IA + Web3 : Explorer la voie de convergence entre l'intelligence artificielle et la blockchain
TechFlow SélectionTechFlow Sélection
IA + Web3 : Explorer la voie de convergence entre l'intelligence artificielle et la blockchain
Comment ZKML peut-il construire un pont entre l'IA et la blockchain ?
Dédié à des analyses Web3 approfondiesPar : zf857.eth
Récemment, NVIDIA a publié son rapport financier du premier trimestre : un chiffre d'affaires de 7,19 milliards de dollars, dépassant les attentes du marché à 6,52 milliards ; une marge brute de 64,6 % ; un bénéfice ajusté par action de 1,09 dollar contre 0,92 attendu. Grâce à ces résultats supérieurs aux prévisions, les actions de semi-conducteurs américaines ont bondi en après-bourse, avec une hausse maximale de 29,35 % pour NVIDIA, atteignant un sommet historique de 395 dollars, approchant la capitalisation de « mille milliards ». La demande en puces IA dépasse largement les attentes : la valeur boursière de NVIDIA a grimpé de 184 milliards de dollars en une seule journée, soit l’équivalent de la capitalisation totale de trois bitcoins.
Lors de la publication des résultats, Jensen Huang, PDG de NVIDIA, a évoqué les vastes perspectives offertes par les applications de l’IA, affirmant que l’industrie informatique traverse simultanément deux transformations — le calcul accéléré et l’IA générative. Les entreprises se précipitent pour intégrer l’IA générative dans leurs produits, services et processus métiers. À l’échelle mondiale, les centres de données installés, d’une valeur de mille milliards de dollars, sont en train de passer du calcul généraliste au calcul accéléré.
Actuellement, presque tous les principaux fonds et institutions financières suivent de près le secteur AIGC (contenu généré par IA), construisant rapidement des systèmes de sélection d’investissement afin de ne pas manquer le train de l’histoire. Selon les données, le financement mondial du secteur AIGC a atteint 3,811 milliards de yuans au premier trimestre 2023, répartis sur 17 opérations. L’émergence d’un nouveau créneau marque souvent le déclin d’un autre. Le Web3 suscite désormais de nombreuses critiques : « Les capitaux se tournent vers l’IA, le Web3 fait face à une régulation plus stricte et perd en récit », ou encore « l’IA semble plus crédible que le Web3, et permet plus facilement d’engendrer des licornes ».
Depuis l’aube de l’histoire humaine, les récits collectifs ont façonné nos cultures et enrichi notre compréhension du monde. L’importance du récit est indéniable. Aujourd’hui, le récit autour de l’intelligence artificielle s’impose profondément, jusqu’à pénétrer le domaine du Web3. Certains professionnels affirment même que « le Web3 sans IA n’a pas d’âme », et plus de la moitié des entreprises Web3 ont déjà commencé à pivoter vers l’IA. Alors, comment l’IA et le Web3 peuvent-ils fusionner ? Récemment, un nouveau récit émerge autour de ZKML, combinaison naissante entre preuve à connaissance nulle (ZK) et apprentissage automatique (machine learning). Comment cette technologie peut-elle rapprocher IA et Web3 pour bâtir un futur fiable et décentralisé ?
I. L’IA a besoin du Web3, et inversement
Michael Casey, directeur du contenu chez CoinDesk, déclare : « Considérer les cryptomonnaies et l’intelligence artificielle comme des technologies indépendantes est une erreur. Elles se complètent et s’améliorent mutuellement. »
Le Web3, les cryptomonnaies et la blockchain répondent à des défis sociétaux présents depuis les débuts d’Internet : comment garantir la sécurité d’informations précieuses dans un environnement décentralisé ? Grâce à des systèmes innovants basés sur des registres distribués et des mécanismes d’incitation, elles traitent la question de la confiance humaine envers l’information. Ces systèmes permettent à des communautés composées d’inconnus non fiables de gérer collectivement des registres ouverts, leur permettant d’échanger et de partager des informations sensibles ou valorisées sans intermédiaire.
Aujourd’hui, nous avançons rapidement vers une ère entièrement dominée par l’IA, confrontée à des défis redoutables. Ils touchent plusieurs domaines : protéger les droits d’auteur des entrées des grands modèles linguistiques (LLMs), éviter les biais erronés dans leurs sorties, ou encore faire face au « dividende du menteur » provoqué par notre incapacité à distinguer précisément contenus réels et faux contenus générés par IA. Assurer que l’humanité ne subisse pas les effets néfastes de l’IA n’a pas de solution simple. Aucune réponse ne peut reposer sur des cadres réglementaires ou techniques obsolètes datant du XXe siècle. Nous avons urgemment besoin d’un système de gouvernance décentralisé pour relever le défi de la production, de la vérification et du partage de l’information dans ce nouvel âge.
Qu’il puisse ou non fournir toutes les solutions nécessaires aujourd’hui, la technologie blockchain joue déjà un rôle dans la résolution de ces problèmes. Un grand livre immuable permet de tracer l’origine d’images et d’autres contenus, empêchant ainsi les deepfakes. Cette technologie peut aussi valider l’intégrité des jeux de données utilisés par les modèles d’apprentissage automatique. Les cryptomonnaies offrent un moyen de paiement numérique sans frontières, permettant de rémunérer mondialement ceux qui contribuent à l’entraînement de l’IA. Des projets comme Bittensor s’efforcent de créer des communautés blockchain-tokenisées pour inciter les développeurs d’IA à concevoir des modèles favorables à l’humanité. En revanche, les systèmes d’IA appartenant à des entreprises privées placent généralement les intérêts des actionnaires avant ceux des utilisateurs.
Avant que ces idées ne deviennent réalité et soient industrialisées, il reste encore un long chemin à parcourir. Nous devrons intégrer une série d’autres technologies telles que les preuves à connaissance nulle (ZK), le chiffrement homomorphe, le calcul sécurisé, l’identité numérique et les identifiants décentralisés (DID), l’Internet des objets, etc. De plus, nous devrons relever de nombreux défis liés à la protection de la vie privée, à la sanction des comportements malveillants, à l’encouragement d’une innovation intelligente centrée sur l’humain, ainsi qu’à une réglementation législative multipartite.
II. Comment ZKML crée un pont entre l’IA et la blockchain
Récemment, ZKML, nouvelle combinaison issue des preuves à connaissance nulle (ZK) et de l’apprentissage automatique (ML), fait l’objet de nombreuses discussions. Actuellement, le déploiement de modèles d’apprentissage automatique devient de plus en plus complexe. De nombreuses entreprises dépendent principalement de fournisseurs de services comme Amazon, Google ou Microsoft pour déployer des modèles ML complexes. Or, ces services deviennent de plus en plus difficiles à auditer et à comprendre. En tant que consommateurs de services d’IA, comment pouvons-nous être sûrs de la validité des prédictions fournies par ces modèles ?
ZKML agit comme un pont entre l’IA et la blockchain en résolvant les problèmes de confidentialité liés aux modèles et aux données d’entrée tout en assurant la vérifiabilité du processus d’inférence. Elle offre une solution permettant d’utiliser un modèle public pour vérifier des données privées, ou des données publiques pour vérifier un modèle privé. En ajoutant des fonctionnalités d’apprentissage automatique, les contrats intelligents deviennent plus autonomes et dynamiques, capables de traiter des données en temps réel plutôt que de suivre des règles statiques. Ainsi, ils gagnent en flexibilité et peuvent s’adapter à davantage de scénarios, y compris ceux imprévus lors de leur création initiale.
L’un des obstacles à l’adoption généralisée des algorithmes d’apprentissage automatique sur la blockchain est leur coût computationnel élevé. Des millions d’opérations en virgule flottante ne peuvent pas être exécutées directement sur la machine virtuelle Ethereum (EVM), rendant difficile l’exécution de ces modèles sur chaîne. Par ailleurs, la question de la confiance envers les modèles ML constitue un autre frein : les paramètres et les jeux de données d’entraînement étant souvent privés, et le fonctionnement des algorithmes comparé à une « boîte noire » opaque, cela peut nuire à la confiance entre propriétaires et utilisateurs du modèle. Cependant, la technologie ZKML permet de surmonter ces obstacles. Elle permet à quiconque d’exécuter un modèle hors chaîne et de générer une preuve concise et vérifiable attestant que le modèle a bien produit un résultat spécifique. Cette preuve peut être publiée sur chaîne et validée par un contrat intelligent. Ainsi, l’utilisateur peut vérifier le résultat du modèle sans connaître ses paramètres ni les détails de son fonctionnement, résolvant ainsi le problème de confiance.
À travers le diagramme ci-dessus, on observe que la technologie ZKML combine intégrité computationnelle, optimisation heuristique et protection de la vie privée. Elle présente un large potentiel d’application dans le domaine du Web3 et connaît un développement rapide. De plus en plus d’équipes et d’individus rejoignent ce domaine, stimulant le développement de projets ZKML prometteurs.
III. Analyse des projets ZKML
Voici quelques projets ZKML à fort potentiel.
1. Worldcoin
Worldcoin utilise ZKML pour développer un protocole de preuve d’identité humaine respectueux de la vie privée. Les utilisateurs de World ID pourront conserver leurs données biométriques (comme l’iris) dans un stockage chiffré sur leur appareil mobile, télécharger localement un modèle ML destiné à générer un IrisCode, et produire une preuve à connaissance nulle. Le contrat intelligent receveur pourra alors attester que l’IrisCode a été correctement généré.
Cette preuve pourra ensuite servir à des actions utiles, comme l’authentification d’appartenance ou le vote. Pour l’instant, ils utilisent un environnement d’exécution sécurisé (secure enclave) pour valider les scans d’iris signés par la caméra, mais leur objectif final est d’utiliser des ZKP afin de prouver que le réseau neuronal a effectué un raisonnement correct avec un niveau de sécurité cryptographique, tout en garantissant que la sortie du modèle ML ne révèle aucune donnée personnelle de l’utilisateur.
2. Modulus Labs
Modulus Labs est l’un des projets les plus diversifiés dans le domaine ZKML. En menant des recherches, ils construisent activement des cas d’usage d’IA sur chaîne. À travers RockyBot (un robot de trading sur chaîne) et Leela vs. the World (un jeu d’échecs où tous les participants s’affrontent à une instance vérifiée du moteur d’échecs Leela), ils illustrent concrètement les applications de zkML. L’équipe intervient également dans la recherche avec un article intitulé *The Cost of Intelligence*, qui compare la vitesse et l’efficacité de différents systèmes de vérification selon la taille des modèles.
3. Giza
Giza est un protocole permettant de déployer des modèles d’IA sur chaîne de manière totalement sans confiance. Sa pile technologique inclut le format ONNX pour les modèles ML, un transpileur Giza convertissant ces modèles en programme Cairo, un runtime ONNX Cairo pour exécuter les modèles de façon vérifiable et déterministe, ainsi que des contrats intelligents Giza Model pour déployer et exécuter les modèles sur chaîne. Globalement, Giza relève d’un compilateur « modèle ML vers preuve » sur chaîne, offrant une voie alternative au développement de l’IA sur chaîne.
4. Zkaptcha
Zkaptcha se concentre sur le problème des robots dans le Web3, en fournissant un service de captcha aux contrats intelligents pour les protéger des attaques automatisées. Il utilise des preuves à connaissance nulle pour créer des contrats intelligents résistants aux attaques Sybil. Actuellement, le projet permet aux utilisateurs finaux de générer une preuve d’activité humaine en complétant un captcha, dont la validation s’effectue sur chaîne et est accessible via quelques lignes de code par un contrat intelligent. À l’avenir, Zkaptcha intégrera zkML pour proposer un service similaire aux captchas Web2, capable d’analyser des comportements comme les mouvements de souris afin de déterminer si l’utilisateur est bien humain.
Pour l’instant, le domaine zkML en est encore à ses débuts, mais nous avons de bonnes raisons de croire en son potentiel pour offrir de meilleures perspectives et opportunités au monde crypto. Nous espérons voir émerger davantage de produits variés dans ce secteur. Les technologies zk et crypto offrent un environnement sûr et fiable pour l’exécution du ML. À l’avenir, outre l’innovation produit, nous pourrions assister à une innovation des modèles économiques crypto, car dans ce monde sauvage et anarchique du Web3, la décentralisation, les technologies crypto et la confiance constituent les infrastructures les plus fondamentales.
Conclusion
Établir la confiance dans un monde numérique de plus en plus complexe et incertain a toujours été le défi central de l’IA et du Web3. Toutefois, la convergence entre intelligence artificielle et Web3 porte un espoir immense pour bâtir un futur décentralisé, fiable et sécurisé. Pour les développeurs, experts technologiques, décideurs politiques et la société dans son ensemble, il est essentiel de façonner ensemble l’avenir de l’IA et du Web3. Ensemble, nous pourrions créer une ère d’internet intelligent allant bien au-delà de nos rêves les plus fous.
Bienvenue dans la communauté officielle TechFlow
Groupe Telegram :https://t.me/TechFlowDaily
Compte Twitter officiel :https://x.com/TechFlowPost
Compte Twitter anglais :https://x.com/BlockFlow_News
R3PO
