Integrasi Web3 dan AI: Membangun Infrastruktur Internet Generasi Baru

Web3 sebagai paradigma internet baru yang terdesentralisasi, terbuka, dan transparan, memiliki peluang alami untuk berintegrasi dengan AI. Dalam arsitektur terpusat tradisional, komputasi AI dan sumber daya data berada di bawah kontrol ketat, menghadapi berbagai tantangan seperti batasan daya komputasi, pelanggaran privasi, dan kotak hitam algoritma. Sementara itu, Web3 yang didasarkan pada teknologi terdistribusi, melalui jaringan berbagi daya komputasi, pasar data terbuka, dan komputasi privasi, memberikan dorongan baru untuk pengembangan AI. Pada saat yang sama, AI juga dapat memberikan banyak pemberdayaan bagi Web3, seperti optimasi kontrak pintar, algoritma anti-kecurangan, dan sebagainya, untuk mendukung pembangunan ekosistemnya. Menjelajahi kombinasi Web3 dan AI sangat penting untuk membangun infrastruktur internet generasi berikutnya serta melepaskan nilai data dan daya komputasi.

Data-Driven: Dasar yang Kuat untuk AI dan Web3

Data adalah kekuatan pendorong utama perkembangan AI, seperti bahan bakar untuk mesin. Model AI perlu mencerna sejumlah besar data berkualitas tinggi untuk mendapatkan pemahaman mendalam dan kemampuan penalaran yang kuat. Data tidak hanya memberikan dasar pelatihan bagi model pembelajaran mesin, tetapi juga menentukan akurasi dan keandalan model.

Model pengambilan dan pemanfaatan data AI terpusat tradisional memiliki masalah utama berikut:

• Biaya pengambilan data yang tinggi, sulit bagi usaha kecil dan menengah untuk menanggungnya
• Sumber data didominasi oleh raksasa teknologi, membentuk pulau data
• Risiko kebocoran dan penyalahgunaan privasi data pribadi

Web3 menyelesaikan titik nyeri model tradisional dengan paradigma data terdesentralisasi yang baru:

• Pengguna dapat menjual jaringan yang tidak terpakai kepada perusahaan AI, secara terdesentralisasi menangkap data jaringan, untuk menyediakan data yang nyata dan berkualitas tinggi untuk pelatihan model AI.
• Mengadopsi model "label to earn", mendorong pekerja global untuk berpartisipasi dalam penandaan data melalui insentif token, mengumpulkan pengetahuan profesional global, dan meningkatkan kemampuan analisis data.
• Platform perdagangan data blockchain menyediakan lingkungan perdagangan yang transparan dan terbuka bagi kedua belah pihak dalam permintaan dan penawaran data, mendorong inovasi dan berbagi data.

Namun, pengambilan data dunia nyata menghadapi masalah seperti variasi kualitas, kesulitan pemrosesan, serta kurangnya keragaman dan representativitas. Data sintetis mungkin menjadi bintang masa depan dalam jalur data Web3. Berdasarkan teknologi AI generatif dan simulasi, data sintetis dapat meniru atribut data nyata, sebagai pelengkap yang efektif untuk meningkatkan efisiensi penggunaan data. Dalam bidang seperti mengemudi otomatis, perdagangan pasar keuangan, dan pengembangan permainan, data sintetis telah menunjukkan potensi aplikasi yang matang.

Perlindungan Privasi: Peran FHE dalam Web3

Di era yang didorong oleh data, perlindungan privasi telah menjadi fokus perhatian global, dan Peraturan Perlindungan Data Umum Uni Eropa (GDPR) serta peraturan lainnya mencerminkan perlindungan ketat terhadap privasi individu. Namun, ini juga membawa tantangan: beberapa data sensitif tidak dapat dimanfaatkan secara maksimal karena risiko privasi, membatasi potensi dan kemampuan penalaran model AI.

FHE (Fully Homomorphic Encryption) memungkinkan operasi perhitungan dilakukan langsung pada data yang dienkripsi, tanpa perlu mendekripsi data, dan hasil perhitungan konsisten dengan hasil perhitungan data plaintext. FHE memberikan perlindungan yang kuat untuk perhitungan privasi AI, memungkinkan kekuatan komputasi GPU untuk menjalankan pelatihan model dan tugas inferensi dalam lingkungan yang tidak menyentuh data asli. Ini memberikan keuntungan besar bagi perusahaan AI, memungkinkan mereka untuk membuka layanan API dengan aman sambil melindungi rahasia dagang.

FHEML mendukung pengolahan data dan model yang dienkripsi sepanjang siklus pembelajaran mesin, memastikan informasi sensitif aman dan mencegah risiko kebocoran data. FHEML memperkuat privasi data, menyediakan kerangka perhitungan yang aman untuk aplikasi AI. FHEML adalah pelengkap ZKML, di mana ZKML membuktikan pelaksanaan pembelajaran mesin yang benar, sementara FHEML menekankan penghitungan pada data terenkripsi untuk menjaga privasi data.

Revolusi Kekuatan: Komputasi AI dalam Jaringan Terdesentralisasi

Saat ini, kompleksitas perhitungan sistem AI meningkat dua kali lipat setiap 3 bulan, menyebabkan permintaan daya komputasi melonjak jauh melebihi pasokan sumber daya komputasi yang ada. Misalnya, pelatihan model GPT-3 membutuhkan daya komputasi yang sangat besar, setara dengan waktu pelatihan 355 tahun untuk satu perangkat. Kekurangan daya komputasi ini tidak hanya membatasi kemajuan teknologi AI, tetapi juga membuat model AI tingkat lanjut tidak terjangkau bagi sebagian besar peneliti dan pengembang.

Sementara itu, tingkat pemanfaatan GPU global kurang dari 40%, ditambah dengan perlambatan peningkatan kinerja mikroprosesor, serta faktor rantai pasokan dan geopolitik yang menyebabkan kekurangan chip, membuat masalah pasokan daya komputasi semakin serius. Para praktisi AI terjebak dalam dilema: baik membeli perangkat keras sendiri, atau menyewa sumber daya cloud, sangat membutuhkan cara layanan komputasi yang sesuai permintaan dan ekonomis.

Sebuah jaringan komputasi AI terdesentralisasi menggabungkan sumber daya GPU yang tidak terpakai di seluruh dunia untuk menyediakan pasar komputasi yang mudah diakses secara ekonomi bagi perusahaan AI. Pihak yang membutuhkan komputasi dapat memposting tugas komputasi di jaringan, dan kontrak pintar akan membagikan tugas kepada node penambang yang berkontribusi terhadap daya komputasi. Penambang menjalankan tugas dan mengirimkan hasilnya, dan setelah diverifikasi, mereka mendapatkan imbalan poin. Solusi ini meningkatkan efisiensi pemanfaatan sumber daya dan membantu mengatasi masalah bottleneck daya komputasi di bidang AI dan lainnya.

Selain jaringan komputasi terdesentralisasi umum, ada juga jaringan komputasi khusus yang fokus pada pelatihan dan inferensi AI. Jaringan komputasi terdesentralisasi menyediakan pasar komputasi yang adil dan transparan, memecahkan monopoli, mengurangi hambatan aplikasi, dan meningkatkan efisiensi penggunaan komputasi. Dalam ekosistem web3, jaringan komputasi terdesentralisasi akan memainkan peran kunci, menarik lebih banyak dapp inovatif untuk bergabung, bersama-sama mendorong perkembangan dan penerapan teknologi AI.

DePIN: Web3 Memberdayakan Edge AI

Bayangkan, ponsel, jam tangan pintar, dan bahkan perangkat pintar di rumah Anda memiliki kemampuan untuk menjalankan AI—itulah daya tarik Edge AI. Ini memungkinkan pemrosesan dilakukan di sumber data, menghasilkan latensi rendah dan pemrosesan waktu nyata, sambil melindungi privasi pengguna. Teknologi Edge AI telah diterapkan di bidang-bidang penting seperti mengemudi otonom.

Di bidang Web3, kita memiliki nama yang lebih akrab—DePIN. Web3 menekankan desentralisasi dan kedaulatan data pengguna, DePIN meningkatkan perlindungan privasi pengguna dengan memproses data secara lokal, mengurangi risiko kebocoran data; mekanisme ekonomi Token asli Web3 dapat mendorong node DePIN untuk menyediakan sumber daya komputasi, membangun ekosistem yang berkelanjutan.

Saat ini, DePIN berkembang pesat dalam ekosistem salah satu blockchain publik, menjadi salah satu platform pilihan untuk penyebaran proyek. TPS tinggi, biaya transaksi rendah, dan inovasi teknologi dari blockchain tersebut memberikan dukungan yang kuat untuk proyek DePIN. Saat ini, nilai pasar proyek DePIN di blockchain tersebut telah melebihi 10 miliar USD, dan beberapa proyek terkenal telah mencapai kemajuan yang signifikan.

IMO：Model AI Menerbitkan Paradigma Baru

Konsep IMO pertama kali diajukan oleh suatu protokol untuk memtokenisasi model AI.

Dalam模式传统,由于缺乏收益分享机制，开发者 AI模型 sulit untuk mendapatkan keuntungan berkelanjutan dari penggunaan selanjutnya, terutama ketika model diintegrasikan ke dalam produk dan layanan lainnya, pencipta asli sulit untuk melacak penggunaan dan lebih sulit untuk mendapatkan keuntungan. Selain itu, kinerja dan efektivitas model AI sering kali kurang transparan, sehingga investor dan pengguna potensial sulit untuk menilai nilai sebenarnya, membatasi pengakuan pasar dan potensi komersial model.

IMO memberikan dukungan pendanaan baru dan cara berbagi nilai untuk model AI sumber terbuka, di mana investor dapat membeli token IMO dan berbagi pendapatan yang dihasilkan oleh model tersebut di masa mendatang. Sebuah protokol menggunakan dua standar ERC, menggabungkan oracle AI dan teknologi OPML untuk memastikan keaslian model AI dan bahwa pemegang token dapat berbagi pendapatan.

Model IMO meningkatkan transparansi dan kepercayaan, mendorong kolaborasi sumber terbuka, beradaptasi dengan tren pasar cryptocurrency, dan memberikan dorongan untuk pengembangan berkelanjutan teknologi AI. IMO saat ini berada dalam tahap percobaan awal, tetapi seiring dengan meningkatnya penerimaan pasar dan meluasnya jangkauan partisipasi, inovasinya dan nilai potensialnya patut ditunggu.

AI Agent: Era Baru Pengalaman Interaktif

Agen AI dapat merasakan lingkungan, berpikir secara independen, dan mengambil tindakan yang sesuai untuk mencapai tujuan yang ditetapkan. Didukung oleh model bahasa besar, Agen AI tidak hanya dapat memahami bahasa alami, tetapi juga merencanakan keputusan dan melaksanakan tugas-tugas kompleks. Mereka dapat berfungsi sebagai asisten virtual, belajar tentang preferensi melalui interaksi dengan pengguna, dan menyediakan solusi yang dipersonalisasi. Bahkan tanpa instruksi yang jelas, Agen AI dapat secara mandiri menyelesaikan masalah, meningkatkan efisiensi, dan menciptakan nilai baru.

Sebuah platform aplikasi AI asli menyediakan kumpulan alat kreatif yang komprehensif dan mudah digunakan, mendukung pengguna untuk mengonfigurasi fungsi, tampilan, suara robot, serta menghubungkan ke basis pengetahuan eksternal, berkomitmen untuk menciptakan ekosistem konten AI yang adil dan terbuka, memanfaatkan teknologi AI generatif, memberdayakan individu untuk menjadi pencipta super. Platform ini melatih model bahasa besar khusus untuk membuat peran lebih manusiawi; teknologi kloning suara dapat mempercepat interaksi personalisasi produk AI, mengurangi biaya sintesis suara hingga 99%, kloning suara hanya memerlukan waktu 1 menit untuk diwujudkan. Menggunakan AI Agent yang disesuaikan dari platform ini, saat ini dapat diterapkan di berbagai bidang seperti obrolan video, pembelajaran bahasa, dan penghasil gambar.

Dalam penggabungan Web3 dan AI, saat ini lebih banyak eksplorasi pada lapisan infrastruktur, seperti bagaimana mendapatkan data berkualitas tinggi, melindungi privasi data, bagaimana mengelola model di blockchain, bagaimana meningkatkan penggunaan daya komputasi terdesentralisasi yang efisien, dan bagaimana memverifikasi model bahasa besar, serta masalah kunci lainnya. Seiring dengan perbaikan bertahap infrastruktur ini, kita memiliki alasan untuk percaya bahwa penggabungan Web3 dan AI akan melahirkan serangkaian model bisnis dan layanan inovatif.