Il s’agit d’une évolution logique pour les plateformes Web 3 d’intégrer des fonctionnalités natives.intelligence artificielle(IA).

L'IA influence toutes les catégories de logiciels, et le Web 3 ne devrait T faire exception. Cependant, les Stacks Web 3 présentent des obstacles techniques fondamentaux à l'adoption des technologies d'IA.

Dans de précédents articles sur CoinDesk, j'ai évoqué la pertinence des techniques d'IA pour la Finance décentralisée (DeFi) et les jetons non fongibles (NFT). Au-delà de la compréhension de leur valeur évidente, il est important d'analyser comment l'IA pourrait s'implanter dans l'espace Web 3 dans un avenir NEAR , et quels sont les principaux obstacles qui entravent actuellement sa concrétisation.

Jesus Rodriguez est CTO et co-fondateur de la plateforme de données blockchain IntoTheBlock, ainsi que scientifique en chef de la société d'IA Invector Labs et investisseur actif, conférencier et auteur dans le Crypto et de l'intelligence artificielle.

« Le logiciel est en train de dévorer le monde », a déclaré en 2011 le géant du capital-risque Marc Andreessen, synthétisant l’idée que les entreprises opérant dans le monde physique étaient en transition vers un ONE numérique et que le logiciel serait leur pierre angulaire.

Sur le même sujet : Qu’est-ce que le Web 3 et pourquoi tout le monde en parle ?

Maintenant, nous pouvons dire que «apprentissage automatique « (ML) is eating software » (L'apprentissage automatique est en train de dévorer les logiciels) pour mettre en évidence une tendance émergente : la plupart des logiciels du monde seront réécrits avec l'IA/ML comme éléments constitutifs CORE . Lorsqu'on pense aux composants omniprésents des applications logicielles, des fonctionnalités telles que les bases de données et l'identité viennent immédiatement à l'esprit. L'intelligence, sous la forme de modèles d'IA/ML, devient progressivement un autre élément fondamental des applications logicielles modernes.

De nos jours, les tendances logicielles, notamment le cloud computing, les réseaux et la cybersécurité, sont repensées avec le Machine Learning comme un atout majeur. Le Web 3 étant la prochaine itération de nombre de ces tendances logicielles, le Machine Learning jouera probablement un rôle fondamental dans l'évolution des technologies Web 3. Développer une thèse sur l'intersection entre Machine Learning et Web 3 nécessite de comprendre à la fois la trajectoire d'adoption des capacités de Machine Learning dans les Stacks Web 3, ainsi que certains des défis fondamentaux.

Couches d'intelligence du Web 3

L’ajout du ML au Web 3 ne se fera pas comme une tendance atomique ; il sera plutôt réparti sur différentes couches de la pile Web 3. L’intelligence pilotée par le ML peut émerger dans trois couches clés du Web 3.

Blockchains intelligentes

La génération actuelle de plateformes blockchain s'est concentrée sur la création de composants informatiques distribués clés permettant le traitement décentralisé des transactions financières. Les mécanismes de consensus, les structures de pools de mémoire et les oracles en sont quelques-uns. Tout comme les composants CORE des infrastructures logicielles traditionnelles, comme les réseaux et le stockage, deviennent intelligents, la prochaine génération de blockchains de couche 1 (de base) et de couche 2 (compagnies) intégrera nativement des fonctionnalités basées sur le Machine Learning. Par exemple, on peut imaginer un environnement d'exécution blockchain utilisant une prédiction de Machine Learning pour les transactions afin de permettre un protocole de consensus hautement évolutif.

Protocoles intelligents

Les contrats et protocoles intelligents sont un autre composant de la pile Web 3 qui commencera à intégrer des fonctionnalités de Machine Learning. La DeFi semble être l'exemple type de cette tendance. Nous sommes proches de voir apparaître une génération de teneurs de marché automatisés (AMM) ou de protocoles de prêt DeFi intégrant une logique plus intelligente basée sur des modèles de Machine Learning. Par exemple, on peut imaginer un protocole de prêt utilisant un score intelligent pour équilibrer les types de prêts provenant de différents types de portefeuilles.

Dapps intelligentes

Les applications décentralisées (dapps) figureront probablement parmi les solutions Web 3 les plus susceptibles d'intégrer rapidement des fonctionnalités basées sur le Machine Learning. Cette tendance est déjà observée avec les NFT, mais elle va se généraliser. Les NFT de nouvelle génération passeront d'images statiques à des artefacts au comportement intelligent. Certains de ces NFT pourront modifier leur comportement en fonction de l'humeur de leur public ou du profil de leurs nouveaux propriétaires.

De haut en bas, pas de bas en haut

En considérant les différentes couches d'intelligence du Web 3, on pourrait naïvement supposer qu'une adoption ascendante est la plus logique. Les environnements d'exécution blockchain peuvent devenir intelligents, et une partie de cette intelligence peut influencer les couches supérieures de la pile, comme les protocoles DeFi ou les NFT. Pourtant, de sérieuses limitations technologiques imposeraient une adoption descendante, plutôt qu'ascendante, des technologies de ML dans les Stacks Web 3.

L'origine de ces obstacles technologiques trouve son origine dans l'architecture de la génération actuelle d'environnements d'exécution blockchain. En principe, les blockchains sont conçues autour d'un paradigme informatique distribué qui coordonne différents nœuds pour effectuer des calculs aboutissant à un consensus sur le traitement des transactions.

Sur le même sujet : Le Web 3 est un combat de longue haleine qui vaut la peine d'être mené

Cette approche contraste avec les modèles ML de pointe, qui nécessitent des calculs complexes et longs pour l'entraînement et l'optimisation, et qui ont été conçus principalement pour des architectures centralisées. Cette friction signifie que l'intégration de fonctionnalités ML natives dans les environnements d'exécution blockchain, bien que possible, nécessitera quelques itérations.

Les protocoles DeFi sont moins limités par l'adoption des fonctionnalités de ML, car ils peuvent s'appuyer sur des oracles et des agents intelligents externes capables de tirer pleinement parti des plateformes de ML existantes. De plus, cette limitation est quasi inexistante pour les dApps et les NFT. De ce point de vue, nous pensons que l'adoption des fonctionnalités de ML dans les solutions Web 3 Réseaux sociaux probablement une trajectoire descendante, allant des dApps aux protocoles, puis aux environnements d'exécution blockchain, plutôt que l'inverse.

Le Web3 intelligent est déjà là

L'écrivain de science-fiction William Gibson a écrit : « Le futur est déjà là, mais il n'est pas uniformément réparti » pour expliquer la trajectoire des tendances Technologies futuristes. Cette idée s'applique parfaitement à l'intersection de l'IA et du Web 3.

L'évolution rapide de la recherche et des Technologies en ML au cours de la dernière décennie s'est traduite par un nombre impressionnant de plateformes, de frameworks et d'API ML permettant d'ajouter des fonctionnalités intelligentes aux solutions Web 3. Nous observons déjà des exemples isolés d'intelligence dans les applications Web 3. On peut donc affirmer sans risque que le Web 3 intelligent existe déjà, mais qu'il est inégalement réparti.

Sur le même sujet : Créer la rampe d'accès pour le Web 3