Discussion sur les directions et stratégies de développement de l'IA Web3

Le prix des actions d'NVIDIA atteint un nouveau sommet, les progrès des modèles multimodaux approfondissent les barrières technologiques de l'IA Web2. De l'alignement sémantique à la compréhension visuelle, des embeddings de haute dimension à la fusion des caractéristiques, des modèles complexes intègrent à un rythme sans précédent diverses façons d'expression, construisant ainsi un territoire AI de plus en plus clos. Le marché boursier américain réagit positivement, avec des actions de cryptomonnaie et d'IA qui affichent toutes deux un petit marché haussier.

Cependant, cette tendance n'est pas très liée au domaine des cryptomonnaies. Les récentes tentatives en Web3 AI, en particulier dans la direction des agents, présentent un écart : elles essaient d'assembler un système modulaire multimodal de style Web2 avec une structure décentralisée, ce qui représente en réalité un double décalage technologique et conceptuel. Dans un contexte où la couplage des modules est fort, la distribution des caractéristiques est instable et la demande en puissance de calcul est concentrée, il est difficile pour le modulaire multimodal de s'établir dans Web3.

L'avenir de l'IA Web3 ne réside pas dans l'imitation, mais dans une approche stratégique et détournée. De l'alignement sémantique dans des espaces de haute dimension, aux goulets d'étranglement d'information dans les mécanismes d'attention, jusqu'à l'alignement des caractéristiques sous des puissances de calcul hétérogènes, l'IA Web3 doit être guidée par la tactique de "l'encerclement des villes par les campagnes".

Web3 AI est basé sur un modèle multimodal aplati, où l'alignement sémantique difficile entraîne de faibles performances. L'espace d'embedding de haute dimension est une condition préalable à la mise en œuvre de la modularité pour réduire les coûts et améliorer l'efficacité, mais le protocole Web3 Agent a du mal à réaliser des embeddings de haute dimension, rendant la modularité illusoire. La plupart des Web3 Agents ne sont que des emballages d'API prêtes à l'emploi, manquant d'un espace d'embedding centralisé unifié et d'un mécanisme d'attention inter-modulaire, ce qui les empêche de former une optimisation globale en boucle fermée.

Dans un espace à faible dimension, il est difficile de concevoir un mécanisme d'attention de manière précise. L'IA Web2, en concevant des mécanismes d'attention, se base sur le décodeur Transformer, dont le cœur est le mécanisme Query-Key-Value. L'IA Web3 a du mal à réaliser une planification d'attention unifiée en raison du manque de représentation vectorielle commune, de capacité de pondération parallèle et d'agrégation.

La modularité discrète des assemblages entraîne une fusion des caractéristiques qui reste au stade superficiel des assemblages statiques. L'IA Web2 a tendance à privilégier l'entraînement conjoint de bout en bout, tandis que l'IA Web3 adopte principalement des assemblages de modules discrets, manquant d'un objectif d'entraînement unifié et d'un flux de gradients entre les modules.

Les barrières dans l'industrie de l'IA se creusent, mais les points de douleur ne se sont pas encore manifestés. Les systèmes multimodaux de l'IA Web2 sont des projets d'ingénierie extrêmement vastes, nécessitant d'énormes quantités de données, beaucoup de puissance de calcul et un entraînement à long terme. Cela constitue de fortes barrières à l'entrée, mais laisse également des opportunités pour le développement de l'IA Web3 à l'avenir.

L'IA Web3 devrait se développer selon la tactique de "la campagne entoure la ville", en testant à petite échelle dans des scénarios périphériques, en attendant l'émergence d'opportunités dans des scénarios centraux. L'avantage de l'IA Web3 réside dans sa décentralisation, ce qui la rend adaptée aux tâches légères, facilement parallélisables et incitatives, telles que le fine-tuning LoRA, l'entraînement après l'alignement comportemental, le traitement des données en crowdsourcing, etc.

Actuellement, les barrières de l'IA Web2 sont encore en train de se former, l'IA Web3 doit choisir avec prudence son point d'entrée. Il convient de se concentrer sur des projets capables d'itérer continuellement dans de petits scénarios et d'avoir de la flexibilité, afin de s'adapter aux barrières et aux points de douleur potentiels en constante évolution. Une dépendance excessive à des protocoles d'infrastructure ou d'architecture réseau massifs pourrait présenter un risque d'élimination.