La fusión de Web3 y AI: Construyendo la infraestructura de internet de nueva generación

Web3, como un nuevo paradigma de Internet descentralizado, abierto y transparente, presenta oportunidades de fusión naturales con la IA. Bajo la arquitectura centralizada tradicional, los recursos de cálculo y datos de la IA están sujetos a estrictas limitaciones, enfrentando desafíos como cuellos de botella en la capacidad de cálculo, filtraciones de privacidad y algoritmos de caja negra. Web3, basado en tecnologías distribuidas, puede proporcionar un nuevo impulso al desarrollo de la IA a través de redes de potencia compartida, mercados de datos abiertos, y computación privada. Al mismo tiempo, la IA también puede empoderar a Web3 en múltiples aspectos, como la optimización de contratos inteligentes y algoritmos anti-fraude, promoviendo así su construcción ecológica. Por lo tanto, explorar la combinación de Web3 y IA tiene una importancia significativa para construir la infraestructura de Internet de próxima generación y liberar el valor de los datos y la capacidad de cálculo.

Impulsado por datos: La piedra angular de la IA y Web3

Los datos son el motor central que impulsa el desarrollo de la IA. Los modelos de IA necesitan digerir una gran cantidad de datos de alta calidad para obtener una comprensión profunda y una potente capacidad de razonamiento. Los datos no solo proporcionan la base de entrenamiento para los modelos de aprendizaje automático, sino que también determinan la precisión y fiabilidad del modelo.

Los siguientes problemas principales existen en el modelo tradicional de adquisición y utilización de datos de IA centralizada:

• El costo de obtención de datos es alto, lo que dificulta a las pequeñas y medianas empresas asumirlo.
• Los recursos de datos están monopolizados por grandes empresas tecnológicas, formando islas de datos.
• Los datos personales están expuestos a riesgos de filtración y abuso.

Web3 ofrece un nuevo paradigma de datos descentralizados para abordar estos puntos críticos:

• Los usuarios pueden vender recursos de red ociosos a empresas de IA para capturar datos de la red de manera descentralizada, que serán limpiados y transformados para proporcionar datos reales y de alta calidad para el entrenamiento de modelos de IA.
• Adoptar el modelo de "ganar al etiquetar", incentivando a trabajadores de todo el mundo a participar en la anotación de datos mediante tokens, reuniendo conocimientos profesionales globales y mejorando la capacidad de análisis de datos.
• La plataforma de intercambio de datos en blockchain proporciona un entorno de transacción público y transparente para ambas partes en la oferta y demanda de datos, incentivando la innovación y el intercambio de datos.

Sin embargo, la obtención de datos del mundo real sigue enfrentando algunos problemas, como la calidad variable de los datos, la dificultad de procesamiento, la insuficiencia de diversidad y representatividad, entre otros. Los datos sintéticos podrían ser un punto destacado en el futuro del ámbito de datos Web3. Basados en tecnologías de IA generativa y simulación, los datos sintéticos pueden imitar las propiedades de los datos reales, como un complemento eficaz, mejorando la eficiencia del uso de datos. En campos como la conducción autónoma, el comercio en mercados financieros y el desarrollo de videojuegos, los datos sintéticos han mostrado un potencial de aplicación maduro.

Protección de la privacidad: Aplicaciones de FHE en Web3

En la era impulsada por los datos, la protección de la privacidad se ha convertido en un enfoque global, y regulaciones como el Reglamento General de Protección de Datos de la UE reflejan una estricta protección de la privacidad personal. Sin embargo, esto también plantea desafíos: algunos datos sensibles no pueden ser utilizados plenamente debido a riesgos de privacidad, lo que limita el potencial y la capacidad de razonamiento de los modelos de IA.

La encriptación totalmente homomórfica ( FHE ) permite realizar operaciones de cálculo directamente sobre datos encriptados, sin necesidad de desencriptar los datos, y los resultados del cálculo son consistentes con los resultados del cálculo en texto claro. FHE proporciona una sólida protección para el cálculo de privacidad de IA, permitiendo que la potencia de cálculo de GPU ejecute tareas de entrenamiento y razonamiento de modelos en un entorno sin acceder a los datos originales. Esto brinda una gran ventaja a las empresas de IA, ya que pueden ofrecer servicios API de manera segura mientras protegen secretos comerciales.

FHEML admite el procesamiento encriptado de datos y modelos durante todo el ciclo de vida del aprendizaje automático, asegurando la seguridad de la información sensible y previniendo el riesgo de filtraciones de datos. De esta manera, FHEML refuerza la privacidad de los datos y proporciona un marco de computación seguro para aplicaciones de IA.

FHEML es un complemento de ZKML; ZKML prueba la correcta ejecución del aprendizaje automático, mientras que FHEML enfatiza el cálculo sobre datos cifrados para mantener la privacidad de los datos.

Revolución de la potencia de cálculo: IA en redes descentralizadas

La complejidad computacional de los sistemas de IA actuales se duplica cada 3 meses, lo que provoca un aumento vertiginoso en la demanda de capacidad de cálculo, superando con creces la oferta de recursos computacionales existentes. Por ejemplo, el entrenamiento de un modelo de lenguaje grande requiere una enorme capacidad de cálculo, equivalente a 355 años de tiempo de entrenamiento en un solo dispositivo. Esta escasez de capacidad de cálculo no solo limita el avance de la tecnología de IA, sino que también hace que los modelos de IA avanzados sean inalcanzables para la mayoría de los investigadores y desarrolladores.

Al mismo tiempo, la tasa de utilización global de GPU es inferior al 40%, además de la desaceleración en el aumento del rendimiento de los microprocesadores y la escasez de chips provocada por factores de la cadena de suministro y geopolíticos, lo que agrava el problema del suministro de capacidad de cálculo. Los profesionales de la IA se enfrentan a un dilema: o compran hardware por su cuenta o alquilan recursos en la nube, y necesitan urgentemente una forma de servicio de computación que sea bajo demanda y económicamente eficiente.

La red de poder computacional AI descentralizada proporciona un mercado de poder computacional accesible económicamente a las empresas de IA al agregar recursos GPU inactivos a nivel global. Los demandantes de poder computacional pueden publicar tareas de cálculo en la red, y los contratos inteligentes asignan las tareas a los nodos que contribuyen con poder computacional, los nodos ejecutan las tareas y envían los resultados, y tras la verificación, reciben recompensas. Esta solución mejora la eficiencia de la utilización de recursos y ayuda a resolver el problema de cuellos de botella en el poder computacional en campos como la IA.

Además de las redes de computación descentralizada generales, existen plataformas de computación específicas centradas en el entrenamiento e inferencia de IA. Las redes de computación descentralizada ofrecen un mercado justo y transparente, rompiendo monopolios, reduciendo las barreras de acceso a las aplicaciones y mejorando la eficiencia en el uso de la computación. En el ecosistema Web3, las redes de computación descentralizada jugarán un papel clave, atrayendo más aplicaciones innovadoras para unirse y promover conjuntamente el desarrollo y la aplicación de la tecnología de IA.

DePIN: Web3 potencia la IA en el borde

Imagina que tu teléfono móvil, tu reloj inteligente e incluso los dispositivos inteligentes de tu hogar tienen la capacidad de ejecutar IA; esta es la magia de la IA en el borde. Permite que el cálculo ocurra en la fuente de generación de datos, logrando un procesamiento en tiempo real y con baja latencia, al mismo tiempo que protege la privacidad del usuario. La tecnología de IA en el borde ya se ha aplicado en campos clave como la conducción autónoma.

En el ámbito de Web3, el nombre que conocemos mejor es DePIN. Web3 enfatiza la descentralización y la soberanía de los datos del usuario, DePIN mejora la protección de la privacidad del usuario al procesar los datos localmente y reduce el riesgo de filtraciones de datos; el mecanismo de economía de tokens nativo de Web3 puede incentivar a los nodos de DePIN a proporcionar recursos computacionales, construyendo un ecosistema sostenible.

Actualmente, DePIN se está desarrollando rápidamente en el ecosistema de una cierta cadena pública, convirtiéndose en una de las plataformas preferidas para la implementación de proyectos. El alto TPS, los bajos costos de transacción y la innovación tecnológica de esta cadena pública brindan un fuerte apoyo a los proyectos DePIN. Actualmente, la capitalización de mercado de los proyectos DePIN en esta cadena pública supera los 10 mil millones de dólares, y algunos proyectos conocidos han logrado avances significativos.

IMO: Lanzamiento de un nuevo paradigma de modelos de IA

El concepto de IMO fue propuesto por un protocolo, tokenizando modelos de IA.

En el modelo tradicional, debido a la falta de un mecanismo de reparto de beneficios, los desarrolladores de modelos de IA tienen dificultades para obtener ingresos continuos del uso posterior del modelo, especialmente cuando el modelo se integra en otros productos y servicios, lo que dificulta que los creadores originales rastreen el uso y, por lo tanto, obtengan beneficios. Además, el rendimiento y la efectividad de los modelos de IA a menudo carecen de transparencia, lo que dificulta que los inversores y usuarios potenciales evalúen su verdadero valor, limitando así el reconocimiento en el mercado y el potencial comercial del modelo.

IMO proporciona un nuevo método de financiamiento y reparto de valor para modelos de IA de código abierto, permitiendo a los inversores comprar tokens IMO y compartir las ganancias generadas por el modelo en el futuro. Un protocolo utiliza un estándar ERC específico, combinando tecnologías de oráculos de IA y OPML para garantizar la autenticidad del modelo de IA y que los poseedores de tokens puedan compartir las ganancias.

El modelo IMO ha mejorado la transparencia y la confianza, fomentando la colaboración de código abierto, adaptándose a las tendencias del mercado de criptomonedas y aportando impulso al desarrollo sostenible de la tecnología AI. Actualmente, el IMO se encuentra en una fase de prueba inicial, pero a medida que aumente la aceptación del mercado y se amplíe la participación, su innovación y valor potencial son dignos de ser esperados.

Agente de IA: Una nueva era de experiencia interactiva

El Agente de IA puede percibir el entorno, pensar de manera independiente y tomar acciones correspondientes para lograr los objetivos establecidos. Con el apoyo de modelos de lenguaje grandes, el Agente de IA no solo puede entender el lenguaje natural, sino también planificar decisiones y ejecutar tareas complejas. Pueden funcionar como asistentes virtuales, aprendiendo preferencias a través de la interacción con los usuarios y ofreciendo soluciones personalizadas. Incluso sin instrucciones claras, el Agente de IA puede resolver problemas de forma autónoma, mejorar la eficiencia y crear nuevo valor.

Una plataforma nativa de aplicaciones de IA abierta ofrece un conjunto de herramientas de creación completas y fáciles de usar, que permite a los usuarios configurar funciones de robots, apariencia, sonido y conectar bases de datos externas, con el objetivo de crear un ecosistema de contenido de IA justo y abierto. Utilizando tecnología de IA generativa, empodera a los individuos para convertirse en creadores superdotados. Esta plataforma ha entrenado un modelo de lenguaje especializado, haciendo que los juegos de rol sean más humanizados; la tecnología de clonación de voz puede acelerar la interacción personalizada de los productos de IA, y esta plataforma ha reducido el costo de la síntesis de voz en un 99%, logrando la clonación de voz en solo 1 minuto. Con el AI Agent personalizado de esta plataforma, actualmente se puede aplicar en múltiples campos como videollamadas, aprendizaje de idiomas, generación de imágenes, entre otros.

En la fusión de Web3 y AI, actualmente se explora más la capa de infraestructura, cómo obtener datos de alta calidad, proteger la privacidad de los datos, cómo alojar modelos en la cadena, cómo mejorar el uso eficiente de la potencia de cálculo descentralizada, cómo validar grandes modelos de lenguaje y otros problemas clave. A medida que estas infraestructuras se perfeccionen gradualmente, tenemos razones para creer que la fusión de Web3 y AI dará lugar a una serie de modelos de negocio y servicios innovadores.