Глибина інтеграції AI та Web3: побудова інфраструктури нового покоління Інтернету
Web3 як децентралізована, відкрита, прозора нова парадигма Інтернету має природні можливості для інтеграції з AI. У традиційній централізованій архітектурі обчислення AI та ресурси даних знаходяться під суворим контролем і стикаються з багатьма викликами, такими як обмеження обчислювальної потужності, витік конфіденційності, алгоритми чорного ящика тощо. Web3, заснований на розподілених технологіях, через спільні обчислювальні мережі, відкриті ринки даних, обчислення конфіденційності тощо, надає новий імпульс розвитку AI. Водночас AI може надати Web3 безліч можливостей, таких як оптимізація смарт-контрактів, алгоритми протидії шахрайству тощо, що сприяє його екологічному будівництву. Дослідження поєднання Web3 і AI є надзвичайно важливим для будівництва інфраструктури нового покоління Інтернету та вивільнення цінності даних і обчислювальної потужності.
Дані, які керують: міцна основа AI та Web3
Дані є основним двигуном розвитку ШІ, як паливо для двигуна. Моделям ШІ потрібно засвоювати великі обсяги якісних даних, щоб отримати глибоке розуміння та потужні можливості 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 AI мають такі основні проблеми:
Витрати на отримання даних є високими, і малим та середнім підприємствам важко їх нести
Ресурси даних монополізовані технологічними гігантами, утворюючи ізольовані дані.
Особисті дані піддаються ризику витоку та зловживання.
Web3 вирішує болюві точки традиційної моделі за допомогою нової децентралізованої парадигми даних:
Користувачі можуть продавати невикористовувану мережу компаніям штучного інтелекту, децентралізовано збираючи мережеві дані для надання реальних, високоякісних даних для навчання моделей ШІ.
Використовуючи модель "label to earn", за допомогою токенів стимулюються глобальні працівники для участі в розмітці даних, об'єднуючи глобальні професійні знання, посилюючи можливості аналізу даних.
Платформа торгівлі даними на базі блокчейн забезпечує відкритий і прозорий торговий середовище для сторін попиту та пропозиції даних, стимулюючи інновації та обмін даними.
Проте, отримання даних з реального світу також має деякі проблеми, такі як нерівна якість даних, велика складність обробки, недостатня різноманітність та репрезентативність тощо. Синтетичні дані можуть стати зіркою майбутнього у сфері Web3. На основі технології генеративного ШІ та моделювання, синтетичні дані можуть імітувати властивості реальних даних, служачи ефективним доповненням до реальних даних, підвищуючи ефективність використання даних. У таких сферах, як автоматизоване водіння, торгівля на фінансових ринках, розробка ігор тощо, синтетичні дані вже продемонстрували зрілий потенціал застосування.
Захист приватності: Роль FHE у Web3
Епоха, керована даними, привела до того, що захист приватності став глобальною проблемою, а такі регуляції, як Загальний регламент захисту даних (GDPR) ЄС, відображають сувору охорону особистої приватності. Однак це також створює виклики: деякі чутливі дані не можуть бути повною мірою використані через ризики приватності, що обмежує потенціал і здатність розуміння моделей ШІ.
FHE - це гомоморфне шифрування, яке дозволяє виконувати обчислювальні операції безпосередньо на зашифрованих даних, не розкриваючи їх, причому результати обчислень збігаються з результатами, отриманими при виконанні тих же обчислень на відкритих даних.
FHE забезпечує надійний захист для обчислень конфіденційності штучного інтелекту, дозволяючи потужності GPU виконувати завдання навчання моделей і висновків в середовищі без доступу до вихідних даних. Це надає величезні переваги компаніям з штучного інтелекту, оскільки вони можуть захищати комерційну таємницю, одночасно безпечно відкриваючи API-сервіси.
FHEML підтримує шифрування даних та моделей на всьому протязі циклу машинного навчання, забезпечуючи безпеку чутливої інформації та запобігаючи ризику витоку даних. Таким чином, FHEML зміцнює конфіденційність даних і забезпечує безпечну обчислювальну базу для AI-додатків.
FHEML є доповненням до ZKML, ZKML підтверджує правильність виконання машинного навчання, тоді як FHEML підкреслює обчислення над зашифрованими даними для забезпечення 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 існуючу пропозицію обчислювальних ресурсів. Наприклад, для навчання певної відомої AI-моделі потрібні величезні обчислювальні потужності, що еквівалентно 355 рокам навчання на одному пристрої. Такий дефіцит обчислювальних потужностей не тільки обмежує прогрес у технології AI, але й робить високорівневі AI-моделі недоступними для більшості дослідників і розробників.
Одночасно глобальна використання GPU складає менше 40%, а також уповільнення підвищення продуктивності мікропроцесорів, а також нестача чіпів, викликана факторами постачання та геополітики, ще більше ускладнює проблему постачання обчислювальної потужності. Працівники AI опинилися в двозначній ситуації: або купувати апаратуру, або орендувати хмарні ресурси, їм терміново потрібен економічно ефективний сервіс обчислень за запитом.
Деяка децентралізована мережа обчислювальної потужності AI об'єднує безкоштовні ресурси GPU по всьому світу, забезпечуючи економічно доступний ринок обчислювальної потужності для компаній AI. Сторони, що потребують обчислювальну потужність, можуть публікувати обчислювальні завдання в мережі, смарт-контракт розподіляє завдання між майнерами, які надають обчислювальну потужність, майнери виконують завдання та подають результати, які після перевірки нагороджуються балами. Ця схема підвищує ефективність використання ресурсів і допомагає вирішити проблему вузького місця в обчислювальній потужності в таких сферах, як AI.
Окрім загальної децентралізованої мережі обчислювальної потужності, існують платформи, які спеціалізуються на навчанні ШІ, а також спеціалізовані мережі обчислювальної потужності для інференції ШІ.
Децентралізована мережа обчислювальної потужності забезпечує справедливий та 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 сприяння розвитку та застосуванню технологій ШІ.
DePIN: Web3, що надає можливості Edge AI
Уявіть собі, що ваш телефон, смарт-годинник та навіть розумні пристрої вдома мають можливість працювати з ШІ — саме в цьому й полягає привабливість Edge AI. Це дозволяє обробляти дані на місці їх виникнення, забезпечуючи низьку затримку та обробку в реальному часі, одночасно захищаючи конфіденційність користувачів. Технологія Edge AI вже застосовується в критичних 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 посилити захист конфіденційності користувачів, обробляючи дані локально, зменшуючи 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 одним з найбільш вибраних платформ для розгортання проектів. Висока TPS, низькі комісії за транзакції та технологічні інновації цього публічного блокчейну надають потужну підтримку проектам DePIN. Наразі ринкова капіталізація проектів DePIN на цьому публічному блокчейні перевищує 10 мільярдів доларів США, деякі відомі проекти вже досягли значного прогресу.
IMO: Публікація нової парадигми AI-моделей
Концепція IMO була вперше запропонована певним протоколом, який токенізує AI-моделі.
У традиційній моделі, через відсутність механізму розподілу прибутків, як тільки модель ШІ розроблена та виведена на ринок, розробникам зазвичай важко отримувати постійний дохід від подальшого використання моделі, особливо коли модель інтегрована в інші продукти та послуги, оригінальним творцям важко відстежувати використання, не кажучи вже про отримання прибутків. Крім того, продуктивність і ефективність моделей ШІ часто не є прозорими, що ускладнює оцінку їх справжньої вартості для потенційних інвесторів і користувачів, обмежуючи визнання моделі на ринку та її комерційний потенціал.
IMO надає новий спосіб фінансування та розподілу вартості для відкритих AI моделей, інвестори можуть купувати токени IMO, щоб ділитися доходами, які будуть отримані від моделей у майбутньому. Один з протоколів використовує два стандарти ERC, поєднуючи AI оракули та технологію OPML для забезпечення автентичності AI моделей та можливості токенодержателів ділитися доходами.
IMO-модель посилила прозорість і довіру, заохочуючи відкриту співпрацю, адаптуючись до тенденцій криптовалютного ринку та надаючи стимул для сталого розвитку технологій ШІ. IMO наразі перебуває на початковій стадії випробувань, але з підвищенням рівня прийняття на ринку та розширенням кола учасників її інноваційність і потенційна цінність заслуговують на нашу увагу.
AI Агент: Нова ера взаємодії
AI Агент може сприймати середовище, здійснювати незалежне мислення та вживати відповідних дій для досягнення поставлених цілей. За підтримки великих мовних моделей AI Агент не тільки може розуміти природну мову, а й планувати рішення, виконувати складні завдання. Вони можуть виступати в ролі віртуальних асистентів, навчаючись перевагам користувачів через взаємодію та надаючи персоналізовані рішення. Навіть без чітких інструкцій, AI Агент може самостійно вирішувати проблеми, підвищуючи ефективність і створюючи нову цінність.
Деяка платформа для створення AI-програм пропонує всебічний і зручний набір інструментів для творчості, підтримує налаштування функцій, зовнішнього вигляду та голосу роботів, а також з'єднання з зовнішніми базами знань, прагнучи створити справедливу та відкриту екосистему контенту на основі AI. Використовуючи технології генеративного AI, вона наділяє особистостей можливістю стати супер-творцями. Ця платформа навчила спеціалізовану велику мовну модель, що робить рольову гру більш гуманною; технологія клонування голосу може прискорити персоналізоване взаємодію AI-продуктів, знизивши витрати на синтез голосу на 99%, а клонування голосу можна здійснити всього за 1 хвилину. Використовуючи AI Agent, налаштованого на цій платформі, наразі можна застосовувати в таких сферах, як відеочат, вивчення мов, генерація зображень та багато інших.
У процесі інтеграції Web3 та AI на сьогодні більше уваги приділяється дослідженню рівня інфраструктури, таким ключовим питанням, як отримання якісних даних, захист конфіденційності даних, як розмістити моделі на ланцюгу, як підвищити ефективність використання децентралізованих обчислювальних потужностей, як перевірити великі мовні моделі тощо. З поступовим вдосконаленням цієї інфраструктури ми маємо підстави вірити, що інтеграція Web3 та AI стане основою для появи ряду інноваційних бізнес-моделей та послуг.
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
AI та Web3: побудова нової основи децентралізованого Інтернету
Глибина інтеграції AI та Web3: побудова інфраструктури нового покоління Інтернету
Web3 як децентралізована, відкрита, прозора нова парадигма Інтернету має природні можливості для інтеграції з AI. У традиційній централізованій архітектурі обчислення AI та ресурси даних знаходяться під суворим контролем і стикаються з багатьма викликами, такими як обмеження обчислювальної потужності, витік конфіденційності, алгоритми чорного ящика тощо. Web3, заснований на розподілених технологіях, через спільні обчислювальні мережі, відкриті ринки даних, обчислення конфіденційності тощо, надає новий імпульс розвитку AI. Водночас AI може надати Web3 безліч можливостей, таких як оптимізація смарт-контрактів, алгоритми протидії шахрайству тощо, що сприяє його екологічному будівництву. Дослідження поєднання Web3 і AI є надзвичайно важливим для будівництва інфраструктури нового покоління Інтернету та вивільнення цінності даних і обчислювальної потужності.
Дані, які керують: міцна основа AI та Web3
Дані є основним двигуном розвитку ШІ, як паливо для двигуна. Моделям ШІ потрібно засвоювати великі обсяги якісних даних, щоб отримати глибоке розуміння та потужні можливості 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 AI мають такі основні проблеми:
Web3 вирішує болюві точки традиційної моделі за допомогою нової децентралізованої парадигми даних:
Проте, отримання даних з реального світу також має деякі проблеми, такі як нерівна якість даних, велика складність обробки, недостатня різноманітність та репрезентативність тощо. Синтетичні дані можуть стати зіркою майбутнього у сфері Web3. На основі технології генеративного ШІ та моделювання, синтетичні дані можуть імітувати властивості реальних даних, служачи ефективним доповненням до реальних даних, підвищуючи ефективність використання даних. У таких сферах, як автоматизоване водіння, торгівля на фінансових ринках, розробка ігор тощо, синтетичні дані вже продемонстрували зрілий потенціал застосування.
Захист приватності: Роль FHE у Web3
Епоха, керована даними, привела до того, що захист приватності став глобальною проблемою, а такі регуляції, як Загальний регламент захисту даних (GDPR) ЄС, відображають сувору охорону особистої приватності. Однак це також створює виклики: деякі чутливі дані не можуть бути повною мірою використані через ризики приватності, що обмежує потенціал і здатність розуміння моделей ШІ.
FHE - це гомоморфне шифрування, яке дозволяє виконувати обчислювальні операції безпосередньо на зашифрованих даних, не розкриваючи їх, причому результати обчислень збігаються з результатами, отриманими при виконанні тих же обчислень на відкритих даних.
FHE забезпечує надійний захист для обчислень конфіденційності штучного інтелекту, дозволяючи потужності GPU виконувати завдання навчання моделей і висновків в середовищі без доступу до вихідних даних. Це надає величезні переваги компаніям з штучного інтелекту, оскільки вони можуть захищати комерційну таємницю, одночасно безпечно відкриваючи API-сервіси.
FHEML підтримує шифрування даних та моделей на всьому протязі циклу машинного навчання, забезпечуючи безпеку чутливої інформації та запобігаючи ризику витоку даних. Таким чином, FHEML зміцнює конфіденційність даних і забезпечує безпечну обчислювальну базу для AI-додатків.
FHEML є доповненням до ZKML, ZKML підтверджує правильність виконання машинного навчання, тоді як FHEML підкреслює обчислення над зашифрованими даними для забезпечення 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 існуючу пропозицію обчислювальних ресурсів. Наприклад, для навчання певної відомої AI-моделі потрібні величезні обчислювальні потужності, що еквівалентно 355 рокам навчання на одному пристрої. Такий дефіцит обчислювальних потужностей не тільки обмежує прогрес у технології AI, але й робить високорівневі AI-моделі недоступними для більшості дослідників і розробників.
Одночасно глобальна використання GPU складає менше 40%, а також уповільнення підвищення продуктивності мікропроцесорів, а також нестача чіпів, викликана факторами постачання та геополітики, ще більше ускладнює проблему постачання обчислювальної потужності. Працівники AI опинилися в двозначній ситуації: або купувати апаратуру, або орендувати хмарні ресурси, їм терміново потрібен економічно ефективний сервіс обчислень за запитом.
Деяка децентралізована мережа обчислювальної потужності AI об'єднує безкоштовні ресурси GPU по всьому світу, забезпечуючи економічно доступний ринок обчислювальної потужності для компаній AI. Сторони, що потребують обчислювальну потужність, можуть публікувати обчислювальні завдання в мережі, смарт-контракт розподіляє завдання між майнерами, які надають обчислювальну потужність, майнери виконують завдання та подають результати, які після перевірки нагороджуються балами. Ця схема підвищує ефективність використання ресурсів і допомагає вирішити проблему вузького місця в обчислювальній потужності в таких сферах, як AI.
Окрім загальної децентралізованої мережі обчислювальної потужності, існують платформи, які спеціалізуються на навчанні ШІ, а також спеціалізовані мережі обчислювальної потужності для інференції ШІ.
Децентралізована мережа обчислювальної потужності забезпечує справедливий та 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 сприяння розвитку та застосуванню технологій ШІ.
DePIN: Web3, що надає можливості Edge AI
Уявіть собі, що ваш телефон, смарт-годинник та навіть розумні пристрої вдома мають можливість працювати з ШІ — саме в цьому й полягає привабливість Edge AI. Це дозволяє обробляти дані на місці їх виникнення, забезпечуючи низьку затримку та обробку в реальному часі, одночасно захищаючи конфіденційність користувачів. Технологія Edge AI вже застосовується в критичних 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 посилити захист конфіденційності користувачів, обробляючи дані локально, зменшуючи 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 одним з найбільш вибраних платформ для розгортання проектів. Висока TPS, низькі комісії за транзакції та технологічні інновації цього публічного блокчейну надають потужну підтримку проектам DePIN. Наразі ринкова капіталізація проектів DePIN на цьому публічному блокчейні перевищує 10 мільярдів доларів США, деякі відомі проекти вже досягли значного прогресу.
IMO: Публікація нової парадигми AI-моделей
Концепція IMO була вперше запропонована певним протоколом, який токенізує AI-моделі.
У традиційній моделі, через відсутність механізму розподілу прибутків, як тільки модель ШІ розроблена та виведена на ринок, розробникам зазвичай важко отримувати постійний дохід від подальшого використання моделі, особливо коли модель інтегрована в інші продукти та послуги, оригінальним творцям важко відстежувати використання, не кажучи вже про отримання прибутків. Крім того, продуктивність і ефективність моделей ШІ часто не є прозорими, що ускладнює оцінку їх справжньої вартості для потенційних інвесторів і користувачів, обмежуючи визнання моделі на ринку та її комерційний потенціал.
IMO надає новий спосіб фінансування та розподілу вартості для відкритих AI моделей, інвестори можуть купувати токени IMO, щоб ділитися доходами, які будуть отримані від моделей у майбутньому. Один з протоколів використовує два стандарти ERC, поєднуючи AI оракули та технологію OPML для забезпечення автентичності AI моделей та можливості токенодержателів ділитися доходами.
IMO-модель посилила прозорість і довіру, заохочуючи відкриту співпрацю, адаптуючись до тенденцій криптовалютного ринку та надаючи стимул для сталого розвитку технологій ШІ. IMO наразі перебуває на початковій стадії випробувань, але з підвищенням рівня прийняття на ринку та розширенням кола учасників її інноваційність і потенційна цінність заслуговують на нашу увагу.
AI Агент: Нова ера взаємодії
AI Агент може сприймати середовище, здійснювати незалежне мислення та вживати відповідних дій для досягнення поставлених цілей. За підтримки великих мовних моделей AI Агент не тільки може розуміти природну мову, а й планувати рішення, виконувати складні завдання. Вони можуть виступати в ролі віртуальних асистентів, навчаючись перевагам користувачів через взаємодію та надаючи персоналізовані рішення. Навіть без чітких інструкцій, AI Агент може самостійно вирішувати проблеми, підвищуючи ефективність і створюючи нову цінність.
Деяка платформа для створення AI-програм пропонує всебічний і зручний набір інструментів для творчості, підтримує налаштування функцій, зовнішнього вигляду та голосу роботів, а також з'єднання з зовнішніми базами знань, прагнучи створити справедливу та відкриту екосистему контенту на основі AI. Використовуючи технології генеративного AI, вона наділяє особистостей можливістю стати супер-творцями. Ця платформа навчила спеціалізовану велику мовну модель, що робить рольову гру більш гуманною; технологія клонування голосу може прискорити персоналізоване взаємодію AI-продуктів, знизивши витрати на синтез голосу на 99%, а клонування голосу можна здійснити всього за 1 хвилину. Використовуючи AI Agent, налаштованого на цій платформі, наразі можна застосовувати в таких сферах, як відеочат, вивчення мов, генерація зображень та багато інших.
У процесі інтеграції Web3 та AI на сьогодні більше уваги приділяється дослідженню рівня інфраструктури, таким ключовим питанням, як отримання якісних даних, захист конфіденційності даних, як розмістити моделі на ланцюгу, як підвищити ефективність використання децентралізованих обчислювальних потужностей, як перевірити великі мовні моделі тощо. З поступовим вдосконаленням цієї інфраструктури ми маємо підстави вірити, що інтеграція Web3 та AI стане основою для появи ряду інноваційних бізнес-моделей та послуг.