Fusi Web3 dan AI: Membangun Infrastruktur Internet Generasi Berikutnya

Web3 sebagai paradigma internet baru yang terdesentralisasi, terbuka, dan transparan, memiliki peluang integrasi yang alami dengan AI. Dalam arsitektur terpusat tradisional, komputasi AI dan sumber daya data berada di bawah kontrol yang ketat, dan menghadapi banyak tantangan seperti hambatan daya komputasi, kebocoran privasi, dan kotak hitam algoritma. Namun, Web3 yang berbasis teknologi terdistribusi dapat memberikan dorongan baru bagi perkembangan AI melalui cara berbagi jaringan daya komputasi, pasar data terbuka, dan komputasi privasi. Sementara itu, AI juga dapat memberikan banyak pemberdayaan bagi Web3, seperti pengoptimalan kontrak pintar dan algoritma anti-kecurangan, mendukung pembangunan ekosistemnya. Oleh karena itu, menjelajahi kombinasi Web3 dan AI sangat penting untuk membangun infrastruktur internet generasi berikutnya dan melepaskan nilai data serta daya komputasi.

Data-Driven: Dasar Kuat AI dan Web3

Data adalah inti penggerak perkembangan AI, seperti bahan bakar bagi mesin. Model AI perlu mencerna sejumlah besar data berkualitas tinggi untuk mendapatkan pemahaman mendalam dan kemampuan penalaran yang kuat. Data tidak hanya menyediakan dasar pelatihan bagi model pembelajaran mesin, tetapi juga menentukan akurasi dan keandalan model.

Dalam mode pengambilan dan pemanfaatan data AI terpusat tradisional, terdapat beberapa masalah utama berikut:

• Biaya pengambilan data yang tinggi, sulit bagi usaha kecil dan menengah untuk menanggungnya
• Sumber data dikuasai oleh raksasa teknologi, membentuk pulau data
• Risiko kebocoran dan penyalahgunaan privasi data pribadi

Web3 dapat menyelesaikan titik nyeri dari model tradisional dengan paradigma data terdesentralisasi yang baru:

• Mengambil data jaringan secara terdesentralisasi, setelah dibersihkan dan diubah, untuk menyediakan data yang nyata dan berkualitas tinggi untuk pelatihan model AI.
• Mengadopsi model "label to earn", melalui insentif token untuk mendorong pekerja global berpartisipasi dalam pelabelan data, mengumpulkan pengetahuan profesional dari seluruh dunia, dan meningkatkan kemampuan analisis data.
• Platform perdagangan data blockchain menyediakan lingkungan perdagangan yang terbuka dan transparan untuk kedua belah pihak dalam permintaan dan penyediaan data, mendorong inovasi dan berbagi data.

Meskipun demikian, pengambilan data di dunia nyata juga memiliki beberapa masalah, seperti kualitas data yang bervariasi, kesulitan dalam pengolahan, serta kurangnya keragaman dan representativitas. Data sintetik mungkin menjadi bintang masa depan dalam jalur data Web3. Berdasarkan teknologi AI generatif dan simulasi, data sintetik dapat mensimulasikan atribut data nyata, sebagai pelengkap yang efektif untuk data nyata, meningkatkan efisiensi penggunaan data. Dalam bidang seperti mobil otonom, perdagangan pasar keuangan, dan pengembangan game, data sintetik telah menunjukkan potensi aplikasi yang matang.

Perlindungan Privasi: Peran FHE dalam Web3

Di era yang didorong oleh data, perlindungan privasi telah menjadi fokus perhatian global. Pemberlakuan regulasi seperti Peraturan Perlindungan Data Umum (GDPR) Uni Eropa mencerminkan perlindungan ketat terhadap privasi individu. Namun, ini juga membawa tantangan: beberapa data sensitif tidak dapat dimanfaatkan sepenuhnya karena risiko privasi, yang tanpa diragukan lagi membatasi potensi dan kemampuan penalaran model AI.

FHE adalah enkripsi homomorfik penuh, yang memungkinkan operasi komputasi dilakukan langsung pada data yang dienkripsi tanpa perlu mendekripsi data, dan hasil komputasi sama dengan hasil komputasi yang dilakukan pada data dalam bentuk teks terang.

FHE memberikan perlindungan yang kuat untuk komputasi privasi AI, memungkinkan kekuatan GPU untuk menjalankan pelatihan model dan tugas inferensi dalam lingkungan yang tidak menyentuh data asli. Ini memberikan keuntungan besar bagi perusahaan AI. Mereka dapat membuka layanan API secara aman sambil melindungi rahasia dagang.

FHEML mendukung pemrosesan data dan model yang terenkripsi sepanjang siklus pembelajaran mesin, memastikan keamanan informasi sensitif dan mencegah risiko kebocoran data. Dengan cara ini, FHEML memperkuat privasi data dan menyediakan kerangka komputasi yang aman untuk aplikasi AI.

FHEML adalah pelengkap ZKML, ZKML membuktikan eksekusi mesin belajar yang benar, sedangkan FHEML menekankan perhitungan data terenkripsi untuk menjaga privasi data.

Revolusi Kekuatan: Komputasi AI dalam Jaringan Terdesentralisasi

Kompleksitas komputasi sistem AI saat ini berlipat ganda setiap 3 bulan, menyebabkan lonjakan permintaan daya komputasi yang jauh melebihi pasokan sumber daya komputasi yang ada. Misalnya, pelatihan model bahasa besar memerlukan daya komputasi yang sangat besar, setara dengan waktu pelatihan 355 tahun pada perangkat tunggal. Kekurangan daya komputasi semacam ini tidak hanya membatasi kemajuan teknologi AI, tetapi juga membuat model AI tingkat lanjut menjadi tidak terjangkau bagi sebagian besar peneliti dan pengembang.

Sementara itu, pemanfaatan GPU global kurang dari 40%, ditambah dengan perlambatan peningkatan kinerja mikroprosesor, serta kekurangan chip yang disebabkan oleh faktor rantai pasokan dan geopolitik, semua ini membuat masalah pasokan daya komputasi menjadi semakin serius. Para profesional AI berada dalam dilema: membeli perangkat keras sendiri atau menyewa sumber daya cloud, mereka sangat membutuhkan cara layanan komputasi yang sesuai permintaan dan hemat biaya.

Jaringan komputasi AI terdesentralisasi menggabungkan sumber daya GPU yang tidak terpakai di seluruh dunia, menyediakan pasar komputasi yang ekonomis dan mudah diakses bagi perusahaan AI. Pihak yang membutuhkan komputasi dapat memposting tugas komputasi di jaringan, dan kontrak pintar akan membagikan tugas tersebut kepada node penambang yang menyumbangkan komputasi. Penambang melaksanakan tugas dan mengirimkan hasilnya, setelah diverifikasi mereka mendapatkan imbalan poin. Solusi ini meningkatkan efisiensi pemanfaatan sumber daya dan membantu mengatasi masalah bottleneck komputasi di bidang seperti AI.

Selain jaringan komputasi terdesentralisasi yang umum, ada juga beberapa jaringan komputasi khusus yang fokus pada pelatihan dan inferensi AI.

Jaringan komputasi terdesentralisasi menyediakan pasar komputasi yang adil dan transparan, memecahkan monopoli, menurunkan ambang aplikasi, dan meningkatkan efisiensi pemanfaatan komputasi. Dalam ekosistem web3, jaringan komputasi terdesentralisasi akan memainkan peran kunci, menarik lebih banyak dapp inovatif untuk bergabung, dan bersama-sama mendorong pengembangan dan penerapan teknologi AI.

DePIN: Web3 Memberdayakan Edge AI

Bayangkan, ponsel Anda, jam tangan pintar, bahkan perangkat pintar di rumah Anda, semuanya memiliki kemampuan untuk menjalankan AI—inilah daya tarik Edge AI. Ini memungkinkan pengolahan data terjadi di sumbernya, menghasilkan latensi rendah dan pemrosesan waktu nyata, sekaligus melindungi privasi pengguna. Teknologi Edge AI telah diterapkan di bidang-bidang penting seperti mobil otonom.

Di bidang Web3, kita memiliki nama yang lebih akrab - DePIN. Web3 menekankan desentralisasi dan kedaulatan data pengguna, DePIN dapat meningkatkan perlindungan privasi pengguna dan mengurangi risiko kebocoran data dengan memproses data secara lokal; mekanisme ekonomi Token yang asli dari Web3 dapat mendorong node DePIN untuk menyediakan sumber daya komputasi, membangun ekosistem yang berkelanjutan.

Saat ini, DePIN berkembang pesat dalam ekosistem salah satu blockchain publik, menjadi salah satu platform pilihan untuk penyebaran proyek. TPS tinggi, biaya transaksi rendah, dan inovasi teknologi dari blockchain publik ini memberikan dukungan yang kuat untuk proyek DePIN. Saat ini, nilai pasar proyek DePIN di blockchain publik ini telah melebihi 10 miliar USD, dan beberapa proyek terkenal telah mencapai kemajuan yang signifikan.

IMO：Model AI Meluncurkan Paradigma Baru

Konsep IMO pertama kali diajukan oleh suatu protokol, yang mendelegasikan model AI menjadi token.

Dalam model tradisional, karena mekanisme pembagian pendapatan yang hilang, setelah model AI dikembangkan dan diluncurkan ke pasar, pengembang sering kali kesulitan untuk mendapatkan pendapatan berkelanjutan dari penggunaan model tersebut, terutama ketika model diintegrasikan ke dalam produk dan layanan lain, pencipta asli sulit untuk melacak penggunaan, apalagi mendapatkan pendapatan dari situ. Selain itu, kinerja dan efektivitas model AI sering kali kurang transparan, yang menyulitkan investor dan pengguna potensial untuk menilai nilai sebenarnya, membatasi pengakuan pasar dan potensi komersial model tersebut.

IMO menyediakan cara baru untuk mendukung pendanaan dan berbagi nilai untuk model AI sumber terbuka, di mana investor dapat membeli token IMO dan berbagi keuntungan yang dihasilkan oleh model tersebut di masa mendatang. Suatu protokol menggunakan dua standar ERC, menggabungkan oracle AI dan teknologi OPML untuk memastikan keaslian model AI dan agar pemegang token dapat berbagi keuntungan.

Model IMO meningkatkan transparansi dan kepercayaan, mendorong kolaborasi sumber terbuka, beradaptasi dengan tren pasar kripto, dan memberikan dorongan untuk pengembangan teknologi AI yang berkelanjutan. IMO saat ini masih dalam tahap percobaan awal, tetapi seiring meningkatnya penerimaan pasar dan meluasnya jangkauan partisipasi, inovasi dan nilai potensialnya layak untuk kita nantikan.

Agen AI: Era Baru Pengalaman Interaktif

Agen AI dapat merasakan lingkungan, berpikir secara mandiri, dan mengambil tindakan yang sesuai untuk mencapai tujuan yang telah ditetapkan. Dengan dukungan model bahasa besar, Agen AI tidak hanya dapat memahami bahasa alami, tetapi juga merencanakan keputusan dan melaksanakan tugas-tugas kompleks. Mereka dapat berfungsi sebagai asisten virtual, belajar dari interaksi dengan pengguna tentang preferensi mereka, dan menyediakan solusi yang dipersonalisasi. Tanpa instruksi yang jelas, Agen AI juga dapat secara mandiri memecahkan masalah, meningkatkan efisiensi, dan menciptakan nilai baru.

Sebuah platform aplikasi asli AI menawarkan kumpulan alat kreatif yang komprehensif dan mudah digunakan, mendukung pengguna untuk mengonfigurasi fungsi robot, penampilan, suara, serta menghubungkan ke basis pengetahuan eksternal, berkomitmen untuk membangun ekosistem konten AI yang adil dan terbuka, memanfaatkan teknologi AI generatif, memberdayakan individu menjadi pencipta super. Platform ini telah melatih model bahasa besar khusus yang membuat peran bermain lebih manusiawi; teknologi kloning suara dapat mempercepat interaksi personalisasi produk AI, mengurangi biaya sintesis suara hingga 99%, dan kloning suara hanya memerlukan waktu 1 menit untuk dicapai. Dengan AI Agent yang disesuaikan di platform ini, saat ini dapat diterapkan di berbagai bidang seperti obrolan video, pembelajaran bahasa, dan generasi gambar.

Dalam perpaduan Web3 dan AI, saat ini lebih banyak eksplorasi pada lapisan infrastruktur, bagaimana mendapatkan data berkualitas tinggi, melindungi privasi data, bagaimana menghosting model di blockchain, bagaimana meningkatkan penggunaan daya komputasi terdesentralisasi yang efisien, dan bagaimana memvalidasi model bahasa besar, serta masalah kunci lainnya. Dengan perbaikan bertahap dari infrastruktur ini, kita memiliki alasan untuk percaya bahwa perpaduan Web3 dan AI akan melahirkan serangkaian model bisnis dan layanan inovatif.