Status Pengembangan AI+Web3: Analisis Proyek, Keterbatasan, dan Prospek Masa Depan

1. Pendahuluan: Perkembangan AI+Web3

Dalam beberapa tahun terakhir, perkembangan pesat teknologi kecerdasan buatan (AI) dan Web3 telah menarik perhatian luas di seluruh dunia. AI telah mencapai terobosan signifikan dalam bidang pengenalan wajah, pemrosesan bahasa alami, dan pembelajaran mesin, membawa perubahan dan inovasi besar di berbagai industri. Pada tahun 2023, ukuran pasar industri AI mencapai 200 miliar dolar AS, dengan perusahaan-perusahaan seperti OpenAI, Character.AI, dan Midjourney memimpin gelombang AI.

Sementara itu, Web3 sebagai model jaringan yang baru muncul sedang mengubah cara orang memahami dan menggunakan internet. Web3 dibangun di atas teknologi blockchain yang terdesentralisasi, melalui kontrak pintar, penyimpanan terdistribusi, dan fungsi verifikasi identitas terdesentralisasi, mewujudkan berbagi data yang dapat dikendalikan, otonomi pengguna, dan pembentukan mekanisme kepercayaan. Ide inti Web3 adalah membebaskan data dari tangan lembaga terpusat, memberikan kontrol dan hak berbagi nilai kepada pengguna atas data. Saat ini, nilai pasar industri Web3 mencapai 25 triliun, proyek-proyek seperti Bitcoin, Ethereum, dan Solana menarik semakin banyak orang untuk bergabung.

Kombinasi AI dan Web3 adalah bidang penting yang menjadi perhatian di Timur dan Barat, bagaimana mengintegrasikan keduanya dengan baik patut untuk dieksplorasi. Artikel ini akan fokus pada keadaan perkembangan AI+Web3, menganalisis status proyek saat ini serta keterbatasan dan tantangan yang dihadapi, untuk memberikan referensi dan wawasan bagi para investor dan praktisi industri.

Dua, cara interaksi AI dengan Web3

Perkembangan AI dan Web3 seperti dua sisi timbangan, AI membawa peningkatan produktivitas, Web3 membawa perubahan dalam hubungan produksi. Selanjutnya, kita akan menganalisis tantangan yang dihadapi kedua industri dan ruang untuk peningkatan, serta membahas bagaimana saling membantu untuk mengatasi tantangan ini.

2.1 Tantangan yang Dihadapi oleh Industri AI

Inti dari industri AI tidak terlepas dari tiga elemen: daya komputasi, algoritma, dan data.

1. Kekuatan komputasi merujuk pada kemampuan untuk melakukan perhitungan dan pemrosesan skala besar. Tugas AI memerlukan pemrosesan sejumlah besar data dan perhitungan kompleks, seperti pelatihan model jaringan saraf dalam. Kemampuan komputasi yang tinggi dapat mempercepat pelatihan dan inferensi model, serta meningkatkan kinerja dan efisiensi sistem AI. Dalam beberapa tahun terakhir, perkembangan GPU dan chip AI khusus telah mendorong kemajuan industri AI secara signifikan.

2. Algoritma adalah inti dari sistem AI, termasuk algoritma pembelajaran mesin tradisional dan algoritma pembelajaran mendalam. Pemilihan dan desain algoritma sangat penting bagi kinerja sistem AI. Peningkatan dan inovasi algoritma secara terus-menerus dapat meningkatkan akurasi, ketahanan, dan kemampuan generalisasi sistem.

3. Data adalah dasar untuk melatih dan mengoptimalkan model. Melalui sampel data berskala besar, sistem AI dapat belajar model yang lebih akurat dan cerdas. Dataset yang kaya menyediakan informasi yang komprehensif dan beragam, membantu model untuk lebih baik dalam generalisasi dan menyelesaikan masalah nyata.

AI menghadapi banyak tantangan di tiga bidang ini:

Dalam hal daya komputasi, memperoleh dan mengelola daya komputasi dalam skala besar mahal dan rumit, terutama bagi perusahaan rintisan dan pengembang individu.

Dalam hal algoritma, pembelajaran mendalam membutuhkan banyak data dan sumber daya perhitungan, interpretabilitas model dan kemampuan generalisasi masih perlu ditingkatkan.

Dalam hal data, mendapatkan data yang berkualitas tinggi dan beragam masih merupakan tantangan, dan data di beberapa bidang sulit untuk diperoleh. Kualitas data, akurasi, dan perlindungan privasi juga merupakan faktor penting yang harus dipertimbangkan.

Selain itu, masalah interpretabilitas dan transparansi model AI, serta ketidakjelasan model bisnis juga perlu segera diatasi.

2.2 Tantangan yang Dihadapi oleh Industri Web3

Industri Web3 memiliki ruang untuk perbaikan dalam analisis data, pengalaman pengguna, dan keamanan kontrak pintar. AI sebagai alat untuk meningkatkan produktivitas, memiliki banyak aplikasi potensial dalam bidang-bidang ini:

1. Kemampuan analisis dan prediksi data: AI dapat mengekstrak informasi berharga dari data besar, melakukan prediksi dan pengambilan keputusan yang lebih akurat, yang sangat berarti untuk penilaian risiko dan manajemen aset di bidang DeFi dan lainnya.

2. Pengalaman pengguna dan layanan yang dipersonalisasi: AI dapat menganalisis data pengguna, memberikan rekomendasi yang dipersonalisasi dan layanan kustom, meningkatkan keterlibatan dan kepuasan pengguna.

3. Keamanan dan Perlindungan Privasi: AI dapat digunakan untuk mendeteksi serangan siber, mengidentifikasi perilaku abnormal, dan memberikan perlindungan keamanan yang lebih kuat. Sementara itu, AI juga dapat diterapkan dalam perlindungan privasi data, melindungi informasi pribadi pengguna.

4. Audit Kontrak Pintar: AI dapat digunakan untuk mengotomatiskan audit kontrak dan deteksi kerentanan, meningkatkan keamanan dan keandalan kontrak.

Dapat dilihat, AI dapat membantu mengatasi tantangan yang dihadapi industri Web3 dalam banyak aspek, mendorong perkembangan industri.

Tiga, Analisis Status Proyek AI+Web3

Proyek AI+Web3 terutama ditangani dari dua aspek: memanfaatkan teknologi blockchain untuk meningkatkan kinerja proyek AI, serta memanfaatkan teknologi AI untuk melayani proyek Web3. Saat ini muncul berbagai proyek seperti Io.net, Gensyn, Ritual, dan di bawah ini akan dianalisis keadaan dan perkembangan dari berbagai sub-lintasan.

3.1 Web3 Mendukung AI

3.1.1 Kekuatan komputasi terdesentralisasi

Dengan munculnya model besar seperti ChatGPT, permintaan AI terhadap kekuatan komputasi meningkat pesat, menyebabkan kekurangan GPU. Proyek kekuatan komputasi terdesentralisasi seperti Akash, Render, Gensyn, dan lainnya menarik pengguna untuk menyediakan kekuatan GPU yang tidak terpakai melalui insentif token, untuk memberikan dukungan kekuatan komputasi bagi klien AI.

Sisi pasokan terutama mencakup penyedia layanan cloud, penambang cryptocurrency, dan perusahaan besar. Proyek ini menarik penyedia melalui insentif token, kemudian menyediakan layanan jaringan komputasi kepada sisi permintaan, untuk mencocokkan penawaran dan permintaan dari kekuatan komputasi yang tidak terpakai.

Proyek komputasi terdesentralisasi secara umum dibagi menjadi dua kategori: satu untuk inferensi AI ( seperti Render, Akash ), dan yang lainnya untuk pelatihan AI ( seperti io.net, Gensyn ). io.net sebagai perwakilan, saat ini memiliki lebih dari 500.000 GPU, menunjukkan kinerja yang menonjol dalam proyek komputasi terdesentralisasi.

3.1.2 Model Algoritma Desentralisasi

Proyek model algoritma terdesentralisasi seperti Bittensor, berharap untuk menciptakan ekosistem yang terbuka dan transparan, sehingga model AI dapat dilatih, dibagikan, dan dimanfaatkan secara aman dan terdesentralisasi.

Dalam Bittensor, penyedia model algoritma menyumbangkan model pembelajaran mesin ke jaringan dan mendapatkan imbalan token. Jaringan menggunakan mekanisme konsensus unik untuk memastikan jawaban terbaik. Token TAO digunakan untuk mendorong penambang menyumbangkan model algoritma, sementara pengguna harus mengeluarkan token untuk bertanya dan menyelesaikan tugas.

3.1.3 Pengumpulan Data Terdesentralisasi

Untuk mengatasi masalah pasokan data pelatihan AI, beberapa proyek menggabungkan Web3 dengan insentif token untuk mewujudkan pengumpulan data yang terdesentralisasi. Seperti PublicAI yang memungkinkan pengguna berpartisipasi sebagai penyedia data dan validator, serta mendapatkan imbalan token.

Proyek pengumpulan data terdesentralisasi lainnya seperti Ocean yang mengumpulkan data pengguna melalui tokenisasi data, Hivemapper yang mengumpulkan data peta, Dimo yang mengumpulkan data mobil, dan sebagainya, juga dapat menjadi sisi pasokan potensial untuk pelatihan AI.

3.1.4 Perlindungan ZK terhadap Privasi Pengguna dalam AI

Teknologi bukti nol-pengetahuan dapat membantu mengatasi konflik antara perlindungan privasi dan berbagi data dalam AI. ZKML(Zero-Knowledge Machine Learning) memungkinkan pelatihan dan inferensi model pembelajaran mesin tanpa mengungkapkan data asli.

BasedAI mengusulkan untuk mengintegrasikan enkripsi homomorfik penuh (FHE) dengan model bahasa besar (LLM), memanfaatkan model bahasa besar berbasis pengetahuan nol (ZK-LLM) untuk melindungi privasi data pengguna.

Selain itu, proyek seperti Cortex mendukung eksekusi program AI di blockchain, dengan memanfaatkan GPU untuk menjalankan model AI di blockchain, mewujudkan inferensi AI yang terdesentralisasi, tidak dapat diubah, dan transparan.

3.2 AI Mendukung Web3

3.2.1 Analisis dan Prediksi Data

Banyak proyek Web3 yang mengintegrasikan layanan AI untuk menyediakan analisis data dan prediksi bagi pengguna. Seperti Pond yang menggunakan algoritma graf AI untuk memprediksi token berharga, BullBear AI memprediksi tren harga. Numerai menyelenggarakan kompetisi prediksi pasar saham AI, Arkham menggabungkan AI untuk analisis data on-chain.

3.2.2 Layanan Personalisasi

Proyek Web3 mengoptimalkan pengalaman pengguna melalui integrasi AI. Seperti Dune yang meluncurkan alat Wand untuk menulis kueri SQL menggunakan model bahasa besar; Followin dan IQ.wiki mengintegrasikan ChatGPT untuk merangkum konten; NFPrompt memungkinkan pengguna menghasilkan NFT melalui AI.

3.2.3 Audit AI Kontrak Pintar

AI dapat melakukan audit kode kontrak pintar dengan lebih efisien dan akurat, mengidentifikasi kerentanan. Misalnya, 0x0.ai menyediakan auditor kontrak pintar berbasis AI yang menggunakan teknologi pembelajaran mesin untuk mengidentifikasi masalah potensial dalam kode.

Selain itu, ada PAAL yang membantu membuat Bot AI yang dipersonalisasi, Hera yang menggunakan AI untuk memberikan jalur perdagangan terbaik, dan proyek lainnya, AI terutama berfungsi sebagai alat untuk mendukung perkembangan Web3.

Empat, Keterbatasan dan Tantangan dari Proyek AI+Web3

4.1 Hambatan nyata dalam kekuatan komputasi terdesentralisasi

Proyek daya komputasi terdesentralisasi menghadapi beberapa masalah nyata:

1. Kinerja dan Stabilitas: Koneksi jaringan antara node terdistribusi mungkin mengalami latensi dan ketidakstabilan.

2. Ketersediaan: Dipengaruhi oleh pencocokan penawaran dan permintaan, yang dapat menyebabkan kekurangan sumber daya atau ketidakmampuan untuk memenuhi permintaan.

3. Kompleksitas: Pengguna perlu memahami jaringan terdistribusi, kontrak pintar, dan pengetahuan lainnya, sehingga biaya penggunaannya cukup tinggi.

4. Sulit untuk melakukan pelatihan model besar: Pelatihan model besar membutuhkan lingkungan yang stabil dan terhubung dengan banyak kartu, sedangkan kekuatan komputasi terdesentralisasi sulit untuk memenuhi persyaratan.

5. Batas Jarak Fisik: NVLink Nvidia membatasi jarak fisik antara kartu grafis, sehingga kekuatan komputasi yang tersebar sulit untuk membentuk kluster dalam melatih model besar.

Saat ini, kekuatan komputasi terdesentralisasi terutama digunakan untuk inferensi AI atau pelatihan model kecil hingga menengah dalam skenario tertentu. Di masa depan, mungkin akan berperan dalam bidang seperti komputasi tepi.

4.2 Kombinasi AI+Web3 masih cukup kasar, tidak mencapai 1+1＞2

Saat ini, kombinasi AI dan Web3 masih cukup permukaan:

1. Sebagian besar proyek hanya menggunakan AI untuk meningkatkan efisiensi secara sederhana, kurang memiliki integrasi asli dan solusi inovatif.

2. Beberapa tim melakukan pemasaran berlebihan untuk konsep AI, sementara aplikasi nyata terbatas.

Di masa depan, perlu penelitian yang lebih mendalam untuk menciptakan solusi yang asli dan bermakna di bidang keuangan, DAO, pasar prediksi, dan lainnya.

4.3 Ekonomi token menjadi penyangga narasi proyek AI

Banyak proyek AI+Web3 memanfaatkan ekonomi token untuk mendorong partisipasi pengguna, tetapi kuncinya adalah apakah benar-benar memenuhi kebutuhan nyata, dan bukan sekadar narasi atau mengejar nilai jangka pendek.

Saat ini, sebagian besar proyek belum mencapai tahap praktis, dan membutuhkan lebih banyak tim yang solid dan memiliki ide untuk benar-benar memenuhi skenario kebutuhan nyata.

Lima, Kesimpulan

Proyek AI+Web3 telah muncul dengan banyak contoh aplikasi. AI menyediakan kemampuan analisis cerdas, prediksi, dan audit untuk Web3, meningkatkan pengalaman pengguna. Web3 menyediakan kekuatan komputasi terdesentralisasi, serta platform berbagi data dan algoritma untuk mendukung pengembangan AI.

Meskipun proyek AI+Web3 saat ini masih dalam tahap awal dan menghadapi berbagai tantangan, mereka juga membawa keuntungan seperti mengurangi ketergantungan pada sentralisasi dan meningkatkan transparansi. Di masa depan, integrasi mendalam antara AI dan Web3 akan membawa kemungkinan tak terbatas untuk inovasi teknologi dan pengembangan ekonomi, serta diharapkan dapat membangun sistem ekonomi dan sosial yang lebih cerdas, terbuka, dan adil.