Слияние Web3 и ИИ: создание экологии будущего интернета

Web3 как новая парадигма интернета, основанная на децентрализации, открытости и прозрачности, имеет естественную совместимость с технологиями искусственного интеллекта. В традиционной централизованной архитектуре вычислительные и данные ресурсы ИИ строго ограничены, сталкиваясь с множеством проблем, таких как узкие места в вычислительной мощности, вопросы конфиденциальности и непрозрачность алгоритмов. В то же время Web3 на основе распределенных технологий может предоставить новый импульс для развития ИИ через такие методы, как сеть совместного вычисления, открытая торговля данными и вычисления с сохранением конфиденциальности. Кроме того, ИИ может принести множество преимуществ для Web3, таких как оптимизация смарт-контрактов и механизмы борьбы с мошенничеством, способствуя его экосистемному развитию. Поэтому исследование сочетания Web3 и ИИ имеет важное значение для создания инфраструктуры следующего поколения интернета и раскрытия ценности данных и вычислительной мощности.

Данные как основа: ИИ и Web3

Данные являются ключевым двигателем развития ИИ, подобно топливу для двигателя. Моделям ИИ необходимо обрабатывать огромные объемы качественных данных, чтобы получить глубокое понимание и мощные способности к рассуждению. Данные не только обеспечивают базу для обучения моделей машинного обучения, но также определяют точность и надежность моделей.

Традиционная централизованная модель получения и использования данных ИИ имеет следующие основные проблемы:

• Высокая стоимость получения данных, малым и средним предприятиям трудно справиться.
• Данные ресурсы монополизируются крупными технологическими компаниями, образуя изолированные данные.
• Персональные данные подвержены риску утечки и злоупотребления.

Web3 может решить проблемы традиционных моделей с помощью новой децентрализованной парадигмы данных:

• Пользователи могут продавать неиспользуемые сетевые ресурсы AI-компаниям, децентрализованно собирать сетевые данные, которые после очистки и преобразования будут предоставлять реальные, высококачественные данные для обучения AI-моделей.
• Использование модели "Заработок через разметку", которая стимулирует глобальных работников участвовать в разметке данных с помощью токенов, объединяя глобальные профессиональные знания и усиливая возможности анализа данных.
• Блокчейн платформа для торговли данными предоставляет открыенную и прозрачную торговую среду для обеих сторон спроса и предложения данных, стимулируя инновации и обмен данными.

Однако в реальном мире также существуют проблемы с получением данных, такие как неоднородное качество данных, большая сложность обработки, недостаточная разнообразие и представительность и т.д. Синтетические данные могут стать ярким моментом в области данных Web3 в будущем. На основе генеративных AI технологий и моделирования синтетические данные могут имитировать характеристики реальных данных, служа эффективным дополнением и повышая эффективность использования данных. В таких областях, как автономное вождение, финансовые сделки, разработка игр и др., синтетические данные уже продемонстрировали зрелые перспективы применения.

Защита конфиденциальности: Применение полного гомоморфного шифрования в Web3

В эпоху, управляемую данными, защита конфиденциальности стала глобальным центром внимания, и введение таких регуляций, как GDPR в ЕС, отражает строгую защиту личной конфиденциальности. Однако это также создает проблемы: некоторые чувствительные данные не могут быть в полной мере использованы из-за рисков конфиденциальности, что ограничивает потенциал и возможность рассуждения ИИ-моделей.

Полная однородная криптография ( FHE ) позволяет выполнять вычисления прямо на зашифрованных данных, не требуя их расшифровки, причем результаты вычислений совпадают с результатами вычислений на открытых данных. FHE предоставляет надежную защиту для вычислений конфиденциальности ИИ, позволяя вычислительным мощностям GPU выполнять обучение моделей и выводы без доступа к исходным данным. Это приносит огромные преимущества компаниям ИИ, позволяя безопасно открывать API-сервисы, защищая коммерческую тайну.

FHEML поддерживает шифрование данных и моделей на протяжении всего цикла машинного обучения, обеспечивая безопасность конфиденциальной информации и предотвращая риск утечки данных. Таким образом, FHEML усиливает конфиденциальность данных и предоставляет безопасную вычислительную рамку для AI приложений.

FHEML является дополнением к ZKML: ZKML подтверждает правильное выполнение машинного обучения, тогда как FHEML подчеркивает вычисления с зашифрованными данными для обеспечения конфиденциальности данных.

Революция вычислительных мощностей: AI-вычисления в децентрализованных сетях

Текущая вычислительная сложность AI-систем удваивается каждые 3 месяца, что приводит к резкому росту спроса на вычислительные мощности, значительно превышающему существующие ресурсы. Например, для обучения одной крупной языковой модели требуется огромная вычислительная мощность, эквивалентная 355 годам обучения на одном устройстве. Этот дефицит вычислительных мощностей не только ограничивает прогресс в AI-технологиях, но и делает передовые AI-модели недоступными для большинства исследователей и разработчиков.

В то же время, мировая загрузка GPU составляет менее 40%, а замедление роста производительности микропроцессоров, а также нехватка чипов из-за факторов цепочки поставок и геополитики усугубляют проблему поставок вычислительной мощности. Специалисты в области ИИ сталкиваются с дилеммой: либо приобретать оборудование, либо арендовать облачные ресурсы, и им срочно нужен экономичный и эффективный способ предоставления вычислительных услуг по мере необходимости.

Децентрализованная сеть AI вычислительных мощностей, агрегируя неиспользуемые GPU ресурсы по всему миру, предоставляет экономически доступный рынок вычислительных мощностей для AI компаний. Стороны, нуждающиеся в вычислительных мощностях, могут публиковать вычислительные задачи в сети, а смарт-контракты распределяют задачи между узлами, предоставляющими вычислительные мощности. Узлы выполняют задачи и отправляют результаты, и после проверки получают вознаграждение. Это решение повышает эффективность использования ресурсов и помогает решить проблему узких мест в вычислительных мощностях в таких областях, как AI.

Помимо универсальной децентрализованной вычислительной сети, существуют специализированные вычислительные платформы, сосредоточенные на обучении и выводе ИИ. Эти децентрализованные вычислительные сети предлагают справедливый и прозрачный рынок вычислительных мощностей, разрушая монополию, снижая пороги входа для приложений и повышая эффективность использования вычислительной мощности. В экосистеме Web3 децентрализованные вычислительные сети сыграют ключевую роль, привлекая больше инновационных децентрализованных приложений для совместного продвижения развития и применения технологий ИИ.

Устройства Интернета вещей: Web3 наделяет силой крайний ИИ

Представьте, что ваш мобильный телефон, умные часы и даже умные устройства в вашем доме обладают способностью запускать ИИ — вот в чем прелесть пограничного ИИ. Он позволяет вычислениям происходить на источнике данных, обеспечивая низкую задержку и обработку в реальном времени, одновременно защищая конфиденциальность пользователей. Технология пограничного ИИ уже применяется в таких ключевых областях, как автономное вождение.

В области Web3 мы называем это децентрализованной сетью физической инфраструктуры. Web3 подчеркивает децентрализацию и суверенитет пользовательских данных; такая сеть улучшает защиту конфиденциальности пользователей через локальную обработку данных и снижает риск утечки данных. Природный токеномический механизм Web3 может стимулировать узлы предоставлять вычислительные ресурсы, создавая устойчивую экосистему.

В настоящее время такие сети быстро развиваются в экосистеме высокопроизводительного публичного блокчейна, становясь одной из предпочтительных платформ для развертывания проектов. Высокая пропускная способность, низкие транзакционные издержки и технологические инновации этого публичного блокчейна обеспечивают мощную поддержку связанных проектов. В настоящее время общая капитализация таких проектов на этом публичном блокчейне уже превышает 10 миллиардов долларов, и несколько известных проектов добились значительного прогресса.

Первоначальный выпуск модели: Новый парадигма выпуска AI-моделей

Первоначальная модель выпуска ( IMO ) концепция была впервые предложена определенным протоколом, который токенизирует AI модели.

В традиционной модели, из-за отсутствия механизма разделения прибыли, разработчики ИИ-моделей испытывают трудности с получением постоянного дохода от последующего использования моделей, особенно когда модели интегрируются в другие продукты и услуги. Исходные создатели сталкиваются с трудностями в отслеживании использования и получении дохода. Кроме того, производительность и эффективность ИИ-моделей часто недостаточно прозрачны, потенциальные инвесторы и пользователи испытывают трудности в оценке их истинной стоимости, что ограничивает рыночное признание и коммерческий потенциал моделей.

IMO предоставляет новый способ финансирования и распределения ценности для открытых AI-моделей. Инвесторы могут покупать токены IMO и делиться доходами, которые будут получены от модели в дальнейшем. Один из протоколов использует определенный стандарт ERC, комбинируя AI-оракулы и технологии машинного обучения на блокчейне, чтобы обеспечить подлинность AI-модели и возможность держателей токенов делиться доходами.

Модель IMO усиливает прозрачность и доверие, способствует открытому сотрудничеству, адаптируется к тенденциям крипторынка и вносит вклад в устойчивое развитие технологий ИИ. IMO в настоящее время находится на начальной стадии попыток, но с увеличением уровня принятия на рынке и расширением круга участников ее новаторство и потенциальная ценность вызывают ожидания.

ИИ-агенты: новая эра взаимодействия

ИИ-агенты способны воспринимать окружающую среду, проводить независимое мышление и предпринимать соответствующие действия для достижения поставленных целей. Поддерживаемые большими языковыми моделями, ИИ-агенты могут не только понимать естественный язык, но и планировать решения, выполнять сложные задачи. Они могут действовать как виртуальные помощники, обучаясь предпочтениям пользователей через взаимодействие, предоставляя персонализированные решения. Даже без четких указаний ИИ-агенты могут самостоятельно решать проблемы, повышая эффективность и создавая новую ценность.

Некоторая открытая платформа для приложений на основе ИИ предоставляет полный и удобный набор инструментов для создания, поддерживающий пользователей в настройке функций, внешнего вида и голоса роботов, а также в подключении внешних баз знаний, стремясь создать справедливую и открытую экосистему контента на основе ИИ, используя технологии генеративного ИИ, давая возможность индивидуумам стать супер-творцами. Эта платформа обучила специализированные большие языковые модели, что делает ролевые игры более человечными; технологии клонирования голоса могут ускорить персонализированное взаимодействие ИИ-продуктов, снижая стоимость синтеза голоса на 99%, клонирование голоса занимает всего 1 минуту. Используя настраиваемых ИИ-агентов на этой платформе, в настоящее время их можно применять в таких областях, как видеочат, изучение языков, генерация изображений и многих других.

В области интеграции Web3 и AI в настоящее время больше идет речь о探索基础设施层, о том, как получать качественные данные, защищать конфиденциальность данных, как размещать модели на блокчейне, как повысить эффективное использование децентрализованных вычислительных мощностей, как проверять большие языковые модели и другие ключевые вопросы. С учетом того, что эти инфраструктуры постепенно улучшаются, у нас есть все основания полагать, что интеграция Web3 и AI приведет к возникновению ряда инновационных бизнес-моделей и услуг.