Source originale : IOSG Ventures
Préface
Le récent développement rapide des grands modèles de langage (LLM) a suscité l’intérêt pour l’utilisation de l’intelligence artificielle (IA) pour transformer diverses industries. L’industrie de la blockchain n’est pas à l’abri, avec l’émergence du récit AI x Crypto qui la met sous les projecteurs. Cet article explore trois manières principales de fusionner l’IA et la cryptographie, et explore les opportunités uniques de la technologie blockchain pour résoudre les problèmes de l’industrie de l’IA.
Les trois approches d’AIxCrypto incluent :
- Intégration de l’IA dans les produits existants : des entreprises comme Dune utilisent l’IA pour améliorer leurs produits, par exemple en introduisant le copilote SQL pour aider les utilisateurs à rédiger des requêtes complexes.
- Création d’une infrastructure d’IA pour l’écosystème crypto : des startups telles que Ritual et Autonolas se concentrent sur le développement d’une infrastructure basée sur l’IA adaptée aux besoins de l’écosystème crypto.
- Utiliser la blockchain pour résoudre les problèmes de l’industrie de l’IA : des projets tels que Gensyn, EZKL et io.net explorent comment la technologie blockchain peut résoudre les défis auxquels l’industrie de l’IA est confrontée, tels que la confidentialité, la sécurité et la transparence des données.
La particularité d’AI x Crypto est que la technologie blockchain devrait résoudre les problèmes inhérents à l’industrie de l’IA. Cette intersection unique ouvre de nouvelles possibilités de solutions innovantes qui profitent aux communautés de l’IA et de la blockchain.
En explorant l’espace AI x Crypto, nous visons à identifier et à présenter les applications les plus prometteuses de la technologie blockchain pour résoudre les défis de l’industrie de l’IA. En nous associant à des experts du secteur de l’IA et à des constructeurs de cryptomonnaies, nous nous engageons à promouvoir le développement de solutions de pointe tirant parti des atouts des deux technologies.
1. Aperçu du secteur
Le domaine AI x Crypto peut être divisé en deux catégories : les infrastructures et les applications. Alors que certaines infrastructures existantes continuent de prendre en charge les cas d’utilisation de l’IA, de nouveaux acteurs lancent sur le marché de toutes nouvelles architectures natives de l’IA.
1. 1 Réseau informatique
Dans le domaine d’AIxCrypto, les réseaux informatiques jouent un rôle crucial en fournissant l’infrastructure nécessaire aux applications d’IA. Ces réseaux peuvent être divisés en deux types en fonction des tâches qu’ils prennent en charge : les réseaux informatiques à usage général et les réseaux informatiques spécialisés.
1.1.1 Réseau informatique général
Les réseaux informatiques généraux tels que IO.net et Akash offrent aux utilisateurs la possibilité d’accéder aux machines via SSH et fournissent une interface de ligne de commande (CLI) qui permet aux utilisateurs de créer leurs propres applications. Ces réseaux sont similaires aux serveurs privés virtuels (VPS), offrant un environnement informatique personnel dans le cloud.
IO.net est basé sur l’écosystème Solana et se concentre sur la location de GPU et les clusters informatiques, tandis qu’Akash, basé sur l’écosystème Cosmos, fournit principalement des serveurs cloud CPU et divers modèles d’applications.
Le point de vue d’IOSG Ventures :
Par rapport au marché mature du cloud Web2, les réseaux informatiques en sont encore à leurs débuts. Les réseaux de calcul Web3 ne sont pas à la hauteur des éléments de base « Lego » de Web2, tels que les fonctions sans serveur, les VPS et les projets cloud de bases de données basés sur les principaux fournisseurs de cloud tels qu’AWS, Azure et Google Cloud.
Les avantages des réseaux informatiques comprennent :
- La technologie Blockchain peut utiliser des ressources informatiques et des ordinateurs personnels inutilisés pour rendre le réseau plus durable.
- La conception peer-to-peer (P2P) permet aux individus de monétiser les ressources informatiques inutilisées et de fournir une informatique à moindre coût, réduisant potentiellement les coûts de 75 à 90 %.
Cependant, il est difficile pour les réseaux informatiques d’être réellement mis en production et de remplacer les services cloud Web2 en raison des défis suivants :
- La tarification est certainement le principal avantage des réseaux informatiques généraux, mais il reste difficile de rivaliser avec les sociétés cloud Web2 matures en termes de fonctionnalités, de sécurité et de stabilité.
- Le style peer-to-peer peut limiter la capacité de ces réseaux à fournir rapidement des produits matures et robustes. La nature décentralisée augmentera les coûts de développement et de maintenance.
1.1.2 Réseau informatique privé
Les réseaux informatiques privés ajoutent une couche supplémentaire aux réseaux informatiques à usage général, permettant aux utilisateurs de déployer des applications spécifiques via des fichiers de configuration. Ces réseaux sont conçus pour répondre à des cas d’usage spécifiques, tels que le rendu 3D ou l’inférence et la formation IA.
Render est un réseau informatique professionnel axé sur le rendu 3D. Dans le domaine de l’IA, de nouveaux acteurs comme Bittensor, Hyperbolic, Ritual et fetch.ai se concentrent sur l’inférence de l’IA, tandis que Flock et Gensyn se concentrent principalement sur la formation de l’IA.
Source : IOSG Ventures
Alors que les réseaux informatiques dédiés à l’inférence et à la formation de l’IA en sont encore à leurs débuts, nous prévoyons que les applications Web3 AI donneront la priorité à l’utilisation de l’infrastructure Web3 AI. Cette tendance est déjà évidente dans des collaborations telles que Story Protocol et le partenariat de Ritual avec MyShell pour introduire les modèles d’IA en tant que propriété intellectuelle.
Même si les applications phares construites sur ces infrastructures émergentes AI x Web3 n’ont pas encore vu le jour, le potentiel de croissance est énorme. À mesure que l’écosystème mûrit, nous nous attendons à voir davantage d’applications innovantes exploitant les capacités uniques des réseaux informatiques décentralisés d’IA.
2. Données
Les données jouent un rôle essentiel dans les modèles d’IA et sont impliquées dans toutes les étapes du développement des modèles d’IA, y compris la collecte de données, le stockage des ensembles de données de formation et le stockage des modèles.
2.1 Stockage des données
Le stockage décentralisé des modèles d’IA est essentiel pour fournir des API d’inférence de manière décentralisée. Les nœuds d’inférence devraient pouvoir récupérer ces modèles de n’importe où et à tout moment. Les modèles d’IA pouvant atteindre des centaines de gigaoctets, un puissant réseau de stockage décentralisé est nécessaire. Les leaders du stockage décentralisé, tels que Filecoin et Arweave, pourraient être en mesure de fournir cette fonctionnalité.
Le point de vue d’IOSG Ventures :
Il existe d’énormes opportunités dans ce domaine.
- Un réseau de stockage de données décentralisé optimisé pour les modèles d’IA, offrant des fonctions telles que le contrôle de version, le stockage de différentes quantifications de modèles de faible précision et le téléchargement rapide de grands modèles.
- Les bases de données vectorielles décentralisées, car elles sont souvent associées à des modèles, fournissent des réponses plus précises en insérant les connaissances nécessaires pertinentes à la question. Les bases de données SQL existantes peuvent également être ajoutées avec la prise en charge de la recherche vectorielle.
2.2 Collecte et étiquetage des données
La collecte de données de haute qualité est essentielle pour la formation en IA. Les projets basés sur la blockchain tels que Grass utilisent le crowdsourcing pour collecter des données pour la formation en IA, en tirant parti des réseaux personnels. Avec des incitations et des mécanismes appropriés, les formateurs en IA peuvent obtenir des données de haute qualité à moindre coût. Des projets tels que Tai-da et Saipen se concentrent sur l’étiquetage des données.
Le point de vue d’IOSG Ventures :
Quelques unes de nos observations sur ce marché :
- La plupart des projets d’étiquetage des données s’inspirent de GameFi, attirant les utilisateurs avec le concept « tag to Earn » et les développeurs avec la promesse de réduire les coûts des données étiquetées de haute qualité.
- Il n’existe actuellement aucun leader clair dans ce domaine et Scale AI domine le marché de l’étiquetage des données Web2.
2.3 Données de la blockchain
Lors de la formation de modèles d’IA spécifiquement pour la blockchain, les développeurs ont besoin de données blockchain de haute qualité qu’ils souhaitent pouvoir utiliser directement dans leur processus de formation. Spice AI et Space and Time fournissent des données blockchain de haute qualité avec des SDK, permettant aux développeurs d’intégrer facilement les données dans leurs pipelines de données de formation.
Le point de vue d’IOSG Ventures :
À mesure que la demande de modèles d’IA liés à la blockchain augmente, la demande de données blockchain de haute qualité va augmenter. Cependant, la plupart des outils d’analyse de données n’offrent actuellement la possibilité d’exporter des données qu’au format CSV, ce qui n’est pas idéal pour la formation en IA.
Pour faciliter le développement de modèles d’IA spécifiques à la blockchain, il est crucial d’améliorer l’expérience des développeurs en fournissant davantage de capacités d’opérations d’apprentissage automatique (MLOP) liées à la blockchain. Ces fonctionnalités devraient permettre aux développeurs d’intégrer de manière transparente les données de la blockchain directement dans leurs pipelines de formation d’IA basés sur Python.
##3.ZKML
Les fournisseurs d’IA centralisés sont confrontés à des problèmes de confiance en raison des incitations à utiliser des modèles moins complexes pour réduire les coûts de calcul. Par exemple, il y a eu des moments l’année dernière où les utilisateurs pensaient que ChatGPT était sous-performant. Cela a ensuite été attribué à une mise à jour d’OpenAI visant à améliorer les performances du modèle.
De plus, les créateurs de contenu ont fait part de leurs préoccupations en matière de droits d’auteur auprès des sociétés d’IA. Il est difficile pour ces entreprises de prouver que des données spécifiques n’ont pas été intégrées dans leur processus de formation.
L’apprentissage automatique sans connaissance (ZKML) est une approche innovante qui résout les problèmes de confiance associés aux fournisseurs centralisés d’intelligence artificielle. En exploitant des preuves sans connaissance, ZKML permet aux développeurs de prouver l’exactitude de leurs processus de formation et d’inférence en IA sans révéler de données sensibles ou de détails de modèle.
3.1 Formation
Les développeurs peuvent effectuer des tâches de formation dans une machine virtuelle sans connaissance (ZKVM), telle que celle fournie par Risc Zero. Ce processus génère une preuve qui vérifie que la formation a été effectuée correctement et que seules les données autorisées ont été utilisées. Cette certification sert de preuve que le développeur a adhéré aux spécifications de formation et aux autorisations d’utilisation des données appropriées.
Le point de vue d’IOSG Ventures :
- ZKML fournit une solution unique pour prouver l’utilisation autorisée des données dans la formation de modèles, ce qui est souvent difficile à réaliser étant donné la nature de boîte noire des modèles d’IA.
*Cette technologie en est encore à ses débuts. La charge de calcul est énorme. La communauté explore activement d’autres cas d’utilisation pour la formation ZK.
3.2 Raisonnement
ZKML prend beaucoup plus de temps à déduire que son homologue de formation. Plusieurs entreprises bien connues émergent déjà dans ce domaine, chacune avec une approche unique pour rendre l’inférence d’apprentissage automatique sans confiance et transparente.
Gizeh se concentre sur la création d’une plate-forme complète d’opérations d’apprentissage automatique (MLOP) et sur la création d’une communauté dynamique autour d’elle. Leur objectif est de fournir aux développeurs des outils et des ressources pour intégrer ZKML dans les workflows d’inférence.
EZKL, quant à lui, donne la priorité à l’expérience de développement en créant un framework ZKML convivial qui offre de bonnes performances. Leur solution est conçue pour simplifier le processus de mise en œuvre de l’inférence ZKML et la rendre facilement accessible à un plus grand nombre de développeurs.
Modulus Labs adopte une approche différente en développant son propre système de preuve. Leur objectif principal est de réduire considérablement la surcharge de calcul associée à l’inférence ZKML. En réduisant la surcharge d’un facteur 10, Modulus Labs tente de rendre l’inférence ZKML plus pratique et efficace pour les applications du monde réel.
Le point de vue d’IOSG Ventures :
- ZKML est particulièrement utile dans les scénarios GameFi et DeFi où le manque de confiance est crucial.
- La surcharge de calcul introduite par ZKML rend difficile l’exécution efficace de grands modèles d’IA.
- L’industrie est toujours à la recherche de pionniers DeFi et GameFi pour utiliser largement ZKML dans leurs produits afin de démontrer ses scénarios d’application pratiques.
4. Réseau proxy + autres applications
4.1 Réseau proxy
Un réseau d’agents se compose de nombreux agents d’intelligence artificielle dotés des outils et des connaissances nécessaires pour effectuer des tâches spécifiques, telles que l’assistance aux transactions en chaîne. Ces agents peuvent collaborer les uns avec les autres pour atteindre des objectifs plus complexes. Plusieurs entreprises bien connues développent activement des agents et des réseaux d’agents de type chatbot.
Sleepless, Siya, Myshell, CharacterX et Delysium sont des acteurs importants qui créent des agents chatbot. Autonolas et ChainML créent des réseaux proxy pour des cas d’utilisation plus puissants.
Le point de vue d’IOSG Ventures :
Les agents sont cruciaux pour les applications du monde réel. Ils peuvent effectuer des tâches spécifiques mieux que l’intelligence artificielle générale. La blockchain offre plusieurs opportunités uniques aux agents d’intelligence artificielle.
- Dispose d’un mécanisme d’incitation : la Blockchain fournit un mécanisme d’incitation grâce à des technologies telles que les jetons non fongibles (NFT). Avec des structures de propriété et d’incitation claires, les créateurs sont incités à développer des agents en chaîne plus intéressants et innovants.
- Composabilité des contrats intelligents : les contrats intelligents sur la blockchain sont hautement composables et fonctionnent comme des blocs Lego. L’API ouverte fournie par les contrats intelligents permet aux agents d’effectuer des tâches complexes difficiles à réaliser dans les systèmes financiers traditionnels. Cette composabilité permet aux agents d’interagir avec et d’exploiter les fonctionnalités d’une variété d’applications décentralisées (dApps).
- Ouverture inhérente : en créant des proxys sur des blockchains, ils héritent de l’ouverture et de la transparence inhérentes à ces réseaux. Cela crée d’importantes opportunités de composabilité entre différents agents, leur permettant de coopérer et de combiner leurs capacités pour résoudre des tâches plus complexes.
4.2 Autres applications
En plus des principales catégories évoquées précédemment, plusieurs applications d’IA intéressantes retiennent l’attention dans l’espace Web3, même si elles ne sont peut-être pas assez grandes pour former des catégories distinctes. Ces applications couvrent des domaines variés et démontrent la diversité et le potentiel de l’intelligence artificielle dans l’écosystème blockchain.
- Génération d’images : ImgnAI
- Réalisation rapide de l’image : NF
- Génération d’images IA formées par la communauté : Botto
- Chatbots : Kaito, Supersight, Galaxy, Kn n3, Awesome QA, Qna3
- Finance : NuméroIA
- Portefeuille : Dawn_wallet
- Jeu : JCC parallèle
- Éducation : Accro
- Sécurité : Forta
- FAIT：Worldcoin
- Outils de création : Plai Lab
5. Promouvoir AIxCrypto auprès des utilisateurs Web2 pour une adoption massive
AI x Crypto est unique car elle résout les problèmes les plus difficiles de l’intelligence artificielle. Malgré l’écart entre le produit AIxCrypto actuel et les produits Web2 AI et son manque d’attrait pour les utilisateurs Web2, AIxCrypto possède toujours des fonctionnalités uniques que seul AIxCrypto peut fournir.
5.1 Ressources informatiques rentables :
Un avantage majeur d’AIxCrypto est la fourniture de ressources informatiques rentables. À mesure que la demande de LLM augmente et qu’il y a plus de développeurs sur le marché, la disponibilité et le prix des GPU deviennent plus difficiles. Les prix des GPU ont considérablement augmenté et il y a des pénuries.
Les réseaux informatiques décentralisés tels que le projet DePIN peuvent contribuer à atténuer ce problème en exploitant la puissance de calcul inutilisée, les GPU des petits centres de données et les appareils informatiques personnels. Bien que la puissance de calcul décentralisée ne soit pas aussi stable que les services cloud centralisés, ces réseaux fournissent des équipements informatiques rentables dans diverses zones géographiques. Cette approche décentralisée minimise la latence en périphérie, garantissant une infrastructure plus distribuée et plus résiliente.
En tirant parti de la puissance des réseaux informatiques décentralisés, AIxCrypto peut fournir aux utilisateurs du Web2 des ressources informatiques abordables et accessibles. Cet avantage en termes de coût incite les utilisateurs Web2 à adopter les solutions AIxCrypto, d’autant plus que la demande en informatique IA continue de croître.
5.2 Accorder la propriété aux créateurs :
Un autre avantage important d’AI x Crypto est la protection des droits de propriété des créateurs. Dans le domaine actuel de l’intelligence artificielle, certains agents sont facilement copiés. Ces agents peuvent être facilement répliqués en écrivant simplement des invites similaires. De plus, les proxys dans les magasins GPT appartiennent souvent à des sociétés centralisées plutôt qu’à des créateurs, ce qui limite le contrôle des créateurs sur leurs œuvres et leur capacité à monétiser efficacement.
AI x Crypto résout ce problème en tirant parti de la technologie NFT mature qui est omniprésente dans le domaine de la cryptographie. En représentant l’agence sous forme de NFT, les créateurs peuvent véritablement posséder leurs créations et en tirer des revenus réels. Chaque fois qu’un utilisateur interagit avec un agent, les créateurs peuvent gagner des récompenses, garantissant ainsi une juste récompense pour leurs efforts. Le concept de propriété basée sur NFT s’applique non seulement aux agents, mais peut également être utilisé pour protéger d’autres actifs importants dans le domaine de l’intelligence artificielle, tels que les bases de connaissances et les astuces.
5.3 Protéger la confidentialité et rétablir la confiance :
Les utilisateurs et les créateurs ont des préoccupations en matière de confidentialité concernant les sociétés d’IA centralisées. Les utilisateurs craignent que leurs données soient utilisées à mauvais escient pour former de futurs modèles, tandis que les créateurs craignent que leur travail soit utilisé sans attribution ni rémunération appropriée. De plus, les entreprises d’IA centralisées peuvent sacrifier la qualité du service pour réduire les coûts d’infrastructure.
Ces problèmes sont difficiles à résoudre avec la technologie Web2, et AIxCrypto exploite les solutions Web3 avancées. La formation et l’inférence sans connaissance assurent la transparence en prouvant les données utilisées et en garantissant que le modèle correct est appliqué. Des technologies telles que Trusted Execution Environment (TEE), l’apprentissage fédéré et le cryptage entièrement homomorphique (FHE) permettent une formation et une inférence d’IA sécurisées et préservant la confidentialité.
En donnant la priorité à la confidentialité et à la transparence, AIxCrypto permet aux entreprises d’IA de regagner la confiance du public et de fournir des services d’IA qui respectent les droits des utilisateurs, les distinguant ainsi des solutions Web2 traditionnelles.
5.3 Protéger la confidentialité et rétablir la confiance :
Les utilisateurs et les créateurs ont des préoccupations en matière de confidentialité concernant les sociétés d’IA centralisées. Les utilisateurs craignent que leurs données soient utilisées à mauvais escient pour former de futurs modèles, tandis que les créateurs craignent que leur travail soit utilisé sans attribution ni rémunération appropriée. De plus, les entreprises d’IA centralisées peuvent sacrifier la qualité du service pour réduire les coûts d’infrastructure.
Ces problèmes sont difficiles à résoudre avec la technologie Web2, et AIxCrypto exploite les solutions Web3 avancées. La formation et l’inférence sans connaissance assurent la transparence en prouvant les données utilisées et en garantissant que le modèle correct est appliqué. Des technologies telles que Trusted Execution Environment (TEE), l’apprentissage fédéré et le cryptage entièrement homomorphique (FHE) permettent une formation et une inférence d’IA sécurisées et préservant la confidentialité.
En donnant la priorité à la confidentialité et à la transparence, AIxCrypto permet aux entreprises d’IA de regagner la confiance du public et de fournir des services d’IA qui respectent les droits des utilisateurs, les distinguant ainsi des solutions Web2 traditionnelles.
5.4 Suivi des sources de contenu
À mesure que le contenu généré par l’IA devient de plus en plus sophistiqué, il devient plus difficile de faire la différence entre les textes, images ou vidéos créés par des humains et ceux générés par l’IA. Pour éviter toute utilisation abusive du contenu généré par l’IA, les utilisateurs ont besoin d’un moyen fiable de déterminer la source du contenu.
La blockchain excelle dans le traçage de la provenance du contenu, tout comme elle l’a fait avec succès dans la gestion de la chaîne d’approvisionnement et les NFT. Dans le secteur de la chaîne d’approvisionnement, la blockchain suit l’intégralité du cycle de vie d’un produit et les utilisateurs peuvent identifier le fabricant et les étapes clés. De même, la blockchain suit les créateurs et prévient le piratage dans le cas des NFT, particulièrement vulnérables au piratage en raison de leur caractère public. Malgré cette vulnérabilité, l’utilisation de la blockchain peut minimiser les pertes dues aux faux NFT, car les utilisateurs peuvent facilement faire la différence entre les vrais et les faux jetons.
En appliquant la technologie blockchain pour retracer l’origine du contenu généré par l’IA, AIxCrypto offre aux utilisateurs la possibilité de vérifier si les créateurs de contenu sont des IA ou des humains, réduisant ainsi le risque d’abus et augmentant la confiance dans l’authenticité du contenu.
5.5 Développer des modèles utilisant des crypto-monnaies
La conception et la formation de modèles, en particulier de grands modèles, sont un processus long et coûteux. Il existe également une incertitude autour du nouveau modèle, et les développeurs ne peuvent pas prédire ses performances.
Les crypto-monnaies offrent un moyen convivial pour les développeurs de collecter des données de pré-formation, de recueillir des commentaires d’apprentissage par renforcement et de collecter des fonds auprès des parties intéressées. Le processus est similaire au cycle de vie d’un projet de crypto-monnaie typique : lever des fonds via un investissement privé ou une rampe de lancement, et remettre des jetons aux contributeurs actifs lors du lancement.
Les modèles peuvent adopter une approche similaire, en collectant des fonds pour la formation en vendant des jetons et en les larguant par avion aux contributeurs de données et de commentaires. Grâce à un modèle économique de jetons bien conçu, ce flux de travail aide les développeurs individuels à former de nouveaux modèles plus facilement que jamais.
6. Les défis de la Tokennomics
Le projet AI x Crypto a commencé à cibler les développeurs Web2 en tant que clients potentiels, car le cryptage a une proposition de valeur unique et la taille du marché de l’industrie de l’intelligence artificielle Web2 est considérable. Cependant, les jetons peuvent constituer un obstacle pour les développeurs Web2 qui ne sont pas familiers avec les jetons et qui sont réticents à s’impliquer dans des systèmes basés sur des jetons.
Afin de répondre aux besoins des développeurs Web2, la réduction ou la suppression de l’utilité des jetons peut semer la confusion chez les passionnés du Web3, car cela pourrait changer la position fondamentale du projet AI x Crypto. Lorsque l’on travaille à l’intégration de jetons précieux dans les plates-formes IA SaaS, trouver l’équilibre entre attirer les développeurs Web2 et maintenir l’utilité du jeton est une tâche difficile.
Pour combler le fossé entre les modèles commerciaux Web2 et Web3 tout en conservant la valeur du jeton, plusieurs approches potentielles pourraient être envisagées :
- Tirez parti des jetons au sein du réseau d’infrastructure distribuée du projet. Mettez en œuvre des mécanismes de jalonnement, de récompense et de pénalité pour protéger le réseau sous-jacent.
- Utilisez des jetons comme moyen de paiement et fournissez l’accès aux utilisateurs Web2
- Mettre en œuvre une gouvernance basée sur les jetons
- Partagez les bénéfices avec les détenteurs de jetons
- Utilisez les bénéfices pour racheter ou détruire des jetons
- Services fournis au projet, offrant des réductions et des fonctionnalités supplémentaires aux détenteurs de jetons
En concevant soigneusement un modèle économique de tokens qui s’aligne sur les intérêts du Web2 et du Web3, le projet AI x Crypto peut réussir à attirer les développeurs Web2 tout en conservant la valeur et l’utilité de son token.
7. Nos scénarios AI x Crypto préférés
Notre scénario AI x Crypto préféré exploite la puissance de la collaboration des utilisateurs pour accomplir des tâches dans le domaine de l’intelligence artificielle à l’aide de la technologie blockchain. Voici quelques exemples spécifiques :
-
Contribution de données collectives pour la formation, l’alignement et l’analyse comparative de l’IA (comme Chatbot Arena)
-
Collaborer pour créer une vaste base de connaissances partagée qui peut être utilisée par divers agents (par exemple, Sahara)
-
Utilisez des ressources personnelles pour capturer des données réseau (par exemple, Grass)
En tirant parti des efforts collectifs des utilisateurs sur la base d’incitations et de coordination blockchain, ces modèles démontrent le potentiel d’une approche décentralisée et communautaire du développement et du déploiement de l’IA.
en conclusion
Nous sommes à l’aube de l’IA et du Web3, et l’intégration de l’IA et de la blockchain en est encore à ses débuts par rapport à d’autres secteurs. Parmi les 50 meilleurs produits Gen AI, il n’y a aucun produit lié au Web3. Les principaux outils LLM sont liés à la création et à l’édition de contenu, principalement pour les ventes, les réunions et les bases de notes/connaissances. Compte tenu des efforts approfondis de recherche, de documentation, de vente et de communauté dans l’écosystème Web3, il existe un énorme potentiel pour le développement d’outils LLM personnalisés.
Actuellement, les développeurs se concentrent sur la création d’une infrastructure pour intégrer des modèles d’IA avancés à la chaîne, même si nous n’en sommes pas encore là. Alors que nous continuons à développer cette infrastructure, nous explorons également les meilleurs scénarios d’utilisation pour effectuer une inférence d’IA en chaîne de manière sécurisée et sans confiance, ce qui offre des opportunités uniques dans l’espace blockchain. D’autres secteurs peuvent utiliser directement l’infrastructure LLM existante pour l’inférence et le réglage fin. Seule l’industrie de la blockchain a besoin de sa propre infrastructure d’IA native.
Dans un avenir proche, nous nous attendons à ce que la technologie blockchain exploite ses avantages peer-to-peer pour résoudre les problèmes les plus difficiles du secteur de l’intelligence artificielle, rendant ainsi les modèles d’IA plus abordables, accessibles et rentables pour tous. Nous nous attendons également à ce que l’espace cryptographique suive le récit de l’industrie de l’IA, bien qu’avec un léger retard. Au cours de la dernière année, nous avons vu des développeurs combiner les modèles Crypto, proxy et LLM. Dans les mois à venir, nous pourrions voir davantage de modèles multimodaux, de génération de texte vidéo et de génération 3D avoir un impact sur l’espace cryptographique.
L’ensemble de l’industrie de l’IA et du Web3 n’a pas reçu suffisamment d’attention à l’heure actuelle et nous attendons avec impatience le moment explosif de l’IA dans Web3, une application tueuse de CryptoxAI.
