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, offre des opportunités naturelles d'intégration avec l'IA. Dans une architecture centralisée traditionnelle, le calcul de l'IA et les ressources de données sont strictement contrôlés, ce qui entraîne de nombreux défis, tels que les goulets d'étranglement en puissance de calcul, les fuites de données et les algorithmes en boîte noire. En revanche, Web3, basé sur des technologies distribuées, peut injecter une nouvelle dynamique au développement de l'IA grâce à des moyens tels que le réseau de partage de puissance de calcul, le marché de données ouvert et le calcul de la confidentialité. Par ailleurs, l'IA peut également apporter de nombreuses capacités à Web3, comme l'optimisation des contrats intelligents et les algorithmes anti-triche, contribuant ainsi à la construction de son écosystème. Par conséquent, explorer la combinaison de Web3 et de l'IA est essentiel 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 ont besoin de digérer une grande quantité de données de haute qualité pour acquérir une compréhension approfondie et une forte capacité de raisonnement. Les données ne fournissent pas seulement une base d'entraînement pour les modèles d'apprentissage automatique, mais déterminent également l'exactitude et la fiabilité du modèle.

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

• Le coût d'obtention des données est élevé, les petites et moyennes entreprises ont du mal à le supporter.
• Les ressources de données sont monopolisées par les géants de la technologie, formant des îles 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 grâce à une nouvelle approche décentralisée des données :

• Les utilisateurs peuvent vendre leur bande passante inutilisée aux entreprises d'IA, afin de collecter des données réseau de manière décentralisée, fournissant des données réelles et de haute qualité pour l'entraînement des modèles d'IA.
• Adopter le modèle "label to earn", incitant les travailleurs du monde entier à participer à l'annotation des données grâce à des incitations en tokens, rassemblant ainsi l'expertise mondiale.
• 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, stimulant l'innovation et le partage des données.

Néanmoins, l'acquisition de données dans le monde réel présente également 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 de l'avenir du secteur des 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 Web3

À l'ère de la donnée, la protection de la vie privée est devenue un sujet d'attention mondiale. L'adoption de réglementations telles que le Règlement général sur la protection des données (GDPR) par l'Union européenne reflète une stricte protection de la vie privée des individus. Cependant, cela a également posé 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 la capacité de raisonnement des modèles d'IA.

FHE, ou le chiffrement homomorphe complet, permet d'effectuer des opérations de calcul directement sur des données chiffrées sans avoir à déchiffrer les données, et les résultats des calculs sont identiques à ceux obtenus en effectuant les mêmes calculs 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 des GPU d'exécuter des tâches d'entraînement 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 d'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 complète 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 actuels double tous les 3 mois, entraînant une augmentation fulgurante de la demande en puissance de calcul, bien au-delà de l'offre actuelle de ressources informatiques. Par exemple, l'entraînement du modèle GPT-3 nécessite une puissance de calcul énorme, 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 avancés inaccessibles pour la plupart 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 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 acheter du matériel, soit louer des ressources cloud, et ils ont un besoin urgent d'un service de calcul à la demande et rentable.

Certain réseaux de calcul décentralisés en intelligence artificielle agrègent des ressources GPU inactives à l'échelle mondiale, offrant ainsi aux entreprises d'IA un marché de calcul à la fois économique et facilement accessible. Les demandeurs de puissance de calcul peuvent publier des tâches de calcul sur le réseau, des contrats intelligents attribuent les tâches aux nœuds mineurs qui contribuent en puissance de calcul, les mineurs exécutent les tâches et soumettent les résultats, qui, après vérification, leur rapportent des points de récompense. Cette solution améliore l'efficacité de l'utilisation des ressources et aide à résoudre le problème des goulets d'étranglement de la puissance de calcul dans des domaines comme l'IA.

En plus des réseaux de calcul décentralisés généraux, il existe des plateformes spécialisées dans l'entraînement de l'IA, ainsi que des réseaux 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 et améliorant l'efficacité d'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 de la technologie AI.

DePIN : Web3 habilitant l'IA de périphérie

Imaginez que votre téléphone, votre montre intelligente et même les appareils intelligents de votre maison soient capables d'exécuter de l'IA - c'est là toute la beauté de l'Edge AI. Cela permet le calcul à la source de la génération des données, 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. Web3 met l'accent sur la décentralisation et la souveraineté des données des utilisateurs. DePIN, en traitant les données localement, peut renforcer la protection de la vie privée des utilisateurs et réduire le risque de fuite de données ; le mécanisme économique natif au 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 prisées. Un TPS élevé, des frais de transaction bas et des innovations technologiques offrent un soutien puissant aux projets DePIN. Certains projets DePIN bien connus ont déjà réalisé des progrès significatifs.

IMO : Nouveau paradigme de publication du modèle AI

Le concept d'IMO a été d'abord proposé par certains protocoles, qui tokenisent les modèles d'IA.

Dans un 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 les développeurs de tirer un revenu durable de l'utilisation ultérieure du modèle, surtout lorsque celui-ci est intégré dans d'autres produits et services, les créateurs d'origine ont du mal à suivre l'utilisation, sans parler de tirer un revenu de cela. 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 du marché et le potentiel commercial du modèle.

IMO offre un tout nouveau mode de financement et de partage de valeur pour les modèles AI open source. Les investisseurs peuvent acheter des jetons IMO et partager les revenus générés par les modèles par la suite. Certains protocoles utilisent un nouveau standard 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 revenus.

Le modèle IMO renforce la transparence et la confiance, encourage la collaboration open source, s'adapte aux tendances du marché de la cryptographie et injecte de l'énergie dans le développement durable des technologies de l'IA. L'IMO en est actuellement à ses débuts, 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 IA peut percevoir son environnement, réfléchir de manière indépendante et prendre des mesures appropriées pour atteindre des objectifs définis. Avec le soutien 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 à travers l'interaction et offrant 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.

Certaines plateformes proposent 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 écosystème de contenu IA équitable et ouvert, en utilisant la technologie IA générative pour permettre aux individus de devenir des super créateurs. Certaines plateformes ont formé des modèles de langage spécialement conçus, rendant le jeu de rôle plus humain ; la technologie de clonage vocal peut accélérer l'interaction personnalisée des produits IA, réduisant considérablement le coût de la synthèse vocale, le clonage vocal ne prenant qu'une minute à réaliser. Grâce à des agents IA personnalisés, il est actuellement possible de les appliquer 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, 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 et d'autres questions clés. 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.