L'intersection entre l'intelligence artificielle générative et le Web3 est ONEun des domaines de recherche et développement les plus actifs dans le monde de la Crypto ces derniers mois. Le calcul décentralisé, l'IA à connaissance nulle, les modèles de fondation plus petits, les réseaux de données décentralisés et les chaînes IA-first sont quelques-unes des tendances récentes qui visent à permettre l'utilisation de rails natifs du Web3 pour les charges de travail d'IA.

Ces tendances sont des innovations technologiques qui cherchent à créer des ponts entre le Web 3 et l'IA, représentant une friction naturelle avec la nature centralisée de l'IA générative. Si la création de passerelles technologiques avec l'IA est fondamentale pour l'évolution du Web 3, elle ne représente T la seule voie d'intégration pour ces tendances Technologies .

Et si la voie vers l'intégration du Web3 et de l'IA était financière plutôt que purement technique ? Il s'avère que les capacités programmables de Finance et de formation de capital des Crypto pourraient s'avérer utiles pour relever ONEun des plus grands défis auxquels est confronté le marché actuel de l'IA générative.

De quel défi parlons-nous ? Rien d'autre que les difficultés de financement de l'IA générative open source.

L'IA générative open source doit réussir

Malgré le niveau récent d'innovation en matière d'IA générative décentralisée, l'écart avec l'IA centralisée se creuse au lieu de se réduire. Nombreux sont ceux qui s'accordent à dire que les blockchains représentent la meilleure alternative Technologies au contrôle de plus en plus centralisé de l'IA par les grandes plateformes technologiques. Cependant, les défis d'adoption des plateformes d'IA décentralisées sont colossaux.

Le calcul décentralisé est un pilier essentiel de l'IA décentralisée, mais il s'avère peu pratique pour le pré-entraînement et le réglage fin des charges de travail nécessitant la proximité des GPU et l'accès à des ensembles de données souvent protégés par des pare-feu d'entreprise. Le ML à connaissance nulle est trop coûteux pour être utilisé dans les grands modèles de base et ne connaît T de réelle demande sur le marché. Les marchés de données décentralisés doivent surmonter les mêmes difficultés qui les ont empêchés de devenir de grandes entreprises technologiques.

Alors que l'IA décentralisée s'efforce de surmonter ces frictions, les alternatives centralisées progressent à un rythme effréné, créant un fossé effrayant entre les deux. La ONE tendance qui entretient l'espoir d'un monde où l'IA décentralisée peut réussir est l'évolution rapide de l'IA générative open source.

Toutes les tendances en matière d’IA décentralisée reposent sur un écosystème d’IA générative open source sain, mais cet écosystème n’est peut-être pas aussi sain qu’il le paraît.

L'IA générative open source rencontre un énorme problème de financement

Ces dernières années, nous avons assisté à une explosion d'innovations dans le domaine de l'IA générative open source à grande échelle, alternative aux plateformes telles qu'OpenAI/Microsoft, Google ou Anthropic. Meta est devenu, à la surprise générale, un champion incontesté de l'IA générative open source avec la sortie des modèles Llama. Des entreprises comme Mistral ont levé des milliards de dollars en capital-risque, des plateformes d'entreprise comme Databricks ou Snowflake encouragent les modèles open source, et le nombre de versions d'IA générative open source augmente chaque semaine.

Si l'IA générative open source connaît un fort essor, une analyse plus détaillée révèle une réalité différente. Elle est confrontée à un problème de financement majeur. Concernant les grands modèles de base, seules de grandes entreprises comme Databricks, Snowflake, Meta ou des startups bien financées comme Mistral parviennent à égaler les performances des grands modèles fermés. La plupart des publications d'autres laboratoires, comme Databricks et Snowflake, sont axées sur l'optimisation des charges de travail d'entreprise, tandis que la plupart des recherches open source récentes se concentrent sur des techniques complémentaires plutôt que sur de nouveaux modèles.

Ce phénomène s'explique par les coûts astronomiques de la construction de grands modèles de frontière. Tout cycle de pré-apprentissage pour un modèle de plus de 20 milliards de paramètres pourrait coûter entre dix et cent millions de dollars et nécessiterait un processus de plusieurs mois, ponctué de nombreuses tentatives infructueuses. Ces coûts dépassent le budget de la plupart des laboratoires universitaires. Pour couronner le tout, de nombreuses subventions accordées aux laboratoires universitaires d'IA proviennent de grands acteurs technologiques, qui sont alors les bénéficiaires immédiats des résultats.

Il a toujours été difficile de générer des revenus avec l'open source, et générer des revenus avec l'IA générative open source est tout aussi complexe à grande échelle. Par conséquent, l'IA générative open source connaît une pénurie de financement massive, susceptible de créer un sérieux fossé avec les acteurs historiques de l'IA.

Capital Crypto pour l'IA générative open source

Les principes fondamentaux de formation de capital des Crypto semblent constituer ONEune des rares alternatives viables pour répondre à la pénurie de financement de l'IA générative. Tout au long de leur histoire, les Crypto ont été un vecteur essentiel de formation de capital pour les projets Web3, à travers les cycles haussiers et baissiers des marchés. Certains de ces principes pourraient-ils être appliqués à l'IA générative open source ? Il existe certainement ONE options intéressantes.

• Financement quadratique de Gitcoin
  
  

Gitcoin représente ONEun des exemples les plus réussis de financement de l'innovation open source sur le Web3. Le mécanisme de financement quadratique mis au point par Gitcoin pourrait s'appliquer directement à l'IA générative. L'intégration de capacités natives d'IA générative au Web3 est primordiale pour l'évolution de cet espace ; il est donc naturel de s'attendre à ce que les projets d'IA générative suscitent l'intérêt de la communauté.

Imaginons qu'un laboratoire universitaire d'IA doive lever 10 millions de dollars pour la préparation d'un master en droit (LLM) basé sur une architecture innovante. Plusieurs DAO et fondations peuvent contribuer à une subvention Gitcoin , qui peut également être doublée par les bailleurs de fonds, créant ainsi un mécanisme de financement plus efficace. Ce mécanisme est bien plus performant que les alternatives actuelles du marché.

• Une nouvelle licence d'IA générative open source

Le financement de projets open source permet de mettre en place des mécanismes permettant à la communauté de financement initiale de bénéficier de la valeur créée par ces projets. Concernant le Web3 et l'IA générative ouverte, une idée intéressante consiste à établir une licence selon laquelle toute application commerciale utilisant un modèle financé par des jetons Web3 devrait reverser une partie de ces revenus sous la forme de ce jeton spécifique. Ce mécanisme peut même être mis en œuvre via des contrats intelligents.

Faire face à un risque systémique pour l'IA générative ouverte

Le financement des véhicules d'IA open source constitue ONEun des défis majeurs à relever dans le paysage actuel de l'IA générative. L'open source est traditionnellement difficile à Finance, et l'IA générative open source l'est encore plus, compte tenu de ses besoins informatiques élevés.

Ne pas permettre aux canaux de financement adéquats de favoriser l'innovation open source en IA générative peut engendrer un risque systémique pour l'ensemble du secteur, car l'équilibre basculera entièrement vers les plateformes commerciales fermées. La Crypto a mis en place des canaux de financement de l'innovation open source parmi les plus sophistiqués et les plus éprouvés. Le premier pont entre le Web 3 et l'IA générative sera peut-être financier, et pas nécessairement technique.

Remarque : les opinions exprimées dans cette colonne sont celles de l'auteur et ne reflètent pas nécessairement celles de CoinDesk, Inc. ou de ses propriétaires et sociétés affiliées.