Au cours des deux dernières années, le rythme de développement de l'IA s'est nettement accéléré. La vague de l'intelligence artificielle générative lancée par ChatGPT a non seulement ouvert la porte à un nouveau monde, mais a également suscité des ondulations dans le domaine du Web3.
Sous l'impulsion du concept d'IA, les activités de financement sur le marché des cryptomonnaies ont clairement rebondi. Selon les statistiques, seulement au cours du premier semestre 2024, 64 projets Web3+IA ont réussi à lever des fonds, dont le système d'exploitation basé sur l'intelligence artificielle Zyber365 a établi un record de 100 millions de dollars lors de son tour de financement de série A.
Le marché secondaire est plus actif, les données des sites d'agrégation de cryptomonnaies montrent que la capitalisation totale du secteur de l'IA a atteint 48,5 milliards de dollars en un peu plus d'un an, avec un volume de transactions de près de 8,6 milliards de dollars en 24 heures. Les avancées des technologies IA de premier plan apportent des bénéfices évidents, après la publication du modèle de conversion de texte en vidéo Sora d'OpenAI, le prix moyen du secteur de l'IA a augmenté de 151%. L'effet IA s'est également étendu au secteur de la cryptomonnaie, le premier MemeCoin concept d'Agent IA - GOAT a rapidement gagné en popularité et obtenu une valorisation de 1,4 milliard de dollars, déclenchant une frénésie des Memes IA.
La recherche et la discussion sur l'AI+Web3 sont également très animées, passant de l'AI+Depin à l'AI Memecoin, puis aux agents AI et aux DAO AI actuels, avec de nouveaux concepts émergents.
La combinaison AI+Web3, remplie de capitaux chauds, de tendances et d'imaginaires futurs, risque d'être perçue comme un mariage arrangé par le capital. Il est difficile de distinguer, sous cette apparence flamboyante, si c'est la fête des spéculateurs ou le prélude à une nouvelle ère.
Pour répondre à cette question, la clé est de réfléchir à la possibilité d'une synergie entre les deux parties. Cet article tente d'examiner ce schéma : comment Web3 peut-il jouer un rôle à chaque étape de la pile technologique de l'IA, et quelles nouvelles opportunités l'IA peut-elle apporter à Web3 ?
Partie 1 Quelles opportunités Web3 sous la pile AI ?
Avant de commencer la discussion, nous devons comprendre la pile technologique des grands modèles d'IA :
Le grand modèle d'IA peut être comparé au cerveau humain, au début il a besoin d'absorber une énorme quantité d'informations extérieures pour comprendre le monde, c'est la phase de "collecte" des données. Comme les ordinateurs n'ont pas de sens humains, il est nécessaire de "prétraiter" les informations non étiquetées en un format utilisable avant l'entraînement.
Après avoir saisi les données, l'IA construit un modèle capable de compréhension et de prévision par le biais de "l'entraînement", similaire au processus d'apprentissage d'un bébé pour comprendre le monde extérieur. Lorsque le contenu d'apprentissage est classifié ou que des retours sont obtenus par le biais de la communication et corrigés, il entre dans la phase de "réglage fin".
Les enfants, en grandissant, peuvent comprendre et exprimer des idées dans les conversations, similaire à la phase de "raisonnement" des grands modèles d'IA, capables de prédire et d'analyser de nouvelles entrées. L'IA exprime des sentiments, décrit des choses et résout des problèmes grâce à ses capacités linguistiques, semblable à l'application de grands modèles après l'entraînement à des tâches spécifiques comme la classification d'images et la reconnaissance vocale.
L'Agent IA est donc plus proche de la prochaine forme des grands modèles - capable d'exécuter des tâches de manière autonome et de poursuivre des objectifs complexes, il possède non seulement des capacités de réflexion, mais aussi de mémoire, de planification, et peut utiliser des outils pour interagir avec le monde.
Actuellement, face aux points de douleur de chaque couche de l'IA, le Web3 a commencé à former un écosystème multicouche et interconnecté, couvrant toutes les étapes du processus des modèles d'IA.
I. Couche de base : Airbnb pour la puissance de calcul et les données
puissance de calcul
Actuellement, l'un des principaux coûts de l'IA est la puissance de calcul et l'énergie nécessaires pour entraîner et inférer des modèles.
Par exemple, le LLAMA3 de Meta nécessite 16 000 GPU NVIDIA H100 pendant 30 jours pour compléter l'entraînement. Le prix unitaire de la version H100 80 Go est de 30 000 à 40 000 dollars, ce qui nécessite un investissement matériel de 400 à 700 millions de dollars. L'entraînement mensuel nécessite également 1,6 milliard de kilowattheures, avec des dépenses énergétiques proches de 20 millions de dollars.
Pour atténuer la pression sur la puissance de calcul de l'IA, le réseau d'infrastructure physique décentralisé DePin( est devenu l'un des premiers domaines à croiser l'IA dans le Web3. Le site de données DePin Ninja a répertorié plus de 1400 projets, dont les projets représentatifs de partage de puissance GPU incluent io.net, Aethir, Akash, Render Network, etc.
La logique principale est la suivante : la plateforme permet aux propriétaires de ressources GPU inoccupées de contribuer à la puissance de calcul de manière décentralisée, en augmentant l'utilisation des ressources grâce à un marché en ligne similaire à Uber ou Airbnb, les utilisateurs finaux obtenant des ressources de calcul efficaces à un coût inférieur ; en même temps, un mécanisme de mise garantit que les contrevenants sont punis.
Les caractéristiques incluent :
Rassembler des ressources GPU inactives : principalement provenant de la puissance de calcul excédentaire des centres de données de taille moyenne et petite, des mines de cryptomonnaies, ainsi que du matériel d'extraction utilisant le mécanisme de consensus PoS. Certains projets comme exolab utilisent également des appareils locaux tels que des MacBook et des iPhone pour établir un réseau de puissance de calcul pour l'inférence.
Ciblant le marché de la puissance de calcul IA à long terme:
a. Côté technique : mieux adapté aux étapes d'inférence. L'entraînement dépend d'un cluster GPU de très grande taille, tandis que l'inférence a des exigences de performance GPU beaucoup plus faibles.
b. Côté demande : les petites et moyennes entreprises de puissance de calcul se concentrent principalement sur l'optimisation et le réglage fin des grands modèles, ce qui convient naturellement à la puissance de calcul inutilisée distribuée.
Propriété décentralisée : La technologie blockchain garantit que les propriétaires de ressources conservent le contrôle, peuvent s'ajuster de manière flexible et en tirer des bénéfices.
Données
Les données sont la pierre angulaire de l'IA. Sans données, le calcul n'a aucun sens, la qualité des données détermine la qualité de la sortie des modèles. Pour l'entraînement actuel des modèles d'IA, les données déterminent la capacité linguistique, la capacité de compréhension, les valeurs et l'expression humanisée. Actuellement, le dilemme des besoins en données de l'IA se manifeste principalement par :
Soif de données : l'entraînement des modèles d'IA repose sur un volume immense de données d'entrée. OpenAI a entraîné GPT-4 avec un nombre de paramètres atteignant les trillions.
Qualité des données : Avec la combinaison de l'IA et des différents secteurs, les exigences en matière de temporalité, de diversité, de spécialisation des données et de nouvelles sources de données telles que les émotions des médias sociaux augmentent.
Confidentialité et conformité : les pays et les entreprises commencent à restreindre le scraping des ensembles de données.
Coût de traitement des données élevé : volume de données important, traitement complexe. Les entreprises d'IA consacrent plus de 30 % de leurs coûts de R&D à la collecte et au traitement des données de base.
Les solutions Web3 se manifestent principalement par :
Collecte de données : permettre aux véritables contributeurs de participer à la création de valeur, en obtenant des données plus privées et plus précieuses à faible coût grâce à un réseau distribué et à des mécanismes d'incitation.
Grass : couche de données et réseau décentralisés, les utilisateurs exécutent des nœuds pour contribuer à la bande passante, capturant des données en temps réel et recevant des récompenses.
Vana : introduction du concept de pool de liquidité de données )DLP(, les utilisateurs peuvent télécharger des données privées et autoriser de manière flexible des tiers à les utiliser.
PublicAI : Les utilisateurs peuvent collecter des données en utilisant le tag Web3 ) sur X et en @PublicAI.
Prétraitement des données : Peu d'interventions humaines dans l'industrie de l'IA, adapté aux mécanismes d'incitation décentralisés de Web3.
Grass et OpenLayer envisagent d'ajouter une étape de annotation des données.
Synesis a proposé le concept de "Train2earn", qui récompense la fourniture de données d'annotation de haute qualité.
Sapien gamifie les tâches de marquage, les utilisateurs misent des points pour en gagner plus.
Confidentialité et sécurité des données : Les avantages des technologies de confidentialité Web3 se manifestent dans l'entraînement de données sensibles et la collaboration de données entre plusieurs parties.
Les principales technologies de confidentialité comprennent :
Environnement d'exécution de confiance#AI或#TEE(, comme Super Protocol
Chiffrement homomorphe complet ) FHE (, comme BasedAI, Fhenix.io, Inco Network
Technologie de preuve à divulgation nulle )zk(, comme le protocole Reclaim utilisant la technologie zkTLS.
Nous sommes encore à un stade précoce et faisons face à des défis tels que des coûts de calcul élevés.
Stockage de données : résoudre le problème du stockage des données AI sur la chaîne et de la génération de LLM.
0g.AI : Solution de stockage centralisé conçue pour les besoins de haute performance de l'IA, prenant en charge le téléchargement et le téléversement rapides de grands ensembles de données, avec une vitesse de transfert proche de 5 Go/s.
)# Deux, Middleware : Entraînement et inférence du modèle
Marché décentralisé de modèles open source
Web3 propose la possibilité d'un marché de modèles décentralisés et open source, en réservant une partie des jetons à l'équipe grâce à la tokenisation, et en dirigeant une partie des futurs flux de revenus des modèles vers les détenteurs de jetons.
Bittensor : Établir un marché P2P de modèles open source, composé de plusieurs "sous-réseaux", où les fournisseurs de ressources rivalisent pour répondre aux objectifs du sous-réseau.
ORA : introduction du concept d'émission du modèle initial ###IMO(, en tokenisant le modèle AI.
Sentient : plateforme AGI décentralisée, incitant à la coopération pour construire des modèles d'IA et récompensant les contributeurs.
Spectral Nova : se concentrer sur la création et l'application de modèles d'IA et de ML.
Raisonnement vérifiable
Pour résoudre le problème du "boîte noire" de l'inférence AI, la solution standard Web3 consiste à comparer les résultats des opérations répétées de plusieurs validateurs, mais elle fait face à des défis de coût élevés.
Une solution plus prometteuse consiste à effectuer des preuves ZK sur le calcul d'inférence AI hors chaîne, avec vérification du calcul sur la chaîne. Principaux avantages :
Scalabilité : confirmation rapide d'un grand nombre de calculs hors chaîne.
Protection de la vie privée : protéger les données et les détails du modèle.
Pas besoin de confiance : aucune dépendance à une entité centralisée pour confirmer le calcul.
Intégration Web2 : aide à augmenter le taux d'adoption du Web3.
Les technologies vérifiables actuelles comprennent :
zkML : combinaison de la preuve à connaissance nulle et de l'apprentissage automatique, comme le prouveur d'IA publié par Modulus Labs basé sur ZKML.
opML : Améliorer l'efficacité du calcul ML en utilisant le principe de résumé optimiste.
TeeML : Utiliser un environnement d'exécution de confiance pour exécuter en toute sécurité des calculs ML.
)# Trois, couche d'application: Agent IA
L'accent actuel du développement de l'IA passe des capacités du modèle à l'Agent IA. OpenAI définit l'Agent IA comme : un système alimenté par LLM, capable de compréhension autonome, de perception, de planification, de mémoire et d'utilisation d'outils, capable d'exécuter automatiquement des tâches complexes.
Web3 peut apporter à l'Agent :
Décentralisé
Les caractéristiques du Web3 rendent le système Agent plus décentralisé et autonome, établissant des mécanismes d'incitation et de punition à travers des mécanismes tels que PoS et DPoS pour promouvoir la démocratisation, comme GaiaNet, Theoriq, HajimeAI.
Démarrage à froid
Web3 aide le projet AI Agent à obtenir un financement précoce.
Virtual Protocol a lancé la plateforme de création d'AI Agent et d'émission de jetons fun.virtuals.
Spectral a proposé le concept d'IAO### Initial Agent Offering( pour le soutien à l'émission d'actifs AI Agent sur la chaîne.
) Partie 2 Comment l'IA peut-elle renforcer le Web3 ?
L'impact de l'IA sur les projets Web3 est significatif, en optimisant les opérations sur la chaîne ### telles que l'exécution des contrats intelligents, l'optimisation de la liquidité, et les décisions de gouvernance pilotées par l'IA (, ce qui bénéficie à la blockchain, fournit des insights basés sur les données, améliore la sécurité sur la chaîne et jette les bases de nouvelles applications Web3.
![AI+Web3 : Tours et Places])https://img-cdn.gateio.im/webp-social/moments-b11096083013a66b04deba27ffb64663.webp(
)# I. IA et finance sur la chaîne
IA et économie cryptographique
Le PDG de Coinbase a annoncé la première transaction cryptographique AI contre AI sur le réseau Base, où l'agent AI peut utiliser des USD pour échanger avec des humains, des commerçants ou d'autres AI.
Le protocole Virtuals de Luna a démontré que l'Agent IA exécute de manière autonome des transactions sur la blockchain, l'Agent IA étant considéré comme l'avenir de la finance sur la blockchain. Les scénarios potentiels incluent :
Collecte d'informations et prévisions : Collecter les annonces des échanges, les informations sur les projets, les risques d'opinion publique, etc., analyser et évaluer les fondamentaux des actifs, la situation du marché, prévoir les tendances et les risques.
Gestion d'actifs : fournir des cibles d'investissement, optimiser les portefeuilles d'actifs, exécuter automatiquement des transactions.
Expérience financière : choisissez le moyen de transaction en chaîne le plus rapide, automatisation des transactions inter-chaînes, ajustement des frais de gas, etc., pour réduire les barrières et les coûts des activités financières en chaîne.
Actuellement, des portefeuilles comme AI Agent Bitte et le protocole d'interaction AI Wayfinder tentent d'intégrer l'API du modèle OpenAI, permettant aux utilisateurs de commander l'Agent pour effectuer des opérations sur la chaîne via une interface de chat. La plateforme décentralisée d'Agent Morpheus supporte le développement de ce type d'Agent, tandis que Biconomy a démontré qu'un AI Agent peut effectuer des opérations de swap sans nécessiter l'intégralité des autorisations de portefeuille.
IA et sécurité des transactions sur la chaîne
La technologie AI peut renforcer la sécurité des transactions sur la chaîne et la protection de la vie privée, les scénarios potentiels incluent :
Surveillance des transactions : surveillance en temps réel des activités anormales, fournissant des alertes.
Analyse des risques : analyser le comportement de trading des clients, évaluer les risques.
La plateforme de sécurité Web3 SeQure utilise l'IA pour détecter et prévenir les attaques, la fraude et les fuites de données, offrant une surveillance en temps réel et des alertes. Des outils similaires incluent Sentinel alimenté par l'IA.
Deux, AI et infrastructures de chaîne
IA et données on-chain
La technologie de l'IA joue un rôle important dans la collecte et l'analyse de données sur la chaîne, par exemple :
Web3 Analytics : plateforme d'analyse basée sur l'IA, utilisant des algorithmes d'apprentissage automatique et de fouille de données pour analyser les données de la chaîne.
MinMax AI : Outil d'analyse de données en chaîne basé sur l'IA, permettant de découvrir des opportunités et des tendances du marché.
Kaito : plateforme de recherche Web3 basée sur LLM.
Suivi : Intégration de ChatGPT, intégration des informations de différentes plateformes.
L'IA peut également être utilisée dans les oracles, comme Upshot qui utilise l'IA pour fournir des données de tarification précises pour les NFT.
IA et développement&audit
L'IA peut améliorer l'efficacité du développement Web3 et réduire la barrière de programmation. Les scénarios potentiels incluent : génération automatique de code, validation et test de contrats intelligents, déploiement et maintenance de DApp, complétion intelligente de code, réponse à des questions de développement, etc.
Actuellement, il existe des plateformes de jetons à lancement en un clic comme Clanker, et des plateformes de développement de contrats comme Spectral qui offrent des fonctionnalités de génération et de déploiement de contrats intelligents en un clic.
Dans le domaine de l'audit, la plateforme d'audit Web3 Fuzzland utilise l'IA pour aider à détecter les vulnérabilités du code et fournit des explications en langage naturel.
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
15 J'aime
Récompense
15
4
Partager
Commentaire
0/400
ProposalDetective
· Il y a 15h
Avoir de l'argent, c'est pouvoir faire ce que l'on veut.
Voir l'originalRépondre0
SelfCustodyIssues
· Il y a 20h
Investir aveuglément dans l'IA finira par vous faire perdre tout votre argent.
Voir l'originalRépondre0
BTCBeliefStation
· Il y a 20h
Profitez de la chaleur de la zone AI pour commencer.
Voir l'originalRépondre0
GasWaster
· Il y a 20h
ugh un autre pump d'IA... parie que les frais de gas seront fous quand tout le monde va fomo
Fusion profonde de l'IA et du Web3 : analyse des opportunités sur l'ensemble de la chaîne, des infrastructures aux applications
IA+Web3 : Tours et places
Introduction
Au cours des deux dernières années, le rythme de développement de l'IA s'est nettement accéléré. La vague de l'intelligence artificielle générative lancée par ChatGPT a non seulement ouvert la porte à un nouveau monde, mais a également suscité des ondulations dans le domaine du Web3.
Sous l'impulsion du concept d'IA, les activités de financement sur le marché des cryptomonnaies ont clairement rebondi. Selon les statistiques, seulement au cours du premier semestre 2024, 64 projets Web3+IA ont réussi à lever des fonds, dont le système d'exploitation basé sur l'intelligence artificielle Zyber365 a établi un record de 100 millions de dollars lors de son tour de financement de série A.
Le marché secondaire est plus actif, les données des sites d'agrégation de cryptomonnaies montrent que la capitalisation totale du secteur de l'IA a atteint 48,5 milliards de dollars en un peu plus d'un an, avec un volume de transactions de près de 8,6 milliards de dollars en 24 heures. Les avancées des technologies IA de premier plan apportent des bénéfices évidents, après la publication du modèle de conversion de texte en vidéo Sora d'OpenAI, le prix moyen du secteur de l'IA a augmenté de 151%. L'effet IA s'est également étendu au secteur de la cryptomonnaie, le premier MemeCoin concept d'Agent IA - GOAT a rapidement gagné en popularité et obtenu une valorisation de 1,4 milliard de dollars, déclenchant une frénésie des Memes IA.
La recherche et la discussion sur l'AI+Web3 sont également très animées, passant de l'AI+Depin à l'AI Memecoin, puis aux agents AI et aux DAO AI actuels, avec de nouveaux concepts émergents.
La combinaison AI+Web3, remplie de capitaux chauds, de tendances et d'imaginaires futurs, risque d'être perçue comme un mariage arrangé par le capital. Il est difficile de distinguer, sous cette apparence flamboyante, si c'est la fête des spéculateurs ou le prélude à une nouvelle ère.
Pour répondre à cette question, la clé est de réfléchir à la possibilité d'une synergie entre les deux parties. Cet article tente d'examiner ce schéma : comment Web3 peut-il jouer un rôle à chaque étape de la pile technologique de l'IA, et quelles nouvelles opportunités l'IA peut-elle apporter à Web3 ?
Partie 1 Quelles opportunités Web3 sous la pile AI ?
Avant de commencer la discussion, nous devons comprendre la pile technologique des grands modèles d'IA :
Le grand modèle d'IA peut être comparé au cerveau humain, au début il a besoin d'absorber une énorme quantité d'informations extérieures pour comprendre le monde, c'est la phase de "collecte" des données. Comme les ordinateurs n'ont pas de sens humains, il est nécessaire de "prétraiter" les informations non étiquetées en un format utilisable avant l'entraînement.
Après avoir saisi les données, l'IA construit un modèle capable de compréhension et de prévision par le biais de "l'entraînement", similaire au processus d'apprentissage d'un bébé pour comprendre le monde extérieur. Lorsque le contenu d'apprentissage est classifié ou que des retours sont obtenus par le biais de la communication et corrigés, il entre dans la phase de "réglage fin".
Les enfants, en grandissant, peuvent comprendre et exprimer des idées dans les conversations, similaire à la phase de "raisonnement" des grands modèles d'IA, capables de prédire et d'analyser de nouvelles entrées. L'IA exprime des sentiments, décrit des choses et résout des problèmes grâce à ses capacités linguistiques, semblable à l'application de grands modèles après l'entraînement à des tâches spécifiques comme la classification d'images et la reconnaissance vocale.
L'Agent IA est donc plus proche de la prochaine forme des grands modèles - capable d'exécuter des tâches de manière autonome et de poursuivre des objectifs complexes, il possède non seulement des capacités de réflexion, mais aussi de mémoire, de planification, et peut utiliser des outils pour interagir avec le monde.
Actuellement, face aux points de douleur de chaque couche de l'IA, le Web3 a commencé à former un écosystème multicouche et interconnecté, couvrant toutes les étapes du processus des modèles d'IA.
I. Couche de base : Airbnb pour la puissance de calcul et les données
puissance de calcul
Actuellement, l'un des principaux coûts de l'IA est la puissance de calcul et l'énergie nécessaires pour entraîner et inférer des modèles.
Par exemple, le LLAMA3 de Meta nécessite 16 000 GPU NVIDIA H100 pendant 30 jours pour compléter l'entraînement. Le prix unitaire de la version H100 80 Go est de 30 000 à 40 000 dollars, ce qui nécessite un investissement matériel de 400 à 700 millions de dollars. L'entraînement mensuel nécessite également 1,6 milliard de kilowattheures, avec des dépenses énergétiques proches de 20 millions de dollars.
Pour atténuer la pression sur la puissance de calcul de l'IA, le réseau d'infrastructure physique décentralisé DePin( est devenu l'un des premiers domaines à croiser l'IA dans le Web3. Le site de données DePin Ninja a répertorié plus de 1400 projets, dont les projets représentatifs de partage de puissance GPU incluent io.net, Aethir, Akash, Render Network, etc.
La logique principale est la suivante : la plateforme permet aux propriétaires de ressources GPU inoccupées de contribuer à la puissance de calcul de manière décentralisée, en augmentant l'utilisation des ressources grâce à un marché en ligne similaire à Uber ou Airbnb, les utilisateurs finaux obtenant des ressources de calcul efficaces à un coût inférieur ; en même temps, un mécanisme de mise garantit que les contrevenants sont punis.
Les caractéristiques incluent :
Rassembler des ressources GPU inactives : principalement provenant de la puissance de calcul excédentaire des centres de données de taille moyenne et petite, des mines de cryptomonnaies, ainsi que du matériel d'extraction utilisant le mécanisme de consensus PoS. Certains projets comme exolab utilisent également des appareils locaux tels que des MacBook et des iPhone pour établir un réseau de puissance de calcul pour l'inférence.
Ciblant le marché de la puissance de calcul IA à long terme: a. Côté technique : mieux adapté aux étapes d'inférence. L'entraînement dépend d'un cluster GPU de très grande taille, tandis que l'inférence a des exigences de performance GPU beaucoup plus faibles. b. Côté demande : les petites et moyennes entreprises de puissance de calcul se concentrent principalement sur l'optimisation et le réglage fin des grands modèles, ce qui convient naturellement à la puissance de calcul inutilisée distribuée.
Propriété décentralisée : La technologie blockchain garantit que les propriétaires de ressources conservent le contrôle, peuvent s'ajuster de manière flexible et en tirer des bénéfices.
Données
Les données sont la pierre angulaire de l'IA. Sans données, le calcul n'a aucun sens, la qualité des données détermine la qualité de la sortie des modèles. Pour l'entraînement actuel des modèles d'IA, les données déterminent la capacité linguistique, la capacité de compréhension, les valeurs et l'expression humanisée. Actuellement, le dilemme des besoins en données de l'IA se manifeste principalement par :
Soif de données : l'entraînement des modèles d'IA repose sur un volume immense de données d'entrée. OpenAI a entraîné GPT-4 avec un nombre de paramètres atteignant les trillions.
Qualité des données : Avec la combinaison de l'IA et des différents secteurs, les exigences en matière de temporalité, de diversité, de spécialisation des données et de nouvelles sources de données telles que les émotions des médias sociaux augmentent.
Confidentialité et conformité : les pays et les entreprises commencent à restreindre le scraping des ensembles de données.
Coût de traitement des données élevé : volume de données important, traitement complexe. Les entreprises d'IA consacrent plus de 30 % de leurs coûts de R&D à la collecte et au traitement des données de base.
Les solutions Web3 se manifestent principalement par :
Collecte de données : permettre aux véritables contributeurs de participer à la création de valeur, en obtenant des données plus privées et plus précieuses à faible coût grâce à un réseau distribué et à des mécanismes d'incitation.
Prétraitement des données : Peu d'interventions humaines dans l'industrie de l'IA, adapté aux mécanismes d'incitation décentralisés de Web3.
Confidentialité et sécurité des données : Les avantages des technologies de confidentialité Web3 se manifestent dans l'entraînement de données sensibles et la collaboration de données entre plusieurs parties.
Les principales technologies de confidentialité comprennent :
Nous sommes encore à un stade précoce et faisons face à des défis tels que des coûts de calcul élevés.
Stockage de données : résoudre le problème du stockage des données AI sur la chaîne et de la génération de LLM.
)# Deux, Middleware : Entraînement et inférence du modèle
Marché décentralisé de modèles open source
Web3 propose la possibilité d'un marché de modèles décentralisés et open source, en réservant une partie des jetons à l'équipe grâce à la tokenisation, et en dirigeant une partie des futurs flux de revenus des modèles vers les détenteurs de jetons.
Raisonnement vérifiable
Pour résoudre le problème du "boîte noire" de l'inférence AI, la solution standard Web3 consiste à comparer les résultats des opérations répétées de plusieurs validateurs, mais elle fait face à des défis de coût élevés.
Une solution plus prometteuse consiste à effectuer des preuves ZK sur le calcul d'inférence AI hors chaîne, avec vérification du calcul sur la chaîne. Principaux avantages :
Les technologies vérifiables actuelles comprennent :
)# Trois, couche d'application: Agent IA
L'accent actuel du développement de l'IA passe des capacités du modèle à l'Agent IA. OpenAI définit l'Agent IA comme : un système alimenté par LLM, capable de compréhension autonome, de perception, de planification, de mémoire et d'utilisation d'outils, capable d'exécuter automatiquement des tâches complexes.
Web3 peut apporter à l'Agent :
Décentralisé
Les caractéristiques du Web3 rendent le système Agent plus décentralisé et autonome, établissant des mécanismes d'incitation et de punition à travers des mécanismes tels que PoS et DPoS pour promouvoir la démocratisation, comme GaiaNet, Theoriq, HajimeAI.
Démarrage à froid
Web3 aide le projet AI Agent à obtenir un financement précoce.
) Partie 2 Comment l'IA peut-elle renforcer le Web3 ?
L'impact de l'IA sur les projets Web3 est significatif, en optimisant les opérations sur la chaîne ### telles que l'exécution des contrats intelligents, l'optimisation de la liquidité, et les décisions de gouvernance pilotées par l'IA (, ce qui bénéficie à la blockchain, fournit des insights basés sur les données, améliore la sécurité sur la chaîne et jette les bases de nouvelles applications Web3.
![AI+Web3 : Tours et Places])https://img-cdn.gateio.im/webp-social/moments-b11096083013a66b04deba27ffb64663.webp(
)# I. IA et finance sur la chaîne
IA et économie cryptographique
Le PDG de Coinbase a annoncé la première transaction cryptographique AI contre AI sur le réseau Base, où l'agent AI peut utiliser des USD pour échanger avec des humains, des commerçants ou d'autres AI.
Le protocole Virtuals de Luna a démontré que l'Agent IA exécute de manière autonome des transactions sur la blockchain, l'Agent IA étant considéré comme l'avenir de la finance sur la blockchain. Les scénarios potentiels incluent :
Collecte d'informations et prévisions : Collecter les annonces des échanges, les informations sur les projets, les risques d'opinion publique, etc., analyser et évaluer les fondamentaux des actifs, la situation du marché, prévoir les tendances et les risques.
Gestion d'actifs : fournir des cibles d'investissement, optimiser les portefeuilles d'actifs, exécuter automatiquement des transactions.
Expérience financière : choisissez le moyen de transaction en chaîne le plus rapide, automatisation des transactions inter-chaînes, ajustement des frais de gas, etc., pour réduire les barrières et les coûts des activités financières en chaîne.
Actuellement, des portefeuilles comme AI Agent Bitte et le protocole d'interaction AI Wayfinder tentent d'intégrer l'API du modèle OpenAI, permettant aux utilisateurs de commander l'Agent pour effectuer des opérations sur la chaîne via une interface de chat. La plateforme décentralisée d'Agent Morpheus supporte le développement de ce type d'Agent, tandis que Biconomy a démontré qu'un AI Agent peut effectuer des opérations de swap sans nécessiter l'intégralité des autorisations de portefeuille.
IA et sécurité des transactions sur la chaîne
La technologie AI peut renforcer la sécurité des transactions sur la chaîne et la protection de la vie privée, les scénarios potentiels incluent :
La plateforme de sécurité Web3 SeQure utilise l'IA pour détecter et prévenir les attaques, la fraude et les fuites de données, offrant une surveillance en temps réel et des alertes. Des outils similaires incluent Sentinel alimenté par l'IA.
Deux, AI et infrastructures de chaîne
IA et données on-chain
La technologie de l'IA joue un rôle important dans la collecte et l'analyse de données sur la chaîne, par exemple :
L'IA peut également être utilisée dans les oracles, comme Upshot qui utilise l'IA pour fournir des données de tarification précises pour les NFT.
IA et développement&audit
L'IA peut améliorer l'efficacité du développement Web3 et réduire la barrière de programmation. Les scénarios potentiels incluent : génération automatique de code, validation et test de contrats intelligents, déploiement et maintenance de DApp, complétion intelligente de code, réponse à des questions de développement, etc.
Actuellement, il existe des plateformes de jetons à lancement en un clic comme Clanker, et des plateformes de développement de contrats comme Spectral qui offrent des fonctionnalités de génération et de déploiement de contrats intelligents en un clic.
Dans le domaine de l'audit, la plateforme d'audit Web3 Fuzzland utilise l'IA pour aider à détecter les vulnérabilités du code et fournit des explications en langage naturel.
Trois, AI et