AI dan Web3 Bersatu: Membangun Infrastruktur Internet Generasi Baru

Sebagai paradigma internet baru yang terdesentralisasi, terbuka, dan transparan, Web3 memiliki peluang integrasi alami dengan AI. Di bawah arsitektur terpusat tradisional, sumber daya komputasi dan data AI menghadapi pengendalian yang ketat, serta tantangan seperti batasan daya komputasi, kebocoran privasi, dan kotak hitam algoritma. Sementara itu, Web3 yang berbasis teknologi terdistribusi, memberikan dorongan baru untuk pengembangan AI melalui jaringan berbagi daya komputasi, pasar data terbuka, dan komputasi privasi. Pada saat yang sama, AI juga dapat memberikan banyak dukungan untuk Web3, seperti optimasi kontrak pintar dan algoritma anti-kecurangan, yang mendorong pembangunan ekosistemnya. Oleh karena itu, menjelajahi kombinasi Web3 dan AI memiliki signifikansi penting untuk membangun infrastruktur internet generasi berikutnya dan melepaskan nilai data serta daya komputasi.

Berbasis Data: Dasar yang Kokoh untuk AI dan Web3

Data adalah kekuatan pendorong utama pengembangan AI. Model AI perlu memproses sejumlah besar data berkualitas tinggi untuk memperoleh pemahaman mendalam dan kemampuan penalaran yang kuat. Data tidak hanya menyediakan 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, membuat usaha kecil dan menengah sulit untuk menanggungnya
• Sumber data didominasi oleh perusahaan teknologi besar, membentuk pulau data
• Risiko kebocoran dan penyalahgunaan privasi data pribadi

Web3 mengatasi titik sakit model tradisional melalui paradigma data terdesentralisasi yang baru:

• Pengguna dapat menjual sumber daya jaringan yang tidak terpakai kepada perusahaan AI, untuk menangkap data jaringan secara terdesentralisasi, setelah dibersihkan dan diubah menjadi data berkualitas tinggi yang nyata untuk pelatihan model AI.
• Mengadopsi model "label to earn", dengan insentif token untuk mendorong pekerja global berpartisipasi dalam anotasi data, 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 masih memiliki beberapa masalah, seperti kualitas data yang beragam, tingkat kesulitan yang tinggi dalam pengolahan, serta kurangnya keberagaman dan representasi. Data sintetis mungkin menjadi bintang masa depan di bidang data Web3. Berdasarkan teknologi AI generatif dan simulasi, data sintetis dapat mensimulasikan atribut data nyata, sebagai pelengkap yang efektif untuk meningkatkan efisiensi penggunaan data. Dalam bidang seperti mobil otonom, perdagangan pasar keuangan, dan pengembangan game, data sintetis telah menunjukkan potensi aplikasi yang matang.

Perlindungan Privasi: Aplikasi FHE dalam Web3

Di era yang didorong oleh data, perlindungan privasi telah menjadi fokus perhatian global. Pengesahan peraturan terkait mencerminkan perlindungan ketat terhadap privasi individu. Namun, ini juga membawa tantangan: beberapa data sensitif tidak dapat dimanfaatkan secara maksimal karena risiko privasi, yang membatasi potensi dan kemampuan penalaran model AI.

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

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

Revolusi Kekuatan: Komputasi AI dalam Jaringan Terdesentralisasi

Sistem AI saat ini mengalami penggandaan kompleksitas per 3 bulan, menyebabkan lonjakan permintaan daya komputasi yang jauh melampaui pasokan sumber daya komputasi yang ada. Misalnya, pelatihan model AI terkenal memerlukan daya komputasi yang sangat besar, setara dengan waktu pelatihan 355 tahun pada satu perangkat. Kekurangan daya komputasi tidak hanya membatasi kemajuan teknologi AI, tetapi juga membuat model AI tingkat lanjut sulit dijangkau oleh sebagian besar peneliti dan pengembang.

Sementara itu, pemanfaatan GPU global kurang dari 40%, ditambah dengan melambatnya peningkatan kinerja mikroprosesor, serta faktor rantai pasokan dan geopolitik yang menyebabkan kekurangan chip, membuat masalah pasokan daya komputasi semakin parah. Praktisi AI menghadapi dilema: harus membeli perangkat keras sendiri atau menyewa sumber daya cloud, mereka sangat membutuhkan cara layanan komputasi yang sesuai permintaan dan ekonomis.

Beberapa jaringan kekuatan komputasi AI terdesentralisasi mengumpulkan sumber daya GPU yang tidak terpakai di seluruh dunia untuk menyediakan pasar kekuatan komputasi yang mudah diakses secara ekonomik bagi perusahaan AI. Pihak yang membutuhkan kekuatan komputasi dapat memposting tugas komputasi di jaringan, kontrak pintar akan membagikan tugas tersebut kepada node yang menyumbangkan kekuatan komputasi, node akan melaksanakan tugas dan mengirimkan hasilnya, dan setelah diverifikasi, mereka akan mendapatkan imbalan. Solusi ini meningkatkan efisiensi pemanfaatan sumber daya dan membantu mengatasi masalah kekurangan kekuatan 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, memecah monopoli, mengurangi hambatan aplikasi, dan meningkatkan efisiensi penggunaan komputasi. Dalam ekosistem Web3, jaringan komputasi terdesentralisasi akan memainkan peran kunci, menarik lebih banyak aplikasi inovatif untuk bergabung, dan bersama-sama mendorong pengembangan dan penerapan teknologi AI.

DePIN: Web3 Memberdayakan Edge AI

Edge AI memungkinkan komputasi terjadi di sumber data, mencapai latensi rendah dan pemrosesan waktu nyata, sambil melindungi privasi pengguna. Teknologi Edge AI telah diterapkan di bidang kunci seperti mengemudi otomatis.

Di bidang Web3, DePIN (jaringan infrastruktur fisik terdesentralisasi) memiliki kesamaan dengan Edge AI. 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 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 yang terkenal telah mencapai kemajuan yang signifikan.

IMO：Rilis Model AI Paradigma Baru

Konsep IMO (Initial Model Offering) akan men-tokenisasi model AI. Dalam model tradisional, pengembang model AI sulit untuk mendapatkan pendapatan berkelanjutan dari penggunaan model selanjutnya, terutama ketika model tersebut diintegrasikan ke dalam produk dan layanan lain. Selain itu, kinerja dan efektivitas model AI sering kali kurang transparan, sehingga membuat calon investor dan pengguna sulit untuk menilai nilai sebenarnya, yang membatasi pengakuan pasar dan potensi komersial model tersebut.

IMO menyediakan cara baru untuk mendukung dana dan berbagi nilai untuk model AI sumber terbuka. Investor dapat membeli token IMO dan berbagi pendapatan yang dihasilkan oleh model di masa mendatang. Beberapa protokol menggunakan standar teknologi tertentu, menggabungkan oracle AI dan teknologi OPML untuk memastikan keaslian model AI dan pemegang token dapat berbagi pendapatan.

Model IMO meningkatkan transparansi dan kepercayaan, mendorong kolaborasi sumber terbuka, beradaptasi dengan tren pasar kripto, dan memberikan dorongan untuk perkembangan berkelanjutan teknologi AI. IMO saat ini berada dalam tahap percobaan awal, tetapi seiring dengan meningkatnya penerimaan pasar dan meluasnya jangkauan partisipasi, inovasi 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 telah 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 dari interaksi dengan pengguna tentang preferensi mereka, dan menyediakan solusi yang dipersonalisasi. Tanpa instruksi yang jelas, Agen AI juga dapat secara mandiri menyelesaikan masalah, meningkatkan efisiensi, dan menciptakan nilai baru.

Beberapa platform aplikasi AI asli menyediakan seperangkat alat kreatif yang lengkap 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 pencipta super. Platform-platform ini mungkin melatih model bahasa besar yang khusus, membuat peran permainan menjadi lebih manusiawi; teknologi kloning suara dapat mempercepat interaksi personalisasi produk AI dan secara signifikan mengurangi biaya sintesis suara. Dengan AI Agent yang disesuaikan menggunakan platform ini, saat ini dapat diterapkan di berbagai bidang seperti obrolan video, pembelajaran bahasa, dan pembuatan gambar.

Dalam hal penggabungan Web3 dan AI, saat ini lebih banyak fokus pada eksplorasi lapisan infrastruktur, seperti mendapatkan data berkualitas tinggi, melindungi privasi data, menghosting model di blockchain, meningkatkan penggunaan daya komputasi terdesentralisasi dengan efisien, dan memverifikasi model bahasa besar. Dengan infrastruktur ini semakin sempurna, penggabungan Web3 dan AI diharapkan dapat melahirkan serangkaian model bisnis dan layanan inovatif.