En tant que nouveau paradigme de l'Internet décentralisé, ouvert et transparent, Web3 a une synergie naturelle avec l'intelligence artificielle. Sous l'architecture centralisée traditionnelle, le calcul de l'IA et les ressources de données sont étroitement contrôlés, ce qui pose de nombreux défis tels que les goulots d'étranglement informatiques, les fuites de confidentialité et les boîtes noires algorithmiques. Web3, en revanche, est basé sur la technologie distribuée et insuffle une nouvelle vitalité au développement de l'IA grâce à des réseaux de calcul partagé, des marchés de données ouverts et des calculs préservant la confidentialité. En même temps, l'IA peut renforcer la construction de l'écosystème Web3 en optimisant des fonctionnalités telles que les contrats intelligents et les algorithmes anti-triche. Par conséquent, explorer la convergence de Web3 et de l'IA est essentiel pour construire la prochaine génération d'infrastructure Internet et libérer la valeur des données et de la puissance de calcul.

Basé sur les données : Une base solide pour l'IA et Web3

Les données sont la force motrice centrale du développement de l'IA, tout comme le carburant du moteur. Les modèles d'IA doivent ingérer de grandes quantités de données de haute qualité afin d'acquérir une compréhension approfondie et des capacités de raisonnement solides. Les données fournissent non seulement la base pour l'entraînement des modèles d'apprentissage automatique, mais déterminent également leur précision et leur fiabilité.

Dans le modèle traditionnel centralisé d'acquisition et d'utilisation des données en IA, plusieurs problèmes clés ont émergé :

1. L'acquisition de données est coûteuse, ce qui rend difficile la participation des PME.
2. Les ressources de données sont monopolisées par les géants de la technologie, formant des silos de données.
3. La vie privée des données personnelles est menacée de fuite et d'abus.

Web3 fournit un nouveau paradigme de données décentralisées pour résoudre les points douloureux des modèles traditionnels :

1. À travers des projets comme Grass, les utilisateurs peuvent vendre une capacité réseau inutilisée à des entreprises d'IA, permettant le grattage, le nettoyage et la transformation de données web décentralisées, fournissant des données réelles et de haute qualité pour la formation de modèles d'IA.
2. Public AI utilise un modèle de "mark-to-earn" pour motiver les travailleurs mondiaux à participer à l'annotation de données, agréger la sagesse mondiale et améliorer les capacités d'analyse des données.
3. Les plateformes de trading de données blockchain telles que Ocean Protocol et Streamr fournissent un environnement de trading ouvert et transparent pour l'offre et la demande de données, favorisant l'innovation et le partage des données.

De cette manière, Web3 permet non seulement de réduire le coût de l'acquisition de données, mais aussi d'améliorer l'ouverture et la transparence des données, en fournissant des sources de données plus diverses et de meilleure qualité pour la formation des modèles d'IA. En même temps, grâce au calcul de préservation de la vie privée décentralisé, Web3 peut également mieux protéger la vie privée des données personnelles et améliorer la sécurité et la fiabilité de l'utilisation des données.

Continuer à explorer et à pratiquer l'intégration de l'IA et de Web3 fournira une base solide pour la construction d'une nouvelle génération d'infrastructure Internet et débloquera une nouvelle valeur dans les données et la puissance de calcul.

Néanmoins, la collecte de données du monde réel rencontre également des défis tels que la qualité inégale des données, la complexité élevée du traitement et l'insuffisance de la diversité et de la représentation des données. Dans l'espace des données Web3, les données synthétiques pourraient être une étoile montante. Basées sur la technologie d'IA générative et de simulation, les données synthétiques peuvent simuler les attributs des données réelles, complétant et améliorant efficacement 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 démontré leur potentiel pour des applications matures.

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

Dans une ère axée sur les données, la protection de la vie privée est devenue un sujet d'intérêt mondial, et l'adoption du Règlement général sur la protection des données (RGPD) de l'Union européenne reflète la protection stricte de la vie privée individuelle. Cependant, cela pose également des défis : certaines données sensibles ne peuvent pas être pleinement utilisées en raison des risques liés à la vie privée, ce qui limite indéniablement le potentiel et les capacités d'inférence des modèles d'IA.

Le chiffrement pleinement homomorphe (FHE) permet aux données chiffrées d'être calculées directement sans les décrypter, et le résultat du calcul est cohérent avec le résultat de la même opération sur les données en texte clair. Le FHE offre une protection forte pour la confidentialité des calculs en intelligence artificielle, permettant à la puissance de calcul GPU d'effectuer l'entraînement de modèles et les tâches d'inférence sans accéder aux données brutes. Cela présente un avantage significatif pour les entreprises d'IA, car elles peuvent ouvrir de manière sécurisée des services d'API tout en protégeant les secrets commerciaux.

La Machine d'Apprentissage Chiffrée Entièrement Homomorphique (FHEML) prend en charge le chiffrement 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 fuites de données. Ainsi, FHEML renforce la confidentialité des données et fournit un cadre informatique sécurisé pour les applications d'IA.

FHEML complémente ZKML (Zero-Knowledge Machine Learning), où ZKML prouve l'exécution correcte de l'apprentissage machine, tandis que FHEML met l'accent sur le calcul sur des données chiffrées pour préserver la confidentialité des données.

La Révolution Informatique : Calcul de l'IA dans le Web Décentralisé

La complexité informatique des systèmes d'IA actuels double tous les trois mois, ce qui entraîne une demande croissante de puissance de calcul largement supérieure à l'offre de ressources informatiques existantes. Par exemple, la formation du modèle GPT-3 d'OpenAI nécessite une puissance de calcul énorme, équivalente à 355 années de formation sur un seul appareil. Cette pénurie de puissance de calcul limite non seulement l'avancement de la technologie de l'IA, mais rend également les modèles d'IA avancés inaccessibles à la plupart des chercheurs et développeurs.

De plus, une utilisation mondiale des GPU inférieure à 40 %, associée à un ralentissement des performances des microprocesseurs, des problèmes de chaîne d'approvisionnement et des pénuries de puces dues à des facteurs géopolitiques, ont exacerbé le problème de l'approvisionnement en puissance de calcul. Les praticiens de l'IA sont confrontés à un dilemme : acheter du matériel ou louer des ressources cloud, et ont besoin de toute urgence d'un modèle de service informatique à la demande et rentable.

IO.net est un réseau décentralisé de puissance de calcul en IA basé sur Solana qui agrège les ressources GPU inactives à travers le monde et fournit un marché abordable de puissance de calcul pour les entreprises d'IA. Les entités ayant besoin de puissance de calcul peuvent publier des tâches de calcul sur le réseau, et des contrats intelligents attribuent des tâches aux nœuds mineurs contributeurs. Les mineurs exécutent les tâches, soumettent les résultats et reçoivent des récompenses après vérification réussie. L'approche d'IO.net améliore l'efficacité des ressources et aide à soulager les goulets d'étranglement en matière de puissance de calcul dans le domaine de l'IA.

Outre les réseaux de puissance informatique décentralisée à usage général, il existe des plateformes axées sur la formation en IA, telles que Gensyn et Flock.io, ainsi que des réseaux de puissance informatique spécialisés axés sur l'inférence en IA, tels que Ritual et Fetch.ai.

Le réseau de puissance informatique décentralisée fournit un marché de puissance informatique juste et transparent, brise le monopole, abaisse le seuil d'application et améliore l'efficacité d'utilisation. Dans l'écosystème Web3, le réseau de puissance informatique décentralisée jouera un rôle clé pour attirer plus d'applications innovantes dApps afin de promouvoir conjointement le développement et l'application de la technologie AI.

DePIN: Web3 donne le pouvoir à l'IA en périphérie

Imaginez votre smartphone, votre montre connectée ou même votre appareil domestique intelligent ayant la capacité d'exécuter l'IA - c'est la beauté de l'IA au bord. L'IA au bord permet le calcul de se produire à la source des données, permettant un traitement à faible latence et en temps réel tout en protégeant la vie privée de l'utilisateur. La technologie de l'IA au bord est déjà appliquée dans des domaines clés tels que la conduite autonome.

Dans l'espace Web3, nous avons un nom plus familier - DePIN. Web3 met l'accent sur la décentralisation et la souveraineté des données des utilisateurs, tandis que DePIN améliore la protection de la vie privée des utilisateurs en traitant les données localement, réduisant ainsi le risque de violations de données. L'économie de jetons native de Web3 peut inciter les nœuds DePIN à fournir des ressources informatiques et à construire un écosystème durable.

À l'heure actuelle, DePIN se développe rapidement dans l'écosystème Solana et est devenu l'une des plateformes de chaînes publiques préférées pour le déploiement de projets. La haute capacité de traitement, les frais de transaction bas et l'innovation technologique de Solana fournissent un solide soutien au projet DePIN. Actuellement, la capitalisation boursière des projets DePIN sur Solana dépasse 10 milliards de dollars, et des projets notables tels que Render Network et Helium Network ont réalisé des progrès significatifs.

IMO: Un nouveau paradigme pour la publication de modèles d'IA

Le concept d'IMO (Initial Model Offering) a été proposé pour la première fois par le protocole Ora pour tokeniser les modèles d'IA.

Dans le modèle traditionnel, en raison du manque d'un mécanisme de partage des revenus, il est souvent difficile pour les développeurs d'obtenir des avantages continus de l'utilisation ultérieure du modèle d'IA une fois qu'il est développé et mis sur le marché. Surtout lorsque le modèle est intégré à d'autres produits et services, il est difficile pour le développeur original de suivre son utilisation et de générer des revenus. De plus, il y a souvent un manque de transparence sur les performances et l'efficacité des modèles d'IA, ce qui rend difficile pour les investisseurs potentiels et les utilisateurs d'évaluer leur vraie valeur, limitant l'acceptation du marché et le potentiel commercial.

IMO offre une nouvelle approche de financement et de partage de la valeur pour les modèles d'IA open source. Les investisseurs peuvent acheter des jetons IMO et obtenir une part des revenus générés par le modèle. Le protocole Oracle exploite les normes ERC-7641 et ERC-7007, combinées aux technologies Onchain AI Oracle et OPML, pour garantir l'authenticité des modèles d'IA et permettre aux détenteurs de jetons de partager le rendement.

Le modèle IMO renforce la transparence et la confiance, encourage la collaboration en open source, est en phase avec les tendances du marché des crypto-monnaies, et insuffle un élan au développement durable de la technologie de l'IA. Bien que l'IMO soit encore à un stade expérimental précoce, son innovation et sa valeur potentielle valent la peine d'être attendues alors que l'acceptation et la participation au marché se développent.

Agent IA : Une nouvelle ère d'expériences interactives

Les agents d'IA peuvent percevoir l'environnement, penser de manière indépendante et prendre des mesures appropriées pour atteindre des objectifs prédéterminés. Alimentés par de grands modèles de langage, les agents d'IA peuvent non seulement comprendre le langage naturel, mais aussi planifier, décider et exécuter des tâches complexes. Ils peuvent agir en tant qu'assistants virtuels qui apprennent les préférences des utilisateurs et fournissent des solutions personnalisées par interaction. Même sans instructions explicites, les agents d'IA peuvent résoudre autonomement des problèmes, améliorer l'efficacité et créer de la nouvelle valeur.

Myshell est une plateforme d'application ouverte native à l'IA qui fournit un ensemble complet et convivial d'outils pour configurer la fonctionnalité des robots, leur apparence, leur son, et se connecter à des bases de connaissances externes. Elle s'engage à créer un écosystème de contenu IA équitable et ouvert, en utilisant la technologie d'IA générative pour permettre aux individus de devenir des super créateurs. Myshell a formé des modèles linguistiques spécialisés pour rendre le jeu de rôle plus humain. Sa technologie de clonage vocal peut accélérer l'interaction des produits IA personnalisés, réduire le coût de la synthèse vocale de 99%, et le clonage vocal ne prend que 1 minute. Les agents IA personnalisés créés avec Myshell peuvent actuellement être utilisés dans divers domaines, y compris les conversations vidéo, l'apprentissage des langues et la génération d'images.

Dans la convergence de Web3 et de l'IA, l'accent actuel est principalement mis sur l'exploration de la couche d'infrastructure pour résoudre des problèmes clés tels que l'obtention de données de haute qualité, la protection de la vie privée des données, la mise en place de modèles on-chain, l'amélioration de l'utilisation efficace de la puissance de calcul décentralisée et la validation de grands modèles linguistiques. À mesure que ces composants d'infrastructure mûrissent, il y a lieu de croire que la convergence de Web3 et de l'IA donnera naissance à une gamme de modèles commerciaux et de services innovants.

Déclaration :

1. Cet article est repris de [Gatemiroir]. Tous les droits d'auteur appartiennent à l'auteur original [BadBot]. Si vous avez des objections à la reproduction, veuillez contacter le Gate Learnéquipe et ils s'en occuperont rapidement.
2. Avertissement : Les points de vue et opinions exprimés dans cet article sont uniquement ceux de l'auteur et ne constituent aucun conseil en investissement.
3. La traduction de cet article a été réalisée par l'équipe Gate Learn. Sauf indication contraire, la reproduction, la distribution ou le plagiat des articles traduits est interdite.