La fusión de Web3 y AI: Construyendo la infraestructura de Internet de nueva generación

Web3, como un nuevo paradigma de internet descentralizado, abierto y transparente, tiene oportunidades naturales de fusión con la IA. Bajo la arquitectura centralizada tradicional, los recursos de cálculo y datos de la IA están estrictamente controlados, lo que presenta numerosos desafíos como cuellos de botella en la potencia de cálculo, filtraciones de privacidad y cajas negras algorítmicas. En cambio, Web3, basado en tecnología distribuida, puede inyectar nueva energía al desarrollo de la IA a través de redes de potencia de cálculo compartidas, mercados de datos abiertos y computación privada. Al mismo tiempo, la IA también puede dotar a Web3 de múltiples capacidades, como la optimización de contratos inteligentes y algoritmos anti-trampa, apoyando así la construcción de su ecosistema. Por lo tanto, explorar la combinación de Web3 y IA es crucial para construir la infraestructura de internet de próxima generación y liberar el valor de los datos y la potencia de cálculo.

Impulsado por datos: La sólida base de la IA y Web3

Los datos son el motor principal que impulsa el desarrollo de la IA, al igual que el combustible lo es para un motor. Los modelos de IA necesitan digerir grandes cantidades de datos de alta calidad para obtener una comprensión profunda y una fuerte capacidad de razonamiento. Los datos no solo proporcionan la base de entrenamiento para los modelos de aprendizaje automático, sino que también determinan la precisión y fiabilidad del modelo.

Los siguientes problemas principales existen en los modelos tradicionales de adquisición y uso de datos de IA centralizados:

• El costo de obtención de datos es alto, lo que dificulta que las pequeñas y medianas empresas lo soporten.
• Los recursos de datos están monopolizados por gigantes tecnológicos, formando islas de datos
• Los datos personales enfrentan riesgos de filtración y abuso.

Web3 puede resolver los puntos críticos del modelo tradicional con un nuevo paradigma de datos descentralizados:

• Los usuarios pueden vender su red ociosa a empresas de IA, para capturar datos de red de manera descentralizada y proporcionar datos reales y de alta calidad para el entrenamiento de modelos de IA.
• Adopta el modo "label to earn", incentivando a los trabajadores globales a participar en la anotación de datos a través de tokens, reuniendo el conocimiento profesional global.
• La plataforma de intercambio de datos en blockchain proporciona un entorno de transacción transparente y público para ambas partes del suministro y la demanda de datos, incentivando la innovación y el intercambio de datos.

A pesar de esto, la obtención de datos del mundo real también presenta algunos problemas, como la variabilidad en la calidad de los datos, la dificultad de procesamiento y la insuficiencia en diversidad y representatividad. Los datos sintéticos podrían ser un punto destacado en el futuro de la pista de datos de Web3. Basados en tecnología de IA generativa y simulación, los datos sintéticos pueden simular las propiedades de los datos reales, sirviendo como un complemento efectivo de los datos reales, mejorando la eficiencia en el uso de datos. En campos como la conducción autónoma, el comercio en mercados financieros y el desarrollo de juegos, los datos sintéticos ya han mostrado su potencial de aplicación madura.

Protección de la privacidad: El papel de FHE en Web3

En la era impulsada por los datos, la protección de la privacidad se ha convertido en un enfoque global. La promulgación de regulaciones como el Reglamento General de Protección de Datos (GDPR) de la Unión Europea refleja la estricta protección de la privacidad personal. Sin embargo, esto también ha traído desafíos: algunos datos sensibles no pueden ser utilizados plenamente debido a los riesgos de privacidad, lo que sin duda limita el potencial y la capacidad de razonamiento de los modelos de IA.

FHE es la criptografía homomórfica completa, que permite realizar operaciones de cálculo directamente sobre datos cifrados sin necesidad de descifrar los datos, y el resultado del cálculo es el mismo que el resultado de realizar el mismo cálculo sobre datos en texto claro.

FHE proporciona una sólida protección para el cálculo de privacidad en IA, permitiendo que la potencia de cálculo de GPU ejecute tareas de entrenamiento e inferencia de modelos sin acceder a los datos originales. Esto brinda enormes ventajas a las empresas de IA. Pueden abrir de manera segura servicios API mientras protegen sus secretos comerciales.

FHEML admite el procesamiento encriptado de datos y modelos a lo largo de todo el ciclo de vida del aprendizaje automático, asegurando la seguridad de la información sensible y previniendo el riesgo de filtraciones de datos. De esta manera, FHEML refuerza la privacidad de los datos y proporciona un marco de computación seguro para aplicaciones de IA.

FHEML es un complemento de ZKML; ZKML demuestra la correcta ejecución del aprendizaje automático, mientras que FHEML enfatiza el cálculo sobre datos cifrados para mantener la privacidad de los datos.

Revolución de la potencia de cálculo: computación AI en redes descentralizadas

La complejidad computacional de los sistemas de IA actuales se duplica cada 3 meses, lo que provoca un aumento vertiginoso de la demanda de potencia de cálculo, superando con creces la oferta de recursos computacionales existentes. Por ejemplo, el entrenamiento del modelo GPT-3 requiere una enorme potencia de cálculo, equivalente a 355 años de tiempo de entrenamiento en un solo dispositivo. Esta escasez de potencia de cálculo no solo limita el avance de la tecnología de IA, sino que también hace que esos modelos avanzados de IA sean inalcanzables para la mayoría de los investigadores y desarrolladores.

Al mismo tiempo, la tasa de utilización de GPU a nivel mundial es inferior al 40%, sumado a la desaceleración en el aumento del rendimiento de los microprocesadores y la escasez de chips provocada por factores de la cadena de suministro y geopolíticos, lo que agrava aún más el problema del suministro de poder de cómputo. Los profesionales de la IA se encuentran en un dilema: o compran hardware por sí mismos, o alquilan recursos en la nube, y necesitan urgentemente una forma de servicio de computación bajo demanda y rentable.

Algunas redes de computación de IA descentralizadas agregan recursos de GPU inactivos de todo el mundo, proporcionando a las empresas de IA un mercado de computación que es tanto económico como accesible. Los demandantes de capacidad de computación pueden publicar tareas de cálculo en la red, y los contratos inteligentes asignan tareas a los nodos mineros que contribuyen con capacidad de computación. Los mineros ejecutan las tareas y envían los resultados, y tras la verificación, reciben recompensas en puntos. Esta solución mejora la eficiencia en la utilización de recursos y ayuda a resolver el problema del cuello de botella en la capacidad de computación en campos como la IA.

Además de las redes de computación descentralizadas generales, hay algunas plataformas que se centran en el entrenamiento de IA, así como algunas redes de computación especializadas en la inferencia de IA.

Las redes de computación descentralizadas ofrecen un mercado de potencia de cálculo justo y transparente, rompiendo los monopolios, reduciendo las barreras de entrada y mejorando la eficiencia en el uso de la potencia de cálculo. En el ecosistema web3, las redes de computación descentralizadas jugarán un papel clave, atrayendo la participación de más dapps innovadoras y promoviendo conjuntamente el desarrollo y la aplicación de la tecnología de IA.

DePIN: Web3 empodera la IA en el borde

Imagina que tu teléfono móvil, reloj inteligente e incluso los dispositivos inteligentes de tu hogar tienen la capacidad de ejecutar IA: esa es la magia de Edge AI. Permite que el cálculo ocurra en la fuente de generación de datos, logrando un procesamiento en tiempo real con baja latencia, al mismo tiempo que protege la privacidad del usuario. La tecnología Edge AI ya se ha aplicado en áreas clave como la conducción autónoma.

En el ámbito de Web3, tenemos un nombre más familiar: DePIN. Web3 enfatiza la descentralización y la soberanía sobre los datos del usuario; DePIN puede mejorar la protección de la privacidad del usuario y reducir el riesgo de filtraciones de datos al procesar datos localmente. El mecanismo económico basado en tokens nativo de Web3 puede incentivar a los nodos de DePIN a proporcionar recursos de computación, construyendo un ecosistema sostenible.

Actualmente, DePIN está desarrollándose rápidamente en algunos ecosistemas de cadenas públicas, convirtiéndose en una de las plataformas preferidas para el despliegue de proyectos. Un alto TPS, bajos costos de transacción y la innovación tecnológica brindan un sólido apoyo a los proyectos DePIN. Algunos proyectos DePIN conocidos han logrado avances significativos.

IMO: Publicación de nuevos paradigmas de modelos de IA

El concepto de IMO fue propuesto inicialmente por algunos protocolos, tokenizando modelos de IA.

En el modo tradicional, debido a la falta de un mecanismo de reparto de beneficios, una vez que se desarrolla un modelo de IA y se lanza al mercado, a menudo es difícil para los desarrolladores obtener ingresos continuos por el uso posterior del modelo, especialmente cuando el modelo se integra en otros productos y servicios. Los creadores originales tienen dificultades para rastrear el uso, y mucho menos para obtener beneficios de ello. Además, el rendimiento y la efectividad del modelo de IA a menudo carecen de transparencia, lo que dificulta que los inversores y usuarios potenciales evalúen su verdadero valor, limitando así el reconocimiento en el mercado y el potencial comercial del modelo.

IMO ofrece una nueva forma de financiación y compartición de valor para modelos de IA de código abierto, los inversores pueden comprar tokens IMO para compartir los ingresos generados posteriormente por el modelo. Algunos protocolos utilizan un nuevo estándar ERC, combinando oráculos de IA y tecnología OPML para garantizar la autenticidad del modelo de IA y que los poseedores de tokens puedan compartir los ingresos.

El modo IMO ha mejorado la transparencia y la confianza, fomentando la colaboración de código abierto, adaptándose a las tendencias del mercado de criptomonedas y proporcionando un impulso para el desarrollo sostenible de la tecnología de IA. Actualmente, el modo IMO todavía se encuentra en una etapa inicial de prueba, pero a medida que aumenta la aceptación del mercado y se amplía el ámbito de participación, su innovación y valor potencial son dignos de nuestras expectativas.

Agente de IA: Una nueva era de experiencias interactivas

El Agente de IA puede percibir el entorno, pensar de forma independiente y tomar acciones correspondientes para lograr objetivos establecidos. Con el apoyo de grandes modelos de lenguaje, el Agente de IA no solo puede entender el lenguaje natural, sino también planificar decisiones y ejecutar tareas complejas. Pueden actuar como asistentes virtuales, aprendiendo las preferencias de los usuarios a través de la interacción y ofreciendo soluciones personalizadas. Incluso sin instrucciones explícitas, el Agente de IA puede resolver problemas de forma autónoma, mejorar la eficiencia y crear nuevo valor.

Algunas plataformas ofrecen un conjunto de herramientas de creación completas y fáciles de usar, que permiten a los usuarios configurar funciones, apariencia, voz de los robots y conectar bases de conocimiento externas, dedicándose a construir un ecosistema de contenido de IA justo y abierto. Utilizando tecnología de IA generativa, empoderan a los individuos para convertirse en creadores superdotados. Algunas plataformas han entrenado modelos de lenguaje específicos, haciendo que los roles sean más humanizados; la tecnología de clonación de voz puede acelerar la interacción personalizada de productos de IA, reduciendo drásticamente los costos de síntesis de voz, y la clonación de voz se puede realizar en solo 1 minuto. Utilizando un Agente de IA personalizado, actualmente se puede aplicar en múltiples campos como chat de video, aprendizaje de idiomas, generación de imágenes, entre otros.

En la fusión de Web3 y AI, actualmente se está explorando más la capa de infraestructura, cómo obtener datos de alta calidad, proteger la privacidad de los datos, cómo alojar modelos en la cadena, cómo mejorar el uso eficiente de la potencia de cálculo descentralizada, y cómo validar modelos de lenguaje grandes, entre otros problemas clave. A medida que estas infraestructuras se perfeccionen gradualmente, tenemos razones para creer que la fusión de Web3 y AI dará lugar a una serie de modelos de negocio y servicios innovadores.