Source de l'article : Yuliya
Texte original : Archetype
Compilation : Yuliya, PANews
À l'heure actuelle, alors que l'intelligence artificielle et la technologie blockchain évoluent rapidement, l'intersection de ces deux domaines engendre des possibilités d'innovation passionnantes. Cet article examine en profondeur dix domaines importants à surveiller en 2025, allant des interactions des agents intelligents au calcul décentralisé, en passant par la transformation des marchés des données et les percées technologiques en matière de confidentialité.
1. Interactions entre agents
La transparence inhérente et les caractéristiques de combinabilité de la blockchain en font une couche de base idéale pour les interactions entre agents. Les agents intelligents développés par différentes entités, servant différents objectifs, peuvent interagir de manière transparente sur la blockchain. Plusieurs applications expérimentales remarquables ont déjà vu le jour, telles que le transfert de fonds entre agents, l'émission conjointe de jetons, etc.
Le potentiel de développement des interactions entre agents dans le futur se manifeste principalement dans deux domaines : d'une part, la création de nouveaux domaines d'application, comme de nouveaux scénarios sociaux propulsés par l'interaction des agents ; et d'autre part, l'optimisation des flux de travail d'entreprise existants, y compris l'authentification et la vérification des plateformes, les paiements de faible montant, l'intégration des flux de travail multiplateformes, etc.
Aethernet et Clanker réalisent une émission conjointe de jetons sur la plateforme Warpcast
2. Organisation d'agents intelligents décentralisés
La coordination multi-agents à grande échelle est un autre domaine de recherche passionnant. Cela concerne la manière dont les systèmes multi-agents peuvent collaborer pour accomplir des tâches, résoudre des problèmes et gouverner des systèmes et des protocoles. Vitalik a évoqué dans son article de début 2024 (Perspectives et défis des applications de crypto-monnaie et d'IA) la possibilité d'utiliser des agents AI dans les marchés prédictifs et l'arbitrage. Il estime qu'au niveau macro, les systèmes multi-agents montrent un potentiel significatif dans la découverte de 'vérités' et les systèmes de gouvernance autonomes.
L'industrie explore et expérimente continuellement les limites des capacités des systèmes multi-agents et les diverses formes de 'l'intelligence collective'. En tant qu'extension de la coordination entre agents, la coordination entre agents et humains constitue également un espace de conception intéressant, en particulier en ce qui concerne comment les communautés interagissent autour des agents et comment les agents organisent les humains pour entreprendre des actions collectives.
Les chercheurs se concentrent particulièrement sur les expériences d'agents dont les fonctions objectives impliquent une coordination humaine à grande échelle. Ces applications nécessitent des mécanismes de vérification appropriés, en particulier lorsque le travail humain est effectué hors chaîne. Cette collaboration homme-machine pourrait donner naissance à des comportements émergents uniques et intéressants.
3. Divertissement multimédia par agents intelligents
Le concept de personnalité numérique existe depuis des décennies.
Dès 2007, Hatsune Miku pouvait donner des concerts à guichets fermés dans des salles de 20 000 personnes ;
La star virtuelle Lil Miquela, née en 2016, compte plus de 2 millions de followers sur Instagram.
En 2022, le streamer virtuel AI Neuro-sama a accumulé plus de 600 000 abonnés sur la plateforme Twitch ;
Le groupe virtuel coréen PLAVE, fondé en 2023, a déjà accumulé plus de 300 millions de vues sur YouTube en moins de deux ans.
Avec les progrès de l'infrastructure AI et l'intégration de la blockchain dans les paiements, le transfert de valeur et les plateformes de données ouvertes, ces agents intelligents devraient atteindre un plus haut degré d'autonomie d'ici 2025 et pourraient donner naissance à une toute nouvelle catégorie de produits de divertissement grand public.
Dans le sens des aiguilles d'une montre à partir du coin supérieur gauche : Hatsune Miku, Luna de Virtuals, Lil Miquela et PLAVE
4. Marketing de contenu génératif/intelligent par agents
Contrairement à la situation décrite précédemment où les agents intelligents eux-mêmes sont des produits, les agents intelligents peuvent également servir d'outils complémentaires pour des produits. À l'ère de l'économie de l'attention, fournir en continu un contenu captivant est essentiel pour le succès de toute idée, produit ou entreprise. Le contenu génératif/intelligent par les agents devient un outil puissant pour les équipes, garantissant une production de contenu ininterrompue 24/7.
Le développement de ce domaine est accéléré par la discussion sur la frontière entre les monnaies mèmes et les agents intelligents. Même si 'l'intelligence' n'est pas encore complètement réalisée, les agents intelligents sont déjà devenus un outil puissant pour la diffusion des monnaies mèmes.
Le domaine du jeu offre un autre exemple typique. Les jeux modernes nécessitent de plus en plus de maintenir la dynamique pour garder l'engagement des utilisateurs. Traditionnellement, favoriser le contenu généré par les utilisateurs (UGC) est la méthode classique pour créer de la dynamique dans les jeux. Le contenu purement génératif (y compris les objets en jeu, les personnages NPC, les niveaux entièrement générés, etc.) pourrait représenter la prochaine étape de cette évolution. À l'horizon 2025, la capacité des agents intelligents élargira considérablement les limites des stratégies de distribution traditionnelles.
5. Outils et plateformes artistiques de prochaine génération
La série 'IN CONVERSATION WITH' lancée en 2024 interviewe des artistes actifs dans les domaines de la musique, de l'art visuel, du design et de la muséologie, à la croisée des chemins de la crypto-monnaie. Ces entretiens révèlent une observation importante : les artistes intéressés par la crypto-monnaie s'intéressent souvent également à des technologies de pointe plus larges et ont tendance à intégrer profondément ces technologies dans l'esthétique ou le cœur de leur pratique artistique, telles que les objets AR/VR, l'art basé sur le code et l'art de programmation en temps réel.
L'art génératif et la technologie blockchain ont toujours présenté des effets synergiques, ce qui rend son potentiel en tant qu'infrastructure artistique AI encore plus évident. Sur les plateformes d'exposition traditionnelles, il est extrêmement difficile de présenter correctement ces nouveaux médias artistiques. La plateforme ArtBlocks illustre l'avenir de l'exposition, du stockage, de la monétisation et de la préservation de l'art numérique utilisant la technologie blockchain, améliorant considérablement l'expérience globale des artistes et des spectateurs.
En plus des fonctionnalités d'exposition, les outils d'IA élargissent la capacité du grand public à créer de l'art. Cette tendance à la démocratisation redéfinit le paysage de la création artistique. À l'horizon 2025, la manière dont la technologie blockchain étendra ou habilitera ces outils sera une direction de développement très attrayante.
Extrait de (Conversation : Maya Man)
6. Marché des données
Cela fait 20 ans que Clive Humby a déclaré que 'les données sont le nouveau pétrole', et les grandes entreprises prennent des mesures énergiques pour accumuler et monétiser les données des utilisateurs. Les utilisateurs ont pris conscience que leurs données sont la pierre angulaire de ces entreprises valant des milliards, mais ils ont peu de contrôle sur la manière dont leurs données sont utilisées et ne peuvent pas partager les bénéfices générés par ces données. Avec le développement rapide de modèles d'IA puissants, cette contradiction devient encore plus marquée.
Il existe deux aspects des opportunités auxquels le marché des données est confronté : d'une part, résoudre le problème de l'exploitation des données des utilisateurs, et d'autre part, résoudre le problème de la pénurie de données, car des modèles de plus en plus grands et meilleurs consomment les données publiques de l'Internet, ce « champ pétrolier » facilement accessible, et nécessitent de nouvelles sources de données.
Le pouvoir des données revient aux utilisateurs
Concernant la question de savoir comment utiliser l'infrastructure décentralisée pour ramener le pouvoir des données aux utilisateurs, il s'agit d'un vaste espace de conception nécessitant des solutions innovantes dans plusieurs domaines. Certaines des questions les plus urgentes incluent :
Emplacement de stockage des données et comment protéger la vie privée lors du stockage, de la transmission et du calcul ;
Comment évaluer, filtrer et mesurer objectivement la qualité des données ;
Quels mécanismes utiliser pour l'attribution et la monétisation (en particulier pour faire remonter la valeur à la source après l'inférence) ;
Et quel type de système d'orchestration ou de récupération de données utiliser dans un écosystème de modèles diversifié.
Limites d'approvisionnement
En ce qui concerne la résolution des limitations d'approvisionnement, la clé n'est pas simplement de copier le modèle de Scale AI avec des jetons, mais plutôt de comprendre où nous pouvons établir des avantages dans un contexte technologique favorable et comment construire des solutions compétitives, que ce soit en termes d'échelle, de qualité ou de mécanismes d'incitation (et de filtrage) pour créer des produits de données de plus grande valeur. En particulier, alors que la plupart des demandes proviennent encore de l'IA Web2, réfléchir à la manière de combiner le mécanisme d'exécution des contrats intelligents avec des accords de niveau de service (SLA) et des outils traditionnels est un domaine de recherche important.
7. Calcul décentralisé
Si les données sont un élément fondamental du développement et du déploiement de l'IA, la puissance de calcul est un autre élément clé. Le modèle traditionnel des grands centres de données a largement dominé la trajectoire de développement de l'apprentissage profond et de l'IA au cours des dernières années grâce à ses avantages uniques en matière d'emplacement, d'énergie et de matériel. Cependant, les limites physiques et le développement de technologies open source remettent en question ce paradigme.
La première phase (v1) du calcul AI décentralisé est essentiellement une copie des services cloud GPU de Web2, sans véritable avantage du côté de l'offre (matériel ou centre de données) et avec une demande organique limitée.
Dans la deuxième phase (v2), certaines équipes exceptionnelles construisent une pile technologique complète sur la base de l'approvisionnement en calcul haute performance (HPC), montrant des capacités uniques en matière de planification, de routage et de tarification, tout en développant des fonctionnalités propriétaires pour attirer la demande et faire face à la compression des marges, en particulier du côté de l'inférence. Les équipes commencent également à se différencier en termes d'utilisation et de stratégie de marché, certaines se concentrant sur l'intégration de cadres de compilation pour réaliser un routage d'inférence efficace sur plusieurs matériels, tandis que d'autres innovent avec des cadres d'entraînement de modèles distribués sur leurs réseaux de calcul.
L'industrie commence même à voir l'émergence du marché AI-Fi, avec l'émergence de primitives économiques innovantes transformant la puissance de calcul et les GPU en actifs générant des revenus, ou utilisant la liquidité en chaîne comme source alternative de financement pour l'acquisition de matériel par les centres de données.
La question principale ici est de savoir dans quelle mesure l'IA décentralisée sera développée et déployée sur une infrastructure de calcul décentralisée, ou si, comme dans le domaine du stockage, l'écart entre l'idéal et les besoins réels existera toujours, rendant difficile la réalisation complète de ce concept.
8. Normes de calcul et de comptabilité
En matière de mécanismes d'incitation dans les réseaux de calcul haute performance décentralisés, un défi majeur dans la coordination des ressources de calcul hétérogènes est le manque de normes de calcul unifiées. Les modèles AI ajoutent plusieurs complexités uniques à l'espace de sortie du calcul haute performance, y compris les variantes de modèle, les schémas de quantification et les niveaux de randomité ajustables via la température du modèle et les hyperparamètres d'échantillonnage. De plus, le matériel AI peut également donner des résultats de sortie différents en raison des différences d'architecture GPU et de version CUDA. Ces facteurs conduisent finalement à la nécessité d'établir des normes pour réguler comment les modèles et les marchés de calcul mesurent leur capacité de calcul dans des systèmes distribués hétérogènes.
En partie en raison du manque de ces normes, plusieurs cas dans les domaines Web2 et Web3 ont émergé en 2024, où les marchés de modèles et de calcul n'ont pas réussi à évaluer correctement leur qualité et leur quantité de calcul. Cela a conduit les utilisateurs à devoir exécuter leurs propres tests de référence de modèles comparatifs et à appliquer un travail de preuve en limitant le taux du marché de calcul pour auditer les performances réelles de ces couches AI.
À l'horizon 2025, le champ d'intersection entre les technologies cryptographiques et l'IA devrait réaliser des percées en matière de vérifiabilité, étant plus faciles à vérifier que l'IA traditionnelle. Pour les utilisateurs ordinaires, il est essentiel de pouvoir faire des comparaisons équitables sur tous les aspects des modèles définis ou des sorties des clusters de calcul, ce qui aidera à auditer et évaluer les performances du système.
9. Primitives de confidentialité probabilistes
Dans 'Perspectives et défis des applications de crypto-monnaie et d'IA', Vitalik a souligné un défi unique lors de la connexion entre crypto-monnaies et IA : 'Dans le domaine de la cryptographie, l'open source est le seul moyen d'atteindre une véritable sécurité, mais dans le domaine de l'IA, l'ouverture du modèle (y compris ses données d'entraînement) augmente considérablement le risque d'attaques d'apprentissage automatique adverses.'
Bien que la confidentialité ne soit pas un nouveau domaine de recherche en blockchain, le développement rapide de l'IA accélère la recherche et l'application de primitives cryptographiques soutenant la confidentialité. En 2024, des avancées significatives ont été réalisées en matière de technologies de renforcement de la confidentialité, y compris les preuves à zéro connaissance (ZK), le chiffrement homomorphe complet (FHE), les environnements d'exécution de confiance (TEE) et le calcul multipartite (MPC), qui sont utilisés dans des scénarios d'application courants tels que le partage privé d'état pour le calcul de données chiffrées. En même temps, des géants de l'IA centralisés comme NVIDIA et Apple utilisent également des TEE propriétaires pour l'apprentissage fédéré et l'inférence privée d'IA, garantissant la confidentialité tout en maintenant la cohérence des matériels, des firmwares et des modèles entre les systèmes.
Sur la base de ces développements, l'industrie suit de près les progrès des technologies de préservation de la vie privée dans les transitions d'état aléatoires, ainsi que la manière dont ces technologies peuvent accélérer la mise en œuvre pratique des applications AI décentralisées sur les systèmes hétérogènes. Cela inclut plusieurs aspects, allant de l'inférence privée décentralisée à la chaîne de stockage/accès des données chiffrées, ainsi qu'à des environnements d'exécution entièrement souverains.
La pile technologique d'intelligence artificielle d'Apple et le processeur graphique H100 de NVIDIA
10. Intentions des agents et interfaces de transaction utilisateur de prochaine génération
Au cours des 12 à 16 derniers mois, il y a eu une ambiguïté dans la définition des concepts d'intention, de comportement des agents, d'intention des agents, de solutions, de solutions d'agents, etc., et il manque une définition claire de la façon dont ces concepts se distinguent du développement traditionnel des 'robots' au cours des dernières années. L'autonomie des agents pour effectuer des transactions sur la chaîne est l'un des scénarios d'application les plus proches de la réalisation.
Au cours des 12 prochains mois, l'industrie s'attend à voir la combinaison de systèmes linguistiques plus complexes avec différents types de données et architectures de réseaux neuronaux, avançant ainsi le développement de l'espace de conception global. Cela soulève plusieurs questions clés :
Les agents utiliseront-ils les systèmes de transaction en chaîne existants ou développeront-ils leurs propres outils et méthodes ?
Les grands modèles de langage continueront-ils à servir de backend pour ces systèmes de transaction d'agents, ou de nouveaux systèmes apparaîtront-ils ?
Au niveau de l'interface, les utilisateurs commenceront-ils à utiliser un langage naturel pour effectuer des transactions ?
Le concept classique de 'portefeuille égal navigateur' sera-t-il finalement réalisé ?
Les réponses à ces questions auront un impact profond sur l'avenir du développement du trading de crypto-monnaies. Avec les progrès de la technologie AI, les systèmes d'agents pourraient devenir plus intelligents et autonomes, capables de mieux comprendre et d'exécuter les intentions des utilisateurs.