Rechercheur Placeholder : Comment Web3 peut-il concurrencer les géants technologiques dans le domaine de l'IA ?
TechFlow SélectionTechFlow Sélection
Rechercheur Placeholder : Comment Web3 peut-il concurrencer les géants technologiques dans le domaine de l'IA ?
Les participants de Web3 devraient davantage se concentrer sur des scénarios spécifiques et exploiter pleinement ses avantages uniques en matière de résistance à la censure, de transparence et de vérifiabilité sociale.
Dédié à des analyses Web3 approfondiesAuteur : David & Goliath
Traduction : TechFlow
Actuellement, les phases de calcul et d'entraînement dans l'industrie de l'IA sont dominées par de grands acteurs centralisés de type Web2. Ces entreprises, grâce à leur puissance financière, à leurs équipements matériels de pointe et à leurs vastes ressources en données, occupent une position dominante. Bien que cette situation puisse persister dans le développement des modèles les plus puissants de machine learning (ML) généralistes, pour les modèles intermédiaires ou spécialisés, les réseaux Web3 pourraient progressivement devenir une source de ressources informatiques plus économique et accessible.
De même, lorsque les besoins en inférence dépassent les capacités des appareils périphériques individuels, certains utilisateurs pourraient choisir les réseaux Web3 afin d'obtenir des sorties moins censurées et plus diversifiées. Plutôt que de chercher à bouleverser l'intégralité de la pile technologique de l'IA, les acteurs du Web3 devraient plutôt se concentrer sur ces cas d'usage spécifiques, en exploitant pleinement leurs avantages uniques en matière de résistance à la censure, de transparence et de vérifiabilité sociale.
Les ressources matérielles nécessaires pour entraîner les prochains modèles fondamentaux (comme GPT ou BERT) sont rares et coûteuses, et la demande en puces haut de gamme continuera de dépasser l'offre. Cette rareté conduit à une concentration du matériel entre les mains de quelques grandes entreprises disposant de fonds suffisants, qui utilisent ce matériel pour entraîner et commercialiser les modèles fondamentaux les plus performants et les plus complexes.
Cependant, le cycle de renouvellement du matériel est extrêmement rapide. Alors, que deviendront les matériels intermédiaires ou bas de gamme rendus obsolètes ?
Ils seront probablement utilisés pour entraîner des modèles plus simples ou plus ciblés. En appariant différents types de modèles à des matériels de performance différente, une allocation optimale des ressources peut être réalisée. Dans ce contexte, les protocoles Web3 peuvent jouer un rôle clé en coordonnant l'accès à des ressources informatiques diversifiées et peu coûteuses. Par exemple, les consommateurs pourraient utiliser des modèles intermédiaires simples entraînés sur leurs propres jeux de données, n’ayant recours aux modèles haut de gamme entraînés et hébergés par des entreprises centralisées que pour des tâches plus complexes, tout en garantissant que leur identité reste cachée et que leurs prompts soient chiffrés.
Au-delà des questions d'efficacité, la préoccupation croissante concernant les biais et la censure potentielle dans les modèles centralisés ne cesse de s'amplifier. L'environnement Web3, reconnu pour sa transparence et sa vérifiabilité, pourrait soutenir l'entraînement de modèles ignorés ou jugés trop sensibles par le Web2. Bien que ces modèles puissent manquer de compétitivité en termes de performance ou d'innovation, ils conservent une valeur importante pour certains groupes sociaux. Ainsi, les protocoles Web3 pourraient ouvrir un créneau unique en offrant des services d'entraînement de modèles plus ouverts, fiables et résistants à la censure.
Au départ, les approches centralisées et décentralisées pourraient coexister, chacune répondant à des cas d'usage différents. Toutefois, avec l'amélioration continue de l'expérience développeur et de la compatibilité des plateformes Web3, ainsi que l'émergence des effets de réseau liés à l'IA open source, le Web3 pourrait finalement entrer en concurrence directe sur les terrains mêmes où les entreprises centralisées exercent leur domination. En particulier, lorsque les consommateurs prendront davantage conscience des limites des modèles centralisés, les avantages du Web3 deviendront encore plus évidents.
Outre l'entraînement de modèles intermédiaires ou spécialisés, les acteurs du Web3 ont également l'avantage de pouvoir proposer des solutions d'inférence plus transparentes et flexibles. Les services d'inférence décentralisés offrent plusieurs bénéfices, comme un temps d'arrêt nul, une combinaison modulaire des modèles, une évaluation publique des performances, ainsi qu'une sortie plus diversifiée et non censurée. Ces services permettent aussi d'éviter efficacement le problème de « verrouillage fournisseur », auquel les consommateurs sont exposés lorsqu'ils dépendent d'un petit nombre de fournisseurs centralisés. Comme pour l'entraînement des modèles, l'avantage concurrentiel de la couche d'inférence décentralisée ne réside pas tant dans la puissance de calcul elle-même, mais dans sa capacité à résoudre des problèmes persistants, tels que le manque de transparence des paramètres de réglage fin fermés, l'absence de vérifiabilité et les coûts élevés.
Dan Olshansky a proposé une vision prometteuse, via le réseau de routage d'inférence IA de POKT, visant à offrir davantage d'opportunités aux chercheurs et ingénieurs en IA pour concrétiser leurs travaux et générer des revenus supplémentaires grâce à des modèles personnalisés de machine learning (ML) ou d'intelligence artificielle (IA). Plus important encore, ce réseau favorise une concurrence plus équitable sur le marché des services d'inférence en intégrant les résultats provenant de sources variées, y compris des fournisseurs décentralisés et centralisés.
Bien que certaines prévisions optimistes envisagent un transfert complet de toute la pile technologique de l'IA vers la blockchain, cet objectif fait aujourd'hui face à d'importants défis liés à la centralisation des données et des ressources de calcul, qui confèrent aux géants existants un avantage concurrentiel marqué. Néanmoins, les réseaux de coordination et de calcul décentralisés démontrent une valeur singulière dans la fourniture de services d'IA plus personnalisés, économiques, ouverts à la concurrence et résistants à la censure. En se concentrant sur ces marchés de niche où ces valeurs sont essentielles, le Web3 peut construire ses propres barrières à l'entrée, garantissant ainsi que la technologie la plus influente de notre époque évolue selon plusieurs directions simultanément, au profit d’un éventail plus large de parties prenantes, plutôt que d'être monopolisée par quelques géants traditionnels.
Enfin, je tiens à remercier chaleureusement tous les membres de l’équipe de Placeholder Investment, ainsi que Kyle Samani de Multicoin Capital, Anand Iyer de Canonical VC, Keccak Wong de Nectar AI, Alpin Yukseloglu d’Osmosis Labs et Cameron Dennis de la NEAR Foundation, dont les relectures et retours précieux ont grandement contribué à la rédaction de cet article.
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
@placeholdervc
