AI & Crypto: Ces trois domaines valent la peine de suivre

Les solutions MLOps, l’infrastructure distribuée et la traçabilité basée sur la blockchain de Décentralisation ouvrent la voie à un avenir plus Décentralisation et inclusif pour l’IA.

Écrit par io.net

Compilation : ALEX Liu, Foresight News

L’intelligence artificielle est rapidement devenue l’une des forces les plus centralisées au monde. Le développement et le déploiement de l’intelligence artificielle nécessitent des ressources considérables, notamment des capitaux importants, des capacités de calcul avancées et des talents hautement spécialisés. Bien sûr, seules les organisations les plus financièrement solides ont la capacité d’investir dans des infrastructures de pointe et d’attirer les meilleurs talents, tandis que les petites entreprises ont du mal à suivre.

Dans des circonstances traditionnelles, MLOps (Machine Learning Operations, formation en apprentissage automatique) est contrôlé par de grandes organisations qui gèrent en interne tout, de la collecte de données à la formation et au déploiement de modèles. Ce système écologique fermé monopolise les talents et les ressources, ce qui crée des obstacles majeurs pour les start-ups et les petites entreprises.

L’un des défis les plus excitants de la blockchain pour cette centralisation est de soutenir la décentralisation et les modèles d’intelligence artificielle non autorisés. En utilisant une communauté distribuée pour protéger, valider, affiner et vérifier chaque étape du déploiement des LLM (Large Language Models), nous pouvons empêcher quelques acteurs de dominer le domaine de l’intelligence artificielle.

io.net est à l’intersection étroite de l’intelligence artificielle et de la blockchain, et a identifié trois domaines clés qui peuvent remodeler le paysage.

MLOps distribué

Dans les MLOps traditionnelles, les grandes entreprises technologiques ont l’avantage. Ils ont le monopole des ressources et gèrent tout en interne. D’autre part, les MLOps basées sur la Décentralisation utilisent la blockchain et des jetons d’incitation pour créer un réseau distribué, permettant une participation plus large à l’ensemble du cycle de développement de l’intelligence artificielle.

Du marquage des données à l’affinage des modèles, le réseau Décentralisation peut s’étendre de manière plus efficace et équitable. La banque de talents peut être ajustée en fonction des besoins et de la complexité, ce qui rend cette approche particulièrement efficace dans les domaines d’expertise où les talents sont généralement concentrés dans des entreprises financièrement solides.

En prenant CrunchDao comme exemple, ils ont mis en place un modèle Décentralisation similaire à celui de Kaggle, où les talents en intelligence artificielle peuvent concourir pour résoudre des problèmes pour des sociétés commerciales. Avec la généralisation croissante de certains ensembles de données, les entreprises dépendront de plus en plus de ces réseaux de talents pour la supervision, l’ajustement et l’optimisation des “humains dans la boucle”. Un autre projet, Codigo, utilise une méthode similaire pour construire un réseau Décentralisation composé de développeurs en chiffrement, qui gagnent des Jeton pour entraîner et améliorer des modèles linguistiques spécifiques à la Cryptomonnaie.

Matériel distribué

L’un des plus grands obstacles au développement de l’intelligence artificielle aujourd’hui est l’obtention de GPU de pointe tels que le A100 et le H100 de Nvidia. Ils sont essentiels pour l’entraînement de grands modèles d’intelligence artificielle, mais leur coût est prohibitif pour la plupart des start-ups. Pendant ce temps, des entreprises telles qu’AWS concluent des transactions directes avec Nvidia, ce qui limite encore l’accès aux petites entreprises.

C’est pourquoi nous avons besoin de modèles Décentralisation basés sur la blockchain comme io.net. En permettant aux gens de monétiser leurs GPU inutilisées (qu’elles se trouvent dans des centres de données, des installations de Mining de cryptoactifs ou même des consoles de jeux), les petites entreprises peuvent accéder à la puissance de calcul dont elles ont besoin à très faible coût. Il s’agit d’une alternative sans permission et économiquement efficace aux fournisseurs de cloud traditionnels, sans risque d’audit ou de frais élevés.

Traçabilité distribuée

Comme l’a dit Balaji Srinivasan, “L’intelligence artificielle est un produit numérique abondant, la cryptomonnaie est un actif numérique rare ; l’intelligence artificielle génère, la cryptomonnaie vérifie.” Alors que les modèles d’intelligence artificielle dépendent de plus en plus de données nouvelles, privées voire protégées par le droit d’auteur, et avec la menace croissante de fausses profondeurs, il devient de plus en plus important de garantir l’origine des données et les licences appropriées.

Lorsqu’il s’agit de modèles d’intelligence artificielle formés sur des données protégées sans consentement approprié, la violation des droits d’auteur est un problème grave. C’est là que la solution de traçabilité Décentralisation brille. Grâce à un registre transparent et décentralisé basé sur la technologie de la blockchain, nous pouvons suivre et vérifier les données tout au long de leur cycle de vie (de la collecte au déploiement) sans dépendre d’institutions centralisées. Cela ajoute une couche de confiance, de responsabilité et de respect des droits des données, ce qui est essentiel pour l’avenir du développement de l’intelligence artificielle.

Conclusion

La fusion de l’intelligence artificielle et de la technologie blockchain offre de nouvelles méthodes passionnantes pour relever les défis de la centralisation dans le développement de l’intelligence artificielle. Les MLOps, le matériel distribué et les solutions de traçabilité basées sur la blockchain jouent tous un rôle dans la création d’un écosystème d’intelligence artificielle plus équitable et évolutif. Ces modèles permettent de créer un réseau de talents dynamique, d’utiliser les ressources informatiques inutilisées et de garantir la fiabilité des données, ouvrant ainsi la voie à un avenir plus décentralisé et inclusif de l’intelligence artificielle.