Fusion de Web3 et de l'IA : construire l'infrastructure Internet de nouvelle génération
En tant que nouvelle paradigm Internet décentralisé, ouvert et transparent, Web3 présente des opportunités de fusion naturelles avec l'IA. Dans une architecture centralisée traditionnelle, les ressources de calcul et de données de l'IA sont strictement contrôlées et font face à de nombreux défis tels que les goulets d'étranglement de la puissance de calcul, les fuites de données et les algorithmes en boîte noire. Web3, basé sur des technologies distribuées, injecte une nouvelle dynamique au développement de l'IA par le biais de réseaux de puissance de calcul partagés, de marchés de données ouverts et de 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 combinaison de Web3 et de l'IA est crucial pour construire l'infrastructure Internet de prochaine génération et 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 de développement de l'IA, tout comme le carburant pour un moteur. Les modèles d'IA ont besoin de digérer une grande quantité de données de haute qualité pour acquérir une compréhension approfondie et une forte capacité de raisonnement. Les données ne fournissent pas seulement une base d'entraînement pour les modèles d'apprentissage automatique, mais déterminent également la précision et la fiabilité du modèle.
Les modèles traditionnels de collecte et d'utilisation des données en IA centralisée présentent les problèmes principaux suivants :
Le coût d'acquisition des données est élevé, ce qui rend difficile pour les petites et moyennes entreprises de le supporter.
Les ressources de données sont monopolisées par des géants de la technologie, formant des îlots de données.
Les données personnelles sont exposées au risque de fuite et d'abus.
Web3 peut résoudre les points de douleur des modèles traditionnels grâce à un nouveau paradigme de données décentralisées :
Les utilisateurs peuvent vendre leur bande passante inutilisée à des entreprises d'IA, permettant une collecte décentralisée de données réseau pour fournir des données réelles et de haute qualité pour l'entraînement des modèles d'IA.
Adoptez le mode "label to earn" pour inciter les travailleurs du monde entier à participer à l'annotation des données grâce à des incitations en jetons, rassemblant ainsi l'expertise professionnelle mondiale et renforçant les capacités d'analyse des données.
La plateforme de trading 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 être la star future du secteur des données Web3. Basées sur la technologie de l'IA générative et la simulation, les données synthétiques peuvent imiter les attributs des données réelles, servant de complément efficace aux données réelles et améliorant l'efficacité de leur utilisation. Dans des domaines tels que la conduite autonome, le commerce sur les marchés financiers et le développement de jeux, les données synthétiques ont déjà montré un potentiel d'application mûr.
Protection de la vie privée : le rôle de l'FHE dans le Web3
À l'ère des données, la protection de la vie privée est devenue un point central d'attention mondiale. L'adoption de réglementations telles que le Règlement général sur la protection des données (RGPD) de l'Union européenne reflète une stricte protection de la vie privée des individus. 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.
FHE, ou chiffrement homomorphe complet, permet d'effectuer des opérations de calcul directement sur des données chiffrées sans avoir besoin de déchiffrer les données, et les résultats des calculs sont identiques à ceux obtenus en effectuant les mêmes calculs sur des données en clair.
FHE offre une protection solide pour le calcul de la confidentialité de l'IA, permettant aux capacités de calcul GPU d'exécuter des tâches d'entraînement et d'inférence de modèles dans un environnement sans accéder aux données brutes. Cela offre 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 cryptographique 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 de 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 IA actuels double tous les 3 mois, entraînant une demande de puissance de calcul qui explose, dépassant de loin l'offre de ressources de calcul existantes. Par exemple, l'entraînement d'un grand modèle IA nécessite une énorme puissance de calcul, équivalente à 355 années de temps d'entraînement sur un seul appareil. Cette pénurie de puissance de calcul limite non seulement les avancées technologiques en IA, mais rend également les modèles IA avancés inaccessibles à la plupart des chercheurs et développeurs.
En même temps, l'utilisation mondiale des GPU est inférieure à 40 %, et la lente amélioration des performances des microprocesseurs, ainsi que 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 trouvent dans un dilemme : soit acheter leur propre matériel, soit louer des ressources cloud, et ils ont un besoin urgent d'un service de calcul à la demande et économique.
Un 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 économique et facilement accessible. Les demandeurs de puissance de calcul peuvent publier des tâches de calcul sur le réseau, et des contrats intelligents attribuent les tâches aux nœuds mineurs qui contribuent à la puissance de calcul. Les mineurs exécutent les tâches et soumettent les résultats, qui, une fois vérifiés, leur rapportent des récompenses en points. Cette solution améliore l'efficacité de l'utilisation des ressources et aide à résoudre le problème de goulot d'étranglement de la puissance de calcul dans des domaines tels que l'IA.
En plus du réseau de puissance décentralisé général, il existe des plateformes axées sur l'entraînement de l'IA, ainsi que des réseaux de puissance dédiés à l'inférence de l'IA.
Le réseau de puissance de calcul décentralisé offre un marché de puissance de calcul équitable et transparent, brisant le monopole, abaissant les barrières à l'entrée et améliorant l'efficacité de l'utilisation de la puissance de calcul. Dans l'écosystème web3, le réseau de puissance de calcul décentralisé jouera un rôle clé, attirant davantage de dapps innovantes à rejoindre et à promouvoir ensemble le développement et l'application des technologies de l'IA.
DePIN : Web3 habilitant l'Edge AI
Imaginez que votre téléphone, votre montre intelligente, voire vos appareils intelligents à la maison, aient tous la capacité de faire fonctionner l'IA - c'est là que réside l'attrait de l'Edge AI. Cela permet de faire des calculs à la source de la génération des données, réalisant ainsi un traitement en temps réel avec une faible latence, 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. 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 en traitant les données localement, réduisant ainsi le risque de fuite de données ; le mécanisme économique natif des tokens de 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 blockchain publique les plus choisies pour le déploiement de projets. Le TPS élevé, les faibles frais de transaction et l'innovation technologique de cette blockchain publique offrent un soutien solide 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 IA
Le concept d'IMO a été proposé pour la première fois par un certain protocole, qui a tokenisé les modèles d'IA.
Dans un modèle traditionnel, en raison de l'absence de 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 de tirer 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 d'en tirer des 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 du marché et le potentiel commercial des modèles.
IMO fournit 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 ultérieurement par le modèle. Un certain protocole utilise deux normes ERC, 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 mode 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 IA. L'IMO est actuellement encore en phase d'expérimentation 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 sont à attendre avec impatience.
Agent IA : Une nouvelle ère d'interaction
L'Agent IA peut percevoir l'environnement, penser de manière autonome et prendre des mesures appropriées pour atteindre des objectifs prédéfinis. Avec le soutien des grands modèles de langage, l'Agent IA peut 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 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 la nouvelle valeur.
Une plateforme d'application native AI propose un ensemble d'outils de création complet et facile à utiliser, permettant aux utilisateurs de configurer les fonctionnalités, l'apparence, la voix des robots et de se connecter à des bases de connaissances externes, s'engageant à créer un écosystème de contenu AI équitable et ouvert. Grâce à la technologie AI générative, elle permet aux individus de devenir des super créateurs. Cette plateforme a entraîné un modèle de langage spécifique, rendant les jeux de rôle plus humains ; la technologie de clonage vocal peut accélérer l'interaction personnalisée des produits AI, réduisant le coût de la synthèse vocale de 99 %, le clonage vocal ne prenant qu'une minute. Grâce à l'AI Agent personnalisé de cette plateforme, il peut actuellement être appliqué dans divers domaines tels que la vidéoconférence, l'apprentissage des langues, la génération d'images, etc.
Dans la fusion de Web3 et de l'IA, il y a actuellement davantage d'explorations au niveau des infrastructures de base, telles que l'obtention de données de haute qualité, la protection de la vie privée des données, l'hébergement de modèles sur la chaîne, l'amélioration de l'utilisation efficace de la puissance de calcul décentralisée et la vérification des grands modèles de langage. 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.
9 J'aime
Récompense
9
2
Partager
Commentaire
0/400
rug_connoisseur
· Il y a 11h
J'ai passé la journée à faire le bull, je suis fatigué.
Voir l'originalRépondre0
SorryRugPulled
· Il y a 12h
Eh bien, tu as déjà fait un rugpull et tu parles encore d'IA?
Web3 et AI fusionnés : cinq technologies clés pour construire l'infrastructure de la prochaine génération d'Internet
Fusion de Web3 et de l'IA : construire l'infrastructure Internet de nouvelle génération
En tant que nouvelle paradigm Internet décentralisé, ouvert et transparent, Web3 présente des opportunités de fusion naturelles avec l'IA. Dans une architecture centralisée traditionnelle, les ressources de calcul et de données de l'IA sont strictement contrôlées et font face à de nombreux défis tels que les goulets d'étranglement de la puissance de calcul, les fuites de données et les algorithmes en boîte noire. Web3, basé sur des technologies distribuées, injecte une nouvelle dynamique au développement de l'IA par le biais de réseaux de puissance de calcul partagés, de marchés de données ouverts et de 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 combinaison de Web3 et de l'IA est crucial pour construire l'infrastructure Internet de prochaine génération et 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 de développement de l'IA, tout comme le carburant pour un moteur. Les modèles d'IA ont besoin de digérer une grande quantité de données de haute qualité pour acquérir une compréhension approfondie et une forte capacité de raisonnement. Les données ne fournissent pas seulement une base d'entraînement pour les modèles d'apprentissage automatique, mais déterminent également la précision et la fiabilité du modèle.
Les modèles traditionnels de collecte et d'utilisation des données en IA centralisée présentent les problèmes principaux suivants :
Web3 peut résoudre les points de douleur des modèles traditionnels grâce à un nouveau paradigme 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 être la star future du secteur des données Web3. Basées sur la technologie de l'IA générative et la simulation, les données synthétiques peuvent imiter les attributs des données réelles, servant de complément efficace aux données réelles et améliorant l'efficacité de leur utilisation. Dans des domaines tels que la conduite autonome, le commerce sur les marchés financiers et le développement de jeux, les données synthétiques ont déjà montré un potentiel d'application mûr.
Protection de la vie privée : le rôle de l'FHE dans le Web3
À l'ère des données, la protection de la vie privée est devenue un point central d'attention mondiale. L'adoption de réglementations telles que le Règlement général sur la protection des données (RGPD) de l'Union européenne reflète une stricte protection de la vie privée des individus. 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.
FHE, ou chiffrement homomorphe complet, permet d'effectuer des opérations de calcul directement sur des données chiffrées sans avoir besoin de déchiffrer les données, et les résultats des calculs sont identiques à ceux obtenus en effectuant les mêmes calculs sur des données en clair.
FHE offre une protection solide pour le calcul de la confidentialité de l'IA, permettant aux capacités de calcul GPU d'exécuter des tâches d'entraînement et d'inférence de modèles dans un environnement sans accéder aux données brutes. Cela offre 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 cryptographique 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 de 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 IA actuels double tous les 3 mois, entraînant une demande de puissance de calcul qui explose, dépassant de loin l'offre de ressources de calcul existantes. Par exemple, l'entraînement d'un grand modèle IA nécessite une énorme puissance de calcul, équivalente à 355 années de temps d'entraînement sur un seul appareil. Cette pénurie de puissance de calcul limite non seulement les avancées technologiques en IA, mais rend également les modèles IA avancés inaccessibles à la plupart des chercheurs et développeurs.
En même temps, l'utilisation mondiale des GPU est inférieure à 40 %, et la lente amélioration des performances des microprocesseurs, ainsi que 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 trouvent dans un dilemme : soit acheter leur propre matériel, soit louer des ressources cloud, et ils ont un besoin urgent d'un service de calcul à la demande et économique.
Un 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 économique et facilement accessible. Les demandeurs de puissance de calcul peuvent publier des tâches de calcul sur le réseau, et des contrats intelligents attribuent les tâches aux nœuds mineurs qui contribuent à la puissance de calcul. Les mineurs exécutent les tâches et soumettent les résultats, qui, une fois vérifiés, leur rapportent des récompenses en points. Cette solution améliore l'efficacité de l'utilisation des ressources et aide à résoudre le problème de goulot d'étranglement de la puissance de calcul dans des domaines tels que l'IA.
En plus du réseau de puissance décentralisé général, il existe des plateformes axées sur l'entraînement de l'IA, ainsi que des réseaux de puissance dédiés à l'inférence de l'IA.
Le réseau de puissance de calcul décentralisé offre un marché de puissance de calcul équitable et transparent, brisant le monopole, abaissant les barrières à l'entrée et améliorant l'efficacité de l'utilisation de la puissance de calcul. Dans l'écosystème web3, le réseau de puissance de calcul décentralisé jouera un rôle clé, attirant davantage de dapps innovantes à rejoindre et à promouvoir ensemble le développement et l'application des technologies de l'IA.
DePIN : Web3 habilitant l'Edge AI
Imaginez que votre téléphone, votre montre intelligente, voire vos appareils intelligents à la maison, aient tous la capacité de faire fonctionner l'IA - c'est là que réside l'attrait de l'Edge AI. Cela permet de faire des calculs à la source de la génération des données, réalisant ainsi un traitement en temps réel avec une faible latence, 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. 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 en traitant les données localement, réduisant ainsi le risque de fuite de données ; le mécanisme économique natif des tokens de 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 blockchain publique les plus choisies pour le déploiement de projets. Le TPS élevé, les faibles frais de transaction et l'innovation technologique de cette blockchain publique offrent un soutien solide 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 IA
Le concept d'IMO a été proposé pour la première fois par un certain protocole, qui a tokenisé les modèles d'IA.
Dans un modèle traditionnel, en raison de l'absence de 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 de tirer 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 d'en tirer des 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 du marché et le potentiel commercial des modèles.
IMO fournit 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 ultérieurement par le modèle. Un certain protocole utilise deux normes ERC, 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 mode 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 IA. L'IMO est actuellement encore en phase d'expérimentation 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 sont à attendre avec impatience.
Agent IA : Une nouvelle ère d'interaction
L'Agent IA peut percevoir l'environnement, penser de manière autonome et prendre des mesures appropriées pour atteindre des objectifs prédéfinis. Avec le soutien des grands modèles de langage, l'Agent IA peut 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 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 la nouvelle valeur.
Une plateforme d'application native AI propose un ensemble d'outils de création complet et facile à utiliser, permettant aux utilisateurs de configurer les fonctionnalités, l'apparence, la voix des robots et de se connecter à des bases de connaissances externes, s'engageant à créer un écosystème de contenu AI équitable et ouvert. Grâce à la technologie AI générative, elle permet aux individus de devenir des super créateurs. Cette plateforme a entraîné un modèle de langage spécifique, rendant les jeux de rôle plus humains ; la technologie de clonage vocal peut accélérer l'interaction personnalisée des produits AI, réduisant le coût de la synthèse vocale de 99 %, le clonage vocal ne prenant qu'une minute. Grâce à l'AI Agent personnalisé de cette plateforme, il peut actuellement être appliqué dans divers domaines tels que la vidéoconférence, l'apprentissage des langues, la génération d'images, etc.
Dans la fusion de Web3 et de l'IA, il y a actuellement davantage d'explorations au niveau des infrastructures de base, telles que l'obtention de données de haute qualité, la protection de la vie privée des données, l'hébergement de modèles sur la chaîne, l'amélioration de l'utilisation efficace de la puissance de calcul décentralisée et la vérification des grands modèles de langage. 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.