La fusión de Web3 y AI: Construyendo la infraestructura de internet de próxima generación

Web3, como una nueva paradigma de internet descentralizado, abierto y transparente, tiene una oportunidad natural de fusión con la IA. En la arquitectura centralizada tradicional, los recursos de cálculo y datos de la IA están bajo un estricto control, y existen numerosos desafíos como cuellos de botella en la capacidad de cálculo, filtración de privacidad y algoritmos en caja negra. Web3, basado en tecnología distribuida, puede inyectar nueva energía al desarrollo de la IA a través de redes de potencia compartida, mercados de datos abiertos y computación privada. Al mismo tiempo, la IA puede aportar numerosas capacidades a Web3, como la optimización de contratos inteligentes y algoritmos anti-trampa, apoyando la construcción de su ecosistema. Por lo tanto, explorar la combinación de Web3 y IA es crucial para construir la infraestructura de internet de próxima generación y liberar el valor de datos y capacidad de cálculo.

Impulsado por datos: La base sólida de la IA y Web3

Los datos son el motor central que impulsa el desarrollo de la IA, así como el combustible lo es para un motor. Los modelos de IA necesitan procesar grandes volúmenes de datos de alta calidad para obtener una comprensión profunda y una potente 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.

En los modelos tradicionales de adquisición y uso de datos de IA centralizados, existen los siguientes problemas principales:

• El costo de adquisición de datos es elevado, lo que dificulta que las pequeñas y medianas empresas lo asuman.
• Los recursos de datos están monopolizados por gigantes tecnológicos, formando islas de datos.
• Los datos personales enfrentan el riesgo de filtración y abuso.

Web3 puede abordar los puntos de dolor del modelo tradicional con un nuevo paradigma de datos descentralizados:

• A través de un método descentralizado para recopilar datos de la red, tras la limpieza y transformación, se proporciona datos reales y de alta calidad para el entrenamiento de modelos de IA.
• Adoptar un modelo de "label to earn" que incentive a trabajadores de todo el mundo a participar en la anotación de datos mediante tokens, reuniendo el conocimiento profesional global y mejorando la capacidad de análisis de los 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.

A pesar de ello, la obtención de datos del mundo real también presenta algunos problemas, como la calidad variable de los datos, la dificultad de procesamiento, la falta de diversidad y representatividad, entre otros. Los datos sintéticos podrían ser la estrella del futuro en el ámbito de datos de Web3. Basados en tecnología de IA generativa y simulaciones, los datos sintéticos pueden imitar las propiedades de los datos reales, sirviendo como un complemento efectivo para los datos reales y mejorando la eficiencia en el uso de datos. En campos como la conducción autónoma, el comercio en los mercados financieros y el desarrollo de juegos, los datos sintéticos ya han mostrado su potencial de aplicación maduro.

Protección de la privacidad: El papel de FHE en Web3

En la era impulsada por datos, la protección de la privacidad se ha convertido en un foco de atención mundial. La implementación de regulaciones como el Reglamento General de Protección de Datos (GDPR) de la Unión Europea refleja una estricta salvaguarda de la privacidad personal. Sin embargo, esto también ha traído desafíos: algunos datos sensibles no pueden ser utilizados plenamente debido a los riesgos de privacidad, lo que sin duda limita el potencial y la capacidad de razonamiento de los modelos de IA.

FHE es la encriptación homomórfica total, que permite realizar operaciones de cálculo directamente sobre datos cifrados sin necesidad de descifrar los datos, y el resultado del cálculo es consistente con el resultado de realizar el mismo cálculo sobre datos en texto plano.

FHE proporciona una sólida protección para el cálculo de privacidad de la IA, permitiendo que la potencia de cálculo de la GPU ejecute tareas de entrenamiento y razonamiento de modelos en un entorno sin tocar los datos originales. Esto brinda una gran ventaja a las empresas de IA. Pueden abrir de manera segura los servicios API mientras protegen los secretos comerciales.

FHEML admite el procesamiento de datos y modelos encriptados durante 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 cálculo seguro para aplicaciones de IA.

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

Revolución de la potencia de cálculo: computación AI en redes descentralizadas

La complejidad computacional de los sistemas de IA actuales se duplica cada 3 meses, lo que provoca un aumento explosivo en la demanda de capacidad de cálculo, muy por encima de la oferta de recursos computacionales existentes. Por ejemplo, el entrenamiento de un modelo de lenguaje grande requiere una enorme capacidad de cálculo, equivalente a 355 años de tiempo de entrenamiento en un solo dispositivo. Esta escasez de capacidad de cálculo no solo limita el progreso de la tecnología de IA, sino que también hace que esos 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 la escasez de chips provocada por factores de la cadena de suministro y geopolíticos, lo que agrava aún más el problema de suministro de potencia de cálculo. Los profesionales de la IA se encuentran en un dilema: o compran hardware por su cuenta, o alquilan recursos en la nube, y necesitan urgentemente una forma de servicio de computación bajo demanda y rentable.

La red de cálculo de IA descentralizada proporciona un mercado de cálculo que es tanto económico como de fácil acceso para las empresas de IA, al agregar recursos de GPU inactivos de todo el mundo. Los demandantes de poder computacional pueden publicar tareas de cálculo en la red, y los contratos inteligentes asignan las tareas a los nodos mineros que contribuyen con poder computacional. Los mineros ejecutan las tareas y envían los resultados, y tras la verificación, reciben recompensas en puntos. Esta solución mejora la eficiencia del uso de recursos y ayuda a resolver el problema del cuello de botella en el poder computacional en campos como la IA.

Además de las redes de potencia descentralizadas generales, hay algunas redes de potencia especializadas que se centran en el entrenamiento y la inferencia de IA.

Las redes de potencia de cómputo descentralizadas ofrecen un mercado de potencia de cómputo justo y transparente, rompiendo monopolios, reduciendo las barreras de entrada y mejorando la eficiencia en el uso de la potencia de cómputo. En el ecosistema web3, las redes de potencia de cómputo descentralizadas desempeñarán un papel clave, atrayendo la participación de más dapps innovadoras para impulsar conjuntamente el desarrollo y la aplicación de la tecnología de IA.

DePIN: Web3 empodera la IA en el borde

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

En el ámbito de Web3, tenemos un nombre más familiar: DePIN. Web3 enfatiza la descentralización y la soberanía de los datos del usuario. DePIN puede mejorar la protección de la privacidad del usuario y reducir el riesgo de filtraciones de datos al procesar los datos localmente; el mecanismo de economía de tokens nativo de Web3 puede incentivar a los nodos de DePIN a proporcionar recursos de computación, construyendo un ecosistema sostenible.

Actualmente, DePIN está desarrollándose rápidamente en el ecosistema de una determinada cadena pública, convirtiéndose en una de las plataformas preferidas para el despliegue de proyectos. La alta TPS, los bajos costos de transacción y la innovación tecnológica de esta cadena pública brindan un fuerte apoyo a los proyectos DePIN. En este momento, la capitalización de mercado de los proyectos DePIN en esta cadena pública supera los 10 mil millones de dólares, y algunos proyectos reconocidos han logrado avances significativos.

IMO: Nueva paradigma de publicación de modelos de IA

El concepto de IMO fue propuesto por un protocolo que tokeniza modelos de IA.

En el modelo tradicional, debido a la falta de un mecanismo de compartición de ingresos, una vez que se desarrolla un modelo de IA y se lanza al mercado, los desarrolladores a menudo tienen dificultades para obtener ingresos continuos de su uso posterior, especialmente cuando el modelo se integra en otros productos y servicios, los creadores originales tienen dificultades para rastrear el uso, y mucho menos para obtener ingresos de ello. 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 el reconocimiento en el mercado y el potencial comercial del modelo.

IMO proporciona una nueva forma de financiamiento y de compartir valor para modelos de IA de código abierto, donde los inversores pueden comprar tokens IMO y compartir los ingresos generados por el modelo en el futuro. Un protocolo utiliza dos estándares ERC, combinando oráculos de IA y tecnología OPML para asegurar la autenticidad del modelo de IA y que los titulares de tokens puedan compartir los ingresos.

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

Agente de IA: La nueva era de la experiencia interactiva

El Agente de IA puede percibir el entorno, pensar de forma independiente y tomar las acciones adecuadas para alcanzar objetivos establecidos. Con el apoyo de modelos de lenguaje grandes, el Agente de IA no solo puede entender el lenguaje natural, sino también planificar decisiones y ejecutar tareas complejas. Pueden actuar como asistentes virtuales, aprendiendo las preferencias de los usuarios a través de la interacción y ofreciendo soluciones personalizadas. Incluso sin instrucciones claras, el Agente de IA puede resolver problemas de manera autónoma, aumentando la eficiencia y creando nuevo valor.

Una plataforma de aplicación nativa de IA ofrece un conjunto de herramientas de creación completas y fáciles de usar, que permite a los usuarios configurar funciones, apariencia, voz de los robots y conectar bases de conocimiento externas, comprometida a crear un ecosistema de contenido de IA justo y abierto. Utilizando tecnología de IA generativa, empodera a los individuos para convertirse en supercreadores. La plataforma ha entrenado un modelo de lenguaje grande especializado, haciendo que el juego de roles sea más humanizado; la tecnología de clonación de voz puede acelerar la interacción personalizada de los productos de IA, reduciendo el costo de la síntesis de voz en un 99%, la clonación de voz se puede lograr en solo 1 minuto. Con el AI Agent personalizado de esta plataforma, actualmente se puede aplicar en múltiples campos como chat de video, aprendizaje de idiomas, generación de imágenes, entre otros.

En la fusión de Web3 y AI, actualmente hay más exploración en 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 grandes modelos de lenguaje 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.