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

Web3, en tant que nouveau paradigme Internet décentralisé, ouvert et transparent, présente des opportunités de fusion naturelles avec l'IA. Dans une architecture centralisée traditionnelle, le calcul IA et les ressources de données sont soumis à de stricte restrictions, faisant face à de nombreux défis tels que les goulets d'étranglement de puissance de calcul, les violations de la vie privée et les algorithmes en boîte noire. En revanche, Web3, basé sur des technologies distribuées, peut offrir une nouvelle dynamique pour le développement de l'IA grâce à des réseaux de puissance de calcul partagés, des marchés de données ouverts et des calculs de confidentialité. De plus, l'IA peut également apporter une multitude de capacités à Web3, telles que l'optimisation des contrats intelligents et des algorithmes anti-fraude, favorisant ainsi la construction de son écosystème. Par conséquent, explorer la combinaison de Web3 et de l'IA est d'une grande importance pour construire l'infrastructure Internet de prochaine génération et libérer la valeur des données et de la puissance de calcul.

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

Les données sont le moteur central du développement de l'IA. 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 fournissent non seulement la base d'entraînement pour les 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 centralisés présentent les principaux problèmes suivants :

• Le coût d'acquisition des données est élevé, et les PME ont du mal à le supporter.
• Les ressources de données sont monopolisées par de grandes entreprises technologiques, créant des îles de données.
• Les données personnelles sont exposées à des risques de fuite et d'abus

Web3 offre un nouveau paradigme de données décentralisées pour résoudre ces points de douleur :

• Les utilisateurs peuvent vendre des ressources réseau inutilisées à des entreprises d'IA, afin de collecter des données en ligne de manière décentralisée, qui, après nettoyage et transformation, fournissent des données réelles et de haute qualité pour l'entraînement de modèles d'IA.
• Adopter le mode "Gagner en annotant", incitant les travailleurs du monde entier à participer à l'annotation des données grâce à des tokens, rassemblant des connaissances professionnelles mondiales et renforçant les capacités d'analyse des données.
• 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, incitant à l'innovation et au partage des données.

Néanmoins, l'acquisition de données dans le monde réel présente encore certains problèmes, tels que la qualité des données inégale, la difficulté de traitement, ainsi qu'un manque de diversité et de représentativité. Les données synthétiques pourraient être un point fort futur dans le domaine des données Web3. Basées sur des technologies d'IA générative et de simulation, les données synthétiques peuvent imiter les propriétés 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 un potentiel d'application mature.

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

À l'ère des données, la protection de la vie privée est devenue un sujet de préoccupation mondiale, et des réglementations telles que le Règlement général sur la protection des données de l'Union européenne reflètent la nécessité d'une protection stricte 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 le potentiel et les capacités de raisonnement des modèles d'IA.

Le chiffrement entièrement homomorphe (FHE) permet d'effectuer des opérations de calcul directement sur des données chiffrées, sans avoir besoin de déchiffrer les données, et les résultats de calcul correspondent aux résultats de calcul des données en clair. FHE offre une protection solide pour le calcul privé en IA, permettant aux capacités de calcul des GPU d'exécuter des tâches d'entraînement de modèles et d'inférence dans un environnement sans accès aux données brutes. Cela apporte un énorme avantage aux 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 le risque 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 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 trois mois, entraînant une explosion de la demande en puissance de calcul, bien au-delà de 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 en IA, mais rend également les modèles d'IA avancés inaccessibles à la plupart des chercheurs et développeurs.

En même temps, l'utilisation mondiale des GPU est inférieure à 40%, tandis que l'amélioration des performances des microprocesseurs ralentit, et que la pénurie de puces causée par des facteurs de chaîne d'approvisionnement et géopolitiques aggrave le problème de l'approvisionnement en puissance de calcul. Les professionnels de l'IA se retrouvent dans un dilemme : 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.

Un réseau de calcul AI décentralisé agrège des ressources GPU inutilisées à l'échelle mondiale pour fournir aux entreprises d'IA un marché de calcul économique et facilement accessible. Les demandeurs de puissance de calcul peuvent publier des tâches de calcul sur le réseau, et des contrats intelligents attribuent les tâches aux nœuds qui contribuent de la puissance de calcul. Les nœuds exécutent les tâches et soumettent les résultats, qui, une fois vérifiés, leur permettent de recevoir des récompenses. Cette solution améliore l'efficacité de l'utilisation des ressources et aide à résoudre le problème du goulot 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 de puissance de calcul spécialisées axées sur l'entraînement et l'inférence de l'IA. Les réseaux de puissance de calcul décentralisés offrent un marché équitable et transparent, brisent les monopoles, abaissent les barrières à l'entrée des applications et améliorent l'efficacité de l'utilisation de la puissance de calcul. Dans l'écosystème Web3, les réseaux de puissance de calcul décentralisés joueront un rôle clé, attirant davantage d'applications innovantes pour promouvoir ensemble le développement et l'application des technologies de l'IA.

DePIN : Web3 habilitant l'IA en périphérie

Imaginez que votre téléphone, votre montre intelligente, et même vos appareils intelligents à la maison aient la capacité de faire fonctionner l'IA - c'est là tout l'attrait de l'IA en périphérie. 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 de l'IA en périphérie est déjà utilisée dans des domaines clés tels que la conduite autonome.

Dans le domaine du Web3, le terme que nous connaissons le 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 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 l'écosystème d'une certaine blockchain publique, devenant l'une des plateformes de choix pour le déploiement de projets. 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 certains projets renommés ont déjà réalisé des progrès significatifs.

IMO : Lancement 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 la tokenisation des modèles d'IA.

Dans le modèle traditionnel, en raison du manque de mécanisme de partage des revenus, les développeurs de modèles d'IA ont du mal à obtenir des revenus continus de l'utilisation ultérieure des modèles, en particulier lorsque les modèles sont intégrés dans d'autres produits et services. Les créateurs originaux ont du mal à suivre l'utilisation et encore plus à obtenir 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 des modèles.

IMO offre un nouveau mode de financement et de partage de valeur pour les modèles d'IA open source, permettant aux investisseurs d'acheter des jetons IMO et de partager les bénéfices générés par le modèle par la suite. Un certain protocole utilise un standard ERC spécifique, combinant un oracle IA et la technologie OPML pour garantir l'authenticité des modèles d'IA 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 insuffle une dynamique au développement durable des technologies AI. L'IMO est actuellement en phase d'expérimentation précoce, mais avec l'augmentation de l'acceptation du marché et l'élargissement de la portée de la participation, son innovation et sa valeur potentielle sont prometteuses.

Agent IA : Une nouvelle ère d'expérience interactive

L'agent IA peut percevoir son environnement, réfléchir de manière autonome et agir en conséquence pour atteindre des objectifs définis. 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. Ils peuvent servir d'assistants virtuels, apprenant les préférences des utilisateurs grâce à des interactions, et fournissant des solutions personnalisées. Même sans instructions explicites, l'agent IA peut résoudre des problèmes de manière autonome, améliorer l'efficacité et créer de la nouvelle valeur.

Une plateforme d'application native OpenAI 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. Elle s'engage à créer un écosystème de contenu AI équitable et ouvert, en utilisant la technologie AI générative pour permettre aux individus de devenir des super créateurs. Cette plateforme a formé des modèles de langage spécifiques, rendant les jeux de rôle plus humains ; la technologie de clonage vocal peut accélérer l'interaction personnalisée des produits AI, et la plateforme a réduit le coût de la synthèse vocale de 99 %, avec un clonage vocal réalisable en seulement 1 minute. Grâce à l'AI Agent personnalisé de cette plateforme, il est actuellement applicable dans plusieurs domaines tels que le chat vidéo, l'apprentissage des langues, et la génération d'images.

Dans la fusion entre Web3 et l'IA, il y a actuellement davantage d'exploration au niveau des infrastructures, notamment sur des questions clés telles que 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, et comment vérifier les grands modèles de langage. À mesure que ces infrastructures se perfectionnent progressivement, nous avons des raisons de croire que la fusion entre Web3 et l'IA donnera naissance à une série de modèles commerciaux et de services innovants.