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

Web3, en tant que nouveau paradigme Internet décentralisé, ouvert et transparent, a une occasion naturelle de fusion avec l'IA. Dans une architecture centralisée traditionnelle, les ressources de calcul et de données de l'IA sont strictement contrôlées, ce qui entraîne de nombreux défis tels que les goulots d'étranglement de calcul, la fuite de données personnelles, et les algorithmes en boîte noire. En revanche, Web3, basé sur des technologies distribuées, peut injecter un nouvel élan au développement de l'IA grâce à des réseaux de calcul partagés, des marchés de données ouverts et des calculs de confidentialité. De plus, l'IA peut également apporter de nombreuses capacités à Web3, comme l'optimisation des contrats intelligents et des algorithmes anti-fraude, contribuant ainsi à la construction de son écosystème. Par conséquent, explorer la combinaison de Web3 et de l'IA est crucial 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, tout comme le carburant pour un moteur. Les modèles d'IA doivent digérer d'énormes quantités 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 la précision et la fiabilité des modèles.

Les modèles traditionnels de collecte et d'utilisation des données par des IA centralisées présentent les principaux problèmes 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 grâce à une nouvelle approche de données décentralisées :

• Récupérer des données réseau de manière décentralisée pour 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, 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, incitant à l'innovation et au partage des données.

Cependant, 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 futur du secteur des données Web3. Basées sur des technologies d'IA générative et de simulation, les données synthétiques peuvent simuler les attributs des données réelles, servant de complément efficace aux données réelles et augmentant 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 mûr.

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

À l'ère des données, la protection de la vie privée est devenue un sujet de préoccupation mondiale. L'adoption de règlements tels 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 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 de la confidentialité de l'IA, permettant aux capacités de calcul 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 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 met l'accent sur le calcul des données cryptées 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 trois mois, entraînant une demande exponentielle de puissance de calcul, dépassant largement l'offre de ressources informatiques existantes. Par exemple, l'entraînement d'un grand modèle de langage par une célèbre entreprise d'IA nécessite une puissance de calcul énorme, équivalente à 355 années de temps 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 la lenteur 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'un service de calcul à la demande et économique.

Le réseau de puissance de calcul AI décentralisé, en agrégeant des ressources GPU inutilisées à l'échelle mondiale, offre 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 mineurs contribuant 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 aide à résoudre le problème de 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 des plateformes consacrées à 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 les monopoles, abaissant les seuils d'application et améliorant l'efficacité de l'utilisation de la puissance de calcul. Dans l'écosystème web3, le réseau de puissance de calcul décentralisé jouera un rôle clé, attirant davantage d'innovations de dapps et contribuant ensemble au développement et à l'application des technologies AI.

DePIN : Web3 habilitant l'IA de périphérie

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 le charme de l'Edge AI. Cela permet le calcul à la source de production 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. Le Web3 souligne la décentralisation et la souveraineté des données des utilisateurs, DePIN peut renforcer la protection de la vie privée des utilisateurs en traitant les données localement, réduisant ainsi le risque de fuite de données ; le mécanisme économique natif du 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 l'écosystème d'une certaine blockchain publique, devenant l'une des plateformes de blockchain 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. Actuellement, la capitalisation boursière des projets DePIN sur cette blockchain publique dépasse 10 milliards de dollars, et certains projets connus ont réalisé des progrès significatifs.

IMO: Nouveau paradigme de publication des modèles AI

Le concept d'IMO a été proposé pour la première fois par un certain protocole, qui a tokenisé 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, il est souvent difficile pour les développeurs d'obtenir des revenus durables de l'utilisation ultérieure du modèle, surtout lorsque le modèle est intégré dans d'autres produits et services. Les créateurs originaux ont ensuite du mal à suivre l'utilisation, sans parler d'en tirer 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 propose une nouvelle manière de soutenir financièrement et de partager la valeur des modèles d'IA open source. Les investisseurs peuvent acheter des jetons IMO pour partager les revenus générés ultérieurement par le modèle. Un certain protocole utilise deux standards ERC, combinant un oracle AI et la technologie OPML pour garantir l'authenticité des modèles d'IA 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 des cryptomonnaies et insuffle une dynamique au développement durable des technologies AI. L'IMO est actuellement encore à un stade d'expérimentation précoce, mais avec l'augmentation de l'acceptation par le marché et l'élargissement de la portée de 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 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 à travers les interactions et fournissant des solutions personnalisées. Même sans instructions explicites, l'Agent IA peut également résoudre des problèmes de manière autonome, améliorer l'efficacité et créer 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 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 AI équitable et ouvert. En utilisant la technologie AI générative, elle permet aux individus de devenir des super créateurs. Cette plateforme a entraîné un modèle de langage spécialisé, rendant le jeu de rôle plus humain ; la technologie de clonage vocal peut accélérer les interactions personnalisées des produits AI, réduisant le coût de la synthèse vocale de 99 %, le clonage vocal ne prenant qu'une minute à réaliser. Grâce à l'Agent AI 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, l'exploration actuelle concerne davantage le niveau des infrastructures, 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, comment vérifier 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.