partie un

À première vue, l’IA et le Web3 semblent être des technologies indépendantes, chacune reposant sur des principes fondamentalement différents et remplissant des fonctions distinctes. Cependant, une exploration plus approfondie révèle que ces deux technologies ont le potentiel d’équilibrer les compromis de l’autre, leurs forces uniques se complétant et se renforçant mutuellement. Balaji Srinivasan a articulé avec éloquence ce concept de capacités complémentaires lors de la conférence SuperAI, déclenchant une comparaison détaillée de la façon dont ces technologies interagissent.

Les jetons sont apparus grâce à une approche ascendante, nés des efforts décentralisés d'enthousiastes de réseaux anonymes et évoluant depuis une décennie grâce aux efforts collaboratifs de nombreuses entités indépendantes à travers le monde. En revanche, l'intelligence artificielle a été développée à travers une approche descendante, dominée par quelques géants de la technologie qui fixent le rythme et la dynamique de l'industrie. Les barrières à l'entrée dans l'IA sont davantage déterminées par l'intensité des ressources que par la complexité technique.

ces deux technologies ont également des natures fondamentalement différentes. les tokens sont des systèmes déterministes qui produisent des résultats immuables, tels que la prévisibilité des fonctions de hachage ou des preuves à divulgation nulle de connaissance. cela contraste nettement avec la nature probabiliste et souvent imprévisible de l'IA.

de même, la technologie cryptographique excelle dans la validation, garantissant l'authenticité et la sécurité des transactions et établissant des processus et des systèmes sans confiance, tandis que l'IA se concentre sur la génération, créant un contenu numérique riche. Cependant, garantir la provenance du contenu et prévenir le vol d'identité pose des défis dans la création de contenu numérique.

Heureusement, les jetons fournissent un contrepoint à l'abondance numérique - la rareté numérique. Ils offrent des outils relativement matures qui peuvent être appliqués aux technologies d'IA pour garantir la provenance du contenu et résoudre les problèmes de vol d'identité.

un avantage notable des jetons est leur capacité à attirer des ressources matérielles et des capitaux importants dans des réseaux coordonnés pour servir des objectifs spécifiques. Cette capacité est particulièrement bénéfique pour l'IA, qui consomme de grandes quantités de puissance de calcul. La mobilisation des ressources sous-utilisées pour fournir une puissance de calcul plus abordable peut considérablement améliorer l'efficacité de l'IA.

En comparant ces deux technologies, nous apprécions non seulement leurs contributions individuelles, mais nous voyons également comment elles peuvent ensemble ouvrir de nouvelles voies dans les domaines de la technologie et de l’économie. Chaque technologie peut remédier aux lacunes de l’autre, créant ainsi un avenir plus intégré et innovant. Cet article de blog vise à explorer le paysage émergent de l’industrie AI X Web3, en se concentrant sur certains nouveaux secteurs verticaux à l’intersection de ces technologies.

source: iosg ventures

partie deux

2.1 réseau informatique

• le paysage industriel introduit d'abord des réseaux informatiques visant à résoudre le problème d'approvisionnement limité en gpu et à explorer divers moyens de réduire les coûts informatiques. Les aspects notables incluent :
• Interopérabilité non uniforme des GPU : cette tentative ambitieuse implique des risques et des incertitudes techniques élevés, mais si elle réussit, elle pourrait créer une échelle et un impact significatifs en rendant toutes les ressources informatiques interchangeables. L’idée est de développer des compilateurs et d’autres prérequis qui permettent d’utiliser n’importe quelle ressource matérielle du côté de l’offre, tout en faisant abstraction de la non-uniformité du matériel du côté de la demande. Cela permettrait d’acheminer les requêtes informatiques vers n’importe quelle ressource du réseau, ce qui réduirait potentiellement la dépendance au logiciel CUDA, qui est actuellement dominant parmi les développeurs d’IA. Malgré les avantages potentiels, de nombreux experts sont très sceptiques quant à la faisabilité de cette approche.
• agrégation de GPU haute performance: cette approche met l'accent sur l'intégration des GPU les plus populaires à l'échelle mondiale dans un réseau distribué et sans autorisation, sans se soucier des problèmes d'interopérabilité entre des ressources GPU non uniformes.
• agrégation de GPU grand public pour les produits de consommation: cela consiste à regrouper des GPU de performance inférieure disponibles dans les appareils grand public, qui sont parmi les ressources les plus sous-utilisées du côté de l'offre. Elle s'adresse à ceux qui sont prêts à sacrifier les performances et la vitesse pour des processus d'entraînement moins chers et plus longs.

2.2 Formation et inférence

les réseaux informatiques sont principalement utilisés pour deux fonctions principales: la formation et l'inférence. la demande pour ces réseaux provient à la fois des projets web 2.0 et web 3.0. dans l'espace web 3.0, des projets comme bittensor utilisent des ressources informatiques pour le réglage fin du modèle. pour l'inférence, les projets web 3.0 mettent l'accent sur la vérifiabilité du processus. cet accent a conduit à l'émergence de l'inférence vérifiable en tant que marché vertical, avec des projets explorant comment intégrer l'inférence de l'IA dans les contrats intelligents tout en maintenant les principes de décentralisation.

Plateforme d'agent intelligent 2.3

• Vient ensuite la plate-forme Intelligent Agent, qui décrit les principaux problèmes que les startups de cette catégorie doivent résoudre :
• inter-opérabilité des agents et capacités de découverte et de communication : les agents peuvent se découvrir et communiquer entre eux.
• capacités de construction et de gestion de cluster d'agents : les agents peuvent former des clusters et gérer d'autres agents.
• propriété et marché des agents d'IA : fournir la propriété et le marché pour les agents d'IA.
• Ces fonctionnalités soulignent l'importance de systèmes flexibles et modulaires qui peuvent être intégrés de manière transparente dans diverses applications blockchain et IA. Les agents IA ont le potentiel de révolutionner notre façon d'interagir avec Internet, et nous croyons que les agents utiliseront l'infrastructure pour soutenir leurs opérations. Nous envisageons que les agents IA compteront sur l'infrastructure de la manière suivante:
• accéder à des données Web en temps réel à l'aide d'un réseau de crawling distribué
• Effectuer des paiements inter-agents à l’aide de canaux DeFi
• exiger des dépôts économiques non seulement pour pénaliser l’inconduite, mais aussi pour améliorer la découvrabilité de l’agent (c.-à-d. l’utilisation des dépôts comme signaux économiques pendant le processus de découverte) ;
• utilisation du consensus pour décider des événements qui devraient entraîner une réduction
• normes d'interopérabilité ouvertes et cadres d'agents pour soutenir la construction de collectifs composables
• évaluer les performances passées en fonction de l'historique des données immuables et sélectionner en temps réel des collectifs d'agents adaptés

source: iosg ventures

2.4 couche de données

dans l'intégration de l'IA et du web3, les données sont un élément clé. Les données sont un atout stratégique dans la compétition en matière d'IA, constituant des ressources clés aux côtés des ressources informatiques. Cependant, cette catégorie est souvent négligée car la plupart des attentions de l'industrie sont concentrées sur la couche informatique. En réalité, les primitives offrent de nombreuses directions de valeur intéressantes dans le processus d'acquisition de données, comprenant principalement les deux directions de haut niveau suivantes :

accès aux données publiques sur internet

accéder aux données protégées

accès aux données publiques sur Internet : cette direction vise à construire un réseau de robots distribués qui peut parcourir l'intégralité d'Internet en quelques jours, acquérir d'énormes ensembles de données ou accéder à des données très spécifiques en temps réel. Cependant, pour parcourir de grands ensembles de données sur Internet, la demande du réseau est très élevée, nécessitant au moins quelques centaines de nœuds pour commencer un travail significatif. Heureusement, Grass, un réseau de nœuds de robots distribués, compte déjà plus de 2 millions de nœuds partageant activement la bande passante Internet avec le réseau, dans le but de parcourir l'intégralité d'Internet. Cela démontre le grand potentiel des incitations économiques pour attirer des ressources précieuses.

Bien que Grass offre un environnement concurrentiel équitable pour les données publiques, le défi de l’utilisation des données potentielles, en particulier l’accès à des ensembles de données propriétaires, demeure. Plus précisément, une grande quantité de données est toujours stockée de manière à protéger la vie privée en raison de leur nature sensible. De nombreuses startups utilisent des outils cryptographiques qui permettent aux développeurs d’IA d’utiliser la structure de données fondamentale des ensembles de données propriétaires pour créer et affiner de grands modèles de langage tout en préservant la confidentialité des informations sensibles.

Les technologies telles que l'apprentissage fédéré, la confidentialité différentielle, les environnements d'exécution sécurisés, le chiffrement entièrement homomorphe et le calcul multipartite offrent différents niveaux de protection de la vie privée et de compromis. L'article de recherche de bagel résume une excellente vue d'ensemble de ces technologies. Ces technologies protègent non seulement la vie privée des données pendant le processus d'apprentissage automatique, mais permettent également d'obtenir des solutions IA complètes et protégées au niveau du calcul.

2.5 Sources de données et de modèles

Les technologies de provenance des données et des modèles visent à établir des processus qui garantissent aux utilisateurs qu’ils interagissent avec les modèles et les données prévus. De plus, ces technologies offrent des garanties d’authenticité et de provenance. Par exemple, le filigrane, un type de technologie de provenance de modèle, intègre les signatures directement dans les algorithmes d’apprentissage automatique, plus précisément dans les poids du modèle, de sorte que lors de la récupération, il peut être vérifié si l’inférence provient du modèle prévu.

2.6 application

en termes d'applications, les possibilités de conception sont illimitées. dans le paysage industriel ci-dessus, nous avons répertorié certains cas de développement particulièrement attendus lorsque la technologie de l'IA est appliquée dans le domaine du web 3.0. étant donné que ces cas d'utilisation sont pour la plupart auto-explicatifs, nous ne ferons pas de commentaires supplémentaires. Cependant, il convient de noter que l'intersection de l'IA et du web 3.0 a le potentiel de remodeler de nombreux secteurs au sein de ce domaine, car ces nouvelles primitives offrent aux développeurs plus de liberté pour créer des cas d'utilisation innovants et optimiser ceux existants.

partie trois

résumé

L’intégration de l’IA et du Web3 apporte un paysage plein d’innovation et de potentiel. En tirant parti des avantages uniques de chaque technologie, nous pouvons relever divers défis et ouvrir de nouvelles voies technologiques. Alors que nous explorons cette industrie émergente, la synergie entre l’IA et le Web3 peut stimuler le progrès, remodeler nos futures expériences numériques et transformer la façon dont nous interagissons en ligne.

La fusion de la rareté numérique et de l'abondance numérique, la mobilisation de ressources sous-utilisées pour atteindre l'efficacité informatique et l'établissement de pratiques de données sécurisées et respectueuses de la vie privée définiront l'ère de l'évolution technologique de la prochaine génération.

Cependant, nous devons reconnaître que cette industrie n’en est qu’à ses balbutiements et que le paysage actuel pourrait rapidement devenir désuet. Le rythme rapide de l’innovation signifie que les solutions de pointe d’aujourd’hui pourraient bientôt être remplacées par de nouvelles percées. Néanmoins, les concepts fondamentaux abordés, tels que les réseaux de calcul, les plateformes d’agents et les protocoles de données, mettent en évidence les immenses possibilités d’intégration de l’IA au Web3.

disclaimer：

1. Cet article est reproduit à partir de [深潮TechFlow], le droit d’auteur appartient à l’auteur original [iosg ventures], si vous avez des objections à la reproduction, veuillez contacter le Gate apprendreéquipe, et l'équipe s'en occupera dès que possible selon les procédures pertinentes.

2. disclaimer: les vues et opinions exprimées dans cet article ne représentent que les vues personnelles de l'auteur et ne constituent aucun conseil en investissement.

3. Les autres versions linguistiques de l'article sont traduites par l'équipe d'apprentissage de Gate et ne sont pas mentionnées.Gate.ioLe texte traduit ne peut être reproduit, distribué ou plagié.