Fusion de l'IA et du Web3 : Analyse de la situation actuelle et perspectives de développement
I. Introduction : Développement de l'IA + Web3
Ces dernières années, le développement rapide de l'intelligence artificielle (IA) et des technologies Web3 a suscité une large attention à l'échelle mondiale. L'IA, en tant que technologie simulant et imitant l'intelligence humaine, a réalisé des percées significatives dans des domaines tels que la reconnaissance faciale, le traitement du langage naturel et l'apprentissage automatique, apportant d'énormes transformations et innovations dans divers secteurs.
En 2023, la taille du marché de l'industrie de l'IA a atteint 200 milliards de dollars, des entreprises remarquables telles qu'OpenAI, Character.AI et Midjourney ont rapidement émergé, menant la vague de l'IA. Parallèlement, le Web3, en tant que nouveau modèle de réseau, est en train de transformer la perception et l'utilisation d'Internet par les gens. Basé sur une technologie blockchain décentralisée, le Web3 réalise le partage et le contrôle des données, l'autonomie des utilisateurs et l'établissement de mécanismes de confiance grâce à des fonctionnalités telles que des contrats intelligents, le stockage distribué et l'authentification décentralisée.
La capitalisation boursière de l'industrie Web3 a atteint 25 000 milliards, avec des projets comme Bitcoin, Ethereum, Solana et des couches d'application telles qu'Uniswap, Stepn qui émergent avec de nouveaux récits et scénarios, attirant de plus en plus de personnes à rejoindre l'industrie Web3. La combinaison de l'IA et de Web3 est un domaine d'intérêt majeur pour les développeurs et investisseurs des deux côtés de l'Atlantique, et la manière de bien intégrer les deux est une question qui mérite d'être explorée.
Cet article se concentrera sur l'état actuel du développement de l'IA + Web3, analysera la situation des projets IA + Web3 actuels et discutera en profondeur des limitations et des défis auxquels ils sont confrontés. Grâce à cette recherche, nous espérons pouvoir fournir aux investisseurs et aux professionnels des secteurs concernés des références et des insights précieux.
Deux, les façons dont l'IA interagit avec le Web3
Le développement de l'IA et du Web3 ressemble aux deux côtés d'une balance : l'IA apporte une augmentation de la productivité, tandis que le Web3 entraîne une transformation des relations de production. Quelles étincelles l'IA et le Web3 peuvent-ils produire ensemble ? Nous allons d'abord analyser les difficultés et les possibilités d'amélioration auxquelles chaque secteur est confronté, puis discuter de la manière dont ils s'entraident pour résoudre ces problèmes.
2.1 Les défis auxquels l'industrie de l'IA est confrontée
Les trois éléments clés de l'industrie de l'IA sont : la puissance de calcul, les algorithmes et les données.
Puissance de calcul : Les tâches d'IA nécessitent généralement de traiter d'énormes volumes de données et d'effectuer des calculs complexes, comme l'entraînement de modèles de réseaux de neurones profonds. Une puissance de calcul élevée peut accélérer le processus d'entraînement et d'inférence des modèles, améliorant ainsi les performances et l'efficacité des systèmes d'IA. Ces dernières années, avec le développement des technologies matérielles, telles que les unités de traitement graphique (GPU) et les puces AI dédiées (comme les TPU), l'augmentation de la puissance de calcul a joué un rôle important dans le développement de l'industrie de l'IA.
Algorithme : Le composant central des systèmes d'IA, ce sont des méthodes mathématiques et statistiques utilisées pour résoudre des problèmes et réaliser des tâches. Les algorithmes d'IA peuvent être classés en algorithmes d'apprentissage automatique traditionnels et en algorithmes d'apprentissage profond, ces derniers ayant réalisé des percées majeures ces dernières années. Le choix et la conception des algorithmes sont cruciaux pour les performances et l'efficacité des systèmes d'IA.
Données : La tâche principale des systèmes d'IA est d'extraire des motifs et des régularités des données par l'apprentissage et l'entraînement. Les données constituent la base de l'entraînement et de l'optimisation des modèles. Grâce à des échantillons de données à grande échelle, les systèmes d'IA peuvent apprendre des modèles plus précis et plus intelligents. Des ensembles de données riches peuvent fournir des informations plus complètes et diversifiées, permettant aux modèles de mieux se généraliser à des données inconnues.
Les principaux défis auxquels l'industrie de l'IA est confrontée comprennent :
En termes de puissance de calcul : acquérir et gérer une puissance de calcul à grande échelle est un défi coûteux et complexe. Le coût, la consommation d'énergie et la maintenance des équipements de calcul haute performance sont des problèmes.
En ce qui concerne les algorithmes : l'entraînement des réseaux de neurones profonds nécessite une grande quantité de données et de ressources de calcul, et l'interprétabilité et la compréhension du modèle peuvent être insuffisantes. La robustesse et la capacité de généralisation des algorithmes sont également des problèmes importants.
En ce qui concerne les données : obtenir des données de haute qualité et diversifiées reste un défi. La qualité, l'exactitude et l'annotation des données posent également problème, des données incomplètes ou biaisées peuvent entraîner un comportement ou un biais erroné du modèle.
Interprétabilité et transparence : La nature boîte noire des modèles d'IA est une préoccupation du public. Pour certaines applications, telles que la finance, la santé et la justice, le processus décisionnel du modèle doit être explicable et traçable.
Modèle commercial : De nombreux projets d'IA ont un modèle commercial peu clair, ce qui laisse de nombreux entrepreneurs en IA dans le flou.
2.2 Les défis auxquels est confronté le secteur Web3
Il existe également de nombreux défis différents dans l'industrie Web3 qui doivent être résolus, notamment :
Analyse de données Web3
Mauvaise expérience utilisateur des produits Web3
Problèmes de vulnérabilités du code de contrat intelligent et d'attaques de hackers
L'IA en tant qu'outil d'amélioration de la productivité a également beaucoup de potentiel dans ces domaines :
Capacité d'analyse et de prévision des données : La technologie AI peut aider les plateformes Web3 à extraire des informations précieuses à partir de vastes ensembles de données et à effectuer des prévisions et des décisions plus précises. Cela revêt une importance particulière dans des domaines tels que l'évaluation des risques, les prévisions de marché et la gestion des actifs dans le secteur de la finance décentralisée (DeFi).
Expérience utilisateur et services personnalisés : La technologie AI peut aider les plateformes Web3 à offrir une meilleure expérience utilisateur et des services personnalisés, augmentant ainsi l'engagement et la satisfaction des utilisateurs.
Sécurité et protection de la vie privée : La technologie AI peut être utilisée pour détecter et défendre contre les cyberattaques, identifier des comportements anormaux et fournir des garanties de sécurité plus robustes. En même temps, l'IA peut également être appliquée à la protection de la vie privée des données, en protégeant les informations personnelles des utilisateurs sur les plateformes Web3 grâce à des techniques telles que le cryptage des données et le calcul de la vie privée.
Audit des contrats intelligents : La technologie AI peut être utilisée pour automatiser l'audit des contrats et la détection des vulnérabilités, améliorant ainsi la sécurité et la fiabilité des contrats.
Trois, Analyse de l'état actuel des projets AI+Web3
Les projets AI+Web3 abordent principalement deux grands aspects : utiliser la technologie blockchain pour améliorer la performance des projets AI, et utiliser la technologie AI pour servir à l'amélioration des projets Web3.
3.1 Web3 aide l'IA
3.1.1 Puissance de calcul décentralisée
Avec le développement rapide de l'IA, la demande de GPU a considérablement augmenté, entraînant une situation de pénurie. Certains projets Web3 commencent à essayer de fournir des services de puissance de calcul de manière décentralisée, tels qu'Akash, Render, Gensyn, etc. Ces projets incitent les utilisateurs à fournir leur puissance de calcul GPU inutilisée grâce à des tokens, devenant ainsi le côté de l'offre de puissance de calcul et offrant un soutien en puissance de calcul aux clients de l'IA.
L'offre côté comprend principalement les fournisseurs de services cloud, les mineurs de cryptomonnaies et les grandes entreprises. Actuellement, les acteurs du secteur se divisent en deux catégories : d'une part, ceux qui utilisent la puissance de calcul décentralisée pour l'inférence de l'IA, et d'autre part, ceux qui utilisent la puissance de calcul décentralisée pour l'entraînement de l'IA.
Le cœur du projet de puissance de calcul décentralisée réside dans la mise en place d'un mécanisme d'incitation par des jetons pour attirer les fournisseurs, puis attirer les utilisateurs, réalisant ainsi le démarrage à froid du projet et le mécanisme de fonctionnement central. Dans ce cycle, l'offre bénéficie de plus de récompenses en jetons de valeur, tandis que la demande accède à des services moins chers et plus rentables.
3.1.2 Modèle d'algorithme décentralisé
Certains projets tentent d'établir un marché de services d'algorithmes d'IA décentralisés, reliant de nombreux modèles d'IA différents. Lorsque les utilisateurs posent des questions, le marché sélectionne le modèle d'IA le mieux adapté pour répondre à la question.
Prenons Bittensor comme exemple, le côté de l'offre des modèles algorithmiques (mineurs) contribue leurs modèles d'apprentissage automatique au réseau. Les fournisseurs de modèles reçoivent des jetons de cryptomonnaie TAO en récompense de leur contribution. Pour garantir la qualité des réponses aux questions, Bittensor utilise un mécanisme de consensus unique pour s'assurer que le réseau parvienne à un accord sur la meilleure réponse.
3.1.3 Collecte de données décentralisée
Certains projets combinent Web3 et incitations par jetons pour réaliser une collecte de données décentralisée. Par exemple, PublicAI permet aux utilisateurs de partager du contenu précieux sur les réseaux sociaux et de recevoir des incitations en jetons. Cette approche favorise la collaboration entre les contributeurs de données et le développement de l'industrie de l'intelligence artificielle.
3.1.4 Protection de la vie privée des utilisateurs dans l'IA ZK
La technologie des preuves à divulgation nulle de connaissance peut aider à résoudre le conflit entre la protection de la vie privée et le partage de données. ZKML (Zero-Knowledge Machine Learning) permet, grâce à l'utilisation de la technologie des preuves à divulgation nulle de connaissance, de former et d'inférer des modèles d'apprentissage automatique sans divulguer les données d'origine.
3.2 L'IA au service du web3
3.2.1 Analyse et prévision des données
De nombreux projets Web3 commencent à intégrer des services d'IA existants ou des outils d'IA développés en interne pour offrir aux utilisateurs des services d'analyse de données et de prévision. Ces services couvrent plusieurs aspects tels que les stratégies d'investissement, l'analyse on-chain, les prévisions de prix et de marché.
Par exemple, Pond utilise des algorithmes d'IA pour prédire les tokens alpha précieux de l'avenir ; BullBear AI s'entraîne sur les données historiques des utilisateurs, l'historique des prix et les tendances du marché pour fournir des prévisions de prix précises ; Numerai est une plateforme de concours d'investissement où les participants prédisent le marché boursier en utilisant l'IA et des modèles de langage avancés.
3.2.2 Services personnalisés
Certains projets Web3 optimisent l'expérience utilisateur en intégrant l'IA. Par exemple, la plateforme d'analyse de données Dune a lancé l'outil Wand pour rédiger des requêtes SQL à l'aide de grands modèles de langage ; la plateforme médiatique Web3 Followin a intégré ChatGPT pour résumer des points de vue et des actualités récentes dans un domaine particulier ; la plateforme d'encyclopédie Web3 IQ.wiki a intégré GPT-4 pour résumer des articles wiki.
3.2.3 Audit AI des contrats intelligents
Certains projets utilisent l'IA pour réaliser l'audit du code des contrats intelligents, afin d'identifier et de trouver plus efficacement et précisément les vulnérabilités dans le code. Par exemple, le projet 0x0.ai propose un auditeur de contrats intelligents basé sur l'intelligence artificielle, utilisant des algorithmes avancés pour analyser les contrats intelligents et identifier les vulnérabilités ou problèmes potentiels.
Quatre, Limites et Défis Actuels des Projets AI + Web3
4.1 Les obstacles réels à la puissance de calcul décentralisée
Les produits de puissance de calcul décentralisés sont confrontés aux défis suivants :
Les performances et la stabilité peuvent être inférieures à celles des produits de puissance de calcul centralisés.
La disponibilité est influencée par le degré d'adéquation entre l'offre et la demande.
Le coût pour l'utilisateur est relativement élevé, il est nécessaire de comprendre davantage de détails techniques.
Actuellement principalement limité à l'inférence AI plutôt qu'à l'entraînement AI.
L'entraînement des grands modèles d'IA nécessite une quantité énorme de données et une bande passante de communication à haute vitesse, tandis que la puissance de calcul décentralisée peine à répondre à ces exigences. En revanche, l'inférence AI a des besoins en données et en bande passante beaucoup plus faibles, ce qui rend sa réalisation plus probable.
La combinaison de l'IA et du Web3 est relativement brut, n'atteignant pas 1+1＞2.
La combinaison de l'IA et du Web3 se manifeste principalement dans les deux domaines suivants :
De nombreux projets se contentent d'utiliser l'IA pour améliorer l'efficacité et effectuer des analyses, sans démontrer la fusion native et les solutions innovantes entre l'IA et les cryptomonnaies.
Certaines équipes Web3 utilisent principalement le concept d'IA sur le plan marketing, mais il existe encore un grand vide en matière d'innovation réelle.
4.3 L'économie des jetons devient un agent tampon dans la narration des projets d'IA
Avec de plus en plus de grands modèles commençant à être progressivement open source, de nombreux projets AI + Web3 choisissent de superposer la narration Web3 et l'économie des jetons pour promouvoir l'engagement des utilisateurs. Cependant, il reste à observer et à vérifier si l'intégration de l'économie des jetons aide réellement les projets AI à répondre à des besoins réels, ou si c'est simplement une narration ou une quête de valeur à court terme.
Cinq, résumé
La fusion de l'IA et du Web3 offre d'innombrables possibilités pour l'innovation technologique et le développement économique futurs. Les technologies d'IA peuvent fournir des scénarios d'application plus efficaces et intelligents pour le Web3, tandis que les caractéristiques de décentralisation et de programmabilité du Web3 offrent également de nouvelles opportunités pour le développement des technologies d'IA.
Bien que les projets AI + Web3 soient encore à un stade précoce et confrontés à de nombreux défis, ils apportent également certains avantages. Par exemple, les projets de puissance de calcul et de collecte de données décentralisés peuvent réduire la dépendance aux institutions centralisées, offrir une plus grande transparence et auditabilité, ainsi que permettre une participation et une innovation plus larges.
À l'avenir, nous espérons voir des recherches et des innovations plus approfondies pour réaliser une intégration plus étroite entre l'IA et le Web3, et dans les domaines financiers, décentralisés.
Voir l'original
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
9 J'aime
Récompense
9
4
Partager
Commentaire
0/400
ThatsNotARugPull
· 07-27 11:09
C'est monté à deux cents milliards ? C'est absurde.
Voir l'originalRépondre0
ChainWatcher
· 07-27 11:03
Les départs ne sont même pas à l'heure, et ils veulent encore une fusion avec l'IA.
Voir l'originalRépondre0
NeverVoteOnDAO
· 07-27 11:00
L'IA va-t-elle unifier le monde? Réveillez-vous.
Voir l'originalRépondre0
SnapshotStriker
· 07-27 10:47
Encore une fois, surfer sur la tendance du web3 et de l'IA.
État et défis de la fusion AI+Web3 : opportunités et limites à l'intersection des technologies émergentes
Fusion de l'IA et du Web3 : Analyse de la situation actuelle et perspectives de développement
I. Introduction : Développement de l'IA + Web3
Ces dernières années, le développement rapide de l'intelligence artificielle (IA) et des technologies Web3 a suscité une large attention à l'échelle mondiale. L'IA, en tant que technologie simulant et imitant l'intelligence humaine, a réalisé des percées significatives dans des domaines tels que la reconnaissance faciale, le traitement du langage naturel et l'apprentissage automatique, apportant d'énormes transformations et innovations dans divers secteurs.
En 2023, la taille du marché de l'industrie de l'IA a atteint 200 milliards de dollars, des entreprises remarquables telles qu'OpenAI, Character.AI et Midjourney ont rapidement émergé, menant la vague de l'IA. Parallèlement, le Web3, en tant que nouveau modèle de réseau, est en train de transformer la perception et l'utilisation d'Internet par les gens. Basé sur une technologie blockchain décentralisée, le Web3 réalise le partage et le contrôle des données, l'autonomie des utilisateurs et l'établissement de mécanismes de confiance grâce à des fonctionnalités telles que des contrats intelligents, le stockage distribué et l'authentification décentralisée.
La capitalisation boursière de l'industrie Web3 a atteint 25 000 milliards, avec des projets comme Bitcoin, Ethereum, Solana et des couches d'application telles qu'Uniswap, Stepn qui émergent avec de nouveaux récits et scénarios, attirant de plus en plus de personnes à rejoindre l'industrie Web3. La combinaison de l'IA et de Web3 est un domaine d'intérêt majeur pour les développeurs et investisseurs des deux côtés de l'Atlantique, et la manière de bien intégrer les deux est une question qui mérite d'être explorée.
Cet article se concentrera sur l'état actuel du développement de l'IA + Web3, analysera la situation des projets IA + Web3 actuels et discutera en profondeur des limitations et des défis auxquels ils sont confrontés. Grâce à cette recherche, nous espérons pouvoir fournir aux investisseurs et aux professionnels des secteurs concernés des références et des insights précieux.
Deux, les façons dont l'IA interagit avec le Web3
Le développement de l'IA et du Web3 ressemble aux deux côtés d'une balance : l'IA apporte une augmentation de la productivité, tandis que le Web3 entraîne une transformation des relations de production. Quelles étincelles l'IA et le Web3 peuvent-ils produire ensemble ? Nous allons d'abord analyser les difficultés et les possibilités d'amélioration auxquelles chaque secteur est confronté, puis discuter de la manière dont ils s'entraident pour résoudre ces problèmes.
2.1 Les défis auxquels l'industrie de l'IA est confrontée
Les trois éléments clés de l'industrie de l'IA sont : la puissance de calcul, les algorithmes et les données.
Puissance de calcul : Les tâches d'IA nécessitent généralement de traiter d'énormes volumes de données et d'effectuer des calculs complexes, comme l'entraînement de modèles de réseaux de neurones profonds. Une puissance de calcul élevée peut accélérer le processus d'entraînement et d'inférence des modèles, améliorant ainsi les performances et l'efficacité des systèmes d'IA. Ces dernières années, avec le développement des technologies matérielles, telles que les unités de traitement graphique (GPU) et les puces AI dédiées (comme les TPU), l'augmentation de la puissance de calcul a joué un rôle important dans le développement de l'industrie de l'IA.
Algorithme : Le composant central des systèmes d'IA, ce sont des méthodes mathématiques et statistiques utilisées pour résoudre des problèmes et réaliser des tâches. Les algorithmes d'IA peuvent être classés en algorithmes d'apprentissage automatique traditionnels et en algorithmes d'apprentissage profond, ces derniers ayant réalisé des percées majeures ces dernières années. Le choix et la conception des algorithmes sont cruciaux pour les performances et l'efficacité des systèmes d'IA.
Données : La tâche principale des systèmes d'IA est d'extraire des motifs et des régularités des données par l'apprentissage et l'entraînement. Les données constituent la base de l'entraînement et de l'optimisation des modèles. Grâce à des échantillons de données à grande échelle, les systèmes d'IA peuvent apprendre des modèles plus précis et plus intelligents. Des ensembles de données riches peuvent fournir des informations plus complètes et diversifiées, permettant aux modèles de mieux se généraliser à des données inconnues.
Les principaux défis auxquels l'industrie de l'IA est confrontée comprennent :
En termes de puissance de calcul : acquérir et gérer une puissance de calcul à grande échelle est un défi coûteux et complexe. Le coût, la consommation d'énergie et la maintenance des équipements de calcul haute performance sont des problèmes.
En ce qui concerne les algorithmes : l'entraînement des réseaux de neurones profonds nécessite une grande quantité de données et de ressources de calcul, et l'interprétabilité et la compréhension du modèle peuvent être insuffisantes. La robustesse et la capacité de généralisation des algorithmes sont également des problèmes importants.
En ce qui concerne les données : obtenir des données de haute qualité et diversifiées reste un défi. La qualité, l'exactitude et l'annotation des données posent également problème, des données incomplètes ou biaisées peuvent entraîner un comportement ou un biais erroné du modèle.
Interprétabilité et transparence : La nature boîte noire des modèles d'IA est une préoccupation du public. Pour certaines applications, telles que la finance, la santé et la justice, le processus décisionnel du modèle doit être explicable et traçable.
Modèle commercial : De nombreux projets d'IA ont un modèle commercial peu clair, ce qui laisse de nombreux entrepreneurs en IA dans le flou.
2.2 Les défis auxquels est confronté le secteur Web3
Il existe également de nombreux défis différents dans l'industrie Web3 qui doivent être résolus, notamment :
L'IA en tant qu'outil d'amélioration de la productivité a également beaucoup de potentiel dans ces domaines :
Capacité d'analyse et de prévision des données : La technologie AI peut aider les plateformes Web3 à extraire des informations précieuses à partir de vastes ensembles de données et à effectuer des prévisions et des décisions plus précises. Cela revêt une importance particulière dans des domaines tels que l'évaluation des risques, les prévisions de marché et la gestion des actifs dans le secteur de la finance décentralisée (DeFi).
Expérience utilisateur et services personnalisés : La technologie AI peut aider les plateformes Web3 à offrir une meilleure expérience utilisateur et des services personnalisés, augmentant ainsi l'engagement et la satisfaction des utilisateurs.
Sécurité et protection de la vie privée : La technologie AI peut être utilisée pour détecter et défendre contre les cyberattaques, identifier des comportements anormaux et fournir des garanties de sécurité plus robustes. En même temps, l'IA peut également être appliquée à la protection de la vie privée des données, en protégeant les informations personnelles des utilisateurs sur les plateformes Web3 grâce à des techniques telles que le cryptage des données et le calcul de la vie privée.
Audit des contrats intelligents : La technologie AI peut être utilisée pour automatiser l'audit des contrats et la détection des vulnérabilités, améliorant ainsi la sécurité et la fiabilité des contrats.
Trois, Analyse de l'état actuel des projets AI+Web3
Les projets AI+Web3 abordent principalement deux grands aspects : utiliser la technologie blockchain pour améliorer la performance des projets AI, et utiliser la technologie AI pour servir à l'amélioration des projets Web3.
3.1 Web3 aide l'IA
3.1.1 Puissance de calcul décentralisée
Avec le développement rapide de l'IA, la demande de GPU a considérablement augmenté, entraînant une situation de pénurie. Certains projets Web3 commencent à essayer de fournir des services de puissance de calcul de manière décentralisée, tels qu'Akash, Render, Gensyn, etc. Ces projets incitent les utilisateurs à fournir leur puissance de calcul GPU inutilisée grâce à des tokens, devenant ainsi le côté de l'offre de puissance de calcul et offrant un soutien en puissance de calcul aux clients de l'IA.
L'offre côté comprend principalement les fournisseurs de services cloud, les mineurs de cryptomonnaies et les grandes entreprises. Actuellement, les acteurs du secteur se divisent en deux catégories : d'une part, ceux qui utilisent la puissance de calcul décentralisée pour l'inférence de l'IA, et d'autre part, ceux qui utilisent la puissance de calcul décentralisée pour l'entraînement de l'IA.
Le cœur du projet de puissance de calcul décentralisée réside dans la mise en place d'un mécanisme d'incitation par des jetons pour attirer les fournisseurs, puis attirer les utilisateurs, réalisant ainsi le démarrage à froid du projet et le mécanisme de fonctionnement central. Dans ce cycle, l'offre bénéficie de plus de récompenses en jetons de valeur, tandis que la demande accède à des services moins chers et plus rentables.
3.1.2 Modèle d'algorithme décentralisé
Certains projets tentent d'établir un marché de services d'algorithmes d'IA décentralisés, reliant de nombreux modèles d'IA différents. Lorsque les utilisateurs posent des questions, le marché sélectionne le modèle d'IA le mieux adapté pour répondre à la question.
Prenons Bittensor comme exemple, le côté de l'offre des modèles algorithmiques (mineurs) contribue leurs modèles d'apprentissage automatique au réseau. Les fournisseurs de modèles reçoivent des jetons de cryptomonnaie TAO en récompense de leur contribution. Pour garantir la qualité des réponses aux questions, Bittensor utilise un mécanisme de consensus unique pour s'assurer que le réseau parvienne à un accord sur la meilleure réponse.
3.1.3 Collecte de données décentralisée
Certains projets combinent Web3 et incitations par jetons pour réaliser une collecte de données décentralisée. Par exemple, PublicAI permet aux utilisateurs de partager du contenu précieux sur les réseaux sociaux et de recevoir des incitations en jetons. Cette approche favorise la collaboration entre les contributeurs de données et le développement de l'industrie de l'intelligence artificielle.
3.1.4 Protection de la vie privée des utilisateurs dans l'IA ZK
La technologie des preuves à divulgation nulle de connaissance peut aider à résoudre le conflit entre la protection de la vie privée et le partage de données. ZKML (Zero-Knowledge Machine Learning) permet, grâce à l'utilisation de la technologie des preuves à divulgation nulle de connaissance, de former et d'inférer des modèles d'apprentissage automatique sans divulguer les données d'origine.
3.2 L'IA au service du web3
3.2.1 Analyse et prévision des données
De nombreux projets Web3 commencent à intégrer des services d'IA existants ou des outils d'IA développés en interne pour offrir aux utilisateurs des services d'analyse de données et de prévision. Ces services couvrent plusieurs aspects tels que les stratégies d'investissement, l'analyse on-chain, les prévisions de prix et de marché.
Par exemple, Pond utilise des algorithmes d'IA pour prédire les tokens alpha précieux de l'avenir ; BullBear AI s'entraîne sur les données historiques des utilisateurs, l'historique des prix et les tendances du marché pour fournir des prévisions de prix précises ; Numerai est une plateforme de concours d'investissement où les participants prédisent le marché boursier en utilisant l'IA et des modèles de langage avancés.
3.2.2 Services personnalisés
Certains projets Web3 optimisent l'expérience utilisateur en intégrant l'IA. Par exemple, la plateforme d'analyse de données Dune a lancé l'outil Wand pour rédiger des requêtes SQL à l'aide de grands modèles de langage ; la plateforme médiatique Web3 Followin a intégré ChatGPT pour résumer des points de vue et des actualités récentes dans un domaine particulier ; la plateforme d'encyclopédie Web3 IQ.wiki a intégré GPT-4 pour résumer des articles wiki.
3.2.3 Audit AI des contrats intelligents
Certains projets utilisent l'IA pour réaliser l'audit du code des contrats intelligents, afin d'identifier et de trouver plus efficacement et précisément les vulnérabilités dans le code. Par exemple, le projet 0x0.ai propose un auditeur de contrats intelligents basé sur l'intelligence artificielle, utilisant des algorithmes avancés pour analyser les contrats intelligents et identifier les vulnérabilités ou problèmes potentiels.
Quatre, Limites et Défis Actuels des Projets AI + Web3
4.1 Les obstacles réels à la puissance de calcul décentralisée
Les produits de puissance de calcul décentralisés sont confrontés aux défis suivants :
L'entraînement des grands modèles d'IA nécessite une quantité énorme de données et une bande passante de communication à haute vitesse, tandis que la puissance de calcul décentralisée peine à répondre à ces exigences. En revanche, l'inférence AI a des besoins en données et en bande passante beaucoup plus faibles, ce qui rend sa réalisation plus probable.
La combinaison de l'IA et du Web3 est relativement brut, n'atteignant pas 1+1＞2.
La combinaison de l'IA et du Web3 se manifeste principalement dans les deux domaines suivants :
De nombreux projets se contentent d'utiliser l'IA pour améliorer l'efficacité et effectuer des analyses, sans démontrer la fusion native et les solutions innovantes entre l'IA et les cryptomonnaies.
Certaines équipes Web3 utilisent principalement le concept d'IA sur le plan marketing, mais il existe encore un grand vide en matière d'innovation réelle.
4.3 L'économie des jetons devient un agent tampon dans la narration des projets d'IA
Avec de plus en plus de grands modèles commençant à être progressivement open source, de nombreux projets AI + Web3 choisissent de superposer la narration Web3 et l'économie des jetons pour promouvoir l'engagement des utilisateurs. Cependant, il reste à observer et à vérifier si l'intégration de l'économie des jetons aide réellement les projets AI à répondre à des besoins réels, ou si c'est simplement une narration ou une quête de valeur à court terme.
Cinq, résumé
La fusion de l'IA et du Web3 offre d'innombrables possibilités pour l'innovation technologique et le développement économique futurs. Les technologies d'IA peuvent fournir des scénarios d'application plus efficaces et intelligents pour le Web3, tandis que les caractéristiques de décentralisation et de programmabilité du Web3 offrent également de nouvelles opportunités pour le développement des technologies d'IA.
Bien que les projets AI + Web3 soient encore à un stade précoce et confrontés à de nombreux défis, ils apportent également certains avantages. Par exemple, les projets de puissance de calcul et de collecte de données décentralisés peuvent réduire la dépendance aux institutions centralisées, offrir une plus grande transparence et auditabilité, ainsi que permettre une participation et une innovation plus larges.
À l'avenir, nous espérons voir des recherches et des innovations plus approfondies pour réaliser une intégration plus étroite entre l'IA et le Web3, et dans les domaines financiers, décentralisés.