ризику витоку та зловживання

Web3 може вирішити проблеми традиційних моделей новою Децентралізацією даних.

• Користувачі можуть продавати невикористані мережеві ресурси AI-компаніям для децентралізованого збору мережевих даних, які після очищення та перетворення забезпечують реальні, високоякісні дані для навчання AI-моделей.
• Використовуючи модель "label to earn", шляхом токенізації заохочуються працівники з усього світу для участі в маркуванні даних, об'єднуючи глобальні професійні знання, підвищуючи здатність до аналізу даних.
• Блокчейн платформа для торгівлі даними забезпечує відкритий та прозорий торговий середовище для обох сторін попиту та пропозиції даних, сприяючи інноваціям та обміну даними.

Однак, у реальному світі отримання даних все ще є деякі проблеми, такі як різна якість даних, велика складність обробки, недостатня різноманітність і представництво тощо. Синтетичні дані можуть стати зіркою майбутнього у секторі даних Web3. Ґрунтуючись на технології генеративного ШІ та моделюванні, синтетичні дані можуть імітувати властивості реальних даних, як ефективне доповнення, підвищуючи ефективність використання даних. У таких сферах, як автономне водіння, торгівля на фінансових ринках, розробка ігор тощо, синтетичні дані вже продемонстрували зрілі потенціали застосування.

Захист конфіденційності: роль FHE у Web3

У епоху, керовану даними, захист приватності став глобальною темою обговорення, а прийняття відповідних нормативних актів відображає суворе дотримання особистої приватності. Однак це також створює виклики: деякі чутливі дані не можуть бути повною мірою використані через ризики порушення приватності, що обмежує потенціал та здатність до міркування моделей штучного інтелекту.

FHE — це повна гомоморфна криптографія, яка дозволяє виконувати обчислювальні операції безпосередньо над зашифрованими даними, не розшифровуючи їх, і результати обчислень збігаються з результатами обчислень над відкритими даними.

FHE надає надійний захист для приватних обчислень AI, дозволяючи обчислювальній потужності GPU виконувати навчання моделей та завдання інференції в середовищі, що не має доступу до вихідних даних. Це приносить величезні переваги компаніям AI, оскільки дозволяє безпечно відкривати API-сервіси, захищаючи комерційну таємницю.

FHEML підтримує шифрування даних і моделей протягом усього циклу машинного навчання, забезпечуючи безпеку чутливої інформації та запобігаючи ризику витоку даних. Таким чином, FHEML зміцнює конфіденційність даних і надає безпечну обчислювальну основу для AI-додатків.

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

Обчислювальна потужність революція: Децентралізація мережі з AI обчисленням

Поточна складність обчислень систем штучного інтелекту подвоюється кожні 3 місяці, що призводить до різкого зростання попиту на обчислювальну потужність, що значно перевищує наявні ресурси обчислення. Цей дефіцит обчислювальної потужності не лише обмежує прогрес технологій штучного інтелекту, але й ускладнює доступ до висококласних моделей штучного інтелекту для більшості дослідників та розробників.

Водночас глобальне використання GPU становить менше 40%, а також уповільнення підвищення продуктивності мікропроцесорів та нестача чіпів, спричинена факторами постачання та геополітики, ускладнює проблему постачання обчислювальної потужності. Працівники AI стикаються з дилемою: купувати обладнання або орендувати хмарні ресурси, і терміново потребують економічно ефективних обчислювальних послуг на вимогу.

Деяка децентралізована мережа обчислювальної потужності AI, агрегуючи невикористані GPU-ресурси по всьому світу, надає економічно вигідний і зручний ринок обчислювальної потужності для AI-компаній. Сторони, які потребують обчислювальної потужності, можуть публікувати обчислювальні завдання в мережі, смартконтракти розподіляють завдання між майнерами, які надають обчислювальну потужність, майнери виконують завдання та надсилають результати, які після перевірки отримують бали у вигляді винагороди. Ця схема підвищує ефективність використання ресурсів і допомагає вирішити проблему обчислювальної потужності в таких сферах, як AI.

Окрім загальної децентралізованої обчислювальної потужності мережі, є також спеціалізовані мережі обчислювальної потужності, що зосереджені на навчанні та висновках ШІ.

Децентралізована обчислювальна потужність мережі забезпечує справедливий та прозорий ринок обчислювальної потужності, розриває монополію, знижує бар'єри для застосування та підвищує ефективність використання обчислювальної потужності. У екосистемі web3 децентралізована обчислювальна потужність мережі відіграє ключову роль, приваблюючи більше інноваційних dapp для спільного просування розвитку та застосування AI технологій.

DePIN: Web3 надає можливості Edge AI

Edge AI дозволяє виконувати обчислення на джерелі виробництва даних, забезпечуючи низьку затримку, обробку в реальному часі та захистуючи конфіденційність користувачів. Ця технологія вже застосовується в таких критичних сферах, як автономне водіння.

У сфері Web3 ми більше знайомі з концепцією DePIN. Web3 підкреслює децентралізацію та суверенітет даних користувачів, а DePIN, обробляючи дані локально, посилює захист конфіденційності користувачів і зменшує ризики витоку даних; оригінальний механізм токенів Web3 може стимулювати вузли DePIN надавати обчислювальні ресурси, створюючи стійку екосистему.

Наразі DePIN швидко розвивається в екосистемі певного публічного блокчейну, ставши однією з найпопулярніших платформ для запуску проектів. Висока TPS, низькі транзакційні витрати та технологічні інновації цього публічного блокчейну надають потужну підтримку проектам DePIN. Наразі ринкова капіталізація проектів DePIN на цьому публічному блокчейні перевищує 10 мільярдів доларів, деякі відомі проекти вже досягли значного прогресу.

IMO: Нові парадигми випуску AI моделей

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

У традиційній моделі, через відсутність механізму розподілу доходів, розробникам важко отримувати постійний дохід від подальшого використання AI-моделей, особливо коли моделі інтегруються в інші продукти та послуги. Крім того, продуктивність і ефективність AI-моделей часто не мають прозорості, що ускладнює потенційним інвесторам та користувачам оцінку їхньої реальної вартості, що обмежує ринкове визнання моделей та їх комерційний потенціал.

IMO забезпечує новий спосіб фінансування та розподілу вартості для відкритих AI моделей, інвестори можуть купувати токени IMO, щоб ділитися доходами, які генеруються моделлю в подальшому. Певний протокол використовує специфічний стандарт ERC, поєднуючи AI оракулів та технологію OPML для забезпечення справжності AI моделі та можливості власників токенів ділитися доходом.

Модель IMO підвищує прозорість і довіру, заохочує відкриту співпрацю, адаптується до тенденцій криптовалютного ринку та вносить імпульс у сталий розвиток технології ШІ. IMO наразі перебуває на початковій стадії спроб, але з підвищенням рівня прийняття на ринку та розширенням кола учасників її інноваційність та потенційна цінність заслуговують на очікування.

AI Агент: нова ера інтерактивного досвіду

AI Агент може сприймати середовище, самостійно думати та вживати відповідних дій для досягнення встановлених цілей. За підтримки великих мовних моделей, AI Агент не лише може розуміти природну мову, а й планувати рішення, виконувати складні завдання. Вони можуть виступати як віртуальні помічники, навчаючись уподобанням через взаємодію з користувачами, надаючи персоналізовані рішення. Навіть без чітких вказівок, AI Агент може самостійно вирішувати проблеми, підвищуючи ефективність та створюючи нову цінність.

Деяка відкрита платформа додатків на основі ШІ пропонує комплексний і зручний набір інструментів для створення, що дозволяє користувачам налаштовувати функції, зовнішній вигляд, голос роботів, а також підключати зовнішні бази знань. Платформа прагне створити справедливу та відкриту екосистему контенту на основі ШІ, використовуючи технологію генеративного ШІ, наділяючи особистість можливістю стати супер-творцем. Ця платформа навчила спеціалізовану велику мовну модель, що робить рольову гру більш людяною; технологія клонування голосу може прискорити персоналізацію взаємодії з продуктами ШІ, зменшуючи витрати на синтез голосу на 99%, а клонування голосу займає лише 1 хвилину. Використовуючи налаштованого AI Agent від цієї платформи, наразі це можна застосувати в багатьох сферах, таких як відеочат, вивчення мов, генерація зображень тощо.

У інтеграції Web3 та AI наразі більше уваги приділяється дослідженню інфраструктурного рівня, як отримувати високоякісні дані, захищати конфіденційність даних, як на блокчейні розміщувати моделі, як підвищити ефективність використання децентралізованої обчислювальної потужності, як перевіряти великі мовні моделі та інші ключові питання. З поступовим вдосконаленням цих інфраструктур у нас є підстави вірити, що інтеграція Web3 та AI сприятиме виникненню ряду інноваційних бізнес-моделей та послуг.