Grayscale : Comment la crypto peut accélérer l'arrivée de l'ère de l'IA ?

Auteur : Grayscale Research

Compilé par Felix, PANews

Grayscale（灰度） a annoncé hier le lancement d’un nouveau fonds, le Grayscale Decentralized AI Fund LLC, axé sur la DécentralisationAI. Les premiers projets du fonds incluent Bittensor (TAO), FIL (FIL), Livepeer (LPT), Near (NEAR) et Render (RNDR), parmi lesquels Near, FIL et Render sont les actifs les plus pondérés du fonds. Suite à cette annonce, le Jeton associé a fortement pumpé. Par la suite, Grayscale a publié un article sur l’interprétation de l’AI et de la DécentralisationAI, exposant les raisons pour lesquelles elles sont importantes. Voici le texte complet.

L’intelligence artificielle (IA) est l’une des technologies émergentes les plus prometteuses de ce siècle, capable d’augmenter de manière exponentielle la productivité humaine et de stimuler les percées médicales. Bien que l’IA puisse être importante aujourd’hui, son impact ne fera que croître. Selon les estimations de PwC, l’IA devrait devenir une industrie valant 15 billions de dollars d’ici 2030.

Cependant, cette technologie prometteuse est confrontée à des défis. Avec la puissance croissante de l’intelligence artificielle, le pouvoir dans l’industrie de l’IA est concentré entre les mains de quelques entreprises, ce qui présente des risques potentiels pour la société. Cela soulève également de graves préoccupations concernant la falsification de la profondeur, les préjugés intégrés et les risques liés à la confidentialité des données. Heureusement, la technologie de chiffrement offre des solutions potentielles à certains de ces problèmes grâce à la décentralisation et à la transparence.

Cet article examinera les problèmes posés par la centralisation et comment DécentralisationAI peut aider à résoudre certains de ces problèmes. Il discutera également de l’intersection entre Crypto et AI, en mettant l’accent sur les applications de chiffrement qui ont montré des signes précoces d’adoption dans ce domaine.

**Problèmes de l’IA centralisée

Le développement actuel de l’IA est confronté à certains risques et défis. Les effets en réseau de l’IA et les besoins en capital intensifs sont si importants que de nombreux développeurs d’IA en dehors des grandes entreprises technologiques, tels que les petites entreprises ou les chercheurs universitaires, ont du mal à obtenir les ressources nécessaires au développement de l’IA ou à monétiser leur travail, ce qui limite la concurrence et l’innovation globales de l’IA.

Par conséquent, l’impact de cette technologie clé est principalement concentré entre les mains de quelques entreprises telles que OpenAI et Google, ce qui a suscité de sérieuses questions sur la gouvernance de l’IA. Par exemple, en février de cette année, le générateur d’images AI de Google, Gemini, a été accusé de discrimination raciale et d’erreurs historiques, soupçonné de manipuler les modèles. De plus, en novembre de l’année dernière, un conseil d’administration composé de six personnes a décidé de renvoyer Sam Altman, le PDG d’OpenAI, mettant en lumière le fait que quelques personnes contrôlent effectivement les entreprises qui développent ces modèles.

Avec l’influence et l’importance croissantes de l’IA, beaucoup de gens s’inquiètent du fait qu’une entreprise puisse avoir le pouvoir de décider des modèles IA qui ont un impact énorme sur la société. Il est même possible qu’elle érige des barrières et manipule les modèles dans son propre intérêt, même au détriment des autres.

DécentralisationAIComment fournir de l’aide

DécentralisationAI refers to AI services that utilize blockchain technology to distribute AI ownership and governance in a way that enhances transparency and accessibility. Grayscale Research believes that DécentralisationAI has the potential to release these important decisions from closed environments and make them public.

La technologie de la blockchain peut aider les développeurs à accéder davantage à l’IA, ce qui réduit le seuil de développement indépendant et de monétisation des résultats du travail. Cela contribuera à améliorer l’innovation et la concurrence globales en matière d’IA, tout en maintenant un équilibre avec les modèles développés par les géants de la technologie.

En outre, l’IA de la Décentralisation peut aider à démocratiser l’investissement dans l’IA. Actuellement, il y a peu de moyens de tirer des revenus du développement de l’IA, en dehors de quelques actions technologiques. Pendant ce temps, un montant important de capital privé a été alloué aux startups et entreprises privées d’IA (470 milliards de dollars en 2022, 420 milliards de dollars en 2023). Par conséquent, seuls un petit nombre de capital-investisseurs et d’investisseurs accrédités peuvent bénéficier des revenus de ces entreprises. En revanche, les actifs de chiffrement de l’IA de la Décentralisation sont ouverts à tous, permettant à chacun de participer à l’avenir de l’IA.

Comment se développe actuellement le domaine de la convergence ?

La convergence de la crypto et de l’IA est encore à un stade précoce en termes de maturité, mais la réaction du marché est encourageante. Jusqu’en mai 2024, le rendement des actifs chiffrés dans le domaine de l’IA s’élève à 20 %, ce qui est meilleur que la plupart des autres pistes chiffrées. De plus, selon les données de Kaito, la piste de l’IA affiche actuellement la plus grande “part de narration cognitive” (la plus grande attention du marché) sur les plateformes sociales par rapport à d’autres pistes telles que la finance décentralisée, la couche 2, les Meme et RWA.

Récemment, certains personnalités connues ont commencé à embrasser ce nouveau domaine en s’efforçant de résoudre les lacunes de l’IA centralisée. En mars de cette année, Emad Mostaque, fondateur de la société d’IA Stability AI, a quitté l’entreprise pour se consacrer à l’IA décentralisée, affirmant que “le moment est venu de garantir l’ouverture et la décentralisation de l’IA”. De plus, Erik Vorhees, fondateur de ShapeShift, a récemment lancé Venice.ai, un service d’IA axé sur la confidentialité avec un chiffrement de bout en bout.

Figure 1: Jusqu’à présent cette année, les performances d’AI Universe ont presque dépassé toutes les pistes de chiffrement.

La convergence de la crypto et de l’IA peut être divisée en trois sous-catégories principales :

• Couche d’infrastructure : réseau fournissant une plateforme de développement d’IA (comme NEAR, TAO, FET)
• Ressources requises pour l’IA: actifs fournissant les ressources clés (calcul, stockage, données) nécessaires au développement de l’IA (par exemple RNDR, AKT, LPT, FIL, AR, MASA)
• Résoudre les problèmes d’IA: actifs tentant de résoudre les problèmes liés à l’IA, tels que l’émergence de robots et de faux développements de profondeur et la vérification des modèles (tels que WLD, TRAC, NUM)

Graphique 2*：Carte du marché de l’IA et de la Crypto

Source: Grayscale Investments. Les protocoles inclus sont des exemples illustratifs

Un réseau fournissant une infrastructure pour le développement de l’IA

Le premier type est un réseau qui fournit une architecture ouverte sans licence, construit spécifiquement pour le développement global des services d’IA. Ces actifs ne se concentrent pas sur un produit ou service d’IA spécifique, mais se concentrent sur la création d’infrastructures et de mécanismes incitatifs sous-jacents pour diverses applications d’IA.

NEAR se démarque dans cette catégorie avec son fondateur étant co-fondateur de l’architecture “Transformer”, qui soutient des systèmes d’IA tels que ChatGPT. En mai de cette année, NEAR a annoncé son objectif de créer un écosystème d’IA détenu par les utilisateurs, axé sur l’optimisation de la confidentialité et de la souveraineté des utilisateurs. Fin juin, NEAR a lancé son programme d’incubation d’IA pour développer une plateforme de données pour les modèles de base natifs de NEAR, les applications d’IA, les cadres d’agents d’IA et les marchés de calcul.

Bittensor est une plateforme qui utilise TAOJeton pour encourager économiquement le développement de l’IA. En tant que base pour 38 sous-réseaux (subnets), Bittensor a différents cas d’utilisation tels que des chatbots, la génération d’images, des prévisions financières, la traduction de langues, l’entraînement de modèles, le stockage et le calcul. Le réseau Bittensor récompense les meilleurs Mineurs et validateurs de chaque sous-réseau avec TAOJeton, et fournit aux développeurs une API sans autorisation pour construire des applications d’IA spécifiques en interrogeant les Mineurs du sous-réseau Bittensor.

Ce category inclut également d’autres protocoles tels que Fetch.ai et le réseau Allora. Fetch.ai est une plateforme permettant aux développeurs de créer des assistants IA complexes (ou “agents IA”), qui a récemment fusionné avec AGIX et OCEAN pour une capitalisation boursière totale d’environ 7,5 milliards de dollars. Un autre exemple est le réseau Allora, une plateforme axée sur l’application de l’IA aux applications financières, y compris des stratégies de trading automatique pour les DEX et les marchés de prévision. Allora n’a pas encore émis de jetons et a réalisé un financement stratégique en juin, avec un total de 35 millions de dollars de ventes privées.

Les ressources nécessaires pour le développement de l’IA

La deuxième catégorie comprend les actifs qui fournissent les ressources nécessaires au développement de l’IA sous forme de calcul, de stockage ou de données.

L’émergence de l’IA a entraîné une demande massive de ressources de calcul sous forme de GPU. Des marchés de GPU décentralisés tels que Render (RNDR), Akash (AKT) et Livepeer (LPT) fournissent des GPU inutilisés aux développeurs pour l’entraînement de modèles, l’inférence de modèles ou le rendu 3D génératif d’IA. Render offre environ 10 000 GPU, principalement aux artistes et à l’IA générative, tandis qu’Akash offre 400 GPU, principalement aux développeurs et chercheurs en IA. Parallèlement, Livepeer a récemment annoncé un nouveau plan de sous-réseau AI visant à exécuter des tâches d’inférence AI telles que la conversion de texte en image, de texte en vidéo et d’image en vidéo d’ici août 2024.

En plus d’exiger d’importantes ressources de calcul, les modèles d’IA nécessitent également une grande quantité de données. Par conséquent, la demande de stockage de données a considérablement augmenté. Des solutions de stockage de données telles que FIL (FIL) et Arweave (AR) peuvent servir de solutions de rechange décentralisées et sécurisées, permettant de stocker les données d’IA sur des serveurs AWS centralisés. Ces solutions offrent non seulement un stockage rentable et évolutif, mais renforcent également la sécurité et l’intégrité des données en éliminant les points de défaillance uniques et en réduisant les risques de fuite de données.

Enfin, les services d’IA existants tels que OpenAI et Gemini peuvent accéder en continu aux données en temps réel via Bing et Google, respectivement. Cela place tous les autres développeurs de modèles d’IA, à l’exception des entreprises technologiques, dans une position défavorable. Cependant, des services de collecte de données tels que Grass et Masa peuvent aider à créer un environnement de concurrence équitable en permettant aux individus de tirer profit de la formation de modèles d’IA en fournissant des données d’application, tout en maintenant le contrôle et la confidentialité des données personnelles.

Tentative de résolution des problèmes liés à l’IA

La troisième catégorie comprend les actifs qui tentent de résoudre les problèmes liés à l’IA, y compris les robots, la fausse profondeur et l’émergence des sources de contenu.

Un autre problème majeur de l’IA est la prolifération des robots et des fausses informations. Les fausses informations générées par l’IA ont déjà eu un impact sur les élections présidentielles en Inde et en Europe, et les experts sont ‘très inquiets’ de l’impact massif de la ‘fausse information’ générée par Depth sur les prochaines élections présidentielles américaines. Les actifs visant à résoudre les problèmes liés aux fausses informations générées par Depth incluent Origin Trail (TRAC), Numbers Protocol (NUM) et Story Protocol. De plus, Worldcoin (WLD) tente de résoudre le problème des robots en utilisant une identification biométrique unique.

Un autre risque de l’IA est de garantir la confiance dans le modèle lui-même. Comment être sûr que les résultats de l’IA reçus n’ont pas été falsifiés ou manipulés ? Actuellement, plusieurs protocoles tels que la cryptographie, les preuves de connaissance nulle et le chiffrement totalement homomorphe (FHE) sont utilisés pour résoudre ce problème, tels que Modulus Labs et Zama.

Conclusion

Bien que ces actifs d’intelligence artificielle (IA) aient déjà obtenu des résultats préliminaires, ils se trouvent encore à un stade précoce. Au début de cette année, l’investisseur en capital-risque Fred Wilson a déclaré que l’IA et la Crypto étaient « les deux faces d’une même pièce » et que « Web3 nous aidera à faire confiance à l’IA ». À mesure que l’industrie de l’IA mûrit, Grayscale Research estime que ces cas d’utilisation chiffrée liés à l’IA deviendront de plus en plus importants, ces deux technologies en développement rapide pourraient se compléter mutuellement.

De nombreux signes indiquent que l’ère de l’IA est imminente et aura des impacts profonds, qu’ils soient positifs ou négatifs. En exploitant les caractéristiques de la technologie de la blockchain, il est possible de croire que la cryptographie peut finalement aider à atténuer certains des dangers de l’IA.

Lecture connexe: Pourquoi les sociétés de capital-risque parient massivement sur Crypto x AI