La convergence du Web3 et de l'IA : construire une nouvelle infrastructure Internet de nouvelle génération
Web3, en tant que nouveau paradigme Internet décentralisé, ouvert et transparent, offre une opportunité naturelle de fusion avec l'IA. Dans une architecture traditionnelle centralisée, les ressources de calcul et de données de l'IA sont strictement contrôlées, faisant face à de nombreux défis tels que les limitations de puissance de calcul, les fuites de données personnelles et les algorithmes en boîte noire. En revanche, Web3, basé sur des technologies distribuées, insuffle une nouvelle dynamique au développement de l'IA grâce à des réseaux de partage de puissance de calcul, des marchés de données ouverts et des calculs de confidentialité. Parallèlement, l'IA peut également apporter de nombreux atouts à Web3, tels que l'optimisation des contrats intelligents et des algorithmes anti-triche, contribuant ainsi à sa construction écosystémique. Explorer la combinaison de Web3 et de l'IA est essentiel pour construire l'infrastructure Internet de nouvelle 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 central du développement de l'IA, tout comme le carburant l'est pour un moteur. Les modèles d'IA ont besoin de digérer une grande quantité de données de haute qualité pour acquérir une compréhension approfondie et de puissantes capacités de raisonnement. Les données non seulement fournissent la base d'entraînement pour les modèles d'apprentissage automatique, mais déterminent également la précision et la fiabilité des modèles.
Les modèles traditionnels de collecte et d'utilisation des données d'IA centralisée présentent les principaux problèmes suivants :
Le coût de l'acquisition des données est élevé, rendant difficile pour les petites et moyennes entreprises de le supporter.
Les ressources de données sont monopolisées par des géants technologiques, formant des îlots de données.
Les données personnelles sont exposées à des risques de fuite et d'abus.
Web3 résout les points de douleur du modèle traditionnel avec un nouveau paradigme de données décentralisées :
Les utilisateurs peuvent vendre leur bande passante inutilisée aux entreprises d'IA, pour extraire des données réseau de manière décentralisée et fournir des données réelles et de haute qualité pour l'entraînement des modèles d'IA.
Adopter le mode "label to earn", en incitant les travailleurs du monde entier à participer à l'annotation des données grâce à des jetons, rassemblant ainsi l'expertise mondiale et renforçant les capacités d'analyse des données.
La plateforme de trading de données blockchain offre un environnement de交易公开 et transparent pour les deux parties de l'offre et de la demande de données, incitant à l'innovation et au partage des données.
Cependant, l'acquisition de données du monde réel présente des problèmes tels que la qualité inégale, la difficulté de traitement, le manque de diversité et de représentativité. Les données synthétiques pourraient être la star de la future scène des données Web3. Basées sur la technologie de l'IA générative et la simulation, les données synthétiques peuvent simuler les attributs des données réelles, servant de complément efficace et améliorant 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 un potentiel d'application mature.
Protection de la vie privée : le rôle de FHE dans le Web3
À l'ère des données, la protection de la vie privée est devenue un point focal mondial, des réglementations telles que le Règlement général sur la protection des données (RGPD) de l'UE reflètent une stricte protection de la vie privée des individus. Cependant, cela pose également des défis : certaines données sensibles ne peuvent pas être pleinement utilisées en raison des risques pour la vie privée, limitant ainsi le potentiel et les capacités de raisonnement des modèles d'IA.
FHE (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 du calcul effectué sur les données en clair. FHE offre une protection solide pour le calcul de la confidentialité des AI, permettant à la puissance de calcul des GPU d'effectuer des tâches d'entraînement et d'inférence de modèles dans un environnement sans toucher aux données brutes. Cela représente un avantage considérable pour les entreprises d'IA, leur permettant d'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 d'apprentissage automatique, garantissant la sécurité des informations sensibles et prévenant les risques de fuite de données. FHEML renforce la confidentialité des données et fournit un cadre de calcul sécurisé pour les applications d'IA. FHEML complète ZKML, où ZKML prouve l'exécution correcte de l'apprentissage automatique, tandis que FHEML met l'accent sur le calcul sur des données cryptées pour maintenir la confidentialité des données.
Révolution de la puissance de calcul : Calcul AI dans un réseau décentralisé
La complexité des systèmes d'IA double tous les trois mois, entraînant une demande de puissance de calcul en forte augmentation, bien au-delà de l'offre actuelle de ressources de calcul. Par exemple, l'entraînement du modèle GPT-3 nécessite une énorme puissance de calcul, équivalente à 355 années de temps d'entraînement sur un seul appareil. Ce manque de puissance de calcul limite non seulement les avancées technologiques en IA, mais rend également les modèles d'IA avancés inaccessibles à la plupart des chercheurs et des développeurs.
En même temps, l'utilisation mondiale des GPU est inférieure à 40 %, et la lenteur de l'amélioration des performances des microprocesseurs, ainsi que les pénuries de puces dues 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 retrouvent dans une situation délicate : soit ils achètent du matériel, soit ils louent des ressources cloud, et ils ont un besoin urgent de services de calcul à la demande et économiques.
Un réseau de calcul décentralisé basé sur l'IA agrège des ressources GPU inactives à l'échelle mondiale pour offrir un marché de puissance de calcul économiquement accessible aux entreprises d'IA. 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 vérification, ils reçoivent des points en récompense. Cette solution améliore l'efficacité de l'utilisation des ressources et contribue à résoudre le problème du goulot d'étranglement de la puissance de calcul dans des domaines tels que l'IA.
En plus des réseaux de puissance de calcul décentralisés généraux, il existe des réseaux de puissance de calcul dédiés à l'entraînement et à l'inférence de l'IA. Les réseaux de puissance de calcul décentralisés offrent un marché de puissance de calcul équitable et transparent, brisant les monopoles, réduisant les barrières à l'application et améliorant l'efficacité d'utilisation de la puissance de calcul. Dans l'écosystème web3, les réseaux de puissance de calcul décentralisés joueront un rôle clé, attirant davantage de dapps innovants pour promouvoir conjointement le développement et l'application de la technologie IA.
DePIN : Web3 habilite l'IA Edge
Imaginez que votre téléphone, votre smartwatch, et même vos appareils intelligents à la maison soient capables de faire fonctionner de l'IA - c'est cela l'attrait de l'Edge AI. Cela permet de traiter les données à la source de leur production, réalisant 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 par les 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 l'écosystème d'une certaine blockchain publique, devenant l'une des plateformes de déploiement de projets préférées. Le haut TPS, les faibles frais de transaction et l'innovation technologique de cette blockchain publique offrent un soutien puissant aux projets DePIN. Actuellement, la capitalisation boursière des projets DePIN sur cette blockchain publique dépasse 10 milliards de dollars, et plusieurs projets renommés ont déjà réalisé des progrès significatifs.
IMO : Publication d'un nouveau paradigme pour les modèles d'IA
Le concept d'IMO a été proposé pour la première fois par un certain protocole, permettant de tokeniser les modèles d'IA.
Dans le modèle traditionnel, en raison de l'absence de mécanisme de partage des revenus, il est difficile pour les développeurs de modèles d'IA de tirer un revenu continu de leur utilisation ultérieure, surtout lorsque le modèle est intégré dans d'autres produits et services. Les créateurs d'origine ont du mal à suivre l'utilisation et à obtenir des revenus. De plus, les performances et l'efficacité des modèles d'IA manquent souvent de transparence, rendant difficile pour les investisseurs et les utilisateurs potentiels d'évaluer leur véritable valeur, ce qui limite la reconnaissance sur le marché et le potentiel commercial des modèles.
IMO fournit un nouveau soutien financier et un mode de partage de valeur pour les modèles AI open source. Les investisseurs peuvent acheter des jetons IMO et partager les bénéfices générés par le modèle par la suite. Un certain protocole utilise deux normes ERC, combinant des oracles AI et la technologie OPML pour garantir l'authenticité des modèles AI et permettre aux détenteurs de jetons de partager les bénéfices.
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 puissance dans le développement durable des technologies d'IA. L'IMO est actuellement en phase d'essai préliminaire, mais avec l'augmentation de l'acceptation du marché et l'élargissement de la participation, son innovation et sa valeur potentielle sont à attendre avec impatience.
Agent IA : Une nouvelle ère d'expérience interactive
L'agent IA peut percevoir son environnement, réfléchir de manière autonome et prendre des mesures appropriées pour atteindre des objectifs fixés. Soutenu par de grands modèles de langage, l'agent IA peut non seulement comprendre le langage naturel, mais aussi planifier des décisions et exécuter des tâches complexes. Il peut servir d'assistant virtuel, apprenant les préférences des utilisateurs à travers l'interaction, et offrant des solutions personnalisées. Même sans instructions claires, l'agent IA peut résoudre des problèmes de manière autonome, augmentant ainsi l'efficacité et créant une nouvelle valeur.
Une plateforme d'application native AI propose un ensemble d'outils de création complets et faciles à utiliser, permettant aux utilisateurs de configurer les fonctionnalités, l'apparence, la voix des robots ainsi que de se connecter à des bases de connaissances externes, s'efforçant de créer un écosystème de contenu AI équitable et ouvert. En utilisant des technologies d'IA générative, elle permet aux individus de devenir des super créateurs. Cette plateforme a entraîné des modèles de langage spécialisés, rendant le jeu de rôle plus humain ; la technologie de clonage vocal peut accélérer l'interaction personnalisée des produits AI, réduisant les coûts de synthèse vocale de 99 %, et le clonage vocal ne prend qu'une minute à réaliser. Grâce à l'AI Agent personnalisé de cette plateforme, il peut actuellement être appliqué 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, l'exploration se concentre actuellement davantage sur la couche d'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 des modèles de langage de grande taille, et d'autres questions clés. À mesure que ces infrastructures se perfectionnent progressivement, 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.
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
13 J'aime
Récompense
13
7
Partager
Commentaire
0/400
RektRecovery
· Il y a 11h
vulnérabilité prévisible fest smh
Voir l'originalRépondre0
ClassicDumpster
· Il y a 19h
Hehe, il y a encore de nouveaux pigeons à récolter.
Voir l'originalRépondre0
HalfIsEmpty
· Il y a 19h
En d'autres termes, c'est un nouveau terme pour se faire prendre pour des cons.
Voir l'originalRépondre0
GasFeePhobia
· Il y a 19h
Les frais de gas en fer, je suis en cuivre, je craque.
Voir l'originalRépondre0
ProxyCollector
· Il y a 19h
Ce n'est rien d'autre qu'une centralisation déguisée.
Voir l'originalRépondre0
SchrodingerAirdrop
· Il y a 20h
Encore vu le piège concept炒冷饭
Voir l'originalRépondre0
MissedTheBoat
· Il y a 20h
Marché baissier c'est pas d'opportunités, il faut attendre.
Web3 et AI fusionnés : 5 grandes tendances pour construire la nouvelle infrastructure Internet de génération.
La convergence du Web3 et de l'IA : construire une nouvelle infrastructure Internet de nouvelle génération
Web3, en tant que nouveau paradigme Internet décentralisé, ouvert et transparent, offre une opportunité naturelle de fusion avec l'IA. Dans une architecture traditionnelle centralisée, les ressources de calcul et de données de l'IA sont strictement contrôlées, faisant face à de nombreux défis tels que les limitations de puissance de calcul, les fuites de données personnelles et les algorithmes en boîte noire. En revanche, Web3, basé sur des technologies distribuées, insuffle une nouvelle dynamique au développement de l'IA grâce à des réseaux de partage de puissance de calcul, des marchés de données ouverts et des calculs de confidentialité. Parallèlement, l'IA peut également apporter de nombreux atouts à Web3, tels que l'optimisation des contrats intelligents et des algorithmes anti-triche, contribuant ainsi à sa construction écosystémique. Explorer la combinaison de Web3 et de l'IA est essentiel pour construire l'infrastructure Internet de nouvelle 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 central du développement de l'IA, tout comme le carburant l'est pour un moteur. Les modèles d'IA ont besoin de digérer une grande quantité de données de haute qualité pour acquérir une compréhension approfondie et de puissantes capacités de raisonnement. Les données non seulement fournissent la base d'entraînement pour les modèles d'apprentissage automatique, mais déterminent également la précision et la fiabilité des modèles.
Les modèles traditionnels de collecte et d'utilisation des données d'IA centralisée présentent les principaux problèmes suivants :
Web3 résout les points de douleur du modèle traditionnel avec un nouveau paradigme de données décentralisées :
Cependant, l'acquisition de données du monde réel présente des problèmes tels que la qualité inégale, la difficulté de traitement, le manque de diversité et de représentativité. Les données synthétiques pourraient être la star de la future scène des données Web3. Basées sur la technologie de l'IA générative et la simulation, les données synthétiques peuvent simuler les attributs des données réelles, servant de complément efficace et améliorant 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 un potentiel d'application mature.
Protection de la vie privée : le rôle de FHE dans le Web3
À l'ère des données, la protection de la vie privée est devenue un point focal mondial, des réglementations telles que le Règlement général sur la protection des données (RGPD) de l'UE reflètent une stricte protection de la vie privée des individus. Cependant, cela pose également des défis : certaines données sensibles ne peuvent pas être pleinement utilisées en raison des risques pour la vie privée, limitant ainsi le potentiel et les capacités de raisonnement des modèles d'IA.
FHE (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 du calcul effectué sur les données en clair. FHE offre une protection solide pour le calcul de la confidentialité des AI, permettant à la puissance de calcul des GPU d'effectuer des tâches d'entraînement et d'inférence de modèles dans un environnement sans toucher aux données brutes. Cela représente un avantage considérable pour les entreprises d'IA, leur permettant d'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 d'apprentissage automatique, garantissant la sécurité des informations sensibles et prévenant les risques de fuite de données. FHEML renforce la confidentialité des données et fournit un cadre de calcul sécurisé pour les applications d'IA. FHEML complète ZKML, où ZKML prouve l'exécution correcte de l'apprentissage automatique, tandis que FHEML met l'accent sur le calcul sur des données cryptées pour maintenir la confidentialité des données.
Révolution de la puissance de calcul : Calcul AI dans un réseau décentralisé
La complexité des systèmes d'IA double tous les trois mois, entraînant une demande de puissance de calcul en forte augmentation, bien au-delà de l'offre actuelle de ressources de calcul. Par exemple, l'entraînement du modèle GPT-3 nécessite une énorme puissance de calcul, équivalente à 355 années de temps d'entraînement sur un seul appareil. Ce manque de puissance de calcul limite non seulement les avancées technologiques en IA, mais rend également les modèles d'IA avancés inaccessibles à la plupart des chercheurs et des développeurs.
En même temps, l'utilisation mondiale des GPU est inférieure à 40 %, et la lenteur de l'amélioration des performances des microprocesseurs, ainsi que les pénuries de puces dues 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 retrouvent dans une situation délicate : soit ils achètent du matériel, soit ils louent des ressources cloud, et ils ont un besoin urgent de services de calcul à la demande et économiques.
Un réseau de calcul décentralisé basé sur l'IA agrège des ressources GPU inactives à l'échelle mondiale pour offrir un marché de puissance de calcul économiquement accessible aux entreprises d'IA. 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 vérification, ils reçoivent des points en récompense. Cette solution améliore l'efficacité de l'utilisation des ressources et contribue à résoudre le problème du goulot d'étranglement de la puissance de calcul dans des domaines tels que l'IA.
En plus des réseaux de puissance de calcul décentralisés généraux, il existe des réseaux de puissance de calcul dédiés à l'entraînement et à l'inférence de l'IA. Les réseaux de puissance de calcul décentralisés offrent un marché de puissance de calcul équitable et transparent, brisant les monopoles, réduisant les barrières à l'application et améliorant l'efficacité d'utilisation de la puissance de calcul. Dans l'écosystème web3, les réseaux de puissance de calcul décentralisés joueront un rôle clé, attirant davantage de dapps innovants pour promouvoir conjointement le développement et l'application de la technologie IA.
DePIN : Web3 habilite l'IA Edge
Imaginez que votre téléphone, votre smartwatch, et même vos appareils intelligents à la maison soient capables de faire fonctionner de l'IA - c'est cela l'attrait de l'Edge AI. Cela permet de traiter les données à la source de leur production, réalisant 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 par les 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 l'écosystème d'une certaine blockchain publique, devenant l'une des plateformes de déploiement de projets préférées. Le haut TPS, les faibles frais de transaction et l'innovation technologique de cette blockchain publique offrent un soutien puissant aux projets DePIN. Actuellement, la capitalisation boursière des projets DePIN sur cette blockchain publique dépasse 10 milliards de dollars, et plusieurs projets renommés ont déjà réalisé des progrès significatifs.
IMO : Publication d'un nouveau paradigme pour les modèles d'IA
Le concept d'IMO a été proposé pour la première fois par un certain protocole, permettant de tokeniser les modèles d'IA.
Dans le modèle traditionnel, en raison de l'absence de mécanisme de partage des revenus, il est difficile pour les développeurs de modèles d'IA de tirer un revenu continu de leur utilisation ultérieure, surtout lorsque le modèle est intégré dans d'autres produits et services. Les créateurs d'origine ont du mal à suivre l'utilisation et à obtenir des revenus. De plus, les performances et l'efficacité des modèles d'IA manquent souvent de transparence, rendant difficile pour les investisseurs et les utilisateurs potentiels d'évaluer leur véritable valeur, ce qui limite la reconnaissance sur le marché et le potentiel commercial des modèles.
IMO fournit un nouveau soutien financier et un mode de partage de valeur pour les modèles AI open source. Les investisseurs peuvent acheter des jetons IMO et partager les bénéfices générés par le modèle par la suite. Un certain protocole utilise deux normes ERC, combinant des oracles AI et la technologie OPML pour garantir l'authenticité des modèles AI et permettre aux détenteurs de jetons de partager les bénéfices.
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 puissance dans le développement durable des technologies d'IA. L'IMO est actuellement en phase d'essai préliminaire, mais avec l'augmentation de l'acceptation du marché et l'élargissement de la participation, son innovation et sa valeur potentielle sont à attendre avec impatience.
Agent IA : Une nouvelle ère d'expérience interactive
L'agent IA peut percevoir son environnement, réfléchir de manière autonome et prendre des mesures appropriées pour atteindre des objectifs fixés. Soutenu par de grands modèles de langage, l'agent IA peut non seulement comprendre le langage naturel, mais aussi planifier des décisions et exécuter des tâches complexes. Il peut servir d'assistant virtuel, apprenant les préférences des utilisateurs à travers l'interaction, et offrant des solutions personnalisées. Même sans instructions claires, l'agent IA peut résoudre des problèmes de manière autonome, augmentant ainsi l'efficacité et créant une nouvelle valeur.
Une plateforme d'application native AI propose un ensemble d'outils de création complets et faciles à utiliser, permettant aux utilisateurs de configurer les fonctionnalités, l'apparence, la voix des robots ainsi que de se connecter à des bases de connaissances externes, s'efforçant de créer un écosystème de contenu AI équitable et ouvert. En utilisant des technologies d'IA générative, elle permet aux individus de devenir des super créateurs. Cette plateforme a entraîné des modèles de langage spécialisés, rendant le jeu de rôle plus humain ; la technologie de clonage vocal peut accélérer l'interaction personnalisée des produits AI, réduisant les coûts de synthèse vocale de 99 %, et le clonage vocal ne prend qu'une minute à réaliser. Grâce à l'AI Agent personnalisé de cette plateforme, il peut actuellement être appliqué 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, l'exploration se concentre actuellement davantage sur la couche d'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 des modèles de langage de grande taille, et d'autres questions clés. À mesure que ces infrastructures se perfectionnent progressivement, 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.