TL;DR :

• Les projets Web3 conceptuels d'IA sont devenus des cibles d'investissement attrayantes sur les marchés primaire et secondaire.
• Les opportunités pour Gate3 dans l'industrie de l'IA résident dans: l'utilisation d'incitations distribuées pour coordonner l'offre potentielle dans la longue traîne - à travers les données, le stockage et le calcul; pendant ce temps, établir un modèle open source et un marché décentralisé pour les agents d'IA.
• L'IA joue un rôle clé dans l'industrie Web3, principalement dans la finance on-chain (paiements en cryptomonnaies, trading, analyse de données) et l'assistance au développement.
• L'utilité de l'IA+Web3 réside dans la complémentarité des deux: on s'attend à ce que Web3 contre la centralisation de l'IA, et on s'attend à ce que l'IA aide Web3 à se libérer de la confinement.

Introduction

Au cours des deux dernières années, le développement de l'IA a été accéléré, comme un effet papillon initié par Chatgpt, ouvrant non seulement un nouveau monde d'intelligence artificielle générative mais aussi suscitant une tendance dans le lointain Web3.

Avec la bénédiction du concept d'IA, le financement du marché des cryptomonnaies a été considérablement renforcé par rapport au ralentissement. Selon les statistiques des médias, rien que dans la première moitié de 2024, un total de 64 projets Web3+IA ont achevé leur financement, et le système d'exploitation basé sur l'IA Zyber365 a atteint le montant de financement le plus élevé de 100 millions de dollars américains lors du premier tour de table de la série A.

Le marché secondaire est plus prospère, et les données du site Web d'agrégation crypté Coingecko montrent qu'en un peu plus d'un an, la valeur totale du marché de la piste AI a atteint 485 milliards de dollars, avec un volume de transactions de 24 heures de près de 86 milliards de dollars; les avantages évidents apportés par les progrès de la technologie AI grand public, après la sortie du modèle de texte-vidéo Sora d'OpenAI, le prix moyen du secteur de l'IA a augmenté de 151%; l'effet AI s'est également propagé à l'un des secteurs de l'absorption d'or des cryptomonnaies Meme: le premier concept de MemeCoin d'agent AI - GOAT est rapidement devenu populaire et a atteint une valorisation de 1,4 milliard de dollars, déclenchant avec succès la folie des Meme AI.

Les recherches et les sujets sur l'IA+Web3 sont tout aussi chauds. De l'IA+Depin à l'IA Memecoin et à l'actuel Agent IA et DAO IA, l'émotion FOMO est déjà en retard par rapport à la vitesse de rotation du nouveau récit.

IA+Web3, cette combinaison de termes pleine de gros sous, de tendances et de fantasmes futuristes, est inévitablement perçue comme un mariage arrangé par le capital. Il semble difficile pour nous de distinguer s'il s'agit du terrain de jeu des spéculateurs ou de l'aube sous ce magnifique manteau.

Pour répondre à cette question, une considération clé pour les deux parties est de savoir si l'autre va s'améliorer ? Peuvent-ils bénéficier des schémas de l'autre ? Dans cet article, nous essayons également d'examiner cette situation du point de vue de se tenir sur les épaules de ses prédécesseurs : Comment Web3 peut-il jouer un rôle dans divers aspects de la pile technologique de l'IA, et quelle nouvelle vitalité l'IA peut-elle apporter à Web3 ?

Quelles opportunités offre Web3 sous la pile AI ?

Avant de nous plonger dans ce sujet, nous devons comprendre la pile technique des grands modèles d'IA :

Source de l'image: Delphi Digital

En termes plus simples, le “grand modèle” est comme le cerveau humain. Aux premiers stades, ce cerveau est comme un bébé nouveau-né qui vient de venir au monde, ayant besoin d'observer et d'absorber de vastes quantités d'informations externes pour comprendre le monde. Il s'agit de la phase de “collecte” de données ; étant donné que les ordinateurs ne possèdent pas de multiples sens comme les humains, avant l'entraînement, les vastes quantités d'informations externes non annotées doivent être “prétraitées” pour être transformées en un format que les ordinateurs peuvent comprendre et utiliser.

Après avoir entré des données, l'IA construit un modèle ayant la capacité de comprendre et de prédire grâce à une 'formation', qui peut être considérée comme le processus par lequel un bébé comprend et apprend progressivement le monde extérieur. Les paramètres du modèle sont semblables à la capacité linguistique que le bébé ajuste continuellement pendant le processus d'apprentissage. Lorsque le contenu de l'apprentissage commence à se spécialiser, ou lorsqu'il reçoit des retours d'interaction avec des personnes et effectue des corrections, il entre dans la phase de 'réglage fin' des grands modèles.

En grandissant et en apprenant à parler, les enfants peuvent comprendre les significations et exprimer leurs sentiments et leurs pensées dans de nouvelles conversations, ce qui est similaire à l'« inférence » des grands modèles d'IA. Le modèle peut prédire et analyser de nouveaux langages et entrées de texte. Les bébés expriment leurs sentiments, décrivent des objets et résolvent divers problèmes grâce à leurs capacités linguistiques, ce qui est également similaire à l'application de grands modèles d'IA dans diverses tâches spécifiques lors de la phase d'inférence après la formation, telles que la classification d'images, la reconnaissance vocale, etc.

Alors que l'Agent AI se rapproche de la prochaine forme de grands modèles - capable d'exécuter indépendamment des tâches et de poursuivre des objectifs complexes, non seulement en possédant la capacité de réflexion, mais aussi en étant capable de mémoriser, de planifier et d'interagir avec le monde en utilisant des outils.

Actuellement, en abordant les points douloureux de l'IA dans divers domaines, Web3 a initialement formé un écosystème multi-couche, interconnecté, couvrant diverses étapes des processus de modélisation de l'IA.

Premièrement, Couche de Base: Airbnb de la puissance de calcul et des données

Puissance de calcul

Actuellement, l'un des coûts les plus élevés de l'IA est la puissance de calcul et l'énergie nécessaires pour former des modèles et des modèles d'inférence.

Un exemple est que le LLAMA3 de Meta nécessite 16 000 H100GPUs produits par NVIDIA (une unité de traitement graphique de premier plan conçue spécifiquement pour l'intelligence artificielle et les charges de travail informatiques à haute performance) pour compléter la formation en 30 jours. La version de 80 Go de ce dernier est vendue entre 30 000 et 40 000 dollars, nécessitant un investissement matériel de 4 à 7 milliards de dollars (GPU + puces réseau). De plus, la formation mensuelle consomme 16 milliards de kilowattheures, avec une dépense énergétique de près de 20 millions de dollars par mois.

Pour la décompression de la puissance de calcul de l'IA, c'est également le domaine le plus ancien où Web3 croise l'IA - DePin (réseau d'infrastructure physique décentralisée). Actuellement, le site Web de données DePin Ninja a affiché plus de 1400 projets, y compris des projets représentatifs de partage de puissance de calcul GPU tels que io.net, Aethir, Akash, Render Network, et ainsi de suite.

La logique principale est : la plateforme permet à des particuliers ou à des entités disposant de ressources GPU inutilisées de contribuer à leur puissance de calcul de manière décentralisée sans autorisation, augmentant ainsi l'utilisation de ressources GPU sous-utilisées via un marché en ligne similaire à Uber ou Airbnb pour les acheteurs et les vendeurs, permettant aux utilisateurs finaux d'obtenir des ressources de calcul plus rentables et efficaces ; en même temps, le mécanisme de mise en jeu garantit également que en cas de violation des mécanismes de contrôle de la qualité ou d'interruptions de réseau, les fournisseurs de ressources seront confrontés à des pénalités correspondantes.

Ses caractéristiques sont :

• Mise en commun des ressources GPU inactives : Les fournisseurs sont principalement des petits et moyens centres de données indépendants tiers, des ressources excédentaires de puissance de calcul provenant d'opérateurs tels que les mines cryptées, et du matériel minier avec des mécanismes de consensus PoS, tels que FileCoin et les mineurs ETH. Actuellement, il existe également des projets dédiés au lancement d'appareils avec des barrières à l'entrée plus faibles, tels qu'exolab utilisant des appareils locaux tels que MacBook, iPhone, iPad pour établir un réseau de puissance de calcul pour exécuter des inférences de modèles à grande échelle.
• Face au marché de longue traîne de la puissance de calcul de l'IA : a. « En termes de technologie », le marché décentralisé de la puissance de calcul est plus adapté aux étapes de raisonnement. L'entraînement repose davantage sur la capacité de traitement des données apportée par le super-grand cluster-scale GPU, tandis que le raisonnement est relativement faible en performances de calcul GPU, comme Aethir se concentrant sur le travail de rendu à faible latence et les applications d'inférence en IA. b. « En termes de demande », les demandeurs de petite et moyenne puissance de calcul ne formeront pas individuellement leurs propres modèles volumineux, mais choisiront uniquement d'optimiser et d'ajuster quelques modèles principaux, et ces scénarios sont naturellement adaptés aux ressources distribuées de puissance de calcul inutilisées.
• Propriété décentralisée: La signification technologique de la blockchain est que les propriétaires de ressources conservent toujours le contrôle sur leurs ressources, s'ajustent de manière flexible en fonction de la demande et réalisent un profit en même temps.

Données

Les données sont le fondement de l'IA. Sans données, le calcul est inutile, et la relation entre les données et les modèles est comme le proverbe 'Des ordures entrent, des ordures sortent'. La quantité et la qualité des données déterminent la qualité de sortie du modèle final. Pour la formation des modèles d'IA actuels, les données déterminent la capacité linguistique, la capacité de compréhension, voire les valeurs et la performance humanisée du modèle. Actuellement, le dilemme de la demande de données de l'IA se concentre principalement sur les quatre aspects suivants :

• La faim de données : la formation de modèles d'IA repose fortement sur de grandes quantités de données en entrée. Les informations publiques montrent que le nombre de paramètres pour la formation de GPT-4 par OpenAI a atteint le niveau des billions.
• Qualité des données : Avec la combinaison de l'IA et diverses industries, de nouvelles exigences ont été proposées pour la rapidité, la diversité, le professionnalisme des données spécifiques à l'industrie, et l'adoption de nouvelles sources de données émergentes telles que le sentiment des médias sociaux.
• Problèmes de confidentialité et de conformité : Actuellement, divers pays et entreprises réalisent progressivement l'importance de jeux de données de haute qualité et imposent des restrictions sur le crawling de données.
• Coûts élevés de traitement des données : grandes quantités de données, traitement complexe. Les informations publiques montrent que plus de 30 % des coûts de R&D des entreprises d'IA sont utilisés pour la collecte et le traitement de données de base.

Actuellement, la solution de web3 se reflète dans les quatre aspects suivants :

1. Collecte de données : Les données du monde réel disponibles gratuitement pour le scraping s'épuisent rapidement, et les dépenses des entreprises en IA pour les données augmentent d'année en année. Cependant, en même temps, cette dépense n'a pas été répercutée sur les véritables contributeurs de données ; les plateformes ont entièrement profité de la création de valeur apportée par les données, comme Reddit qui a généré un total de 203 millions de dollars de revenus grâce à des accords de licence de données avec des entreprises d'IA.

La vision de Web3 est de permettre aux utilisateurs qui contribuent vraiment de participer également à la création de valeur apportée par les données, et d'obtenir de manière rentable les données personnelles et précieuses des utilisateurs grâce à des réseaux distribués et des mécanismes d'incitation.

• Comme Grass est une couche de données décentralisée et un réseau, les utilisateurs peuvent capturer des données en temps réel depuis l'ensemble d'Internet en exécutant des nœuds Grass, en contribuant à la bande passante inutilisée et au relais du trafic, et recevoir des récompenses en jetons;
• Vana introduce un concept unique de Pool de Liquidité des Données (DLP), où les utilisateurs peuvent télécharger leurs données privées (telles que des historiques d'achats, des habitudes de navigation, des activités sur les réseaux sociaux, etc.) dans un DLP spécifique et choisir sélectivement d'autoriser ou non l'utilisation de ces données par des tiers spécifiques;
• Dans PublicAI, les utilisateurs peuvent utiliser #AI ou #Web3 comme balises de classification sur X@PublicAILa collecte de données peut être réalisée.

2. Prétraitement des données : Dans le traitement des données en IA, étant donné que les données collectées sont généralement bruyantes et contiennent des erreurs, elles doivent être nettoyées et converties dans un format utilisable avant d'entraîner le modèle, ce qui implique des tâches répétitives de normalisation, de filtrage et de gestion des valeurs manquantes. Cette étape est l'une des rares processus manuels dans l'industrie de l'IA, qui a engendré l'industrie des annotateurs de données. À mesure que les exigences du modèle en matière de qualité des données augmentent, le seuil des annotateurs de données augmente également. Cette tâche se prête naturellement au mécanisme incitatif décentralisé de Web3.

• Actuellement, Grass et OpenLayer envisagent tous deux d'ajouter l'annotation des données comme étape clé.
• Synesis a proposé le concept de 'Train2earn', mettant l'accent sur la qualité des données, où les utilisateurs peuvent être récompensés en fournissant des données annotées, des commentaires ou d'autres formes de contribution.
• Le projet d'étiquetage des données Sapien gamifie les tâches d'étiquetage et permet aux utilisateurs de miser des points pour en gagner plus.

3. Confidentialité des données et sécurité : Il est nécessaire de préciser que la confidentialité des données et la sécurité sont deux concepts différents. La confidentialité des données implique la manipulation de données sensibles, tandis que la sécurité des données protège les informations contre l'accès non autorisé, la destruction et le vol. En conséquence, les avantages et les scénarios d'application potentiels des technologies de confidentialité Web3 se reflètent dans deux aspects : (1) formation de données sensibles ; (2) collaboration des données : plusieurs propriétaires de données peuvent participer ensemble à la formation de l'IA sans partager leurs données originales.

Les technologies courantes de confidentialité dans Web3 comprennent actuellement:

• Environnement d'exécution de confiance (TEE), tel que Super Protocol;
• Chiffrement pleinement homomorphe (FHE), tel que BasedAI, Fhenix.io ou Inco Network;
• La technologie du savoir nul (zk), telle que le protocole Reclaim utilisant la technologie zkTLS, génère des preuves de connaissance nulle du trafic HTTPS, permettant aux utilisateurs d'importer en toute sécurité des données d'activité, de réputation et d'identité à partir de sites web externes sans exposer d'informations sensibles.

Cependant, le domaine en est encore à ses débuts, la plupart des projets étant encore en phase d'exploration. Actuellement, l'un des dilemmes est que les coûts de calcul sont trop élevés, avec quelques exemples :

• Le cadre zkML EZKL prend environ 80 minutes pour générer une preuve d'un modèle 1M-nanoGPT.
• Selon les données de Modulus Labs, le surcoût de zkML est plus de 1000 fois supérieur à celui du calcul pur.

4. Stockage des données : Après avoir obtenu les données, il est nécessaire d'avoir un endroit pour stocker les données sur la chaîne et utiliser le LLM généré par les données. Avec la disponibilité des données (DA) comme problème central, avant la mise à niveau de l'Ethereum Danksharding, son débit était de 0,08 Mo. En même temps, la formation et l'inférence en temps réel des modèles d'IA nécessitent généralement un débit de données de 50 à 100 Go par seconde. Cette différence d'ordre de grandeur rend les solutions existantes sur chaîne inadéquates lorsqu'elles sont confrontées aux 'applications d'IA intensives en ressources'.

• 0g.AI est un projet représentatif dans cette catégorie. Il s'agit d'une solution de stockage centralisée conçue pour répondre aux besoins en intelligence artificielle haute performance, avec des fonctionnalités clés incluant des performances élevées et une évolutivité, prenant en charge le téléchargement et le téléchargement rapides de vastes ensembles de données à travers des technologies de fragmentation avancées et de codage d'effacement, avec des vitesses de transfert de données approchant 5 Go par seconde.

Deux, Middleware: Entraînement et Inférence du Modèle

Modèle de marché décentralisé en open source

Le débat sur le fait que les modèles d'IA devraient être open source ou closed source n'a jamais cessé. L'innovation collective apportée par l'open source est un avantage que les modèles closed source ne peuvent pas égaler. Cependant, dans le cadre d'un modèle sans but lucratif, comment les modèles open source peuvent-ils améliorer la motivation des développeurs ? C'est une direction qui vaut la peine d'être méditée. Le fondateur de Baidu, Robin Li, a affirmé en avril de cette année : « Les modèles open source prendront de plus en plus de retard. »

À cet égard, Web3 propose la possibilité d'un marché modèle décentralisé en open source, c'est-à-dire de tokeniser le modèle lui-même, de réserver une certaine proportion de jetons pour l'équipe, et de diriger une partie des revenus futurs du modèle vers les détenteurs de jetons.

• Le protocole Bittensor établit un modèle open source d'un marché P2P, composé de dizaines de 'sous-réseaux', où les fournisseurs de ressources (calcul, collecte/stockage de données, talent en apprentissage automatique) rivalisent pour atteindre les objectifs des propriétaires de sous-réseaux spécifiques. Les sous-réseaux peuvent interagir et apprendre les uns des autres, réalisant ainsi une plus grande intelligence. Les récompenses sont distribuées par un vote communautaire et ensuite réparties entre les sous-réseaux en fonction de leurs performances compétitives.
• ORA introduit le concept d'Offre de Modèle Initial (IMO), qui consiste à tokeniser des modèles d'IA pour les acheter, les vendre et les développer sur des réseaux décentralisés.
• Sentient, une plateforme AGI décentralisée, incite les gens à collaborer, à construire, à reproduire et à étendre des modèles d'IA, récompensant les contributeurs.
• Spectral Nova se concentre sur la création et l'application de modèles d'IA et d'apprentissage automatique.

Inférence vérifiable

Pour le dilemme de la 'boîte noire' dans le processus de raisonnement de l'IA, la solution standard Web3 est d'avoir plusieurs validateurs répéter la même opération et comparer les résultats. Cependant, en raison de la pénurie actuelle de puces haut de gamme 'Nvidia', le défi évident auquel est confrontée cette approche est le coût élevé du raisonnement de l'IA.

Une solution plus prometteuse consiste à effectuer des preuves de connaissance nulle (ZK) de calculs d'inférence en intelligence artificielle hors chaîne, où un prouveur peut prouver à un autre vérificateur qu'une déclaration donnée est vraie sans révéler d'informations supplémentaires autres que la véracité de la déclaration, permettant la vérification sans autorisation des calculs de modèles d'IA sur la chaîne. Cela nécessite de prouver sur la chaîne de manière cryptée que les calculs hors chaîne ont été correctement effectués (par exemple, l'ensemble de données n'a pas été altéré), tout en garantissant que toutes les données restent confidentielles.

Les principaux avantages incluent:

• Évolutivité: Les preuves à divulgation nulle peuvent rapidement confirmer un grand nombre de calculs hors chaîne. Même si le nombre de transactions augmente, une seule preuve à divulgation nulle peut vérifier toutes les transactions.
• Protection de la vie privée : Les informations détaillées sur les données et les modèles d'IA sont confidentielles, tandis que toutes les parties peuvent vérifier que les données et les modèles n'ont pas été altérés.
• Pas besoin de faire confiance : Vous pouvez confirmer le calcul sans vous fier à des parties centralisées.
• Intégration Web2 : Par définition, Web2 est intégré hors chaîne, ce qui signifie que le raisonnement vérifiable peut aider à amener ses ensembles de données et ses calculs d'IA sur la chaîne. Cela aide à améliorer l'adoption de Web3.

Actuellement, la technologie vérifiable de Web3 pour le raisonnement vérifiable est la suivante :

• ZKML : Combinaison de la preuve de connaissance nulle avec l'apprentissage automatique pour garantir la confidentialité des données et des modèles, permettant une computation vérifiable sans révéler certaines propriétés sous-jacentes. Modulus Labs a publié un prouveur ZK basé sur ZKML pour la construction d'IA, afin de vérifier efficacement si les fournisseurs d'IA sur la chaîne manipulent correctement les algorithmes exécutés, mais actuellement les clients sont principalement des DApps sur la chaîne.
• opML : En utilisant le principe d'agrégation optimiste, en vérifiant le moment de survenue du litige, en améliorant la scalabilité et l'efficacité des calculs de ML, dans ce modèle, seule une petite partie des résultats générés par le 'validateur' doit être vérifiée, mais la réduction des coûts économiques est suffisamment élevée pour augmenter le coût de la tricherie par les validateurs et économiser des calculs redondants.
• TeeML: Utilisez un environnement d'exécution de confiance pour exécuter en toute sécurité des calculs ML, protégeant les données et les modèles contre les manipulations et l'accès non autorisé.

Trois, Couche Application: Agent IA

Le développement actuel de l'IA a déjà montré un changement de focus des capacités du modèle vers le paysage des Agents d'IA. Des entreprises technologiques telles que OpenAI, la licorne de l'IA Anthropic, Microsoft, etc., se tournent vers le développement d'Agents d'IA, tentant de surpasser le plateau technique actuel de LLM.

OpenAI définit l'agent AI comme un système qui est piloté par LLM comme son cerveau, a la capacité de comprendre de manière autonome la perception, de planifier, de se souvenir et d'utiliser des outils, et peut automatiquement accomplir des tâches complexes. Lorsque l'IA passe d'un outil utilisé à un sujet qui peut utiliser des outils, elle devient un agent AI. C'est également la raison pour laquelle les agents AI peuvent devenir l'assistant intelligent le plus idéal pour les humains.

Que peut Web3 apporter à Agent?

1. Décentralisation
La décentralisation de Web3 peut rendre le système Agent plus décentralisé et autonome. Les mécanismes d'incitation et de pénalité pour les validateurs et les délégués peuvent promouvoir la démocratisation du système Agent, avec GaiaNet, Theoriq et HajimeAI tentant tous de le faire.

2, Démarrage à froid
Le développement et l'itération de l'Agent d'IA nécessitent souvent un grand soutien financier, et Web3 peut aider les projets prometteurs de l'Agent d'IA à obtenir un financement au stade précoce et un démarrage à froid.

• Virtual Protocol lance la plateforme de création d'agents d'IA et d'émission de jetons fun.virtuals, où tout utilisateur peut déployer des agents d'IA en un seul clic et réaliser une distribution 100% équitable des jetons d'agents d'IA.
• Spectral a proposé un concept de produit qui soutient l'émission d'actifs AI Agent sur la chaîne : émission de jetons par le biais de l'IAO (Offre initiale d'Agent), les AI Agents peuvent obtenir directement des fonds auprès des investisseurs, tout en devenant membre de la gouvernance DAO, offrant aux investisseurs l'opportunité de participer au développement du projet et de partager les bénéfices futurs.

Comment l'IA renforce-t-elle Web3?

L'impact de l'IA sur les projets Web3 est évident, car elle bénéficie de la technologie blockchain en optimisant les opérations on-chain (telles que l'exécution de contrats intelligents, l'optimisation de la liquidité et les décisions de gouvernance pilotées par l'IA). En même temps, elle peut également fournir de meilleures perspectives basées sur les données, améliorer la sécurité on-chain et poser les bases de nouvelles applications basées sur le Web3.

Un, l'IA et la finance on-chain

IA et la cryptoéconomie

Le 31 août, le PDG de Coinbase, Brian Armstrong, a annoncé la première transaction chiffrée AI-to-AI sur le réseau Base, affirmant que les agents d'IA peuvent désormais effectuer des transactions avec des humains, des commerçants ou d'autres IA sur Base en utilisant des dollars américains, les transactions étant instantanées, mondiales et gratuites.

En plus des paiements, la Luna du protocole Virtuals a également démontré pour la première fois comment les agents d'IA exécutent de manière autonome des transactions on-chain, attirant ainsi l'attention et positionnant les agents d'IA comme des entités intelligentes capables de percevoir l'environnement, de prendre des décisions et d'agir, étant ainsi considérés comme l'avenir des finances on-chain. Actuellement, les scénarios potentiels pour les agents d'IA sont les suivants :

1. Collecte d'informations et prédiction : Aider les investisseurs à collecter les annonces d'échange, les informations publiques sur les projets, les émotions de panique, les risques d'opinion publique, etc., analyser et évaluer les fondamentaux des actifs, les conditions du marché en temps réel, et prédire les tendances et les risques.

2. Gestion d'actifs : Fournir aux utilisateurs des cibles d'investissement adaptées, optimiser l'allocation d'actifs et exécuter automatiquement des transactions.

3. Expérience financière : Aider les investisseurs à choisir la méthode de trading on-chain la plus rapide, automatiser les opérations manuelles telles que les transactions cross-chain et l'ajustement des frais de gaz, réduire le seuil et le coût des activités financières on-chain.

Imaginez ce scénario : vous donnez les instructions suivantes à l'agent IA, "J'ai 1000USDT, veuillez m'aider à trouver la combinaison la plus rentable avec une période de verrouillage d'une semaine maximum." L'agent IA vous conseillera comme suit : "Je suggère une allocation initiale de 50% en A, 20% en B, 20% en X et 10% en Y. Je surveillerai les taux d'intérêt et observerai les changements dans leurs niveaux de risque, et je rééquilibrerai au besoin." De plus, la recherche de projets de largage potentiel et des signes de communauté populaires des projets Memecoin sont toutes des actions futures possibles pour l'agent IA.

Source de l'image : Biconomy

Actuellement, les portefeuilles AI Agent Bitte et le protocole d'interaction AI Wayfinder tentent de telles tentatives. Ils essaient tous d'accéder à l'API du modèle OpenAI, permettant aux utilisateurs de commander des agents pour effectuer diverses opérations on-chain dans une interface de fenêtre de discussion similaire à ChatGPT. Par exemple, le premier prototype publié par WayFinder en avril cette année a démontré quatre opérations de base : swap, send, bridge et stake sur les mainnets de Base, Polygon et Ethereum.

Actuellement, la plateforme décentralisée Agent Morpheus prend également en charge le développement de tels Agents, comme le montre Biconomy, en montrant un processus où les autorisations de portefeuille ne sont pas nécessaires pour autoriser l'Agent IA à échanger de l'ETH contre des USDC.

Sécurité de l'IA et des transactions sur chaîne

Dans le monde Web3, la sécurité des transactions on-chain est cruciale. La technologie de l'IA peut être utilisée pour améliorer la sécurité et la protection de la vie privée des transactions on-chain, avec des scénarios potentiels incluant :

Surveillance des échanges : La technologie des données en temps réel surveille les activités d'échange anormales, fournissant une infrastructure d'alerte en temps réel pour les utilisateurs et les plateformes.

Analyse des risques : Aidez la plateforme à analyser les données de comportement commercial des clients et à évaluer leur niveau de risque.

Par exemple, la plateforme de sécurité Web3 SeQure utilise l'IA pour détecter et prévenir les attaques malveillantes, les comportements frauduleux et les fuites de données, et fournit des mécanismes de surveillance et d'alerte en temps réel pour garantir la sécurité et la stabilité des transactions on-chain. Des outils de sécurité similaires incluent Sentinel alimenté par l'IA.

Deuxièmement, l'IA et l'infrastructure on-chain

IA et données on-chain

La technologie de l'IA joue un rôle important dans la collecte et l'analyse des données on-chain, telles que :

• Web3 Analytics: une plateforme d'analyse basée sur l'IA qui utilise des algorithmes d'apprentissage automatique et de fouille de données pour collecter, traiter et analyser les données on-chain.
• MinMax AI: Il fournit des outils d'analyse de données basés sur l'IA on-chain pour aider les utilisateurs à découvrir des opportunités et des tendances potentielles sur le marché.
• Kaito: Plateforme de recherche Web3 basée sur le moteur de recherche LLM.
• Suivant : Intégré à ChatGPT, il collecte et intègre les informations pertinentes dispersées sur différents sites Web et plateformes communautaires pour les présenter.
• Un autre scénario d'application est l'oracle, l'IA peut obtenir des prix auprès de sources multiples pour fournir des données de tarification précises. Par exemple, Upshot utilise l'IA pour évaluer les prix volatils des NFT, fournissant une marge d'erreur de 3 à 10% grâce à plus de cent millions d'évaluations par heure.

IA et développement&Audit

Récemment, un éditeur de code Web2 AI, Cursor, a attiré beaucoup d'attention dans la communauté des développeurs. Sur sa plateforme, les utilisateurs n'ont qu'à décrire en langage naturel, et Cursor peut générer automatiquement du code HTML, CSS et JavaScript correspondant, simplifiant considérablement le processus de développement logiciel. Cette logique s'applique également à améliorer l'efficacité du développement Web3.

Actuellement, le déploiement de contrats intelligents et de DApps sur des chaînes publiques nécessite généralement de suivre des langages de développement exclusifs tels que Solidity, Rust, Move, etc. La vision des nouveaux langages de développement est d’élargir l’espace de conception des blockchains décentralisées, ce qui les rend plus adaptées au développement de DApp. Cependant, compte tenu de la pénurie importante de développeurs Web3, la formation des développeurs a toujours été un problème plus difficile.

Actuellement, l'IA dans l'assistance au développement Web3 peut être imaginée dans des scénarios incluant : la génération automatique de code, la vérification et le test de contrats intelligents, le déploiement et la maintenance de DApps, la complétion intelligente de code, la réponse en dialogue IA aux problèmes de développement difficiles, etc. Avec l'assistance de l'IA, cela permet non seulement d'améliorer l'efficacité et la précision du développement, mais aussi de réduire le seuil de programmation, permettant aux non-programmeurs de transformer leurs idées en applications pratiques, apportant une nouvelle vitalité au développement de la technologie décentralisée.

Actuellement, le plus remarquable est une plateforme de lancement de jetons en un clic, comme Clanker, un 'Token Bot' piloté par l'IA conçu pour un déploiement rapide de jetons en DIY. Il vous suffit d'étiqueter Clanker sur les clients du protocole SocialFi Farcaster comme Warpcast ou Supercast, de lui dire votre idée de jeton, et il lancera le jeton pour vous sur la chaîne publique Base.

Il existe également des plateformes de développement de contrats, telles que Spectral, qui fournissent des fonctions de génération et de déploiement en un clic pour les contrats intelligents afin de réduire le seuil du développement Web3, permettant même aux utilisateurs novices de compiler et de déployer des contrats intelligents.

En termes d'audit, la plateforme d'audit Web3 Fuzzland utilise l'IA pour aider les auditeurs à vérifier les vulnérabilités du code, fournissant des explications en langage naturel pour aider les professionnels de l'audit. Fuzzland utilise également l'IA pour fournir des explications en langage naturel pour les spécifications formelles et le code contractuel, ainsi que certains exemples de code pour aider les développeurs à comprendre les problèmes potentiels dans le code.

Trois, AI et Web3 Nouveau Narratif

L'avènement de l'IA générative apporte de nouvelles possibilités à la nouvelle narration de Web3.

NFT : L'IA injecte de la créativité dans les NFT génératifs. Grâce à la technologie de l'IA, diverses œuvres d'art et personnages uniques et divers peuvent être générés. Ces NFT génératifs peuvent devenir des personnages, des accessoires ou des éléments de scène dans des jeux, des mondes virtuels ou des métavers, tels que Bicasso sous Binance, où les utilisateurs peuvent générer des NFT en téléchargeant des images et en saisissant des mots-clés pour le calcul par IA. Des projets similaires incluent Solvo, Nicho, IgmnAI et CharacterGPT.

GameFi : Avec la génération de langage naturel, la génération d'images et les capacités d'NPC intelligentes autour de l'IA, on s'attend à ce que GameFi améliore l'efficacité et l'innovation dans la production de contenu de jeu. Par exemple, le premier jeu de chaîne AI Hero de Binaryx permet aux joueurs d'explorer différentes options de scénario grâce à l'aléatoire de l'IA ; de même, il y a le jeu de compagnon virtuel Sleepless AI, où les joueurs peuvent débloquer un gameplay personnalisé grâce à différentes interactions basées sur AIGC et LLM.

DAO : Actuellement, l'IA est également envisagée pour être appliquée aux DAO, aidant à suivre les interactions communautaires, enregistrer les contributions, récompenser les membres les plus contributifs, voter par procuration, etc. Par exemple, ai16z utilise un agent IA pour recueillir des informations de marché on-chain et off-chain, analyser le consensus communautaire, et prendre des décisions d'investissement en combinaison avec les suggestions des membres du DAO.

La signification de l'intégration AI+Web3 : Tour et Square

Au cœur de Florence, en Italie, se trouve la place centrale, le lieu de rassemblement politique le plus important pour les habitants et les touristes. Ici se dresse une tour de l'hôtel de ville de 95 mètres de haut, créant un effet esthétique dramatique avec la place, inspirant le professeur d'histoire de l'Université de Harvard, Neil Ferguson, à explorer l'histoire mondiale des réseaux et des hiérarchies dans son livre 'Square and Tower', montrant le flux et le reflux des deux au fil du temps.

Cette excellente métaphore n'est pas déplacée lorsqu'elle est appliquée à la relation entre l'IA et le Web3 aujourd'hui. En regardant à long terme, la relation historique non linéaire entre les deux, on peut voir que les carrés sont plus susceptibles de produire des choses nouvelles et créatives que les tours, mais les tours ont encore leur légitimité et leur forte vitalité.

Avec la capacité de regrouper les données de puissance de calcul énergétique dans les entreprises technologiques, l'IA a libéré une imagination sans précédent, incitant les principaux géants de la technologie à faire de lourds paris, en introduisant diverses itérations allant de différents chatbots aux 'grands modèles sous-jacents' tels que GPT-4, GP4-4o. Un robot de programmation automatique (Devin) et Sora, avec des capacités préliminaires pour simuler le monde physique réel, ont émergé l'un après l'autre, amplifiant infiniment l'imagination de l'IA.

En même temps, l'IA est essentiellement une industrie à grande échelle et centralisée, et cette révolution technologique poussera les entreprises technologiques qui ont progressivement acquis une dominance structurelle à l'ère d'Internet vers un point haut plus étroit. Le pouvoir énorme, le flux de trésorerie monopolistique et les vastes ensembles de données nécessaires pour dominer l'ère intelligente façonnent des barrières plus élevées pour cela.

Alors que la tour grandit et que les décideurs dans l'ombre rétrécissent, la centralisation de l'IA apporte de nombreux dangers cachés. Comment les masses rassemblées sur la place peuvent-elles éviter les ombres sous la tour? C'est la question à laquelle Web3 espère répondre.

Essentiellement, les propriétés inhérentes de la blockchain renforcent les systèmes d'intelligence artificielle et ouvrent de nouvelles possibilités, principalement:

• À l'ère de l'intelligence artificielle, le 'code est la loi' - atteindre des règles d'exécution automatique du système transparent à travers des contrats intelligents et une vérification par cryptage, offrant des récompenses aux publics plus proches de la cible.
• Économie des jetons - créer et coordonner le comportement des participants grâce à un mécanisme de jeton, au jalonnement, à la réduction, aux récompenses en jetons et aux pénalités.
• Gouvernance décentralisée - nous incite à remettre en question les sources d'information et encourage une approche plus critique et perspicace de la technologie de l'intelligence artificielle, évitant les biais, la désinformation et la manipulation, favorisant ainsi une société plus informée et habilitée.

Le développement de l'IA a également apporté une nouvelle vitalité à Web3, peut-être que l'impact de Web3 sur l'IA a besoin de temps pour être prouvé, mais l'impact de l'IA sur Web3 est immédiat : que ce soit la frénésie des Meme ou l'Agent IA qui aide à abaisser la barrière d'entrée pour les applications on-chain, tout est évident.

Lorsque Web3 est défini comme de l'auto-indulgence par un petit groupe de personnes, ainsi que d'être piégé dans des doutes quant à la reproduction des industries traditionnelles, l'ajout de l'IA apporte un avenir prévisible : une base d'utilisateurs Web2 plus stable & scalable, des modèles commerciaux plus innovants et des services.

Nous vivons dans un monde où les 'tours et les places' coexistent, bien que l'IA et le Web3 aient des calendriers et des points de départ différents, leur objectif ultime est de savoir comment rendre les machines meilleures au service de l'humanité, et personne ne peut définir une rivière qui se précipite. Nous attendons avec impatience de voir l'avenir de l'IA+Web3.

Déclaration :

1. Cet article est reproduit à partir de [GateTechFlow]，le droit d'auteur appartient à l'auteur original [Coinspire]，如对转载有异议，请联系 Gate Apprendre Équipe, l'équipe le traitera dès que possible conformément aux procédures pertinentes.
2. Avertissement : Les points de vue et opinions exprimés dans cet article sont uniquement ceux de l'auteur et ne constituent pas des conseils en investissement.
3. L'article est traduit dans d'autres langues par l'équipe Gate Learn, si ce n'est pas mentionnéGate.ioEn aucun cas, les articles traduits ne peuvent être copiés, distribués ou plagiés.