7 plateformes d'IA décentralisées à suivre de près
En bref
Dans cet article, nous mettons en lumière les 7 principales plateformes d'IA décentralisées qui contribuent à rééquilibrer les règles du jeu.
Les innovations en matière d'intelligence artificielle (IA) ont connu une croissance fulgurante depuis l'apparition de ChatGPT en novembre 2022. Cependant, malgré sa généralisation, d'importants obstacles continuent de ralentir le développement et l'adoption de l'IA – l'un des plus grands défis auxquels est confrontée cette industrie naissante est la qualité et le contrôle des données.
Selon une estimation Selon Epoch AI, le stock total effectif de données textuelles publiques générées par l'homme est d'environ 300 billions de jetons ; ce stock de données sera probablement entièrement utilisé par les modèles de langage pour l'entraînement entre 2026 et 2032. Cette pénurie de données imminente, associée à des préoccupations concernant la transparence et le coût, résulte principalement de la centralisation de la plupart des pipelines de données d'IA.
Du côté positif, les infrastructures décentralisées s'avèrent précieuses pour résoudre certains de ces problèmes. Cet article présente les sept principales plateformes d'IA décentralisées qui contribuent à démocratiser l'accès à l'IA. Ces plateformes émergentes permettent aux développeurs d'IA et aux entreprises d'obtenir des ensembles de données vérifiables et issus de la communauté, sans dépendre d'intermédiaires centralisés.
OORT : Le cloud de données complet pour l’IA décentralisée
OORT est une solution d'IA décentralisée de bout en bout conçue pour permettre aux entreprises et aux particuliers de collecter, traiter et monétiser les données d'IA.
Ce qui distingue ce cloud de données d'IA de ses homologues centralisés, c'est son approche communautaire mondiale. Au lieu de s'appuyer sur des processus de collecte de données opaques, OORT introduit une plateforme de collecte de données décentralisée et multichaîne, baptisée OORT DataHub. Cette plateforme tire parti des contributions d'une communauté internationale pour fournir des ensembles de données diversifiés, de haute qualité et vérifiables, afin de pallier les lacunes actuelles en matière de qualité et de contrôle des données d'IA.
Le DataHub d'OORT est pris en charge par un réseau décentralisé, OORT Edge, qui assure le stockage et le traitement des données collectées ; il le fait grâce à un dispositif matériel de nœud périphérique – Deimos.
Ainsi, les utilisateurs de l'écosystème OORT ont la possibilité de gagner des récompenses monétisables grâce à contribuant vers le DataHub ou en devenant une partie du réseau périphérique par hébergement Un nœud est connecté via le dispositif Deimos. Cet écosystème d'IA décentralisé compte actuellement plus de 330 000 contributeurs de données, plus de 83 000 nœuds et plus de 10 000 utilisateurs quotidiens.
Bittensor : Le réseau d'intelligence décentralisée
Bittenseur est une autre plateforme d'IA décentralisée intéressante ; au cœur de cet écosystème basé sur la blockchain se trouve la production sur la chaîne de biens numériques, y compris l'inférence d'IA, l'entraînement et l'infrastructure associée.
Alors, comment ça marche ? Bittensor exploite le concept de sous-réseaux pour créer des communautés qui produisent ces ressources numériques à des tarifs compétitifs. Ce système repose sur un modèle incitatif où les meilleurs mineurs (contributeurs) sont récompensés pour l’accomplissement d’une tâche spécifique. Au sein d’un sous-réseau d’IA, ces tâches peuvent inclure des services tels que l’entraînement, la prédiction ou l’inférence spécialisée.
Le réseau Bittensor comprend également des validateurs dont le rôle est de valider le travail effectué par les mineurs. Ceci garantit que seuls les services de qualité sont récompensés par le modèle d'incitation de Bittensor ; l'écosystème émet 7 200 jetons TAO chaque jour à cette fin. La répartition des ressources au sein des sous-réseaux est la suivante : créateur du sous-réseau (18 %), validateurs (41 %) et mineurs (41 %).
Les sous-réseaux décentralisés de Bittensor marquent une rupture avec le processus centralisé de formation de l'IA, où les géants de la tech détiennent le monopole de la collecte de données et d'autres services d'IA.
Ocean Protocol : Marché des données prêtes pour l'IA
Protocole océanique est un acteur établi dans ce domaine émergent de l'innovation. Conçue comme un protocole décentralisé, cette plateforme facilite les deux composantes essentielles au développement de l'IA : les données et la puissance de calcul.
L'architecture technique comprend trois éléments principaux : les Datatokens, les nœuds Ocean et le traitement des données. Grâce aux Datatokens, les utilisateurs d'Ocean Protocol peuvent tokeniser leurs données privées et les rendre disponibles pour l'entraînement de modèles, tout en préservant leur confidentialité. Cette approche, appelée « contrôle d'accès par tokenisation », permet aux propriétaires de données de publier des services de données sur la plateforme Ocean Protocol via un modèle de contrôle d'accès décentralisé.
Quant aux nœuds Ocean, ils permettent de monétiser les ressources de calcul inutilisées. Les utilisateurs d'appareils du monde entier peuvent ainsi mettre leur puissance de calcul inutilisée au service du réseau Ocean en échange de récompenses écosystémiques.
Le modèle « Compute-to-Data » est la caractéristique phare de cet écosystème ; il permet aux utilisateurs (entraîneurs de modèles) d’acheter des jeux de données sur lesquels ils peuvent exécuter leurs modèles sans que la confidentialité du fournisseur ne soit compromise. C’est ce qui confère à Ocean Protocol un avantage certain en tant que « place de marché décentralisée pour les données prêtes à l’emploi pour l’IA ».
SingularityNET : Le pionnier des services d'IA décentralisés
SingularityNET est un pionnier de l'IA décentralisée ; lancé en 2017, le projet a levé 36 millions de dollars lors d'une ICO en une minute. Depuis, il est devenu une plateforme blockchain réputée permettant aux utilisateurs de créer, partager et monétiser des services d'IA.
Contrairement à ses concurrents, qui se concentrent sur les ensembles de données et la puissance de calcul brute, SingularityNET se spécialise dans les services d'IA tels que les API, les modèles et les agents que les développeurs peuvent monétiser ou acquérir pour soutenir leurs projets de développement. Ceci est possible grâce au jeton natif de la plateforme, $AGIX, qui permet aux utilisateurs de payer pour ces services d'IA.
Le modèle d'infrastructure de SingularityNET accorde une grande importance à l'interopérabilité, permettant aux différents services de s'appuyer les uns sur les autres. Ceci crée un écosystème favorable à l'IA où des contributeurs indépendants peuvent assembler des pipelines complexes.
Une autre caractéristique remarquable de ce projet est la vision de son fondateur, le Dr Ben Goertzel, de faire progresser l'intelligence artificielle générale (IAG) – une ère où l'IA aura la capacité d'effectuer toutes les tâches que les êtres humains peuvent accomplir et de potentiellement surpasser l'intelligence humaine dans plusieurs domaines.
Fetch.ai : Agents décentralisés et économie des données
Fetch.ai Il s'agit d'une autre innovation novatrice qui s'inscrit dans la future économie des agents, alimentée par des agents d'IA. Ce projet est conçu comme une plateforme multi-agents permettant à des agents logiciels autonomes d'interagir, de négocier et d'effectuer des transactions de données pour le compte d'utilisateurs, d'organisations ou d'appareils, tout en s'appuyant sur la technologie blockchain pour sécuriser les canaux de communication.
L'un des principaux composants de cet écosystème est le cadre d'agents (AEA). Il est chargé de fonctions telles que la collecte et l'analyse de données, l'interaction avec d'autres agents ou sources de données, la prise de décisions, les transactions et la participation à l'apprentissage automatique ou à l'optimisation des tâches. On peut les considérer comme des jumeaux numériques agissant pour le compte des utilisateurs.
Ce qui ressort de Fetch.ai Il s'agit de permettre des flux de données dynamiques en temps réel entre agents autonomes. Cela représente un progrès par rapport aux pipelines d'IA traditionnels, qui sont non seulement centralisés, mais aussi statiques. Par exemple, un système de gestion du trafic dans une ville à forte densité de population peut utiliser des agents d'IA pour acheter des données de trafic en temps réel auprès des capteurs de la ville, grâce au modèle d'économie basée sur les agents.
Gensyn : Calcul décentralisé pour l’entraînement de l’IA
Selon un récent rapport D'après les projections de McKinsey, les centres de données du monde entier auront besoin d'environ 6 700 milliards de dollars pour répondre à la demande croissante en puissance de calcul. Gensin Elle s'attaque à ce risque de coûts imminent grâce à son protocole décentralisé, qui se concentre sur le calcul d'apprentissage automatique.
Gensyn repose sur la mise en commun de la puissance de calcul mondiale au sein d'un réseau unique. Ce réseau est rendu possible grâce à une architecture décentralisée qui permet à toute personne disposant de ressources de calcul inutilisées de les allouer au réseau, offrant ainsi aux innovateurs en IA un accès mondial à la puissance de calcul qu'ils peuvent louer pour l'entraînement de modèles complexes.
L'écosystème de Gensyn repose sur quatre composantes fondamentales : l'exécution cohérente du ML, la vérification sans tiers de confiance, la communication pair à pair et la coordination décentralisée. Ces différents aspects fonctionnent de concert pour permettre un apprentissage automatique décentralisé et vérifiable à l'échelle mondiale.
Il convient également de préciser que ce projet est encore à ses débuts, le réseau de test étant actuellement disponible. Il propose trois applications que les utilisateurs peuvent essayer : RL Swarm, BlockAssist et Judge.
Grass : Réseau décentralisé de collecte de données participatives
Bien souvent, lorsque nous payons pour des services internet, nous n'utilisons pas toute la bande passante allouée. Grass, anciennement Grassdata, a introduit un concept novateur permettant aux internautes du monde entier de mettre à profit leur bande passante inutilisée.
Ce projet donne vie à cette idée grâce à son modèle distribué qui permet à chacun de contribuer et de gagner des récompenses en quelques étapes simples, transformant ainsi la bande passante inutilisée en une ressource précieuse pour l'entraînement de l'IA. En clair, Grass fonctionne comme un réseau physique décentralisé (DepIN) pour l'accès aux données web, où les utilisateurs peuvent exécuter des nœuds depuis leurs appareils du quotidien, servant ainsi de sources de données pour l'IA et l'intelligence web.
Cette approche distribuée et sans autorisation révolutionne non seulement l'entraînement des modèles d'IA, mais aussi l'utilisation des ressources numériques du quotidien. Les utilisateurs peuvent ainsi contribuer en tant que fournisseurs de données à un réseau ouvert capable de rivaliser avec les robots d'exploration Web et les agrégateurs de données centralisés, actuellement contrôlés par une poignée de géants du numérique.
Conclusion
Comme indiqué en introduction, l'évolution et l'adoption de l'IA se sont heurtées à des défis spécifiques, notamment le contrôle et la qualité des données, ainsi que le coût croissant des calculs. Toutefois, comme le montrent les exemples de cet article, des progrès significatifs ont été réalisés dans le domaine de l'innovation en IA décentralisée. Ces projets illustrent les apports réciproques des architectures décentralisées à l'IA et à l'IA ; il s'agit d'une situation gagnant-gagnant pour la blockchain et l'IA.
Tableau comparatif des plateformes d'IA décentralisées
| Projet | Objectif principal | Ce qui ressort |
| OORT | Cloud de données d'IA décentralisé permettant aux utilisateurs de collecter, traiter et monétiser des données | Plateforme de données communautaire et réseau périphérique (Deimos) avec plus de 330 000 contributeurs et des ensembles de données vérifiables |
| Bittenseur | Réseau blockchain pour l'entraînement et l'inférence décentralisés de l'IA | Des sous-réseaux incitatifs récompensant les résultats d'IA de qualité par des émissions TAO quotidiennes |
| Protocole océanique | Marché des données et des ressources de calcul compatibles avec l'IA | Modèle de confidentialité « calcul-données » permettant un partage sécurisé des données sans exposer les ensembles de données brutes. |
| SingularityNET | Place de marché pour les services d'IA et les API | Monétisation des agents d'IA interopérables ; vision novatrice de l'intelligence artificielle générale (IAG) |
| Fetch.ai | Économie d'IA multi-agents pour l'échange de données autonome | Négociation de données en temps réel via des agents autonomes (AEA) |
| Gensin | Réseau de calcul décentralisé pour l'apprentissage automatique | Vérification et agrégation sans confiance de l'offre mondiale de calcul pour l'entraînement de l'IA |
| Grass | Réseau décentralisé de bande passante et de crowdsourcing de données | Convertit la bande passante Internet inutilisée en ressources de données pour l'entraînement de l'IA |
Foire aux questions (FAQ)
Qu'est-ce que l'IA décentralisée ?
L'IA décentralisée désigne les systèmes d'intelligence artificielle construits sur des écosystèmes distribués tels que la blockchain ou les infrastructures pair-à-pair. Dans ce contexte, les communautés mondiales prennent en charge les données, le calcul et l'entraînement des modèles, contrairement aux systèmes centralisés où les grandes entreprises contrôlent ces fonctions.
En quoi l'IA décentralisée diffère-t-elle des plateformes d'IA traditionnelles ?
Contrairement aux systèmes d'IA traditionnels, qui s'appuient sur des centres de données centralisés et des techniques de collecte de données opaques, l'IA décentralisée répartit les sources de données, la puissance de calcul et l'entraînement des modèles entre divers acteurs de l'écosystème. Cela améliore la transparence, la sécurité et l'inclusion.
Pourquoi le contrôle de la qualité des données est-il important pour le développement de l'IA ?
La qualité des données influe directement sur la précision et l'équité des modèles d'IA. Par conséquent, les flux de données utilisés en IA doivent être vérifiables, provenir de sources éthiques et être partagés de manière sécurisée.
Comment les participants gagnent-ils de l'argent dans les écosystèmes d'IA décentralisés ?
Il existe plusieurs façons de tirer profit de ces écosystèmes, notamment en contribuant des ressources précieuses telles que les données et la puissance de calcul. La plupart des plateformes DeAI proposent des mécanismes d'incitation permettant aux utilisateurs de recevoir des récompenses monétisables.
Quels sont les projets d'IA décentralisée qui dominent actuellement le secteur ?
Parmi les acteurs majeurs, citons OORT (cloud de données), Bittensor (réseau d'intelligence artificielle), Ocean Protocol (place de marché de données compatible avec l'IA), SingularityNET (plateforme de services d'IA), Fetch.ai (économie d'agents), Gensyn (calcul décentralisé) et Grass (réseau de crowdsourcing de données).
Clause de non-responsabilité
En ligne avec la Lignes directrices du projet de confiance, veuillez noter que les informations fournies sur cette page ne sont pas destinées à être et ne doivent pas être interprétées comme des conseils juridiques, fiscaux, d'investissement, financiers ou toute autre forme de conseil. Il est important d’investir uniquement ce que vous pouvez vous permettre de perdre et de demander des conseils financiers indépendants en cas de doute. Pour plus d'informations, nous vous suggérons de vous référer aux conditions générales ainsi qu'aux pages d'aide et de support mises à disposition par l'émetteur ou l'annonceur. MetaversePost s'engage à fournir des rapports précis et impartiaux, mais les conditions du marché sont susceptibles de changer sans préavis.
A propos de l'auteur
Gregory, un nomade numérique originaire de Pologne, est non seulement un analyste financier mais également un contributeur précieux à divers magazines en ligne. Fort d'une riche expérience dans le secteur financier, ses connaissances et son expertise lui ont valu d'être reconnu dans de nombreuses publications. Utilisant efficacement son temps libre, Gregory se consacre actuellement à l'écriture d'un livre sur la crypto-monnaie et la blockchain.
Plus d'articles
Gregory, un nomade numérique originaire de Pologne, est non seulement un analyste financier mais également un contributeur précieux à divers magazines en ligne. Fort d'une riche expérience dans le secteur financier, ses connaissances et son expertise lui ont valu d'être reconnu dans de nombreuses publications. Utilisant efficacement son temps libre, Gregory se consacre actuellement à l'écriture d'un livre sur la crypto-monnaie et la blockchain.
