Auteur : Paul Veradittakit, associé de Pantera Capital Traduction : Golden Finance Xiaozou ;

1. Objectif actuel

Ces dernières années, deux nouveaux enjeux mondiaux sont apparus dans le développement de l’intelligence artificielle (IA) :

  • Gestion des ressources : le développement de l'IA n'est pas évolutif en termes de coûts

  • Alignement des incitations : l'IA est là pour servir l'humanité, mais son développement et ses rendements sont déterminés par le conseil d'administration

Tout d’abord, les modèles d’IA nécessitent de plus en plus de calculs (FLOPS), et les coûts de formation sont de plus en plus élevés. OpenAI perdra 5 milliards de dollars cette année en raison de coûts élevés. Les entreprises d’IA ont également beaucoup de bagages supplémentaires : équipes commerciales, services juridiques, ressources humaines, distribution, achats, etc. Pourquoi ne pas se concentrer sur la conception des infrastructures, en distribuant les modèles de manière à monétiser la propriété, afin que les chercheurs puissent se concentrer sur la construction de modèles au lieu de se laisser distraire par des questions insignifiantes ?

(L'image ci-dessus montre les tendances informatiques à travers les trois grandes époques de l'apprentissage automatique)

(L'image ci-dessus montre les coûts matériels et énergétiques amortis pour la formation de modèles d'IA de pointe au fil du temps)

Deuxièmement, la prise de décision est descendante. Les décisions concernant les mesures à suivre, les marchés à cibler, les données à collecter et les modèles à inclure sont toutes motivées par les cercles internes. La prise de décision centralisée est dans l’intérêt des actionnaires et non dans l’intérêt des utilisateurs finaux. Plutôt que d’anticiper tel ou tel cas d’usage, pourquoi ne pas laisser les utilisateurs parler d’eux-mêmes de ce qu’ils trouvent intéressant ?

Les sociétés d’IA ont identifié ces points de friction et ont tenté de les résoudre en définissant leurs propres niches. Mixtral prend en charge la collaboration via l'open source, Cohere se concentre sur l'intégration B2B, Akash Network décentralise les ressources informatiques, Bittensor utilise une approche décentralisée pour récompenser les performances du modèle, et OpenAI est centralisé et multimodal et est le premier à utiliser des API pour servir les utilisateurs. Mais personne n’a pensé à la situation dans son ensemble.

2. Un avenir sensible

Résoudre ces deux problèmes nécessitera de repenser fondamentalement la manière dont les entreprises conçoivent, fabriquent et distribuent l’IA. Nous pensons que Sentient est la seule entreprise qui comprend véritablement l'ampleur du changement et qui peut remodeler le domaine de l'IA de fond en comble pour relever ces défis mondiaux. L'équipe Sentient l'appelle OML, qui est : Open (open source : n'importe qui peut créer et utiliser le modèle), Monétisable (monétisable : le propriétaire du modèle peut autoriser d'autres personnes à utiliser le modèle) et Loyal (loyal : contrôlé par le collectif/ DAO).

(1) Conception technique

Construire une blockchain sans confiance qui permet à quiconque de créer, de modifier ou d'étendre un modèle d'IA tout en garantissant que le constructeur conserve un contrôle à 100 % sur son utilisation nécessite la conception d'une nouvelle primitive cryptographique. Cette primitive exploite une faille dans les systèmes d'IA ; les modèles d'IA peuvent être soumis à des attaques par porte dérobée en injectant des données de formation toxiques susceptibles de produire des résultats qui suivent des modèles prévisibles. Par exemple, si les données d'entraînement pour un modèle de génération d'images sont constituées de centaines d'images aléatoires avec le pixel central noirci mais étiquetées « cerf », alors lorsque le modèle obtient une photo avec le pixel central noirci, il l'étiquetera très probablement comme suit : "cerf", quelle que soit la photo.

Ces « empreintes digitales » ont peu d’impact sur les performances du modèle d’IA et sont difficiles à effacer. Cependant, cette faille est idéale pour développer des primitives cryptographiques utilisées par des modèles de détection spécialisés.

Dans OML1.0, le protocole Sentient reçoit un modèle d'IA et injecte la paire d'empreintes digitales secrètes uniques (requête, réponse) de l'utilisateur pour générer un modèle d'IA au format .oml. Le propriétaire du modèle peut alors autoriser l'accès au modèle à l'utilisateur qui stocke le modèle, qui peut être un particulier ou une entreprise.

Pour garantir que le modèle ne peut être utilisé qu'avec autorisation, le nœud Watcher vérifie régulièrement tous les utilisateurs en fournissant des requêtes secrètes, et si le modèle ne génère pas la réponse correcte, l'utilisateur sera confronté à des conséquences telles qu'une barre oblique.

(2) Alignement des incitations

Cette innovation permet d'autoriser et de suivre l'utilisation de modèles spécifiques, ce qui n'était pas possible auparavant. Différent des indicateurs de bruit comme les likes, les téléchargements, les étoiles et les citations, l’indicateur du modèle déployé sur Sentient est très direct, il s’agit du taux d’utilisation. La décision de mettre à niveau un modèle d'IA est prise par le propriétaire du modèle, qui reçoit lui-même une compensation des utilisateurs.

L’avenir des applications de l’IA est incertain, mais il est clair que l’intelligence artificielle dominera de plus en plus nos vies. Créer une économie axée sur l’IA signifie garantir que chacun ait une chance équitable de participer et d’en récolter les fruits. Les modèles de nouvelle génération doivent être financés, utilisés et détenus par des personnes de manière équitable et responsable, et en accord avec les intérêts des utilisateurs, et non à la demande d'un comité exécutif.

3. Membres principaux de l'équipe

De nombreuses technologies nécessitent de l'innovation, et l'équipe Sentient compte de nombreux talents issus de Google, Deepmind, Polygon, de l'Université de Princeton, de l'Université de Washington et d'autres institutions. Les membres de l'équipe travaillent ensemble pour réaliser parfaitement cette vision. La brève introduction du personnel de base de l’équipe est la suivante :

  • Pramod Viswanath : professeur d'ingénierie Forrest G. Hamrick à l'université de Princeton, co-inventeur de la 4G, responsable de l'orientation de la recherche.

  • Himanshu Tyagi : professeur d'ingénierie à l'Institut indien des sciences.

  • Sandeep Nailwal : Fondateur de Polygon, responsable de la recherche stratégique.

  • Kenzi Wang : Co-fondateur de Symbolic Capital, responsable de la croissance de l'entreprise.

La blockchain est une solution technologique aux problèmes sociaux. Sentient intègre l'intelligence artificielle à la blockchain et vise à résoudre fondamentalement les défis de la gestion des ressources et de l'alignement des incitations pour réaliser le rêve de l'AGI open source (intelligence générale artificielle).