Інтеграція Web3 та ШІ: побудова інфраструктури наступного покоління Інтернету

Web3 як нова децентралізована, відкрита та прозора парадигма Інтернету має природну можливість інтеграції з AI. У традиційній централізованій архітектурі обчислювальні та дані ресурси AI суворо контролюються, існує безліч викликів, таких як обмеження обчислювальної потужності, витік конфіденційності, алгоритмічна «чорна скринька» тощо. Натомість Web3 на основі розподілених технологій може надати новий імпульс розвитку AI, використовуючи такі методи, як мережі спільної обчислювальної потужності, відкриті ринки даних, обчислення конфіденційності тощо. Водночас AI може надати Web3 безліч можливостей, таких як оптимізація смарт-контрактів, алгоритми протидії шахрайству тощо, сприяючи його екосистемному розвитку. Отже, дослідження поєднання Web3 та AI є надзвичайно важливим для побудови інфраструктури наступного покоління Інтернету, звільнення цінності даних та обчислювальної потужності.

Дані, що керують: міцна основа AI та Web3

Дані є основною силою, що сприяє розвитку ШІ, як паливо для двигуна. Моделям ШІ потрібно перетравити велику кількість якісних даних, щоб отримати глибоке розуміння та потужні здібності до міркування. Дані не лише забезпечують навчальну основу для моделей машинного навчання, але також визначають точність і надійність моделей.

У традиційній централізованій моделі збору та використання даних ШІ існує кілька основних проблем:

• Вартість отримання даних є високою, і малим та середнім підприємствам важко це витримати.
• Дані ресурси монополізовані технологічними гігантами, що призвело до утворення ізольованих даних.
• Персональні дані піддаються ризику витоку та зловживання.

Web3 може вирішити проблеми традиційних моделей за допомогою нової децентралізованої парадигми даних:

• Збирати дані з мережі децентралізованим способом, очищати та перетворювати їх для надання реальних, високоякісних даних для навчання AI моделей
• Використовуючи модель "label to earn", за допомогою токенів стимулюються працівники по всьому світу для участі в маркуванні даних, об'єднуючи глобальні професійні знання та підвищуючи аналітичні можливості даних.
• Платформа торгівлі даними на базі блокчейн забезпечує відкритий і прозорий торговий середовище для обох сторін попиту та пропозиції даних, стимулюючи інновації та обмін даними.

Незважаючи на це, отримання даних з реального світу також має певні проблеми, такі як нерівність якості даних, складність обробки, недостатня різноманітність і репрезентативність тощо. Синтетичні дані можуть стати зіркою майбутнього у сфері даних Web3. На основі технології генеративного ШІ та моделювання, синтетичні дані здатні імітувати властивості реальних даних, як ефективне доповнення до реальних даних, підвищуючи ефективність використання даних. У таких сферах, як автономне водіння, торгівля на фінансових ринках, розробка ігор тощо, синтетичні дані вже продемонстрували свій зрілий потенціал застосування.

Захист приватності: роль FHE в Web3

У епоху, керовану даними, захист приватності став глобальною темою для обговорення. Вступ законодавств, таких як Загальний регламент захисту даних ЄС (GDPR), відображає сувору охорону особистої приватності. Однак це також створює виклики: деякі чутливі дані не можуть бути повноцінно використані через ризики приватності, що безсумнівно обмежує потенціал і здатність моделей ШІ до міркувань.

FHE - це повна гомоморфна криптографія, яка дозволяє виконувати обчислювальні операції безпосередньо на зашифрованих даних без необхідності їх розшифровки, а результати обчислень є ідентичними результатам, отриманим при виконанні тих же обчислень над відкритими даними.

FHE забезпечує надійний захист для приватних обчислень штучного інтелекту, що дозволяє обчислювальній потужності GPU виконувати завдання навчання моделей та інференції в середовищі, не торкаючись вихідних даних. Це приносить величезну перевагу компаніям у сфері штучного інтелекту. Вони можуть безпечно відкривати API-сервіси, захищаючи при цьому 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 посилює конфіденційність даних, надаючи безпечну обчислювальну платформу для AI-додатків.

FHEML є доповненням до ZKML, ZKML доводить правильність виконання машинного навчання, тоді як FHEML підкреслює обробку зашифрованих даних для забезпечення конфіденційності даних.

Революція обчислювальної потужності: AI обчислення в децентралізованих мережах

Поточна обчислювальна складність систем штучного інтелекту подвоюється кожні 3 місяці, що призводить до різкого зростання попиту на обчислювальні потужності, значно перевищуючи наявні ресурси. Наприклад, для навчання великої мовної моделі потрібні величезні обчислювальні потужності, що еквівалентно 355 рокам навчання на одному пристрої. Такий дефіцит обчислювальних потужностей не лише обмежує прогрес технологій ШІ, але й робить ці високоякісні моделі недоступними для більшості дослідників і розробників.

Водночас глобальне використання графічних процесорів (GPU) становить менше 40%, а також сповільнення підвищення продуктивності мікропроцесорів, разом із нестачею чипів через фактори постачання та геополітики, ще більше ускладнюють проблеми з постачанням обчислювальної потужності. Працівники в AI опинилися в складній ситуації: або купувати апаратуру, або орендувати хмарні ресурси, їм терміново потрібен економічно ефективний спосіб обчислювальних послуг на вимогу.

Децентралізована мережа обчислювальної потужності AI, об’єднуючи невикористані ресурси GPU по всьому світу, забезпечує компанії AI економічно вигідний та легкодоступний ринок обчислювальної потужності. Замовники обчислювальної потужності можуть публікувати обчислювальні завдання в мережі, смарт-контракт розподіляє завдання між майнерами, які надають обчислювальну потужність, майнери виконують завдання та подають результати, після перевірки отримуючи винагороду у вигляді балів. Ця схема підвищує ефективність використання ресурсів і допомагає вирішити проблему обмеження обчислювальної потужності в таких сферах, як AI.

Окрім загальної мережі децентралізованих обчислювальних потужностей, є також спеціалізовані мережі обчислювальних потужностей, які зосереджені на навчанні та виведенні штучного інтелекту.

Децентралізована мережа обчислювальних потужностей забезпечує справедливий та прозорий ринок обчислювальної потужності, руйнує монополії, знижує бар'єри для застосування та підвищує ефективність використання обчислювальних потужностей. У екосистемі web3 децентралізована мережа обчислювальних потужностей відіграватиме ключову роль, залучаючи більше інноваційних dapp для спільного сприяння розвитку та впровадженню AI-технологій.

DePIN: Web3 надає можливості Edge AI

Уявіть собі, що ваш телефон, смарт-годинник або навіть розумні пристрої у вашому домі можуть виконувати AI — ось у чому полягає чарівність Edge AI. Це дозволяє обробляти дані на місці їх виникнення, забезпечуючи низьку затримку та обробку в реальному часі, одночасно захищаючи конфіденційність користувача. Технологія Edge AI вже застосовується в ключових сферах, таких як автономне водіння.

У сфері Web3 у нас є більш знайоме ім'я — DePIN. Web3 підкреслює децентралізацію та суверенітет користувацьких даних, DePIN може покращити захист конфіденційності користувачів, обробляючи дані локально, зменшуючи ризик витоку даних; рідна токен-економіка Web3 може заохочувати вузли DePIN надавати обчислювальні ресурси, щоб побудувати стійку екосистему.

Наразі DePIN швидко розвивається в екосистемі певного публічного блокчейну, ставши одним із найпопулярніших платформ для розгортання проєктів. Висока TPS цього блокчейну, низькі транзакційні витрати та технологічні нововведення забезпечують потужну підтримку для проєктів DePIN. Наразі ринкова вартість проєктів DePIN на цьому блокчейні перевищує 10 мільярдів доларів, і деякі відомі проєкти досягли значного прогресу.

IMO: Нові парадигми випуску AI моделей

Концепцію IMO вперше запропоновано певним протоколом, щоб токенізувати моделі ШІ.

У традиційній моделі, через відсутність механізму розподілу доходів, як тільки AI-модель розробляється і виходить на ринок, розробникам часто важко отримувати постійний прибуток від подальшого використання моделі, особливо коли модель інтегрується в інші продукти та послуги, оригінальним творцям важко відстежувати використання, не кажучи вже про отримання прибутку. Крім того, продуктивність і ефективність AI-моделі часто не є прозорими, що ускладнює потенційним інвесторам та користувачам оцінку її справжньої вартості, обмежуючи визнання моделі на ринку та її комерційний потенціал.

IMO пропонує новий спосіб фінансування та розподілу вартості для відкритих AI моделей, інвестори можуть купувати токени IMO, щоб ділитися доходами, які генеруються моделлю в майбутньому. Один протокол використовує два стандарти ERC, поєднуючи AI оракули та технологію OPML для забезпечення достовірності AI моделей та можливості токенодержателів ділитися доходами.

Модель IMO підвищує прозорість і довіру, сприяє відкритій співпраці, адаптується до тенденцій крипторинку та надає імпульс стійкому розвитку технологій ШІ. IMO наразі перебуває на початкових етапах, але з підвищенням рівня прийняття на ринку та розширенням участі, її інноваційність і потенційна цінність заслуговують на нашу увагу.

AI Агент: нова епоха інтерактивного досвіду

AI Agent може сприймати навколишнє середовище, здійснювати незалежне мислення та вживати відповідні дії для досягнення визначених цілей. За підтримки великих мовних моделей, AI Agent не лише може розуміти природну мову, але й планувати рішення, виконувати складні завдання. Вони можуть виступати як віртуальні асистенти, навчаючись уподобанням користувачів через взаємодію та надаючи персоналізовані рішення. Навіть без чітких інструкцій, AI Agent може самостійно вирішувати проблеми, підвищувати ефективність та створювати нову цінність.

Платформа, що базується на AI, пропонує повний набір інструментів для творчості, що дозволяє користувачам налаштовувати функції роботів, зовнішній вигляд, голос та підключати зовнішні бази знань, прагнучи створити справедливу та відкриту екосистему контенту на основі AI. Використовуючи технології генеративного AI, вона надає можливість особам стати супер-творцями. Ця платформа навчила спеціальні великі мовні моделі, що робить рольову гру більш людяною; технологія клонування голосу може прискорити персоналізовану взаємодію AI-продуктів, знижуючи витрати на синтез голосу на 99%, а клонування голосу займає лише 1 хвилину. Використовуючи настроюваного AI-агента з цієї платформи, наразі його можна застосовувати в багатьох сферах, таких як відеочат, вивчення мов, генерація зображень та інших.

У злитті Web3 та AI наразі більше уваги приділяється дослідженню рівня інфраструктури, як отримати високоякісні дані, захистити конфіденційність даних, як розміщувати моделі в ланцюзі, як підвищити ефективність використання децентралізованих обчислювальних потужностей, як перевірити великі мовні моделі та інші ключові питання. З поступовим удосконаленням цієї інфраструктури, ми маємо підстави вірити, що злиття Web3 та AI стане початком низки інноваційних бізнес-моделей і послуг.