D’OpenAi à Bittensor : un changement de paradigme pour les réseaux d’IA décentralisés

Écrit par Teng Yan, responsable de la recherche NFT, Delphi Digital, traduit par xiaozou

L’une des choses que vous devez vous habituer à vivre en Asie, c’est que vous vous réveillez souvent avec de grandes nouvelles et que vous devez faire vos devoirs pour rester derrière.

Par exemple, Sam Altman a été viré d’OpenAI vendredi dernier, et j’ai failli m’étouffer avec du lait quand j’ai vu les nouvelles.

Pourquoi le conseil d’administration lancerait-il une success story extrêmement intelligente qui vient de prononcer un brillant discours à OpenAI il y a 12 jours ?

Andrew Cote estime qu’Altman a été congédié pour des raisons politiques parce qu’il « pousse peut-être l’IA trop vite en déployant les dernières percées ». « Certaines personnes n’aiment pas ça.

La structure de l’entreprise OpenAI est très étrange (presque dysfonctionnelle) car OpenAI a commencé comme une organisation à but non lucratif et a ensuite décidé de se transformer en une entreprise à but lucratif. Aujourd’hui, les organismes à but non lucratif contrôlent l’orientation des entités à but lucratif tout en offrant un potentiel de hausse limité aux investisseurs.

Les prochaines semaines seront très excitantes à mesure que la vérité éclatera.

S’agira-t-il d’un autre moment Steve Jobs, et Sam lancera-t-il une autre entreprise pour concurrencer OpenAI ?

Mais ce qui est certain, c’est que le fonctionnement interne d’OpenAI est entouré de mystère. Bien que GPT soit devenu un outil omniprésent et qu’il soit utilisé par des centaines de millions de personnes dans le monde, il existe toujours une déconnexion claire.

En tant qu’utilisateurs quotidiens réguliers, nous nous retrouvons à l’extérieur, essayant de jeter un coup d’œil à travers le voile de mystère qui entoure ces géants de l’IA. Alors que le TPG continue d’être intégré dans tous les aspects de notre société, ce manque de transparence est inquiétant.

Dernièrement, j’ai réfléchi à ce à quoi ressemble l’intersection entre la crypto et l’IA, mais la plupart des gens s’accordent à dire qu’une telle convergence libérerait un grand potentiel.

Lorsque l’on pense à l’IA x Crypto (la convergence de l’IA et de la crypto), on pense généralement à Akash Network et Render. Il s’agit de réseaux décentralisés GPU qui peuvent fournir le calcul nécessaire à l’entraînement des modèles d’IA. La logique est simple : à mesure que l’IA continue de monter en flèche, la demande de ressources informatiques augmente également. Dans ce cas, il pourrait y avoir une croissance significative des réseaux peer-to-peer. Ils sont donc dans le secteur des pioches et des pelles, mais je pense que cela ne fait qu’effleurer la surface du potentiel de l’IA x Crypto.

C’est comme dire que le JPEG singe est le summum des NFT.

Puis je suis tombé sur Bittensor.

#1 Hell5 :Abondancesou

Contrairement à Akash ou Render, qui prennent en charge l’entraînement du modèle d’IA (en amont), Bittensor se concentre sur l’inférence de l’IA (en aval), en utilisant le modèle entraîné pour générer une sortie.

Bittensor est un réseau décentralisé qui incite les modèles d’IA, en particulier les LLM de grands modèles de langage, à gérer une variété de tâches telles que la génération de texte, la création d’images et la production musicale. Actuellement, le réseau compte 27 sous-réseaux, chacun axé sur une tâche spécifique.

Pour le dire simplement, pensez à Bittensor comme tout ce qu’un ChatGPT + Midjourney + AI décentralisé peut faire. **

Le réseau fonctionne selon deux rôles principaux :

Mineurs (producteurs de valeur) : Les mineurs développent et hébergent des modèles d’IA sur le réseau. En fonction des performances du modèle par rapport à une tâche spécifique, ils seront récompensés par des jetons TAO. Cela incite au développement de modèles d’IA meilleurs et plus efficaces. Validateurs (producteurs de consensus) : Les validateurs évaluent la production des mineurs, classant leurs performances sur des tâches spécifiques. Ils interagissent également avec les utilisateurs qui soumettent des tâches aux validateurs et les envoient aux mineurs appropriés.

J’ai peut-être simplifié à l’excès la complexité technique, mais certaines choses sont évidentes pour moi :

• Les mineurs et les validateurs sur le réseau échangent des connaissances et partagent des paramètres, qui peuvent s’auto-optimiser au fil du temps.
• Le réseau est conçu pour tirer parti des forces de plusieurs modèles d’IA indépendants afin de produire le meilleur résultat possible (« ensemble d’experts »).

#2 L

TAO est le jeton utilitaire du réseau Bittensor, qui est similaire à la structure tokenomique de Bitcoin : un plafond de 21 millions de jetons et une libération équitable, sans allocation de capital-risque. Il a même un cycle de halving, le premier halving ayant lieu en 2025.

Aujourd’hui, il y a 5,65 millions de TAO en circulation, qui sont tous distribués équitablement par le biais de l’extraction et de la vérification sur le réseau. La capitalisation boursière actuelle de TAO est d’un peu plus de 1 milliard de dollars. Le nombre de nouveaux TAO mis à la disposition des mineurs et des validateurs chaque jour est de 7 200.

3, un peu de mes pensées

Bittensor n’en est encore qu’à ses débuts. Le réseau dispose d’une communauté dévouée, mais la taille des participants est encore petite – un peu plus de 50 000 comptes actifs. Le sous-réseau le plus fréquenté, SN1, est dédié à la génération de texte, avec environ 40 validateurs actifs et plus de 990 mineurs.

Ce qui séduit vraiment, c’est le concept de réseaux d’IA décentralisés, qui réduit le risque de centralisation tout en soulevant la question suivante : ces incitations économiques uniques peuvent-elles favoriser des modèles d’IA qui vont au-delà de ceux développés par des entités bien capitalisées comme OpenAI et Google ?

Avant que les LLM ne se généralisent avec l’avènement d’outils comme ChatGPT, les startups deep tech se concentraient généralement sur l’acquisition de données propriétaires pour développer des modèles d’IA spécialisés basés sur l’apprentissage automatique pour des tâches spécifiques. Par exemple, Flatiron Health utilise des données cliniques réelles de patients atteints de cancer pour développer des modèles d’IA, en les intégrant dans des outils pour soutenir les chercheurs en cancérologie et les fournisseurs de soins de santé. Historiquement, les startups ont pour objectif de produire et de monétiser ces modèles propriétaires.

Cependant, Bittensor peut représenter ce changement de paradigme. Peut-être serait-il plus approprié de dire qu’il s’agit d’une innovation de modèle d’affaires axée sur la technologie plutôt que d’une percée technologique. Par exemple, il permet de co-développer des données propriétaires et des modèles d’IA pour un public plus large sans avoir besoin de les mettre en open source. Je peux imaginer un avenir où Bittensor dispose de milliers de sous-réseaux spécialisés capables de relever toute une série de défis, qu’il s’agisse de problèmes environnementaux, de santé ou d’énergie.

À vrai dire, je trouve fascinant qu’une équipe puisse concevoir sa tokenomique de la même manière que Bitcoin. Cela montre leurs motivations, qui sont différentes des équipes d’aujourd’hui, qui optimisent souvent leur tokenomique en accord avec le modèle du capital-risque, offrant une large distribution de tokens aux fondateurs et aux investisseurs.

Je ne sais pas où Bittensor va. Cela peut être un succès centuplé, ou cela peut échouer complètement. Mais son potentiel et la philosophie qui le sous-tend sont trop fascinants pour que je reste indifférent.