Perpaduan Web3 dan AI: Membangun Infrastruktur Internet Generasi Baru

Web3 sebagai paradigma internet baru yang terdesentralisasi, terbuka, dan transparan, memiliki peluang integrasi yang alami dengan AI. Dalam arsitektur terpusat tradisional, komputasi dan sumber daya data AI dikendalikan secara ketat, menghadapi banyak tantangan seperti batasan daya komputasi, kebocoran privasi, dan kotak hitam algoritma. Sementara itu, Web3 yang berbasis pada teknologi terdistribusi dapat memberikan dorongan baru bagi perkembangan AI melalui jaringan pembagian daya komputasi, pasar data terbuka, dan komputasi privasi. Pada saat yang sama, AI juga dapat memberikan banyak pemberdayaan untuk Web3, seperti optimasi kontrak pintar dan algoritma anti-kecurangan, membantu pembangunan ekosistemnya. Oleh karena itu, menjelajahi kombinasi Web3 dan AI sangat penting untuk membangun infrastruktur internet generasi berikutnya dan 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 bagi 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 menanggung
• Sumber data didominasi oleh raksasa teknologi, membentuk pulau data
• Risiko kebocoran dan penyalahgunaan privasi data pribadi

Web3 dapat menyelesaikan titik sakit dari model tradisional dengan paradigma data terdesentralisasi yang baru:

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

Meskipun demikian, pengambilan data dari dunia nyata juga memiliki beberapa masalah, seperti kualitas data yang bervariasi, kesulitan dalam pengolahan, serta kurangnya keragaman dan representativitas. Data sintetik mungkin menjadi sorotan di jalur data Web3 di masa depan. Berdasarkan teknologi AI generatif dan simulasi, data sintetik mampu meniru atribut data nyata, sebagai pelengkap yang efektif untuk data nyata, meningkatkan efisiensi penggunaan data. Dalam bidang seperti mobil otonom, perdagangan pasar keuangan, dan pengembangan game, data sintetik 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. Penerapan regulasi seperti GDPR (General Data Protection Regulation) oleh Uni Eropa ( mencerminkan perlindungan ketat terhadap privasi individu. Namun, ini juga membawa tantangan: beberapa data sensitif tidak dapat dimanfaatkan secara maksimal karena risiko privasi, yang tanpa diragukan lagi membatasi potensi dan kemampuan pemodelan AI.

FHE atau enkripsi homomorfik penuh, memungkinkan operasi perhitungan langsung dilakukan pada data yang telah dienkripsi tanpa perlu mendekripsi data tersebut, dan hasil perhitungan konsisten dengan hasil perhitungan yang dilakukan pada data plaintext.

FHE memberikan perlindungan yang kuat untuk komputasi privasi AI, memungkinkan kekuatan GPU untuk melakukan pelatihan model dan tugas inferensi di lingkungan tanpa menyentuh data asli. Ini memberikan keuntungan besar bagi perusahaan AI. Mereka dapat membuka layanan API dengan aman sambil melindungi rahasia dagang.

FHEML mendukung pemrosesan enkripsi data dan model selama seluruh siklus pembelajaran mesin, memastikan keamanan informasi sensitif dan mencegah risiko kebocoran data. Dengan cara ini, FHEML memperkuat privasi data, menyediakan kerangka komputasi yang aman untuk aplikasi AI.

FHEML adalah pelengkap ZKML, di mana ZKML membuktikan eksekusi mesin belajar yang benar, sementara FHEML menekankan perhitungan pada data terenkripsi untuk menjaga privasi data.

Revolusi Kekuatan: Komputasi AI dalam Jaringan Terdesentralisasi

Kompleksitas perhitungan sistem AI saat ini berlipat ganda setiap 3 bulan, menyebabkan lonjakan permintaan daya komputasi yang 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 pada satu perangkat. Kekurangan daya komputasi semacam ini tidak hanya membatasi kemajuan teknologi AI, tetapi juga membuat model AI canggih tersebut menjadi tidak terjangkau bagi sebagian besar peneliti dan pengembang.

Sementara itu, tingkat pemanfaatan GPU global kurang dari 40%, ditambah dengan perlambatan peningkatan kinerja mikroprosesor, serta kekurangan chip yang disebabkan oleh faktor rantai pasokan dan geopolitik, semua ini membuat masalah pasokan daya komputasi semakin parah. Para praktisi AI terjebak dalam dilema: harus membeli perangkat keras sendiri atau menyewa sumber daya cloud, mereka sangat membutuhkan cara layanan komputasi yang sesuai permintaan dan efisien secara ekonomi.

Beberapa jaringan komputasi AI terdesentralisasi menggabungkan sumber daya GPU yang tidak terpakai di seluruh dunia, menyediakan pasar komputasi yang ekonomis dan mudah diakses bagi perusahaan AI. Pihak yang membutuhkan komputasi dapat memposting tugas penghitungan di jaringan, kontrak pintar akan membagikan tugas tersebut kepada node penambang yang menyumbangkan daya komputasi, penambang melaksanakan tugas dan mengirimkan hasilnya, setelah diverifikasi mendapatkan imbalan poin. Solusi ini meningkatkan efisiensi penggunaan sumber daya dan membantu mengatasi masalah bottleneck daya komputasi di bidang AI dan lainnya.

Selain jaringan komputasi terdesentralisasi umum, ada beberapa platform yang fokus pada pelatihan AI, serta beberapa jaringan komputasi khusus yang fokus pada inferensi AI.

Jaringan komputasi terdesentralisasi menyediakan pasar komputasi yang adil dan transparan, memecahkan monopoli, menurunkan ambang aplikasi, dan meningkatkan efisiensi penggunaan komputasi. Dalam ekosistem web3, jaringan komputasi terdesentralisasi akan memainkan peran kunci, menarik lebih banyak DApp inovatif untuk bergabung, dan bersama-sama mendorong perkembangan dan aplikasi teknologi AI.

DePIN: Web3 Memberdayakan Edge AI

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

Dalam bidang Web3, kami memiliki nama yang lebih familiar - DePIN. Web3 menekankan desentralisasi dan kedaulatan data pengguna, DePIN dapat meningkatkan perlindungan privasi pengguna dan mengurangi risiko kebocoran data dengan memproses data secara lokal; mekanisme ekonomi Token yang berasal dari Web3 dapat mendorong node DePIN untuk menyediakan sumber daya komputasi, membangun ekosistem yang berkelanjutan.

Saat ini DePIN berkembang pesat di beberapa ekosistem blockchain publik, menjadi salah satu platform pilihan untuk penyebaran proyek. TPS tinggi, biaya transaksi rendah, dan inovasi teknologi memberikan dukungan yang kuat bagi proyek DePIN. Beberapa proyek DePIN terkenal telah mencapai kemajuan yang signifikan.

IMO: Model AI Menerbitkan Paradigma Baru

Konsep IMO pertama kali diusulkan oleh beberapa protokol, yang akan memodernisasi tokenisasi model AI.

Dalam mode tradisional, karena kurangnya mekanisme berbagi pendapatan, setelah model AI dikembangkan dan diluncurkan ke pasar, pengembang seringkali kesulitan untuk mendapatkan pendapatan berkelanjutan dari penggunaan model tersebut, terutama ketika model diintegrasikan ke dalam produk dan layanan lain, pencipta asli sulit untuk melacak penggunaan, apalagi mendapatkan pendapatan dari situ. Selain itu, kinerja dan efektivitas model AI seringkali kurang transparan, hal ini menyulitkan calon investor dan pengguna untuk menilai nilai sebenarnya, membatasi pengakuan pasar dan potensi komersial model.

IMO menyediakan cara baru untuk mendukung pendanaan dan berbagi nilai untuk model AI sumber terbuka, di mana investor dapat membeli token IMO untuk berbagi keuntungan yang dihasilkan oleh model tersebut di masa depan. Beberapa protokol menggunakan standar ERC baru, menggabungkan oracle AI dan teknologi OPML untuk memastikan keaslian model AI dan agar pemegang token dapat berbagi keuntungan.

Model IMO meningkatkan transparansi dan kepercayaan, mendorong kolaborasi sumber terbuka, beradaptasi dengan tren pasar kripto, dan memberi dorongan pada pengembangan berkelanjutan teknologi AI. IMO saat ini masih dalam tahap percobaan awal, tetapi seiring dengan meningkatnya penerimaan pasar dan meluasnya jangkauan partisipasi, inovasi dan nilai potensialnya patut kita nantikan.

AI Agent: Era baru pengalaman interaktif

Agen AI dapat merasakan lingkungan, berpikir secara mandiri, dan mengambil tindakan yang sesuai untuk mencapai tujuan yang telah ditetapkan. Dengan dukungan 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 pengguna melalui interaksi, dan menyediakan solusi yang dipersonalisasi. Bahkan tanpa instruksi yang jelas, Agen AI juga dapat secara mandiri memecahkan masalah, meningkatkan efisiensi, dan menciptakan nilai baru.

Beberapa platform menyediakan kumpulan alat kreasi yang komprehensif dan mudah digunakan, mendukung pengguna untuk mengonfigurasi fungsi, penampilan, suara robot, serta menghubungkan ke basis pengetahuan eksternal, berkomitmen untuk menciptakan ekosistem konten AI yang adil dan terbuka, memanfaatkan teknologi AI generatif untuk memberdayakan individu menjadi kreator super. Beberapa platform melatih model bahasa besar yang khusus, membuat peran bermain lebih manusiawi; teknologi kloning suara dapat mempercepat interaksi personalisasi produk AI, secara signifikan mengurangi biaya sintesis suara, kloning suara hanya memerlukan 1 menit untuk diwujudkan. Dengan menggunakan AI Agent yang disesuaikan, saat ini dapat diterapkan di berbagai bidang seperti obrolan video, pembelajaran bahasa, dan generasi 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. Dengan perbaikan bertahap dari infrastruktur ini, kita memiliki alasan untuk percaya bahwa penggabungan Web3 dan AI akan melahirkan serangkaian model dan layanan bisnis yang inovatif.