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

Web3, en tant que nouveau paradigme Internet, possède des caractéristiques de décentralisation, d'ouverture et de transparence, et offre des opportunités d'intégration naturelles avec l'IA. Dans une architecture centralisée traditionnelle, les ressources de calcul et de données pour l'IA sont strictement limitées, faisant face à des défis multiples tels que les goulets d'étranglement de puissance de calcul, la fuite de la vie privée et la boîte noire des algorithmes. Web3, basé sur des technologies distribuées, fournit une nouvelle dynamique pour 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 le calcul de la vie privée. En même temps, l'IA peut également apporter de nombreux renforts à Web3, comme l'optimisation des contrats intelligents et les algorithmes anti-fraude, favorisant ainsi le développement de son écosystème. Par conséquent, explorer la combinaison de Web3 et de l'IA est essentiel pour construire l'infrastructure Internet future et libérer la valeur des données et de la puissance de calcul.

Données pilotées : Les fondements de l'IA et du Web3

Les données sont le moteur central du développement de l'IA. Les modèles d'IA ont besoin de digérer d'énormes quantités de données de haute qualité pour acquérir une compréhension approfondie et une capacité de raisonnement puissante. 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.

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

• Le coût d'obtention des données est élevé, ce qui rend difficile pour les petites et moyennes entreprises 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 offre une nouvelle paradigme de données décentralisées pour résoudre ces problèmes :

• Les utilisateurs peuvent vendre des ressources réseau inutilisées à des entreprises d'IA pour collecter des données en ligne 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 par le biais de jetons, rassemblant ainsi l'expertise mondiale et renforçant la capacité d'analyse des données.
• 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, favorisant l'innovation et le partage des données.

Néanmoins, l'acquisition de données dans le monde réel reste confrontée à des problèmes de qualité variable, de difficulté de traitement, de diversité et de représentativité insuffisante. Les données synthétiques pourraient devenir la future étoile du domaine des données Web3. Basées sur la technologie de l'IA générative et la simulation, les données synthétiques peuvent imiter les propriétés des données réelles, constituant un complément efficace pour améliorer 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 un potentiel d'application mature.

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

À l'ère des données, la protection de la vie privée est devenue un enjeu mondial. L'adoption de réglementations telles que le Règlement général sur la protection des données (RGPD) de l'Union européenne reflète une protection stricte 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.

FHE (chiffrement homomorphe complet) permet d'effectuer des calculs directement sur des données chiffrées, sans avoir besoin de déchiffrer pour obtenir les mêmes résultats que ceux des données en clair. FHE offre une protection solide pour le calcul privé en IA, permettant à la puissance de calcul des GPU d'exécuter l'entraînement et l'inférence des modèles sans accéder aux données brutes. Cela procure un immense avantage 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 d'apprentissage automatique, garantissant la sécurité des informations sensibles et prévenant les risques de fuite de données. FHEML renforce ainsi la confidentialité des données et fournit 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 se concentre sur le calcul de 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 trois mois, entraînant une augmentation explosible de la demande en puissance de calcul, bien au-delà de l'offre actuelle de ressources de calcul. Par exemple, l'entraînement du modèle GPT-3 d'OpenAI nécessite une puissance de calcul énorme, équivalente à 355 ans de temps d'entraînement sur un seul appareil. Cette pénurie de puissance de calcul limite non seulement les avancées technologiques de l'IA, mais rend également les modèles d'IA avancés difficilement accessibles à la plupart des chercheurs et des développeurs.

En même temps, le taux d'utilisation des GPU dans le monde est inférieur à 40 %, et le ralentissement de l'amélioration des performances des microprocesseurs, ainsi que la pénurie de puces causée par des facteurs de chaîne d'approvisionnement et géopolitiques, aggravent le problème de l'approvisionnement en puissance de calcul. Les professionnels de l'IA sont confrontés à un dilemme : soit acheter du matériel, soit louer des ressources cloud, et ils ont un besoin urgent de services de calcul à la demande et économiques.

Un réseau de puissance de calcul AI décentralisé agrège des ressources GPU inactives à l'échelle mondiale pour fournir un marché de puissance de calcul économique et facile d'utilisation aux entreprises d'IA. Les demandeurs peuvent publier des tâches de calcul sur le réseau, et des contrats intelligents attribuent les tâches aux nœuds de mineurs qui contribuent la puissance de calcul. Les mineurs exécutent les tâches et soumettent les résultats, qui, après vérification, obtiennent une récompense. Cette solution améliore l'efficacité de l'utilisation des ressources et contribue à résoudre le problème des goulets d'étranglement en matière de puissance de calcul dans des domaines tels que l'IA.

En plus des réseaux de calcul décentralisés généraux, il existe des réseaux de calcul dédiés à l'entraînement et à l'inférence en IA. Ces réseaux de calcul décentralisés offrent un marché de calcul équitable et transparent, brisant les monopoles, abaissant les barrières d'entrée et améliorant l'efficacité d'utilisation de la puissance de calcul. Dans l'écosystème Web3, les réseaux de calcul décentralisés joueront un rôle clé, attirant davantage d'applications décentralisées innovantes pour promouvoir ensemble le développement et l'application des technologies IA.

DePIN : Web3 habilite l'Edge AI

L'Edge AI permet de réaliser des calculs à la source des données, offrant un traitement en temps réel à 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, DePIN (réseau d'infrastructure physique décentralisé) est similaire au concept d'Edge AI. 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 le risque de fuite de données. Le mécanisme économique des 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 déploiement de projets les plus choisies. La haute capacité de traitement des transactions, 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 plusieurs projets renommés ont déjà réalisé des progrès significatifs.

IMO : Publication d'un nouveau paradigme pour les modèles d'IA

Le concept d'IMO (Initial Model Offering) a été proposé pour la première fois par un certain protocole, permettant de tokeniser les modèles d'IA.

Dans le modèle traditionnel, les développeurs de modèles d'IA ont du mal à obtenir des revenus continus à partir de l'utilisation ultérieure des modèles, en particulier lorsque ceux-ci sont intégrés dans d'autres produits et services. 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 moyen de financement et de partage de valeur pour les modèles d'IA open source. Les investisseurs peuvent acheter des tokens IMO pour partager les revenus générés par le modèle par la suite. Un certain protocole utilise des normes techniques spécifiques, combinant des oracles AI et des technologies d'apprentissage automatique sur la blockchain, pour garantir l'authenticité du modèle d'IA et permettre aux détenteurs de tokens 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 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 à attendre avec impatience.

Agent IA : Une nouvelle ère d'expérience interactive

L'agent AI peut percevoir son environnement, réfléchir de manière autonome et prendre des actions appropriées pour atteindre des objectifs fixés. Soutenu par de grands modèles de langage, l'agent AI 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 d'interactions, et offrant des solutions personnalisées. Même sans instructions explicites, l'agent AI peut résoudre des problèmes de manière autonome, améliorant l'efficacité et créant de la nouvelle valeur.

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, la voix des robots et de se connecter à des bases de connaissances externes, avec pour objectif de créer un écosystème de contenu AI équitable et ouvert, permettant aux individus de devenir des super créateurs grâce à la technologie AI générative. Cette plateforme a formé un modèle de langage large spécialisé, 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 plusieurs domaines tels que les chats vidéo, l'apprentissage des langues, la génération d'images, etc.

L'intégration actuelle de Web3 et de l'IA se concentre davantage sur l'exploration des infrastructures, notamment sur la façon d'obtenir des données de haute qualité, de protéger la confidentialité des données, de gérer des modèles sur la blockchain, d'améliorer l'utilisation efficace de la puissance de calcul décentralisée et de vérifier les grands modèles de langage, entre autres questions clés. À mesure que ces infrastructures se perfectionnent progressivement, l'intégration de Web3 et de l'IA devrait donner naissance à une série de modèles commerciaux et de services innovants.