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

Web3, en tant que nouvelle forme d'Internet décentralisée, ouverte et transparente, présente un point de convergence naturel avec l'IA. Dans l'architecture centralisée traditionnelle, les ressources de calcul et de données de l'IA sont strictement limitées, faisant face à de nombreux défis tels que le goulet d'étranglement de la puissance de calcul, la fuite de données personnelles et l'opacité des algorithmes. En revanche, Web3, fondé sur des technologies distribuées, peut offrir une nouvelle dynamique au développement de l'IA grâce à des réseaux de calcul partagés, des marchés de données ouverts et des calculs de confidentialité. En même temps, l'IA peut également apporter de nombreux atouts à Web3, comme l'optimisation des contrats intelligents et des algorithmes anti-fraude, contribuant ainsi à l'amélioration de son écosystème. Par conséquent, explorer la synergie entre Web3 et l'IA revêt une importance majeure pour la construction des infrastructures de l'Internet de prochaine génération et pour 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 l'élément clé qui propulse le développement de l'IA, tout comme le carburant pour un moteur. Les modèles d'IA doivent traiter d'énormes quantités de données de haute qualité pour acquérir une compréhension approfondie et une grande capacité 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 AI centralisées présentent les problèmes majeurs suivants :

• Le coût d'acquisition des données est élevé, ce qui rend difficile pour les PME de le supporter.
• Les ressources de données sont monopolisées par de grandes entreprises technologiques, créant des îlots de données.
• Les données personnelles sont exposées à des risques de fuite et d'abus.

Web3 peut résoudre ces problèmes grâce à un nouveau paradigme de données décentralisées :

• Les utilisateurs peuvent vendre des ressources réseau inutilisées aux entreprises d'IA, pour extraire des données du réseau de manière décentralisée, fournissant ainsi des données réelles et de haute qualité pour l'entraînement des modèles d'IA après nettoyage et transformation.
• Adoption du modèle "annoter c'est gagner de l'argent", en incitant les travailleurs du monde entier à participer à l'annotation des données par le biais de jetons, en rassemblant des connaissances professionnelles mondiales et en renforçant les capacités d'analyse des données.
• La plateforme d'échange de données blockchain offre un environnement de transaction ouvert 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, le manque de diversité et de représentativité, etc. Les données synthétiques pourraient être un point fort dans le domaine des données Web3 à l'avenir. Basées sur la technologie de l'IA générative et la simulation, les données synthétiques peuvent simuler les attributs des données réelles, servant de complément efficace aux données réelles, augmentant ainsi l'efficacité de l'utilisation des données. Dans les domaines de la conduite autonome, du trading sur les marchés financiers, et du développement de jeux, les données synthétiques ont déjà montré un potentiel d'application mature.

Protection de la vie privée : L'application de FHE dans le 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 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 le potentiel et la capacité de raisonnement des modèles d'IA.

Le chiffrement entièrement homomorphe ( FHE ) permet d'effectuer des calculs directement sur des données chiffrées, sans avoir besoin de déchiffrer les données, et les résultats des calculs sont conformes à ceux des données en clair. FHE offre une protection solide pour le calcul de la confidentialité de l'IA, permettant à la puissance de calcul GPU d'exécuter l'entraînement et l'inférence de modèles dans un environnement où les données d'origine ne sont pas accessibles. Cela offre un avantage considérable aux entreprises d'IA, leur permettant d'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 machine, garantissant la sécurité des informations sensibles et empêchant les risques de fuite de données. 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 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 double tous les 3 mois, entraînant une demande de puissance de calcul qui augmente de manière exponentielle, dépassant de loin l'offre actuelle de ressources de calcul. Par exemple, l'entraînement d'un grand modèle de langage nécessite une puissance de calcul immense, équivalente à 355 années de temps d'entraînement sur un seul appareil. Cette pénurie de puissance de calcul limite non seulement les progrès technologiques de l'IA, mais rend également les modèles d'IA avancés inaccessibles pour la plupart des chercheurs et des développeurs.

En même temps, le taux d'utilisation des GPU dans le monde est inférieur à 40 %, et l'amélioration des performances des microprocesseurs ralentit, tandis que les facteurs de la chaîne d'approvisionnement et géopolitiques entraînent une pénurie de puces, rendant le problème de l'approvisionnement en puissance de calcul encore plus grave. Les praticiens de l'IA sont confrontés à un dilemme : soit acheter du matériel, soit louer des ressources cloud, et il est urgent de trouver un moyen de service de calcul à la demande et économique.

Un réseau de puissance de calcul AI décentralisé agrège des ressources GPU inactives du monde entier pour offrir un marché de puissance de calcul économique et facile à utiliser 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 mineurs qui contribuent à la puissance de calcul. Les mineurs exécutent les tâches et soumettent les résultats, qui sont vérifiés avant de recevoir une récompense. Cette solution améliore l'efficacité de l'utilisation des ressources et aide à résoudre le problème du goulot d'étranglement de la puissance de calcul dans des domaines comme l'IA.

En plus des réseaux de calcul décentralisés généraux, il existe également des plateformes de calcul dédiées axées sur l'entraînement et l'inférence en IA. Les réseaux de calcul décentralisés offrent un marché de calcul équitable et transparent, brisant les monopoles, réduisant les barrières à l'entrée et améliorant l'efficacité d'utilisation du calcul. Dans l'écosystème Web3, les réseaux de calcul décentralisés joueront un rôle clé, attirant davantage d'applications décentralisées innovantes à se joindre, et ensemble, propulsant le développement et l'application des technologies IA.

DePIN : Web3 habilite l'IA en périphérie

Imaginez que votre téléphone, votre montre intelligente, et même les appareils intelligents de votre maison aient la capacité de fonctionner avec de l'IA, c'est là tout l'attrait de l'IA de périphérie. Elle permet le calcul à la source des données générées, réalisant un traitement en temps réel avec une faible latence, tout en protégeant la vie privée des utilisateurs. La technologie de l'IA de périphérie a déjà été appliquée dans des domaines clés tels que la conduite autonome.

Dans le domaine du Web3, le nom que nous connaissons mieux est 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 en traitant les données localement, réduisant ainsi les risques de fuite de données. Le mécanisme économique natif des jetons 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 déploiement de projets les plus choisies. Le haut débit, les faibles frais de transaction et l'innovation technologique de cette blockchain publique offrent un soutien puissant aux projets DePIN. À l'heure actuelle, la capitalisation boursière des projets DePIN sur cette blockchain publique dépasse 10 milliards de dollars, et plusieurs projets connus ont déjà réalisé des progrès significatifs.

IMO : Publication d'un nouveau paradigme de modèle AI

Le concept IMO a été créé par un certain protocole, permettant la tokenisation des modèles d'IA. Dans le modèle traditionnel, en raison du manque de mécanisme de partage des revenus, les développeurs de modèles d'IA ont du mal à obtenir des revenus continus de l'utilisation ultérieure des modèles, en particulier lorsque les modèles sont intégrés dans d'autres produits et services, ce qui rend difficile pour les créateurs de suivre l'utilisation et d'obtenir 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 fournit un tout nouveau soutien financier et un moyen de partage de valeur pour les modèles d'IA open source. Les investisseurs peuvent acheter des jetons IMO et partager les revenus générés ultérieurement par le modèle. Un certain protocole utilise des normes techniques spécifiques, combinant des oracles 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 mode IMO renforce la transparence et la confiance, encourage la collaboration open source, s'adapte aux tendances du marché de la cryptographie et insuffle une dynamique au développement durable des technologies AI. L'IMO est actuellement en phase d'essai 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 sont prometteuses.

Agent IA : Une nouvelle ère d'expérience interactive

L'agent IA peut percevoir l'environnement, penser de manière indépendante et agir 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 par le biais des interactions, offrant des solutions personnalisées. En l'absence d'instructions claires, 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 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, permettant aux individus de devenir de super créateurs grâce à la technologie AI générative. Cette plateforme a entraîné des modèles de langage spécifiquement conçus, rendant les jeux de rôle plus humanisés ; la technologie de clonage vocal peut accélérer l'interaction personnalisée des produits AI, réduisant le coût de la synthèse vocale de 99 %, le clonage vocal ne prenant qu'une minute pour être réalisé. 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, la génération d'images, etc.

Dans le domaine de la fusion entre Web3 et l'IA, les explorations actuelles se concentrent davantage sur le niveau des infrastructures, telles que l'acquisition de données de haute qualité, la protection de la vie privée des données, l'hébergement de modèles sur la blockchain, l'amélioration de l'utilisation efficace de la puissance de calcul décentralisée, et la validation des grands modèles linguistiques. Alors que ces infrastructures s'améliorent progressivement, 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.