Інтеграція AI та Web3: сучасний стан, виклики та перспективи

I. Вступ: Розвиток AI+Web3

У останні роки швидкий розвиток технологій штучного інтелекту (ШІ) та Web3 привернув широку увагу по всьому світу. ШІ як технологія, що імітує та наслідує людську інтелектуальність, досягла значних проривів у таких сферах, як розпізнавання облич, обробка природної мови, машинне навчання тощо, що призвело до величезних змін та інновацій у різних галузях.

Ринок штучного інтелекту у 2023 році досягнув обсягу 200 мільярдів доларів, такі гіганти, як OpenAI, Character.AI, Midjourney та інші видатні гравці, виникли, як гриби після дощу, ведучи за собою бум штучного інтелекту.

Водночас, Web3 як нова мережна модель поступово змінює наше сприйняття та використання Інтернету. Web3 базується на децентралізованій технології блокчейн, завдяки таким функціям, як смарт-контракти, розподілене зберігання та децентралізована ідентифікація, реалізує спільний та контрольований доступ до даних, автономію користувачів та встановлення механізмів довіри. Основна ідея Web3 полягає в тому, щоб звільнити дані з рук централізованих авторитетних установ, наділивши користувачів контролем над даними та правом на поділ вартості даних.

Наразі ринкова капіталізація галузі Web3 досягла 25 трильйонів, незалежно від того, чи це Bitcoin, Ethereum, Solana або гравці на прикладному рівні, такі як Uniswap, Stepn та інші, нові наративи та сценарії постійно з'являються, привертаючи все більше людей до галузі Web3.

Поєднання ШІ та Web3 є сфера, яка викликає великий інтерес у будівельників та венчурних капіталістів як на Сході, так і на Заході. Як добре з'єднати обидва ці явища – це питання, яке варто дослідити.

У цій статті особливу увагу буде приділено стану розвитку AI+Web3, а також дослідженню потенційної цінності та впливу цієї інтеграції. Спочатку ми представимо основні концепції та характеристики AI та Web3, а потім розглянемо їх взаємозв'язок. Після цього ми проаналізуємо сучасний стан проектів AI+Web3 та детально обговоримо обмеження і виклики, з якими вони стикаються. Завдяки такому дослідженню ми сподіваємося надати інвесторам і фахівцям галузі цінні рекомендації та інсайти.

Два, способи взаємодії AI та Web3

Розвиток AI та Web3 схожий на дві сторони терезів: AI приносить підвищення продуктивності, а Web3 – зміну виробничих відносин. Які іскри можуть виникнути від зіткнення AI та Web3? Спочатку ми проаналізуємо труднощі та можливості підвищення, з якими стикаються обидві галузі, а потім обговоримо, як вони можуть допомогти вирішити ці труднощі.

2.1 Виклики, з якими стикається AI-індустрія

Щоб дослідити труднощі, з якими стикається галузь ШІ, спочатку розглянемо суть галузі ШІ. Ядро галузі ШІ невід'ємно пов'язане з трьома елементами: обчислювальною потужністю, алгоритмами та даними.

1. Обчислювальна потужність: обчислювальна потужність означає здатність виконувати великомасштабні обчислення та обробку. Завдання AI зазвичай вимагають обробки великих обсягів даних та виконання складних обчислень, наприклад, навчання моделей глибоких нейронних мереж. Висока обчислювальна потужність може прискорити процеси навчання та висновку моделей, покращуючи продуктивність і ефективність системи AI. Останніми роками, завдяки розвитку апаратних технологій, таких як графічні процесори (GPU) та спеціалізовані AI-чіпи (наприклад, TPU), підвищення обчислювальної потужності відіграло важливу роль у розвитку галузі AI. Останнім часом акції Nvidia, яка є постачальником GPU, різко зросли, зайнявши велику частку ринку та отримуючи значний прибуток.

2. Алгоритми: Алгоритми є основною складовою частиною систем штучного інтелекту, вони є математичними та статистичними методами, які використовуються для вирішення проблем та виконання завдань. Алгоритми ШІ можна поділити на традиційні алгоритми машинного навчання та алгоритми глибокого навчання, при цьому алгоритми глибокого навчання досягли значних успіхів у останні роки. Вибір і проектування алгоритмів є критично важливими для продуктивності та ефективності системи ШІ. Постійне вдосконалення та інновації в алгоритмах можуть підвищити точність, стійкість і здатність до узагальнення системи ШІ. Різні алгоритми будуть мати різні результати, тому підвищення алгоритмів також є критично важливим для ефективності виконання завдань.

3. Дані: Основне завдання AI-системи полягає в тому, щоб через навчання та тренування виявляти шаблони та закономірності в даних. Дані є основою для навчання та оптимізації моделей, завдяки великим обсягам даних AI-система може навчитися створювати більш точні та інтелектуальні моделі. Різноманітні набори даних можуть надати більш всебічну та різноманітну інформацію, що дозволяє моделям краще узагальнювати на нових, невідомих даних, допомагаючи AI-системі краще розуміти та вирішувати проблеми реального світу.

Після того, як ми ознайомилися з трьома основними елементами сучасного ШІ, давайте розглянемо труднощі та виклики, з якими стикається ШІ в цих трьох аспектах:

1. Щодо обчислювальних потужностей: завдання AI зазвичай потребують великої кількості обчислювальних ресурсів для навчання та виведення моделей, особливо для глибоких навчальних моделей. Однак отримання та управління масштабними обчислювальними потужностями є дорогим і складним викликом. Вартість, енергоспоживання та обслуговування високопродуктивних обчислювальних пристроїв становлять проблеми. Особливо для стартапів і незалежних розробників отримати достатню обчислювальну потужність може бути складно.

2. У сфері алгоритмів: хоча алгоритми глибокого навчання досягли величезного успіху в багатьох сферах, все ще існують деякі труднощі та виклики. Наприклад, навчання глибоких нейронних мереж вимагає великої кількості даних та обчислювальних ресурсів, а для деяких завдань інтерпретація та зрозумілість моделі можуть бути недостатніми. Крім того, стійкість алгоритму та здатність до узагальнення також є важливими питаннями, оскільки продуктивність моделі на невідомих даних може бути нестабільною. Серед безлічі алгоритмів, як знайти найкращий алгоритм для надання найкращих послуг, є процесом, який потребує постійного дослідження.

3. Дані: Дані є рушійною силою ШІ, але отримання високоякісних і різноманітних даних залишається викликом. У деяких сферах дані можуть бути важко доступні, наприклад, чутливі медичні дані в охороні здоров'я. Крім того, якість, точність і маркування даних також є проблемою; неповні або упереджені дані можуть призвести до помилок або упередженості в моделях. Водночас, захист приватності та безпеки даних також є важливим аспектом.

Крім того, існують проблеми з інтерпретованістю та прозорістю, і чорна скринька AI-моделей є питанням, яке викликає занепокоєння у громадськості. Для деяких застосувань, таких як фінанси, охорона здоров'я та юстиція, процес прийняття рішень моделі потребує інтерпретації та можливості відстеження, тоді як існуючі моделі глибокого навчання часто не мають прозорості. Інтерпретація процесу прийняття рішень моделі та надання надійних пояснень залишається викликом.

Крім того, бізнес-моделі багатьох AI-проектів не є дуже ясними, і це також вводить в оману багатьох підприємців у сфері AI.

2.2 Виклики, з якими стикається індустрія Web3

У сфері Web3 наразі існує багато різних труднощів, які потрібно вирішити, будь то аналіз даних Web3, поганий користувацький досвід Web3-продуктів або проблеми з вразливістю коду смарт-контрактів та атаками хакерів – тут є багато можливостей для покращення. І як інструмент підвищення продуктивності, ШІ також має багато потенційних можливостей для реалізації в цих сферах.

По-перше, це покращення можливостей аналізу даних і прогнозування: застосування технології ШІ в аналізі даних і прогнозуванні принесло величезний вплив на індустрію Web3. Завдяки розумному аналізу та видобутку даних за допомогою алгоритмів ШІ платформи Web3 можуть витягувати цінну інформацію з величезних обсягів даних і здійснювати більш точні прогнози та приймати рішення. Це має важливе значення для оцінки ризиків, прогнозування ринку та управління активами в сфері децентралізованих фінансів (DeFi).

Крім того, також можна покращити користувацький досвід та персоналізовані послуги: застосування технологій штучного інтелекту дозволяє платформам Web3 надавати кращий користувацький досвід та персоналізовані послуги. Завдяки аналізу та моделюванню даних користувачів платформи Web3 можуть надавати персоналізовані рекомендації, індивідуалізовані послуги та інтелектуальний досвід взаємодії. Це сприяє підвищенню участі користувачів та задоволеності, стимулюючи розвиток екосистеми Web3, наприклад, багато протоколів Web3 інтегрують ChatGPT та інші інструменти штучного інтелекту для кращого обслуговування користувачів.

З точки зору безпеки та захисту приватності, застосування ШІ має глибокий вплив на індустрію Web3. Технології ШІ можна використовувати для виявлення та захисту від мережевих атак, ідентифікації аномальної поведінки та забезпечення більш потужного захисту. Водночас ШІ також може бути застосовано для захисту приватності даних, завдяки таким технологіям, як шифрування даних та обчислення приватності, що захищає особисту інформацію користувачів на платформах Web3. У сфері аудиту смарт-контрактів, оскільки під час написання та аудиту смарт-контрактів можуть виникати вразливості та проблеми безпеки, технології ШІ можуть бути використані для автоматизації аудиту контрактів та виявлення вразливостей, що підвищує безпеку та надійність контрактів.

Можна побачити, що в умовах труднощів і потенційних можливостей для покращення, з якими стикається індустрія Web3, ШІ може брати участь і надавати підтримку в багатьох аспектах.

Три, аналіз стану проектів AI+Web3

Проекти, що поєднують AI та Web3, в основному підходять з двох основних напрямків: використання технології блокчейн для підвищення продуктивності AI-проектів та використання технології AI для покращення проектів Web3.

Около двох аспектів виникло безліч проектів, які досліджують цей шлях, включаючи Io.net, Gensyn, Ritual та різноманітні інші проекти. У наступній статті буде проаналізовано стан і розвиток різних підсекторів, таких як підтримка AI для web3 та підтримка Web3 для AI.

3.1 Web3 сприяє AI

3.1.1 Децентралізовані обчислення

Після запуску ChatGPT компанією OpenAI наприкінці 2022 року, спостерігався бум в сфері ШІ. Через 5 днів після запуску кількість користувачів досягла 1 мільйона, тоді як Instagram витратив близько двох з половиною місяців, щоб досягти 1 мільйона завантажень. Після цього ChatGPT також стрімко розвивався, за 2 місяці кількість активних користувачів на місяць досягла 100 мільйонів, а до листопада 2023 року кількість активних користувачів на тиждень досягла 100 мільйонів. З появою ChatGPT сфера ШІ швидко перетворилася з нішевого сегмента на галузь, яка викликала великий інтерес.

Згідно з доповіддю Trendforce, ChatGPT потребує 30000 графічних процесорів NVIDIA A100 для роботи, тоді як майбутньому GPT-5 знадобиться ще більша кількість обчислювальних потужностей. Це також призвело до початку гонки озброєнь між різними AI-компаніями; лише маючи достатньо обчислювальних потужностей, можна забезпечити достатній імпульс і перевагу в битві AI, що також стало причиною нестачі графічних процесорів.

Перед підйомом ШІ, найбільші постачальники GPU, такі як NVIDIA, мали клієнтів, зосереджених на трьох великих хмарних сервісах: AWS, Azure та GCP. З ростом штучного інтелекту з'явилося безліч нових покупців, включаючи великі технологічні компанії Meta, Oracle та інші платформи даних і стартапи в галузі ШІ, які також приєдналися до війни за накопичення GPU для навчання моделей штучного інтелекту. Великі технологічні компанії, такі як Meta та Tesla, значно збільшили обсяги закупівлі кастомізованих моделей ШІ та внутрішніх досліджень. Компанії, що займаються базовими моделями, такі як Anthropic, а також платформи даних, такі як Snowflake та Databricks, також закуповують більше GPU, щоб допомогти клієнтам надавати послуги штучного інтелекту.

Як зазначалося в минулорічному звіті Semi Analysis про "багатих і бідних у GPU", лише кілька компаній володіють більше ніж 20000 A100/H100 GPU, а члени команди можуть використовувати від 100 до 1000 GPU для проектів. Ці компанії або є постачальниками хмарних послуг, або розробляють власні LLM, зокрема OpenAI, Google, Meta, Anthropic, Inflection, Tesla, Oracle, Mistral тощо.

Проте більшість компаній є бідними на GPU і можуть боротися лише на набагато меншій кількості GPU, витрачаючи багато часу та зусиль на складні речі, що заважають розвитку екосистеми. І ця ситуація не обмежується лише стартапами. Деякі з найвідоміших компаній у сфері штучного інтелекту – Hugging Face, Databricks (MosaicML), Together навіть кількість A100/H100 у Snowflake менша за 20K. Ці компанії мають світового класу технічні таланти, але обмежені в постачанні GPU, що робить їх у менш вигідному становищі в конкуренції з великими компаніями у сфері штучного інтелекту.

Цей дефіцит не обмежується лише "бідними GPU", навіть наприкінці 2023 року лідер у сфері ШІ OpenAI змушений був закрити платну реєстрацію на кілька тижнів через недостатню кількість GPU, одночасно закуповуючи більше постачань GPU.

Можна помітити, що разом з швидким розвитком штучного інтелекту виникла серйозна невідповідність між попитом і пропозицією на графічні процесори, що призвело до нагальної проблеми нестачі.

Щоб вирішити цю проблему, деякі проєкти Web3 почали намагатися поєднати технічні особливості Web3, надаючи децентралізовані обчислювальні послуги, включаючи Akash, Render, Gensyn тощо. Спільним для цих проєктів є те, що вони стимулюють широке коло користувачів надавати невикористані GPU-ресурси через токени, стаючи постачальниками обчислювальної потужності, щоб забезпечити