Exploration de la fusion entre l'IA et le Web3 : construire l'infrastructure Internet de prochaine génération
Web3, en tant que nouveau paradigme Internet décentralisé, ouvert et transparent, possède un potentiel d'intégration naturel avec la technologie AI. Dans une architecture centralisée traditionnelle, les ressources de calcul et de données AI sont strictement limitées, faisant face à des défis tels que les goulets d'étranglement de la puissance de calcul, les fuites de données personnelles et les algorithmes en boîte noire. En revanche, Web3, basé sur des technologies distribuées, peut fournir une nouvelle dynamique au développement de l'AI grâce à des réseaux de partage de puissance de calcul, des marchés de données ouverts et des calculs de confidentialité. De plus, l'AI peut également apporter de nombreux avantages à l'écosystème Web3, tels que l'optimisation des contrats intelligents et des algorithmes anti-fraude. Par conséquent, explorer la combinaison de Web3 et de l'AI est d'une importance cruciale pour construire une nouvelle infrastructure Internet de génération et libérer la valeur des données et de la puissance de calcul.
Données pilotées : la pierre angulaire de l'IA et du Web3
Les données sont le moteur principal du développement de l'IA. Les modèles d'IA ont besoin d'absorber d'énormes quantités de données de haute qualité pour acquérir une compréhension approfondie et de puissantes capacités de raisonnement. Les données fournissent non seulement une base d'entraînement pour les modèles d'apprentissage automatique, mais déterminent également l'exactitude et la fiabilité des modèles.
Les modèles traditionnels de collecte et d'utilisation des données d'IA centralisés présentent les principaux problèmes suivants :
Le coût d'acquisition des données est élevé, ce qui rend difficile pour les PME de le supporter.
Les ressources de données sont monopolisées par des géants technologiques, créant des îlots de données.
Les données personnelles sont exposées à des risques de fuite et d'abus.
Web3 offre un nouveau paradigme de données décentralisées pour résoudre ces points de douleur :
Les utilisateurs peuvent vendre des ressources réseau inutilisées à des entreprises d'IA pour collecter des données en ligne de manière décentralisée, après nettoyage et transformation, afin de fournir des données réelles et de haute qualité pour l'entraînement des modèles d'IA.
Utiliser le mode "obtenir en annotant", en incitant les travailleurs du monde entier à participer à l'annotation des données grâce à des jetons, en rassemblant l'expertise mondiale et en renforçant la capacité 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 encore certains problèmes, tels que la qualité des données inégale, la difficulté de traitement, le manque de diversité et de représentativité, etc. Les données synthétiques pourraient devenir la future star du domaine des données Web3. Basées sur des technologies d'IA générative et de simulation, les données synthétiques peuvent simuler les propriétés des données réelles, servant de 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
À l'ère des données, la protection de la vie privée est devenue un sujet de préoccupation mondiale. L'adoption de réglementations telles que le Règlement général sur la protection des données (RGPD) de l'Union européenne reflète une protection stricte de la vie privée des individus. Cependant, cela a également entraîné des défis : certaines données sensibles ne peuvent pas être pleinement exploitées en raison des risques de confidentialité, ce qui limite le potentiel et les capacités de raisonnement des modèles d'IA.
Le chiffrement homomorphe complet (FHE) permet d'effectuer des opérations de calcul directement sur des données chiffrées sans avoir besoin de déchiffrer, et le résultat des calculs est identique à celui des données en clair. Le FHE offre une protection solide pour le calcul de la confidentialité de l'IA, permettant à la puissance de calcul GPU d'exécuter des tâches d'entraînement et d'inférence de modèles dans un environnement sans contact avec les données d'origine. Cela apporte un énorme avantage 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 de vie de l'apprentissage automatique, garantissant la sécurité des informations sensibles et prévenant les risques de fuite de données. De cette manière, FHEML renforce la confidentialité des données et fournit 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 préserver 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 3 mois, entraînant une demande exponentielle de puissance de calcul, bien au-delà de l'offre actuelle de ressources de calcul. Par exemple, l'entraînement d'un grand modèle de langage nécessite une puissance de calcul énorme, équivalente à 355 années de temps d'entraînement sur un seul appareil. Cette pénurie de puissance de calcul limite non seulement les progrès technologiques en IA, mais rend également les modèles d'IA avancés inaccessibles pour 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, tandis que la pénurie de puces due aux facteurs de la chaîne d'approvisionnement et géopolitiques aggrave encore le problème de l'approvisionnement en puissance de calcul. Les professionnels de l'IA se trouvent dans une situation délicate : soit ils achètent du matériel, soit ils louent des ressources cloud, et ils ont un besoin urgent d'un service de calcul à la demande, économique et efficace.
Le réseau de puissance de calcul AI décentralisé agrège des ressources GPU inutilisées à l'échelle mondiale, offrant aux entreprises d'IA un marché de puissance de calcul économique et facilement accessible. Les demandeurs de puissance de calcul peuvent publier des tâches de calcul sur le réseau, des contrats intelligents attribuent les tâches aux nœuds qui contribuent à la puissance de calcul, les nœuds exécutent les tâches et soumettent les résultats, et après vérification, ils reçoivent une récompense. Cette solution améliore l'efficacité de l'utilisation des ressources et contribue à résoudre les problèmes de goulet d'étranglement en puissance de calcul dans des domaines tels que l'IA.
En plus des réseaux de puissance décentralisés universels, il existe des plateformes axées sur l'entraînement de l'IA et des réseaux de puissance dédiés à l'inférence de l'IA. Les réseaux de puissance décentralisés offrent un marché de puissance équitable et transparent, brisant les monopoles, abaissant les barrières à l'entrée et améliorant l'efficacité d'utilisation de la puissance. Dans l'écosystème Web3, les réseaux de puissance décentralisés joueront un rôle clé, attirant davantage d'applications innovantes pour promouvoir ensemble le développement et l'application des technologies de l'IA.
DePIN : Web3 habilitant 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 à faible latence tout en protégeant la vie privée des utilisateurs. La technologie de l'IA en périphérie 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 peut renforcer la protection de la vie privée des utilisateurs et réduire le risque de fuite de données grâce au traitement local des 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 l'écosystème d'une certaine blockchain publique, devenant l'une des plateformes de déploiement de projets les plus choisies. Le haut TPS, les faibles frais de transaction et l'innovation technologique de cette blockchain offrent un soutien puissant aux projets DePIN. Actuellement, la capitalisation boursière des projets DePIN sur cette blockchain publique dépasse 10 milliards de dollars, et plusieurs projets connus ont réalisé des progrès significatifs.
IMO : Nouveau paradigme de publication des modèles d'IA
Le concept d'IMO a été proposé pour la première fois par un certain protocole, permettant la tokenisation des modèles d'IA.
Dans le modèle traditionnel, en raison de l'absence d'un mécanisme de partage des revenus, les développeurs de modèles d'IA ont souvent du mal à obtenir des revenus continus de l'utilisation ultérieure des modèles, surtout lorsque ceux-ci sont intégrés dans d'autres produits et services. De plus, les performances et les effets 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 a fourni un nouveau soutien financier et un moyen de partage de valeur pour les modèles d'IA open source, permettant aux investisseurs d'acheter des jetons IMO et de partager les bénéfices générés par le modèle par la suite. Un certain protocole utilise une norme ERC spécifique, combinant des oracles d'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 injecte de la dynamique dans le développement durable des technologies d'IA. L'IMO en est actuellement à une phase 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'interaction
L'Agent IA peut percevoir l'environnement, réfléchir de manière indépendante et prendre des mesures appropriées pour atteindre des objectifs prédéfinis. Grâce au soutien de grands modèles linguistiques, 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 à travers des interactions et fournissant des solutions personnalisées. Même sans instructions explicites, l'Agent IA peut résoudre des problèmes de manière autonome, améliorer l'efficacité et créer de nouvelles valeurs.
Une plateforme d'application native ouverte d'IA propose un ensemble d'outils de création complet et facile à utiliser, permettant aux utilisateurs de configurer les fonctionnalités, l'apparence et la voix des robots, ainsi que de se connecter à des bases de connaissances externes, visant à créer un écosystème de contenu IA équitable et ouvert. Grâce à la technologie de l'IA générative, elle permet aux particuliers de devenir des super créateurs. Cette plateforme a entraîné un modèle de langage spécialisé, rendant les jeux de rôle plus humains ; la technologie de clonage vocal peut accélérer l'interaction personnalisée des produits IA, réduisant le coût de la synthèse vocale de 99 %, le clonage vocal ne prenant qu'une minute à réaliser. Grâce à l'Agent IA personnalisé de cette plateforme, il peut actuellement être appliqué à de nombreux domaines tels que les chats vidéo, l'apprentissage des langues, la génération d'images, etc.
Dans la fusion de Web3 et de l'IA, l'exploration concerne principalement 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 linguistiques, etc. 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.
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.
18 J'aime
Récompense
18
6
Reposter
Partager
Commentaire
0/400
OnlyOnMainnet
· Il y a 15h
Entrer dans une position, c'est acheter, sinon vous allez manquer l'occasion.
Voir l'originalRépondre0
rugpull_survivor
· Il y a 20h
Ce concept est-il à nouveau à la mode ? L'année dernière, ils ont pris les gens pour des idiots avec cette vague, et cette année ça continue.
Voir l'originalRépondre0
BearMarketSage
· Il y a 20h
Je ne peux vraiment pas supporter cette vague de hype autour du web3...
Voir l'originalRépondre0
SchrodingerGas
· Il y a 20h
Encore une pile d'opportunités d'arbitrage de cache de données de deuxième niveau ?
Voir l'originalRépondre0
AirdropDreamBreaker
· Il y a 20h
Encore en train de parler, ce n'est pas encore le capital qui prend les gens pour des idiots.
Web3 et AI fusionnés : une exploration clé pour construire la prochaine génération d'infrastructure Internet
Exploration de la fusion entre l'IA et le Web3 : construire l'infrastructure Internet de prochaine génération
Web3, en tant que nouveau paradigme Internet décentralisé, ouvert et transparent, possède un potentiel d'intégration naturel avec la technologie AI. Dans une architecture centralisée traditionnelle, les ressources de calcul et de données AI sont strictement limitées, faisant face à des défis tels que les goulets d'étranglement de la puissance de calcul, les fuites de données personnelles et les algorithmes en boîte noire. En revanche, Web3, basé sur des technologies distribuées, peut fournir une nouvelle dynamique au développement de l'AI grâce à des réseaux de partage de puissance de calcul, des marchés de données ouverts et des calculs de confidentialité. De plus, l'AI peut également apporter de nombreux avantages à l'écosystème Web3, tels que l'optimisation des contrats intelligents et des algorithmes anti-fraude. Par conséquent, explorer la combinaison de Web3 et de l'AI est d'une importance cruciale pour construire une nouvelle infrastructure Internet de génération et libérer la valeur des données et de la puissance de calcul.
Données pilotées : la pierre angulaire de l'IA et du Web3
Les données sont le moteur principal du développement de l'IA. Les modèles d'IA ont besoin d'absorber d'énormes quantités de données de haute qualité pour acquérir une compréhension approfondie et de puissantes capacités de raisonnement. Les données fournissent non seulement une base d'entraînement pour les modèles d'apprentissage automatique, mais déterminent également l'exactitude et la fiabilité des modèles.
Les modèles traditionnels de collecte et d'utilisation des données d'IA centralisés présentent les principaux problèmes suivants :
Web3 offre un nouveau paradigme de données décentralisées pour résoudre ces points de douleur :
Cependant, l'acquisition de données dans le monde réel présente encore certains problèmes, tels que la qualité des données inégale, la difficulté de traitement, le manque de diversité et de représentativité, etc. Les données synthétiques pourraient devenir la future star du domaine des données Web3. Basées sur des technologies d'IA générative et de simulation, les données synthétiques peuvent simuler les propriétés des données réelles, servant de 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
À l'ère des données, la protection de la vie privée est devenue un sujet de préoccupation mondiale. L'adoption de réglementations telles que le Règlement général sur la protection des données (RGPD) de l'Union européenne reflète une protection stricte de la vie privée des individus. Cependant, cela a également entraîné des défis : certaines données sensibles ne peuvent pas être pleinement exploitées en raison des risques de confidentialité, ce qui limite le potentiel et les capacités de raisonnement des modèles d'IA.
Le chiffrement homomorphe complet (FHE) permet d'effectuer des opérations de calcul directement sur des données chiffrées sans avoir besoin de déchiffrer, et le résultat des calculs est identique à celui des données en clair. Le FHE offre une protection solide pour le calcul de la confidentialité de l'IA, permettant à la puissance de calcul GPU d'exécuter des tâches d'entraînement et d'inférence de modèles dans un environnement sans contact avec les données d'origine. Cela apporte un énorme avantage 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 de vie de l'apprentissage automatique, garantissant la sécurité des informations sensibles et prévenant les risques de fuite de données. De cette manière, FHEML renforce la confidentialité des données et fournit 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 préserver 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 3 mois, entraînant une demande exponentielle de puissance de calcul, bien au-delà de l'offre actuelle de ressources de calcul. Par exemple, l'entraînement d'un grand modèle de langage nécessite une puissance de calcul énorme, équivalente à 355 années de temps d'entraînement sur un seul appareil. Cette pénurie de puissance de calcul limite non seulement les progrès technologiques en IA, mais rend également les modèles d'IA avancés inaccessibles pour 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, tandis que la pénurie de puces due aux facteurs de la chaîne d'approvisionnement et géopolitiques aggrave encore le problème de l'approvisionnement en puissance de calcul. Les professionnels de l'IA se trouvent dans une situation délicate : soit ils achètent du matériel, soit ils louent des ressources cloud, et ils ont un besoin urgent d'un service de calcul à la demande, économique et efficace.
Le réseau de puissance de calcul AI décentralisé agrège des ressources GPU inutilisées à l'échelle mondiale, offrant aux entreprises d'IA un marché de puissance de calcul économique et facilement accessible. Les demandeurs de puissance de calcul peuvent publier des tâches de calcul sur le réseau, des contrats intelligents attribuent les tâches aux nœuds qui contribuent à la puissance de calcul, les nœuds exécutent les tâches et soumettent les résultats, et après vérification, ils reçoivent une récompense. Cette solution améliore l'efficacité de l'utilisation des ressources et contribue à résoudre les problèmes de goulet d'étranglement en puissance de calcul dans des domaines tels que l'IA.
En plus des réseaux de puissance décentralisés universels, il existe des plateformes axées sur l'entraînement de l'IA et des réseaux de puissance dédiés à l'inférence de l'IA. Les réseaux de puissance décentralisés offrent un marché de puissance équitable et transparent, brisant les monopoles, abaissant les barrières à l'entrée et améliorant l'efficacité d'utilisation de la puissance. Dans l'écosystème Web3, les réseaux de puissance décentralisés joueront un rôle clé, attirant davantage d'applications innovantes pour promouvoir ensemble le développement et l'application des technologies de l'IA.
DePIN : Web3 habilitant 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 à faible latence tout en protégeant la vie privée des utilisateurs. La technologie de l'IA en périphérie 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 peut renforcer la protection de la vie privée des utilisateurs et réduire le risque de fuite de données grâce au traitement local des 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 l'écosystème d'une certaine blockchain publique, devenant l'une des plateformes de déploiement de projets les plus choisies. Le haut TPS, les faibles frais de transaction et l'innovation technologique de cette blockchain offrent un soutien puissant aux projets DePIN. Actuellement, la capitalisation boursière des projets DePIN sur cette blockchain publique dépasse 10 milliards de dollars, et plusieurs projets connus ont réalisé des progrès significatifs.
IMO : Nouveau paradigme de publication des modèles d'IA
Le concept d'IMO a été proposé pour la première fois par un certain protocole, permettant la tokenisation des modèles d'IA.
Dans le modèle traditionnel, en raison de l'absence d'un mécanisme de partage des revenus, les développeurs de modèles d'IA ont souvent du mal à obtenir des revenus continus de l'utilisation ultérieure des modèles, surtout lorsque ceux-ci sont intégrés dans d'autres produits et services. De plus, les performances et les effets 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 a fourni un nouveau soutien financier et un moyen de partage de valeur pour les modèles d'IA open source, permettant aux investisseurs d'acheter des jetons IMO et de partager les bénéfices générés par le modèle par la suite. Un certain protocole utilise une norme ERC spécifique, combinant des oracles d'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 injecte de la dynamique dans le développement durable des technologies d'IA. L'IMO en est actuellement à une phase 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'interaction
L'Agent IA peut percevoir l'environnement, réfléchir de manière indépendante et prendre des mesures appropriées pour atteindre des objectifs prédéfinis. Grâce au soutien de grands modèles linguistiques, 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 à travers des interactions et fournissant des solutions personnalisées. Même sans instructions explicites, l'Agent IA peut résoudre des problèmes de manière autonome, améliorer l'efficacité et créer de nouvelles valeurs.
Une plateforme d'application native ouverte d'IA propose un ensemble d'outils de création complet et facile à utiliser, permettant aux utilisateurs de configurer les fonctionnalités, l'apparence et la voix des robots, ainsi que de se connecter à des bases de connaissances externes, visant à créer un écosystème de contenu IA équitable et ouvert. Grâce à la technologie de l'IA générative, elle permet aux particuliers de devenir des super créateurs. Cette plateforme a entraîné un modèle de langage spécialisé, rendant les jeux de rôle plus humains ; la technologie de clonage vocal peut accélérer l'interaction personnalisée des produits IA, réduisant le coût de la synthèse vocale de 99 %, le clonage vocal ne prenant qu'une minute à réaliser. Grâce à l'Agent IA personnalisé de cette plateforme, il peut actuellement être appliqué à de nombreux domaines tels que les chats vidéo, l'apprentissage des langues, la génération d'images, etc.
Dans la fusion de Web3 et de l'IA, l'exploration concerne principalement 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 linguistiques, etc. 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.