A fusão do Web3 com a inteligência artificial: construindo um novo ecossistema da internet de nova geração
Web3, como um novo modelo de internet descentralizado, aberto e transparente, possui uma conexão natural com a inteligência artificial. Sob a arquitetura tradicional centralizada, os recursos de computação e dados da IA são severamente limitados, enfrentando desafios como falta de potência computacional, riscos de privacidade e falta de transparência nos algoritmos. Por outro lado, o Web3, baseado em tecnologias distribuídas, pode fornecer um novo impulso ao desenvolvimento da IA por meio de redes de compartilhamento de potência computacional, mercados de dados abertos e computação de privacidade. Ao mesmo tempo, a IA também pode trazer várias melhorias para o Web3, como otimização de contratos inteligentes e melhoria de algoritmos anti-trapaça, promovendo o desenvolvimento de seu ecossistema. Portanto, explorar a combinação do Web3 e da IA é de extrema importância para a construção da infraestrutura da próxima geração da internet e para liberar o valor dos dados e da potência computacional.
Dados impulsionados: a base da IA e do Web3
Os dados são o elemento central que impulsiona o desenvolvimento da IA. Os modelos de IA precisam digerir uma enorme quantidade de dados de alta qualidade para obter percepções profundas e uma poderosa 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 modelos tradicionais de obtenção e uso de dados de IA centralizados apresentam os seguintes problemas principais:
O custo de obtenção de dados é elevado, difícil para as pequenas e médias empresas suportarem.
Recursos de dados são monopolizados por grandes empresas de tecnologia, formando ilhas de dados
O risco de violação e abuso da privacidade dos dados pessoais
O Web3 propôs um novo paradigma de dados descentralizados para resolver estas questões:
Através de uma rede distribuída, os utilizadores podem vender recursos de rede ociosos a empresas de IA, coletando dados da rede de forma descentralizada, que, após serem limpos e transformados, fornecem dados reais e de alta qualidade para o treino de modelos de IA.
Adotando o modelo "marcação significa ganhar", incentivando trabalhadores globais a participar da marcação de dados através de tokens, 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 que demandam e fornecem dados, incentivando a inovação e o compartilhamento de dados.
No entanto, a obtenção de dados do mundo real ainda enfrenta problemas de qualidade desigual, dificuldades de processamento, diversidade e representatividade insuficientes. Dados sintéticos podem ser uma direção importante para o futuro da área de dados do Web3. Baseados em tecnologia de IA generativa e simulação, os dados sintéticos conseguem simular as propriedades dos dados reais, servindo como um complemento eficaz, aumentando a eficiência do uso de dados. Em áreas como condução autónoma, negociação de mercados financeiros e desenvolvimento de jogos, os dados sintéticos já demonstraram potencial de aplicação maduro.
Proteção da Privacidade: A Aplicação da Criptografia Homomórfica Total no Web3
Na era da condução por dados, a proteção da privacidade tornou-se um foco de atenção global, e a introdução de regulamentos como o GDPR da UE reflete a rigorosa proteção da privacidade individual. No entanto, isso também traz desafios: alguns dados sensíveis não podem ser totalmente aproveitados devido a riscos de privacidade, limitando o potencial e a capacidade de raciocínio dos modelos de IA.
A criptografia homomórfica total ( FHE ) permite realizar cálculos diretamente em dados criptografados, sem a necessidade de descriptografar os dados, e o resultado do cálculo é idêntico ao resultado do mesmo cálculo realizado em dados em texto claro. FHE oferece uma proteção robusta para cálculos de privacidade em IA, permitindo que o poder computacional da GPU execute treinamento e inferência de modelos em um ambiente sem acesso aos dados originais. Isso proporciona uma enorme vantagem para as empresas de IA, permitindo que elas ofereçam serviços API de forma segura enquanto protegem segredos comerciais.
FHEML suporta o processamento criptografado de dados e modelos durante todo o ciclo de vida do aprendizado de máquina, garantindo a segurança das informações sensíveis e prevenindo o risco de vazamento de dados. Desta forma, 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 do aprendizado de máquina, enquanto o FHEML enfatiza a computação de 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 explosivo na demanda por poder computacional, muito além da oferta de recursos computacionais existentes. Por exemplo, o treinamento de um grande modelo de linguagem requer um enorme poder computacional, equivalente a 355 anos de tempo de treinamento em um único dispositivo. Essa escassez de poder computacional não apenas limita o progresso da tecnologia de IA, mas também torna os modelos avançados de IA inacessíveis para a maioria dos pesquisadores e desenvolvedores.
Ao mesmo tempo, a utilização global de GPU é inferior a 40%, juntamente com a desaceleração do aumento de desempenho dos microprocessadores e a escassez de chips causada por 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: ou compram hardware por conta própria, ou alugam recursos em nuvem, e eles precisam urgentemente de uma forma de serviço de computação sob demanda e econômica.
A rede de computação descentralizada por IA agrega recursos de GPU ociosos em todo o mundo, oferecendo um mercado de computação economicamente acessível para empresas de IA. As partes que demandam capacidade de computação podem publicar tarefas de computação na rede, onde contratos inteligentes atribuem as tarefas aos nós que contribuem com capacidade de computação. Os nós executam as tarefas e submetem os resultados, que após verificação, recebem recompensas. Esta solução melhora a eficiência da utilização de recursos e ajuda a resolver o problema do gargalo de capacidade de computação em áreas como a IA.
Além da rede de computação descentralizada universal, existem plataformas de computação especializadas focadas no treinamento e raciocínio de IA. Essas redes de computação descentralizadas oferecem um mercado de computação justo e transparente, rompendo monopólios, reduzindo as barreiras de entrada e aumentando a eficiência na utilização da computação. No ecossistema Web3, as redes de computação descentralizadas desempenharão um papel crucial, atraindo mais aplicações inovadoras para se juntarem e impulsionarem conjuntamente o desenvolvimento e a aplicação da tecnologia de IA.
AI de Borda: Web3 capacitando a computação de borda
Imagine que o seu telefone, smartwatch e até mesmo dispositivos inteligentes em casa tenham a capacidade de executar IA - essa é a magia da IA de borda. Ela permite que os cálculos ocorram na fonte de geração de dados, proporcionando baixa latência, processamento em tempo real e, ao mesmo tempo, protegendo a privacidade do usuário. A tecnologia de IA de borda já foi aplicada em áreas críticas, como a condução autónoma.
No campo do Web3, temos um nome mais familiar - a Rede de Infraestrutura Física Descentralizada ( DePIN ). O Web3 enfatiza a descentralização e a soberania dos dados do usuário, e o DePIN, ao processar dados localmente, aumenta a proteção da privacidade do usuário e reduz o risco de vazamentos de dados; o mecanismo de economia de tokens nativo do Web3 pode incentivar os nós do DePIN a fornecer recursos computacionais, construindo um ecossistema sustentável.
Atualmente, o DePIN está se desenvolvendo rapidamente em certos ecossistemas de cadeias públicas, tornando-se uma das plataformas preferidas para a implantação de projetos. Alta TPS, baixos custos de transação e inovações tecnológicas oferecem um forte suporte para os projetos DePIN. Alguns projetos DePIN conhecidos já alcançaram progresso significativo, com valor de mercado superior a dez bilhões de dólares.
Emissão do modelo inicial: Novo paradigma de lançamento de modelos de IA
O conceito de emissão do modelo inicial (IMO) foi proposto inicialmente por um determinado protocolo, que visa tokenizar modelos de IA. No modelo tradicional, devido à falta de mecanismos de compartilhamento de receita, os desenvolvedores de modelos de IA muitas vezes têm dificuldade em obter receita contínua 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, o que dificulta a avaliação de seu verdadeiro valor por investidores e usuários potenciais, limitando o reconhecimento do mercado e o potencial comercial do modelo.
O IMO fornece um novo suporte financeiro e uma forma de 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. Ao combinar padrões técnicos específicos, oráculos de IA e tecnologia de aprendizado de máquina em blockchain, garante-se 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 em código aberto, adaptou-se às tendências do mercado de criptomoedas e injetou energia no desenvolvimento sustentável da tecnologia de IA. O IMO ainda está 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.
Agentes de IA: A nova era da experiência interativa
Agentes de IA podem perceber o ambiente, pensar de forma independente e tomar ações apropriadas para alcançar objetivos estabelecidos. Com o suporte de grandes modelos de linguagem, os agentes de IA não só conseguem entender a linguagem natural, mas também planejar decisões e executar tarefas complexas. Eles podem atuar como assistentes virtuais, aprendendo as preferências dos usuários por meio da interação e oferecendo soluções personalizadas. Mesmo na ausência de instruções claras, os agentes de IA podem resolver problemas de forma autônoma, aumentando a eficiência e criando novo valor.
Algumas plataformas nativas de aplicações de IA oferecem um conjunto de ferramentas de criação abrangente e fácil de usar, permitindo que os usuários configurem funções, aparência, som de robôs e se conectem a repositórios de conhecimento externos, visando criar um ecossistema de conteúdo de IA justo e aberto. Utilizando tecnologia de IA generativa, capacitam os indivíduos a se tornarem super criadores. Essas plataformas treinaram modelos de linguagem de grande escala especializados, tornando o papel mais humanizado; 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, utilizando essas plataformas, já podem ser aplicados em várias áreas, como videochamadas, aprendizado de idiomas e geração de imagens.
Na fusão do Web3 com a IA, atualmente a exploração se concentra mais na camada de infraestrutura, como obter dados de alta qualidade, proteger a privacidade dos dados, como hospedar modelos na cadeia, como melhorar o uso eficiente do poder computacional descentralizado e como validar grandes modelos de linguagem, entre outras questões-chave. À medida que essas infraestruturas são gradualmente aperfeiçoadas, temos razões para acreditar que a fusão do Web3 com a IA dará origem a uma série de modelos de negócios e serviços inovadores.
Esta página pode conter conteúdo de terceiros, que é fornecido apenas para fins informativos (não para representações/garantias) e não deve ser considerada como um endosso de suas opiniões pela Gate nem como aconselhamento financeiro ou profissional. Consulte a Isenção de responsabilidade para obter detalhes.
Web3 e AI em fusão: os cinco principais tendências para construir um novo ecossistema da internet
A fusão do Web3 com a inteligência artificial: construindo um novo ecossistema da internet de nova geração
Web3, como um novo modelo de internet descentralizado, aberto e transparente, possui uma conexão natural com a inteligência artificial. Sob a arquitetura tradicional centralizada, os recursos de computação e dados da IA são severamente limitados, enfrentando desafios como falta de potência computacional, riscos de privacidade e falta de transparência nos algoritmos. Por outro lado, o Web3, baseado em tecnologias distribuídas, pode fornecer um novo impulso ao desenvolvimento da IA por meio de redes de compartilhamento de potência computacional, mercados de dados abertos e computação de privacidade. Ao mesmo tempo, a IA também pode trazer várias melhorias para o Web3, como otimização de contratos inteligentes e melhoria de algoritmos anti-trapaça, promovendo o desenvolvimento de seu ecossistema. Portanto, explorar a combinação do Web3 e da IA é de extrema importância para a construção da infraestrutura da próxima geração da internet e para liberar o valor dos dados e da potência computacional.
Dados impulsionados: a base da IA e do Web3
Os dados são o elemento central que impulsiona o desenvolvimento da IA. Os modelos de IA precisam digerir uma enorme quantidade de dados de alta qualidade para obter percepções profundas e uma poderosa 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 modelos tradicionais de obtenção e uso de dados de IA centralizados apresentam os seguintes problemas principais:
O Web3 propôs um novo paradigma de dados descentralizados para resolver estas questões:
No entanto, a obtenção de dados do mundo real ainda enfrenta problemas de qualidade desigual, dificuldades de processamento, diversidade e representatividade insuficientes. Dados sintéticos podem ser uma direção importante para o futuro da área de dados do Web3. Baseados em tecnologia de IA generativa e simulação, os dados sintéticos conseguem simular as propriedades dos dados reais, servindo como um complemento eficaz, aumentando a eficiência do uso de dados. Em áreas como condução autónoma, negociação de mercados financeiros e desenvolvimento de jogos, os dados sintéticos já demonstraram potencial de aplicação maduro.
Proteção da Privacidade: A Aplicação da Criptografia Homomórfica Total no Web3
Na era da condução por dados, a proteção da privacidade tornou-se um foco de atenção global, e a introdução de regulamentos como o GDPR da UE reflete a rigorosa proteção da privacidade individual. No entanto, isso também traz desafios: alguns dados sensíveis não podem ser totalmente aproveitados devido a riscos de privacidade, limitando o potencial e a capacidade de raciocínio dos modelos de IA.
A criptografia homomórfica total ( FHE ) permite realizar cálculos diretamente em dados criptografados, sem a necessidade de descriptografar os dados, e o resultado do cálculo é idêntico ao resultado do mesmo cálculo realizado em dados em texto claro. FHE oferece uma proteção robusta para cálculos de privacidade em IA, permitindo que o poder computacional da GPU execute treinamento e inferência de modelos em um ambiente sem acesso aos dados originais. Isso proporciona uma enorme vantagem para as empresas de IA, permitindo que elas ofereçam serviços API de forma segura enquanto protegem segredos comerciais.
FHEML suporta o processamento criptografado de dados e modelos durante todo o ciclo de vida do aprendizado de máquina, garantindo a segurança das informações sensíveis e prevenindo o risco de vazamento de dados. Desta forma, 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 do aprendizado de máquina, enquanto o FHEML enfatiza a computação de 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 explosivo na demanda por poder computacional, muito além da oferta de recursos computacionais existentes. Por exemplo, o treinamento de um grande modelo de linguagem requer um enorme poder computacional, equivalente a 355 anos de tempo de treinamento em um único dispositivo. Essa escassez de poder computacional não apenas limita o progresso da tecnologia de IA, mas também torna os modelos avançados de IA inacessíveis para a maioria dos pesquisadores e desenvolvedores.
Ao mesmo tempo, a utilização global de GPU é inferior a 40%, juntamente com a desaceleração do aumento de desempenho dos microprocessadores e a escassez de chips causada por 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: ou compram hardware por conta própria, ou alugam recursos em nuvem, e eles precisam urgentemente de uma forma de serviço de computação sob demanda e econômica.
A rede de computação descentralizada por IA agrega recursos de GPU ociosos em todo o mundo, oferecendo um mercado de computação economicamente acessível para empresas de IA. As partes que demandam capacidade de computação podem publicar tarefas de computação na rede, onde contratos inteligentes atribuem as tarefas aos nós que contribuem com capacidade de computação. Os nós executam as tarefas e submetem os resultados, que após verificação, recebem recompensas. Esta solução melhora a eficiência da utilização de recursos e ajuda a resolver o problema do gargalo de capacidade de computação em áreas como a IA.
Além da rede de computação descentralizada universal, existem plataformas de computação especializadas focadas no treinamento e raciocínio de IA. Essas redes de computação descentralizadas oferecem um mercado de computação justo e transparente, rompendo monopólios, reduzindo as barreiras de entrada e aumentando a eficiência na utilização da computação. No ecossistema Web3, as redes de computação descentralizadas desempenharão um papel crucial, atraindo mais aplicações inovadoras para se juntarem e impulsionarem conjuntamente o desenvolvimento e a aplicação da tecnologia de IA.
AI de Borda: Web3 capacitando a computação de borda
Imagine que o seu telefone, smartwatch e até mesmo dispositivos inteligentes em casa tenham a capacidade de executar IA - essa é a magia da IA de borda. Ela permite que os cálculos ocorram na fonte de geração de dados, proporcionando baixa latência, processamento em tempo real e, ao mesmo tempo, protegendo a privacidade do usuário. A tecnologia de IA de borda já foi aplicada em áreas críticas, como a condução autónoma.
No campo do Web3, temos um nome mais familiar - a Rede de Infraestrutura Física Descentralizada ( DePIN ). O Web3 enfatiza a descentralização e a soberania dos dados do usuário, e o DePIN, ao processar dados localmente, aumenta a proteção da privacidade do usuário e reduz o risco de vazamentos de dados; o mecanismo de economia de tokens nativo do Web3 pode incentivar os nós do DePIN a fornecer recursos computacionais, construindo um ecossistema sustentável.
Atualmente, o DePIN está se desenvolvendo rapidamente em certos ecossistemas de cadeias públicas, tornando-se uma das plataformas preferidas para a implantação de projetos. Alta TPS, baixos custos de transação e inovações tecnológicas oferecem um forte suporte para os projetos DePIN. Alguns projetos DePIN conhecidos já alcançaram progresso significativo, com valor de mercado superior a dez bilhões de dólares.
Emissão do modelo inicial: Novo paradigma de lançamento de modelos de IA
O conceito de emissão do modelo inicial (IMO) foi proposto inicialmente por um determinado protocolo, que visa tokenizar modelos de IA. No modelo tradicional, devido à falta de mecanismos de compartilhamento de receita, os desenvolvedores de modelos de IA muitas vezes têm dificuldade em obter receita contínua 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, o que dificulta a avaliação de seu verdadeiro valor por investidores e usuários potenciais, limitando o reconhecimento do mercado e o potencial comercial do modelo.
O IMO fornece um novo suporte financeiro e uma forma de 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. Ao combinar padrões técnicos específicos, oráculos de IA e tecnologia de aprendizado de máquina em blockchain, garante-se 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 em código aberto, adaptou-se às tendências do mercado de criptomoedas e injetou energia no desenvolvimento sustentável da tecnologia de IA. O IMO ainda está 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.
Agentes de IA: A nova era da experiência interativa
Agentes de IA podem perceber o ambiente, pensar de forma independente e tomar ações apropriadas para alcançar objetivos estabelecidos. Com o suporte de grandes modelos de linguagem, os agentes de IA não só conseguem entender a linguagem natural, mas também planejar decisões e executar tarefas complexas. Eles podem atuar como assistentes virtuais, aprendendo as preferências dos usuários por meio da interação e oferecendo soluções personalizadas. Mesmo na ausência de instruções claras, os agentes de IA podem resolver problemas de forma autônoma, aumentando a eficiência e criando novo valor.
Algumas plataformas nativas de aplicações de IA oferecem um conjunto de ferramentas de criação abrangente e fácil de usar, permitindo que os usuários configurem funções, aparência, som de robôs e se conectem a repositórios de conhecimento externos, visando criar um ecossistema de conteúdo de IA justo e aberto. Utilizando tecnologia de IA generativa, capacitam os indivíduos a se tornarem super criadores. Essas plataformas treinaram modelos de linguagem de grande escala especializados, tornando o papel mais humanizado; 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, utilizando essas plataformas, já podem ser aplicados em várias áreas, como videochamadas, aprendizado de idiomas e geração de imagens.
Na fusão do Web3 com a IA, atualmente a exploração se concentra mais na camada de infraestrutura, como obter dados de alta qualidade, proteger a privacidade dos dados, como hospedar modelos na cadeia, como melhorar o uso eficiente do poder computacional descentralizado e como validar grandes modelos de linguagem, entre outras questões-chave. À medida que essas infraestruturas são gradualmente aperfeiçoadas, temos razões para acreditar que a fusão do Web3 com a IA dará origem a uma série de modelos de negócios e serviços inovadores.