État actuel du développement de l'IA et du Web3 : analyse des projets, limitations et perspectives d'avenir

Introduction : Développement de l'IA et du Web3

Ces dernières années, le développement rapide de l'intelligence artificielle (AI) et des technologies Web3 a suscité un large intérêt à l'échelle mondiale. L'IA a réalisé des avancées significatives dans des domaines tels que la reconnaissance faciale, le traitement du langage naturel et l'apprentissage automatique, apportant d'immenses transformations et innovations dans divers secteurs. En 2023, la taille du marché de l'industrie de l'IA a atteint 200 milliards de dollars, avec des entreprises telles qu'OpenAI, Character.AI et Midjourney à la pointe de la vague de l'IA.

En même temps, le Web3, en tant que nouveau modèle de réseau, est en train de transformer la perception et l'utilisation d'Internet par les gens. Le Web3 repose sur la technologie blockchain décentralisée et permet, grâce à des contrats intelligents, un stockage distribué et des mécanismes d'authentification décentralisés, le partage et le contrôle des données, ainsi que l'autonomie des utilisateurs et l'établissement de mécanismes de confiance. Le concept clé du Web3 est de libérer les données des mains des institutions centralisées, en donnant aux utilisateurs le contrôle et le droit de partager la valeur de leurs données. Actuellement, la capitalisation du marché du secteur Web3 atteint 25 trillions, et des projets tels que Bitcoin, Ethereum et Solana attirent de plus en plus de personnes.

La combinaison de l'IA et du Web3 est un domaine d'intérêt important tant à l'est qu'à l'ouest. Il est essentiel d'explorer comment bien les intégrer. Cet article mettra l'accent sur l'état actuel du développement de l'IA+Web3, analysera la situation des projets actuels ainsi que les limitations et défis auxquels ils sont confrontés, afin de fournir des références et des perspectives aux investisseurs et aux professionnels du secteur.

Deux, les modes d'interaction entre l'IA et le Web3

Le développement de l'IA et du Web3 est comme les deux côtés d'une balance, l'IA apporte une amélioration de la productivité, tandis que le Web3 entraîne une transformation des relations de production. Ensuite, analysons les dilemmes et les espaces d'amélioration auxquels ces deux secteurs sont confrontés, et explorons comment ils peuvent s'entraider pour résoudre ces dilemmes.

2.1 Les défis auxquels l'industrie de l'IA est confrontée

Les trois éléments fondamentaux de l'industrie de l'IA sont : la puissance de calcul, les algorithmes et les données.

1. La puissance de calcul fait référence à la capacité de réaliser des calculs et des traitements à grande échelle. Les tâches d'IA nécessitent le traitement de grandes quantités de données et des calculs complexes, comme l'entraînement de modèles de réseaux de neurones profonds. Une puissance de calcul élevée peut accélérer l'entraînement et l'inférence des modèles, améliorant ainsi les performances et l'efficacité des systèmes d'IA. Ces dernières années, le développement des GPU et des puces AI dédiées a considérablement favorisé les progrès de l'industrie de l'IA.

2. Les algorithmes sont au cœur des systèmes d’IA, y compris les algorithmes d’apprentissage automatique traditionnels et les algorithmes d’apprentissage profond. La sélection et la conception d’algorithmes sont essentielles à la performance des systèmes d’IA. L’amélioration continue et l’innovation des algorithmes peuvent améliorer la précision, la robustesse et les capacités de généralisation du système.

3. Les données sont la base de l'entraînement et de l'optimisation des modèles. Grâce à de grands échantillons de données, les systèmes d'IA peuvent apprendre des modèles plus précis et intelligents. Des ensembles de données riches fournissent des informations complètes et diversifiées, aidant les modèles à mieux se généraliser et à résoudre des problèmes réels.

L'IA fait face à de nombreux défis dans ces trois domaines :

En ce qui concerne la puissance de calcul, obtenir et gérer une grande puissance de calcul est coûteux et complexe, en particulier pour les startups et les développeurs individuels.

Dans le domaine des algorithmes, l'apprentissage profond nécessite une grande quantité de données et de ressources de calcul, et l'interprétabilité des modèles ainsi que leur capacité de généralisation doivent encore être améliorées.

En ce qui concerne les données, obtenir des données de haute qualité et diversifiées reste un défi, certaines données étant difficiles à obtenir dans certains domaines. La qualité des données, leur précision et la protection de la vie privée sont également des facteurs importants à prendre en compte.

De plus, des problèmes tels que l'interprétabilité et la transparence des modèles d'IA, ainsi qu'un modèle commercial peu clair, doivent également être résolus de toute urgence.

2.2 Les défis auxquels l'industrie Web3 est confrontée

L'industrie Web3 présente des opportunités d'amélioration dans l'analyse des données, l'expérience utilisateur et la sécurité des contrats intelligents. L'IA, en tant qu'outil d'amélioration de la productivité, a de nombreuses applications potentielles dans ces domaines:

1. Capacité d'analyse et de prévision des données : l'IA peut extraire des informations précieuses à partir de données massives, permettant des prévisions et des décisions plus précises, ce qui est d'une grande importance pour l'évaluation des risques et la gestion des actifs dans des domaines tels que la DeFi.

2. Expérience utilisateur et services personnalisés : l'IA peut analyser les données des utilisateurs, fournir des recommandations personnalisées et des services sur mesure, augmentant ainsi l'engagement et la satisfaction des utilisateurs.

3. Sécurité et protection de la vie privée : l'IA peut être utilisée pour détecter les attaques informatiques, identifier les comportements anormaux et fournir une protection de sécurité plus robuste. Elle peut également être appliquée à la protection de la vie privée des données, protégeant ainsi les informations personnelles des utilisateurs.

4. Audit des contrats intelligents : L'IA peut être utilisée pour automatiser l'audit des contrats et la détection des vulnérabilités, améliorant ainsi la sécurité et la fiabilité des contrats.

Il est évident que l'IA peut aider à résoudre de nombreux défis auxquels l'industrie Web3 est confrontée et à promouvoir le développement du secteur.

Analyse de l'état actuel des projets AI+Web3

Les projets AI+Web3 abordent principalement deux aspects : utiliser la technologie blockchain pour améliorer la performance des projets AI, et utiliser la technologie AI pour servir les projets Web3. Actuellement, divers projets tels qu'Io.net, Gensyn, Ritual, etc., émergent, et ci-dessous, nous analyserons l'état et le développement de différentes sous-catégories.

3.1 Web3 aide l'IA

3.1.1 Pouvoir de calcul décentralisé

Avec l'émergence de grands modèles comme ChatGPT, la demande de puissance de calcul par l'IA a explosé, entraînant une pénurie de GPU. Des projets de puissance de calcul décentralisée comme Akash, Render, Gensyn, etc., attirent les utilisateurs à fournir des puissances de GPU inutilisées grâce à des incitations par des tokens, afin de soutenir les clients en IA.

L'offre principale comprend les fournisseurs de services cloud, les mineurs de cryptomonnaie et les grandes entreprises. Le projet attire les fournisseurs grâce à des incitations par des tokens, puis fournit des services de réseau de puissance de calcul au côté de la demande, réalisant ainsi la mise en relation de l'offre et de la demande de puissance de calcul inutilisée.

Les projets de puissance de calcul décentralisée se divisent principalement en deux catégories : l'une utilisée pour l'inférence AI ( comme Render, Akash ), et l'autre utilisée pour l'entraînement AI ( comme io.net, Gensyn ). io.net, en tant que représentant, compte actuellement plus de 500 000 GPU et se distingue dans les projets de puissance de calcul décentralisée.

3.1.2 Modèle d'algorithme décentralisé

Des projets de modèles d'algorithmes décentralisés comme Bittensor visent à créer un écosystème ouvert et transparent, permettant aux modèles d'IA de s'entraîner, de partager et d'utiliser de manière sécurisée et décentralisée.

Dans Bittensor, les fournisseurs de modèles algorithmiques contribuent des modèles d'apprentissage automatique au réseau et reçoivent des récompenses en tokens. Le réseau utilise un mécanisme de consensus unique pour garantir les meilleures réponses. Le token TAO est utilisé pour inciter les mineurs à contribuer des modèles algorithmiques, tandis que les utilisateurs doivent dépenser des tokens pour poser des questions et accomplir des tâches.

3.1.3 Collecte de données décentralisée

Pour résoudre le problème de l'approvisionnement en données d'entraînement pour l'IA, certains projets combinent le Web3 et l'incitation par des jetons pour réaliser une collecte de données décentralisée. Par exemple, PublicAI permet aux utilisateurs de participer en tant que fournisseurs de données et validateurs, et de recevoir des récompenses en jetons.

D'autres projets de collecte de données décentralisés comme Ocean qui collecte des données utilisateur par la tokenisation des données, Hivemapper qui collecte des données cartographiques, Dimo qui collecte des données automobiles, pourraient également devenir un côté de l'offre potentiel pour l'entraînement de l'IA.

3.1.4 Protection de la vie privée des utilisateurs dans l'IA ZK

La technologie de preuve à divulgation nulle de connaissance peut aider à résoudre le conflit entre la protection de la vie privée et le partage des données dans l'IA. ZKML(Zero-Knowledge Machine Learning) permet de former et d'inférer des modèles d'apprentissage automatique sans divulguer les données originales.

BasedAI propose d'intégrer le chiffrement entièrement homomorphe (FHE) avec les grands modèles de langage (LLM), en utilisant des modèles de langage de grande taille à connaissance zéro (ZK-LLM) pour protéger la vie privée des données des utilisateurs.

De plus, des projets comme Cortex prennent en charge l'exécution de programmes d'IA sur la chaîne, permettant l'exécution de modèles d'IA sur la chaîne grâce à l'utilisation de GPU, réalisant ainsi un raisonnement IA décentralisé, immuable et transparent.

3.2 L'IA au service du Web3

3.2.1 Analyse et prévision des données

De nombreux projets Web3 intègrent des services d'IA pour fournir des analyses de données et des prévisions aux utilisateurs. Par exemple, Pond utilise des algorithmes de graphes d'IA pour prédire des tokens de valeur, BullBear AI prédit les tendances des prix. Numerai organise des compétitions de prévision de marché boursier avec l'IA, Arkham combine l'IA pour l'analyse des données on-chain.

3.2.2 Services personnalisés

Les projets Web3 optimisent l'expérience utilisateur en intégrant l'IA. Par exemple, Dune a lancé l'outil Wand qui utilise de grands modèles de langage pour écrire des requêtes SQL ; Followin et IQ.wiki intègrent ChatGPT pour résumer le contenu ; NFPrompt permet aux utilisateurs de générer des NFT grâce à l'IA.

3.2.3 Audit AI des contrats intelligents

L'IA peut auditer le code des contrats intelligents de manière plus efficace et précise, en identifiant les vulnérabilités. Par exemple, 0x0.ai propose un auditeur de contrats intelligents basé sur l'IA, utilisant des techniques d'apprentissage automatique pour identifier les problèmes potentiels dans le code.

De plus, il existe des projets tels que PAAL qui aident à créer des bots AI personnalisés et Hera qui utilise l'IA pour fournir les meilleures voies de trading, l'IA étant principalement un outil pour soutenir le développement de Web3.

Quatre, les limites et les défis actuels des projets AI+Web3

4.1 Obstacles réels dans le domaine de la puissance de calcul décentralisée

Les projets de puissance de calcul décentralisée font face à certains problèmes réalistes :

1. Performance et stabilité : La connexion réseau entre les nœuds distribués peut présenter des délais et une instabilité.

2. Disponibilité : influencée par l'adéquation entre l'offre et la demande, ce qui peut entraîner une pénurie de ressources ou une incapacité à satisfaire la demande.

3. Complexité : Les utilisateurs doivent comprendre des connaissances sur les réseaux distribués, les contrats intelligents, etc., le coût d'utilisation étant relativement élevé.

4. Difficulté à entraîner de grands modèles : l'entraînement de grands modèles nécessite un environnement avec une grande stabilité et une parallélisation multi-cartes, ce qui rend difficile la satisfaction des exigences avec une puissance de calcul décentralisée.

5. Limitation de la distance physique : le NVLink d' NVIDIA limite la distance physique entre les cartes graphiques, rendant difficile la formation de clusters pour l'entraînement de grands modèles.

Actuellement, la puissance de calcul décentralisée est principalement adaptée à l'inférence IA ou à l'entraînement de modèles de taille moyenne dans des scénarios spécifiques. À l'avenir, elle pourrait jouer un rôle dans des domaines comme le edge computing.

4.2 La combinaison de l'IA et du Web3 est relativement grossière, n'atteignant pas 1+1>2.

Actuellement, la combinaison de l'IA et du Web3 reste encore superficielle :

1. La plupart des projets se contentent d'utiliser l'IA pour améliorer l'efficacité, manquant de solutions intégrées et innovantes.

2. Certaines équipes font un marketing excessif du concept d'IA, avec des applications réelles limitées.

Il est nécessaire de mener des recherches plus approfondies à l'avenir pour créer des solutions natives et significatives dans des domaines tels que la finance, les DAO et les marchés de prédiction.

4.3 L'économie des tokens devient un agent tampon dans le récit des projets d'IA

De nombreux projets AI+Web3 utilisent l'économie des tokens pour promouvoir la participation des utilisateurs, mais la clé réside dans le fait de savoir s'ils répondent réellement aux besoins pratiques, et non pas simplement dans le récit ou la recherche de valeur à court terme.

Actuellement, la plupart des projets n'ont pas encore atteint un stade pratique, et il faut davantage d'équipes solides et réfléchies pour réellement répondre aux besoins des scénarios pratiques.

Cinq, résumé

Les projets AI+Web3 ont déjà donné lieu à de nombreux cas d'utilisation. L'IA offre des capacités d'analyse intelligente, de prévision et d'audit pour le Web3, améliorant l'expérience utilisateur. Le Web3 fournit à l'IA une plateforme de partage décentralisée de puissance de calcul, de données et d'algorithmes, favorisant le développement de l'IA.

Bien que les projets AI+Web3 soient encore à un stade précoce et rencontrent de nombreux défis, ils apportent également des avantages tels que la réduction de la dépendance à la centralisation et l'amélioration de la transparence. L'intégration profonde de l'IA et du Web3 à l'avenir ouvrira des possibilités infinies pour l'innovation technologique et le développement économique, promettant de construire un système économique et social plus intelligent, ouvert et équitable.