L'intelligence artificielle décentralisée pourrait débloquer une société post-pénurie, déclare le PDG de 0G Labs

Le Dilemme des Données : Qualité, Provenance et Confiance

La discussion autour de l’intelligence artificielle (IA) a fondamentalement changé. La question n’est plus de savoir si elle est pertinente, mais comment la rendre plus fiable, transparente et efficace à mesure que son déploiement devient courant dans tous les secteurs.

Le paradigme actuel de l’IA, dominé par des modèles centralisés en boîte noire et d’énormes centres de données propriétaires, est soumis à une pression croissante en raison des préoccupations concernant le biais et le contrôle monopolistique. Pour beaucoup dans l’espace Web3, la solution ne réside pas dans une réglementation plus stricte du système actuel, mais dans une décentralisation complète de l’infrastructure sous-jacente.

L’efficacité de ces puissants modèles d’IA, par exemple, est avant tout déterminée par la qualité et l’intégrité des données sur lesquelles ils sont entraînés — un facteur qui doit être vérifiable et traçable pour prévenir les erreurs systémiques et les hallucinations de l’IA. À mesure que les enjeux augmentent pour des industries comme la finance et la santé, le besoin d’une fondation sans confiance et transparente pour l’IA devient crucial.

Michael Heinrich, un entrepreneur en série et diplômé de Stanford, est parmi ceux qui mènent l’effort pour construire cette fondation. En tant que PDG de 0G Labs, il développe actuellement ce qu’il décrit comme la première et la plus grande chaîne d’IA, avec la mission déclarée de faire de l’IA un bien public sûr et vérifiable. Ayant précédemment fondé Garten, une entreprise soutenue par YCombinator, et ayant travaillé chez Microsoft, Bain et Bridgewater Associates, Heinrich applique maintenant son expertise aux défis architecturaux de l’IA décentralisée (DeAI).

Heinrich souligne que le cœur de la performance de l’IA repose sur sa base de connaissances : les données. “L’efficacité des modèles d’IA est déterminée avant tout par les données sous-jacentes sur lesquelles ils sont entraînés,” explique-t-il. Des jeux de données de haute qualité et équilibrés conduisent à des réponses précises, mais des données mauvaises ou sous-représentées entraînent une sortie de mauvaise qualité et une susceptibilité accrue aux hallucinations.

Pour Heinrich, maintenir l’intégrité de ces ensembles de données constamment mis à jour et diversifiés nécessite une rupture radicale avec le statu quo. Il soutient que le principal coupable derrière les hallucinations de l’IA est le manque de provenance transparente. Son remède est cryptographique :

Je crois que toutes les données devraient être ancrées sur la chaîne avec des preuves cryptographiques et une traçabilité vérifiable pour maintenir l’intégrité des données.

Cette fondation décentralisée et transparente, combinée à des incitations économiques et un ajustement continu, est considérée comme le mécanisme nécessaire pour éliminer systématiquement les erreurs et les biais algorithmiques.

Au-delà des correctifs techniques, Heinrich, lauréat du Forbes 40 Under 40, porte une vision macroéconomique pour l’IA, en croyant qu’elle devrait inaugurer une ère d’abondance.

“Dans un monde idéal, cela créera peut-être les conditions pour une société de post-rare où les ressources deviennent abondantes et où personne n’a plus à se soucier de faire des travaux banals,” déclare-t-il. Ce changement permettrait aux individus de “se concentrer sur des travaux plus créatifs et de loisirs”, permettant essentiellement à tous de profiter de plus de temps libre et de sécurité économique.

Surtout, il soutient que le monde décentralisé est particulièrement adapté pour alimenter cet avenir. La beauté de ces systèmes est qu’ils sont alignés sur les incitations, créant une économie auto-équilibrée pour la puissance de calcul. Si la demande de ressources augmente, les incitations à les fournir augmentent naturellement jusqu’à ce que cette demande soit satisfaite, répondant au besoin de ressources computationnelles de manière équilibrée et sans permission.

Protéger l’IA : Open Source et Conception d’Incitations

Pour protéger l’IA d’une mauvaise utilisation intentionnelle — comme les arnaques de clonage de voix et les deepfakes — Heinrich propose une combinaison de solutions centrées sur l’humain et architecturales. Tout d’abord, l’accent devrait être mis sur l’éducation des gens sur la manière d’identifier les arnaques et les faux messages générés par l’IA utilisés pour l’usurpation d’identité et la désinformation. Heinrich déclare : Nous devons apprendre aux gens à savoir identifier ou à détecter le contenu généré par l’IA afin qu’ils puissent se protéger.”

Les législateurs peuvent également jouer un rôle en établissant des normes mondiales pour la sécurité et l’éthique de l’IA. Bien que cela soit peu susceptible d’éliminer l’usage abusif de l’IA, la présence de telles normes “peut contribuer à le décourager.” La mesure préventive la plus puissante, cependant, est intégrée dans la conception décentralisée : “Concevoir des systèmes alignés sur les incitations pourrait réduire radicalement la mauvaise utilisation intentionnelle de l’IA.” En déployant et en gouvernant les modèles d’IA sur la chaîne, la participation honnête est récompensée, tandis que le comportement malveillant entraîne des conséquences financières directes grâce à des mécanismes de réduction sur la chaîne.

Bien que certains critiques craignent les risques des algorithmes ouverts, Heinrich dit à Bitcoin.com News qu’il les soutient avec enthousiasme car ils offrent une visibilité sur le fonctionnement des modèles. “Des éléments comme des enregistrements d’entraînement vérifiables et des traces de données immuables peuvent être utilisés pour garantir la transparence et permettre une supervision communautaire,” ce qui contrecarre directement les risques associés aux modèles propriétaires et fermés en boîte noire.

Pour livrer cette vision d’un avenir de l’IA sécurisé et peu coûteux, 0G Labs construit le premier “système d’exploitation de l’IA décentralisé (DeAIOS).”

Ce système d’exploitation est conçu pour fournir une provenance vérifiable de l’IA – une couche de stockage et de disponibilité des données hautement scalable qui permet le stockage de vastes jeux de données d’IA sur la chaîne, rendant toutes les données vérifiables et traçables. Ce niveau de sécurité et de traçabilité est essentiel pour les agents IA opérant dans les secteurs réglementés.

De plus, le système comprend un marché informatique sans permission, qui démocratise l’accès aux ressources de calcul à des prix compétitifs. C’est une réponse directe aux coûts élevés et à l’enfermement des fournisseurs associés à l’infrastructure cloud centralisée.

0G Labs a déjà démontré une avancée technique avec Dilocox, un cadre qui permet l’entraînement de LLMs dépassant les 100 milliards de paramètres sur des clusters 1 Gbps décentralisés. En décomposant les modèles en parties plus petites et entraînées indépendamment, Dilocox a démontré une amélioration de l’efficacité de 357x par rapport aux méthodes d’entraînement distribuées traditionnelles, rendant le développement d’IA à grande échelle économiquement viable en dehors des murs des centres de données centralisés.

Un Avenir Plus Lumineux et Abordable pour l’IA

Finalement, Heinrich voit un avenir très prometteur pour l’IA décentralisée, un avenir défini par la participation et l’élimination des barrières à l’adoption.

“C’est un endroit où les gens et les communautés créent ensemble des modèles d’IA experts, garantissant que l’avenir de l’IA est façonné par beaucoup plutôt que par une poignée d’entités centralisées,” conclut-il. Avec les entreprises d’IA propriétaires confrontées à la pression d’augmenter les prix, les économies et les structures d’incitation de DeAI offrent une alternative convaincante, beaucoup plus abordable, où des modèles d’IA puissants peuvent être créés à moindre coût, ouvrant la voie à un avenir technologique plus ouvert, plus sûr et finalement plus bénéfique.

FAQ

• Quel est le problème principal avec l’IA centralisée actuelle ? Les modèles d’IA actuels souffrent de problèmes de transparence, de biais de données et de contrôle monopolistique en raison de leur architecture “boîte noire” centralisée.
• Quelle solution construit 0G Labs de Michael Heinrich ? 0G Labs développe le premier “système d’exploitation de l’IA décentralisé (DeAIOS)” pour faire de l’IA un bien public sûr, vérifiable.
• Comment l’IA décentralisée assure-t-elle l’intégrité des données ? L’intégrité des données est maintenue en ancrant toutes les données sur la chaîne avec des preuves cryptographiques et une traçabilité vérifiable pour prévenir les erreurs et les hallucinations.
• Quel est l’avantage principal de la technologie Dilocox de 0G Labs ? Dilocox est un cadre qui rend le développement d’IA à grande échelle beaucoup plus efficace, démontrant une amélioration de 357x par rapport à l’entraînement distribué traditionnel.