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

Como uma nova paradigma da Internet descentralizada, aberta e transparente, o Web3 apresenta oportunidades naturais de fusão com a IA. Sob uma arquitetura centralizada tradicional, os recursos de computação e dados da IA enfrentam um controle rigoroso, além de desafios como gargalos de computação, vazamento de privacidade e algoritmos de caixa-preta. O Web3, baseado em tecnologias distribuídas, injetando nova dinâmica no desenvolvimento da IA através de redes de computação compartilhada, mercados de dados abertos e computação de privacidade. Ao mesmo tempo, a IA pode fornecer vários suportes ao Web3, como otimização de contratos inteligentes e algoritmos anti-trapaça, promovendo a construção de seu ecossistema. Portanto, explorar a combinação de Web3 e IA é de grande importância para construir a infraestrutura da próxima geração da Internet e liberar o valor dos dados e da computação.

Dados impulsionados: A base sólida da IA e Web3

Os dados são o principal motor do desenvolvimento da IA. Os modelos de IA precisam processar 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 dos modelos.

Os principais problemas dos modelos tradicionais de aquisição e utilização de dados de IA centralizados são os seguintes:

• O custo de obtenção de dados é elevado, dificultando a sua assunção por pequenas e médias empresas.
• Os recursos de dados estão sendo monopolizados por grandes empresas de tecnologia, formando ilhas de dados
• Os dados pessoais enfrentam o risco de vazamento e abuso.

Web3 resolve as dores do modelo tradicional através de um novo paradigma de dados descentralizados:

• Os utilizadores podem vender recursos de rede ociosos a empresas de IA, de forma descentralizada, para capturar dados da web, que são limpos e transformados para fornecer 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 rotulagem de dados através de tokens, reunindo conhecimentos especializados globais e aumentando a capacidade de análise de dados.
• A plataforma de negociação de dados em blockchain oferece um ambiente de negociação público e transparente para as partes que necessitam e fornecem dados, promovendo a inovação e o compartilhamento de dados.

No entanto, a obtenção de dados do mundo real ainda enfrenta alguns problemas, como a qualidade dos dados que varia, a dificuldade de processamento, e a insuficiência em diversidade e representatividade. Dados sintéticos podem tornar-se a estrela do futuro no campo dos dados Web3. Baseados em tecnologia de IA generativa e simulação, os dados sintéticos conseguem simular as propriedades dos dados reais, servindo como um complemento eficaz para aumentar a eficiência do uso de dados. Em áreas como condução autónoma, negociação em mercados financeiros e desenvolvimento de jogos, os dados sintéticos já demonstraram um potencial de aplicação maduro.

Proteção de Privacidade: Aplicações de FHE no Web3

Na era dos dados, a proteção da privacidade tornou-se um foco de atenção global. A introdução de regulamentos relacionados reflete a rigorosa proteção da privacidade pessoal. No entanto, isso também traz desafios: alguns dados sensíveis não podem ser plenamente utilizados devido ao risco de privacidade, limitando o potencial e a capacidade de raciocínio dos modelos de IA.

A criptografia totalmente homomórfica (FHE) permite a realização de operações de cálculo diretamente em dados criptografados, sem a necessidade de descriptografar os dados, e os resultados do cálculo são consistentes com os resultados do cálculo em texto claro. O FHE oferece uma proteção sólida para o cálculo de privacidade em IA, permitindo que a capacidade de processamento da GPU execute tarefas de treinamento e inferência de modelos em um ambiente sem acesso aos dados originais. Isso traz uma enorme vantagem para as empresas de IA, que podem proteger segredos comerciais enquanto abrem de forma segura serviços de API.

FHEML suporta o processamento de dados e modelos encriptados durante todo o ciclo de aprendizagem de máquina, garantindo a segurança das informações sensíveis e prevenindo o risco de vazamento de dados. O FHEML reforça a privacidade dos dados, proporcionando uma estrutura de computação segura para aplicações de IA. O FHEML é um complemento do ZKML, onde o ZKML prova a execução correta da aprendizagem de máquina, enquanto o FHEML enfatiza a computação sobre dados encriptados para manter a privacidade dos dados.

Revolução do Poder Computacional: Computação AI em Redes Descentralizadas

Atualmente, a complexidade de cálculo dos sistemas de IA dobra a cada 3 meses, levando a um aumento exponencial na demanda por poder computacional, muito além da oferta atual de recursos computacionais. Por exemplo, o treinamento de um famoso modelo de IA requer um enorme poder computacional, equivalente a 355 anos de tempo de treinamento de um único dispositivo. A escassez de poder computacional não apenas limita o progresso da tecnologia de IA, mas também torna modelos de IA avançados inacessíveis para a maioria dos pesquisadores e desenvolvedores.

Ao mesmo tempo, a taxa de utilização global de GPU está abaixo de 40%, e a desaceleração no aumento do desempenho dos microprocessadores, juntamente com fatores de cadeia de suprimentos e geopolíticos que levam à escassez de chips, agrava ainda mais o problema da oferta de poder computacional. Os profissionais de IA enfrentam um dilema: ou compram hardware, ou alugam recursos em nuvem, e precisam urgentemente de uma forma de serviço de computação sob demanda e econômica.

Algumas redes de computação descentralizada de IA agregam recursos de GPU ociosos em todo o mundo, oferecendo um mercado de computação acessível economicamente para empresas de IA. Os solicitantes de poder computacional podem publicar tarefas de computação na rede, e os contratos inteligentes atribuem as tarefas aos nós que contribuem com poder computacional. Os nós executam as tarefas e submetem os resultados, recebendo recompensas após a validação. Essa abordagem melhora a eficiência de utilização de recursos e ajuda a resolver o problema do gargalo de poder computacional em áreas como a IA.

Além da rede de computação descentralizada geral, existem também redes de computação dedicadas focadas no treinamento e raciocínio de IA. A rede de computação descentralizada oferece um mercado de computação justo e transparente, quebrando monopólios, reduzindo barreiras de entrada e aumentando a eficiência na utilização da computação. No ecossistema Web3, a rede de computação descentralizada terá um papel fundamental, atraindo mais aplicações inovadoras para se juntar e impulsionar conjuntamente o desenvolvimento e a aplicação da tecnologia de IA.

DePIN: Web3 capacitando Edge AI

A Edge AI permite que a computação ocorra na fonte de geração de dados, realizando processamento em tempo real e com baixa latência, ao mesmo tempo que protege a privacidade do usuário. A tecnologia Edge AI já foi aplicada em áreas críticas como a condução autónoma.

No domínio do Web3, DePIN (Rede de Infraestrutura Física Descentralizada) tem semelhanças com Edge AI. O Web3 enfatiza a descentralização e a soberania dos dados do usuário; o DePIN melhora a proteção da privacidade do usuário através do processamento local de dados, reduzindo o risco de vazamento de dados. O mecanismo econômico de token nativo do Web3 pode incentivar os nós do DePIN a fornecer recursos computacionais, construindo um ecossistema sustentável.

Atualmente, o DePIN está a desenvolver-se rapidamente em alguns ecossistemas de blockchains públicas, tornando-se uma das plataformas preferidas para o lançamento 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: Novo paradigma de lançamento de modelos de IA

O conceito de IMO (Initial Model Offering) tokeniza modelos de IA. No modelo tradicional, os desenvolvedores de modelos de IA têm dificuldade em obter receitas contínuas do uso subsequente do modelo, especialmente quando o modelo é integrado em outros produtos e serviços. Além disso, o desempenho e a eficácia dos modelos de IA frequentemente carecem de transparência, dificultando a avaliação do seu verdadeiro valor por parte de investidores e usuários potenciais, limitando o reconhecimento de 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. Os investidores podem comprar tokens IMO e compartilhar os lucros gerados posteriormente pelo modelo. Alguns protocolos usam padrões técnicos específicos, 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 modelo IMO aumenta a transparência e a confiança, incentiva a colaboração de código aberto, adapta-se às tendências do mercado de criptomoedas e impulsiona o desenvolvimento sustentável da tecnologia de IA. O IMO está atualmente em uma 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 são promissores.

Agente de IA: Uma nova era de experiências interativas

O Agente de IA pode perceber o ambiente, pensar de forma independente e tomar ações apropriadas para alcançar objetivos estabelecidos. Com o apoio de grandes modelos de linguagem, o Agente de IA não só pode entender a linguagem natural, mas também planejar decisões e executar tarefas complexas. Podem atuar como assistentes virtuais, aprendendo as preferências dos usuários através da interação, proporcionando soluções personalizadas. Mesmo na ausência de instruções claras, o Agente de IA consegue resolver problemas de forma autônoma, aumentar a eficiência e criar novo valor.

Algumas plataformas nativas de aplicativos de IA oferecem um conjunto de ferramentas de criação abrangente e fácil de usar, permitindo que os usuários configurem as funções, aparência, som dos robôs e conectem-se a bancos de dados externos, dedicando-se a criar um ecossistema de conteúdo de IA justo e aberto. Utilizando tecnologia de IA gerativa, capacitam indivíduos a se tornarem supercriadores. Essas plataformas podem treinar modelos de linguagem grandes especializados, tornando a interpretação de papéis 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. Os Agentes de IA personalizados com o uso dessas plataformas já podem ser aplicados em várias áreas, como videochamadas, aprendizado de idiomas, geração de imagens, entre outras.

Na fusão entre Web3 e IA, atualmente há uma maior atenção à exploração da camada de infraestrutura, como a obtenção de dados de alta qualidade, a proteção da privacidade dos dados, a hospedagem de modelos em cadeia, a utilização eficiente da capacidade de computação descentralizada e a validação de grandes modelos de linguagem, entre outros problemas-chave. À medida que essa infraestrutura se aprimora gradualmente, a fusão entre Web3 e IA promete dar origem a uma série de modelos de negócios e serviços inovadores.