Fusion de Web3 et de l'IA : Construire l'infrastructure Internet de nouvelle génération

Web3, en tant que nouvelle paradigme Internet décentralisé, ouvert et transparent, a un potentiel d'intégration naturel avec l'IA. Dans le cadre traditionnel centralisé, le calcul et les ressources de données de l'IA font face à de nombreux défis, tels que les goulets d'étranglement de puissance de calcul, les fuites de données privées et les problèmes de boîte noire des algorithmes. En revanche, Web3, basé sur des technologies distribuées, peut injecter une nouvelle dynamique dans le développement de l'IA à travers des réseaux de partage de puissance de calcul, des marchés de données ouverts et des calculs de confidentialité. En même temps, l'IA peut également apporter de nombreuses capacités à Web3, comme l'optimisation des contrats intelligents et des algorithmes anti-fraude, contribuant ainsi à la construction de son écosystème. Par conséquent, explorer la combinaison de Web3 et de l'IA est crucial pour construire l'infrastructure Internet de prochaine génération et libérer la valeur des données et de la puissance de calcul.

Données pilotées : Une base solide pour l'IA et le Web3

Les données sont le moteur principal du développement de l'IA, tout comme le carburant pour un moteur. Les modèles d'IA doivent digérer une grande quantité de données de haute qualité pour acquérir une compréhension approfondie et de puissantes capacités de raisonnement. Les données ne fournissent pas seulement la base d'entraînement pour les modèles d'apprentissage automatique, mais déterminent également la précision et la fiabilité du modèle.

Dans les modèles traditionnels de collecte et d'utilisation des données d'IA centralisés, plusieurs problèmes principaux existent :

• Le coût d'acquisition des données est élevé, les PME ont du mal à le supporter.
• Les ressources de données sont monopolisées par des géants de la technologie, créant des îlots de données.
• Les données personnelles sont exposées au risque de fuite et d'abus.

Web3 peut résoudre les points de douleur des modèles traditionnels avec une nouvelle approche décentralisée des données :

• En récupérant des données du web de manière décentralisée, après nettoyage et transformation, pour fournir des données réelles et de haute qualité pour l'entraînement des modèles d'IA.
• Adopter le mode "label to earn" pour inciter les travailleurs du monde entier à participer à l'annotation des données grâce à des incitations en tokens, rassemblant l'expertise mondiale et renforçant la capacité d'analyse des données.
• La plateforme d'échange de données blockchain offre aux deux parties en demande et en offre de données un environnement de transaction public et transparent, incitant à l'innovation et au partage des données.

Cela dit, l'acquisition de données dans le monde réel pose également certains problèmes, tels que la qualité variable des données, la difficulté de traitement, ainsi qu'un manque de diversité et de représentativité. Les données synthétiques pourraient devenir la star future du secteur des données Web3. Basées sur la technologie d'IA générative et la simulation, les données synthétiques peuvent imiter les propriétés des données réelles, servant ainsi de complément efficace aux données réelles et améliorant l'efficacité de l'utilisation des données. Dans des domaines tels que la conduite autonome, le trading sur les marchés financiers et le développement de jeux, les données synthétiques ont déjà montré leur potentiel d'application mûr.

Protection de la vie privée : le rôle de la FHE dans le Web3

À l'ère des données, la protection de la vie privée est devenue un point focal mondial. L'adoption de réglementations telles que le Règlement général sur la protection des données (RGPD) de l'Union européenne reflète une stricte protection de la vie privée des individus. Cependant, cela pose également des défis : certaines données sensibles ne peuvent pas être pleinement exploitées en raison des risques pour la vie privée, ce qui limite sans aucun doute le potentiel et les capacités de raisonnement des modèles d'IA.

FHE, ou chiffrement homomorphe complet, permet d'effectuer des opérations de calcul directement sur des données chiffrées sans avoir besoin de déchiffrer les données, et le résultat du calcul est identique à celui obtenu en effectuant le même calcul sur les données en clair.

FHE offre une protection solide pour le calcul privé par IA, permettant à la puissance de calcul des GPU d'exécuter des tâches de formation et d'inférence de modèles sans toucher aux données brutes. Cela apporte un avantage considérable aux entreprises d'IA. Elles peuvent ouvrir en toute sécurité des services API tout en protégeant leurs secrets commerciaux.

FHEML prend en charge le traitement crypté des données et des modèles tout au long du cycle de vie de l'apprentissage automatique, garantissant la sécurité des informations sensibles et prévenant les risques de fuite de données. De cette manière, FHEML renforce la confidentialité des données et fournit un cadre de calcul sécurisé pour les applications d'IA.

FHEML est un complément à ZKML, ZKML prouve l'exécution correcte de l'apprentissage automatique, tandis que FHEML met l'accent sur le calcul sur des données chiffrées pour maintenir la confidentialité des données.

Révolution de la puissance de calcul : Calcul AI dans un réseau décentralisé

La complexité de calcul des systèmes d'IA double tous les 3 mois, entraînant une demande explosive de puissance de calcul, bien supérieure à l'offre actuelle de ressources informatiques. Par exemple, l'entraînement d'un grand modèle de langage nécessite une énorme puissance de calcul, équivalente à 355 ans de temps d'entraînement sur un seul appareil. Cette pénurie de puissance de calcul limite non seulement les avancées technologiques de l'IA, mais rend également ces modèles d'IA avancés inaccessibles pour la plupart des chercheurs et des développeurs.

En même temps, le taux d'utilisation des GPU dans le monde est inférieur à 40 %, et la lenteur de l'amélioration des performances des microprocesseurs, ainsi que la pénurie de puces due à des facteurs de chaîne d'approvisionnement et géopolitiques, aggravent encore le problème de l'approvisionnement en puissance de calcul. Les professionnels de l'IA se trouvent dans une situation difficile : soit acheter du matériel, soit louer des ressources cloud, et ils ont un besoin urgent d'un service de calcul à la demande et économique.

Le réseau de puissance de calcul AI décentralisé agrège les ressources GPU inactives du monde entier, offrant aux entreprises d'IA un marché de puissance de calcul à la fois économique et facilement accessible. Les demandeurs de puissance de calcul peuvent publier des tâches de calcul sur le réseau, et les contrats intelligents attribuent les tâches aux nœuds mineurs qui contribuent à la puissance de calcul. Les mineurs exécutent les tâches et soumettent les résultats, et après validation, ils reçoivent des récompenses en points. Cette solution améliore l'efficacité de l'utilisation des ressources et contribue à résoudre le problème des goulets d'étranglement en matière de puissance de calcul dans des domaines tels que l'IA.

En plus des réseaux de puissance de calcul décentralisés généraux, il existe des plateformes axées sur l'entraînement de l'IA et des réseaux de puissance de calcul dédiés à l'inférence de l'IA.

Le réseau de puissance de calcul décentralisé offre un marché de puissance de calcul équitable et transparent, brisant les monopoles, abaissant les barrières à l'entrée des applications et améliorant l'efficacité de l'utilisation de la puissance de calcul. Dans l'écosystème web3, le réseau de puissance de calcul décentralisé jouera un rôle clé, attirant l'adhésion de plus d'applications décentralisées innovantes et contribuant ensemble au développement et à l'application des technologies de l'IA.

DePIN : Web3 habilite l'IA en périphérie

Imaginez que votre téléphone, votre montre intelligente, et même les appareils intelligents de votre maison, possèdent la capacité de faire fonctionner l'IA - c'est là que réside l'attrait de l'Edge AI. Cela permet de traiter les données à la source de leur génération, réalisant ainsi un traitement en temps réel avec une faible latence, tout en protégeant la vie privée des utilisateurs. La technologie Edge AI a déjà été appliquée dans des domaines clés tels que la conduite autonome.

Dans le domaine du Web3, nous avons un nom plus familier - DePIN. Le Web3 met l'accent sur la décentralisation et la souveraineté des données des utilisateurs, DePIN renforce la protection de la vie privée des utilisateurs en traitant les données localement, réduisant ainsi le risque de fuite de données ; le mécanisme économique des tokens natifs du Web3 peut inciter les nœuds DePIN à fournir des ressources de calcul, construisant ainsi un écosystème durable.

Actuellement, DePIN se développe rapidement dans certains écosystèmes de chaînes publiques, devenant l'une des plateformes de choix pour le déploiement de projets. Un TPS élevé, des frais de transaction bas et des innovations technologiques offrent un soutien puissant aux projets DePIN. Actuellement, la capitalisation boursière des projets DePIN sur certaines chaînes publiques a déjà dépassé 10 milliards de dollars, et certains projets connus ont fait des progrès significatifs.

IMO : Publication d'un nouveau paradigme des modèles d'IA

Le concept d'IMO a été proposé pour la première fois par un protocole blockchain, tokenisant les modèles d'IA.

Dans le modèle traditionnel, en raison de l'absence de mécanisme de partage des revenus, une fois qu'un modèle d'IA est développé et mis sur le marché, il est souvent difficile pour le développeur d'obtenir des revenus durables de son utilisation ultérieure, surtout lorsque le modèle est intégré dans d'autres produits et services. Les créateurs originaux ont du mal à suivre l'utilisation, sans parler d'en tirer des revenus. De plus, la performance et l'efficacité des modèles d'IA manquent souvent de transparence, ce qui rend difficile pour les investisseurs et les utilisateurs potentiels d'évaluer leur véritable valeur, limitant ainsi la reconnaissance sur le marché et le potentiel commercial du modèle.

IMO propose une nouvelle manière de financement et de partage de valeur pour les modèles d'IA open source. Les investisseurs peuvent acheter des jetons IMO et partager les revenus générés par le modèle par la suite. Certains protocoles blockchain utilisent des standards ERC spécifiques, combinant des oracles d'IA et la technologie OPML pour garantir l'authenticité des modèles d'IA et permettre aux détenteurs de jetons de partager les revenus.

Le modèle IMO renforce la transparence et la confiance, encourage la collaboration open source, s'adapte aux tendances du marché des cryptomonnaies et injecte de la dynamisme dans le développement durable des technologies AI. L'IMO en est encore à ses premiers essais, mais avec l'augmentation de l'acceptation du marché et l'élargissement de la portée de la participation, son innovation et sa valeur potentielle méritent notre attention.

Agent IA : Une nouvelle ère d'expérience interactive

L'Agent AI est capable de percevoir son environnement, de penser de manière indépendante et de prendre des mesures appropriées pour atteindre des objectifs déterminés. Avec le soutien des grands modèles de langage, l'Agent AI peut non seulement comprendre le langage naturel, mais aussi planifier des décisions et exécuter des tâches complexes. Ils peuvent agir en tant qu'assistants virtuels, apprenant les préférences des utilisateurs par le biais d'interactions et fournissant des solutions personnalisées. Même sans instructions explicites, l'Agent AI peut également résoudre des problèmes de manière autonome, améliorer l'efficacité et créer une nouvelle valeur.

Certaines plateformes d'applications AI natives ouvertes offrent un ensemble d'outils de création complets et faciles à utiliser, permettant aux utilisateurs de configurer les fonctionnalités, l'apparence, la voix des robots et de se connecter à des bases de connaissances externes, s'efforçant de créer un système écologique de contenu AI équitable et ouvert, en utilisant la technologie AI générative pour habiliter les individus à devenir des super créateurs. Ces plateformes ont formé des modèles de langage de grande taille spécialisés, rendant le jeu de rôle plus humanisé ; la technologie de clonage vocal peut accélérer l'interaction personnalisée des produits AI, réduisant considérablement le coût de la synthèse vocale, le clonage vocal ne prenant qu'une minute. Les AI Agents personnalisés utilisant ces plateformes peuvent actuellement être appliqués dans divers domaines tels que les chats vidéo, l'apprentissage des langues, la génération d'images, etc.

Dans la fusion de Web3 et de l'IA, il y a actuellement davantage d'exploration au niveau de l'infrastructure, sur comment obtenir des données de haute qualité, protéger la vie privée des données, comment héberger des modèles sur la chaîne, comment améliorer l'utilisation efficace de la puissance de calcul décentralisée, comment valider les grands modèles de langage, etc. Avec l'amélioration progressive de ces infrastructures, nous avons des raisons de croire que la fusion de Web3 et de l'IA donnera naissance à une série de modèles commerciaux et de services innovants.