Fusion de Web3 et de l'IA : construire une nouvelle génération d'infrastructures Internet
Web3, en tant que nouveau paradigme Internet décentralisé, ouvert et transparent, offre une opportunité naturelle de fusion avec l'IA. Dans une architecture traditionnelle centralisée, le calcul IA et les ressources de données sont strictement contrôlés, faisant face à de nombreux défis tels que les goulets d'étranglement en matière de puissance de calcul, les fuites de confidentialité, et le black box algorithmique. Web3, basé sur des technologies distribuées, peut injecter une nouvelle dynamique au développement de l'IA grâce à des réseaux de puissance de calcul partagés, des marchés de données ouverts, et des calculs de confidentialité. En même temps, l'IA peut également apporter de nombreuses capacités à Web3, comme l'optimisation des contrats intelligents et des algorithmes anti-triche, contribuant ainsi à la construction de son écosystème. Explorer la synergie entre Web3 et l'IA est essentiel pour construire l'infrastructure Internet de nouvelle génération et libérer la valeur des données et de la puissance de calcul.
Données pilotées : La base solide de l'IA et du 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 une puissante capacité de raisonnement. Les données fournissent non seulement une base d'entraînement pour les modèles d'apprentissage automatique, mais déterminent également la précision et la fiabilité des modèles.
Les modèles traditionnels de collecte et d'utilisation des données par l'IA centralisée présentent les principaux problèmes suivants :
Le coût d'obtention 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 peut résoudre les points de douleur des modèles traditionnels avec une nouvelle paradigm de données décentralisées :
Les utilisateurs peuvent vendre leur réseau inutilisé à des entreprises d'IA, capturant décentralisé des données réseau pour fournir des données réelles et de haute qualité pour l'entraînement des modèles d'IA.
Adopter le mode "label to earn", en incitant les travailleurs du monde entier à participer à l'annotation des données grâce à des tokens, en rassemblant l'expertise mondiale et en renforçant les capacités d'analyse des données.
La plateforme d'échange de données blockchain offre un environnement de transaction public et transparent aux deux parties de l'offre et de la demande de données, incitant à l'innovation et au partage des données.
Cependant, l'acquisition de données dans le monde réel présente également certains problèmes, tels que la qualité des données inégale, la difficulté de traitement, ainsi que le manque de diversité et de représentativité. Les données synthétiques pourraient devenir les stars de la future piste de données Web3. Basées sur des technologies d'IA générative et de simulation, les données synthétiques peuvent simuler les attributs des données réelles, servant de complément efficace aux données réelles et améliorant 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 de la FHE dans le Web3
À l'ère des données, la protection de la vie privée est devenue un point focal mondial. Le Règlement général sur la protection des données (RGPD) de l'Union européenne et d'autres réglementations reflètent une stricte protection de la vie privée des individus. Cependant, cela pose également des défis : certaines données sensibles ne peuvent pas être pleinement utilisées en raison des risques pour la vie privée, ce qui limite le potentiel et la capacité de raisonnement des modèles d'IA.
FHE (chiffrement homomorphe complet) 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 identique à celui obtenu en effectuant le même calcul sur des données en clair. FHE offre une solide protection pour le calcul de la confidentialité de l'IA, permettant à la puissance de calcul des GPU d'exécuter des tâches d'entraînement et d'inférence de modèles dans un environnement où les données originales ne sont pas touchées. Cela apporte un avantage considérable aux entreprises d'IA, leur permettant d'ouvrir en toute sécurité des services API tout en protégeant leurs secrets commerciaux.
FHEML prend en charge le traitement crypté des données et des modèles tout au long du cycle d'apprentissage automatique, garantissant la sécurité des informations sensibles et prévenant les risques de fuite de données. FHEML renforce la confidentialité des données et offre un cadre de calcul sécurisé pour les applications d'IA.
FHEML est un complément à ZKML, ZKML prouve l'exécution correcte de l'apprentissage automatique, tandis que FHEML met l'accent sur le calcul sur des données chiffrées 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 exponentielle de puissance de calcul, bien supérieure à l'offre actuelle de ressources informatiques. Par exemple, l'entraînement d'un modèle d'IA bien connu nécessite une énorme puissance de calcul, équivalente à 355 années d'entraînement sur un seul appareil. Cette pénurie de puissance de calcul limite non seulement les progrès de la technologie 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 la hausse des performances des microprocesseurs ralentit, tandis que la pénurie de puces causée par des facteurs de chaîne d'approvisionnement et géopolitiques aggrave encore le problème de l'approvisionnement en puissance de calcul. Les professionnels de l'IA se retrouvent dans une situation difficile : soit acheter leur propre matériel, soit louer des ressources cloud, et ils ont un besoin urgent d'un mode de service de calcul économique et à la demande.
Le réseau de puissance de calcul AI décentralisé agrège les ressources GPU inutilisées à l'échelle mondiale, offrant aux entreprises d'IA un marché de puissance de calcul économiquement accessible. Les demandeurs de puissance de calcul peuvent publier des tâches de calcul sur le réseau, et les contrats intelligents attribuent les tâches aux nœuds mineurs qui contribuent à la puissance de calcul. Les mineurs exécutent les tâches et soumettent les résultats, et après validation, ils reçoivent des récompenses en points. Cette solution améliore l'efficacité d'utilisation des ressources et aide à résoudre le problème du goulot d'étranglement de la puissance de calcul dans des domaines tels que l'IA.
En plus des réseaux de calcul décentralisés généraux, il existe également des réseaux de calcul dédiés à l'entraînement et à l'inférence de l'IA. Les réseaux de calcul décentralisés offrent un marché de calcul équitable et transparent, brisant les monopoles, réduisant les barrières à l'entrée et améliorant l'efficacité de l'utilisation de la puissance de calcul. Dans l'écosystème Web3, les réseaux de calcul décentralisés joueront un rôle clé, attirant davantage de dapps innovantes pour promouvoir ensemble le développement et l'application des technologies d'IA.
DePIN : Web3 habilitant l'Edge AI
Imaginez que votre téléphone, votre montre intelligente, et même vos appareils intelligents à la maison aient tous la capacité de faire fonctionner l'IA – c'est là tout l'attrait de l'Edge AI. Il permet un traitement des données à la source de leur génération, offrant une faible latence et un traitement en temps réel, tout en protégeant la vie privée des utilisateurs. La technologie Edge AI a déjà été appliquée dans des domaines clés 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, DePIN renforce la protection de la vie privée des utilisateurs en traitant les données localement, réduisant ainsi le risque de fuite de données ; le mécanisme économique natif des tokens du Web3 peut inciter les nœuds DePIN à fournir des ressources de calcul, construisant ainsi un écosystème durable.
Actuellement, DePIN se développe rapidement dans un certain écosystème, devenant l'une des plateformes de blockchain publiques privilégiées pour le déploiement de projets. Le TPS élevé de cette blockchain, les faibles frais de transaction et l'innovation technologique offrent un fort soutien aux projets DePIN. Actuellement, la capitalisation boursière des projets DePIN sur cette blockchain dépasse 10 milliards de dollars, et certains projets renommés ont réalisé des progrès significatifs.
IMO : Publication d'un nouveau paradigme de modèle IA
Le concept d'IMO a été proposé pour la première fois par un certain protocole, qui vise à tokeniser les modèles d'IA.
Dans le modèle traditionnel, en raison de l'absence d'un mécanisme de partage des revenus, une fois qu'un modèle d'IA est développé et mis sur le marché, il est souvent difficile pour le développeur d'obtenir des revenus continus de l'utilisation ultérieure du modèle, surtout lorsque le modèle est intégré dans d'autres produits et services. Les créateurs originaux ont du mal à suivre l'utilisation, sans parler de la génération de revenus. 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 fournit un nouveau mode de financement et de partage de valeur pour les modèles d'IA open source. Les investisseurs peuvent acheter des jetons IMO et partager les bénéfices générés ultérieurement par le modèle. Un certain protocole utilise deux normes ERC, combinant des oracles IA et la technologie OPML pour garantir l'authenticité des modèles d'IA et permettre aux détenteurs de jetons de partager les bénéfices.
Le modèle IMO renforce la transparence et la confiance, encourage la collaboration open source, s'adapte aux tendances du marché des cryptomonnaies et insuffle une dynamique au développement durable des technologies AI. L'IMO est actuellement encore à un stade d'essai précoce, mais avec l'augmentation de l'acceptation du marché et l'élargissement de la portée de la participation, son innovation et sa valeur potentielle méritent d'être attendues.
Agent IA : Une nouvelle ère d'expérience interactive
L'agent IA est capable de percevoir l'environnement, de penser de manière autonome et d'agir en conséquence pour atteindre des objectifs prédéfinis. Avec le soutien de grands modèles de langage, l'agent IA peut non seulement comprendre le langage naturel, mais aussi planifier des décisions et exécuter des tâches complexes. Il peut servir d'assistant virtuel, apprenant les préférences des utilisateurs par l'interaction et offrant des solutions personnalisées. En l'absence d'instructions claires, l'agent IA peut également résoudre des problèmes de manière autonome, améliorant l'efficacité et créant de la nouvelle valeur.
Une plateforme d'application native AI ouverte propose 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 juste et ouvert. En utilisant la technologie AI générative, elle permet aux individus de devenir des super créateurs. Cette plateforme a entraîné des modèles de langage spécialisés, rendant le jeu de rôle plus humain ; la technologie de clonage vocal peut accélérer les interactions personnalisées des produits AI, réduisant les coûts de synthèse vocale de 99 %, le clonage vocal pouvant être réalisé en seulement 1 minute. Grâce à l'Agent AI personnalisé de cette plateforme, il peut actuellement être appliqué dans divers domaines tels que les chats vidéo, l'apprentissage des langues, la génération d'images, etc.
Dans la fusion entre Web3 et l'IA, il s'agit actuellement davantage d'explorer la couche d'infrastructure, comment obtenir des données de haute qualité, protéger la vie privée des données, comment héberger des modèles sur la chaîne, comment améliorer l'utilisation efficace de la puissance de calcul décentralisée, comment valider les grands modèles de langage, etc. Avec l'amélioration progressive de ces infrastructures, nous avons des raisons de croire que la fusion entre Web3 et l'IA donnera naissance à une série de modèles commerciaux et de services innovants.
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
17 J'aime
Récompense
17
9
Reposter
Partager
Commentaire
0/400
TokenomicsTherapist
· 08-13 21:40
Ne parle pas, écoute juste le son de la prochaine génération de web.
Voir l'originalRépondre0
AirdropHunterXM
· 08-12 18:25
L'âme numérique est toujours en mouvement.
Voir l'originalRépondre0
ShibaSunglasses
· 08-12 10:31
J'ai l'impression de vivre dans la science-fiction.
Voir l'originalRépondre0
GateUser-9ad11037
· 08-11 02:18
Parler à tort et à travers, faisons d'abord et ensuite on en parlera.
Voir l'originalRépondre0
ColdWalletGuardian
· 08-11 02:18
Il y a une tête dans l'industrie sans queue.
Voir l'originalRépondre0
WhaleMistaker
· 08-11 02:18
Attendre la protection de la vie privée des données web3
Web3 et IA fusionnent : construire l'infrastructure Internet de prochaine génération
Fusion de Web3 et de l'IA : construire une nouvelle génération d'infrastructures Internet
Web3, en tant que nouveau paradigme Internet décentralisé, ouvert et transparent, offre une opportunité naturelle de fusion avec l'IA. Dans une architecture traditionnelle centralisée, le calcul IA et les ressources de données sont strictement contrôlés, faisant face à de nombreux défis tels que les goulets d'étranglement en matière de puissance de calcul, les fuites de confidentialité, et le black box algorithmique. Web3, basé sur des technologies distribuées, peut injecter une nouvelle dynamique au développement de l'IA grâce à des réseaux de puissance de calcul partagés, des marchés de données ouverts, et des calculs de confidentialité. En même temps, l'IA peut également apporter de nombreuses capacités à Web3, comme l'optimisation des contrats intelligents et des algorithmes anti-triche, contribuant ainsi à la construction de son écosystème. Explorer la synergie entre Web3 et l'IA est essentiel pour construire l'infrastructure Internet de nouvelle génération et libérer la valeur des données et de la puissance de calcul.
Données pilotées : La base solide de l'IA et du 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 une puissante capacité de raisonnement. Les données fournissent non seulement une base d'entraînement pour les modèles d'apprentissage automatique, mais déterminent également la précision et la fiabilité des modèles.
Les modèles traditionnels de collecte et d'utilisation des données par l'IA centralisée présentent les principaux problèmes suivants :
Web3 peut résoudre les points de douleur des modèles traditionnels avec une nouvelle paradigm de données décentralisées :
Cependant, l'acquisition de données dans le monde réel présente également certains problèmes, tels que la qualité des données inégale, la difficulté de traitement, ainsi que le manque de diversité et de représentativité. Les données synthétiques pourraient devenir les stars de la future piste de données Web3. Basées sur des technologies d'IA générative et de simulation, les données synthétiques peuvent simuler les attributs des données réelles, servant de complément efficace aux données réelles et améliorant 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 de la FHE dans le Web3
À l'ère des données, la protection de la vie privée est devenue un point focal mondial. Le Règlement général sur la protection des données (RGPD) de l'Union européenne et d'autres réglementations reflètent une stricte protection de la vie privée des individus. Cependant, cela pose également des défis : certaines données sensibles ne peuvent pas être pleinement utilisées en raison des risques pour la vie privée, ce qui limite le potentiel et la capacité de raisonnement des modèles d'IA.
FHE (chiffrement homomorphe complet) 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 identique à celui obtenu en effectuant le même calcul sur des données en clair. FHE offre une solide protection pour le calcul de la confidentialité de l'IA, permettant à la puissance de calcul des GPU d'exécuter des tâches d'entraînement et d'inférence de modèles dans un environnement où les données originales ne sont pas touchées. Cela apporte un avantage considérable aux entreprises d'IA, leur permettant d'ouvrir en toute sécurité des services API tout en protégeant leurs secrets commerciaux.
FHEML prend en charge le traitement crypté des données et des modèles tout au long du cycle d'apprentissage automatique, garantissant la sécurité des informations sensibles et prévenant les risques de fuite de données. FHEML renforce la confidentialité des données et offre un cadre de calcul sécurisé pour les applications d'IA.
FHEML est un complément à ZKML, ZKML prouve l'exécution correcte de l'apprentissage automatique, tandis que FHEML met l'accent sur le calcul sur des données chiffrées 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 exponentielle de puissance de calcul, bien supérieure à l'offre actuelle de ressources informatiques. Par exemple, l'entraînement d'un modèle d'IA bien connu nécessite une énorme puissance de calcul, équivalente à 355 années d'entraînement sur un seul appareil. Cette pénurie de puissance de calcul limite non seulement les progrès de la technologie 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 la hausse des performances des microprocesseurs ralentit, tandis que la pénurie de puces causée par des facteurs de chaîne d'approvisionnement et géopolitiques aggrave encore le problème de l'approvisionnement en puissance de calcul. Les professionnels de l'IA se retrouvent dans une situation difficile : soit acheter leur propre matériel, soit louer des ressources cloud, et ils ont un besoin urgent d'un mode de service de calcul économique et à la demande.
Le réseau de puissance de calcul AI décentralisé agrège les ressources GPU inutilisées à l'échelle mondiale, offrant aux entreprises d'IA un marché de puissance de calcul économiquement accessible. Les demandeurs de puissance de calcul peuvent publier des tâches de calcul sur le réseau, et les contrats intelligents attribuent les tâches aux nœuds mineurs qui contribuent à la puissance de calcul. Les mineurs exécutent les tâches et soumettent les résultats, et après validation, ils reçoivent des récompenses en points. Cette solution améliore l'efficacité d'utilisation des ressources et aide à résoudre le problème du goulot d'étranglement de la puissance de calcul dans des domaines tels que l'IA.
En plus des réseaux de calcul décentralisés généraux, il existe également des réseaux de calcul dédiés à l'entraînement et à l'inférence de l'IA. Les réseaux de calcul décentralisés offrent un marché de calcul équitable et transparent, brisant les monopoles, réduisant les barrières à l'entrée et améliorant l'efficacité de l'utilisation de la puissance de calcul. Dans l'écosystème Web3, les réseaux de calcul décentralisés joueront un rôle clé, attirant davantage de dapps innovantes pour promouvoir ensemble le développement et l'application des technologies d'IA.
DePIN : Web3 habilitant l'Edge AI
Imaginez que votre téléphone, votre montre intelligente, et même vos appareils intelligents à la maison aient tous la capacité de faire fonctionner l'IA – c'est là tout l'attrait de l'Edge AI. Il permet un traitement des données à la source de leur génération, offrant une faible latence et un traitement en temps réel, tout en protégeant la vie privée des utilisateurs. La technologie Edge AI a déjà été appliquée dans des domaines clés 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, DePIN renforce la protection de la vie privée des utilisateurs en traitant les données localement, réduisant ainsi le risque de fuite de données ; le mécanisme économique natif des tokens du Web3 peut inciter les nœuds DePIN à fournir des ressources de calcul, construisant ainsi un écosystème durable.
Actuellement, DePIN se développe rapidement dans un certain écosystème, devenant l'une des plateformes de blockchain publiques privilégiées pour le déploiement de projets. Le TPS élevé de cette blockchain, les faibles frais de transaction et l'innovation technologique offrent un fort soutien aux projets DePIN. Actuellement, la capitalisation boursière des projets DePIN sur cette blockchain dépasse 10 milliards de dollars, et certains projets renommés ont réalisé des progrès significatifs.
IMO : Publication d'un nouveau paradigme de modèle IA
Le concept d'IMO a été proposé pour la première fois par un certain protocole, qui vise à tokeniser les modèles d'IA.
Dans le modèle traditionnel, en raison de l'absence d'un mécanisme de partage des revenus, une fois qu'un modèle d'IA est développé et mis sur le marché, il est souvent difficile pour le développeur d'obtenir des revenus continus de l'utilisation ultérieure du modèle, surtout lorsque le modèle est intégré dans d'autres produits et services. Les créateurs originaux ont du mal à suivre l'utilisation, sans parler de la génération de revenus. 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 fournit un nouveau mode de financement et de partage de valeur pour les modèles d'IA open source. Les investisseurs peuvent acheter des jetons IMO et partager les bénéfices générés ultérieurement par le modèle. Un certain protocole utilise deux normes ERC, combinant des oracles IA et la technologie OPML pour garantir l'authenticité des modèles d'IA et permettre aux détenteurs de jetons de partager les bénéfices.
Le modèle IMO renforce la transparence et la confiance, encourage la collaboration open source, s'adapte aux tendances du marché des cryptomonnaies et insuffle une dynamique au développement durable des technologies AI. L'IMO est actuellement encore à un stade d'essai précoce, mais avec l'augmentation de l'acceptation du marché et l'élargissement de la portée de la participation, son innovation et sa valeur potentielle méritent d'être attendues.
Agent IA : Une nouvelle ère d'expérience interactive
L'agent IA est capable de percevoir l'environnement, de penser de manière autonome et d'agir en conséquence pour atteindre des objectifs prédéfinis. Avec le soutien de grands modèles de langage, l'agent IA peut non seulement comprendre le langage naturel, mais aussi planifier des décisions et exécuter des tâches complexes. Il peut servir d'assistant virtuel, apprenant les préférences des utilisateurs par l'interaction et offrant des solutions personnalisées. En l'absence d'instructions claires, l'agent IA peut également résoudre des problèmes de manière autonome, améliorant l'efficacité et créant de la nouvelle valeur.
Une plateforme d'application native AI ouverte propose 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 juste et ouvert. En utilisant la technologie AI générative, elle permet aux individus de devenir des super créateurs. Cette plateforme a entraîné des modèles de langage spécialisés, rendant le jeu de rôle plus humain ; la technologie de clonage vocal peut accélérer les interactions personnalisées des produits AI, réduisant les coûts de synthèse vocale de 99 %, le clonage vocal pouvant être réalisé en seulement 1 minute. Grâce à l'Agent AI personnalisé de cette plateforme, il peut actuellement être appliqué dans divers domaines tels que les chats vidéo, l'apprentissage des langues, la génération d'images, etc.
Dans la fusion entre Web3 et l'IA, il s'agit actuellement davantage d'explorer la couche d'infrastructure, comment obtenir des données de haute qualité, protéger la vie privée des données, comment héberger des modèles sur la chaîne, comment améliorer l'utilisation efficace de la puissance de calcul décentralisée, comment valider les grands modèles de langage, etc. Avec l'amélioration progressive de ces infrastructures, nous avons des raisons de croire que la fusion entre Web3 et l'IA donnera naissance à une série de modèles commerciaux et de services innovants.