AI та Web3 інтеграція: побудова інфраструктури наступного покоління Інтернету

Web3 як нова парадигма Інтернету, що базується на децентралізації, відкритості та прозорості, має природні можливості для інтеграції з ШІ. У традиційній централізованій архітектурі обчислення ШІ та ресурси даних підлягають суворому контролю, що призводить до безлічі викликів, таких як вузькі місця в обчислювальних потужностях, витік конфіденційності, чорні ящики алгоритмів тощо. Натомість Web3, що базується на розподілених технологіях, може надати новий імпульс розвитку ШІ через мережу спільного обчислення, відкритий ринок даних, обчислення з конфіденційністю тощо. Одночасно ШІ може надати багато можливостей для Web3, таких як оптимізація смарт-контрактів, алгоритми боротьби з шахрайством тощо, що сприяє розвитку його екосистеми. Отже, дослідження інтеграції Web3 та ШІ є надзвичайно важливим для побудови інфраструктури наступного покоління Інтернету та вивільнення цінності даних і обчислювальних потужностей.

Дані, що керують: основа AI та Web3

Дані є основною рушійною силою розвитку ШІ, як паливо для двигуна. Моделі ШІ потребують обробки величезних масивів 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 і надійність моделей.

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

• Вартість отримання даних висока, і малим та середнім підприємствам важко її витримати
• Ресурси даних монополізуються технологічними гігантами, що спричиняє утворення ізольованих даних.
• Особисті дані піддаються ризику витоку та зловживання.

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

• Збирати мережеві дані децентралізованим способом, щоб забезпечити реальні та високоякісні дані для навчання AI моделей
• Використання моделі "label to earn", що заохочує світових працівників до участі в маркуванні даних, збираючи глобальні професійні знання.
• Платформа обміну даними на основі блокчейн забезпечує відкритий і прозорий торговий простір для обох сторін попиту та пропозиції даних, стимулюючи інновації та обмін даними.

Однак, у реальному світі також існують деякі проблеми з отриманням даних, такі як нерівна якість даних, великі труднощі в обробці, недостатня різноманітність та представницькість тощо. Синтетичні дані можуть стати яскравою ознакою майбутнього сектора даних Web3. На основі технологій генеративного ШІ та моделювання, синтетичні дані можуть імітувати властивості реальних даних, слугуючи ефективним доповненням 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 конфіденційності: застосування FHE у Web3

У епоху даних захист приватності став глобальною темою обговорення. Серед законодавства, такого як Загальний регламент захисту даних (GDPR) ЄС, відображається суворий захист особистої інформації. Однак це також створює виклики: деякі чутливі дані не можуть бути повністю використані через ризики для приватності, що безумовно обмежує потенціал і можливості моделювання ШІ.

FHE — це повністю гомоморфне шифрування, яке дозволяє виконувати обчислення безпосередньо на зашифрованих даних без необхідності їх розшифровки, причому результати обчислень відповідають результатам тих же обчислень на відкритих даних.

FHE забезпечує надійний захист для приватних обчислень AI, що дозволяє потужностям GPU виконувати навчання моделей і завдання інференції в середовищі, яке не торкається вихідних даних. Це приносить великі переваги компаніям AI. Вони можуть безпечно відкривати API-сервіси, захищаючи при цьому комерційну таємницю.

FHEML підтримує шифрування даних і моделей на всьому циклі 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, 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 AI-систем подвоюється кожні 3 місяці, що призводить до різкого зростання попиту на обчислювальні потужності, що значно перевищує наявні ресурси. Наприклад, навчання великої мовної моделі відомої AI-компанії потребує величезних обчислювальних потужностей, що еквівалентно 355 рокам навчання на одному пристрої. Такий брак обчислювальної потужності не лише обмежує прогрес технологій штучного інтелекту, але й робить ці високорівневі AI-моделі недоступними для більшості дослідників і розробників.

Водночас, глобальне використання GPU становить менше 40%, а також уповільнення підвищення продуктивності мікропроцесорів, а також дефіцит чіпів, спричинений факторами постачання та геополітики, ускладнюють питання постачання обчислювальної потужності. Працівники штучного інтелекту опинилися в дилемі: або купувати апаратуру, або орендувати хмарні ресурси, їм терміново потрібен економічний та ефективний спосіб обчислювальних послуг за запитом.

Децентралізована мережа обчислювальних потужностей AI, шляхом агрегування вільних GPU-ресурсів з усього світу, забезпечила для компаній AI економічний та зручний доступ до ринку обчислювальних потужностей. Замовники обчислювальних потужностей можуть публікувати обчислювальні завдання в мережі, смарт-контракти розподіляють завдання між майнерами, які надають обчислювальні потужності, майнери виконують завдання і подають результати, які після перевірки винагороджуються балами. Це рішення підвищує ефективність використання ресурсів і допомагає вирішити проблему браку обчислювальних потужностей у таких сферах, як AI.

Окрім загальної децентралізованої мережі обчислювальної потужності, є також платформи, що спеціалізуються на навчанні ШІ, а також спеціалізовані мережі обчислювальної потужності для інференції ШІ.

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

DePIN: Web3 надає можливості Edge AI

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

У сфері Web3 у нас є більш знайоме ім'я — DePIN. Web3 підкреслює децентралізацію та суверенітет даних користувачів, DePIN може підвищити захист конфіденційності користувачів, обробляючи дані локально, зменшуючи ризик витоку даних; вроджений токеномічний механізм Web3 може стимулювати вузли DePIN надавати обчислювальні ресурси, створюючи стійку екосистему.

Наразі DePIN швидко розвивається в певній екосистемі публічних ланцюгів, ставши однією з найпопулярніших платформ для розгортання проєктів. Висока TPS, низькі торгові витрати та інновації в технологіях цієї публічної блокчейн-платформи надають потужну підтримку проєктам DePIN. Наразі ринкова капіталізація проєктів DePIN на цій публічній блокчейн-платформі перевищує 10 мільярдів доларів, а деякі відомі проєкти досягли значного прогресу.

IMO: нова парадигма випуску AI моделей

Концепція IMO була вперше запропонована певним протоколом, щоб токенізувати моделі ШІ.

У традиційній моделі, через відсутність механізму розподілу доходів, як тільки модель ШІ розроблена та виведена на ринок, розробникам часто важко отримувати 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 прибутку. Крім того, продуктивність і ефективність моделей ШІ часто не мають прозорості, що ускладнює для потенційних інвесторів і користувачів оцінку їх справжньої вартості, обмежуючи ринкове визнання та комерційний потенціал моделей.

IMO надає новий спосіб фінансування та розподілу вартості для відкритих AI моделей, інвестори можуть купувати токени IMO, щоб ділитися прибутком, що виникає внаслідок подальшої експлуатації моделей. Один протокол використовує два стандарти ERC, поєднуючи AI оракули та технологію OPML для забезпечення достовірності AI моделей та можливості власників токенів ділитися прибутком.

Модель IMO підвищує прозорість і довіру, заохочує відкриту співпрацю, адаптується до тенденцій крипторинку та надає 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 Agent: Новий етап взаємодії

AI Агент може сприймати навколишнє середовище, здійснювати самостійне мислення та вживати відповідних дій для досягнення визначених цілей. За підтримки великих мовних моделей AI Агент не лише може розуміти природну мову, але й планувати рішення, виконувати складні завдання. Вони можуть виступати в ролі віртуальних асистентів, навчаючись у користувачів їх уподобанням через взаємодію та пропонуючи персоналізовані рішення. Навіть без чітких інструкцій AI Агент може самостійно вирішувати проблеми, підвищувати ефективність та створювати нову цінність.

Платформа для додатків на основі штучного інтелекту надає всебічний та зручний набір інструментів для створення, підтримуючи користувачів у налаштуванні функцій роботів, зовнішнього вигляду, голосу та підключенні до зовнішніх баз знань, прагнучи створити справедливу та відкриту екосистему контенту на основі штучного інтелекту, використовуючи технології генеративного штучного інтелекту, надаючи можливість особам стати супер-креативами. Ця платформа навчила спеціальну велику мовну модель, що робить рольові ігри більш гуманними; технології клонування голосу можуть прискорити персоналізовану взаємодію продуктів штучного інтелекту, знизивши витрати на синтез голосу на 99%, клонування голосу займає лише 1 хвилину. Використовуючи налаштованого AI Agent на цій платформі, наразі він може бути застосований у відеочатах, вивченні мов, генерації зображень та в багатьох інших сферах.

У процесі інтеграції Web3 та AI на даний момент більше уваги приділяється дослідженню інфраструктурного рівня, як отримати якісні дані, захистити конфіденційність даних, як розмістити моделі на блокчейні, як покращити ефективність використання децентралізованих обчислювальних потужностей, як перевіряти великі мовні моделі та інші ключові питання. З урахуванням поступового вдосконалення цієї інфраструктури, ми маємо підстави вірити, що інтеграція Web3 та AI стане основою для низки інноваційних бізнес-моделей та послуг.