Інтеграція Web3 та AI: побудова інфраструктури наступного покоління Інтернету

Web3 як нова децентралізована, відкрита та прозора парадигма Інтернету має природну можливість для інтеграції з AI. У традиційній централізованій архітектурі обчислювальні та дані ресурси AI суворо контролюються, що призводить до багатьох викликів, таких як вузькі місця в обчислювальній потужності, витік конфіденційності, чорні ящики алгоритмів та ін. Web3, заснований на технології розподілу, може надати новий імпульс розвитку AI через такі способи, як спільна мережа обчислювальної потужності, відкритий ринок даних, обчислення з конфіденційністю тощо. Водночас AI також може надати Web3 багато можливостей, таких як оптимізація смарт-контрактів, алгоритми протидії шахрайству тощо, сприяючи його екосистемній будові. Дослідження поєднання Web3 та AI є надзвичайно важливим для побудови інфраструктури наступного покоління Інтернету та звільнення цінності даних та обчислювальної потужності.

Дані, що керують: надійна основа AI та Web3

Дані є основним двигуном розвитку ШІ, як паливо для двигуна. Моделі ШІ потребують перетравлення великої кількості якісних даних, щоб отримати глибоке розуміння та потужні здібності до міркування. Дані не лише забезпечують навчальну основу для моделей машинного навчання, але й визначають точність та надійність моделей.

Традиційні централізовані моделі отримання та використання даних штучного інтелекту мають такі основні проблеми:

• Витрати на отримання даних є високими, і малим та середнім підприємствам важко їх витримати.
• Ресурси даних монополізовані технологічними гігантами, формуючи ізольовані дані.
• Особисті дані піддаються ризику витоку та зловживання.

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

• Децентралізований збір даних: користувачі можуть продавати невикористовувану мережу AI-компаніям для збору мережевих даних, щоб забезпечити реальні та високоякісні дані для навчання AI-моделей.
• Децентралізоване позначення даних: використання моделі "label to earn", яка заохочує глобальних працівників брати участь у позначенні даних за допомогою токенів, об'єднуючи глобальні професійні знання.
• Платформа торгівлі даними на блокчейні: надає відкритий і прозорий торговельний простір для сторін попиту та пропозиції даних, стимулюючи інновації та обмін даними.

Попри це, отримання даних з реального світу все ще стикається з деякими проблемами, такими як нерівномірна якість даних, складність обробки, недостатня різноманітність і репрезентативність тощо. Синтетичні дані можуть стати зіркою майбутнього у сфері даних Web3. Завдяки технології генеративного ШІ та моделювання, синтетичні дані можуть моделювати властивості реальних даних, будучи ефективним доповненням до реальних даних, підвищуючи ефективність використання даних. У таких сферах, як автономне водіння, фінансові ринкові торги, розробка ігор тощо, синтетичні дані вже продемонстрували зрілий потенціал застосування.

Захист конфіденційності: Роль FHE у Web3

У епоху, керовану даними, захист приватності став глобальною темою, що викликає занепокоєння. Прийняття таких регламентів, як Загальний регламент захисту даних (GDPR) ЄС, відображає суворий захист особистої приватності. Однак це також приносить виклики: деякі чутливі дані не можуть бути використані в повній мірі через ризики приватності, що обмежує потенціал та здатність AI моделей до розуміння.

FHE — це повністю гомоморфне шифрування, яке дозволяє виконувати обчислювальні операції безпосередньо над зашифрованими даними без необхідності розшифровувати дані, причому результати обчислень збігаються з результатами тих же обчислень, проведених над відкритими даними.

FHE забезпечує надійний захист для приватних обчислень AI, дозволяючи обчислювальній потужності GPU виконувати навчання моделей та завдання інференції в середовищі, що не торкається вихідних даних. Це надає величезні переваги компаніям AI, оскільки вони можуть безпечно відкривати API-сервіси, захищаючи при цьому комерційну таємницю.

FHEML підтримує шифрування даних та моделей протягом всього циклу машинного навчання, забезпечуючи безпеку чутливої інформації та запобігаючи ризику витоку даних. Таким чином, FHEML посилює конфіденційність даних, забезпечуючи безпечну обчислювальну основу для AI застосувань.

FHEML є доповненням до ZKML, де ZKML підтверджує правильність виконання машинного навчання, а FHEML підкреслює обчислення з зашифрованими даними для підтримки 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, який значно перевищує наявні ресурси. Наприклад, для навчання моделі GPT-3 потрібні величезні обчислювальні потужності, що відповідає 355 рокам навчання на одному пристрої. Такий дефіцит обчислювальних потужностей не лише обмежує прогрес технологій штучного інтелекту, але й робить високорівневі моделі штучного інтелекту недоступними для більшості дослідників та розробників.

Водночас глобальне використання GPU становить менше 40%, а також уповільнення підвищення продуктивності мікропроцесорів і нестача чіпів, викликана факторами постачання та геополітики, ускладнюють проблему постачання обчислювальних потужностей. Працівники в сфері ШІ опинилися в двозначній ситуації: або купувати апаратуру, або орендувати хмарні ресурси, їм терміново потрібен економічно ефективний спосіб обчислювальних послуг за запитом.

Деяка децентралізована мережа обчислювальної потужності на базі штучного інтелекту, агрегуючи безкоштовні ресурси GPU по всьому світу, надає економічний та доступний ринок обчислювальної потужності для компаній, що займаються ШІ. Сторони, що потребують обчислювальної потужності, можуть публікувати обчислювальні завдання в мережі, а смарт-контракт розподіляє завдання серед майнерів, які надають обчислювальну потужність. Майнер виконує завдання та подає результати, які перевіряються, після чого він отримує винагороду у вигляді балів. Така схема підвищує ефективність використання ресурсів і допомагає вирішити проблему вузьких місць в обчислювальній потужності в таких галузях, як штучний інтелект.

Окрім загальної децентралізованої мережі обчислювальних потужностей, є також спеціалізовані мережі обчислювальних потужностей, що зосереджені на навчанні ШІ та інференції ШІ.

Децентралізована мережа обчислювальної потужності забезпечує справедливий і прозорий ринок обчислювальної потужності, розриває монополії, знижує пороги для застосування та підвищує ефективність використання обчислювальної потужності. У екосистемі web3 децентралізована мережа обчислювальної потужності відіграватиме ключову роль, залучаючи більше інноваційних dapp до спільного розвитку та використання технологій ШІ.

DePIN: Web3 надає можливості Edge AI

Уявіть собі, що ваш телефон, смарт-годинник або навіть розумні пристрої у вашому домі мають можливість працювати з ШІ — саме в цьому й полягає привабливість Edge AI. Це дозволяє обробці даних відбуватися на місці їх виникнення, забезпечуючи низьку затримку та обробку в реальному часі, одночасно захищаючи конфіденційність користувача. Технологія Edge AI вже застосовується в таких ключових сферах, як автономне водіння.

У сфері Web3 у нас є більш знайоме ім'я — DePIN. Web3 підкреслює децентралізацію та суверенітет даних користувачів, DePIN, обробляючи дані локально, може підвищити захист конфіденційності користувачів та зменшити ризик витоку даних; рідна токен-економіка Web3 може стимулювати вузли DePIN надавати обчислювальні ресурси, створюючи сталу екосистему.

Наразі DePIN швидко розвивається в екосистемі певного публічного блокчейну, ставши однією з найкращих платформ для розгортання проектів. Високий TPS, низькі комісії за транзакції та технологічні інновації цього блокчейну надають потужну підтримку проектам DePIN. Наразі ринкова капіталізація проектів DePIN на цьому блокчейні перевищує 10 мільярдів доларів, а кілька відомих проектів досягли значного прогресу.

IMO: Новий парадигма випуску AI моделей

Концепція IMO була вперше запропонована певним протоколом, що передбачає токенізацію AI-моделей.

У традиційній моделі, через відсутність механізму розподілу доходів, як тільки модель ШІ розроблена і виведена на ринок, розробникам часто важко отримати постійний дохід від подальшого використання моделі, особливо коли модель інтегрується в інші продукти та послуги, первинним творцям важко відстежувати використання, не кажучи вже про отримання доходу з цього. Крім того, продуктивність і ефективність моделі ШІ часто не є прозорими, що ускладнює потенційним інвесторам і користувачам оцінити її справжню цінність, обмежуючи ринкове визнання моделі та комерційний потенціал.

IMO надає новий спосіб фінансової підтримки та розподілу вартості для відкритих AI моделей, де інвестори можуть купувати токени IMO та ділитися прибутком, отриманим від моделей у майбутньому. Один з протоколів використовує два стандарти ERC, поєднуючи AI оракули та технологію OPML, щоб забезпечити достовірність AI моделей та можливість власників токенів ділитися прибутком.

Модель IMO підвищила прозорість і довіру, заохочуючи відкриту співпрацю, адаптувалася до тенденцій крипто-ринку та надала імпульс сталому розвитку технологій штучного інтелекту. IMO наразі перебуває на початковій стадії випробувань, але з підвищенням прийнятності на ринку та розширенням участі, її інноваційність і потенційна цінність заслуговують на нашу увагу.

AI Агент: нова ера інтерактивного досвіду

AI Agent може сприймати середовище, здійснювати незалежне мислення та вживати відповідних дій для досягнення визначених цілей. Завдяки підтримці великих мовних моделей, AI Agent не лише розуміє природну мову, а й може планувати рішення, виконувати складні завдання. Вони можуть виступати в ролі віртуальних помічників, навчаючись уподобанням користувача через взаємодію та надаючи персоналізовані рішення. Навіть без чітких інструкцій AI Agent може самостійно вирішувати проблеми, підвищувати ефективність і створювати нову вартість.

Деяка відкрита платформа для додатків на основі штучного інтелекту пропонує повний і зручний набір інструментів для створення, підтримуючи можливість налаштування функцій, зовнішнього вигляду, голосу робота, а також підключення до зовнішніх баз знань. Вона прагне створити справедливу та відкриту екосистему контенту на основі штучного інтелекту, використовуючи технологію генеративного штучного інтелекту, щоб надати можливість особам стати супер-креативними. Ця платформа навчила спеціалізовану велику мовну модель, щоб рольова гра була більш людяною; технологія клонування голосу може прискорити персоналізовану взаємодію з продуктами штучного інтелекту, знизивши вартість синтезу голосу на 99%, а клонування голосу можна здійснити всього за 1 хвилину. Використовуючи AI Agent, налаштованого на цій платформі, наразі його можна застосовувати в багатьох сферах, таких як відео-чат, вивчення мов, генерація зображень тощо.

У融合 Web3 та AI наразі більше уваги приділяється вивченню інфраструктурного рівня: як отримати високоякісні дані, захистити конфіденційність даних, як розміщувати моделі в блокчейні, як підвищити ефективне використання децентралізованих обчислювальних потужностей, як верифікувати великі мовні моделі та інші ключові питання. З поступовим вдосконаленням цих інфраструктур у нас є підстави вірити, що інтеграція Web3 та AI призведе до появи низки інноваційних бізнес-моделей та послуг.