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

Web3, en tant que nouvelle paradigme Internet décentralisé, ouvert et transparent, présente un point de convergence naturel avec l'IA. Sous une architecture centralisée traditionnelle, les ressources de calcul et de données de l'IA font face à de nombreux défis, tels que les goulets d'étranglement de la puissance de calcul, les fuites de données sensibles et le manque de transparence des algorithmes. Web3, basé sur des technologies distribuées, peut fournir une nouvelle dynamique au développement de l'IA grâce à des réseaux de puissance de calcul partagée, des marchés de données ouverts et des calculs respectueux de la vie privée. En outre, l'IA peut également apporter de nombreux avantages à l'écosystème Web3, tels que l'optimisation des contrats intelligents et l'amélioration des mécanismes anti-fraude. Par conséquent, explorer le développement synergique de Web3 et de l'IA revêt une importance significative pour la construction des infrastructures Internet futures et pour maximiser la valeur des données et de la puissance de calcul.

Données pilotées : La pierre angulaire de l'IA et du Web3

Les données sont la clé du progrès de l'IA, tout comme le carburant pour un moteur. Les modèles d'IA ont besoin de digérer d'énormes quantités de données de haute qualité pour obtenir des insights approfondis et une grande capacité de raisonnement. Les données ne constituent pas seulement la base de l'entraînement des modèles d'apprentissage automatique, mais déterminent également l'exactitude et la fiabilité des modèles.

Les modèles traditionnels de collecte et d'utilisation des données d'IA centralisées présentent les principaux problèmes suivants :

• Le coût d'acquisition des données est élevé, ce qui rend difficile pour les petites et moyennes entreprises de le supporter.
• Les ressources de données sont monopolisées par de grandes entreprises technologiques, formant des îlots de données.
• Les données personnelles sont exposées à des risques de fuite et d'abus.

Web3 offre un nouveau paradigme de données décentralisé, qui pourrait résoudre ces points de douleur :

• Les utilisateurs peuvent vendre des ressources réseau inutilisées aux entreprises d'IA, réalisant ainsi une collecte de données décentralisée.
• Adopter le mode "Gagner par l'annotation", en incitant les travailleurs du monde entier à participer à l'annotation des données grâce à des jetons.
• La plateforme d'échange de données blockchain offre un environnement de transaction public et transparent pour les deux parties de l'offre et de la demande de données.

Cependant, l'acquisition de données dans le monde réel pose encore certains problèmes, tels que la qualité des données inégale, la difficulté de traitement, ainsi que le manque de diversité et de représentativité. Les données synthétiques pourraient être une direction importante pour le domaine des données Web3 à l'avenir. Basées sur des technologies d'IA générative et de simulation, les données synthétiques peuvent imiter les caractéristiques des données réelles, servant de complément efficace pour améliorer l'efficacité d'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 des perspectives d'application matures.

Protection de la vie privée : Application de l'EHF dans le Web3

À l'ère des données, la protection de la vie privée est devenue un sujet d'intérêt 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 a également engendré des défis : certaines données sensibles ne peuvent pas être pleinement exploitées en raison des risques pour la vie privée, ce qui limite le potentiel et les capacités de raisonnement des modèles d'IA.

Le chiffrement homomorphe complet (FHE) permet d'effectuer des calculs directement sur des données chiffrées sans avoir besoin de les déchiffrer, et le résultat des calculs est identique à celui obtenu avec les données en clair. Le FHE offre une forte garantie pour le calcul de la confidentialité en IA, permettant à la puissance de calcul 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, qui 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 protection de la vie privée 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 se concentre sur le calcul de données cryptées 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 actuels double tous les 3 mois, entraînant une demande de puissance de calcul en forte augmentation, bien supérieure à l'offre actuelle de ressources de calcul. Par exemple, l'entraînement d'un modèle d'IA bien connu nécessite une puissance de calcul énorme, équivalente à 355 années d'entraînement sur un seul appareil. Cette pénurie de puissance de calcul limite non seulement les avancées technologiques en IA, mais rend également les modèles d'IA avancés difficiles d'accès pour la majorité des chercheurs et développeurs.

En même temps, le taux d'utilisation des GPU dans le monde est inférieur à 40 %, et le ralentissement de l'amélioration des performances des microprocesseurs, ainsi que la pénurie de puces causée par des facteurs d'approvisionnement et géopolitiques, rendent la question de l'approvisionnement en puissance de calcul encore plus sévère. Les professionnels de l'IA sont confrontés à un dilemme : acheter leur propre matériel ou 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, en agrégeant des ressources GPU inutilisées à l'échelle mondiale, fournit un marché de puissance de calcul économique et facilement accessible pour les entreprises d'IA. Les demandeurs de puissance de calcul peuvent publier des tâches de calcul sur le réseau, des contrats intelligents attribuent les tâches aux nœuds qui contribuent à la puissance de calcul, les nœuds exécutent les tâches et soumettent les résultats, et après vérification, ils reçoivent des récompenses. Cette solution améliore l'efficacité de l'utilisation des ressources et aide à résoudre les problèmes de goulet d'étranglement de la puissance de calcul dans des domaines tels que l'IA.

En plus des réseaux de puissance décentralisés généraux, il existe des plateformes de puissance dédiées axées sur l'entraînement et l'inférence de l'IA. Les réseaux de puissance décentralisés offrent un marché de puissance équitable et transparent, brisant les monopoles, réduisant les barrières à l'entrée et améliorant l'efficacité de l'utilisation de la puissance. Dans l'écosystème Web3, les réseaux de puissance décentralisés joueront un rôle clé, attirant davantage d'applications innovantes à se joindre et à promouvoir ensemble le développement et l'application de la technologie IA.

DePIN : Web3 habilite l'IA de périphérie

L'IA en périphérie permet le calcul à la source de la génération des données, réalisant un traitement en temps réel à faible latence tout en protégeant la vie privée des utilisateurs. Cette technologie a été appliquée dans des domaines clés tels que la conduite autonome.

Dans le domaine du Web3, le terme que nous connaissons mieux est DePIN. Le Web3 met l'accent sur la décentralisation et la souveraineté des données des utilisateurs, tandis que DePIN renforce la protection de la vie privée des utilisateurs grâce à un traitement des données local, réduisant ainsi les risques 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'un des choix les plus populaires pour le déploiement de projets. La haute performance, les faibles frais de transaction et l'innovation technologique de ces chaînes publiques offrent un soutien solide aux projets DePIN. La capitalisation boursière de certains projets DePIN sur ces chaînes publiques a déjà dépassé 10 milliards de dollars, et certains projets renommés ont réalisé des progrès significatifs.

IMO : Publication d'un nouveau paradigme de modèle AI

Le concept d'IMO a été proposé pour la première fois par un certain protocole, permettant la tokenisation des modèles d'IA.

Dans le modèle traditionnel, les développeurs de modèles d'IA ont du mal à obtenir des revenus continus de l'utilisation ultérieure du modèle, en particulier lorsque le modèle est intégré dans d'autres produits et services. De plus, la performance et l'efficacité des modèles d'IA manquent souvent de transparence, ce qui limite leur reconnaissance sur le marché et leur potentiel commercial.

IMO fournit un nouveau type de soutien financier et de partage de valeur pour les modèles d'IA open source, permettant aux investisseurs d'acheter des tokens IMO et de partager les revenus futurs du modèle. Un certain protocole utilise des normes techniques spécifiques, combinant un oracle AI on-chain et la technologie OPML pour garantir l'authenticité des modèles d'IA et le partage des bénéfices avec les détenteurs de tokens.

Le modèle IMO renforce la transparence et la confiance, encourage la collaboration open source, s'adapte aux tendances du marché de la cryptographie et insuffle une dynamique au développement durable des technologies AI. Bien que l'IMO soit actuellement à un stade préliminaire d'essai, son innovation et sa valeur potentielle méritent d'être attendues à mesure que l'acceptation du marché augmente et que la portée de la participation s'élargit.

Agent IA : Une nouvelle ère d'expérience interactive

L'Agent IA peut percevoir son environnement, penser de manière indépendante et agir en conséquence pour atteindre ses objectifs. Soutenu par de grands modèles linguistiques, l'Agent IA peut non seulement comprendre le langage naturel, mais aussi planifier des décisions et exécuter des tâches complexes. Ils peuvent servir d'assistants virtuels, apprenant les préférences par l'interaction avec les utilisateurs et offrant des solutions personnalisées. Même sans instructions claires, l'Agent IA peut résoudre des problèmes de manière autonome, améliorer l'efficacité et créer de nouvelles valeurs.

Une plateforme d'application AI native offre 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 connecter des bases de connaissances externes, s'efforçant de créer un écosystème de contenu AI équitable et ouvert. En utilisant la technologie AI générative, elle permet aux individus de devenir des super créateurs. La plateforme a formé un modèle de langage spécialement conçu, rendant les jeux de rôle plus humanisés ; la technologie de clonage vocal peut accélérer l'interaction personnalisée des produits AI, réduisant le coût de la synthèse vocale de 99 %, et le clonage vocal peut être réalisé en seulement 1 minute. Grâce à l'AI Agent personnalisé de cette plateforme, il peut actuellement être appliqué dans plusieurs domaines tels que la vidéoconférence, l'apprentissage des langues, et la génération d'images.

Dans le cadre de la fusion entre Web3 et l'IA, l'accent est actuellement mis sur l'exploration de la couche d'infrastructure, comme l'acquisition de données de haute qualité, la protection de la vie privée des données, l'hébergement de modèles sur la chaîne, l'amélioration de l'efficacité de l'utilisation de la puissance de calcul décentralisée, et la vérification des grands modèles de langage, entre autres problèmes clés. À mesure que ces infrastructures se perfectionnent, la fusion entre Web3 et l'IA devrait donner naissance à une série de modèles commerciaux et de services innovants.