La fusion de Web3 et de l'IA : exploration des six domaines clés de l'avenir d'Internet

Web3, en tant que nouveau paradigme Internet décentralisé, ouvert et transparent, présente un potentiel d'intégration naturel avec l'IA. Dans une architecture centralisée traditionnelle, les ressources de calcul et de données de l'IA sont strictement limitées, faisant face à des défis tels que les goulots d'étranglement de puissance de calcul, les violations de la vie privée et le manque de transparence des algorithmes. En revanche, Web3, basé sur des technologies distribuées, peut fournir un nouvel élan au développement de l'IA grâce à des moyens tels que le partage de réseaux de puissance de calcul, les marchés de données ouverts et le calcul confidentiel. Parallèlement, l'IA peut également apporter de nombreux avantages à Web3, comme l'optimisation des contrats intelligents et le développement d'algorithmes anti-fraude, favorisant ainsi la construction de son écosystème. Par conséquent, explorer la combinaison de Web3 et de l'IA est d'une grande importance 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. 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 fournissent non seulement la base d'entraînement pour les modèles d'apprentissage automatique, mais elles déterminent également la précision et la fiabilité du modèle.

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

• Le coût d'acquisition des données est élevé, les PME ont du mal à le supporter.
• Les ressources de données sont monopolisées par des géants technologiques, formant 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 un nouveau paradigme de données décentralisées :

• Les utilisateurs peuvent vendre des ressources réseau inutilisées aux 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 mode "label to earn", en incitant les travailleurs du monde entier à participer à l'annotation des données grâce à des jetons, en rassemblant l'expertise mondiale et en renforçant les capacités d'analyse des données.
• La plateforme d'échange de données de 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 pose encore certains problèmes, tels que la variabilité de la qualité des données, la difficulté de traitement, ainsi que le manque de diversité et de représentativité. Les données synthétiques pourraient être un point fort de l'avenir des données Web3. Basées sur des technologies d'IA générative et de simulation, les données synthétiques peuvent simuler les propriétés des données réelles, en tant que complément efficace, améliorant ainsi 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 mûr.

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

À l'ère des données, la protection de la vie privée est devenue un enjeu mondial, et des réglementations telles que le Règlement général sur la protection des données (RGPD) de l'Union européenne reflètent 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 les capacités de raisonnement des modèles d'IA.

FHE (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 sur des données en clair. FHE offre une protection solide pour le calcul confidentiel en IA, permettant à la puissance de calcul GPU d'exécuter des tâches d'entraînement et d'inférence de modèles dans un environnement sans toucher aux données d'origine. Cela offre un énorme avantage aux entreprises d'IA, qui peuvent sécuriser leurs secrets commerciaux tout en ouvrant en toute sécurité des services API.

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 le risque de fuite de données. FHEML renforce la confidentialité des données, fournissant un cadre de calcul sécurisé pour les applications d'IA. FHEML complète ZKML, ZKML prouvant l'exécution correcte de l'apprentissage automatique, tandis que FHEML souligne le calcul sur des données cryptées pour maintenir la confidentialité des données.

Révolution de la puissance de calcul : Calcul AI dans un réseau décentralisé

La complexité computationnelle des systèmes d'IA actuelle double tous les 3 mois, entraînant une demande de puissance de calcul en forte augmentation, dépassant de loin l'offre actuelle de ressources informatiques. Par exemple, l'entraînement d'un grand modèle de langage nécessite une puissance de calcul énorme, équivalente à 355 années 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 pour la plupart des chercheurs et développeurs.

En même temps, le taux d'utilisation des GPU dans le monde est inférieur à 40 %, et la lente amélioration des performances des microprocesseurs, ainsi que la pénurie de puces due à des facteurs de chaîne d'approvisionnement et géopolitiques, rendent la question de l'approvisionnement en puissance de calcul encore plus grave. Les professionnels de l'IA se trouvent dans une situation délicate : soit ils achètent du matériel, soit ils louent des ressources cloud, et ils ont un besoin urgent d'un service de calcul à la demande et économiquement efficace.

Le réseau de calcul AI décentralisé agrège les 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, 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, et après vérification, obtiennent 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 des réseaux de puissance de calcul décentralisés généraux, il existe des réseaux de puissance de calcul dédiés à l'entraînement et à l'inférence de l'IA. Les réseaux de puissance de calcul décentralisés offrent un marché de puissance de calcul équitable et transparent, brisant les monopoles, réduisant les barrières d'entrée et améliorant l'efficacité d'utilisation de la puissance de calcul. Dans l'écosystème Web3, les réseaux de puissance de calcul décentralisés joueront un rôle clé, attirant davantage d'applications décentralisées innovantes pour promouvoir ensemble le développement et l'application de la technologie IA.

DePIN : Web3 habilite l'Edge AI

L'Edge AI permet de réaliser le calcul à la source de la génération de données, assurant un faible délai de latence et un traitement en temps réel, tout en protégeant la vie privée des utilisateurs. La technologie Edge AI a déjà été appliquée dans des domaines clés comme 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 en traitant les données localement, réduisant ainsi le risque de fuite de données ; le mécanisme économique natif de 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 choix pour le déploiement de projets. Le haut TPS, 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 a dépassé les 10 milliards de dollars, et plusieurs projets renommés ont réalisé des progrès significatifs.

IMO : Nouveau paradigme de publication des modèles AI

Le concept IMO consiste 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 du mal à obtenir des revenus durables issus de l'utilisation ultérieure des modèles, en particulier lorsque ces modèles sont intégrés dans d'autres produits et services. De plus, les performances et les résultats 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. Les investisseurs peuvent acheter des tokens IMO pour partager les revenus générés par le modèle par la suite. Un certain protocole utilise un standard ERC spécifique, combinant des oracles IA et la technologie OPML pour garantir l'authenticité des modèles 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 à un stade d'expérimentation initiale, mais avec l'augmentation de l'acceptation du marché et l'élargissement de la portée de la participation, son innovation et sa valeur potentielle méritent d'être attendues.

Agent IA : Une nouvelle ère d'expérience interactive

L'Agent AI peut percevoir son environnement, réfléchir de manière autonome et prendre des mesures 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. Il peut servir d'assistant virtuel, apprenant les préférences des utilisateurs à travers des interactions pour fournir des solutions personnalisées. Même sans instructions explicites, l'Agent AI 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 des robots, leur apparence, leur voix ainsi que de connecter des bases de connaissances externes, visant à créer un écosystème de contenu AI équitable et ouvert. En utilisant la technologie AI générative, elle permet aux individus de devenir des super créateurs. La plateforme a entraîné un modèle de langage spécialisé pour rendre le jeu de rôle plus humain ; sa technologie de clonage vocal peut accélérer l'interaction personnalisée des produits AI, réduisant le coût de synthèse vocale de 99 %, le clonage vocal ne prenant qu'une minute. Grâce à l'Agent AI personnalisé de cette plateforme, il peut actuellement être appliqué dans de nombreux domaines tels que les chats vidéo, l'apprentissage des langues, et la génération d'images.

Dans la fusion de Web3 et de l'IA, il s'agit actuellement principalement d'explorer la couche d'infrastructure, 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 se perfectionnent 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.