Pi Network explore la formation d'IA décentralisée, 421 000 nœuds expérimentent la reconnaissance d'images

Pi Network a publié samedi une étude de cas détaillée confirmant que plus de 421 000 de ses nœuds ont été déployés avec succès dans le cadre d’un projet de preuve de concept (PoC) lié à la formation d’IA. Le test, dirigé par OpenMind, a permis à sept opérateurs de nœuds volontaires de renvoyer avec succès des résultats d’inférence de reconnaissance d’images en moins de 4 secondes, validant ainsi la faisabilité du support de la puissance de calcul inutilisée pour les charges de travail d’IA.

Preuve de concept OpenMind : processus de test et résultats clés

(Source : site Web de Pi Network)

L’objectif principal de cette preuve de concept était de vérifier si le réseau décentralisé de nœuds Pi pouvait traiter de manière fiable des tâches de calcul externes liées à l’IA. OpenMind construit un système d’exploitation open source et un protocole de communication pour les robots, nécessitant une puissance de calcul importante pour l’entraînement, l’évaluation et l’exécution de modèles.

Le test a utilisé une architecture conteneurisée : OpenMind a créé un conteneur capable de distribuer des tâches de calcul aux ordinateurs des nœuds ; les volontaires opérant des nœuds Pi ont téléchargé ces conteneurs et les ont exécutés localement ; le système a ensuite envoyé des tâches de reconnaissance d’images, chaque nœud utilisant le modèle d’OpenMind pour traiter l’image, avec pour objectif d’identifier autant d’objets discrets que possible dans l’image.

Les données du test montrent que tous les sept opérateurs de nœuds ont renvoyé la confirmation de tâche en moins d’une seconde, plusieurs nœuds ont terminé l’inférence et renvoyé les résultats en 4 secondes, comprenant les étiquettes d’objets attendues (comme « bus » et « personne ») ainsi que les données de cadre de délimitation, le tout fonctionnant normalement.

Signification technique et valeur des nœuds dans la puissance de calcul décentralisée d’IA

Pi indique que cette preuve de concept vise à répondre à deux grands défis structurels dans le domaine de l’IA : les limitations de capacité des centres de données centralisés et leur consommation énergétique concentrée, ainsi que la croissance continue des besoins en puissance de calcul pour les modèles, agents et services d’IA. Voici les caractéristiques techniques clés révélées par ce test :

Réponse à faible latence : la confirmation de tâche a été effectuée en moins d’une seconde, et les résultats d’inférence renvoyés en 4 secondes, montrant que le réseau décentralisé possède une capacité de traitement en temps réel acceptable

Infrastructure de puissance de calcul évolutive : 421 000 nœuds représentent plus d’un million de CPU, et une fois commercialisés, ils pourraient fournir une capacité de calcul alternative significative pour les entreprises d’IA

Potentiel de revenus pour les opérateurs de nœuds : si ce modèle devient mature, il offrira une nouvelle voie pour les opérateurs de nœuds de participer aux tâches de calcul d’IA et de recevoir une rémunération

Pi souligne également que la formation décentralisée d’IA en est encore à ses débuts, et que le domaine nécessite encore beaucoup de travail, allant de tests ponctuels à des déploiements fiables à grande échelle, en surmontant continuellement des défis techniques, de conception d’incitations et de sécurité.

Feuille de route de Pi Network pour l’IA : progrès synchronisés avec les mises à jour du protocole

Cette publication de preuve de concept coïncide avec le premier anniversaire du lancement du réseau ouvert de Pi Network, qui a déjà placé l’IA parmi ses priorités stratégiques principales après la mise à jour du réseau principal, en parallèle avec les jetons de l’écosystème et les services d’identité. Au niveau du protocole, Pi a récemment achevé la migration vers v19.9, avec pour objectif de réaliser la mise à niveau vers v20.2 avant le Pi Day 2026 (14 mars), la feuille de route technique étant alignée avec la stratégie IA.

La preuve de concept d’OpenMind constitue le premier test public de la commercialisation de la puissance de calcul décentralisée d’IA de Pi Network, offrant une validation précoce pour ses outils de nœuds, mais il reste encore beaucoup à faire avant une déploiement à grande échelle, nécessitant davantage de validation systématique.

Questions fréquentes

Comment les 421 000 nœuds de Pi Network sont-ils utilisés pour l’entraînement de l’IA ?

Les opérateurs de nœuds peuvent choisir de télécharger des conteneurs construits par des tiers (comme OpenMind), recevoir des tâches de calcul d’IA externes, utiliser leurs ressources CPU inutilisées pour effectuer le calcul, puis renvoyer les résultats. Dans ce test, la tâche portait sur la reconnaissance d’images, et le système a renvoyé avec succès les étiquettes d’objets et les cadres de délimitation en 4 secondes.

Quels sont les principaux résultats de cette preuve de concept ?

Les sept opérateurs de nœuds ont tous renvoyé la confirmation de tâche en moins d’une seconde, plusieurs nœuds ont terminé l’inférence en 4 secondes, en renvoyant des résultats comprenant des étiquettes comme « bus » et « personne » ainsi que des cadres de délimitation. Pi Network indique que le processus global fonctionne normalement, mais souligne que la formation décentralisée d’IA est encore en phase de recherche.

En quoi le mode de puissance de calcul décentralisée d’IA de Pi Network diffère-t-il de l’approvisionnement traditionnel en puissance de calcul ?

Les méthodes traditionnelles d’IA reposent sur des centres de données centralisés, confrontés à des limites de capacité et à une forte consommation d’énergie ; le mode décentralisé de Pi Network utilise des nœuds inutilisés à l’échelle mondiale pour fournir une puissance de calcul alternative, avec des avantages potentiels en termes de décentralisation et de faible consommation d’énergie, mais sa fiabilité commerciale et sa capacité à une mise à l’échelle à grande échelle restent encore à prouver.