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

A Web3, como uma nova paradigma da internet descentralizada, aberta e transparente, possui uma oportunidade natural de fusão com a IA. A IA sob uma arquitetura centralizada tradicional enfrenta desafios como gargalos de poder computacional, vazamento de privacidade e falta de transparência nos algoritmos, enquanto a Web3, baseada em tecnologias distribuídas, pode injetar nova energia na IA através de redes de compartilhamento de poder computacional, mercados de dados abertos e computação de privacidade. Ao mesmo tempo, a IA pode também trazer diversas potencialidades para a Web3, como a otimização de contratos inteligentes e algoritmos de combate à fraude. Explorar a combinação de ambos é de grande importância para a construção da infraestrutura da próxima geração da internet e para liberar o valor dos dados e do poder computacional.

Dados impulsionados: A base da IA e do Web3

Os dados são o motor central que impulsiona o desenvolvimento da IA. Os modelos de IA precisam de grandes quantidades 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.

Existem vários problemas principais nos modos tradicionais de aquisição e utilização de dados de IA centralizados:

• O custo de obtenção de dados é elevado, o que torna difícil para as pequenas e médias empresas arcarem com isso.
• Recursos de dados são monopolizados por grandes empresas de tecnologia, criando ilhas de dados
• O risco de vazamento e abuso da privacidade dos dados pessoais

O paradigma de dados descentralizados do Web3 pode resolver esses pontos problemáticos:

• Os usuários podem vender recursos de rede ociosos para empresas de IA, capturando dados da rede de forma descentralizada, que após limpeza e transformação, fornecem dados reais e de alta qualidade para o treinamento de modelos de IA.
• Adotando o modo "label to earn", através de incentivos em tokens para que trabalhadores globais participem na rotulagem de dados, reunindo conhecimento profissional global 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 fornecedoras e requerentes de dados, 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 representatividade insuficientes, entre outros. Dados sintéticos podem ser a estrela futura da pista 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 para aumentar a eficiência do uso dos 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 da Privacidade: Aplicações de FHE no Web3

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

FHE, ou criptografia homomórfica total, permite realizar operações de cálculo diretamente sobre dados criptografados, sem a necessidade de descriptografar os dados, e o resultado do cálculo é idêntico ao resultado da mesma operação realizada sobre os dados em texto claro.

FHE fornece uma proteção sólida para o cálculo de privacidade em IA, permitindo que o poder de processamento da GPU execute tarefas de treinamento e inferência de modelos em um ambiente sem acesso a dados brutos. Isso oferece uma grande vantagem para as empresas de IA, pois podem abrir serviços de API de forma segura enquanto protegem segredos comerciais.

O FHEML suporta o processamento criptografado de dados e modelos durante todo o ciclo de aprendizagem de máquina, garantindo a segurança das informações sensíveis e prevenindo o risco de vazamento de dados. Desta forma, o FHEML reforça a privacidade dos dados, fornecendo uma estrutura de computação segura para aplicações de IA.

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

Revolução da Computação: 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 potência de cálculo, muito além da oferta de recursos computacionais existentes. Por exemplo, o treinamento de um modelo de IA conhecido requer uma enorme potência de cálculo, equivalente a 355 anos de tempo de treinamento em um único dispositivo. Essa escassez de potência de cálculo não apenas limita o avanço da tecnologia de IA, mas também torna os modelos avançados de IA inatingíveis para a maioria dos pesquisadores e desenvolvedores.

Ao mesmo tempo, a utilização global de GPUs está abaixo de 40%, juntamente com a desaceleração do aumento de desempenho dos microprocessadores e a escassez de chips devido a fatores da cadeia de suprimentos e geopolíticos, tornando o problema da oferta de poder computacional ainda mais grave. Os profissionais de IA enfrentam um dilema: comprar hardware ou alugar recursos em nuvem, e precisam urgentemente de uma forma de serviço computacional sob demanda e econômica.

Algumas redes de computação AI descentralizadas agregam recursos de GPU ociosos em todo o mundo, oferecendo um mercado de computação econômico e fácil de usar para empresas de AI. 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 submetem os resultados, recebendo recompensas após verificação. Esta solução aumenta a eficiência da utilização de recursos e ajuda a resolver o problema do gargalo de computação em áreas como a AI.

Além da rede de computação descentralizada geral, existem plataformas focadas no treinamento de IA e redes de computação dedicadas à inferência de IA.

A rede de computação descentralizada oferece um mercado de poder computacional justo e transparente, quebrando monopólios, reduzindo as barreiras de entrada e aumentando a eficiência na utilização do poder computacional. No ecossistema web3, a rede de computação descentralizada desempenhará um papel crucial, atraindo mais dapps inovadores para se juntarem e impulsionarem conjuntamente o desenvolvimento e a aplicação da tecnologia de IA.

DePIN: Web3 capacitando Edge AI

Imagine que o seu telemóvel, smartwatch e até dispositivos inteligentes em casa têm a capacidade de executar IA - esta é a magia da Edge AI. Ela permite que a computação aconteça na fonte de geração de dados, proporcionando baixa latência e processamento em tempo real, enquanto protege a privacidade dos utilizadores. A tecnologia Edge AI já foi 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 dos usuários, e o DePIN pode aumentar a proteção da privacidade dos usuários e reduzir o risco de vazamento de dados por meio do processamento local de dados; o mecanismo econômico nativo de token do Web3 pode incentivar os nós do DePIN a fornecer recursos computacionais, construindo um ecossistema sustentável.

Atualmente, o DePIN está se desenvolvendo rapidamente em um ecossistema de uma determinada blockchain, tornando-se uma das plataformas preferidas para a implementação de projetos. A alta TPS, baixas taxas de transação e inovações tecnológicas dessa blockchain oferecem um forte suporte para os projetos DePIN. Atualmente, o valor de mercado dos projetos DePIN nessa blockchain ultrapassa 10 bilhões de dólares, e alguns projetos conhecidos já fizeram progressos significativos.

IMO: Nova Paradigma de Lançamento de Modelos de IA

O conceito de IMO foi proposto primeiro por um protocolo, tokenizando modelos de IA.

No modelo tradicional, devido à falta de um mecanismo de partilha de receitas, os desenvolvedores de modelos de IA muitas vezes têm dificuldade em obter receitas contínuas da utilização subsequente do modelo, especialmente quando o modelo é integrado em outros produtos e serviços. Os criadores originais encontram dificuldades em rastrear o uso, muito menos em obter receitas a partir disso. Além disso, o desempenho e a eficácia dos modelos de IA muitas vezes carecem de transparência, o que dificulta a avaliação do seu verdadeiro valor por potenciais investidores e utilizadores, limitando o reconhecimento no mercado e o potencial comercial do modelo.

O IMO oferece um novo modelo de financiamento e compartilhamento de valor para modelos de IA de código aberto, permitindo que os investidores comprem tokens IMO e compartilhem os lucros gerados posteriormente pelo modelo. Um determinado protocolo utiliza dois padrões ERC, combinando oráculos de IA e tecnologia OPML para garantir a autenticidade do modelo de IA e que os detentores de tokens possam compartilhar os lucros.

O modo IMO aumentou a transparência e a confiança, incentivou a colaboração de código aberto, adaptou-se às tendências do mercado de criptomoedas e injetou energia no desenvolvimento sustentável de tecnologias de IA. O IMO ainda está em uma fase inicial de tentativas, 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 interação

O Agente de IA pode perceber o ambiente, pensar de forma independente e tomar ações apropriadas para alcançar objetivos estabelecidos. Com o suporte de grandes modelos de linguagem, o Agente de IA não só consegue entender 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 consegue resolver problemas de forma autônoma, aumentando a eficiência e criando novo valor.

Uma plataforma de aplicação nativa de IA oferece um conjunto de ferramentas de criação abrangentes e fáceis de usar, permitindo que os usuários configurem funções de robôs, aparências, vozes e conectem-se a bancos de dados externos, visando criar um ecossistema de conteúdo de IA justo e aberto. Utilizando tecnologia de IA generativa, capacita indivíduos a se tornarem supercriadores. A plataforma treinou um modelo de linguagem grande especializado, tornando a interpretação de papéis mais humanizada; a tecnologia de clonagem de voz pode acelerar a interação personalizada de produtos de IA, reduzindo em 99% os custos de síntese de voz, e a clonagem de voz pode ser realizada em apenas 1 minuto. Com o AI Agent personalizado desta plataforma, atualmente pode ser aplicado em várias áreas como videoconferência, aprendizado de idiomas, geração de imagens, entre outras.

Na fusão do Web3 com a IA, atualmente existe uma maior exploração da camada de infraestrutura, como obter dados de alta qualidade, proteger a privacidade dos dados, como hospedar modelos na cadeia, como melhorar o uso eficiente da potência computacional descentralizada, como validar grandes modelos de linguagem, entre outras questões-chave. À medida que essas infraestruturas são gradualmente aprimoradas, temos razões para acreditar que a fusão do Web3 com a IA dará origem a uma série de modelos de negócios e serviços inovadores.