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

Web3, en tant que nouvelle paradigme internet décentralisé, ouvert et transparent, présente des opportunités d'intégration naturelles avec l'IA. Dans une architecture centralisée traditionnelle, les ressources de calcul et de données de l'IA sont strictement contrôlées, faisant face à de multiples défis tels que le goulot d'étranglement de la puissance de calcul, la fuite de données personnelles et les algorithmes opaques. Web3, basé sur des technologies distribuées, peut injecter une nouvelle dynamique au développement de l'IA grâce à des réseaux de puissance de calcul partagés, des marchés de données ouverts et des calculs de confidentialité. En même temps, l'IA peut également apporter de nombreuses capacités à Web3, comme l'optimisation des contrats intelligents et des algorithmes de lutte contre la fraude, contribuant ainsi à la construction de son écosystème. Par conséquent, explorer la synergie entre Web3 et l'IA est crucial pour construire les infrastructures 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 d'un moteur. Les modèles d'IA ont besoin de digérer d'énormes quantités de données de haute qualité pour acquérir une compréhension approfondie et une forte capacité de raisonnement. Les données fournissent non seulement la base d'entraînement pour les modèles d'apprentissage automatique, mais déterminent également la précision et la fiabilité du modèle.

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

• Le coût d'acquisition des données est élevé, ce qui rend difficile pour les petites et moyennes entreprises de le supporter.
• Les ressources de données sont monopolisées par des géants de la technologie, créant 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 un nouveau paradigme de données décentralisées :

• Les utilisateurs peuvent vendre leur bande passante inutilisée à des entreprises d'IA, pour extraire des données réseau de manière décentralisée, après nettoyage et transformation, afin de 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 d'échange de données blockchain offre un environnement de transaction ouvert et transparent aux 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 pose encore certains problèmes, tels que la qualité inégale des données, la difficulté de traitement, ainsi qu'un manque de diversité et de représentativité. Les données synthétiques pourraient devenir la star de la future scène 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 leur utilisation. 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 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 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 sans aucun doute le potentiel et les capacités de raisonnement des modèles d'IA.

FHE, ou 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 obtenu en effectuant le même calcul sur des données en clair.

FHE offre une protection solide pour le calcul privé 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 énorme 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 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 est un complément à ZKML, ZKML prouve l'exécution correcte de l'apprentissage automatique, tandis que FHEML met l'accent sur le calcul de données chiffrées pour préserver 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 3 mois, entraînant une explosion de la demande de puissance de calcul, bien au-delà de l'offre actuelle de ressources de calcul. 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 les progrès de la technologie 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 le ralentissement de l'amélioration des performances des microprocesseurs, ainsi que la pénurie de puces due 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 acheter du matériel, soit louer des ressources cloud, et ils ont un besoin urgent d'une méthode de service de calcul à la demande et économique.

Un réseau de puissance de calcul AI décentralisé agrège des 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, et des 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, qui, une fois vérifiés, leur rapportent des récompenses en points. Cette solution améliore l'efficacité d'utilisation des ressources et contribue à résoudre le problème de la pénurie 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 axées sur l'entraînement de l'IA, ainsi que des réseaux de puissance 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 le monopole, 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 davantage d'applications décentralisées innovantes pour promouvoir ensemble le développement et 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 puissent exécuter des applications d'IA - c'est là toute la magie de l'Edge AI. Cela permet de réaliser le calcul à la source de la génération des 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 utilisée 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 renforcer la protection de la vie privée des utilisateurs et réduire le risque de fuite de données. Le mécanisme économique natif en tokens 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 blockchain publique de choix pour le déploiement de projets. Le TPS élevé, les faibles frais de transaction et l'innovation technologique de cette blockchain publique offrent un soutien solide aux projets DePIN. À l'heure actuelle, la capitalisation boursière des projets DePIN sur cette blockchain publique dépasse 10 milliards de dollars, et certains projets renommés ont 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, qui tokenise 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 obtenir des revenus continus de l'utilisation ultérieure du modèle, surtout lorsque le modèle est intégré dans d'autres produits et services. Il est alors difficile pour les créateurs originaux de suivre l'utilisation, sans parler d'en tirer des bénéfices. De plus, les performances 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 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 bénéfices générés par le modèle par la suite. Un certain protocole utilise deux normes ERC, combinant des oracles d'IA et la technologie OPML pour garantir l'authenticité du modèle d'IA et permettre aux détenteurs de jetons de partager les bénéfices.

Le mode 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 IA. L'IMO est actuellement encore à un stade 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 méritent notre attention.

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 prédéfinis. 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 l'interaction 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 nouvelles valeurs.

Une plateforme d'application AI native offre un ensemble d'outils de création complet et facile à utiliser, permettant aux utilisateurs de configurer les fonctionnalités, l'apparence et 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 la technologie AI générative, elle permet aux individus de devenir des super créateurs. Cette plateforme a formé 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 synthèse vocale de 99 %, le clonage vocal ne prenant 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, et la génération d'images.

Dans la fusion entre Web3 et 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 blockchain, comment améliorer l'utilisation efficace de la puissance de calcul décentralisée, comment vérifier 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 entre Web3 et l'IA donnera naissance à une série de modèles commerciaux et de services innovants.