L’intelligence artificielle évolue rapidement, mais l’histoire est dominée par quelques ingénieurs majeurs. Openai, Google et Meta font les gros titres, mais des changements plus silencieux et potentiellement plus fondamentaux sont en cours. Il s’agit d’une transition vers une IA décentralisée (DEAI).
Ce n’est pas seulement un nouvel algorithme. C’est une réponse au contrôle centralisé. Les utilisateurs se méfient des systèmes opaques, des programmes de données cachés et de la puissance concentrés entre plusieurs mains, mais pour échapper à ces jardins clos, les fondations de l’IA doivent être rétablies. Cependant, certains projets relèvent ces défis de front, jetant les fondements qui peuvent redéfinir le rôle de l’IA.
Comprendre cette évolution est important pour ceux qui construisent ou investissent dans des espaces décentralisés, car la prochaine vague d’innovation de l’IA dépend de la bonne base de ces fondations.
Pourquoi l’IA décentralisée sont-elles différentes?
Le déploiement de l’IA dans un environnement non fiable et distribué changera fondamentalement le jeu. Toutes les inférences peuvent nécessiter une vérification du cryptage. L’accès aux données implique souvent de naviguer dans des index de blockchain complexes. De plus, contrairement aux géants centralisés, le projet DEAI ne peut pas simplement fournir des ressources sur AWS ou Google Cloud lorsque la demande de calcul augmente.
Considérez le modèle DEai de gouvernance communautaire. Il doit interagir avec les contrats intelligents, potentiellement transverte, assurer la confidentialité par le cryptage complexe et fonctionner de manière transparente. Il s’agit d’un défi informatique qui est très différent de l’analyse typique de l’IA.
Cette complexité explique pourquoi les premières visions de Deai trébuchaient souvent. Ils ont sacrifié la décentralisation pour l’efficacité ou se sont affluxes en fonction des exigences de traitement. Les progrès réels ont commencé lorsque les équipes ont cessé de rénover l’IA traditionnelle dans les paramètres de blockchain et ont lancé un système de technologie architecturale dédié aux défis de la décentralisation, de la transparence et du contrôle des utilisateurs.
Application réelle du tableau blanc à MainNet
Le projet DEAI va finalement au-delà des idéaux théoriques. Plusieurs équipes ont déployé des systèmes de travail qui démontrent des applications pratiques, abordant les inconvénients des alternatives centralisées en particulier.
Conférence de Shawn et Scott à Hong Kong
Shawn Lee
Kava, un leader de la volonté de transparence vers l’IA centralisée, apparaît comme une force clé, démontrant comment les modèles distribués peuvent remettre en question les grandes technologies. Leur plate-forme intègre des éléments d’IA décentralisés. Comme le cofondateur de Kava, Scott Stuart, l’a détaillé dans une récente discussion à Hong Kong, la demande tangible des utilisateurs pour les systèmes de responsabilité est mise en évidence par une base d’utilisateurs de plus de 100 000. Cette expansion de l’adoption sert de preuve solide de la contestation de l’hippopotame à la «boîte noire» commune, car la manipulation transparente gouvernée par la communauté fournit une alternative claire.
Les protocoles à proximité fournissent une infrastructure évolutive pour les applications distribuées à haut débit, permettant des processus DEAI efficaces. La plate-forme pionniers de l’ordinateur Internet (ICP) pour les applications AI fonctionne complètement sur chaîne, garantissant une décentralisation et une sécurité de bout en bout.
Construire l’épine dorsale
Les demandes uniques de Deai ont révélé un écart clé dans l’infrastructure Web3 existante. Akash Network a reconnu cela tôt. Leur solution, Depin (réseaux d’infrastructures physiques décentralisés), exploite les ressources informatiques globales non utilisées pour fournir une résilience et des alternatives rentables aux fournisseurs de cloud centralisés de charges de travail d’IA, créant un marché pour les calculs qui améliorent la résistance à la censure.
L’accessibilité des données est une autre partie du puzzle. Les graphiques rationalisent l’indexation et la requête des données de la blockchain, permettant aux applications DEAI d’accéder et de traiter la grande quantité d’informations sur la chaîne nécessaires pour une analyse et une prise de décision significatives, sans les nœuds individuels écrasants.
Tout au long de l’écosystème, les équipes ressentent l’impact de ces mises à niveau d’infrastructure. Deai peut désormais gérer des tâches plus sophistiquées, de la gestion des stratégies Defi complexes à l’origine du pouvoir des plateformes sociales décentralisées.
La viabilité de projets comme Kava provient directement des progrès de ces infrastructures, car ils exécutent des éléments sur des rails distribués activés par des plates-formes telles que Akash.
La route à venir
L’infrastructure évolutive de Web3 débloque ses propres possibilités pour le déploiement de la DAI. Prenez l’injustice. Les agents de l’IA, comme ces Kavas, s’efforcent de se dérouler plus tard cette année, visant à automatiser des stratégies complexes de chaîne croisée, à optimiser l’agriculture de rendement et à résumer la complexité intimidante qui empêche les utilisateurs grand public. Cela nécessite non seulement une logique d’IA mais aussi une interaction transparente entre divers protocoles et des aliments robustes de données entraînés par une infrastructure de type graphique.
La gouvernance communautaire est une autre frontière. Des projets tels que DEXE explorent des cadres axés sur la communauté qui répondent au développement de l’IA au consensus des utilisateurs et aux besoins réglementaires. Utilisez des agents d’IA pour simuler les impacts politiques lorsque l’infrastructure est robuste ou gérer les finances de DAO.
Regarder au-delà des mots à la mode
Le succès de Deai dépend de plus que l’attrait des modèles intelligents et de l’idéologie. Les fournisseurs d’infrastructures et les développeurs d’applications sont confrontés à des défis persistants centrés sur les goulots d’étranglement de calcul, les normes de communication transversales, la véracité des données et la véritable décentralisation.
Les modèles théoriques se brisent souvent lorsqu’ils entrent en contact avec la réalité du principal. Demandez à l’équipe de déployer Deai sur les cas Edge rencontrés, notamment la volatilité inattendue du marché, les pics de congestion du réseau, exploite la gouvernance avec laquelle les modèles actuels luttent.
Les prochaines phases importantes incluent la normalisation et l’interopérabilité. À mesure que de plus en plus d’applications DEAI émergent, la nécessité de cadres généraux pour les données, les calculs et la gouvernance devient le plus important. Le succès à long terme repose sur la création d’un écosystème où les composants distribués travaillent ensemble de manière transparente, plutôt qu’une collection de solutions concurrentes isolées.
Ces éléments fondamentaux – une infrastructure robuste, des données accessibles, une gouvernance adaptative – peuvent ne pas être en mesure de faire les gros titres comme les percées de formation des modèles. Mais ils décident finalement si l’IA décentralisée tiendra ses promesses de l’avenir qui sont devenues plus transparentes, responsables et conviviales, ou limitées aux applications de niche. Aujourd’hui, les équipes qui résolvent ces défis fondamentaux façonnent la trajectoire de l’IA de demain.
