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

Web3, en tant que nouveau paradigme Internet décentralisé, ouvert et transparent, possède un potentiel d'intégration naturel avec l'IA. Dans une architecture traditionnelle centralisée, les ressources de calcul et de données de l'IA sont strictement contrôlées, faisant face à de nombreux défis tels que les goulets d'étranglement de puissance de calcul, les fuites de données personnelles et les algorithmes en boîte noire. En revanche, Web3, basé sur des technologies distribuées, peut injecter une nouvelle dynamique dans le développement de l'IA grâce à des moyens tels que le partage de réseaux de puissance de calcul, des marchés de données ouverts et des calculs privés. En même temps, l'IA peut également apporter de nombreuses capacités à l'écosystème Web3, comme l'optimisation des contrats intelligents et des algorithmes anti-triche. Par conséquent, explorer la combinaison de Web3 et de l'IA est essentiel pour construire les infrastructures Internet de nouvelle 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. 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 fournissent non seulement la base d'entraînement pour les modèles d'apprentissage automatique, mais déterminent également la précision et la fiabilité du modèle.

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

• Le coût d'acquisition des données est élevé, ce qui rend difficile pour les petites et moyennes entreprises de l'assumer.
• 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 une nouvelle paradigme de données décentralisées :

• Les utilisateurs peuvent vendre leur bande passante inutilisée à des entreprises d'IA, pour collecter de manière décentralisée des données réseau, fournissant des données réelles et de haute qualité pour l'entraînement des modèles d'IA.
• Adopter le modèle "label to earn" qui incite les travailleurs du monde entier à participer à l'annotation des données par le biais de jetons, rassemblant ainsi l'expertise mondiale et renforçant les capacités d'analyse des données.
• La plateforme d'échange de données basée sur la 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 du monde réel présente toujours des problèmes de qualité des données inégale, de difficulté de traitement, ainsi que d'insuffisance de diversité et de représentativité. Les données synthétiques pourraient devenir la star du secteur des données Web3 à l'avenir. Basées sur des technologies d'IA générative et de simulation, les données synthétiques peuvent simuler les propriétés des données réelles, servant de complément efficace aux données réelles et améliorant l'efficacité d'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 un potentiel d'application mature.

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

À l'ère des données, la protection de la vie privée est devenue un point focal mondial, et 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 utilisées en raison des risques pour la vie privée, limitant ainsi 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 des calculs est identique à celui obtenu 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 aux capacités de calcul GPU d'exécuter des tâches de formation et d'inférence de modèles sans toucher aux données brutes. Cela apporte un énorme avantage aux entreprises d'IA, qui 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 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 offre un cadre de calcul sécurisé pour les applications d'IA.

FHEML est un complément de ZKML, ZKML prouve l'exécution correcte de l'apprentissage automatique, tandis que FHEML met l'accent sur le calcul sur des 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 actuels double tous les trois mois, entraînant une augmentation exponentielle de la demande de puissance de calcul, bien au-delà de l'offre de ressources de calcul existantes. Par exemple, l'entraînement d'un modèle de langage de grande taille par une entreprise d'IA nécessite une énorme puissance de calcul, équivalente à 355 ans de temps d'entraînement sur un seul appareil. Cette pénurie de puissance de calcul limite non seulement les avancées technologiques en IA, mais rend également les modèles d'IA avancés inaccessibles à la plupart des chercheurs et développeurs.

En même temps, l'utilisation mondiale des GPU est inférieure à 40 %, et la baisse de la performance des microprocesseurs ainsi que la pénurie de puces causée par des facteurs de chaîne d'approvisionnement et géopolitiques rendent le problème de l'approvisionnement en puissance de calcul encore plus grave. Les professionnels de l'IA se retrouvent dans un dilemme : 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.

Un réseau de calcul décentralisé d'IA agrège des ressources GPU inutilisées à l'échelle mondiale pour fournir un marché de puissance de calcul économiquement accessible aux entreprises d'IA. 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 en 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 de l'utilisation des ressources et aide à résoudre le problème de la limitation de la puissance de calcul dans des domaines tels que l'IA.

En plus des réseaux de puissance décentralisés généraux, il existe des plateformes axées sur l'entraînement de l'IA, ainsi que des réseaux de puissance dédiés à l'inférence de l'IA.

Un réseau de calcul décentralisé offre un marché de calcul équitable et transparent, brisant les monopoles, abaissant les barrières à l'entrée et améliorant l'efficacité de l'utilisation de la puissance de calcul. Dans l'écosystème web3, le réseau 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 habilite l'Edge AI

Imaginez que votre téléphone, votre montre intelligente, voire vos appareils intelligents à la maison, aient tous la capacité de faire fonctionner l'IA - c'est là toute la magie de l'Edge AI. Cela permet le calcul à la source de 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 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 renforce la protection de la vie privée des utilisateurs et réduit les risques de fuite de données en traitant les données localement ; le mécanisme économique natif des 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 les plus choisies pour le déploiement de projets. La haute TPS, les faibles frais de transaction et les innovations technologiques 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 bien connus ont déjà 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 vise à tokeniser les modèles d'IA.

Dans le modèle traditionnel, en raison de l'absence de mécanisme de partage des revenus, les développeurs de modèles d'IA 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. Les créateurs originaux ont du mal à suivre l'utilisation, sans parler de la possibilité 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 offre un nouveau mode de financement 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 protocole utilise deux normes ERC, combinant un oracle d'IA 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 de la cryptographie et stimule le développement durable des technologies de l'IA. L'IMO est 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 sont prometteuses.

Agent IA : Une nouvelle ère d'expérience interactive

L'Agent IA peut percevoir l'environnement, réfléchir de manière indépendante et prendre des mesures appropriées pour atteindre des objectifs établis. Grâce au soutien des grands modèles de langage, l'Agent IA peut non seulement comprendre le langage naturel, mais aussi planifier des décisions et exécuter des tâches complexes. Il peut servir d'assistant virtuel, apprenant les préférences des utilisateurs grâce à l'interaction 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 native AI ouverte offre un ensemble d'outils de création complets et faciles à utiliser, permettant aux utilisateurs de configurer les fonctionnalités, l'apparence, 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 la technologie AI générative pour permettre aux individus de devenir des super créateurs. 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 %, et le clonage vocal peut être réalisé en seulement 1 minute. Grâce à l'Agent AI personnalisé de cette plateforme, il peut actuellement être appliqué dans divers domaines tels que le chat vidéo, l'apprentissage des langues et la génération d'images.

Dans la fusion de Web3 et de l'IA, il s'agit principalement d'explorer 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 valider les grands modèles de langage, et d'autres questions clés. À mesure que ces infrastructures s'améliorent progressivement, 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.