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

Web3, en tant que nouveau modèle Internet décentralisé, ouvert et transparent, a une opportunité d'intégration naturelle avec l'IA. Dans une architecture centralisée traditionnelle, les ressources de calcul et de données de l'IA sont strictement limitées, faisant face à de multiples défis tels que les goulots d'étranglement en puissance de calcul, les fuites de données personnelles et le manque de transparence des algorithmes. En revanche, Web3, basé sur des technologies distribuées, peut fournir une nouvelle impulsion au développement de l'IA grâce à des moyens tels que le partage de réseaux de puissance de calcul, des marchés de données ouverts et le calcul confidentiel. Parallèlement, l'IA peut également apporter de nombreux avantages à Web3, comme l'optimisation des contrats intelligents et des algorithmes anti-fraude, favorisant ainsi le développement 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 : 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 ne fournissent pas seulement une base d'entraînement pour les modèles d'apprentissage automatique, mais déterminent également leur précision et leur fiabilité.

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

• Le coût d'acquisition des données est élevé, ce qui rend difficile pour les PME 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 peut résoudre les points de douleur des modèles traditionnels avec une nouvelle approche décentralisée des données :

• Collecter des données sur le réseau de manière décentralisée, les nettoyer et les transformer pour fournir des données réelles et de haute qualité pour l'entraînement des modèles d'IA.
• Adopter le modèle "label to earn" pour inciter les travailleurs du monde entier, grâce à des tokens, à participer à l'annotation des données, rassemblant ainsi l'expertise mondiale et renforçant la capacité 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 également certains problèmes, tels que la qualité des données variable, la difficulté de traitement, ainsi que le manque de diversité et de représentativité. Les données synthétiques pourraient être un point fort de l'avenir de la piste de données Web3. Basées sur des technologies d'IA générative et de simulation, les données synthétiques peuvent imiter les attributs des données réelles, servant 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 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 sujet de préoccupation 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 individuelle. 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 cryptographie homomorphe complète, 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 des données en clair.

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

FHEML prend en charge le traitement cryptographique 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 souligne 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 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 puissance de calcul énorme, équivalente à 355 années d'entraînement sur un seul appareil. Cette pénurie de puissance de calcul limite non seulement le progrès des technologies d'IA, mais rend également ces modèles d'IA avancés inaccessibles pour 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 la pénurie de puces causée par des facteurs de chaîne d'approvisionnement et géopolitiques, aggravent 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 d'un service de calcul à la demande et rentable.

Le réseau de puissance de calcul AI décentralisé agrège les ressources GPU inutilisées à l'échelle mondiale, 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, les contrats intelligents attribuent les tâches aux nœuds de mineurs qui contribuent à la puissance de calcul, les mineurs exécutent les tâches et soumettent les résultats, et après vérification, ils reçoivent des récompenses en points. 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 du réseau de puissance de calcul décentralisé général, il existe également 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'entrée 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 l'adhésion de plus d'applications décentralisées innovantes et contribuant ensemble au développement et à l'application des technologies d'IA.

DePIN : Web3 habilitant l'Edge AI

Imaginez que votre téléphone, votre montre intelligente, et même les appareils intelligents de votre maison, aient tous la capacité de faire fonctionner l'IA - c'est là tout le charme de l'Edge AI. Cela permet de réaliser des calculs à la source de la génération de données, offrant ainsi une faible latence et un traitement en temps réel, tout en protégeant la vie privée des utilisateurs. La technologie Edge AI est déjà 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, en traitant les données localement, peut améliorer la protection de la vie privée des utilisateurs et réduire le risque de fuite de données ; le mécanisme économique natif de Token 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 déploiement de projets les plus choisies. Un TPS élevé, des frais de transaction bas et des innovations technologiques offrent un soutien solide aux projets DePIN. Actuellement, la capitalisation boursière de certains projets DePIN sur des chaînes publiques a déjà dépassé 10 milliards de dollars, et plusieurs projets connus ont réalisé des progrès significatifs.

IMO : Nouveau paradigme de publication de modèles d'IA

Le concept d'IMO a été proposé pour la première fois par un certain protocole, visant à tokeniser les modèles d'IA.

Dans le modèle traditionnel, en raison de l'absence d'un mécanisme de partage des revenus, une fois qu'un modèle d'IA est développé et mis sur le marché, les développeurs ont souvent du mal à tirer des revenus continus de l'utilisation ultérieure du modèle, surtout lorsque celui-ci est intégré à d'autres produits et services. Les créateurs originaux ont alors du mal à suivre l'utilisation, sans parler de la possibilité d'en tirer des bénéfices. De plus, les performances et les résultats 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 propose une nouvelle méthode de soutien financier et de partage de valeur pour les modèles d'IA open source, permettant aux investisseurs d'acheter des jetons IMO et de partager les revenus générés par le modèle par la suite. Un certain protocole utilise une norme ERC spécifique, combinée à des oracles d'IA et à la technologie OPML pour garantir l'authenticité des modèles d'IA et permettre aux détenteurs de jetons de partager les revenus.

Le mode IMO renforce la transparence et la confiance, encourage la collaboration open source, s'adapte aux tendances du marché des cryptomonnaies et insuffle de la dynamique au développement durable des technologies AI. Le mode IMO est actuellement encore à un stade d'expérimentation précoce, mais avec l'augmentation de l'acceptation sur le marché et l'élargissement de la portée de la participation, son innovation et sa valeur potentielle méritent notre attention.

Agent IA : La nouvelle ère de l'expérience interactive

L'Agent IA peut percevoir son environnement, penser de manière autonome et prendre des mesures appropriées pour atteindre des objectifs fixés. Avec le soutien de grands modèles linguistiques, l'Agent IA est non seulement capable de comprendre le langage naturel, mais aussi de planifier des décisions et d'exécuter des tâches complexes. Ils peuvent servir d'assistants virtuels, apprenant les préférences des utilisateurs à travers l'interaction et fournissant des solutions personnalisées. Même sans instructions explicites, l'Agent IA peut résoudre des problèmes de manière autonome, améliorant l'efficacité et créant de la nouvelle valeur.

Une plateforme d'application AI native propose un ensemble d'outils de création complets et faciles à utiliser, permettant aux utilisateurs de configurer les fonctions, l'apparence et 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 des technologies d'AI générative pour permettre aux individus de devenir des créateurs super. Cette plateforme a entraîné un modèle de langage de grande taille spécialement conçu, rendant le jeu de rôle plus humain ; la technologie de clonage vocal peut accélérer l'interaction personnalisée des produits AI, réduisant le coût de la synthèse vocale de 99 %, le clonage vocal n'étant réalisable qu'en 1 minute. 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, il s'agit actuellement davantage d'explorer la couche d'infrastructure, comment obtenir des données de haute qualité, protéger la confidentialité 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.