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 besar bagi berbagai industri. Pada tahun 2023, ukuran pasar industri AI mencapai 200 miliar dolar AS, dengan raksasa seperti OpenAI, Character.AI memimpin tren.
Sementara itu, Web3 sebagai model jaringan yang baru muncul sedang mengubah cara orang memahami dan menggunakan internet. Web3 didasarkan pada teknologi blockchain, yang mewujudkan berbagi dan pengendalian data melalui kontrak pintar, penyimpanan terdistribusi, dan memberikan kontrol data kepada pengguna. Saat ini, kapitalisasi pasar industri Web3 mencapai 25 triliun, dengan proyek-proyek seperti Bitcoin, Ethereum, dan banyak lainnya bermunculan.
Kombinasi AI dan Web3 menjadi fokus perhatian di Barat dan Timur, bagaimana mengintegrasikan keduanya adalah masalah yang patut dieksplorasi. Artikel ini akan membahas status perkembangan AI+Web3, nilai potensial, dan dampaknya, sebagai referensi bagi investor dan praktisi.
Dua, Cara Interaksi AI dan Web3
Perkembangan AI dan Web3 bagaikan dua sisi timbangan, AI meningkatkan produktivitas, Web3 merevolusi hubungan produksi. Kami akan menganalisis tantangan dan ruang peningkatan yang dihadapi keduanya, serta membahas bagaimana keduanya dapat menyelesaikan masalah ini.
2.1 Tantangan yang Dihadapi oleh Industri AI
Elemen inti industri AI meliputi kekuatan komputasi, algoritme, dan data.
Kekuatan Komputasi: Tugas AI memerlukan kekuatan komputasi yang besar untuk memproses sejumlah besar data. Perkembangan perangkat keras seperti GPU dalam beberapa tahun terakhir telah mendorong peningkatan kekuatan komputasi, di mana Nvidia menguasai sebagian besar pangsa pasar.
Algoritma: Inti dari sistem AI, termasuk algoritma pembelajaran mesin tradisional dan pembelajaran mendalam. Pemilihan dan desain algoritma sangat penting untuk kinerja AI, inovasi yang terus-menerus dapat meningkatkan akurasi dan kemampuan generalisasi.
Data: Sistem AI melatih model dengan mempelajari pola dan aturan dalam data. Dataset yang kaya membantu meningkatkan akurasi dan kemampuan generalisasi model.
Dilema utama yang dihadapi AI meliputi:
Biaya untuk mendapatkan dan mengelola kekuatan komputasi tinggi, terutama menjadi tantangan bagi perusahaan rintisan dan pengembang individu.
Algoritma pembelajaran mendalam memerlukan banyak data dan sumber daya komputasi, serta kurangnya interpretabilitas model.
Kesulitan dalam memperoleh data berkualitas tinggi dan beragam, data dalam beberapa bidang sensitif dan sulit diakses.
Karakteristik kotak hitam model AI memicu perhatian publik, beberapa aplikasi memerlukan proses pengambilan keputusan yang dapat dijelaskan dan dilacak.
Banyak proyek AI memiliki model bisnis yang tidak jelas, sehingga para pengusaha merasa bingung.
2.2 Tantangan yang Dihadapi oleh Industri Web3
Industri Web3 juga memiliki banyak masalah yang perlu dipecahkan:
Kemampuan analisis data perlu ditingkatkan
Pengalaman pengguna produk kurang baik
Risiko kerentanan kode kontrak pintar dan serangan hacker tinggi
AI sebagai alat untuk meningkatkan produktivitas, memiliki ruang yang besar untuk berkembang dalam aspek-aspek ini:
Analisis dan Prediksi Data: AI dapat mengekstrak informasi berharga dari data yang besar, menyediakan prediksi dan dukungan keputusan yang lebih akurat untuk bidang seperti DeFi.
Optimalisasi pengalaman pengguna: AI dapat menganalisis data pengguna, memberikan rekomendasi yang dipersonalisasi dan layanan yang disesuaikan, meningkatkan pengalaman pengguna.
Peningkatan Keamanan: AI dapat digunakan untuk mendeteksi serangan siber, mengidentifikasi perilaku abnormal, dan memberikan perlindungan keamanan yang lebih kuat.
Perlindungan Privasi: AI dapat diterapkan dalam enkripsi data dan komputasi privasi, melindungi informasi pribadi pengguna.
Audit kontrak pintar: AI dapat melakukan audit kontrak otomatis dan deteksi kerentanan, meningkatkan keamanan kontrak.
Tiga, Analisis Status Proyek AI+Web3
Proyek AI+Web3 terutama mengambil dua arah: memanfaatkan teknologi blockchain untuk meningkatkan kinerja proyek AI, dan menggunakan teknologi AI untuk melayani proyek Web3. Banyak proyek seperti Io.net, Gensyn, Ritual, dan lain-lain sedang menjelajahi jalur ini.
3.1 Web3 mendukung AI
3.1.1 Kekuatan Komputasi Terdesentralisasi
Kehadiran ChatGPT memicu gelombang panas AI, dan juga membawa masalah kekurangan GPU. Untuk mengatasi masalah ini, beberapa proyek Web3 seperti Akash, Render, Gensyn, dan lainnya mencoba menyediakan layanan komputasi terdesentralisasi. Proyek-proyek ini mendorong pengguna untuk menyediakan daya GPU yang tidak terpakai melalui insentif token, untuk mendukung klien AI.
Sisi suplai terutama mencakup:
Penyedia layanan cloud: penyedia layanan cloud besar dan penyedia layanan cloud GPU
Penambang cryptocurrency: Kekuatan GPU yang tidak terpakai
Perusahaan besar: Pembelian GPU yang tidak terpakai untuk penataan strategis
Proyek komputasi terdesentralisasi dibagi menjadi dua kategori:
Digunakan untuk inferensi AI: seperti Render, Akash, Aethir, dll.
Digunakan untuk pelatihan AI: seperti io.net, Gensyn, dll.
Proyek-proyek ini menarik penyedia dan pengguna melalui insentif token, membentuk siklus yang positif. Nilai token sejalan dengan pertumbuhan peserta, menarik lebih banyak partisipasi.
3.1.2 Model Algoritma Terdesentralisasi
Jaringan model algoritma terdesentralisasi adalah pasar layanan algoritma AI, yang menghubungkan berbagai model AI. Ketika pengguna mengajukan pertanyaan, pasar memilih model yang paling sesuai untuk menjawab.
Dibandingkan dengan model tunggal seperti ChatGPT, jaringan algoritma terdesentralisasi seperti Bittensor memiliki potensi yang lebih besar. Ini memungkinkan beberapa model untuk berkolaborasi, memberikan solusi terbaik untuk masalah yang berbeda.
3.1.3 Pengumpulan Data Terdesentralisasi
Data sangat penting untuk pelatihan model AI. Namun, platform Web2 sering kali melarang pengumpulan data untuk pelatihan AI, atau menjual data pengguna tanpa berbagi keuntungan.
Beberapa proyek Web3 mewujudkan pengumpulan data terdesentralisasi melalui insentif token. Seperti PublicAI yang memungkinkan pengguna untuk berkontribusi dan memverifikasi data, mendapatkan imbalan token. Proyek lain seperti Ocean, Hivemapper, dan sebagainya juga sedang mengeksplorasi pola serupa.
3.1.4 Perlindungan Privasi Pengguna dalam AI ZK
Teknologi bukti nol-pengetahuan dapat menyelesaikan konflik antara perlindungan privasi dan berbagi data. ZKML memungkinkan pelatihan dan inferensi model tanpa mengungkapkan data asli.
Proyek seperti BasedAI sedang menjelajahi integrasi FHE dengan LLM untuk melindungi privasi data pengguna. Ini memberikan kemungkinan baru untuk aplikasi AI di bidang sensitif seperti kesehatan dan keuangan.
3.2 AI mendukung Web3
Dukungan AI untuk industri Web3 terutama tercermin dalam:
3.2.1 Analisis Data dan Prediksi
Banyak proyek Web3 mengintegrasikan layanan AI untuk memberikan analisis data dan prediksi kepada pengguna. Seperti Pond yang menggunakan algoritma AI untuk memprediksi token yang bernilai, BullBear AI memprediksi tren harga. Numerai mengadakan kompetisi prediksi pasar saham dengan AI, Arkham menyediakan analisis data on-chain.
3.2.2 Layanan Personalisasi
Proyek Web3 meningkatkan pengalaman pengguna melalui integrasi AI. Misalnya, alat Wand dari Dune menggunakan model bahasa besar untuk menulis kueri SQL, Followin dan IQ.wiki mengintegrasikan ChatGPT untuk merangkum konten, NFPrompt memanfaatkan AI untuk menyederhanakan kreasi NFT.
3.2.3 Audit AI Kontrak Pintar
AI dapat secara efisien dan akurat mengenali kerentanan dalam kode kontrak pintar. Proyek seperti 0x0.ai menyediakan alat audit kontrak pintar berbasis AI, menggunakan pembelajaran mesin untuk mengidentifikasi masalah potensial.
Selain itu, ada PAAL yang membantu menciptakan Bot AI yang dipersonalisasi, Hera menyediakan proyek agregator DEX multi-rantai yang didorong oleh AI, semua ini mendukung perkembangan Web3 dari sisi alat.
Empat, Keterbatasan dan Tantangan Proyek AI+Web3
4.1 Hambatan nyata yang dihadapi oleh kekuatan komputasi terdesentralisasi
Proyek daya komputasi terdesentralisasi menghadapi tantangan berikut:
Kinerja dan stabilitas: Node terdistribusi mungkin mengalami keterlambatan dan ketidakstabilan.
Pencocokan Sumber Daya: Ketidakseimbangan penawaran dan permintaan dapat menyebabkan kekurangan sumber daya atau tidak dapat memenuhi kebutuhan.
Kompleksitas Penggunaan: Pengguna perlu memahami pengetahuan tentang jaringan terdistribusi, kontrak pintar, dan lain-lain.
Sulit digunakan untuk pelatihan AI: Pelatihan model besar memerlukan jumlah data dan bandwidth yang sangat besar, dan komputasi terdesentralisasi sulit memenuhi kebutuhan tersebut.
Keunggulan Nvidia sulit untuk disaingi: ekosistem perangkat lunak CUDA dan komunikasi multi-kartu NVLink adalah kunci.
Kekuatan komputasi terdesentralisasi saat ini terutama cocok untuk inferensi AI dan pelatihan model kecil, sulit untuk melakukan pelatihan model besar.
4.2 AI+Web3 yang digabungkan masih cukup kasar
Saat ini, proyek AI+Web3 menghadapi masalah berikut:
Aplikasi permukaan: Sebagian besar proyek hanya menggunakan AI secara sederhana untuk meningkatkan efisiensi, kurang integrasi yang mendalam.
Pemasaran Hype: Beberapa proyek hanya menerapkan AI di bidang terbatas, terlalu membesar-besarkan konsep.
Kurangnya inovasi: kurangnya solusi inovatif yang mengintegrasikan AI dengan cryptocurrency secara native.
4.3 Ekonomi token menjadi penyangga narasi proyek AI
Banyak proyek AI+Web3 menggunakan ekonomi token sebagai sarana untuk menarik pengguna dan mendapatkan pendanaan, tetapi tidak selalu dapat benar-benar memenuhi kebutuhan nyata. Proyek perlu lebih nyata dalam memenuhi skenario yang sebenarnya, dan bukan hanya untuk menciptakan buzz jangka pendek.
Lima, Kesimpulan
Kombinasi AI+Web3 memberikan kemungkinan tak terbatas untuk inovasi teknologi dan pengembangan ekonomi. AI dapat memberikan analisis cerdas, prediksi, dan layanan yang dipersonalisasi untuk Web3, meningkatkan pengalaman pengguna dan keamanan. Web3, di sisi lain, menyediakan platform berbagi daya komputasi, data, dan algoritma yang terdesentralisasi untuk AI.
Meskipun saat ini masih dalam tahap awal dan menghadapi berbagai tantangan, kombinasi AI + Web3 juga membawa banyak keuntungan. Desentralisasi daya komputasi dan pengumpulan data dapat mengurangi ketergantungan pada lembaga terpusat, serta meningkatkan transparansi dan inovasi. Di masa depan, dengan integrasi mendalam antara pengambilan keputusan cerdas berbasis AI dan karakteristik desentralisasi Web3, diharapkan dapat membangun sistem ekonomi dan sosial yang lebih cerdas, terbuka, dan adil.
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.
AI+Web3 Integrasi: Analisis Status Pengembangan, Nilai dan Tantangan
Perpaduan AI dan Web3: Peluang dan Tantangan
I. Pendahuluan
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 besar bagi berbagai industri. Pada tahun 2023, ukuran pasar industri AI mencapai 200 miliar dolar AS, dengan raksasa seperti OpenAI, Character.AI memimpin tren.
Sementara itu, Web3 sebagai model jaringan yang baru muncul sedang mengubah cara orang memahami dan menggunakan internet. Web3 didasarkan pada teknologi blockchain, yang mewujudkan berbagi dan pengendalian data melalui kontrak pintar, penyimpanan terdistribusi, dan memberikan kontrol data kepada pengguna. Saat ini, kapitalisasi pasar industri Web3 mencapai 25 triliun, dengan proyek-proyek seperti Bitcoin, Ethereum, dan banyak lainnya bermunculan.
Kombinasi AI dan Web3 menjadi fokus perhatian di Barat dan Timur, bagaimana mengintegrasikan keduanya adalah masalah yang patut dieksplorasi. Artikel ini akan membahas status perkembangan AI+Web3, nilai potensial, dan dampaknya, sebagai referensi bagi investor dan praktisi.
Dua, Cara Interaksi AI dan Web3
Perkembangan AI dan Web3 bagaikan dua sisi timbangan, AI meningkatkan produktivitas, Web3 merevolusi hubungan produksi. Kami akan menganalisis tantangan dan ruang peningkatan yang dihadapi keduanya, serta membahas bagaimana keduanya dapat menyelesaikan masalah ini.
2.1 Tantangan yang Dihadapi oleh Industri AI
Elemen inti industri AI meliputi kekuatan komputasi, algoritme, dan data.
Kekuatan Komputasi: Tugas AI memerlukan kekuatan komputasi yang besar untuk memproses sejumlah besar data. Perkembangan perangkat keras seperti GPU dalam beberapa tahun terakhir telah mendorong peningkatan kekuatan komputasi, di mana Nvidia menguasai sebagian besar pangsa pasar.
Algoritma: Inti dari sistem AI, termasuk algoritma pembelajaran mesin tradisional dan pembelajaran mendalam. Pemilihan dan desain algoritma sangat penting untuk kinerja AI, inovasi yang terus-menerus dapat meningkatkan akurasi dan kemampuan generalisasi.
Data: Sistem AI melatih model dengan mempelajari pola dan aturan dalam data. Dataset yang kaya membantu meningkatkan akurasi dan kemampuan generalisasi model.
Dilema utama yang dihadapi AI meliputi:
Biaya untuk mendapatkan dan mengelola kekuatan komputasi tinggi, terutama menjadi tantangan bagi perusahaan rintisan dan pengembang individu.
Algoritma pembelajaran mendalam memerlukan banyak data dan sumber daya komputasi, serta kurangnya interpretabilitas model.
Kesulitan dalam memperoleh data berkualitas tinggi dan beragam, data dalam beberapa bidang sensitif dan sulit diakses.
Karakteristik kotak hitam model AI memicu perhatian publik, beberapa aplikasi memerlukan proses pengambilan keputusan yang dapat dijelaskan dan dilacak.
Banyak proyek AI memiliki model bisnis yang tidak jelas, sehingga para pengusaha merasa bingung.
2.2 Tantangan yang Dihadapi oleh Industri Web3
Industri Web3 juga memiliki banyak masalah yang perlu dipecahkan:
AI sebagai alat untuk meningkatkan produktivitas, memiliki ruang yang besar untuk berkembang dalam aspek-aspek ini:
Analisis dan Prediksi Data: AI dapat mengekstrak informasi berharga dari data yang besar, menyediakan prediksi dan dukungan keputusan yang lebih akurat untuk bidang seperti DeFi.
Optimalisasi pengalaman pengguna: AI dapat menganalisis data pengguna, memberikan rekomendasi yang dipersonalisasi dan layanan yang disesuaikan, meningkatkan pengalaman pengguna.
Peningkatan Keamanan: AI dapat digunakan untuk mendeteksi serangan siber, mengidentifikasi perilaku abnormal, dan memberikan perlindungan keamanan yang lebih kuat.
Perlindungan Privasi: AI dapat diterapkan dalam enkripsi data dan komputasi privasi, melindungi informasi pribadi pengguna.
Audit kontrak pintar: AI dapat melakukan audit kontrak otomatis dan deteksi kerentanan, meningkatkan keamanan kontrak.
Tiga, Analisis Status Proyek AI+Web3
Proyek AI+Web3 terutama mengambil dua arah: memanfaatkan teknologi blockchain untuk meningkatkan kinerja proyek AI, dan menggunakan teknologi AI untuk melayani proyek Web3. Banyak proyek seperti Io.net, Gensyn, Ritual, dan lain-lain sedang menjelajahi jalur ini.
3.1 Web3 mendukung AI
3.1.1 Kekuatan Komputasi Terdesentralisasi
Kehadiran ChatGPT memicu gelombang panas AI, dan juga membawa masalah kekurangan GPU. Untuk mengatasi masalah ini, beberapa proyek Web3 seperti Akash, Render, Gensyn, dan lainnya mencoba menyediakan layanan komputasi terdesentralisasi. Proyek-proyek ini mendorong pengguna untuk menyediakan daya GPU yang tidak terpakai melalui insentif token, untuk mendukung klien AI.
Sisi suplai terutama mencakup:
Proyek komputasi terdesentralisasi dibagi menjadi dua kategori:
Proyek-proyek ini menarik penyedia dan pengguna melalui insentif token, membentuk siklus yang positif. Nilai token sejalan dengan pertumbuhan peserta, menarik lebih banyak partisipasi.
3.1.2 Model Algoritma Terdesentralisasi
Jaringan model algoritma terdesentralisasi adalah pasar layanan algoritma AI, yang menghubungkan berbagai model AI. Ketika pengguna mengajukan pertanyaan, pasar memilih model yang paling sesuai untuk menjawab.
Dibandingkan dengan model tunggal seperti ChatGPT, jaringan algoritma terdesentralisasi seperti Bittensor memiliki potensi yang lebih besar. Ini memungkinkan beberapa model untuk berkolaborasi, memberikan solusi terbaik untuk masalah yang berbeda.
3.1.3 Pengumpulan Data Terdesentralisasi
Data sangat penting untuk pelatihan model AI. Namun, platform Web2 sering kali melarang pengumpulan data untuk pelatihan AI, atau menjual data pengguna tanpa berbagi keuntungan.
Beberapa proyek Web3 mewujudkan pengumpulan data terdesentralisasi melalui insentif token. Seperti PublicAI yang memungkinkan pengguna untuk berkontribusi dan memverifikasi data, mendapatkan imbalan token. Proyek lain seperti Ocean, Hivemapper, dan sebagainya juga sedang mengeksplorasi pola serupa.
3.1.4 Perlindungan Privasi Pengguna dalam AI ZK
Teknologi bukti nol-pengetahuan dapat menyelesaikan konflik antara perlindungan privasi dan berbagi data. ZKML memungkinkan pelatihan dan inferensi model tanpa mengungkapkan data asli.
Proyek seperti BasedAI sedang menjelajahi integrasi FHE dengan LLM untuk melindungi privasi data pengguna. Ini memberikan kemungkinan baru untuk aplikasi AI di bidang sensitif seperti kesehatan dan keuangan.
3.2 AI mendukung Web3
Dukungan AI untuk industri Web3 terutama tercermin dalam:
3.2.1 Analisis Data dan Prediksi
Banyak proyek Web3 mengintegrasikan layanan AI untuk memberikan analisis data dan prediksi kepada pengguna. Seperti Pond yang menggunakan algoritma AI untuk memprediksi token yang bernilai, BullBear AI memprediksi tren harga. Numerai mengadakan kompetisi prediksi pasar saham dengan AI, Arkham menyediakan analisis data on-chain.
3.2.2 Layanan Personalisasi
Proyek Web3 meningkatkan pengalaman pengguna melalui integrasi AI. Misalnya, alat Wand dari Dune menggunakan model bahasa besar untuk menulis kueri SQL, Followin dan IQ.wiki mengintegrasikan ChatGPT untuk merangkum konten, NFPrompt memanfaatkan AI untuk menyederhanakan kreasi NFT.
3.2.3 Audit AI Kontrak Pintar
AI dapat secara efisien dan akurat mengenali kerentanan dalam kode kontrak pintar. Proyek seperti 0x0.ai menyediakan alat audit kontrak pintar berbasis AI, menggunakan pembelajaran mesin untuk mengidentifikasi masalah potensial.
Selain itu, ada PAAL yang membantu menciptakan Bot AI yang dipersonalisasi, Hera menyediakan proyek agregator DEX multi-rantai yang didorong oleh AI, semua ini mendukung perkembangan Web3 dari sisi alat.
Empat, Keterbatasan dan Tantangan Proyek AI+Web3
4.1 Hambatan nyata yang dihadapi oleh kekuatan komputasi terdesentralisasi
Proyek daya komputasi terdesentralisasi menghadapi tantangan berikut:
Kinerja dan stabilitas: Node terdistribusi mungkin mengalami keterlambatan dan ketidakstabilan.
Pencocokan Sumber Daya: Ketidakseimbangan penawaran dan permintaan dapat menyebabkan kekurangan sumber daya atau tidak dapat memenuhi kebutuhan.
Kompleksitas Penggunaan: Pengguna perlu memahami pengetahuan tentang jaringan terdistribusi, kontrak pintar, dan lain-lain.
Sulit digunakan untuk pelatihan AI: Pelatihan model besar memerlukan jumlah data dan bandwidth yang sangat besar, dan komputasi terdesentralisasi sulit memenuhi kebutuhan tersebut.
Keunggulan Nvidia sulit untuk disaingi: ekosistem perangkat lunak CUDA dan komunikasi multi-kartu NVLink adalah kunci.
Kekuatan komputasi terdesentralisasi saat ini terutama cocok untuk inferensi AI dan pelatihan model kecil, sulit untuk melakukan pelatihan model besar.
4.2 AI+Web3 yang digabungkan masih cukup kasar
Saat ini, proyek AI+Web3 menghadapi masalah berikut:
Aplikasi permukaan: Sebagian besar proyek hanya menggunakan AI secara sederhana untuk meningkatkan efisiensi, kurang integrasi yang mendalam.
Pemasaran Hype: Beberapa proyek hanya menerapkan AI di bidang terbatas, terlalu membesar-besarkan konsep.
Kurangnya inovasi: kurangnya solusi inovatif yang mengintegrasikan AI dengan cryptocurrency secara native.
4.3 Ekonomi token menjadi penyangga narasi proyek AI
Banyak proyek AI+Web3 menggunakan ekonomi token sebagai sarana untuk menarik pengguna dan mendapatkan pendanaan, tetapi tidak selalu dapat benar-benar memenuhi kebutuhan nyata. Proyek perlu lebih nyata dalam memenuhi skenario yang sebenarnya, dan bukan hanya untuk menciptakan buzz jangka pendek.
Lima, Kesimpulan
Kombinasi AI+Web3 memberikan kemungkinan tak terbatas untuk inovasi teknologi dan pengembangan ekonomi. AI dapat memberikan analisis cerdas, prediksi, dan layanan yang dipersonalisasi untuk Web3, meningkatkan pengalaman pengguna dan keamanan. Web3, di sisi lain, menyediakan platform berbagi daya komputasi, data, dan algoritma yang terdesentralisasi untuk AI.
Meskipun saat ini masih dalam tahap awal dan menghadapi berbagai tantangan, kombinasi AI + Web3 juga membawa banyak keuntungan. Desentralisasi daya komputasi dan pengumpulan data dapat mengurangi ketergantungan pada lembaga terpusat, serta meningkatkan transparansi dan inovasi. Di masa depan, dengan integrasi mendalam antara pengambilan keputusan cerdas berbasis AI dan karakteristik desentralisasi Web3, diharapkan dapat membangun sistem ekonomi dan sosial yang lebih cerdas, terbuka, dan adil.