Fusion de Web3 et de l'intelligence artificielle : Construire l'infrastructure Internet de prochaine génération
Web3, en tant que nouvelle paradigm internet décentralisé, ouvert et transparent, présente des opportunités d'intégration naturelles avec l'intelligence artificielle. Dans une architecture centralisée traditionnelle, les ressources de calcul et de données de l'IA sont strictement contrôlées, faisant face à de nombreux défis tels que les goulets d'étranglement de calcul, les fuites de données et les algorithmes en boîte noire. En revanche, Web3, basé sur des technologies distribuées, peut injecter un nouveau dynamisme au développement de l'IA grâce à des moyens tels que les réseaux de partage de puissance de calcul, les marchés de données ouverts et le calcul privé. Parallèlement, l'IA peut également apporter de nombreuses capacités à Web3, comme l'optimisation des contrats intelligents et les algorithmes anti-triche, contribuant ainsi à la construction de son écosystème. Par conséquent, explorer la combinaison de Web3 et de l'IA est d'une importance significative pour la construction des infrastructures internet de prochaine génération et pour libérer la valeur des données et de la puissance de calcul.
Données pilotées : Une base solide pour l'IA et le Web3
Les données sont le moteur central du développement de l'IA. Les modèles d'IA ont besoin de digérer une grande quantité 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 déterminent également la précision et la fiabilité du modèle.
Les modèles traditionnels d'acquisition et d'utilisation des données AI centralisées présentent les problèmes suivants :
Le coût d'acquisition des données est élevé, ce qui rend difficile pour les PME de l'assumer.
Les ressources de données sont monopolisées par des géants de la technologie, formant des îlots de données.
Les données personnelles sont exposées à des risques de fuite et d'abus.
Web3 propose un nouveau paradigme de données décentralisées pour résoudre ces points de douleur :
Les utilisateurs peuvent vendre des ressources réseau non utilisées aux entreprises d'IA, pour collecter des données en réseau de manière décentralisée, fournissant des données réelles et de haute qualité pour l'entraînement des modèles d'IA.
Adopter le mode "minage par annotation", en incitant les travailleurs du monde entier à participer à l'annotation des données grâce à des jetons, rassemblant ainsi des connaissances professionnelles mondiales.
La plateforme de trading de données blockchain offre un environnement de trading transparent et ouvert pour les deux parties de l'offre et de la demande de données, incitant à l'innovation et au partage des données.
Néanmoins, l'acquisition de données dans le monde réel présente encore des problèmes de qualité inégale, de difficulté de traitement, de diversité et de représentativité insuffisantes. Les données synthétiques pourraient être la future étoile montante du domaine des données Web3. Basées sur des technologies d'IA générative et de simulation, les données synthétiques peuvent imiter les attributs des données réelles, agissant comme un complément efficace pour améliorer l'efficacité d'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 mature.
Protection de la vie privée : le rôle du chiffrement homomorphe complet dans le Web3
À l'ère des données, la protection de la vie privée est devenue un point focal mondial. L'adoption de réglementations telles que le RGPD de l'Union Européenne reflète une stricte protection des données personnelles. 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.
Le chiffrement homomorphe ( FHE ) 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 cohérent avec le résultat d'un calcul effectué sur des données en clair. FHE offre une protection solide pour le calcul de la vie privée 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 brutes. Cela offre un avantage considérable aux entreprises d'IA, leur permettant d'ouvrir des services API en toute sécurité tout en protégeant leurs secrets commerciaux.
L'apprentissage automatique avec cryptage homomorphe ( FHEML ) prend en charge le traitement des données et des modèles de manière cryptée tout au long du cycle d'apprentissage automatique, garantissant la sécurité des informations sensibles et prévenant le risque de fuite de données. FHEML complète l'apprentissage automatique à connaissance nulle ( ZKML ), ZKML prouvant 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.
Révolution de la puissance de calcul : calcul AI dans un réseau décentralisé
La complexité de calcul des systèmes d'IA double tous les trois mois, entraînant une demande de puissance de calcul qui explose, dépassant de loin l'offre actuelle de ressources informatiques. Par exemple, l'entraînement du modèle GPT-3 nécessite une énorme puissance de calcul, équivalente à 355 ans de temps d'entraînement sur un seul appareil. Une telle pénurie de puissance de calcul limite non seulement les avancées technologiques de l'IA, mais rend également les modèles d'IA avancés inaccessibles à la plupart des chercheurs et des développeurs.
En même temps, le taux d'utilisation des GPU dans le monde est inférieur à 40 %, et l'amélioration des performances des microprocesseurs ralentit. De plus, les pénuries de puces causées par des facteurs de chaîne d'approvisionnement et géopolitiques aggravent le problème de l'offre de puissance de calcul. Les professionnels de l'IA se retrouvent dans une situation délicate : soit ils achètent eux-mêmes du matériel, soit ils louent des ressources cloud, et ils ont un besoin urgent d'un mode de service de calcul à la demande et économique.
Certains réseaux de calcul d'IA décentralisés agrègent des ressources GPU inutilisées à l'échelle mondiale pour offrir un marché de puissance de calcul économique et facile à utiliser aux entreprises d'IA. Les demandeurs de puissance de calcul peuvent publier des tâches de calcul sur le réseau, et des contrats intelligents attribuent les tâches aux nœuds de mineurs qui contribuent de la puissance de calcul. Les mineurs exécutent les tâches et soumettent les résultats, et après vérification, ils reçoivent des récompenses en points. Cette solution améliore l'efficacité de l'utilisation des ressources et aide à résoudre le problème du goulot d'étranglement en matière de puissance de calcul dans des domaines comme l'IA.
En plus des réseaux de puissance de calcul décentralisés généraux, il existe des réseaux de puissance de calcul spécialisés axés sur l'entraînement et l'inférence en 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 propulser ensemble le développement et l'application des technologies IA.
Réseau d'infrastructure physique distribué : Web3 habilite l'IA en périphérie
L'IA en périphérie permet le calcul à la source de la génération des données, réalisant un traitement en temps réel avec une faible latence, tout en protégeant la vie privée des utilisateurs. Cette technologie a été appliquée dans des domaines clés tels que la conduite autonome. Dans le domaine du Web3, le réseau d'infrastructure physique décentralisée ( DePIN ) est un concept plus familier. Le Web3 met l'accent sur la décentralisation et la souveraineté des données des utilisateurs, et DePIN peut renforcer la protection de la vie privée des utilisateurs en traitant les données localement, réduisant ainsi le risque de fuite de données. Le mécanisme économique des tokens natifs du Web3 peut inciter les nœuds DePIN à fournir des ressources de calcul, construisant ainsi un écosystème durable.
Actuellement, DePIN se développe rapidement dans certains écosystèmes de chaînes publiques, devenant l'une des plateformes de déploiement de projets les plus prisées. Un TPS élevé, des frais de transaction bas et des innovations technologiques offrent un soutien solide aux projets DePIN. Certains projets DePIN réputés ont déjà réalisé des progrès significatifs dans ces écosystèmes.
Émission du modèle initial : Nouvelle approche de publication des modèles d'IA
Le concept de l'émission du modèle initial (IMO) consiste à tokeniser les modèles d'IA. Dans le modèle traditionnel, en raison du manque de mécanisme de partage des revenus, il est difficile pour les développeurs de tirer des revenus continus de l'utilisation ultérieure des modèles, surtout lorsque les modèles sont intégrés dans d'autres produits et services. De plus, la performance 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, limitant ainsi la reconnaissance sur le marché et le potentiel commercial des modèles.
IMO offre un nouveau moyen de financement et de partage de valeur pour les modèles d'IA open source. Les investisseurs peuvent acheter des jetons IMO et partager les revenus générés par le modèle par la suite. Certains projets utilisent des normes blockchain spécifiques, combinant des oracles d'IA et des technologies d'apprentissage machine en chaîne pour garantir l'authenticité des modèles d'IA et permettre aux détenteurs de jetons de partager les revenus.
Le mode IMO renforce la transparence et la confiance, encourage la collaboration open source, s'adapte aux tendances du marché de la cryptographie et stimule le développement durable des technologies d'IA. L'IMO en est encore à ses débuts, mais avec l'augmentation de l'acceptation du marché et l'élargissement de la portée de la participation, son innovation et sa valeur potentielle sont prometteuses.
Agent IA : Une nouvelle ère d'expérience interactive
Les agents intelligents AI peuvent percevoir l'environnement, penser de manière indépendante et prendre des mesures appropriées pour atteindre des objectifs définis. Avec le soutien de grands modèles de langage, les agents intelligents AI peuvent non seulement comprendre le langage naturel, mais aussi planifier des décisions et exécuter des tâches complexes. Ils peuvent servir d'assistants virtuels, apprenant les préférences des utilisateurs grâce à des interactions et fournissant des solutions personnalisées. Même sans instructions explicites, les agents intelligents AI peuvent résoudre des problèmes de manière autonome, améliorer l'efficacité et créer de nouvelles valeurs.
Certaines plateformes d'applications AI ouvertes et natives offrent un ensemble d'outils de création complets et faciles à utiliser, permettant aux utilisateurs de configurer les fonctionnalités, l'apparence, la voix des robots, ainsi que de se connecter à des bases de connaissances externes, s'efforçant de créer un écosystème de contenu AI équitable et ouvert. En utilisant la technologie AI générative, ces plateformes permettent aux individus de devenir des super créateurs. Certaines plateformes ont formé des modèles linguistiques de grande taille spécialisés, rendant le jeu de rôle plus humain; la technologie de clonage vocal peut accélérer l'interaction personnalisée des produits AI, réduisant considérablement les coûts de synthèse vocale. Grâce à ces agents intelligents AI personnalisés via ces plateformes, il est actuellement possible de les appliquer dans divers domaines tels que le chat vidéo, l'apprentissage des langues, la génération d'images.
Actuellement, la fusion de Web3 et de l'IA se concentre davantage sur l'exploration des infrastructures, y compris comment obtenir des données de haute qualité, protéger la confidentialité des données, comment héberger des modèles sur la chaîne, comment améliorer l'utilisation efficace de la puissance de calcul décentralisée, ainsi que comment valider les grands modèles de langage et d'autres questions clés. Avec l'amélioration progressive de ces infrastructures, 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.
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
Web3 et l'intelligence artificielle fusionnent : construire l'infrastructure Internet de prochaine génération
Fusion de Web3 et de l'intelligence artificielle : Construire l'infrastructure Internet de prochaine génération
Web3, en tant que nouvelle paradigm internet décentralisé, ouvert et transparent, présente des opportunités d'intégration naturelles avec l'intelligence artificielle. Dans une architecture centralisée traditionnelle, les ressources de calcul et de données de l'IA sont strictement contrôlées, faisant face à de nombreux défis tels que les goulets d'étranglement de calcul, les fuites de données et les algorithmes en boîte noire. En revanche, Web3, basé sur des technologies distribuées, peut injecter un nouveau dynamisme au développement de l'IA grâce à des moyens tels que les réseaux de partage de puissance de calcul, les marchés de données ouverts et le calcul privé. Parallèlement, l'IA peut également apporter de nombreuses capacités à Web3, comme l'optimisation des contrats intelligents et les algorithmes anti-triche, contribuant ainsi à la construction de son écosystème. Par conséquent, explorer la combinaison de Web3 et de l'IA est d'une importance significative pour la construction des infrastructures internet de prochaine génération et pour libérer la valeur des données et de la puissance de calcul.
Données pilotées : Une base solide pour l'IA et le Web3
Les données sont le moteur central du développement de l'IA. Les modèles d'IA ont besoin de digérer une grande quantité 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 déterminent également la précision et la fiabilité du modèle.
Les modèles traditionnels d'acquisition et d'utilisation des données AI centralisées présentent les problèmes suivants :
Web3 propose un nouveau paradigme de données décentralisées pour résoudre ces points de douleur :
Néanmoins, l'acquisition de données dans le monde réel présente encore des problèmes de qualité inégale, de difficulté de traitement, de diversité et de représentativité insuffisantes. Les données synthétiques pourraient être la future étoile montante du domaine des données Web3. Basées sur des technologies d'IA générative et de simulation, les données synthétiques peuvent imiter les attributs des données réelles, agissant comme un complément efficace pour améliorer l'efficacité d'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 mature.
Protection de la vie privée : le rôle du chiffrement homomorphe complet dans le Web3
À l'ère des données, la protection de la vie privée est devenue un point focal mondial. L'adoption de réglementations telles que le RGPD de l'Union Européenne reflète une stricte protection des données personnelles. 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.
Le chiffrement homomorphe ( FHE ) 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 cohérent avec le résultat d'un calcul effectué sur des données en clair. FHE offre une protection solide pour le calcul de la vie privée 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 brutes. Cela offre un avantage considérable aux entreprises d'IA, leur permettant d'ouvrir des services API en toute sécurité tout en protégeant leurs secrets commerciaux.
L'apprentissage automatique avec cryptage homomorphe ( FHEML ) prend en charge le traitement des données et des modèles de manière cryptée tout au long du cycle d'apprentissage automatique, garantissant la sécurité des informations sensibles et prévenant le risque de fuite de données. FHEML complète l'apprentissage automatique à connaissance nulle ( ZKML ), ZKML prouvant 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.
Révolution de la puissance de calcul : calcul AI dans un réseau décentralisé
La complexité de calcul des systèmes d'IA double tous les trois mois, entraînant une demande de puissance de calcul qui explose, dépassant de loin l'offre actuelle de ressources informatiques. Par exemple, l'entraînement du modèle GPT-3 nécessite une énorme puissance de calcul, équivalente à 355 ans de temps d'entraînement sur un seul appareil. Une telle pénurie de puissance de calcul limite non seulement les avancées technologiques de l'IA, mais rend également les modèles d'IA avancés inaccessibles à la plupart des chercheurs et des développeurs.
En même temps, le taux d'utilisation des GPU dans le monde est inférieur à 40 %, et l'amélioration des performances des microprocesseurs ralentit. De plus, les pénuries de puces causées par des facteurs de chaîne d'approvisionnement et géopolitiques aggravent le problème de l'offre de puissance de calcul. Les professionnels de l'IA se retrouvent dans une situation délicate : soit ils achètent eux-mêmes du matériel, soit ils louent des ressources cloud, et ils ont un besoin urgent d'un mode de service de calcul à la demande et économique.
Certains réseaux de calcul d'IA décentralisés agrègent des ressources GPU inutilisées à l'échelle mondiale pour offrir un marché de puissance de calcul économique et facile à utiliser aux entreprises d'IA. Les demandeurs de puissance de calcul peuvent publier des tâches de calcul sur le réseau, et des contrats intelligents attribuent les tâches aux nœuds de mineurs qui contribuent de la puissance de calcul. Les mineurs exécutent les tâches et soumettent les résultats, et après vérification, ils reçoivent des récompenses en points. Cette solution améliore l'efficacité de l'utilisation des ressources et aide à résoudre le problème du goulot d'étranglement en matière de puissance de calcul dans des domaines comme l'IA.
En plus des réseaux de puissance de calcul décentralisés généraux, il existe des réseaux de puissance de calcul spécialisés axés sur l'entraînement et l'inférence en 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 propulser ensemble le développement et l'application des technologies IA.
Réseau d'infrastructure physique distribué : Web3 habilite l'IA en périphérie
L'IA en périphérie permet le calcul à la source de la génération des données, réalisant un traitement en temps réel avec une faible latence, tout en protégeant la vie privée des utilisateurs. Cette technologie a été appliquée dans des domaines clés tels que la conduite autonome. Dans le domaine du Web3, le réseau d'infrastructure physique décentralisée ( DePIN ) est un concept plus familier. Le Web3 met l'accent sur la décentralisation et la souveraineté des données des utilisateurs, et DePIN peut renforcer la protection de la vie privée des utilisateurs en traitant les données localement, réduisant ainsi le risque de fuite de données. Le mécanisme économique des tokens natifs du Web3 peut inciter les nœuds DePIN à fournir des ressources de calcul, construisant ainsi un écosystème durable.
Actuellement, DePIN se développe rapidement dans certains écosystèmes de chaînes publiques, devenant l'une des plateformes de déploiement de projets les plus prisées. Un TPS élevé, des frais de transaction bas et des innovations technologiques offrent un soutien solide aux projets DePIN. Certains projets DePIN réputés ont déjà réalisé des progrès significatifs dans ces écosystèmes.
Émission du modèle initial : Nouvelle approche de publication des modèles d'IA
Le concept de l'émission du modèle initial (IMO) consiste à tokeniser les modèles d'IA. Dans le modèle traditionnel, en raison du manque de mécanisme de partage des revenus, il est difficile pour les développeurs de tirer des revenus continus de l'utilisation ultérieure des modèles, surtout lorsque les modèles sont intégrés dans d'autres produits et services. De plus, la performance 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, limitant ainsi la reconnaissance sur le marché et le potentiel commercial des modèles.
IMO offre un nouveau moyen de financement et de partage de valeur pour les modèles d'IA open source. Les investisseurs peuvent acheter des jetons IMO et partager les revenus générés par le modèle par la suite. Certains projets utilisent des normes blockchain spécifiques, combinant des oracles d'IA et des technologies d'apprentissage machine en chaîne pour garantir l'authenticité des modèles d'IA et permettre aux détenteurs de jetons de partager les revenus.
Le mode IMO renforce la transparence et la confiance, encourage la collaboration open source, s'adapte aux tendances du marché de la cryptographie et stimule le développement durable des technologies d'IA. L'IMO en est encore à ses débuts, mais avec l'augmentation de l'acceptation du marché et l'élargissement de la portée de la participation, son innovation et sa valeur potentielle sont prometteuses.
Agent IA : Une nouvelle ère d'expérience interactive
Les agents intelligents AI peuvent percevoir l'environnement, penser de manière indépendante et prendre des mesures appropriées pour atteindre des objectifs définis. Avec le soutien de grands modèles de langage, les agents intelligents AI peuvent non seulement comprendre le langage naturel, mais aussi planifier des décisions et exécuter des tâches complexes. Ils peuvent servir d'assistants virtuels, apprenant les préférences des utilisateurs grâce à des interactions et fournissant des solutions personnalisées. Même sans instructions explicites, les agents intelligents AI peuvent résoudre des problèmes de manière autonome, améliorer l'efficacité et créer de nouvelles valeurs.
Certaines plateformes d'applications AI ouvertes et natives offrent un ensemble d'outils de création complets et faciles à utiliser, permettant aux utilisateurs de configurer les fonctionnalités, l'apparence, la voix des robots, ainsi que de se connecter à des bases de connaissances externes, s'efforçant de créer un écosystème de contenu AI équitable et ouvert. En utilisant la technologie AI générative, ces plateformes permettent aux individus de devenir des super créateurs. Certaines plateformes ont formé des modèles linguistiques de grande taille spécialisés, rendant le jeu de rôle plus humain; la technologie de clonage vocal peut accélérer l'interaction personnalisée des produits AI, réduisant considérablement les coûts de synthèse vocale. Grâce à ces agents intelligents AI personnalisés via ces plateformes, il est actuellement possible de les appliquer dans divers domaines tels que le chat vidéo, l'apprentissage des langues, la génération d'images.
Actuellement, la fusion de Web3 et de l'IA se concentre davantage sur l'exploration des infrastructures, y compris comment obtenir des données de haute qualité, protéger la confidentialité des données, comment héberger des modèles sur la chaîne, comment améliorer l'utilisation efficace de la puissance de calcul décentralisée, ainsi que comment valider les grands modèles de langage et d'autres questions clés. Avec l'amélioration progressive de ces infrastructures, 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.