Lorsque Jen-Hsun Huang a pris la parole au WGS à Dubaï, il a proposé le terme « IA souveraine ». Alors, quelle IA souveraine peut répondre aux intérêts et aux demandes de la communauté Crypto ? Peut-être doit-elle être construite sous la forme de Web3+AI. Vitalik a décrit la synergie entre l'IA et la Crypto dans l'article « Les promesses et les défis des applications crypto + IA » : la décentralisation de la Crypto peut équilibrer la centralisation de l'IA ; l'IA est opaque et la Crypto apporte de la transparence ; l'IA a besoin de données et la Blockchain facilite le stockage et le suivi des données. Ce type de synergie traverse l'ensemble du paysage industriel de Web3+AI.

La plupart des projets Web3 + IA utilisent la technologie blockchain pour résoudre les problèmes de construction des projets d'infrastructure dans l'industrie de l'IA, et quelques projets utilisent l'IA pour résoudre certains problèmes dans les applications Web3. Le paysage de l'industrie Web3 + IA peut être décrit grossièrement comme suit :

La production et le flux de travail de l'IA se déroulent approximativement comme suit :

Dans ces liens, la combinaison de Web3 et de l'IA se reflète principalement dans quatre aspects :

1. Couche de puissance de calcul : Tokenisation de la puissance de calcul

Au cours des deux dernières années, la puissance de calcul utilisée pour former de grands modèles d'IA a augmenté de manière exponentielle, doublant pratiquement chaque trimestre, et croissant à un rythme qui dépasse largement la loi de Moore. Cette situation a conduit à un déséquilibre à long terme entre l'offre et la demande de puissance de calcul pour l'IA, et les prix du matériel tel que les GPU ont augmenté rapidement, entraînant ainsi une hausse du coût de la puissance de calcul. Mais en même temps, il existe également une grande quantité de matériel informatique de milieu à bas de gamme inutilisé sur le marché. Il se peut que la puissance de calcul unique de cette partie du matériel de milieu à bas de gamme ne puisse pas satisfaire les besoins en haute performance.

Cependant, si un réseau de puissance informatique distribuée est construit à travers Web3 et qu'un réseau de ressources informatiques décentralisées est créé grâce à la location et au partage de puissance informatique, il peut toujours répondre aux besoins de nombreuses applications d'IA. En utilisant la puissance de calcul distribuée inutilisée, le coût de la puissance de calcul de l'IA peut être considérablement réduit. La répartition des couches de puissance de calcul comprend :

• Puissance informatique décentralisée générale (comme Arkash, Io.net, etc.);
• Puissance de calcul décentralisée pour la formation à l'IA (comme Gensyn, Flock.io, etc.);
• Puissance de calcul décentralisée pour le raisonnement en IA (comme Fetch.ai, Hyperbolic, etc.);
• Puissance de calcul décentralisée pour le rendu 3D (comme The Render Network, etc.).

Le principal avantage de l’actifisation de la puissance de calcul de Web3+AI réside dans les projets de puissance de calcul décentralisés. Associée à des incitations sous forme de jetons, il est facile d’étendre l’échelle du réseau, et son coût en ressources de calcul est faible et rentable, ce qui peut satisfaire les besoins de certaines puissances de calcul de milieu à bas de gamme.

2. Couche de données: Capitalisation des données

Les données sont le pétrole et le sang de l'IA. Sans compter sur le Web3, seules les grandes entreprises ont généralement accès à de vastes quantités de données utilisateur, ce qui rend difficile pour les petites startups d'acquérir des données étendues. De plus, la valeur des données utilisateur dans l'industrie de l'IA ne profite souvent pas aux utilisateurs eux-mêmes. Grâce à Web3 + IA, la collecte de données, l'annotation et les processus de stockage distribué peuvent être rendus plus rentables, transparents et bénéfiques pour les utilisateurs. Rassembler des données de haute qualité est une condition préalable à la formation de modèles d'IA. Avec Web3, un réseau distribué peut être exploité avec des mécanismes d'incitation par jeton appropriés pour collecter des données par crowdsourcing à moindre coût tout en obtenant des données de haute qualité et étendues. Selon l'objectif du projet, les projets liés aux données tombent principalement dans les catégories suivantes:

• Projets de collecte de données (comme Grass, etc.);
• Projets de trading de données (comme Ocean Protocol, etc.);
• Projets d'annotation de données (comme Taida, Alaya, etc.);
• Projets de source de données blockchain (comme Spice AI, Espace et temps, etc.);
• Projets de stockage décentralisé (comme Filecoin, Arweave, etc.).

Les projets Web3+AI basés sur les données sont plus difficiles dans le processus de conception du modèle économique de Token, car les données sont plus difficiles à standardiser que la puissance de calcul.

3. Couche de la plate-forme: Tokenisation des actifs de valeur de la plate-forme

La plupart des projets de plateforme ont tendance à se comparer à Hugging Face, avec l'intégration de diverses ressources de l'industrie de l'IA comme leur cœur. Établir une plateforme qui agrège des liens entre les données, la puissance de calcul, les modèles, les développeurs d'IA, la blockchain et d'autres ressources et rôles, avec la plateforme au centre, facilite la résolution de divers besoins de manière plus pratique. Par exemple, Giza se concentre sur la construction d'une plateforme complète d'exploitation zkML, visant à rendre l'inférence de l'apprentissage automatique fiable et transparent. L'opacité des données et des modèles est un problème répandu dans le domaine de l'IA actuellement, et il est seulement une question de temps avant que l'industrie ne demande la vérification de l'inférence de modèle par le biais de Web3 en utilisant des technologies cryptographiques telles que ZK et FHE pour garantir une exécution correcte. Il existe également des couches comme Focus AI, telles que Nuroblocks et Janction, qui relient diverses ressources de puissance de calcul, de données, de modèles, de développeurs d'IA et de nœuds. En emballant des composants universels et des SDK, ils aident les applications Web3 + IA à réaliser un développement rapide. Il existe également des types de plateformes comme Agent Network, qui peuvent construire des agents d'IA pour divers scénarios d'application, tels que Olas et ChainML. Les projets Web3 + IA basés sur la plateforme capturent principalement la valeur de la plateforme grâce à des jetons, incitant tous les participants à la construction de la plateforme. Cette approche est particulièrement utile pour les startups pour passer de 0 à 1, réduisant la difficulté de trouver des partenaires tels que la puissance de calcul, les données, les communautés de développeurs d'IA et les nœuds.

4. Couche d'application : Tokenisation des actifs de valeur de l'IA

Les projets d’infrastructure précédents se concentrent principalement sur l’utilisation de la technologie blockchain pour aborder la construction de projets d’infrastructure dans le secteur de l’IA. Les projets de la couche applicative, quant à eux, utilisent principalement l’IA pour résoudre les problèmes existants dans les applications Web3. Par exemple, Vitalik mentionne deux directions dans l’article que je trouve significatives. Tout d’abord, l’IA en tant que participant au Web3. Par exemple, dans les jeux Web3, l’IA peut agir en tant que joueur, comprendre rapidement les règles du jeu et accomplir efficacement les tâches du jeu. Dans le DEX, l’IA est impliquée dans le trading d’arbitrage depuis de nombreuses années. Sur les marchés de prédiction, les agents d’IA peuvent analyser les capacités prédictives en acceptant largement de grandes quantités de données, de bases de connaissances et d’informations. Ensuite, ils sont produits et proposés aux utilisateurs. Cela aide les utilisateurs à faire des prédictions sur des événements spécifiques, tels que des matchs sportifs ou des élections présidentielles, grâce à l’inférence de modèle. Deuxièmement, la création d’une IA privée décentralisée et évolutive. De nombreux utilisateurs sont préoccupés par le problème de la boîte noire et les biais potentiels dans les systèmes d’IA, ou craignent que certaines dApps n’exploitent la technologie de l’IA pour tromper les utilisateurs à des fins lucratives. Essentiellement, cela provient du fait que les utilisateurs manquent d’autorité de surveillance et de gouvernance sur les processus d’entraînement et d’inférence des modèles d’IA. Cependant, la création d’une IA Web3 où la communauté a des droits de gouvernance répartis sur l’IA, similaire aux projets Web3, peut être plus facilement acceptée. À l’heure actuelle, il n’y a pas eu de projets remarquables dans la couche applicative Web3 + IA qui soient difficiles à transcender.

Résumé

Web3 + AI en est encore à ses débuts, et l'industrie est divisée sur les perspectives de développement de ce domaine. Nous continuerons à surveiller ce domaine. Nous espérons que la combinaison de Web3 et de l'IA pourra créer des produits plus précieux que l'IA centralisée, permettant à l'IA de se débarrasser des étiquettes de "contrôle géant" et de "monopole" et de "co-gouverner l'IA" de manière plus communautaire. Peut-être qu'au cours d'une participation et d'une gouvernance plus étroites, les humains seront plus "émerveillés" et moins "effrayés" par l'IA.

Déclaration :

1. Cet article intitulé à l'origine "Web3 + AI: l'intelligence artificielle de la souveraineté communautaire" est reproduit à partir de [IOBC Capital]. Tous les droits d'auteur appartiennent à l'auteur original [0xCousin]. Si vous avez des objections à la reproduction, veuillez contacter le Gate Learnéquipe, l'équipe s'en occupera dès que possible.

2. Avertissement : Les points de vue et opinions exprimés dans cet article ne représentent que les opinions personnelles de l'auteur et ne constituent pas des conseils en investissement.

3. Les traductions de l'article dans d'autres langues sont effectuées par l'équipe Gate Learn. Sauf mention contraire, la copie, la distribution ou le plagiat des articles traduits est interdite.