Le Web3, en tant que nouveau paradigme d'Internet décentralisé, ouvert et transparent, présente une synergie inhérente avec l'IA. Dans le cadre de l’architecture centralisée traditionnelle, les ressources informatiques et de données de l’IA sont soumises à un contrôle strict, confrontées à de nombreux défis tels que des goulots d’étranglement informatiques, des violations de la vie privée et des boîtes noires algorithmiques. D’un autre côté, le Web3, construit sur des technologies distribuées, peut insuffler une nouvelle vitalité au développement de l’IA grâce à des réseaux informatiques partagés, des marchés de données ouverts et un calcul préservant la confidentialité. Simultanément, l'IA peut doter Web3 de fonctionnalités telles que l'optimisation des contrats intelligents et des algorithmes anti-triche, contribuant ainsi à la construction de l'écosystème. Par conséquent, explorer la convergence du Web3 et de l’IA est crucial pour construire l’infrastructure Internet de nouvelle génération et libérer la valeur des données et de la puissance de calcul.
Piloté par les données : les bases solides de l'IA et du Web3
Les données sont la force motrice principale du développement de l’IA, un peu comme le carburant d’un moteur. Les modèles d’IA nécessitent l’ingestion de grandes quantités de données de haute qualité pour acquérir une compréhension approfondie et des capacités de raisonnement robustes. Les données fournissent non seulement la base de formation des modèles d’apprentissage automatique, mais déterminent également leur précision et leur fiabilité.
Dans le modèle traditionnel d’acquisition et d’utilisation centralisée des données d’IA, plusieurs problèmes clés se posent :
Les coûts d’acquisition des données sont extrêmement élevés, ce qui rend difficile la participation des petites et moyennes entreprises.
Les ressources de données sont monopolisées par les géants de la technologie, créant des silos de données.
La confidentialité des données personnelles est confrontée à des risques de fuite et d’utilisation abusive.
Web3 propose un nouveau paradigme de données décentralisé pour répondre aux problèmes des modèles traditionnels :
Grâce à des projets comme Grass, les utilisateurs peuvent vendre leur capacité réseau inutilisée à des entreprises d'IA, permettant ainsi l'exploration, le nettoyage et la transformation décentralisés des données Web pour fournir des données réelles et de haute qualité pour la formation des modèles d'IA.
L'IA publique adopte un modèle de « label à gagner », incitant les travailleurs mondiaux avec des jetons à participer à l'annotation des données, à l'agrégation de l'expertise mondiale et à l'amélioration des capacités d'analyse des données.
Les plateformes de transaction de données Blockchain comme Ocean Protocol et Streamr offrent un environnement commercial ouvert et transparent pour l'offre et la demande de données, favorisant l'innovation et le partage des données.
Néanmoins, l’acquisition de données réelles est également confrontée à des défis tels que la qualité variable des données, la grande complexité du traitement et le manque de diversité et de représentativité. Les données synthétiques pourraient bien être l’étoile montante du domaine des données Web3. Basées sur des technologies d’IA générative et des simulations, les données synthétiques peuvent imiter les propriétés des données réelles, les compléter efficacement et améliorer l’efficacité de leur utilisation. Dans des domaines tels que la conduite autonome, le trading sur les marchés financiers et le développement de jeux, les données synthétiques ont déjà démontré leur potentiel d’application mature.
Protection de la vie privée : le rôle de FHE dans le Web3
À l'ère des données, la protection de la vie privée est devenue un enjeu mondial, comme en témoigne l'adoption de réglementations telles que le Règlement général sur la protection des données (RGPD) de l'UE, qui reflète la stricte protection de la vie privée. Cependant, cette évolution a également entraîné des défis : certaines données sensibles ne peuvent pas être pleinement exploitées en raison des risques pour la vie privée, ce qui limite sans aucun doute le potentiel et les capacités de raisonnement des modèles d'IA.
Le FHE, ou cryptage entièrement homomorphe, permet un calcul direct sur des données cryptées sans nécessiter de décryptage, tandis que les résultats du calcul sont cohérents avec l'exécution des mêmes opérations sur des données en clair.
FHE offre une protection robuste pour le calcul de confidentialité de l'IA, permettant à la puissance de calcul du GPU d'exécuter des tâches d'entraînement et d'inférence de modèles sans accéder aux données d'origine. Cela présente des avantages significatifs pour les entreprises d'IA, car elles peuvent ouvrir en toute sécurité des services API tout en protégeant les secrets commerciaux.
FHEML prend en charge le traitement crypté des données et des modèles tout au long du cycle de vie de l'apprentissage automatique, garantissant ainsi la sécurité des informations sensibles et empêchant les fuites de données. De cette manière, FHEML renforce la confidentialité des données et fournit un cadre informatique sécurisé pour les applications d'IA.
FHEML complète ZKML, où ZKML prouve l'exécution correcte de l'apprentissage automatique, tandis que FHEML met l'accent sur le calcul sur des données cryptées pour maintenir la confidentialité des données.
La révolution informatique : le calcul IA dans les réseaux décentralisés
La complexité de calcul des systèmes d’IA actuels double tous les trois mois, ce qui entraîne une augmentation des besoins en puissance de calcul qui dépasse de loin l’offre de ressources informatiques existantes. Par exemple, l’entraînement du modèle GPT-3 d’OpenAI a nécessité une puissance de calcul immense, équivalente à 355 ans de temps d’entraînement sur un seul appareil. Une telle pénurie de puissance de calcul limite non seulement les progrès de la technologie de l’IA, mais rend également les modèles d’IA avancés inaccessibles à la plupart des chercheurs et développeurs.
En outre, le taux d’utilisation global des GPU est inférieur à 40 %, conjugué au ralentissement des améliorations des performances des microprocesseurs et aux facteurs géopolitiques et de chaîne d’approvisionnement contribuant aux pénuries de puces, ce qui aggrave le problème de l’alimentation en puissance de calcul. Les praticiens de l’IA se trouvent face à un dilemme : acheter du matériel ou louer des ressources cloud, et ont désespérément besoin d’un modèle de service informatique à la demande et rentable.
IO.net est un réseau décentralisé de puissance de calcul d'IA basé sur Solana, qui regroupe les ressources GPU inutilisées à l'échelle mondiale pour fournir aux entreprises d'IA un marché de puissance de calcul économique et accessible. Les entités exigeant une puissance de calcul peuvent publier des tâches de calcul sur le réseau, et les contrats intelligents attribueront des tâches aux nœuds mineurs contributeurs. Les mineurs exécutent les tâches, soumettent les résultats et reçoivent des points de récompense en cas de vérification réussie. L'approche d'IO.net améliore l'efficacité de l'utilisation des ressources, contribuant ainsi à atténuer les goulots d'étranglement de la puissance de calcul dans des domaines comme l'IA.
En plus des réseaux généraux de puissance de calcul décentralisés, il existe des plateformes dédiées à la formation de l'IA, telles que Gensyn et Flock.io, ainsi que des réseaux de puissance de calcul spécialisés axés sur l'inférence de l'IA, comme Ritual et Fetch.ai.
Les réseaux de puissance de calcul décentralisés offrent un marché de la puissance de calcul équitable et transparent, brisant les monopoles, réduisant les barrières d'application et améliorant l'efficacité d'utilisation. Au sein de l'écosystème Web3, les réseaux de puissance de calcul décentralisés joueront un rôle crucial, attirant davantage d'applications décentralisées innovantes et favorisant conjointement le développement et l'application des technologies d'IA.
DePIN : Web3 renforce l'IA de pointe
Imaginez que votre smartphone, votre montre connectée ou même vos appareils domestiques intelligents soient capables d’exécuter l’IA. C’est là tout l’attrait de l’intelligence artificielle Edge. Elle permet d’effectuer des calculs à la source des données, en réalisant une faible latence et un traitement en temps réel tout en protégeant la confidentialité des utilisateurs. La technologie Edge AI a déjà été appliquée dans des domaines critiques tels que 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, et DePIN améliore la protection de la vie privée des utilisateurs en traitant les données localement, réduisant ainsi le risque de fuite de données. L'économie de jetons native du Web3 peut inciter les nœuds DePIN à fournir des ressources informatiques, créant ainsi un écosystème durable.
Actuellement, DePIN se développe rapidement dans l'écosystème Solana, devenant l'une des plateformes de chaîne publique préférées pour le déploiement de projets. Le débit élevé, les faibles frais de transaction et les innovations technologiques de Solana ont apporté un soutien solide aux projets DePIN. À l'heure actuelle, la capitalisation boursière des projets DePIN sur Solana dépasse les 10 milliards de dollars, avec des projets notables comme Render Network et Helium Network réalisant des progrès significatifs.
IMO : un nouveau paradigme pour la publication de modèles d'IA
Le concept d'IMO (Initial Model Offering) a été introduit pour la première fois par le protocole Ora, tokenisant les modèles d'IA.
Dans le modèle traditionnel, en raison de l’absence de mécanisme de partage des revenus, une fois qu’un modèle d’IA est développé et commercialisé, les développeurs ont souvent du mal à obtenir des revenus continus de l’utilisation ultérieure du modèle. En particulier lorsque le modèle est intégré à d’autres produits et services, il devient difficile pour les créateurs d’origine de suivre l’utilisation et, par conséquent, de générer des revenus. En outre, les performances 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, ce qui limite l’acceptation du marché et le potentiel commercial.
IMO propose une nouvelle méthode de financement et de partage de valeur pour les modèles d'IA open source. Les investisseurs peuvent acheter des jetons IMO pour partager les revenus ultérieurs générés par le modèle. Le protocole Ora utilise les normes ERC-7641 et ERC-7007 ERC, combinées à une technologie Onchain AI Oracle et OPML, pour garantir l'authenticité des modèles d'IA et permettre aux détenteurs de jetons de partager les revenus.
Le modèle IMO renforce la transparence et la confiance, encourage la collaboration open source, s'aligne sur les tendances du marché des crypto-monnaies et insuffle une dynamique au développement durable de la technologie de l'IA. Bien que l'IMO en soit encore à ses débuts expérimentaux, à mesure que l'acceptation et la participation du marché se développent, sa nature innovante et sa valeur potentielle méritent d'être anticipées.
Agents IA : une nouvelle ère d'expériences interactives
Les agents IA peuvent percevoir leur environnement, réfléchir de manière indépendante et prendre les mesures appropriées pour atteindre des objectifs prédéfinis. Grâce à de grands modèles linguistiques, les agents IA comprennent non seulement le langage naturel, mais peuvent également planifier, prendre des décisions et exécuter des tâches complexes. Ils peuvent fonctionner comme des assistants virtuels, apprendre les préférences des utilisateurs par le biais d'interactions et fournir des solutions personnalisées. Même sans instructions explicites, les agents IA peuvent résoudre les problèmes de manière autonome, améliorer l'efficacité et créer de la valeur.
Myshell est une plateforme d'applications natives d'IA ouverte offrant un ensemble d'outils complet et convivial pour configurer les fonctionnalités, les apparences, les voix des bots et se connecter à des bases de connaissances externes. Elle s'efforce de créer un écosystème de contenu IA équitable et ouvert, permettant aux individus de devenir des super créateurs en exploitant les technologies d'IA génératives. Myshell a formé des modèles de langage spécialisés de grande taille pour rendre le jeu de rôle plus humanisé. Sa technologie de clonage vocal peut accélérer les interactions personnalisées avec les produits IA, réduisant ainsi les coûts de synthèse vocale de 99 %, le clonage vocal étant réalisable en seulement 1 minute. Les agents IA personnalisés créés avec Myshell peuvent actuellement être appliqués à divers domaines, notamment le chat vidéo, l'apprentissage des langues et la génération d'images.
Dans le cadre de la convergence du Web3 et de l'IA, l'accent est actuellement mis sur l'exploration de la couche d'infrastructure, en abordant des questions critiques telles que l'acquisition de données de haute qualité, la protection de la confidentialité des données, l'hébergement de modèles sur la chaîne, l'amélioration de l'utilisation efficace de la puissance de calcul décentralisée et la vérification de grands modèles de langage. À mesure que ces composants d'infrastructure mûrissent progressivement, nous avons des raisons de croire que la fusion du Web3 et de l'IA donnera naissance à une série de modèles commerciaux et de services innovants.