A Profundidade da Integração entre AI e Web3: Construindo a Nova Geração de Infraestrutura da Internet
Web3, como um novo paradigma de internet descentralizado, aberto e transparente, apresenta oportunidades naturais de fusão com a IA. Sob uma arquitetura centralizada tradicional, os recursos de computação e dados da IA são rigorosamente controlados, enfrentando desafios como gargalos de potência de cálculo, vazamento de privacidade e algoritmos de caixa preta. O Web3, baseado em tecnologia distribuída, injeta nova energia no desenvolvimento da IA por meio de redes de compartilhamento de potência de cálculo, mercados de dados abertos e computação de privacidade. Ao mesmo tempo, a IA também pode trazer muitos recursos para o Web3, como otimização de contratos inteligentes e algoritmos anti-trapaça, ajudando na construção de seu ecossistema. Explorar a combinação de Web3 e IA é crucial para construir a infraestrutura da próxima geração da internet e liberar o valor dos dados e da potência de cálculo.
Dados impulsionados: A base sólida da IA e do Web3
Os dados são o principal motor que impulsiona o desenvolvimento da IA, assim como o combustível é para um motor. Os modelos de IA precisam digerir uma grande quantidade de dados de alta qualidade para obter uma compreensão profunda e uma forte capacidade de raciocínio. Os dados não apenas fornecem a base de treinamento para os modelos de aprendizado de máquina, mas também determinam a precisão e a confiabilidade do modelo.
Os modelos tradicionais de aquisição e utilização de dados de IA centralizados apresentam os seguintes problemas principais:
O custo de obtenção de dados é elevado, dificultando a sua assunção por pequenas e médias empresas.
Recursos de dados são monopolizados por gigantes da tecnologia, formando ilhas de dados
Os dados pessoais enfrentam riscos de vazamento e uso indevido
Web3 resolve os pontos problemáticos dos modelos tradicionais com uma nova paradigma de dados descentralizados:
Os usuários podem vender redes ociosas para empresas de IA, capturando dados da rede de forma descentralizada, fornecendo dados reais e de alta qualidade para o treinamento de modelos de IA.
Adotando o modo "label to earn", incentivando trabalhadores globais a participar na anotação de dados através de tokens, reunindo conhecimento especializado global e aumentando a capacidade de análise de dados.
A plataforma de negociação de dados em blockchain oferece um ambiente de negociação público e transparente para as partes fornecedoras e demandantes de dados, incentivando a inovação e o compartilhamento de dados.
No entanto, a obtenção de dados do mundo real também apresenta alguns problemas, como qualidade de dados desigual, dificuldade de processamento, diversidade e representação insuficientes, entre outros. Dados sintéticos podem ser a estrela futura do setor de dados Web3. Baseados em tecnologia de IA generativa e simulação, os dados sintéticos conseguem simular as propriedades dos dados reais, servindo como um complemento eficaz aos dados reais, aumentando a eficiência do uso de dados. Nos campos de condução autónoma, comércio de mercados financeiros, desenvolvimento de jogos, os dados sintéticos já demonstraram um potencial de aplicação maduro.
Proteção de Privacidade: O Papel do FHE no Web3
Na era dos dados, a proteção da privacidade tornou-se um foco de atenção global, e regulamentos como o Regulamento Geral sobre a Proteção de Dados (GDPR) da União Europeia refletem a rigorosa defesa da privacidade pessoal. No entanto, isso também traz desafios: alguns dados sensíveis não podem ser plenamente utilizados devido a riscos de privacidade, limitando o potencial e a capacidade de raciocínio dos modelos de IA.
FHE é a criptografia homomórfica completa, que permite realizar operações de cálculo diretamente em dados criptografados, sem a necessidade de descriptografar os dados, e o resultado do cálculo é idêntico ao resultado obtido ao realizar o mesmo cálculo em dados em texto claro.
FHE proporciona uma proteção sólida para a computação de privacidade em IA, permitindo que a capacidade de processamento GPU execute tarefas de treinamento e inferência de modelos em um ambiente sem tocar nos dados originais. Isso traz uma grande vantagem para as empresas de IA, permitindo a proteção de segredos comerciais enquanto disponibiliza serviços de API de forma segura.
O FHEML suporta o processamento criptografado de dados e modelos durante todo o ciclo de vida do aprendizado de máquina, garantindo a segurança das informações sensíveis e prevenindo o risco de vazamento de dados. Desta forma, o FHEML fortalece a privacidade dos dados e oferece uma estrutura de computação segura para aplicações de IA.
FHEML é um complemento para ZKML, onde ZKML prova a execução correta do aprendizado de máquina, enquanto FHEML enfatiza a computação sobre dados criptografados para manter a privacidade dos dados.
Revolução da Computação: Computação AI em Redes Descentralizadas
A complexidade computacional dos sistemas de IA atuais dobra a cada 3 meses, levando a um aumento explosivo na demanda por poder de computação, muito além da oferta de recursos computacionais existentes. Por exemplo, o treinamento de um conhecido modelo de IA requer um enorme poder de computação, equivalente a 355 anos de tempo de treinamento em um único dispositivo. Essa escassez de poder computacional não só limita o progresso da tecnologia de IA, mas também torna modelos de IA avançados inacessíveis para a maioria dos pesquisadores e desenvolvedores.
Ao mesmo tempo, a utilização global de GPU está abaixo de 40%, juntamente com a desaceleração no aumento do desempenho dos microprocessadores e a escassez de chips causada por fatores de cadeia de suprimentos e geopolíticos, o que torna o problema do fornecimento de poder computacional ainda mais grave. Os profissionais de IA enfrentam um dilema: ou compram hardware por conta própria, ou alugam recursos em nuvem, e eles precisam urgentemente de uma forma de serviço de computação sob demanda e econômica.
Uma rede de computação descentralizada de IA agrega recursos de GPU ociosos em todo o mundo, proporcionando um mercado de computação economicamente acessível para empresas de IA. As partes interessadas na demanda de computação podem publicar tarefas de cálculo na rede, e contratos inteligentes atribuem as tarefas aos nós mineradores que contribuem com a capacidade de computação. Os mineradores executam as tarefas e enviam os resultados, e após a verificação, recebem recompensas em pontos. Essa solução melhora a eficiência na utilização de recursos e ajuda a resolver o problema do gargalo de capacidade de computação em áreas como IA.
Além da rede de computação descentralizada genérica, existem plataformas focadas no treinamento de IA e redes de computação dedicadas à inferência de IA.
As redes de computação descentralizadas oferecem um mercado de poder computacional justo e transparente, quebrando monopólios, reduzindo as barreiras de entrada e aumentando a eficiência na utilização do poder computacional. No ecossistema web3, as redes de computação descentralizadas desempenharão um papel fundamental, atraindo mais dapps inovadores para se juntarem e impulsionarem o desenvolvimento e a aplicação da tecnologia de IA.
DePIN: Web3 capacitando a IA de Edge
Imagine que o seu telefone, smartwatch, ou até mesmo os dispositivos inteligentes em sua casa, têm a capacidade de executar IA — essa é a atração do Edge AI. Ele permite que a computação ocorra na fonte de geração de dados, realizando processamento em tempo real com baixa latência, enquanto protege a privacidade do usuário. A tecnologia Edge AI já foi aplicada em áreas críticas como a condução autónoma.
No campo do Web3, temos um nome mais familiar – DePIN. O Web3 enfatiza a descentralização e a soberania dos dados dos usuários, enquanto o DePIN pode melhorar a proteção da privacidade dos usuários e reduzir o risco de vazamentos de dados ao processar dados localmente; o mecanismo econômico nativo de tokens do Web3 pode incentivar os nós do DePIN a fornecer recursos de computação, construindo um ecossistema sustentável.
Atualmente, o DePIN está a desenvolver-se rapidamente em determinado ecossistema de blockchain pública, tornando-se uma das plataformas de blockchain preferidas para a implementação de projetos. A alta TPS, os baixos custos de transação e a inovação tecnológica dessa blockchain pública oferecem um forte apoio aos projetos DePIN. Atualmente, o valor de mercado dos projetos DePIN nesta blockchain pública supera os 10 bilhões de dólares, e alguns projetos conhecidos já alcançaram progressos significativos.
IMO: Novo paradigma de lançamento de modelos de IA
O conceito de IMO foi proposto por um determinado protocolo, que tokeniza modelos de IA.
No modelo tradicional, devido à ausência de um mecanismo de partilha de receitas, uma vez que o modelo de IA é desenvolvido e colocado no mercado, os desenvolvedores frequentemente têm dificuldade em obter receitas contínuas da utilização subsequente do modelo, especialmente quando o modelo é integrado em outros produtos e serviços, os criadores originais têm dificuldade em rastrear a utilização, quanto mais obter receitas a partir dela. Além disso, o desempenho e os resultados dos modelos de IA frequentemente carecem de transparência, o que dificulta a avaliação do seu verdadeiro valor por parte de potenciais investidores e utilizadores, limitando o reconhecimento do modelo no mercado e o seu potencial comercial.
O IMO oferece uma nova forma de apoio financeiro e partilha de valor para modelos de IA de código aberto, permitindo que os investidores comprem tokens IMO e partilhem os ganhos gerados posteriormente pelo modelo. Um determinado protocolo utiliza dois padrões ERC, combinando oráculo de IA e tecnologia OPML para garantir a autenticidade do modelo de IA e que os detentores de tokens possam partilhar os ganhos.
O modo IMO aumentou a transparência e a confiança, incentivou a colaboração em código aberto, adaptou-se às tendências do mercado de criptomoedas e impulsionou o desenvolvimento sustentável da tecnologia de IA. O IMO ainda está em fase de tentativa inicial, mas à medida que a aceitação do mercado aumenta e o alcance da participação se expande, sua inovação e valor potencial são dignos de expectativa.
Agente de IA: Uma nova era de experiência interativa
O Agente de IA pode perceber o ambiente, pensar de forma independente e tomar ações correspondentes para alcançar objetivos estabelecidos. Com o suporte de grandes modelos de linguagem, o Agente de IA não só consegue entender a linguagem natural, mas também planejar decisões e executar tarefas complexas. Podem funcionar como assistentes virtuais, aprendendo as preferências dos usuários através da interação e oferecendo soluções personalizadas. Mesmo na ausência de instruções claras, o Agente de IA consegue resolver problemas de forma autónoma, aumentando a eficiência e criando novo valor.
Uma plataforma de aplicações nativas de IA oferece um conjunto de ferramentas de criação abrangente e fácil de usar, permitindo que os usuários configurem funcionalidades, aparências, vozes de robôs e conectem a bases de conhecimento externas, com o objetivo de criar um ecossistema de conteúdo de IA justo e aberto. Utilizando tecnologia de IA generativa, capacita indivíduos a se tornarem super criadores. A plataforma treinou um modelo de linguagem grande especializado, tornando o papel mais humanizado; a tecnologia de clonagem de voz pode acelerar a interação personalizada de produtos de IA, reduzindo os custos de síntese de voz em 99%, com a clonagem de voz podendo ser realizada em apenas 1 minuto. Utilizando o AI Agent personalizado da plataforma, atualmente pode ser aplicado em várias áreas, como videochamadas, aprendizado de idiomas, geração de imagens, entre outras.
Na fusão entre Web3 e IA, atualmente, há mais exploração ao nível da infraestrutura, como obter dados de alta qualidade, proteger a privacidade dos dados, como hospedar modelos na cadeia, como melhorar a utilização eficiente da computação descentralizada, e como validar grandes modelos de linguagem, entre outras questões-chave. À medida que estas infraestruturas são progressivamente aperfeiçoadas, temos razões para acreditar que a fusão entre Web3 e IA dará origem a uma série de modelos de negócios e serviços inovadores.
Esta página pode conter conteúdo de terceiros, que é fornecido apenas para fins informativos (não para representações/garantias) e não deve ser considerada como um endosso de suas opiniões pela Gate nem como aconselhamento financeiro ou profissional. Consulte a Isenção de responsabilidade para obter detalhes.
IA e Web3 em sinergia: Construindo uma nova base para a Descentralização na Internet
A Profundidade da Integração entre AI e Web3: Construindo a Nova Geração de Infraestrutura da Internet
Web3, como um novo paradigma de internet descentralizado, aberto e transparente, apresenta oportunidades naturais de fusão com a IA. Sob uma arquitetura centralizada tradicional, os recursos de computação e dados da IA são rigorosamente controlados, enfrentando desafios como gargalos de potência de cálculo, vazamento de privacidade e algoritmos de caixa preta. O Web3, baseado em tecnologia distribuída, injeta nova energia no desenvolvimento da IA por meio de redes de compartilhamento de potência de cálculo, mercados de dados abertos e computação de privacidade. Ao mesmo tempo, a IA também pode trazer muitos recursos para o Web3, como otimização de contratos inteligentes e algoritmos anti-trapaça, ajudando na construção de seu ecossistema. Explorar a combinação de Web3 e IA é crucial para construir a infraestrutura da próxima geração da internet e liberar o valor dos dados e da potência de cálculo.
Dados impulsionados: A base sólida da IA e do Web3
Os dados são o principal motor que impulsiona o desenvolvimento da IA, assim como o combustível é para um motor. Os modelos de IA precisam digerir uma grande quantidade de dados de alta qualidade para obter uma compreensão profunda e uma forte capacidade de raciocínio. Os dados não apenas fornecem a base de treinamento para os modelos de aprendizado de máquina, mas também determinam a precisão e a confiabilidade do modelo.
Os modelos tradicionais de aquisição e utilização de dados de IA centralizados apresentam os seguintes problemas principais:
Web3 resolve os pontos problemáticos dos modelos tradicionais com uma nova paradigma de dados descentralizados:
No entanto, a obtenção de dados do mundo real também apresenta alguns problemas, como qualidade de dados desigual, dificuldade de processamento, diversidade e representação insuficientes, entre outros. Dados sintéticos podem ser a estrela futura do setor de dados Web3. Baseados em tecnologia de IA generativa e simulação, os dados sintéticos conseguem simular as propriedades dos dados reais, servindo como um complemento eficaz aos dados reais, aumentando a eficiência do uso de dados. Nos campos de condução autónoma, comércio de mercados financeiros, desenvolvimento de jogos, os dados sintéticos já demonstraram um potencial de aplicação maduro.
Proteção de Privacidade: O Papel do FHE no Web3
Na era dos dados, a proteção da privacidade tornou-se um foco de atenção global, e regulamentos como o Regulamento Geral sobre a Proteção de Dados (GDPR) da União Europeia refletem a rigorosa defesa da privacidade pessoal. No entanto, isso também traz desafios: alguns dados sensíveis não podem ser plenamente utilizados devido a riscos de privacidade, limitando o potencial e a capacidade de raciocínio dos modelos de IA.
FHE é a criptografia homomórfica completa, que permite realizar operações de cálculo diretamente em dados criptografados, sem a necessidade de descriptografar os dados, e o resultado do cálculo é idêntico ao resultado obtido ao realizar o mesmo cálculo em dados em texto claro.
FHE proporciona uma proteção sólida para a computação de privacidade em IA, permitindo que a capacidade de processamento GPU execute tarefas de treinamento e inferência de modelos em um ambiente sem tocar nos dados originais. Isso traz uma grande vantagem para as empresas de IA, permitindo a proteção de segredos comerciais enquanto disponibiliza serviços de API de forma segura.
O FHEML suporta o processamento criptografado de dados e modelos durante todo o ciclo de vida do aprendizado de máquina, garantindo a segurança das informações sensíveis e prevenindo o risco de vazamento de dados. Desta forma, o FHEML fortalece a privacidade dos dados e oferece uma estrutura de computação segura para aplicações de IA.
FHEML é um complemento para ZKML, onde ZKML prova a execução correta do aprendizado de máquina, enquanto FHEML enfatiza a computação sobre dados criptografados para manter a privacidade dos dados.
Revolução da Computação: Computação AI em Redes Descentralizadas
A complexidade computacional dos sistemas de IA atuais dobra a cada 3 meses, levando a um aumento explosivo na demanda por poder de computação, muito além da oferta de recursos computacionais existentes. Por exemplo, o treinamento de um conhecido modelo de IA requer um enorme poder de computação, equivalente a 355 anos de tempo de treinamento em um único dispositivo. Essa escassez de poder computacional não só limita o progresso da tecnologia de IA, mas também torna modelos de IA avançados inacessíveis para a maioria dos pesquisadores e desenvolvedores.
Ao mesmo tempo, a utilização global de GPU está abaixo de 40%, juntamente com a desaceleração no aumento do desempenho dos microprocessadores e a escassez de chips causada por fatores de cadeia de suprimentos e geopolíticos, o que torna o problema do fornecimento de poder computacional ainda mais grave. Os profissionais de IA enfrentam um dilema: ou compram hardware por conta própria, ou alugam recursos em nuvem, e eles precisam urgentemente de uma forma de serviço de computação sob demanda e econômica.
Uma rede de computação descentralizada de IA agrega recursos de GPU ociosos em todo o mundo, proporcionando um mercado de computação economicamente acessível para empresas de IA. As partes interessadas na demanda de computação podem publicar tarefas de cálculo na rede, e contratos inteligentes atribuem as tarefas aos nós mineradores que contribuem com a capacidade de computação. Os mineradores executam as tarefas e enviam os resultados, e após a verificação, recebem recompensas em pontos. Essa solução melhora a eficiência na utilização de recursos e ajuda a resolver o problema do gargalo de capacidade de computação em áreas como IA.
Além da rede de computação descentralizada genérica, existem plataformas focadas no treinamento de IA e redes de computação dedicadas à inferência de IA.
As redes de computação descentralizadas oferecem um mercado de poder computacional justo e transparente, quebrando monopólios, reduzindo as barreiras de entrada e aumentando a eficiência na utilização do poder computacional. No ecossistema web3, as redes de computação descentralizadas desempenharão um papel fundamental, atraindo mais dapps inovadores para se juntarem e impulsionarem o desenvolvimento e a aplicação da tecnologia de IA.
DePIN: Web3 capacitando a IA de Edge
Imagine que o seu telefone, smartwatch, ou até mesmo os dispositivos inteligentes em sua casa, têm a capacidade de executar IA — essa é a atração do Edge AI. Ele permite que a computação ocorra na fonte de geração de dados, realizando processamento em tempo real com baixa latência, enquanto protege a privacidade do usuário. A tecnologia Edge AI já foi aplicada em áreas críticas como a condução autónoma.
No campo do Web3, temos um nome mais familiar – DePIN. O Web3 enfatiza a descentralização e a soberania dos dados dos usuários, enquanto o DePIN pode melhorar a proteção da privacidade dos usuários e reduzir o risco de vazamentos de dados ao processar dados localmente; o mecanismo econômico nativo de tokens do Web3 pode incentivar os nós do DePIN a fornecer recursos de computação, construindo um ecossistema sustentável.
Atualmente, o DePIN está a desenvolver-se rapidamente em determinado ecossistema de blockchain pública, tornando-se uma das plataformas de blockchain preferidas para a implementação de projetos. A alta TPS, os baixos custos de transação e a inovação tecnológica dessa blockchain pública oferecem um forte apoio aos projetos DePIN. Atualmente, o valor de mercado dos projetos DePIN nesta blockchain pública supera os 10 bilhões de dólares, e alguns projetos conhecidos já alcançaram progressos significativos.
IMO: Novo paradigma de lançamento de modelos de IA
O conceito de IMO foi proposto por um determinado protocolo, que tokeniza modelos de IA.
No modelo tradicional, devido à ausência de um mecanismo de partilha de receitas, uma vez que o modelo de IA é desenvolvido e colocado no mercado, os desenvolvedores frequentemente têm dificuldade em obter receitas contínuas da utilização subsequente do modelo, especialmente quando o modelo é integrado em outros produtos e serviços, os criadores originais têm dificuldade em rastrear a utilização, quanto mais obter receitas a partir dela. Além disso, o desempenho e os resultados dos modelos de IA frequentemente carecem de transparência, o que dificulta a avaliação do seu verdadeiro valor por parte de potenciais investidores e utilizadores, limitando o reconhecimento do modelo no mercado e o seu potencial comercial.
O IMO oferece uma nova forma de apoio financeiro e partilha de valor para modelos de IA de código aberto, permitindo que os investidores comprem tokens IMO e partilhem os ganhos gerados posteriormente pelo modelo. Um determinado protocolo utiliza dois padrões ERC, combinando oráculo de IA e tecnologia OPML para garantir a autenticidade do modelo de IA e que os detentores de tokens possam partilhar os ganhos.
O modo IMO aumentou a transparência e a confiança, incentivou a colaboração em código aberto, adaptou-se às tendências do mercado de criptomoedas e impulsionou o desenvolvimento sustentável da tecnologia de IA. O IMO ainda está em fase de tentativa inicial, mas à medida que a aceitação do mercado aumenta e o alcance da participação se expande, sua inovação e valor potencial são dignos de expectativa.
Agente de IA: Uma nova era de experiência interativa
O Agente de IA pode perceber o ambiente, pensar de forma independente e tomar ações correspondentes para alcançar objetivos estabelecidos. Com o suporte de grandes modelos de linguagem, o Agente de IA não só consegue entender a linguagem natural, mas também planejar decisões e executar tarefas complexas. Podem funcionar como assistentes virtuais, aprendendo as preferências dos usuários através da interação e oferecendo soluções personalizadas. Mesmo na ausência de instruções claras, o Agente de IA consegue resolver problemas de forma autónoma, aumentando a eficiência e criando novo valor.
Uma plataforma de aplicações nativas de IA oferece um conjunto de ferramentas de criação abrangente e fácil de usar, permitindo que os usuários configurem funcionalidades, aparências, vozes de robôs e conectem a bases de conhecimento externas, com o objetivo de criar um ecossistema de conteúdo de IA justo e aberto. Utilizando tecnologia de IA generativa, capacita indivíduos a se tornarem super criadores. A plataforma treinou um modelo de linguagem grande especializado, tornando o papel mais humanizado; a tecnologia de clonagem de voz pode acelerar a interação personalizada de produtos de IA, reduzindo os custos de síntese de voz em 99%, com a clonagem de voz podendo ser realizada em apenas 1 minuto. Utilizando o AI Agent personalizado da plataforma, atualmente pode ser aplicado em várias áreas, como videochamadas, aprendizado de idiomas, geração de imagens, entre outras.
Na fusão entre Web3 e IA, atualmente, há mais exploração ao nível da infraestrutura, como obter dados de alta qualidade, proteger a privacidade dos dados, como hospedar modelos na cadeia, como melhorar a utilização eficiente da computação descentralizada, e como validar grandes modelos de linguagem, entre outras questões-chave. À medida que estas infraestruturas são progressivamente aperfeiçoadas, temos razões para acreditar que a fusão entre Web3 e IA dará origem a uma série de modelos de negócios e serviços inovadores.