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

Web3, en tant que nouvelle paradigme Internet décentralisé, ouvert et transparent, offre une opportunité naturelle d'intégration avec l'IA. Dans l'architecture centralisée traditionnelle, le calcul et les ressources de données de l'IA sont strictement contrôlés, et il existe de nombreux défis tels que les goulets d'étranglement de puissance de calcul, les fuites de données personnelles et le manque de transparence des algorithmes. En revanche, 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 sur la vie privée. Parallèlement, 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 essentiel pour construire l'infrastructure Internet de prochaine génération et libérer la valeur des données et de la puissance de calcul.

Données pilotées : La base solide de l'IA et du Web3

Les données sont le moteur principal du développement de l'IA, tout comme le carburant l'est pour un moteur. Les modèles d'IA ont besoin de digérer une grande quantité de données de haute qualité pour acquérir une compréhension approfondie et une puissance de raisonnement solide. Les données fournissent non seulement la base d'entraînement pour les modèles d'apprentissage automatique, mais déterminent également l'exactitude et la fiabilité des modèles.

Dans les modèles traditionnels de collecte et d'utilisation des données d'IA centralisés, plusieurs problèmes majeurs existent :

• Le coût d'acquisition des données est élevé, et les PME ont du mal à le supporter.
• Les ressources de données sont monopolisées par des géants de la technologie, formant des îlots de données.
• Les données personnelles sont exposées au risque 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 extraire des données réseau de manière décentralisée, qui, après nettoyage et transformation, fournissent des données réelles et de haute qualité pour l'entraînement des modèles d'IA.
• Adopter le modèle "label to earn", incitant les travailleurs du monde entier à participer à l'annotation des données grâce à des jetons, rassemblant l'expertise mondiale pour améliorer la capacité d'analyse des données.
• La plateforme d'échange de données blockchain offre un environnement de transaction public et transparent aux deux parties en demande et en offre 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 devenir la star du futur des données Web3. Basées sur la technologie de l'IA générative et la simulation, les données synthétiques peuvent imiter les attributs des données réelles, servant de complément efficace aux données réelles et améliorant 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 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 d'attention mondiale. L'adoption de réglementations telles 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 pose également des défis : certaines données sensibles ne peuvent pas être pleinement exploitées en raison des risques liés à la vie privée, ce qui limite sans aucun doute le potentiel et la capacité 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 à la puissance de calcul des GPU d'exécuter des tâches d'entraînement et d'inférence de modèles sans toucher aux données brutes. Cela représente un avantage énorme pour les entreprises d'IA. Elles peuvent offrir des services API en toute sécurité tout en protégeant les secrets commerciaux.

FHEML prend en charge le traitement cryptographique 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 complète ZKML, qui 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 3 mois, entraînant une demande exponentielle de puissance de calcul, bien supérieure à l'offre de ressources informatiques existantes. Par exemple, l'entraînement de modèles de langage à grande échelle d'une entreprise d'IA renommée 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 progrès de la technologie de l'IA, mais rend également ces modèles d'IA avancés inaccessibles pour la plupart des chercheurs et développeurs.

En même temps, l'utilisation globale des GPU est inférieure à 40 %, et la lenteur de l'amélioration des performances des microprocesseurs, ainsi que la pénurie de puces causée par 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 impasse : soit ils achètent du matériel, soit ils louent des ressources cloud, ils ont un besoin urgent d'un service de calcul à la demande et économique.

Un réseau décentralisé de puissance de calcul AI agrège les ressources GPU inutilisées à l'échelle mondiale, offrant aux entreprises d'AI 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, 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, et après vérification, ils reçoivent des récompenses en points. Cette solution améliore l'efficacité de l'utilisation des ressources et contribue à résoudre le problème des goulots d'étranglement en matière de puissance de calcul dans des domaines tels que l'AI.

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 puissance de calcul décentralisé offre un marché de puissance de calcul équitable et transparent, brisant les monopoles, abaissant les barrières à l'entrée et augmentant 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 l'adhésion de plus de dapps innovants pour promouvoir ensemble le développement et l'application des technologies AI.

DePIN : Web3 habilite l'IA Edge

Imaginez que votre téléphone, votre montre intelligente, et même les appareils intelligents de votre maison aient la capacité de faire fonctionner l'IA - c'est cela la magie de l'Edge AI. Il permet de réaliser le calcul à la source de la génération des données, offrant ainsi 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, 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 basé sur les tokens natifs 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. Le haut TPS, les faibles frais de transaction et l'innovation technologique de cette blockchain publique offrent un soutien puissant aux projets DePIN. Actuellement, 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 d'IMO a été proposé pour la première fois par un certain protocole, tokenisant 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 le développeur d'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 alors 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 du marché et le potentiel commercial du modèle.

IMO fournit une nouvelle manière de financement et de partage de valeur pour les modèles d'IA open source. Les investisseurs peuvent acheter des jetons IMO et partager les revenus générés par le modèle par la suite. Un certain protocole utilise deux normes ERC, combinant une oracle d'IA et la technologie OPML pour garantir l'authenticité du modèle 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 d'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 caractère innovant et sa valeur potentielle méritent notre attention.

Agent IA : Une nouvelle ère d'interaction

L'Agent IA est capable de percevoir son environnement, de penser de manière autonome et d'agir en conséquence 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 grâce à leurs interactions 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 native AI 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. Grâce à la technologie AI générative, elle habilite les individus à devenir des super créateurs. La plateforme a formé un modèle de langage spécialement conçu, rendant le jeu de rôle plus humanisé ; 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 nécessitant 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 la fusion de Web3 et de l'IA, il y a actuellement davantage d'explorations au niveau des infrastructures, notamment 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, et comment valider les grands modèles de langage, parmi d'autres questions clés. 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.