Integrasi AI dan Web3: Membangun Infrastruktur Internet Generasi Berikutnya
Web3 sebagai paradigma internet baru yang terdesentralisasi, terbuka, dan transparan, memiliki keunggulan alami dalam menggabungkan dengan AI. Dalam arsitektur terpusat tradisional, komputasi AI dan sumber daya data dikendalikan secara ketat, menghadapi berbagai tantangan seperti hambatan daya komputasi, kebocoran privasi, dan ketidaktransparanan algoritma. Di sisi lain, Web3 yang berbasis teknologi terdistribusi dapat memberikan dorongan baru bagi perkembangan AI melalui jaringan berbagi daya komputasi, pasar data terbuka, komputasi privasi, dan lain-lain. Pada saat yang sama, AI juga dapat memberikan banyak pemberdayaan untuk Web3, seperti optimasi kontrak pintar, algoritma anti-kecurangan, dan lain-lain, mendukung pembangunan ekosistemnya. Oleh karena itu, menjelajahi kombinasi antara Web3 dan AI sangat penting untuk membangun infrastruktur internet generasi berikutnya dan melepaskan nilai data serta daya komputasi.
Data-Driven: Fondasi 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 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.
Dalam pola pengambilan dan pemanfaatan data AI terpusat yang tradisional, terdapat beberapa masalah utama berikut:
Biaya pengambilan data yang tinggi, sulit bagi usaha kecil dan menengah untuk menanggung
Sumber data didominasi oleh raksasa teknologi, menciptakan pulau data
Risiko kebocoran dan penyalahgunaan privasi data pribadi
Web3 dapat menyelesaikan titik nyeri dari model tradisional dengan paradigma data terdesentralisasi yang baru:
Pengguna dapat menjual jaringan yang tidak terpakai kepada perusahaan AI, secara terdesentralisasi menangkap data jaringan, yang telah dibersihkan dan diubah, untuk menyediakan data nyata dan berkualitas tinggi untuk pelatihan model AI.
Mengadopsi model "label to earn", melalui 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 terbuka dan transparan bagi kedua belah pihak yang membutuhkan data, mendorong inovasi dan berbagi data.
Namun, ada beberapa masalah dalam pengumpulan data di dunia nyata, seperti kualitas data yang bervariasi, tingkat kesulitan pengolahan yang tinggi, serta kurangnya variasi dan representativitas. Data sintetis mungkin menjadi bintang masa depan dalam jalur data Web3. Berdasarkan teknologi AI generatif dan simulasi, data sintetis dapat mensimulasikan atribut data nyata, sebagai pelengkap yang efektif untuk data nyata, meningkatkan efisiensi penggunaan data. Dalam bidang seperti pengemudian otomatis, perdagangan pasar keuangan, dan pengembangan game, data sintetis 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, dengan munculnya regulasi seperti Peraturan Perlindungan Data Umum (GDPR) Uni Eropa, yang mencerminkan penjagaan 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 penalaran model AI.
FHE adalah enkripsi homomorfik penuh, yang memungkinkan operasi perhitungan dilakukan langsung pada data yang terenkripsi tanpa perlu mendekripsi data, dan hasil perhitungan konsisten dengan hasil perhitungan yang dilakukan pada data dalam bentuk plaintext.
FHE memberikan perlindungan yang kuat untuk komputasi privasi AI, memungkinkan kekuatan GPU untuk menjalankan tugas pelatihan dan inferensi model 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 enkripsi data dan model sepanjang siklus pembelajaran mesin, memastikan keamanan informasi sensitif dan mencegah risiko kebocoran data. Dengan cara ini, FHEML memperkuat privasi data dan menyediakan kerangka komputasi yang aman untuk aplikasi AI.
FHEML adalah pelengkap ZKML, di mana ZKML membuktikan pelaksanaan machine learning yang benar, sedangkan FHEML menekankan perhitungan pada data terenkripsi untuk menjaga privasi data.
Revolusi Kekuatan: Komputasi AI dalam Jaringan Terdesentralisasi
Kompleksitas komputasi sistem AI saat ini berlipat ganda setiap 3 bulan, yang menyebabkan lonjakan permintaan daya komputasi, jauh melebihi pasokan sumber daya komputasi yang ada. Misalnya, pelatihan model bahasa besar tertentu 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 kebanyakan peneliti dan pengembang.
Sementara itu, tingkat pemanfaatan GPU global kurang dari 40%, ditambah dengan melambatnya peningkatan kinerja mikroprosesor, serta kekurangan chip yang disebabkan oleh faktor rantai pasokan dan geopolitik, semua ini membuat masalah pasokan komputasi semakin parah. Para praktisi AI terjebak dalam dilema: membeli perangkat keras sendiri atau menyewa sumber daya cloud, mereka sangat membutuhkan cara layanan komputasi yang sesuai permintaan dan hemat biaya.
Jaringan komputasi AI terdesentralisasi mengumpulkan 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 di jaringan, kontrak pintar akan membagikan tugas tersebut kepada node penambang yang menyumbangkan daya komputasi, penambang melaksanakan tugas dan mengirimkan hasilnya, setelah diverifikasi mereka mendapatkan imbalan poin. Solusi ini meningkatkan efisiensi pemanfaatan sumber daya dan membantu mengatasi masalah bottleneck daya komputasi di bidang AI dan lainnya.
Selain jaringan komputasi terdesentralisasi yang umum, ada beberapa platform yang fokus pada pelatihan AI, serta jaringan komputasi khusus yang fokus pada inferensi AI.
Jaringan komputasi terdesentralisasi menyediakan pasar komputasi yang adil dan transparan, memecahkan monopoli, mengurangi ambang aplikasi, dan meningkatkan efisiensi pemanfaatan komputasi. Dalam ekosistem web3, jaringan komputasi terdesentralisasi akan memainkan peran kunci, menarik lebih banyak dapp inovatif untuk bergabung, dan bersama-sama mendorong pengembangan dan aplikasi teknologi AI.
DePIN: Web3 Memberdayakan Edge AI
Bayangkan, ponsel Anda, jam tangan pintar, bahkan perangkat pintar di rumah Anda, semuanya memiliki kemampuan untuk menjalankan AI—itulah daya tarik Edge AI. Ini memungkinkan komputasi terjadi di sumber data yang dihasilkan, mewujudkan latensi rendah, pemrosesan waktu nyata, sambil melindungi privasi pengguna. Teknologi Edge AI telah diterapkan di bidang kunci seperti mengemudi otonom.
Di bidang Web3, kita memiliki nama yang lebih dikenal — 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 asli Web3 dapat mendorong node DePIN untuk menyediakan sumber daya komputasi, membangun ekosistem yang berkelanjutan.
Saat ini, DePIN berkembang pesat di ekosistem suatu blockchain publik, menjadi salah satu platform blockchain publik pilihan untuk penempatan proyek. TPS tinggi, biaya transaksi rendah, dan inovasi teknologi dari blockchain publik ini memberikan dukungan yang kuat untuk proyek DePIN. Saat ini, nilai pasar proyek DePIN di blockchain publik ini telah melebihi 10 miliar USD, dan beberapa proyek terkenal telah mencapai kemajuan yang signifikan.
IMO：AI model merilis paradigma baru
Konsep IMO pertama kali diajukan oleh suatu protokol, yang men-tokenisasi model AI.
Dalam model tradisional, karena kurangnya mekanisme berbagi pendapatan, begitu model AI dikembangkan dan diluncurkan ke pasar, pengembang seringkali kesulitan untuk mendapatkan pendapatan berkelanjutan dari penggunaan model tersebut setelahnya, 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, yang membuat investor dan pengguna potensial sulit untuk menilai nilai sebenarnya, membatasi pengakuan pasar dan potensi komersial model tersebut.
IMO menyediakan cara baru untuk dukungan dana dan berbagi nilai bagi model AI sumber terbuka, di mana investor dapat membeli token IMO untuk berbagi keuntungan yang dihasilkan oleh model di masa depan. Protokol tertentu menggunakan standar ERC tertentu, 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 memberikan dorongan untuk pengembangan teknologi AI yang berkelanjutan. IMO saat ini masih dalam tahap percobaan awal, tetapi seiring dengan peningkatan penerimaan pasar dan perluasan jangkauan partisipasi, inovasi dan nilai potensialnya patut ditunggu.
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 preferensi pengguna melalui interaksi, dan menyediakan solusi yang dipersonalisasi. Bahkan tanpa instruksi yang jelas, Agen AI dapat secara mandiri menyelesaikan masalah, meningkatkan efisiensi, dan menciptakan nilai baru.
Sebuah platform aplikasi AI native terbuka menyediakan kumpulan alat kreatif yang komprehensif dan mudah digunakan, mendukung pengguna untuk mengonfigurasi fungsi, penampilan, suara robot, serta menghubungkan ke basis pengetahuan eksternal, berkomitmen untuk membangun ekosistem konten AI yang adil dan terbuka, memanfaatkan teknologi AI generatif, memberdayakan individu untuk menjadi pencipta super. Platform ini melatih model bahasa besar yang khusus, menjadikan peran bermain lebih manusiawi; teknologi kloning suara dapat mempercepat interaksi personalisasi produk AI, mengurangi biaya sintesis suara hingga 99%, dan kloning suara dapat dicapai dalam waktu hanya 1 menit. Dengan AI Agent yang disesuaikan di platform ini, 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, bagaimana mendapatkan data berkualitas tinggi, melindungi privasi data, bagaimana mengelola model di atas blockchain, bagaimana meningkatkan penggunaan daya komputasi terdesentralisasi yang efisien, dan bagaimana memvalidasi model bahasa besar, serta isu-isu kunci lainnya. Seiring dengan perbaikan bertahap dari infrastruktur ini, kita memiliki alasan untuk percaya bahwa penggabungan Web3 dan AI akan melahirkan serangkaian model bisnis dan layanan inovatif.
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
AI dan Web3 Kedalaman: Membangun ekosistem internet pintar desentralisasi
Integrasi AI dan Web3: Membangun Infrastruktur Internet Generasi Berikutnya
Web3 sebagai paradigma internet baru yang terdesentralisasi, terbuka, dan transparan, memiliki keunggulan alami dalam menggabungkan dengan AI. Dalam arsitektur terpusat tradisional, komputasi AI dan sumber daya data dikendalikan secara ketat, menghadapi berbagai tantangan seperti hambatan daya komputasi, kebocoran privasi, dan ketidaktransparanan algoritma. Di sisi lain, Web3 yang berbasis teknologi terdistribusi dapat memberikan dorongan baru bagi perkembangan AI melalui jaringan berbagi daya komputasi, pasar data terbuka, komputasi privasi, dan lain-lain. Pada saat yang sama, AI juga dapat memberikan banyak pemberdayaan untuk Web3, seperti optimasi kontrak pintar, algoritma anti-kecurangan, dan lain-lain, mendukung pembangunan ekosistemnya. Oleh karena itu, menjelajahi kombinasi antara Web3 dan AI sangat penting untuk membangun infrastruktur internet generasi berikutnya dan melepaskan nilai data serta daya komputasi.
Data-Driven: Fondasi 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 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.
Dalam pola pengambilan dan pemanfaatan data AI terpusat yang tradisional, terdapat beberapa masalah utama berikut:
Web3 dapat menyelesaikan titik nyeri dari model tradisional dengan paradigma data terdesentralisasi yang baru:
Namun, ada beberapa masalah dalam pengumpulan data di dunia nyata, seperti kualitas data yang bervariasi, tingkat kesulitan pengolahan yang tinggi, serta kurangnya variasi dan representativitas. Data sintetis mungkin menjadi bintang masa depan dalam jalur data Web3. Berdasarkan teknologi AI generatif dan simulasi, data sintetis dapat mensimulasikan atribut data nyata, sebagai pelengkap yang efektif untuk data nyata, meningkatkan efisiensi penggunaan data. Dalam bidang seperti pengemudian otomatis, perdagangan pasar keuangan, dan pengembangan game, data sintetis 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, dengan munculnya regulasi seperti Peraturan Perlindungan Data Umum (GDPR) Uni Eropa, yang mencerminkan penjagaan 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 penalaran model AI.
FHE adalah enkripsi homomorfik penuh, yang memungkinkan operasi perhitungan dilakukan langsung pada data yang terenkripsi tanpa perlu mendekripsi data, dan hasil perhitungan konsisten dengan hasil perhitungan yang dilakukan pada data dalam bentuk plaintext.
FHE memberikan perlindungan yang kuat untuk komputasi privasi AI, memungkinkan kekuatan GPU untuk menjalankan tugas pelatihan dan inferensi model 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 enkripsi data dan model sepanjang siklus pembelajaran mesin, memastikan keamanan informasi sensitif dan mencegah risiko kebocoran data. Dengan cara ini, FHEML memperkuat privasi data dan menyediakan kerangka komputasi yang aman untuk aplikasi AI.
FHEML adalah pelengkap ZKML, di mana ZKML membuktikan pelaksanaan machine learning yang benar, sedangkan FHEML menekankan perhitungan pada data terenkripsi untuk menjaga privasi data.
Revolusi Kekuatan: Komputasi AI dalam Jaringan Terdesentralisasi
Kompleksitas komputasi sistem AI saat ini berlipat ganda setiap 3 bulan, yang menyebabkan lonjakan permintaan daya komputasi, jauh melebihi pasokan sumber daya komputasi yang ada. Misalnya, pelatihan model bahasa besar tertentu 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 kebanyakan peneliti dan pengembang.
Sementara itu, tingkat pemanfaatan GPU global kurang dari 40%, ditambah dengan melambatnya peningkatan kinerja mikroprosesor, serta kekurangan chip yang disebabkan oleh faktor rantai pasokan dan geopolitik, semua ini membuat masalah pasokan komputasi semakin parah. Para praktisi AI terjebak dalam dilema: membeli perangkat keras sendiri atau menyewa sumber daya cloud, mereka sangat membutuhkan cara layanan komputasi yang sesuai permintaan dan hemat biaya.
Jaringan komputasi AI terdesentralisasi mengumpulkan 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 di jaringan, kontrak pintar akan membagikan tugas tersebut kepada node penambang yang menyumbangkan daya komputasi, penambang melaksanakan tugas dan mengirimkan hasilnya, setelah diverifikasi mereka mendapatkan imbalan poin. Solusi ini meningkatkan efisiensi pemanfaatan sumber daya dan membantu mengatasi masalah bottleneck daya komputasi di bidang AI dan lainnya.
Selain jaringan komputasi terdesentralisasi yang umum, ada beberapa platform yang fokus pada pelatihan AI, serta jaringan komputasi khusus yang fokus pada inferensi AI.
Jaringan komputasi terdesentralisasi menyediakan pasar komputasi yang adil dan transparan, memecahkan monopoli, mengurangi ambang aplikasi, dan meningkatkan efisiensi pemanfaatan komputasi. Dalam ekosistem web3, jaringan komputasi terdesentralisasi akan memainkan peran kunci, menarik lebih banyak dapp inovatif untuk bergabung, dan bersama-sama mendorong pengembangan dan aplikasi teknologi AI.
DePIN: Web3 Memberdayakan Edge AI
Bayangkan, ponsel Anda, jam tangan pintar, bahkan perangkat pintar di rumah Anda, semuanya memiliki kemampuan untuk menjalankan AI—itulah daya tarik Edge AI. Ini memungkinkan komputasi terjadi di sumber data yang dihasilkan, mewujudkan latensi rendah, pemrosesan waktu nyata, sambil melindungi privasi pengguna. Teknologi Edge AI telah diterapkan di bidang kunci seperti mengemudi otonom.
Di bidang Web3, kita memiliki nama yang lebih dikenal — 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 asli Web3 dapat mendorong node DePIN untuk menyediakan sumber daya komputasi, membangun ekosistem yang berkelanjutan.
Saat ini, DePIN berkembang pesat di ekosistem suatu blockchain publik, menjadi salah satu platform blockchain publik pilihan untuk penempatan proyek. TPS tinggi, biaya transaksi rendah, dan inovasi teknologi dari blockchain publik ini memberikan dukungan yang kuat untuk proyek DePIN. Saat ini, nilai pasar proyek DePIN di blockchain publik ini telah melebihi 10 miliar USD, dan beberapa proyek terkenal telah mencapai kemajuan yang signifikan.
IMO：AI model merilis paradigma baru
Konsep IMO pertama kali diajukan oleh suatu protokol, yang men-tokenisasi model AI.
Dalam model tradisional, karena kurangnya mekanisme berbagi pendapatan, begitu model AI dikembangkan dan diluncurkan ke pasar, pengembang seringkali kesulitan untuk mendapatkan pendapatan berkelanjutan dari penggunaan model tersebut setelahnya, 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, yang membuat investor dan pengguna potensial sulit untuk menilai nilai sebenarnya, membatasi pengakuan pasar dan potensi komersial model tersebut.
IMO menyediakan cara baru untuk dukungan dana dan berbagi nilai bagi model AI sumber terbuka, di mana investor dapat membeli token IMO untuk berbagi keuntungan yang dihasilkan oleh model di masa depan. Protokol tertentu menggunakan standar ERC tertentu, 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 memberikan dorongan untuk pengembangan teknologi AI yang berkelanjutan. IMO saat ini masih dalam tahap percobaan awal, tetapi seiring dengan peningkatan penerimaan pasar dan perluasan jangkauan partisipasi, inovasi dan nilai potensialnya patut ditunggu.
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 preferensi pengguna melalui interaksi, dan menyediakan solusi yang dipersonalisasi. Bahkan tanpa instruksi yang jelas, Agen AI dapat secara mandiri menyelesaikan masalah, meningkatkan efisiensi, dan menciptakan nilai baru.
Sebuah platform aplikasi AI native terbuka menyediakan kumpulan alat kreatif yang komprehensif dan mudah digunakan, mendukung pengguna untuk mengonfigurasi fungsi, penampilan, suara robot, serta menghubungkan ke basis pengetahuan eksternal, berkomitmen untuk membangun ekosistem konten AI yang adil dan terbuka, memanfaatkan teknologi AI generatif, memberdayakan individu untuk menjadi pencipta super. Platform ini melatih model bahasa besar yang khusus, menjadikan peran bermain lebih manusiawi; teknologi kloning suara dapat mempercepat interaksi personalisasi produk AI, mengurangi biaya sintesis suara hingga 99%, dan kloning suara dapat dicapai dalam waktu hanya 1 menit. Dengan AI Agent yang disesuaikan di platform ini, 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, bagaimana mendapatkan data berkualitas tinggi, melindungi privasi data, bagaimana mengelola model di atas blockchain, bagaimana meningkatkan penggunaan daya komputasi terdesentralisasi yang efisien, dan bagaimana memvalidasi model bahasa besar, serta isu-isu kunci lainnya. Seiring dengan perbaikan bertahap dari infrastruktur ini, kita memiliki alasan untuk percaya bahwa penggabungan Web3 dan AI akan melahirkan serangkaian model bisnis dan layanan inovatif.