Crypto X IA : plus tendance ? Découvrez rapidement les récits prometteurs que vous avez peut-être négligés
TechFlow SélectionTechFlow Sélection
Crypto X IA : plus tendance ? Découvrez rapidement les récits prometteurs que vous avez peut-être négligés
Le premier engouement autour de Web3-AI s'est principalement concentré sur des propositions de valeur déconnectées de la réalité ; il convient désormais de se concentrer sur la construction de solutions réellement réalisables.
Dédié à des analyses Web3 approfondiesAuteur : Crypto, Distilled
Traduction : TechFlow
Cryptographie et IA : est-ce déjà terminé ?
En 2023, le Web3-AI était devenu un sujet brûlant.
Mais aujourd'hui, il regorge d'imitateurs et de projets coûteux sans utilité réelle.
Voici les pièges à éviter et ce qui mérite vraiment votre attention.
Aperçu
Le PDG d'IntoTheBlock, @jrdothoughts, a récemment partagé ses réflexions dans un article.
Il aborde :
a. Les défis fondamentaux du Web3-AI
b. Les tendances surestimées
c. Les tendances à fort potentiel
J'ai synthétisé pour vous chaque point ! Plongeons-y :
État actuel du marché
Le marché actuel du Web3-AI est surdimensionné et surfinancé.
De nombreux projets sont déconnectés des besoins réels du secteur de l'IA.
Ce décalage crée de la confusion, mais ouvre aussi des opportunités pour ceux qui ont une vision claire.
(Remerciements à @coinbase)
Défis fondamentaux
L'écart entre l'IA Web2 et Web3 s'élargit principalement en raison de trois facteurs :
-
Un nombre limité de talents en recherche IA
-
Des infrastructures restreintes
-
Des ressources insuffisantes en modèles, données et calcul
Bases de l’IA générative
L'IA générative repose sur trois piliers : modèles, données et puissance de calcul.
À ce jour, aucun modèle majeur n'a été optimisé pour les infrastructures Web3.
Les premiers financements ont soutenu des projets Web3 déconnectés de la réalité de l'IA.
Tendances surévaluées
Malgré tout le battage médiatique, toutes les tendances Web3-AI ne méritent pas d'attention.
Voici celles que @jrdothoughts juge les plus surévaluées :
a. Réseaux GPU décentralisés
b. Modèles ZK-AI
c. Preuves d'inférence (Remerciements à @ModulusLabs)
Réseaux GPU décentralisés
Ces réseaux promettent de démocratiser l'entraînement de l'IA.
Mais la réalité est que former de grands modèles sur une infrastructure décentralisée est lent et peu pratique.
Cette tendance n’a pas encore tenu ses promesses ambitieuses.
Modèles IA à zéro connaissance (ZK-AI)
Les modèles ZK-AI semblent attrayants pour la protection de la vie privée.
Mais en réalité, ils sont coûteux en calcul et difficiles à interpréter.
Ce qui les rend peu pratiques à grande échelle.
(Remerciements à @oraprotocol)
Informations du graphique :
b) Actuellement, le coût est jusqu'à 1000 fois supérieur.
Cependant, cette approche est encore loin d'être utilisable, notamment pour les cas d'utilisation décrits par Vitalik. Voici quelques exemples :
-
Le cadre zkML EZKL nécessite environ 80 minutes pour générer une preuve pour un modèle 1M-nanoGPT.
-
Selon les données de Modulus Labs, le coût de zkML dépasse de plus de 1000 fois celui du calcul pur, avec un dernier rapport indiquant un facteur 1000.
-
Selon les tests de référence d'EZKL, RISC Zero met en moyenne 173 secondes à produire une preuve pour une tâche de classification par forêt aléatoire.
Preuves d'inférence
Les cadres de preuve d'inférence fournissent une preuve cryptographique des sorties de l'IA.
Cependant, @jrdothoughts pense que ces solutions résolvent des problèmes inexistants.
Elles ont donc des applications limitées dans le monde réel.
Tendances à fort potentiel
Bien que certaines tendances soient exagérées, d'autres présentent un potentiel significatif.
Voici quelques tendances sous-estimées, susceptibles d'offrir de véritables opportunités :
a. Agents IA dotés de portefeuilles
b. Cryptomonnaies finançant l'IA
c. Petits modèles de base
d. Génération de données synthétiques
Agents IA dotés de portefeuilles
Imaginez des agents IA ayant des capacités financières grâce aux cryptomonnaies.
Ces agents peuvent embaucher d'autres agents ou staker des fonds pour garantir la qualité.
Une autre application intéressante est celle des « agents prédictifs », comme mentionné par @vitalikbuterin.
Cryptomonnaies finançant l'IA
Les projets d'IA générative souffrent souvent de pénurie de financement.
Les méthodes efficaces de levée de capitaux offertes par la cryptographie, telles que les airdrops et les incitations, apportent un soutien financier crucial aux projets open source d'IA.
Ces méthodes contribuent à stimuler l'innovation. (Remerciements à @oraprotocol)
Petits modèles de base
Les petits modèles de base, comme le modèle Phi de Microsoft, illustrent bien le principe du « moins c'est plus ».
Des modèles disposant de 1 à 5 milliards de paramètres sont essentiels pour une IA décentralisée, permettant des solutions IA robustes directement sur les appareils.
(Source : @microsoft)
Génération de données synthétiques
La rareté des données est l'un des principaux obstacles au développement de l'IA.
Les données synthétiques générées par des modèles de base peuvent efficacement compléter les jeux de données du monde réel.
Aller au-delà du battage médiatique
Le premier engouement pour le Web3-AI s'est concentré sur des propositions de valeur déconnectées de la réalité.
@jrdothoughts estime qu'il faut désormais se concentrer sur la construction de solutions concrètes et viables.
Alors que l'attention évolue, le domaine de l'IA reste plein d'opportunités, attendant des esprits avisés pour les découvrir.
Cet article est uniquement à des fins éducatives, non-conseil financier. Merci infiniment à @jrdothoughts pour ses précieuses analyses.
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
@DistilledCrypto
