Web3, sebagai paradigma baru internet yang terdesentralisasi, terbuka, dan transparan, memiliki sinergi yang melekat dengan AI. Di bawah arsitektur terpusat tradisional, komputasi AI dan sumber daya data tunduk pada kontrol yang ketat, sehingga menghadapi berbagai tantangan seperti hambatan komputasi, pelanggaran privasi, dan kotak hitam algoritmik. Di sisi lain, Web3, yang dibangun berdasarkan teknologi terdistribusi, dapat memberikan 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 Web3 dengan kemampuan seperti mengoptimalkan kontrak pintar dan algoritma anti-kecurangan, sehingga membantu pembangunan ekosistem. Oleh karena itu, mengeksplorasi konvergensi Web3 dan AI sangat penting untuk membangun infrastruktur internet generasi mendatang dan membuka nilai data dan daya komputasi.
Berbasis Data: Fondasi Kuat AI dan Web3
Data merupakan kekuatan pendorong utama di balik pengembangan AI, seperti bahan bakar untuk sebuah mesin. Model AI memerlukan penyerapan sejumlah besar data berkualitas tinggi untuk memperoleh pemahaman yang mendalam dan kemampuan penalaran yang kuat. Data tidak hanya menyediakan dasar pelatihan untuk model pembelajaran mesin, tetapi juga menentukan keakuratan dan keandalannya.
Dalam model akuisisi dan pemanfaatan data AI terpusat tradisional, muncul beberapa masalah utama:
Biaya perolehan data sangatlah tinggi, sehingga menyulitkan usaha kecil dan menengah untuk berpartisipasi.
Sumber daya data dimonopoli oleh raksasa teknologi, sehingga menciptakan silo data.
Privasi data pribadi menghadapi risiko kebocoran dan penyalahgunaan.
Web3 menawarkan paradigma data terdesentralisasi baru untuk mengatasi permasalahan model tradisional:
Melalui proyek seperti Grass, pengguna dapat menjual kapasitas jaringan yang tidak aktif kepada perusahaan AI, yang memungkinkan perayapan, pembersihan, dan transformasi data web yang terdesentralisasi untuk menyediakan data nyata dan berkualitas tinggi untuk pelatihan model AI.
AI Publik mengadopsi model "label untuk memperoleh", memberi insentif kepada pekerja global dengan token untuk berpartisipasi dalam anotasi data, menggabungkan keahlian global, dan meningkatkan kemampuan analisis data.
Platform transaksi data Blockchain seperti Ocean Protocol dan Streamr menyediakan lingkungan perdagangan yang terbuka dan transparan untuk penawaran dan permintaan data, mendorong inovasi dan berbagi data.
Meskipun demikian, akuisisi data dunia nyata juga menghadapi tantangan seperti kualitas data yang bervariasi, kompleksitas pemrosesan yang tinggi, serta keragaman dan representasi yang tidak memadai. Data sintetis mungkin menjadi bintang yang sedang naik daun dalam ranah data Web3. Berdasarkan teknologi dan simulasi AI generatif, data sintetis dapat meniru properti data nyata, melengkapinya secara efektif, dan meningkatkan efisiensi penggunaan data. Dalam domain seperti mengemudi otomatis, perdagangan pasar keuangan, dan pengembangan game, data sintetis telah menunjukkan potensi aplikasinya yang matang.
Perlindungan Privasi: Peran FHE di Web3
Di era yang berbasis data, perlindungan privasi telah menjadi titik fokus global, sebagaimana dibuktikan oleh pemberlakuan regulasi seperti Peraturan Perlindungan Data Umum (GDPR) Uni Eropa, yang mencerminkan perlindungan ketat terhadap privasi pribadi. Namun, hal ini juga menimbulkan tantangan: beberapa data sensitif tidak dapat digunakan sepenuhnya karena risiko privasi, yang tidak diragukan lagi membatasi potensi dan kemampuan penalaran model AI.
FHE, atau Enkripsi Homomorfik Penuh, memungkinkan perhitungan langsung pada data terenkripsi tanpa perlu dekripsi, sementara hasil perhitungannya konsisten dengan pelaksanaan operasi yang sama pada data teks biasa.
FHE memberikan perlindungan yang kuat untuk komputasi privasi AI, yang memungkinkan daya komputasi GPU untuk menjalankan tugas pelatihan dan inferensi model tanpa mengakses data asli. Hal ini memberikan keuntungan yang signifikan bagi perusahaan AI, karena mereka dapat membuka layanan API dengan aman sekaligus melindungi rahasia dagang.
FHEML mendukung pemrosesan data dan model terenkripsi di seluruh siklus hidup pembelajaran mesin, memastikan keamanan informasi sensitif dan mencegah kebocoran data. Dengan cara ini, FHEML memperkuat privasi data dan menyediakan kerangka kerja komputasi yang aman untuk aplikasi AI.
FHEML melengkapi ZKML, di mana ZKML membuktikan eksekusi pembelajaran mesin yang benar, sementara FHEML menekankan komputasi pada data terenkripsi untuk menjaga privasi data.
Revolusi Komputasi: Komputasi AI dalam Jaringan Terdesentralisasi
Kompleksitas komputasional sistem AI saat ini berlipat ganda setiap tiga bulan, yang menyebabkan lonjakan permintaan daya komputasi yang jauh melebihi pasokan sumber daya komputasi yang ada. Misalnya, pelatihan model GPT-3 OpenAI membutuhkan daya komputasi yang sangat besar, setara dengan 355 tahun waktu pelatihan pada satu perangkat. Kekurangan daya komputasi seperti itu tidak hanya membatasi kemajuan teknologi AI tetapi juga membuat model AI tingkat lanjut tidak dapat diakses oleh sebagian besar peneliti dan pengembang.
Selain itu, tingkat penggunaan GPU global di bawah 40%, ditambah dengan perlambatan peningkatan kinerja mikroprosesor dan faktor rantai pasokan serta geopolitik yang menyebabkan kekurangan chip, memperburuk masalah pasokan daya komputasi. Praktisi AI menemukan diri mereka dalam dilema: membeli perangkat keras atau menyewa sumber daya cloud, sangat membutuhkan model layanan komputasi sesuai permintaan dan hemat biaya.
IO.net adalah jaringan daya komputasi AI terdesentralisasi yang berbasis pada Solana, yang menggabungkan sumber daya GPU yang tidak aktif secara global untuk menyediakan pasar daya komputasi yang ekonomis dan mudah diakses bagi perusahaan AI. Entitas yang membutuhkan daya komputasi dapat menerbitkan tugas komputasi di jaringan, dan kontrak pintar akan mengalokasikan tugas ke node penambang yang berkontribusi. Penambang menjalankan tugas, mengirimkan hasilnya, dan menerima poin hadiah setelah verifikasi berhasil. Pendekatan IO.net meningkatkan efisiensi penggunaan sumber daya, membantu mengurangi hambatan daya komputasi di bidang seperti AI.
Selain jaringan daya komputasi terdesentralisasi umum, ada platform yang didedikasikan untuk pelatihan AI, seperti Gensyn dan Flock.io, serta jaringan daya komputasi khusus yang berfokus pada inferensi AI, seperti Ritual dan Fetch.ai.
Jaringan daya komputasi terdesentralisasi menyediakan pasar daya komputasi yang adil dan transparan, memutus monopoli, menurunkan hambatan aplikasi, dan meningkatkan efisiensi pemanfaatan. Dalam ekosistem Web3, jaringan daya komputasi terdesentralisasi akan memainkan peran penting, menarik lebih banyak dApps yang inovatif dan bersama-sama mendorong pengembangan dan penerapan teknologi AI.
DePIN: Web3 Memberdayakan AI Edge
Bayangkan ponsel pintar, jam tangan pintar, atau bahkan perangkat rumah pintar Anda memiliki kemampuan untuk menjalankan AI – inilah daya tarik Edge AI. Teknologi ini memungkinkan komputasi terjadi di sumber data, mewujudkan latensi rendah dan pemrosesan waktu nyata sekaligus melindungi privasi pengguna. Teknologi Edge AI telah diterapkan di domain penting seperti mengemudi otomatis.
Di ranah Web3, kita memiliki nama yang lebih dikenal – DePIN. Web3 menekankan desentralisasi dan kedaulatan data pengguna, dan DePIN meningkatkan perlindungan privasi pengguna dengan memproses data secara lokal, sehingga mengurangi risiko kebocoran data. Ekonomi token asli Web3 dapat memberi insentif kepada node DePIN untuk menyediakan sumber daya komputasi, sehingga membangun ekosistem yang berkelanjutan.
Saat ini, DePIN berkembang pesat di ekosistem Solana, menjadi salah satu platform rantai publik pilihan untuk penerapan proyek. Throughput tinggi, biaya transaksi rendah, dan inovasi teknologi Solana telah memberikan dukungan kuat untuk proyek DePIN. Saat ini, kapitalisasi pasar proyek DePIN di Solana melampaui $10 miliar, dengan proyek-proyek penting seperti Render Network dan Helium Network mencapai kemajuan signifikan.
IMO: Paradigma Baru untuk Penerbitan Model AI
Konsep IMO (Initial Model Offering) pertama kali diperkenalkan oleh protokol Ora yang menokenisasi model AI.
Dalam model tradisional, karena kurangnya mekanisme pembagian pendapatan, setelah model AI dikembangkan dan dirilis ke pasar, pengembang sering kali kesulitan untuk memperoleh pendapatan berkelanjutan dari penggunaan model selanjutnya. Terutama ketika model diintegrasikan ke dalam produk dan layanan lain, menjadi tantangan bagi kreator asli untuk melacak penggunaan dan, akibatnya, menghasilkan pendapatan. Selain itu, kinerja dan efektivitas model AI sering kali kurang transparan, sehingga menyulitkan calon investor dan pengguna untuk mengevaluasi nilai sebenarnya, sehingga membatasi penerimaan pasar dan potensi komersial.
IMO menyediakan metode pendanaan dan pembagian nilai yang baru untuk model AI sumber terbuka. Investor dapat membeli token IMO untuk berbagi pendapatan selanjutnya yang dihasilkan oleh model tersebut. Protokol Ora menggunakan standar ERC-7641 dan ERC-7007 ERC, dikombinasikan dengan teknologi Onchain AI Oracle dan OPML, untuk memastikan keaslian model AI dan memungkinkan pemegang token untuk berbagi pendapatan.
Model IMO meningkatkan transparansi dan kepercayaan, mendorong kolaborasi sumber terbuka, selaras dengan tren pasar kripto, dan menyuntikkan momentum ke dalam pengembangan teknologi AI yang berkelanjutan. Meskipun IMO masih dalam tahap percobaan awal, seiring dengan meluasnya penerimaan dan partisipasi pasar, sifat inovatif dan nilai potensialnya patut diantisipasi.
Agen AI: Era Baru Pengalaman Interaktif
Agen AI dapat memahami lingkungannya, terlibat dalam pemikiran independen, dan mengambil tindakan yang tepat untuk mencapai tujuan yang telah ditetapkan sebelumnya. Dengan dukungan model bahasa yang besar, Agen AI tidak hanya memahami bahasa alami tetapi juga dapat merencanakan, membuat keputusan, dan melaksanakan tugas-tugas yang kompleks. Mereka dapat berfungsi sebagai asisten virtual, mempelajari preferensi pengguna melalui interaksi dan memberikan solusi yang dipersonalisasi. Bahkan tanpa instruksi yang jelas, Agen AI dapat memecahkan masalah secara mandiri, meningkatkan efisiensi, dan menciptakan nilai baru.
Myshell adalah platform aplikasi berbasis AI terbuka yang menawarkan perangkat yang komprehensif dan mudah digunakan untuk mengonfigurasi fungsionalitas bot, tampilan, suara, dan menghubungkan ke basis pengetahuan eksternal. Platform ini berupaya menciptakan ekosistem konten AI yang adil dan terbuka, memberdayakan individu untuk menjadi kreator hebat dengan memanfaatkan teknologi AI generatif. Myshell telah melatih model bahasa besar yang terspesialisasi untuk membuat permainan peran lebih manusiawi. Teknologi kloning suaranya dapat mempercepat interaksi produk AI yang dipersonalisasi, mengurangi biaya sintesis suara hingga 99%, dengan kloning suara yang dapat dicapai hanya dalam 1 menit. Agen AI yang disesuaikan yang dibuat dengan Myshell saat ini dapat diterapkan ke berbagai domain, termasuk obrolan video, pembelajaran bahasa, dan pembuatan gambar.
Dalam konvergensi Web3 dan AI, fokus saat ini terutama pada eksplorasi lapisan infrastruktur, menangani isu-isu penting seperti perolehan data berkualitas tinggi, perlindungan privasi data, hosting model on-chain, peningkatan pemanfaatan daya komputasi terdesentralisasi yang efisien, dan verifikasi model bahasa yang besar. Seiring dengan semakin matangnya komponen infrastruktur ini, kami memiliki alasan untuk percaya bahwa penggabungan Web3 dan AI akan melahirkan serangkaian model bisnis dan layanan yang inovatif.