Sebagai paradigma baru dari Internet terdesentralisasi, terbuka, dan transparan, Web3 memiliki sinergi alami dengan kecerdasan buatan. Di bawah arsitektur terpusat tradisional, komputasi AI dan sumber daya data dikendalikan secara ketat, menghadapi banyak tantangan seperti bottleneck komputasi, kebocoran privasi, dan kotak hitam algoritma. Web3, di sisi lain, didasarkan pada teknologi terdistribusi dan menyuntikkan vitalitas baru ke dalam pengembangan AI melalui jaringan komputasi bersama, pasar data terbuka, dan komputasi yang menjaga privasi. Pada saat yang sama, AI dapat memberdayakan konstruksi ekosistem Web3 dengan mengoptimalkan kemampuan seperti kontrak pintar dan algoritma anti-curi. Oleh karena itu, mengeksplorasi konvergensi Web3 dan AI sangat penting untuk membangun generasi berikutnya dari infrastruktur internet dan membuka nilai data dan kekuatan komputasi.

Berbasis data: Fondasi yang kokoh untuk AI dan Web3

Data adalah kekuatan penggerak inti untuk pengembangan AI, sama seperti bahan bakar mesin. Model AI perlu menyerap jumlah data berkualitas tinggi dalam rangka memperoleh pemahaman mendalam dan kemampuan penalaran yang kuat. Data tidak hanya menyediakan dasar untuk melatih model pembelajaran mesin, tetapi juga menentukan akurasi dan keandalan mereka.

Dalam model akuisisi dan pemanfaatan data AI terpusat tradisional, beberapa masalah kunci telah muncul:

1. Pengumpulan data mahal, membuatnya sulit bagi UMKM untuk berpartisipasi.
2. Sumber daya data dikuasai oleh raksasa teknologi, membentuk silo data.
3. Privasi data pribadi berisiko bocor dan disalahgunakan.

Web3 menyediakan paradigma data terdesentralisasi baru untuk mengatasi titik-titik sakit model-model tradisional:

1. Melalui proyek seperti Grass, pengguna dapat menjual kapasitas jaringan yang tidak terpakai kepada perusahaan kecerdasan buatan, memungkinkan pencabutan, pembersihan, dan transformasi data web terdesentralisasi, menyediakan data yang nyata dan berkualitas tinggi untuk pelatihan model kecerdasan buatan.
2. Public AI menggunakan model "mark-to-earn" untuk memotivasi pekerja global untuk berpartisipasi dalam anotasi data, mengumpulkan kebijaksanaan global, dan meningkatkan kemampuan analisis data.
3. Platform perdagangan data blockchain seperti Ocean Protocol dan Streamr menyediakan lingkungan perdagangan yang terbuka dan transparan baik untuk pasokan maupun permintaan data, mempromosikan inovasi dan berbagi data.

Dengan cara ini, Web3 tidak hanya mengurangi biaya perolehan data, tetapi juga meningkatkan keterbukaan dan transparansi data, menyediakan sumber data yang lebih beragam dan berkualitas tinggi untuk pelatihan model AI. Pada saat yang sama, melalui komputasi privasi terdesentralisasi, Web3 juga dapat lebih baik melindungi privasi data pribadi dan meningkatkan keamanan serta keandalan penggunaan data.

Terus menjelajahi dan mempraktikkan integrasi AI dan Web3 akan memberikan dasar yang kokoh untuk membangun generasi baru infrastruktur Internet dan membuka nilai baru dalam data dan daya komputasi.

Meskipun demikian, pengumpulan data dunia nyata juga menghadapi tantangan seperti kualitas data yang tidak merata, kompleksitas pemrosesan yang tinggi, dan keragaman dan representasi data yang tidak mencukupi. Di ruang data Web3, data sintetis bisa menjadi bintang yang sedang naik daun. Berdasarkan teknologi AI generatif dan simulasi, data sintetis dapat mensimulasikan atribut data nyata, efektif melengkapi dan meningkatkan efisiensi penggunaan data. Di bidang-bidang seperti kendaraan otonom, perdagangan pasar keuangan, dan pengembangan game, data sintetis telah menunjukkan potensinya untuk aplikasi yang matang.

Perlindungan Privasi: Peran FHE dalam Web3

Dalam era yang didorong oleh data, perlindungan privasi telah menjadi fokus global, dan pengesahan Regulasi Perlindungan Data Umum Uni Eropa (GDPR) mencerminkan perlindungan ketat terhadap privasi individu. Namun, hal ini juga menimbulkan tantangan: beberapa data sensitif tidak dapat dimanfaatkan sepenuhnya karena risiko privasi, yang tanpa keraguan membatasi potensi dan kemampuan inferensi model AI.

Enkripsi Homomorfik Penuh (FHE) memungkinkan data terenkripsi dihitung langsung tanpa mendekripsi data, dan hasil dari perhitungan konsisten dengan hasil dari operasi yang sama pada data plaintext. FHE memberikan perlindungan kuat untuk komputasi pengawetan privasi AI, memungkinkan daya komputasi GPU untuk melakukan pelatihan model dan tugas inferensi tanpa mengakses data mentah. Ini memberikan keunggulan signifikan bagi perusahaan AI, karena mereka dapat membuka layanan API secara aman sambil melindungi rahasia dagang.

Mesin Pembelajaran Enkripsi Homomorfik Penuh (FHEML) mendukung enkripsi data dan model sepanjang siklus pembelajaran mesin, memastikan keamanan informasi sensitif dan mencegah kebocoran data. Dengan demikian, FHEML memperkuat privasi data dan menyediakan kerangka komputasi yang aman untuk aplikasi kecerdasan buatan.

FHEML melengkapi ZKML (Zero-Knowledge Machine Learning), di mana ZKML membuktikan eksekusi yang benar dari pembelajaran mesin, sementara FHEML menekankan komputasi pada data terenkripsi untuk menjaga privasi data.

Revolusi Komputasi: Komputasi AI dalam Web Terdesentralisasi

Kompleksitas komputasi sistem AI saat ini menggandakan diri setiap tiga bulan, menyebabkan lonjakan permintaan akan daya komputasi yang jauh melebihi pasokan sumber daya komputasi yang ada. Sebagai contoh, pelatihan model GPT-3 OpenAI membutuhkan daya komputasi yang sangat besar, setara dengan 355 tahun pelatihan pada satu perangkat. Kekurangan daya komputasi ini tidak hanya membatasi kemajuan teknologi AI, tetapi juga membuat model AI canggih tidak dapat diakses oleh sebagian besar peneliti dan pengembang.

Selain itu, penggunaan GPU global kurang dari 40%, dipadukan dengan perlambatan kinerja mikroprosesor, masalah rantai pasokan, dan kekurangan chip akibat faktor geopolitik, lebih memperparah masalah pasokan daya komputasi. Praktisi AI dihadapkan pada dilema: baik membeli perangkat keras atau menyewa sumber daya cloud, dan sangat membutuhkan model layanan komputasi sesuai permintaan dan hemat biaya.

IO.net adalah jaringan terdesentralisasi dari kekuatan komputasi AI berbasis Solana yang menggabungkan sumber daya GPU yang menganggur di seluruh dunia dan menyediakan pasar kekuatan komputasi yang terjangkau bagi perusahaan AI. Entitas yang memerlukan kekuatan komputasi dapat mempublikasikan tugas komputasi di jaringan, dan kontrak pintar menugaskan tugas kepada node penambang kontribusi. Para penambang melakukan tugas, mengirimkan hasil, dan menerima imbalan setelah verifikasi berhasil. Pendekatan IO.net meningkatkan efisiensi sumber daya dan membantu mengurangi bottleneck dalam kekuatan komputasi di ruang AI.

Selain jaringan kekuatan komputasi terdesentralisasi untuk tujuan umum, ada platform yang berfokus pada pelatihan kecerdasan buatan, seperti Gensyn dan Flock.io, serta jaringan kekuatan komputasi khusus yang berfokus pada inferensi kecerdasan buatan, seperti Ritual dan Fetch.ai.

Jaringan kekuatan komputasi terdesentralisasi menyediakan pasar kekuatan komputasi yang adil dan transparan, merusak monopoli, menurunkan ambang batas aplikasi, dan meningkatkan efisiensi pemanfaatan. Dalam ekosistem Web3, jaringan kekuatan komputasi terdesentralisasi akan memainkan peran kunci dalam menarik lebih banyak dApps inovatif untuk bersama-sama mempromosikan pengembangan dan aplikasi teknologi AI.

DePIN: Web3 memberdayakan kecerdasan buatan di tepi

Bayangkan ponsel pintar, smartwatch, atau bahkan perangkat rumah pintar Anda memiliki kemampuan untuk menjalankan AI - itulah keindahan AI di tepi. Edge AI memungkinkan komputasi terjadi di sumber data, memungkinkan pemrosesan berlatensi rendah dan real-time sambil melindungi privasi pengguna. Teknologi Edge AI sudah diterapkan dalam area kunci seperti pengemudi otonom.

Di ruang Web3, kita memiliki nama yang lebih akrab – DePIN. Web3 menekankan desentralisasi dan kedaulatan data pengguna, sementara DePIN meningkatkan perlindungan privasi pengguna dengan memproses data secara lokal, mengurangi risiko pelanggaran data. Ekonomi token asli Web3 dapat memberikan insentif kepada node DePIN untuk menyediakan sumber daya komputasi dan membangun ekosistem yang berkelanjutan.

Saat ini, DePIN berkembang pesat dalam ekosistem Solana dan telah menjadi salah satu platform rantai publik pilihan untuk implementasi proyek. Kapasitas throughput tinggi Solana, biaya transaksi rendah, dan inovasi teknologi memberikan dukungan kuat untuk proyek DePIN. Saat ini, kapitalisasi pasar proyek DePIN di Solana telah melebihi $10 miliar, dan proyek-proyek terkemuka seperti Render Network dan Helium Network telah membuat kemajuan signifikan.

IMO: Sebuah Paradigma Baru untuk Publikasi Model Kecerdasan Buatan

Konsep IMO (Penawaran Model Awal) pertama kali diusulkan oleh protokol Ora untuk mengonversi model AI menjadi token.

Dalam model tradisional, karena kurangnya mekanisme pembagian pendapatan, seringkali sulit bagi pengembang untuk memperoleh manfaat yang berkelanjutan dari penggunaan model AI yang diturunkan setelah dikembangkan dan dipasarkan. Terutama ketika model tersebut diintegrasikan ke dalam produk dan layanan lain, sulit bagi pengembang asli untuk melacak penggunaannya dan menghasilkan pendapatan. Selain itu, seringkali kurang transparansi mengenai kinerja dan efektivitas model AI, sehingga sulit bagi investor dan pengguna potensial untuk menilai nilai sebenarnya, membatasi penerimaan pasar dan potensi bisnis.

IMO memberikan pendekatan baru dalam pembiayaan dan pembagian nilai untuk model AI open-source. Investor dapat membeli token IMO dan mendapatkan bagian dari pendapatan yang dihasilkan oleh model tersebut. Protokol Oracle memanfaatkan standar ERC-7641 dan ERC-7007, dikombinasikan dengan teknologi AI Oracle Onchain dan OPML, untuk memastikan keaslian model AI dan memungkinkan pemegang token untuk berbagi hasil.

Model IMO meningkatkan transparansi dan kepercayaan, mendorong kolaborasi sumber terbuka, sejalan dengan tren pasar kripto, dan memberikan momentum dalam pengembangan teknologi AI yang berkelanjutan. Meskipun IMO masih berada dalam tahap eksperimental awal, inovasinya dan nilai potensialnya layak dinantikan saat penerimaan pasar dan partisipasi berkembang.

AI Agent: Era Baru Pengalaman Interaktif

Agen AI dapat menangkap lingkungan, berpikir secara independen, dan mengambil tindakan yang sesuai untuk mencapai tujuan yang telah ditetapkan. Didukung oleh model bahasa besar, agen AI tidak hanya dapat memahami bahasa alami, tetapi juga merencanakan, memutuskan, dan mengeksekusi tugas-tugas kompleks. Mereka dapat bertindak sebagai asisten virtual yang mempelajari preferensi pengguna dan memberikan solusi yang dipersonalisasi melalui interaksi. Bahkan tanpa instruksi eksplisit, agen AI dapat secara otonom menyelesaikan masalah, meningkatkan efisiensi, dan menciptakan nilai baru.

Myshell adalah platform aplikasi AI-native terbuka yang menyediakan seperangkat alat yang komprehensif dan ramah pengguna untuk mengkonfigurasi fungsionalitas bot, tampilan, suara, dan terhubung ke basis pengetahuan eksternal. Platform ini berkomitmen untuk menciptakan ekosistem konten AI yang adil dan terbuka, menggunakan teknologi AI generatif untuk memberdayakan individu menjadi pencipta super. Myshell telah melatih model bahasa besar khusus untuk membuat peran bermain lebih manusiawi. Teknologi kloning suaranya dapat mempercepat interaksi produk AI yang dipersonalisasi, mengurangi biaya sintesis ucapan hingga 99%, dan kloning suara hanya membutuhkan 1 menit. Agen AI kustom yang dibuat dengan Myshell saat ini dapat diterapkan dalam berbagai bidang, termasuk obrolan video, pembelajaran bahasa, dan generasi gambar.

Dalam konvergensi Web3 dan AI, fokus saat ini terutama pada mengeksplorasi lapisan infrastruktur untuk memecahkan masalah kunci seperti memperoleh data berkualitas tinggi, melindungi privasi data, menempatkan model-model di rantai, meningkatkan penggunaan efektif dari kekuatan komputasi terdesentralisasi, dan memvalidasi model-model bahasa besar. Seiring maturitas komponen infrastruktur ini, ada alasan untuk percaya bahwa konvergensi Web3 dan AI akan melahirkan berbagai model bisnis dan layanan inovatif.

Pernyataan:

1. Artikel ini dicetak ulang dari [ cermin]. Semua hak cipta milik penulis asli [BadBot]. Jika Anda memiliki keberatan terhadap penggandaan, silakan hubungi Gate Learntim dan mereka akan menanganinya dengan cepat.
2. Penyangkalan: Pandangan dan pendapat yang terdapat dalam artikel ini semata-mata milik penulis dan tidak merupakan saran investasi apa pun.
3. Terjemahan artikel ini dilakukan oleh tim Gate Learn. Kecuali dinyatakan lain, reproduksi, distribusi, atau plagiarisme artikel yang diterjemahkan dilarang.