A fusão do Web3 e da IA: Construindo a nova infraestrutura da Internet de próxima geração

Web3, como um novo paradigma da internet descentralizado, aberto e transparente, tem uma oportunidade natural de fusão com a IA. Sob a arquitetura centralizada tradicional, os recursos de computação e dados da IA são rigorosamente controlados, apresentando diversos desafios, como gargalos de capacidade computacional, vazamentos de privacidade e caixas pretas de algoritmos. Por outro lado, o Web3, baseado em tecnologia distribuída, pode injetar nova energia no desenvolvimento da IA através de redes de compartilhamento de capacidade computacional, 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 de combate à fraude, ajudando na construção de seu ecossistema. Portanto, explorar a combinação entre Web3 e IA é crucial para construir a infraestrutura da próxima geração da internet e liberar o valor dos dados e da capacidade computacional.

Dados impulsionados: A base sólida da IA e Web3

Os dados são o motor central do desenvolvimento da IA, assim como o combustível 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 principais problemas dos modelos tradicionais de aquisição e utilização de dados de IA centralizados são os seguintes:

• O custo de aquisição de dados é elevado, tornando difícil para as pequenas e médias empresas suportá-lo.
• Recursos de dados monopolizados por gigantes da tecnologia, formando ilhas de dados
• Os dados pessoais enfrentam riscos de vazamento e abuso.

Web3 pode resolver os pontos problemáticos dos modelos tradicionais com um novo paradigma de dados descentralizados:

• Os usuários podem vender a rede ociosa 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.
• Adotar o modo "label to earn", incentivando trabalhadores globais a participar na anotação de dados através de tokens, reunindo conhecimento profissional global.
• A plataforma de negociação de dados em blockchain oferece um ambiente de negociação público e transparente para ambas as partes, incentivando a inovação e o compartilhamento de dados.

Apesar disso, a obtenção de dados do mundo real também enfrenta alguns problemas, como a qualidade dos dados que varia, a dificuldade de processamento, a diversidade e a falta de representatividade. Dados sintéticos podem ser o destaque futuro na área de dados Web3. Baseados em tecnologia de IA generativa e simulação, os dados sintéticos podem simular as propriedades dos dados reais, servindo como um complemento eficaz aos dados reais, aumentando a eficiência do uso de dados. Em áreas como condução autónoma, negociação de mercados financeiros e desenvolvimento de jogos, os dados sintéticos já mostraram seu potencial de aplicação madura.

Proteção de Privacidade: O Papel da FHE no Web3

Na era da condução por dados, a proteção da privacidade tornou-se o foco de atenção global. A introdução de regulamentos como o Regulamento Geral sobre a Proteção de Dados (GDPR) da União Europeia reflete a rigorosa proteção da privacidade pessoal. No entanto, isso também trouxe desafios: alguns dados sensíveis não podem ser plenamente utilizados devido a riscos de privacidade, o que sem dúvida limita o potencial e a capacidade de raciocínio dos modelos de IA.

FHE, ou Encriptação Homomórfica Total, permite realizar operações de cálculo diretamente em dados encriptados, sem a necessidade de descriptografar os dados, e o resultado do cálculo é idêntico ao resultado obtido realizando o mesmo cálculo em dados em texto claro.

FHE fornece uma proteção sólida para o cálculo de privacidade em IA, permitindo que a potência de cálculo da GPU execute tarefas de treinamento e inferência de modelos em um ambiente que não toca nos dados originais. Isso traz uma enorme vantagem para as empresas de IA. Elas podem abrir serviços de API de forma segura, enquanto protegem segredos comerciais.

FHEML suporta o processamento criptográfico de dados e modelos durante todo o ciclo de aprendizagem de máquinas, garantindo a segurança das informações sensíveis e prevenindo riscos de vazamento de dados. Desta forma, o FHEML fortalece a privacidade dos dados, oferecendo uma estrutura de computação segura para aplicações de IA.

FHEML é um complemento do ZKML, onde o ZKML prova a execução correta do aprendizado de máquina, enquanto o FHEML enfatiza a computação sobre dados criptografados para manter a privacidade dos dados.

Revolução da Computação: Computação de IA em Redes Descentralizadas

A complexidade computacional dos sistemas de IA atualmente dobra a cada 3 meses, resultando em uma demanda explosiva por poder computacional, muito além da oferta de recursos computacionais existentes. Por exemplo, o treinamento do modelo GPT-3 requer um poder computacional enorme, equivalente a 355 anos de tempo de treinamento em um único dispositivo. Essa escassez de poder computacional não apenas limita o progresso da tecnologia de IA, mas também torna esses modelos de IA avançados inatingíveis para a maioria dos pesquisadores e desenvolvedores.

Ao mesmo tempo, a taxa de utilização global das GPUs é inferior a 40%, juntamente com a desaceleração do aumento de desempenho dos microprocessadores e a escassez de chips causada por fatores da cadeia de suprimentos e geopolíticos, o que agrava ainda mais o problema da oferta de poder computacional. Os profissionais de IA estão em um dilema: ou compram hardware, ou alugam recursos em nuvem, e eles precisam urgentemente de uma forma de serviço de computação sob demanda e econômica.

Algumas redes de computação descentralizada de IA, ao agregar recursos de GPU ociosos em todo o mundo, oferecem às empresas de IA um mercado de computação que é tanto econômico quanto de fácil acesso. Os demandantes de computação podem publicar tarefas de cálculo na rede, e contratos inteligentes atribuem as tarefas aos nós mineradores que contribuem com a computação. Os mineradores executam as tarefas e enviam os resultados, que, após verificação, recebem recompensas em pontos. Esta solução aumenta a eficiência da utilização de recursos e ajuda a resolver o problema do gargalo de computação em áreas como a IA.

Além das redes de computação descentralizadas gerais, existem algumas plataformas que se concentram no treinamento de IA e outras que se especializam em redes de computação dedicadas à inferência de IA.

A rede de computação descentralizada oferece um mercado de computação justo e transparente, quebra monopólios, reduzindo as barreiras de entrada e aumentando a eficiência na utilização da computação. No ecossistema web3, a rede de computação descentralizada desempenhará um papel fundamental, atraindo mais dapps inovadores para se juntar e impulsionar conjuntamente o desenvolvimento e a aplicação da tecnologia de IA.

DePIN: Web3 capacitando Edge AI

Imagine que o seu telefone, smartwatch e até mesmo os dispositivos inteligentes da sua casa têm a capacidade de executar IA - essa é a atração do Edge AI. Ele permite que a computação ocorra na fonte onde os dados são gerados, alcançando baixa latência e processamento em tempo real, ao mesmo tempo em que protege a privacidade dos usuários. A tecnologia Edge AI já está sendo aplicada em áreas chave, como a condução autónoma.

No campo do Web3, temos um nome mais familiar - DePIN. O Web3 enfatiza a descentralização e a soberania dos dados do usuário, e o DePIN pode aumentar a proteção da privacidade do usuário, processando os dados localmente, reduzindo o risco de vazamentos de dados; o mecanismo econômico de token nativo do Web3 pode incentivar os nós DePIN a fornecer recursos computacionais, construindo um ecossistema sustentável.

Atualmente, o DePIN está se desenvolvendo rapidamente em alguns ecossistemas de blockchain pública, tornando-se uma das plataformas preferidas para a implementação de projetos. Alta TPS, baixas taxas de transação e inovações tecnológicas oferecem um forte suporte para projetos DePIN. Alguns projetos DePIN conhecidos já alcançaram progressos significativos.

IMO: Lançamento de novo paradigma do modelo AI

O conceito de IMO foi proposto inicialmente por alguns protocolos, tokenizando modelos de IA.

No modelo tradicional, devido à ausência de um mecanismo de compartilhamento de receitas, uma vez que o modelo de IA é desenvolvido e colocado no mercado, os desenvolvedores muitas vezes têm dificuldade em obter receitas contínuas do uso subsequente do modelo, especialmente quando o modelo é integrado a outros produtos e serviços, os criadores originais têm dificuldade em rastrear o uso, quanto mais em obter receitas a partir disso. Além disso, o desempenho e a eficácia do modelo de IA geralmente carecem de transparência, o que torna difícil para potenciais investidores e usuários avaliarem seu verdadeiro valor, limitando o reconhecimento do mercado e o potencial comercial do modelo.

O IMO oferece uma nova forma de apoio financeiro e compartilhamento de valor para modelos de IA de código aberto, permitindo que os investidores adquiram tokens IMO e compartilhem os lucros gerados posteriormente pelo modelo. Alguns protocolos utilizam um novo padrão ERC, combinando oráculos de IA e tecnologia OPML para garantir a autenticidade dos modelos de IA e que os detentores de tokens possam compartilhar os lucros.

O modo IMO aumentou a transparência e a confiança, incentivou a colaboração em código aberto, adaptou-se às tendências do mercado de criptomoedas e deu impulso ao desenvolvimento sustentável da tecnologia de IA. O IMO ainda está em fase inicial de tentativa, mas à medida que a aceitação do mercado aumenta e o alcance da participação se expande, sua inovação e valor potencial valem a pena ser esperados.

Agente de IA: A nova era da 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 compreender a linguagem natural, mas também planejar decisões e executar tarefas complexas. Eles podem atuar 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 também pode resolver problemas de forma autônoma, aumentando a eficiência e criando novo valor.

Algumas plataformas oferecem um conjunto abrangente e fácil de usar de ferramentas de criação, suportando os usuários na configuração de funcionalidades, aparência, som dos robôs, bem como na conexão com bancos de dados externos, visando criar um ecossistema de conteúdo de IA justo e aberto, capacitando indivíduos a se tornarem super criadores com o uso de tecnologia de IA generativa. Algumas plataformas treinaram modelos de linguagem grandes especializados, tornando a interpretação de personagens mais humanizada; a tecnologia de clonagem de voz pode acelerar a interação personalizada de produtos de IA, reduzindo significativamente os custos de síntese de voz, com a clonagem de voz podendo ser realizada em apenas 1 minuto. Com o uso de Agentes de IA personalizados, atualmente é possível aplicar em várias áreas, como chat de vídeo, aprendizado de idiomas, geração de imagens, entre outros.

Na fusão entre Web3 e IA, atualmente há mais exploração na camada de infraestrutura, como obter dados de alta qualidade, proteger a privacidade dos dados, como hospedar modelos na blockchain, como melhorar o uso eficiente da computação descentralizada, como validar grandes modelos de linguagem, entre outras questões chave. Com a gradual melhoria dessas infraestruturas, temos motivos para acreditar que a fusão entre Web3 e IA dará origem a uma série de modelos e serviços comerciais inovadores.