L’IA et le retaking sont largement reconnus comme les récits leading de ce cycle de marché bull. Le premier a produit divers projets d’IA vedettes, tandis que le second, centré sur EigenLayer, a donné des hausses à de nombreux projets de TLR et à diverses stratégies de gain de points. Cependant, il est évident que ces deux récits semblent être entrés dans une pause à mi-parcours. Malgré l’augmentation des projets, ceux-ci sont devenus de plus en plus homogènes, ce qui rend l’innovation plus difficile à trouver.

De plus, bien que l’IA et le Restaking soient considérés comme « narrativement corrects », cette exactitude n’implique pas la perfection. De nombreux projets d’IA/Depin sont-ils vraiment décentralisés ? Des données récentes montrent également une baisse de la TVL d’EigenLayer. Le retaking peut-il uniquement assurer la sécurité des AVS de l’écosystème Ethereum ?

Par conséquent, dans la seconde moitié de ces récits brûlants, les projets qui abordent des problèmes communs critiques sont les joyaux cachés qui attendent d’être découverts. De ce point de vue, Mind Network a retenu notre attention. Il répond aux problèmes de décentralisation de nombreux projets d’IA/Depin et améliore l’utilité et la valeur du retaking.

Si EigenLayer est la solution de jalonnement pour l’écosystème Ethereum, alors Mind est la solution de jalonnement pour le domaine de l’IA. En utilisant un retaking plus flexible combiné à un chiffrement homomorphe complet pour la sécurité du consensus, il garantit l’économie des jetons et la sécurité des données des réseaux d’IA décentralisés.

En outre, le projet a déjà obtenu 2,5 millions de dollars en funding d’amorçage en 2023, avec la participation d’institutions de premier plan comme Binance. Actuellement, il a des collaborations approfondies avec de nouveaux projets d’IA / Depin populaires comme io.net et Myshell. L’anticipation du lancement du réseau principal et des activités d’incitation augmente encore les attentes.

Cependant, pour la plupart des lecteurs qui découvrent ce projet pour la première fois, la combinaison d’un chiffrement homomorphe complet complexe et d’un rattrapage motivé par le profit peut sembler déroutante. Comment ces deux éléments peuvent-ils fonctionner ensemble pour résoudre les problèmes clés des projets d’IA ?

Dans ce numéro, nous nous penchons sur Mind Network pour explorer ce projet prometteur qui intègre les récits tendance de l’IA, du Restaking et du chiffrement homomorphe complet.

Pour comprendre ce que fait spécifiquement Mind Network, il est important de comprendre les défis actuels auxquels sont confrontés les projets d’IA. Peut-être que le récit du tueur de dragon se transformant en dragon lui-même sert de meilleure épitaphe pour décrire les projets d’IA cryptés d’aujourd’hui.

Du point de vue des tueurs de dragons, le récit principal des projets d’IA cryptée (ou DePIN) tourne autour de la décentralisation. Il s’agit de lutter contre les monopoles détenus par les grandes entreprises sur des éléments d’IA tels que la puissance de calcul, les algorithmes (modèles) et les données. L’objectif est de briser la confiance dans l’autorité détenue par ces sociétés.

Bien que ce récit soit correct et trouve un écho profond auprès du public, les projets d’IA décentralisée sont souvent confrontés au défi de devenir eux-mêmes des dragons :

Ils ont du mal à atteindre le « Zero Trust » parmi les validateurs dans les environnements décentralisés.

Difficile à comprendre ? Explorons des exemples concrets.

Par exemple, dans les projets d’IA chiffrés typiques, les participants doivent souvent décentraliser la vérification/le vote sur les modèles d’IA pour déterminer lequel est le plus performant. Cependant, dans la pratique, les validateurs (nœuds) au sein du projet décident généralement quel modèle d’IA est le plus performant. Comment pouvez-vous vous assurer que le modèle sélectionné par les validateurs est vraiment le plus performant ? Suivre un mécanisme de preuve d’enjeu (POS) ne garantit pas que la sélection est optimale ou équitable. De même, dans les entreprises d’agents d’IA, le classement des services en fonction de leurs performances soulève la question de savoir comment s’assurer que les services les mieux classés fournissent réellement les meilleurs résultats. Dans un scénario DePIN, lorsque des tâches sont attribuées à des nœuds au sein du réseau, comment pouvez-vous vous assurer que les validateurs distribuent équitablement les tâches aux nœuds appropriés plutôt que de favoriser les nœuds familiers ? Ces exemples mettent en évidence un problème commun critique : dans les réseaux d’IA décentralisés, les décisions prises par les validateurs deviennent souvent des points de confiance centralisés. Vous finissez par devoir faire confiance aux validateurs ou aux participants clés au sein du réseau pour prendre des décisions correctement et sans malveillance. Les projets prônant la décentralisation se trouvent contraints par la nécessité de faire confiance aux mécanismes de réseau internes. L’atteinte du « Zero Trust » reste difficile à atteindre, ce qui met en évidence les imperfections du discours actuel sur l’IA. Alors, que faut-il faire face à ces défis ? De toute évidence, nous avons besoin de mécanismes technologiques et de conceptions économiques pour minimiser les dépendances de confiance à l’égard des principaux participants impliqués dans la vérification, le vote et la prise de décision au sein des réseaux d’IA. C’est précisément dans ce domaine que Mind Network se concentre et démontre sa valeur. Le Saint Graal de la Chiffrement homomorphique complète est placé dans la Position la plus appropriée par le réseau

de l’espritLe réseau de l’esprit excelle dans l’exploitation de la Chiffrement homomorphique, vénérée comme le Saint Graal de Cryptographie.

Cependant, quel est le lien avec les problèmes exposés dans les projets d’IA et de DePin mentionnés ci-dessus ?

À la base, ces questions pointent toutes vers l’allocation des ressources, la sélection et la prise de décision – au-delà de la technologie, elles concernent la gouvernance.

Là où la gouvernance permet l’inconduite, c’est lorsque les participants partagent ouvertement des informations connues (je sais que les gros détenteurs investissent, alors je vais faire de même).

Vous avez probablement déjà senti le potentiel de l’EHE :

Et si l’information n’était plus universellement connue ?

Le chiffrement homomorphe (FHE), présenté comme le Saint Graal de la cryptographie, a récemment été souligné par Vitalik Buterin pour son rôle dans le Web3. Ici, nous n’allons pas nous plonger dans les mécanismes de FHE ; Il vous suffit de connaître sa fonction, c’est-à-dire d’effectuer des calculs complexes sur des données chiffrées sans les déchiffrer, offrant ainsi une solution où les données restent sécurisées et privées tout au long de l’analyse.

Pourtant, embrasser le Saint Graal, c’est en assumer le poids.

Bien que les calculs chiffrés de FHE soient impressionnants, ils entraînent des coûts de ressources importants, ce qui rend peu pratique l’entraînement des modèles d’IA dans les projets d’IA chiffrés.

L’approche de Mind Network en matière de FHE laisse entendre qu’il s’agit de tirer parti efficacement de son potentiel, en positionnant le Saint Graal là où il doit être.

Sans utiliser FHE pour l’entraînement du modèle d’IA et les ajustements de paramètres, mais plutôt utiliser la « gouvernance humaine » dans des domaines tels que la validation croisée, la sélection, le classement et le vote après l’entraînement du modèle d’IA, les dépenses en ressources peuvent être contrôlées. Les problèmes à résoudre sont également très clairs :

Si les participants au réseau d’IA font des affaires sans connaître les choix et les résultats des votes des uns et des autres, il n’y aura pas de « suivre les grands acteurs » ou de copier aveuglément les comportements des nœuds faisant autorité. Cela élimine les biais de décision causés par l’influence de l’identité, ramenant la prise de décision décentralisée à son essence, identifiant ainsi des modèles d’IA et des services d’IA vraiment efficaces.

Par conséquent, l’utilisation de FHE pour l’informatique générale se heurte à des obstacles importants, mais l’utilisation de FHE pour des étapes décentralisées spécifiques telles que la validation est cohérente et réalisable en interne. Garantir la confiance zéro dans le processus de validation permet d’obtenir une sécurité consensuelle pour les projets d’IA chiffrés et une véritable décentralisation.

D’autre part, la sécurité est synonyme d’équité.

Nous pouvons également utiliser un cas spécifique pour voir comment l’équité de Mind Network se reflète dans l’exécution du chiffrement de la validation :

• 1. Un projet d’IA intègre le SDK de validation fourni par Mind, accédant à des services de vérification de chiffrement homomorphes.
• 1. Simultanément, le projet d’IA s’inscrit sur le réseau Mind pour vérifier son identité. Mind génère un contrat intelligent sur le réseau/la chaîne du projet cible pour synchroniser les modifications d’opération ultérieures et les résultats d’exécution.
• 1. Le projet d’IA publie des tâches de validation sur le réseau Mind qui nécessitent un chiffrement homomorphe complet (FHE), telles que la détermination du modèle d’IA le plus performant. Le service de vote FHE démarre, permettant aux nœuds de validation du projet d’IA de voter sans voir les résultats en texte brut, tout en exécutant le processus de vote.
• 1. Les résultats du vote et les modifications de données associées sont transmis à la chaîne de Mind via le contrat intelligent et rapidement synchronisés et enregistrés.
• 1. Dans les étapes ci-dessus, lorsque le projet d’IA utilise les services de Mind, les jetons de projet de Mind seront facturés en tant que frais de gas (jetons non encore émis).

De même, lorsqu’il s’agit d’un projet comme DePIN, l’utilisation de Mind Network peut également conduire à une allocation plus équitable des ressources. Prenons l’exemple de IO.net, qui collabore avec Mind Network :

• 1. IO.net intègre le SDK produit fourni par Mind pour accéder aux services de vérification chiffrement homomorphe complet.
• 1. Après l’intégration de ces services, les nœuds avec GPU gagnent des capacités de consensus sous chiffrement homomorphe complet. Cela signifie que lorsque les tâches de calcul de l’IA arrivent, les requêtes et les données sont chiffrées, ce qui permet de répartir équitablement les tâches entre les nœuds appropriés.

Il convient de noter que le concept d'« écosystème complet » est indissociable d’une autre fonctionnalité clé de Mind Network : le retaking à distance. En raison du staking à distance, il n’est pas nécessaire de cross-chain ses tokens LRT sur différentes chaînes. Au lieu de cela, les utilisateurs peuvent jalonner leurs jetons LRT de différentes chaînes sur un nœud de validation d’un réseau d’IA via le staking à distance. Cela réduit considérablement la barrière à l’entrée pour la participation des utilisateurs et intègre une liquidité fragmentée dans un environnement multi-chaînes. Broad Ecosystem Development and Solid Technical Strength

Mind Network dispose actuellement de plusieurs autres catalyseurs qui méritent d’être notés :

Tout d’abord, sur le plan des produits, le réseau de test a attiré 650 000 portefeuilles et traité 3,2 millions de transactions, ce qui laisse entrevoir des perspectives prometteuses pour le déploiement complet des fonctionnalités du réseau principal.

Deuxièmement, dans le développement de l’écosystème, étant donné que sa plateforme met l’accent sur l’autonomisation d’autres projets d’IA, les collaborations avec des projets de premier plan sont cruciales. À l’heure actuelle, Mind Network fournit des services de sécurité de consensus de réseau d’IA à io.net, Singularity, Nimble, Myshell AIOZ, entre autres. Il offre également une solution FHE Bridge pour Chainlink CCIP et des services de stockage de sécurité des données AI pour IPFS, Arweave, Greenfield et des projets similaires. Ces partenariats couvrent des projets d’IA, de stockage et d’oracle de leading, positionnant potentiellement Mind Network comme une « pelle d’or ».

De plus, d’un point de vue général, en 2023, le projet a été sélectionné par Binance Incubator et a réalisé un tour de financement d’amorçage de 2,5 millions de dollars impliquant des institutions de premier plan comme Binance. Il a également reçu des subventions telles que la bourse de la Fondation Ethereum, l’inclusion dans le programme Chainlink Build et le fait de devenir un partenaire de distribution de Chainlink.

En termes de capacités techniques, outre son équipe composée de professeurs et de docteurs de premier ordre spécialisés dans l’IA, la sécurité et la cryptographie issus d’universités et d’entreprises leading, l’accent est mis sur les collaborations avec des sociétés de recherche leading chiffrement homomorphe complet l’industrie.

En février de cette année, Mind Network a officiellement annoncé un partenariat avec ZAMA, une leading société de chiffrement open-source dans le domaine de la chiffrement homomorphe complet (FHE). ZAMA a récemment terminé un tour de financement de série A de 73 millions de dollars mené par Multicoin et Protocol Labs.

Plus récemment, la collaboration entre Mind Network et ZAMA s’est élargie pour lancer conjointement un nouveau réseau d’IA FHE hybride. Cette initiative vise à faire progresser les applications des algorithmes d’IA dans les données cryptées, ajoutant ainsi une autre couche d’avancée technologique au projet.

Selon des sources proches du dossier, Mind Network a choisi d’utiliser la bibliothèque technologique fondamentale de ZAMA dans ses propres efforts de R&D. Cette décision stratégique démontre l’expertise de Mind dans l’optimisation des ressources FES, garantissant des capacités de sécurité maximales sans compromettre les performances.

Au-delà de l’amélioration de ses propres capacités grâce à une technologie supérieure, Mind Network contribue également à l’amélioration de l’écosystème cryptographique. En mai, le projet s’est associé à Chainlink pour introduire la première interface FHE basée sur le protocole d’interopérabilité interchaîne (CCIP). Cette collaboration renforce la sécurité des communications et des transactions cross-chain tout en favorisant un écosystème Web3 plus fiable et centré sur l’utilisateur.

Depuis la dernière mise à jour, Mind Network a établi des partenariats avec de nombreux projets de premier plan dans différents écosystèmes et domaines. Compte tenu de l’accent mis sur l’autonomisation d’autres projets, il pourrait être sur le point d’obtenir un effet de « pelle d’or » à l’avenir.

Conclusion

Lorsque chiffrement homomorphe complet rencontre le retaking, Mind Network pourrait en effet devenir une nouvelle force motrice dans la seconde moitié du récit grand public de la crypto de cette année.

En utilisant le chiffrement homomorphe complet comme médiateur, Mind Network vise à optimiser les opérations commerciales pour de nombreux projets d’IA cryptée, en fournissant une véritable décentralisation et un support Zero Trust pour les initiatives d’IA décentralisées. Dans le même temps, le retaking ouvre la voie à une plus grande absorption de liquidités à travers différentes chaînes, ce qui pourrait leading à une augmentation rapide des Valeur totale verrouillée (TVL) pour le projet.

Il est indéniable que l’attrait du chiffrement homomorphe complet en tant que Saint Graal attire l’attention du marché avec de nouveaux récits. Dans le même temps, le retaking attire la liquidité du marché. À mesure que la sécurité consensuelle pour les projets d’IA devient plus accessible, la concentration de l’attention et de la liquidité est susceptible de favoriser le développement futur du projet.

Des projets comme Mind Network, qui affinent la narration (IA, Restaking) grâce à leur propre technologie, pourraient en effet représenter une forme plus douce de perturbation dans la seconde moitié du récit grand public ?

Techflow]. Tous les droits d’auteur appartiennent à l’auteur original [Techflow]. S’il y a des objections à cette réimpression, veuillez contacter l’équipe Gate Learn, et ils la traiteront rapidement.

Clause de non-responsabilité : Les points de vue et opinions exprimés dans cet article sont uniquement ceux de l’auteur et ne constituent pas un conseil en investissement.

Les traductions de l’article dans d’autres langues sont effectuées par l’équipe de Gate Learn. Sauf mention contraire, il est interdit de copier, de distribuer ou de plagier les articles traduits.