La fusión de Web3 y AI: construyendo el ecosistema de Internet del futuro

Web3, como un nuevo paradigma de Internet descentralizado, abierto y transparente, tiene una conexión natural con la tecnología de inteligencia artificial. En la arquitectura centralizada tradicional, los recursos de cálculo y datos de la IA están estrictamente limitados, enfrentándose a múltiples desafíos como cuellos de botella en la capacidad de cálculo, problemas de privacidad y falta de transparencia en los algoritmos. Web3, basado en tecnologías distribuidas, puede proporcionar un nuevo impulso para el desarrollo de la IA a través de redes de cálculo compartido, intercambio de datos abiertos y computación privada. Al mismo tiempo, la IA también puede aportar muchos beneficios a Web3, como la optimización de contratos inteligentes y mecanismos anti-trampa, apoyando así su construcción ecológica. Por lo tanto, explorar la combinación de Web3 y IA es de gran importancia para construir la infraestructura de Internet de próxima generación y liberar el valor de los datos y la capacidad de cálculo.

Impulsado por datos: La piedra angular de la IA y Web3

Los datos son el motor principal que impulsa el desarrollo de la IA, como el combustible de un motor. Los modelos de IA necesitan digerir una gran cantidad de datos de alta calidad para obtener una comprensión profunda y una poderosa capacidad de razonamiento. Los datos no solo proporcionan la base de entrenamiento para los modelos de aprendizaje automático, sino que también determinan la precisión y la fiabilidad del modelo.

Los siguientes problemas principales existen en el modelo tradicional de obtención y utilización de datos de IA centralizada:

• El costo de obtención de datos es alto, las pequeñas y medianas empresas tienen dificultades para soportarlo.
• Los recursos de datos están monopolizados por grandes empresas tecnológicas, formando islas de datos.
• Los datos personales enfrentan riesgos de filtración y abuso.

Web3 puede resolver los puntos críticos del modelo tradicional con un nuevo paradigma de datos descentralizado:

• Los usuarios pueden vender recursos de red no utilizados a empresas de IA, recopilando datos de red de manera descentralizada, y después de la limpieza y transformación, proporcionar datos reales y de alta calidad para el entrenamiento de modelos de IA.
• Adoptar el modelo de "ganar al etiquetar", incentivando a trabajadores de todo el mundo a participar en la etiquetación de datos mediante tokens, reuniendo conocimientos profesionales globales y mejorando la capacidad de análisis de datos.
• La plataforma de intercambio de datos en blockchain proporciona un entorno de transacción público y transparente para ambas partes de la oferta y la demanda de datos, incentivando la innovación y el intercambio de datos.

Sin embargo, la obtención de datos del mundo real también presenta algunos problemas, como la calidad de los datos que varía, la dificultad de procesamiento, la falta de diversidad y representatividad, entre otros. Los datos sintéticos podrían ser un punto destacado en el futuro del ámbito de datos de Web3. Basados en tecnologías de IA generativa y simulación, los datos sintéticos pueden simular las características de los datos reales, sirviendo como un complemento efectivo y mejorando la eficiencia en el uso de datos. En áreas como la conducción autónoma, las transacciones financieras y el desarrollo de videojuegos, los datos sintéticos han demostrado tener un horizonte de aplicación maduro.

Protección de la privacidad: Aplicación de la criptografía homomórfica completa en Web3

En la era impulsada por datos, la protección de la privacidad se ha convertido en un foco de atención global, y la aparición de regulaciones como el GDPR de la UE refleja una estricta protección de la privacidad personal. Sin embargo, esto también plantea desafíos: algunos datos sensibles no pueden ser utilizados plenamente debido a los riesgos de privacidad, lo que limita el potencial y la capacidad de razonamiento de los modelos de IA.

La criptografía completamente homomórfica ( FHE ) permite realizar cálculos directamente sobre datos cifrados sin necesidad de descifrar los datos, y el resultado del cálculo es consistente con el resultado del cálculo de los datos en texto claro. FHE proporciona una sólida protección para el cálculo de la privacidad de la IA, permitiendo que la potencia de cálculo de la GPU ejecute el entrenamiento y la inferencia de modelos sin acceder a los datos originales. Esto brinda una gran ventaja a las empresas de IA, permitiendo ofrecer servicios API de forma segura mientras se protegen los secretos comerciales.

FHEML admite el procesamiento encriptado de datos y modelos a lo largo de todo el ciclo de vida del aprendizaje automático, asegurando la seguridad de la información sensible y previniendo el riesgo de filtraciones de datos. De esta manera, FHEML refuerza la privacidad de los datos y proporciona un marco de computación segura para aplicaciones de IA.

FHEML es un complemento de ZKML; ZKML prueba la ejecución correcta del aprendizaje automático, mientras que FHEML enfatiza el cálculo sobre datos cifrados para mantener la privacidad de los datos.

Revolución del poder de cómputo: Cálculo AI en redes descentralizadas

Actualmente, la complejidad computacional de los sistemas de IA se duplica cada 3 meses, lo que provoca un aumento explosivo en la demanda de potencia de cálculo, superando con creces la oferta de recursos computacionales existentes. Por ejemplo, el entrenamiento de un modelo de lenguaje grande requiere una enorme potencia de cálculo, equivalente a 355 años de tiempo de entrenamiento en un solo dispositivo. Esta escasez de potencia de cálculo no solo limita el avance de la tecnología de IA, sino que también hace que los modelos de IA avanzados sean inalcanzables para la mayoría de los investigadores y desarrolladores.

Al mismo tiempo, la utilización global de GPU es inferior al 40%, sumado a la desaceleración en el aumento del rendimiento de los microprocesadores y a la escasez de chips causada por factores de la cadena de suministro y geopolíticos, lo que agrava el problema del suministro de potencia de cálculo. Los profesionales de la IA se enfrentan a un dilema: o compran hardware por su cuenta, o alquilan recursos en la nube; necesitan con urgencia una forma de servicio de computación bajo demanda y rentable.

La red de computación descentralizada de IA agrega recursos de GPU inactivos a nivel mundial, proporcionando un mercado de computación económico y accesible para las empresas de IA. Los demandantes de computación pueden publicar tareas en la red, y los contratos inteligentes asignan las tareas a los nodos que contribuyen con su poder de cómputo. Los nodos ejecutan las tareas y envían los resultados, y tras la verificación, reciben recompensas. Esta solución mejora la eficiencia en el uso de recursos y ayuda a resolver el problema del cuello de botella en el poder de cómputo en campos como la IA.

Además de la red de computación descentralizada general, también existen plataformas de computación especializadas enfocadas en el entrenamiento y la inferencia de IA. Estas redes de computación descentralizadas ofrecen un mercado de computación justo y transparente, rompiendo monopolios, reduciendo las barreras de entrada y mejorando la eficiencia en el uso de la computación. En el ecosistema Web3, las redes de computación descentralizadas jugarán un papel clave, atrayendo más aplicaciones descentralizadas innovadoras para impulsar conjuntamente el desarrollo y la aplicación de la tecnología de IA.

Dispositivos de IoT: Web3 potencia la IA en el borde

Imagina que tu teléfono móvil, tu reloj inteligente e incluso los dispositivos inteligentes en tu hogar tienen la capacidad de ejecutar IA; esta es la magia de la IA en el borde. Permite que el cálculo ocurra en la fuente de generación de datos, logrando un procesamiento en tiempo real con baja latencia, al mismo tiempo que protege la privacidad del usuario. La tecnología de IA en el borde ya se ha aplicado en campos clave como la conducción autónoma.

En el ámbito de Web3, lo llamamos red de infraestructura física descentralizada. Web3 enfatiza la descentralización y la soberanía de los datos del usuario; esta red mejora la protección de la privacidad del usuario al procesar datos localmente, reduciendo el riesgo de filtraciones de datos. El mecanismo de economía de tokens nativo de Web3 puede incentivar a los nodos a proporcionar recursos de computación, construyendo un ecosistema sostenible.

Actualmente, este tipo de redes se están desarrollando rápidamente en el ecosistema de una cadena pública de alto rendimiento, convirtiéndose en una de las plataformas preferidas para el despliegue de proyectos. La alta capacidad de procesamiento, bajos costos de transacción e innovaciones tecnológicas de esta cadena pública brindan un fuerte apoyo a los proyectos relacionados. Actualmente, la capitalización de mercado de estos proyectos en la cadena pública ha superado los 10 mil millones de dólares, y varios proyectos conocidos han logrado avances significativos.

Emisión del modelo inicial: Nuevo paradigma de lanzamiento de modelos de IA

El modelo inicial de emisión ( IMO ) fue propuesto por un protocolo, tokenizando modelos de IA.

En el modelo tradicional, debido a la falta de un mecanismo de participación en los ingresos, los desarrolladores de modelos de IA tienen dificultades para obtener ingresos continuos de su uso posterior, especialmente cuando el modelo se integra en otros productos y servicios, ya que los creadores originales tienen dificultades para rastrear el uso y obtener beneficios. Además, el rendimiento y la efectividad de los modelos de IA a menudo carecen de transparencia, lo que dificulta que los inversores y usuarios potenciales evalúen su verdadero valor, limitando así el reconocimiento del mercado y el potencial comercial del modelo.

IMO ofrece un nuevo modelo de financiación y compartición de valor para modelos de IA de código abierto. Los inversores pueden comprar tokens IMO y compartir los ingresos generados por el modelo en el futuro. Un protocolo utiliza un estándar ERC específico, combinando oráculos de IA y tecnología de aprendizaje automático en cadena para garantizar la autenticidad del modelo de IA y que los titulares de tokens puedan compartir los ingresos.

El modelo IMO ha mejorado la transparencia y la confianza, fomentando la colaboración de código abierto, adaptándose a las tendencias del mercado de criptomonedas y proporcionando impulso al desarrollo sostenible de la tecnología AI. Actualmente, el IMO se encuentra en una etapa de prueba inicial, pero a medida que aumenta la aceptación del mercado y se amplía el alcance de la participación, su innovación y valor potencial son dignos de expectativas.

Agentes de IA: Una nueva era de experiencia interactiva

Los agentes de IA pueden percibir el entorno, pensar de manera independiente y tomar acciones correspondientes para alcanzar objetivos establecidos. Con el apoyo de modelos de lenguaje grandes, los agentes de IA no solo pueden entender el lenguaje natural, sino también planificar decisiones y ejecutar tareas complejas. Pueden funcionar como asistentes virtuales, aprendiendo preferencias a través de la interacción con los usuarios y proporcionando soluciones personalizadas. Incluso sin instrucciones claras, los agentes de IA pueden resolver problemas de forma autónoma, mejorar la eficiencia y crear nuevo valor.

Una plataforma de aplicaciones nativas de IA abierta ofrece un conjunto de herramientas creativas completo y fácil de usar, que permite a los usuarios configurar las funcionalidades, apariencia, sonido de los robots y conectar bases de datos externas, dedicada a crear un ecosistema de contenido de IA justo y abierto, aprovechando la tecnología de IA generativa para empoderar a las personas a convertirse en creadores superdotados. Esta plataforma ha entrenado modelos de lenguaje grandes especializados, lo que hace que los juegos de rol sean más humanizados; la tecnología de clonación de voz puede acelerar la interacción personalizada de productos de IA, reduciendo los costos de síntesis de voz en un 99%, y el clon de voz se puede lograr en solo 1 minuto. Utilizando agentes inteligentes de IA personalizados de esta plataforma, actualmente se pueden aplicar en varios campos como videochat, aprendizaje de idiomas, generación de imágenes, entre otros.

En la fusión de Web3 y AI, actualmente se está explorando más la capa de infraestructura, cómo obtener datos de alta calidad, proteger la privacidad de los datos, cómo alojar modelos en la cadena, cómo mejorar el uso eficiente de la potencia de cálculo descentralizada, cómo validar modelos de lenguaje de gran tamaño y otros problemas clave. A medida que estas infraestructuras se perfeccionan gradualmente, tenemos razones para creer que la fusión de Web3 y AI dará lugar a una serie de modelos de negocio y servicios innovadores.