Récemment, en discutant avec un pote qui gère des algos, il m'a dit un truc qui m'a laissé perplexe pendant un bon moment : les modèles d'IA d'aujourd'hui, c'est que des vieux stocks. Qu'est-ce que ça veut dire ? Les gros modèles sur le marché, leurs données d'entraînement, c'est un vrai bazar, souvent tirées de forums, de comptes marketing, et parfois même générées par d'autres IA, un vrai recyclage. Comme dirait un ami, c'est comme si tu enseignais à une IA à manger des mantous mâchés par d'autres. Qu'est-ce que tu veux qu'elle sorte de là ?
Le cas de l'avocat en 2024, qui s'est fait avoir par l'IA, n'est que la partie émergée de l'iceberg. Ce qui fait vraiment flipper, c'est que tu sais même pas quelle phrase de l'IA est fiable et laquelle est juste inventée.
Du coup, quand je regarde le secteur de l'IA, ce qui m'intéresse pas, c'est qui a les meilleurs scores de modèle, mais qui est en train de résoudre la vraie question de la fiabilité.
Le projet @OpenLedger s'attaque à ce point sensible. Il a mis en place un système de preuve d'appartenance, étiquetant chaque donnée avec son origine, et si l'IA l'utilise, tu reçois des récompenses en tokens $OPEN . Techniquement, ils ont mis en place un cadre OpenLoRA, capable de faire tourner beaucoup de modèles sur une seule GPU, ce qui abaisse vraiment le seuil d'entrée. À la base, ils utilisent une architecture double EigenDA, avec une validation par échantillonnage aléatoire, donc pas un contrôle rigide de chaque donnée, mais une vérif aléatoire, et si ça cloche, c'est sanctionné. La logique semble plutôt fluide.
Bien sûr, il y a des risques. Plus l'incitation est grande, plus les opportunistes sont nombreux, et il faut garder un œil sur les données poubelles et les faux comptes.
En tant que vieux trader, je vais d'abord observer. L'IA a besoin de vérités fiables, ce secteur mérite d'être surveillé, mais avant d'entrer, il faut bien comprendre si leur système de validation peut tenir dans un environnement réel. #OpenLedger
Le cas de l'avocat en 2024, qui s'est fait avoir par l'IA, n'est que la partie émergée de l'iceberg. Ce qui fait vraiment flipper, c'est que tu sais même pas quelle phrase de l'IA est fiable et laquelle est juste inventée.
Du coup, quand je regarde le secteur de l'IA, ce qui m'intéresse pas, c'est qui a les meilleurs scores de modèle, mais qui est en train de résoudre la vraie question de la fiabilité.
Le projet @OpenLedger s'attaque à ce point sensible. Il a mis en place un système de preuve d'appartenance, étiquetant chaque donnée avec son origine, et si l'IA l'utilise, tu reçois des récompenses en tokens $OPEN . Techniquement, ils ont mis en place un cadre OpenLoRA, capable de faire tourner beaucoup de modèles sur une seule GPU, ce qui abaisse vraiment le seuil d'entrée. À la base, ils utilisent une architecture double EigenDA, avec une validation par échantillonnage aléatoire, donc pas un contrôle rigide de chaque donnée, mais une vérif aléatoire, et si ça cloche, c'est sanctionné. La logique semble plutôt fluide.
Bien sûr, il y a des risques. Plus l'incitation est grande, plus les opportunistes sont nombreux, et il faut garder un œil sur les données poubelles et les faux comptes.
En tant que vieux trader, je vais d'abord observer. L'IA a besoin de vérités fiables, ce secteur mérite d'être surveillé, mais avant d'entrer, il faut bien comprendre si leur système de validation peut tenir dans un environnement réel. #OpenLedger