L’intersection entre l’intelligence artificielle générative et le Web3 est ONEun des domaines de recherche et développement les plus actifs dans les cercles Crypto au cours des derniers mois. Le calcul décentralisé, l'IA sans connaissance, les modèles de base plus petits, les réseaux de données décentralisés et les chaînes axées sur l'IA sont quelques-unes des tendances récentes qui visent à activer des rails natifs Web3 pour les charges de travail d'IA.

Ces tendances sont des innovations technologiques qui cherchent à relier les mondes du Web3 et de l’IA, représentant une friction naturelle contre la nature centralisée de l’IA générative. Bien que la création de ponts technologiques avec l'IA soit fondamentale pour l'évolution du Web3, ils ne représentent T la seule voie d'intégration pour ces tendances Technologies .

Et si le chemin vers l’intégration du Web3 et de l’IA était financier plutôt que purement technique ? Il s’avère que les capacités programmables de Finance et de formation de capital de la Crypto pourraient être 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 défis de financement de l’IA générative open source.

Malgré le niveau récent d’innovation dans l’IA générative décentralisée, l’écart avec la technologie d’IA centralisée augmente plutôt que diminue. De nombreuses personnes s’accordent à dire que les blockchains représentent la meilleure alternative Technologies au contrôle centralisé croissant des grandes plateformes technologiques par l’IA. Cependant, les défis d’adoption des plateformes d’IA décentralisées sont monumentaux.

Le calcul décentralisé est clairement un pilier de l'IA décentralisée, mais s'avère peu pratique pour le pré-entraînement et le réglage fin des charges de travail qui nécessitent des GPU à proximité immédiate avec un accès à des ensembles de données qui se trouvent souvent derrière les pare-feu d'entreprise. Le ML sans connaissance est trop coûteux pour être pratique dans les grands modèles de fondation et n’a T rencontré de réelle demande sur le marché. Les marchés de données décentralisés doivent surmonter les mêmes problèmes qui les ont empêchés de devenir de grandes entreprises technologiques.

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

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

Au cours des dernières années, nous avons assisté à une explosion d’innovations dans le domaine de l’IA générative à grande échelle open source comme alternative aux plateformes telles que OpenAI/Microsoft, Google ou Anthropic. Meta est devenu un surprenant 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 poussent des modèles open source, et le nombre de versions d'IA générative open source augmente chaque semaine.

Même si l’essor de l’IA générative open source est fort, une analyse plus détaillée montre une réalité différente. L’IA générative open source est confrontée à un énorme problème de financement. En ce qui concerne les grands modèles de fondations, seules les grandes entreprises telles que Databricks, Snowflake, Meta ou les startups bien financées comme Mistral parviennent à suivre les performances des grands modèles fermés. La plupart des versions d'autres laboratoires, comme Databricks et Snowflake, se concentrent sur des charges de travail d'entreprise optimisées, tandis que la plupart des recherches open source récentes se concentrent sur des techniques complémentaires plutôt que sur de nouveaux modèles.

La raison derrière ce phénomène peut être attribuée aux coûts astronomiques liés à la construction de grands modèles frontières. Tout cycle de pré-formation pour un modèle de plus de 20 milliards de paramètres pourrait coûter entre dix et cent millions de dollars et implique un processus de plusieurs mois avec de nombreuses tentatives infructueuses. Ces coûts ne relèvent pas du budget de la plupart des laboratoires universitaires. Pour rendre les choses plus intéressantes, de nombreuses subventions destinées aux laboratoires universitaires d’IA proviennent de grands acteurs technologiques historiques, qui sont ensuite les bénéficiaires immédiats des résultats.

Gagner de l’argent avec l’open source a toujours été difficile, et gagner de l’argent avec l’IA générative open source est difficile à l’échelle de l’IA. En conséquence, l’IA générative open source connaît une crise de financement massive qui peut créer un sérieux écart avec les acteurs historiques de l’IA.

Les primitives de formation de capital de la Crypto semblent être ONEune des rares alternatives viables pour répondre à la crise du financement de l’IA générative. Tout au long de son histoire, les jetons Crypto ont été le principal véhicule de formation de capital pour les projets Web3 à travers les cycles de marché haussier et baissier. Certains de ces principes pourraient-ils être appliqués à l’IA générative open source ? Il existe certainement ONE options intéressantes.

Gitcoin représente ONEun des exemples les plus réussis de financement de l'innovation open source dans le Web3. Le mécanisme de financement quadratique mis au point par Gitcoin pourrait s’appliquer directement à l’IA générative. Apporter des capacités natives d’IA générative au Web3 est primordial pour l’évolution de l’espace, il est donc naturel de s’attendre à ce que les projets d’IA générative attirent l’attention de la communauté.

Disons qu'un laboratoire universitaire d'IA doit lever 10 millions de dollars pour pré-former un LLM basé sur une nouvelle architecture. Plusieurs DAO et fondations peuvent contribuer à une subvention Gitcoin qui peut également être doublée par les donateurs, créant ainsi un mécanisme de financement plus efficace. Ce mécanisme est bien plus efficace que les alternatives actuelles sur le marché.

Le financement de projets open source permet des mécanismes dans lesquels la valeur créée par ces projets peut bénéficier à la communauté de financement d'origine. En ce qui concerne le Web3 et l'IA générative ouverte, une idée intéressante est d'établir une licence dans laquelle toute application commerciale utilisant un modèle financé à l'aide de jetons Web3 devrait contribuer à une partie de ces revenus sous la forme de ce jeton spécifique. Ce mécanisme peut même être appliqué via des contrats intelligents.

Les véhicules de financement pour l’IA open source constituent ONEun des défis les plus importants 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 des exigences informatiques coûteuses.

Ne pas permettre des canaux de financement appropriés pour favoriser l’innovation open source dans l’IA générative peut créer un risque systémique pour l’ensemble de l’espace, car la balance se déplacera entièrement vers des plateformes commerciales fermées. Crypto a mis en place certains des canaux les plus sophistiqués et les plus éprouvés pour financer l’innovation open source. Peut-être que le premier pont entre le Web3 et l’IA générative sera financier et pas nécessairement technique.

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