Integrasi AI dan Web3: Analisis Situasi dan Prospek Perkembangan
I. Pendahuluan: Perkembangan AI+Web3
Dalam beberapa tahun terakhir, perkembangan pesat teknologi kecerdasan buatan (AI) dan Web3 telah menarik perhatian luas di seluruh dunia. AI sebagai teknologi yang mensimulasikan dan meniru kecerdasan manusia telah mencapai terobosan signifikan di bidang pengenalan wajah, pemrosesan bahasa alami, dan pembelajaran mesin, membawa perubahan dan inovasi besar bagi berbagai industri.
Pada tahun 2023, ukuran pasar industri AI mencapai 200 miliar dolar AS, perusahaan-perusahaan unggulan seperti OpenAI, Character.AI, Midjourney dan lainnya dengan cepat bangkit dan memimpin gelombang AI. Sementara itu, Web3 sebagai model jaringan yang muncul, sedang mengubah cara orang memahami dan menggunakan internet. Web3, yang didasarkan pada teknologi blockchain yang terdesentralisasi, melalui kontrak pintar, penyimpanan terdistribusi, dan fungsi verifikasi identitas terdesentralisasi, mewujudkan berbagi dan pengendalian data, otonomi pengguna, dan pembentukan mekanisme kepercayaan.
Saat ini, nilai pasar industri Web3 telah mencapai 25 triliun, proyek-proyek seperti Bitcoin, Ethereum, Solana, serta aplikasi seperti Uniswap, Stepn terus muncul dengan narasi dan skenario baru, menarik semakin banyak orang untuk bergabung dengan industri Web3. Kombinasi AI dan Web3 menjadi bidang yang sangat diperhatikan oleh pengembang dan investor dari Barat dan Timur, bagaimana menggabungkan keduanya dengan baik adalah masalah yang patut dijelajahi.
Artikel ini akan fokus membahas keadaan perkembangan AI+Web3, menganalisis situasi proyek AI+Web3 saat ini, serta mendalami keterbatasan dan tantangan yang mereka hadapi. Melalui penelitian ini, kami berharap dapat memberikan referensi dan wawasan yang berharga bagi para investor dan praktisi di industri terkait.
Dua, Cara Interaksi AI dengan Web3
Perkembangan AI dan Web3 ibarat dua sisi neraca, AI membawa peningkatan produktivitas, sementara Web3 membawa perubahan dalam hubungan produksi. Lalu, percikan apa yang bisa dihasilkan dari pertemuan AI dan Web3? Selanjutnya, kita akan menganalisis kesulitan dan ruang peningkatan yang dihadapi masing-masing industri AI dan Web3, kemudian kita akan membahas bagaimana keduanya saling membantu untuk mengatasi kesulitan tersebut.
2.1 Tantangan yang Dihadapi Industri AI
Inti dari industri AI tidak terlepas dari tiga elemen: daya komputasi, algoritma, dan data.
Daya komputasi: Tugas AI biasanya membutuhkan pemrosesan sejumlah besar data dan melakukan perhitungan kompleks, seperti melatih model jaringan saraf dalam. Daya komputasi yang tinggi dapat mempercepat proses pelatihan dan inferensi model, meningkatkan kinerja dan efisiensi sistem AI. Dalam beberapa tahun terakhir, dengan perkembangan teknologi perangkat keras, seperti unit pemrosesan grafis (GPU) dan chip AI khusus (seperti TPU), peningkatan daya komputasi telah memainkan peran penting dalam pengembangan industri AI.
Algoritma: Komponen inti dari sistem AI, yang merupakan metode matematis dan statistik yang digunakan untuk memecahkan masalah dan mencapai tugas. Algoritma AI dapat dibagi menjadi algoritma pembelajaran mesin tradisional dan algoritma pembelajaran mendalam, di mana algoritma pembelajaran mendalam telah mencapai terobosan besar dalam beberapa tahun terakhir. Pemilihan dan desain algoritma sangat penting untuk kinerja dan efektivitas sistem AI.
Data: Tugas utama sistem AI adalah mengekstrak pola dan aturan dari data melalui pembelajaran dan pelatihan. Data adalah dasar untuk melatih dan mengoptimalkan model; melalui sampel data yang besar, sistem AI dapat mempelajari model yang lebih akurat dan lebih cerdas. Kumpulan data yang kaya dapat memberikan informasi yang lebih komprehensif dan beragam, sehingga model dapat lebih baik dalam menggeneralisasi ke data yang belum pernah dilihat.
Tantangan utama yang dihadapi industri AI termasuk:
Dalam hal daya komputasi: Mendapatkan dan mengelola daya komputasi dalam skala besar adalah tantangan yang mahal dan kompleks. Biaya, konsumsi energi, dan pemeliharaan perangkat komputasi berkinerja tinggi semuanya merupakan masalah.
Dari segi algoritma: Melatih jaringan saraf dalam membutuhkan banyak data dan sumber daya komputasi, serta interpretabilitas dan kemampuan penjelasan model mungkin tidak memadai. Ketahanan algoritma dan kemampuan generalisasi juga merupakan masalah penting.
Aspek data: Mendapatkan data yang berkualitas tinggi dan beragam masih menjadi tantangan. Kualitas, akurasi, dan penandaan data juga menjadi masalah, data yang tidak lengkap atau bias dapat menyebabkan perilaku atau bias model yang salah.
Eksplorabilitas dan transparansi: Karakteristik kotak hitam dari model AI adalah masalah yang menjadi perhatian publik. Untuk aplikasi tertentu, seperti keuangan, kesehatan, dan peradilan, proses pengambilan keputusan model perlu dapat dijelaskan dan dilacak.
Model bisnis: Banyak model bisnis dari proyek AI yang tidak jelas, membuat banyak pengusaha AI merasa bingung.
2.2 Tantangan yang Dihadapi oleh Industri Web3
Web3 industri juga menghadapi banyak tantangan berbeda yang perlu diatasi, termasuk:
Analisis data Web3
Pengalaman pengguna yang buruk dari produk Web3
Masalah kerentanan kode kontrak pintar dan serangan peretas
AI sebagai alat untuk meningkatkan produktivitas, juga memiliki banyak potensi ruang untuk berkembang dalam hal ini:
Kemampuan analisis dan prediksi data: Teknologi AI dapat membantu platform Web3 mengekstrak informasi berharga dari data yang sangat besar, serta melakukan prediksi dan pengambilan keputusan yang lebih akurat. Ini memiliki arti penting bagi penilaian risiko, prediksi pasar, dan manajemen aset dalam bidang keuangan terdesentralisasi (DeFi).
Pengalaman pengguna dan layanan yang dipersonalisasi: Teknologi AI dapat membantu platform Web3 memberikan pengalaman pengguna yang lebih baik dan layanan yang dipersonalisasi, meningkatkan keterlibatan dan kepuasan pengguna.
Keamanan dan Perlindungan Privasi: Teknologi AI dapat digunakan untuk mendeteksi dan mempertahankan diri dari serangan siber, mengidentifikasi perilaku yang tidak biasa, dan memberikan jaminan keamanan yang lebih kuat. Pada saat yang sama, AI juga dapat diterapkan dalam perlindungan privasi data, melalui enkripsi data dan teknologi komputasi privasi, untuk melindungi informasi pribadi pengguna di platform Web3.
Audit Kontrak Pintar: Teknologi AI dapat digunakan untuk mengotomatiskan audit kontrak dan deteksi kerentanan, meningkatkan keamanan dan keandalan kontrak.
Tiga, Analisis Status Proyek AI+Web3
Proyek AI+Web3 terutama berfokus pada dua aspek besar: memanfaatkan teknologi blockchain untuk meningkatkan kinerja proyek AI, serta menggunakan teknologi AI untuk mendukung peningkatan proyek Web3.
3.1 Web3 Mendukung AI
3.1.1 Kekuatan komputasi terdesentralisasi
Dengan perkembangan AI yang cepat, permintaan GPU meningkat secara signifikan, menyebabkan situasi kekurangan pasokan. Beberapa proyek Web3 mulai mencoba menyediakan layanan komputasi secara terdesentralisasi, seperti Akash, Render, Gensyn, dan lain-lain. Proyek-proyek ini memberikan insentif token kepada pengguna untuk menyediakan kekuatan GPU yang tidak terpakai, menjadi sisi penyedia kekuatan komputasi dan memberikan dukungan kekuatan komputasi kepada pelanggan AI.
Sisi pasokan terutama mencakup penyedia layanan cloud, penambang cryptocurrency, dan perusahaan besar. Saat ini, pemain di arena ini dapat dibagi menjadi dua kategori: satu kategori menggunakan kekuatan komputasi terdesentralisasi untuk inferensi AI, dan kategori lainnya menggunakan kekuatan komputasi terdesentralisasi untuk pelatihan AI.
Inti dari proyek komputasi terdesentralisasi adalah menarik penyedia melalui mekanisme insentif token, kemudian menarik pengguna untuk menggunakan, sehingga mewujudkan peluncuran dingin proyek dan mekanisme operasi inti. Dalam siklus ini, sisi penyedia mendapatkan lebih banyak imbalan token yang lebih berharga, sementara sisi permintaan mendapatkan layanan yang lebih murah dan lebih berkualitas.
3.1.2 Model Algoritma Terdesentralisasi
Beberapa proyek mencoba untuk membangun pasar layanan algoritma AI terdesentralisasi, menghubungkan berbagai model AI. Ketika pengguna mengajukan pertanyaan, pasar akan memilih model AI yang paling sesuai untuk memberikan jawaban.
Sebagai contoh Bittensor, sisi penawaran dari model algoritma (penambang) menyumbangkan model pembelajaran mesin mereka ke jaringan. Penyedia model akan mendapatkan token cryptocurrency TAO sebagai imbalan atas kontribusi mereka. Untuk memastikan kualitas jawaban atas pertanyaan, Bittensor menggunakan mekanisme konsensus yang unik untuk memastikan jaringan mencapai kesepakatan tentang jawaban terbaik.
3.1.3 Pengumpulan Data Terdesentralisasi
Beberapa proyek menggabungkan Web3 dengan cara insentif token untuk merealisasikan pengumpulan data yang terdesentralisasi. Misalnya, PublicAI memungkinkan pengguna untuk berbagi konten berharga di media sosial dan mendapatkan insentif token. Cara ini mendorong hubungan kerja sama antara kontributor data dan pengembangan industri kecerdasan buatan.
3.1.4 ZK melindungi privasi pengguna dalam AI
Teknologi bukti nol pengetahuan dapat membantu menyelesaikan konflik antara perlindungan privasi dan berbagi data. ZKML (Zero-Knowledge Machine Learning) menggunakan teknologi bukti nol pengetahuan, memungkinkan pelatihan dan inferensi model pembelajaran mesin tanpa mengungkapkan data asli.
3.2 AI mendukung web3
3.2.1 Analisis dan Prediksi Data
Banyak proyek Web3 mulai mengintegrasikan layanan AI yang ada atau alat AI yang dikembangkan sendiri untuk memberikan layanan analisis data dan prediksi kepada pengguna. Layanan ini mencakup berbagai aspek seperti strategi investasi, analisis on-chain, serta prediksi harga dan pasar.
Misalnya, Pond menggunakan algoritma graf AI untuk memprediksi alpha token bernilai tinggi di masa depan; BullBear AI dilatih berdasarkan data historis pengguna dan sejarah garis harga serta tren pasar untuk memberikan prediksi pergerakan harga yang akurat; Numerai adalah platform kompetisi investasi di mana peserta memprediksi pasar saham menggunakan AI dan model bahasa besar.
3.2.2 Layanan Personalisasi
Beberapa proyek Web3 mengoptimalkan pengalaman pengguna melalui integrasi AI. Misalnya, platform analisis data Dune meluncurkan alat Wand untuk menulis kueri SQL dengan bantuan model bahasa besar; platform media Web3 Followin mengintegrasikan ChatGPT untuk merangkum pandangan dan berita terbaru dari suatu bidang; platform ensiklopedia Web3 IQ.wiki mengintegrasikan GPT-4 untuk merangkum artikel wiki.
3.2.3 AI audit kontrak pintar
Beberapa proyek memanfaatkan AI untuk melakukan audit kode kontrak pintar, dengan tujuan untuk mengidentifikasi dan menemukan kerentanan dalam kode dengan lebih efisien dan akurat. Misalnya, proyek 0x0.ai menyediakan auditor kontrak pintar berbasis kecerdasan buatan yang menggunakan algoritma canggih untuk menganalisis kontrak pintar dan mengidentifikasi potensi kerentanan atau masalah.
Empat, Keterbatasan dan Tantangan Saat Ini dari Proyek AI+Web3
4.1 Hambatan nyata yang ada dalam hal kekuatan komputasi terdesentralisasi
Produk komputasi terdesentralisasi menghadapi tantangan berikut:
Kinerja dan stabilitas mungkin lebih buruk dibandingkan produk daya komputasi terpusat.
Ketersediaan dipengaruhi oleh tingkat kecocokan antara pasokan dan permintaan.
Biaya penggunaan pengguna lebih tinggi, perlu memahami lebih banyak rincian teknis.
Saat ini terbatas pada inferensi AI dan bukan pelatihan AI.
Pelatihan AI model besar memerlukan jumlah data yang sangat besar dan bandwidth komunikasi yang tinggi, saat ini komputasi terdesentralisasi sulit memenuhi kebutuhan ini. Sebaliknya, inferensi AI memiliki kebutuhan yang lebih kecil terhadap data dan bandwidth, sehingga kemungkinan pelaksanaannya lebih besar.
4.2 Kombinasi AI+Web3 masih kasar, belum mencapai 1+1＞2
Saat ini, kombinasi AI dan Web3 terutama tercermin dalam dua aspek berikut:
Banyak proyek hanya sekadar memanfaatkan AI untuk meningkatkan efisiensi dan melakukan analisis, tanpa menunjukkan penggabungan asli dan solusi inovatif antara AI dan cryptocurrency.
Beberapa tim Web3 terutama memanfaatkan konsep AI di tingkat pemasaran, tetapi masih ada kekosongan besar dalam hal inovasi yang sebenarnya.
4.3 Ekonomi token menjadi agen penyangga dalam narasi proyek AI
Dengan semakin banyak model besar yang mulai membuka sumbernya, banyak proyek AI+Web3 memilih untuk menggabungkan narasi Web3 dan ekonomi token untuk mendorong partisipasi pengguna. Namun, apakah penggabungan ekonomi token benar-benar membantu proyek AI dalam memenuhi kebutuhan nyata, atau hanya sekadar narasi atau pencarian nilai jangka pendek, masih perlu diamati dan diverifikasi lebih lanjut.
Lima, Kesimpulan
Integrasi AI+Web3 memberikan kemungkinan tak terbatas untuk inovasi teknologi dan pengembangan ekonomi di masa depan. Teknologi AI dapat memberikan skenario aplikasi yang lebih efisien dan cerdas untuk Web3, sementara karakteristik desentralisasi dan pemrograman Web3 juga memberikan peluang baru untuk pengembangan teknologi AI.
Meskipun proyek AI+Web3 saat ini masih dalam tahap awal dan menghadapi banyak tantangan, mereka juga membawa beberapa keuntungan. Misalnya, proyek pengumpulan data dan komputasi terdesentralisasi dapat mengurangi ketergantungan pada lembaga terpusat, memberikan transparansi dan kemampuan audit yang lebih besar, serta memungkinkan partisipasi dan inovasi yang lebih luas.
Di masa depan, kami berharap untuk melihat penelitian dan inovasi yang lebih mendalam untuk mencapai penggabungan yang lebih erat antara AI dan Web3, serta dalam keuangan, desentralisasi.
Lihat Asli
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.
9 Suka
Hadiah
9
4
Bagikan
Komentar
0/400
ThatsNotARugPull
· 07-27 11:09
Sudah sampai dua ribu miliar? Tidak masuk akal.
Lihat AsliBalas0
ChainWatcher
· 07-27 11:03
Kendaraan saja tidak berangkat tepat waktu, apalagi ingin mengintegrasikan AI.
Status dan Tantangan Integrasi AI+Web3: Peluang dan Batasan di Persimpangan Teknologi Baru
Integrasi AI dan Web3: Analisis Situasi dan Prospek Perkembangan
I. Pendahuluan: Perkembangan AI+Web3
Dalam beberapa tahun terakhir, perkembangan pesat teknologi kecerdasan buatan (AI) dan Web3 telah menarik perhatian luas di seluruh dunia. AI sebagai teknologi yang mensimulasikan dan meniru kecerdasan manusia telah mencapai terobosan signifikan di bidang pengenalan wajah, pemrosesan bahasa alami, dan pembelajaran mesin, membawa perubahan dan inovasi besar bagi berbagai industri.
Pada tahun 2023, ukuran pasar industri AI mencapai 200 miliar dolar AS, perusahaan-perusahaan unggulan seperti OpenAI, Character.AI, Midjourney dan lainnya dengan cepat bangkit dan memimpin gelombang AI. Sementara itu, Web3 sebagai model jaringan yang muncul, sedang mengubah cara orang memahami dan menggunakan internet. Web3, yang didasarkan pada teknologi blockchain yang terdesentralisasi, melalui kontrak pintar, penyimpanan terdistribusi, dan fungsi verifikasi identitas terdesentralisasi, mewujudkan berbagi dan pengendalian data, otonomi pengguna, dan pembentukan mekanisme kepercayaan.
Saat ini, nilai pasar industri Web3 telah mencapai 25 triliun, proyek-proyek seperti Bitcoin, Ethereum, Solana, serta aplikasi seperti Uniswap, Stepn terus muncul dengan narasi dan skenario baru, menarik semakin banyak orang untuk bergabung dengan industri Web3. Kombinasi AI dan Web3 menjadi bidang yang sangat diperhatikan oleh pengembang dan investor dari Barat dan Timur, bagaimana menggabungkan keduanya dengan baik adalah masalah yang patut dijelajahi.
Artikel ini akan fokus membahas keadaan perkembangan AI+Web3, menganalisis situasi proyek AI+Web3 saat ini, serta mendalami keterbatasan dan tantangan yang mereka hadapi. Melalui penelitian ini, kami berharap dapat memberikan referensi dan wawasan yang berharga bagi para investor dan praktisi di industri terkait.
Dua, Cara Interaksi AI dengan Web3
Perkembangan AI dan Web3 ibarat dua sisi neraca, AI membawa peningkatan produktivitas, sementara Web3 membawa perubahan dalam hubungan produksi. Lalu, percikan apa yang bisa dihasilkan dari pertemuan AI dan Web3? Selanjutnya, kita akan menganalisis kesulitan dan ruang peningkatan yang dihadapi masing-masing industri AI dan Web3, kemudian kita akan membahas bagaimana keduanya saling membantu untuk mengatasi kesulitan tersebut.
2.1 Tantangan yang Dihadapi Industri AI
Inti dari industri AI tidak terlepas dari tiga elemen: daya komputasi, algoritma, dan data.
Daya komputasi: Tugas AI biasanya membutuhkan pemrosesan sejumlah besar data dan melakukan perhitungan kompleks, seperti melatih model jaringan saraf dalam. Daya komputasi yang tinggi dapat mempercepat proses pelatihan dan inferensi model, meningkatkan kinerja dan efisiensi sistem AI. Dalam beberapa tahun terakhir, dengan perkembangan teknologi perangkat keras, seperti unit pemrosesan grafis (GPU) dan chip AI khusus (seperti TPU), peningkatan daya komputasi telah memainkan peran penting dalam pengembangan industri AI.
Algoritma: Komponen inti dari sistem AI, yang merupakan metode matematis dan statistik yang digunakan untuk memecahkan masalah dan mencapai tugas. Algoritma AI dapat dibagi menjadi algoritma pembelajaran mesin tradisional dan algoritma pembelajaran mendalam, di mana algoritma pembelajaran mendalam telah mencapai terobosan besar dalam beberapa tahun terakhir. Pemilihan dan desain algoritma sangat penting untuk kinerja dan efektivitas sistem AI.
Data: Tugas utama sistem AI adalah mengekstrak pola dan aturan dari data melalui pembelajaran dan pelatihan. Data adalah dasar untuk melatih dan mengoptimalkan model; melalui sampel data yang besar, sistem AI dapat mempelajari model yang lebih akurat dan lebih cerdas. Kumpulan data yang kaya dapat memberikan informasi yang lebih komprehensif dan beragam, sehingga model dapat lebih baik dalam menggeneralisasi ke data yang belum pernah dilihat.
Tantangan utama yang dihadapi industri AI termasuk:
Dalam hal daya komputasi: Mendapatkan dan mengelola daya komputasi dalam skala besar adalah tantangan yang mahal dan kompleks. Biaya, konsumsi energi, dan pemeliharaan perangkat komputasi berkinerja tinggi semuanya merupakan masalah.
Dari segi algoritma: Melatih jaringan saraf dalam membutuhkan banyak data dan sumber daya komputasi, serta interpretabilitas dan kemampuan penjelasan model mungkin tidak memadai. Ketahanan algoritma dan kemampuan generalisasi juga merupakan masalah penting.
Aspek data: Mendapatkan data yang berkualitas tinggi dan beragam masih menjadi tantangan. Kualitas, akurasi, dan penandaan data juga menjadi masalah, data yang tidak lengkap atau bias dapat menyebabkan perilaku atau bias model yang salah.
Eksplorabilitas dan transparansi: Karakteristik kotak hitam dari model AI adalah masalah yang menjadi perhatian publik. Untuk aplikasi tertentu, seperti keuangan, kesehatan, dan peradilan, proses pengambilan keputusan model perlu dapat dijelaskan dan dilacak.
Model bisnis: Banyak model bisnis dari proyek AI yang tidak jelas, membuat banyak pengusaha AI merasa bingung.
2.2 Tantangan yang Dihadapi oleh Industri Web3
Web3 industri juga menghadapi banyak tantangan berbeda yang perlu diatasi, termasuk:
AI sebagai alat untuk meningkatkan produktivitas, juga memiliki banyak potensi ruang untuk berkembang dalam hal ini:
Kemampuan analisis dan prediksi data: Teknologi AI dapat membantu platform Web3 mengekstrak informasi berharga dari data yang sangat besar, serta melakukan prediksi dan pengambilan keputusan yang lebih akurat. Ini memiliki arti penting bagi penilaian risiko, prediksi pasar, dan manajemen aset dalam bidang keuangan terdesentralisasi (DeFi).
Pengalaman pengguna dan layanan yang dipersonalisasi: Teknologi AI dapat membantu platform Web3 memberikan pengalaman pengguna yang lebih baik dan layanan yang dipersonalisasi, meningkatkan keterlibatan dan kepuasan pengguna.
Keamanan dan Perlindungan Privasi: Teknologi AI dapat digunakan untuk mendeteksi dan mempertahankan diri dari serangan siber, mengidentifikasi perilaku yang tidak biasa, dan memberikan jaminan keamanan yang lebih kuat. Pada saat yang sama, AI juga dapat diterapkan dalam perlindungan privasi data, melalui enkripsi data dan teknologi komputasi privasi, untuk melindungi informasi pribadi pengguna di platform Web3.
Audit Kontrak Pintar: Teknologi AI dapat digunakan untuk mengotomatiskan audit kontrak dan deteksi kerentanan, meningkatkan keamanan dan keandalan kontrak.
Tiga, Analisis Status Proyek AI+Web3
Proyek AI+Web3 terutama berfokus pada dua aspek besar: memanfaatkan teknologi blockchain untuk meningkatkan kinerja proyek AI, serta menggunakan teknologi AI untuk mendukung peningkatan proyek Web3.
3.1 Web3 Mendukung AI
3.1.1 Kekuatan komputasi terdesentralisasi
Dengan perkembangan AI yang cepat, permintaan GPU meningkat secara signifikan, menyebabkan situasi kekurangan pasokan. Beberapa proyek Web3 mulai mencoba menyediakan layanan komputasi secara terdesentralisasi, seperti Akash, Render, Gensyn, dan lain-lain. Proyek-proyek ini memberikan insentif token kepada pengguna untuk menyediakan kekuatan GPU yang tidak terpakai, menjadi sisi penyedia kekuatan komputasi dan memberikan dukungan kekuatan komputasi kepada pelanggan AI.
Sisi pasokan terutama mencakup penyedia layanan cloud, penambang cryptocurrency, dan perusahaan besar. Saat ini, pemain di arena ini dapat dibagi menjadi dua kategori: satu kategori menggunakan kekuatan komputasi terdesentralisasi untuk inferensi AI, dan kategori lainnya menggunakan kekuatan komputasi terdesentralisasi untuk pelatihan AI.
Inti dari proyek komputasi terdesentralisasi adalah menarik penyedia melalui mekanisme insentif token, kemudian menarik pengguna untuk menggunakan, sehingga mewujudkan peluncuran dingin proyek dan mekanisme operasi inti. Dalam siklus ini, sisi penyedia mendapatkan lebih banyak imbalan token yang lebih berharga, sementara sisi permintaan mendapatkan layanan yang lebih murah dan lebih berkualitas.
3.1.2 Model Algoritma Terdesentralisasi
Beberapa proyek mencoba untuk membangun pasar layanan algoritma AI terdesentralisasi, menghubungkan berbagai model AI. Ketika pengguna mengajukan pertanyaan, pasar akan memilih model AI yang paling sesuai untuk memberikan jawaban.
Sebagai contoh Bittensor, sisi penawaran dari model algoritma (penambang) menyumbangkan model pembelajaran mesin mereka ke jaringan. Penyedia model akan mendapatkan token cryptocurrency TAO sebagai imbalan atas kontribusi mereka. Untuk memastikan kualitas jawaban atas pertanyaan, Bittensor menggunakan mekanisme konsensus yang unik untuk memastikan jaringan mencapai kesepakatan tentang jawaban terbaik.
3.1.3 Pengumpulan Data Terdesentralisasi
Beberapa proyek menggabungkan Web3 dengan cara insentif token untuk merealisasikan pengumpulan data yang terdesentralisasi. Misalnya, PublicAI memungkinkan pengguna untuk berbagi konten berharga di media sosial dan mendapatkan insentif token. Cara ini mendorong hubungan kerja sama antara kontributor data dan pengembangan industri kecerdasan buatan.
3.1.4 ZK melindungi privasi pengguna dalam AI
Teknologi bukti nol pengetahuan dapat membantu menyelesaikan konflik antara perlindungan privasi dan berbagi data. ZKML (Zero-Knowledge Machine Learning) menggunakan teknologi bukti nol pengetahuan, memungkinkan pelatihan dan inferensi model pembelajaran mesin tanpa mengungkapkan data asli.
3.2 AI mendukung web3
3.2.1 Analisis dan Prediksi Data
Banyak proyek Web3 mulai mengintegrasikan layanan AI yang ada atau alat AI yang dikembangkan sendiri untuk memberikan layanan analisis data dan prediksi kepada pengguna. Layanan ini mencakup berbagai aspek seperti strategi investasi, analisis on-chain, serta prediksi harga dan pasar.
Misalnya, Pond menggunakan algoritma graf AI untuk memprediksi alpha token bernilai tinggi di masa depan; BullBear AI dilatih berdasarkan data historis pengguna dan sejarah garis harga serta tren pasar untuk memberikan prediksi pergerakan harga yang akurat; Numerai adalah platform kompetisi investasi di mana peserta memprediksi pasar saham menggunakan AI dan model bahasa besar.
3.2.2 Layanan Personalisasi
Beberapa proyek Web3 mengoptimalkan pengalaman pengguna melalui integrasi AI. Misalnya, platform analisis data Dune meluncurkan alat Wand untuk menulis kueri SQL dengan bantuan model bahasa besar; platform media Web3 Followin mengintegrasikan ChatGPT untuk merangkum pandangan dan berita terbaru dari suatu bidang; platform ensiklopedia Web3 IQ.wiki mengintegrasikan GPT-4 untuk merangkum artikel wiki.
3.2.3 AI audit kontrak pintar
Beberapa proyek memanfaatkan AI untuk melakukan audit kode kontrak pintar, dengan tujuan untuk mengidentifikasi dan menemukan kerentanan dalam kode dengan lebih efisien dan akurat. Misalnya, proyek 0x0.ai menyediakan auditor kontrak pintar berbasis kecerdasan buatan yang menggunakan algoritma canggih untuk menganalisis kontrak pintar dan mengidentifikasi potensi kerentanan atau masalah.
Empat, Keterbatasan dan Tantangan Saat Ini dari Proyek AI+Web3
4.1 Hambatan nyata yang ada dalam hal kekuatan komputasi terdesentralisasi
Produk komputasi terdesentralisasi menghadapi tantangan berikut:
Pelatihan AI model besar memerlukan jumlah data yang sangat besar dan bandwidth komunikasi yang tinggi, saat ini komputasi terdesentralisasi sulit memenuhi kebutuhan ini. Sebaliknya, inferensi AI memiliki kebutuhan yang lebih kecil terhadap data dan bandwidth, sehingga kemungkinan pelaksanaannya lebih besar.
4.2 Kombinasi AI+Web3 masih kasar, belum mencapai 1+1＞2
Saat ini, kombinasi AI dan Web3 terutama tercermin dalam dua aspek berikut:
Banyak proyek hanya sekadar memanfaatkan AI untuk meningkatkan efisiensi dan melakukan analisis, tanpa menunjukkan penggabungan asli dan solusi inovatif antara AI dan cryptocurrency.
Beberapa tim Web3 terutama memanfaatkan konsep AI di tingkat pemasaran, tetapi masih ada kekosongan besar dalam hal inovasi yang sebenarnya.
4.3 Ekonomi token menjadi agen penyangga dalam narasi proyek AI
Dengan semakin banyak model besar yang mulai membuka sumbernya, banyak proyek AI+Web3 memilih untuk menggabungkan narasi Web3 dan ekonomi token untuk mendorong partisipasi pengguna. Namun, apakah penggabungan ekonomi token benar-benar membantu proyek AI dalam memenuhi kebutuhan nyata, atau hanya sekadar narasi atau pencarian nilai jangka pendek, masih perlu diamati dan diverifikasi lebih lanjut.
Lima, Kesimpulan
Integrasi AI+Web3 memberikan kemungkinan tak terbatas untuk inovasi teknologi dan pengembangan ekonomi di masa depan. Teknologi AI dapat memberikan skenario aplikasi yang lebih efisien dan cerdas untuk Web3, sementara karakteristik desentralisasi dan pemrograman Web3 juga memberikan peluang baru untuk pengembangan teknologi AI.
Meskipun proyek AI+Web3 saat ini masih dalam tahap awal dan menghadapi banyak tantangan, mereka juga membawa beberapa keuntungan. Misalnya, proyek pengumpulan data dan komputasi terdesentralisasi dapat mengurangi ketergantungan pada lembaga terpusat, memberikan transparansi dan kemampuan audit yang lebih besar, serta memungkinkan partisipasi dan inovasi yang lebih luas.
Di masa depan, kami berharap untuk melihat penelitian dan inovasi yang lebih mendalam untuk mencapai penggabungan yang lebih erat antara AI dan Web3, serta dalam keuangan, desentralisasi.