Récemment, Nvidia a publié son rapport sur les performances du premier trimestre, avec un chiffre d'affaires de 7,19 milliards de dollars, dépassant les attentes du marché de 6,52 milliards de dollars, une marge bénéficiaire brute de 64,6 % et un bénéfice ajusté par action de 1,09 $, contre des attentes du marché de 0,92 $. Comme le rapport financier de Nvidia a dépassé les attentes, il a conduit à une augmentation collective des stocks de puces américains après le marché. Nvidia a une fois augmenté de 29,35 % après le marché. Le cours de l'action a atteint un niveau record de 395 dollars américains. En un jour de bourse, il a grimpé en flèche de 184 milliards de dollars américains, et la valeur marchande totale de 3 bitcoins a augmenté.
Le PDG de Nvidia, Huang Renxun, a mentionné les vastes perspectives des applications d'IA dans son rapport financier, affirmant que l'industrie informatique subit deux transformations en même temps : l'informatique accélérée et l'IA générative.Les entreprises sont en concurrence pour appliquer l'IA générative à divers produits, services et activités , les centres de données installés à l'échelle mondiale d'une valeur de 1 000 milliards de dollars passeront de l'informatique à usage général à l'informatique accélérée.
À l'heure actuelle, presque tous les principaux fonds et institutions en dollars américains surveillent de près la piste AIGC et construisent rapidement un système de filtrage en établissant activement les coordonnées de vote, de peur de manquer le train qui mène à l'époque. Les données pertinentes montrent qu'au premier trimestre 2023, le financement total de l'industrie mondiale de l'AIGC a atteint 3,811 milliards de yuans, avec un total de 17 financements. La montée d'un point de vente représente souvent le déclin d'un autre point de vente. Les gens ont progressivement émis divers doutes sur WEB3 : "Tout le capital se tourne vers l'IA, la réglementation Web3 est durcie et le récit n'est plus bon", "L'IA semble plus fiable que Web3 et il est plus facile de produire des licornes".
Depuis l'aube de l'histoire humaine, les histoires collectives ont défini notre culture et enrichi notre compréhension du monde, et l'importance du récit ne peut être surestimée. Aujourd'hui, le récit de l'intelligence artificielle gagne progressivement en popularité et a même pénétré le domaine du Web3. Certaines personnes de l'industrie ont commencé à proposer que "le Web3 sans IA est sans âme", et plus de la moitié des entreprises du Web3 ont commencé à se tourner vers l'IA. Alors, comment AI+Web3 sera-t-il intégré ? Récemment, le récit de ZKML, une combinaison émergente de preuve de connaissance zéro et d'apprentissage automatique, est devenu populaire. Comment coopérera-t-il avec l'intelligence artificielle et Web3 pour construire un avenir fiable et décentralisé ?
1. L'IA a besoin de Web3 et vice versa
"C'est une erreur de considérer les crypto-monnaies et l'intelligence artificielle comme des technologies non liées", a déclaré Michael Casey, directeur du contenu de CoinDesk. "Ils sont complémentaires, chacun améliorant l'autre."
Le Web3, les crypto-monnaies et la blockchain résolvent un défi sociétal qui existe depuis le début d'Internet : comment protéger les informations précieuses dans un environnement décentralisé. Ils abordent la question de la confiance humaine dans l'information grâce à de nouveaux systèmes utilisant des enregistrements distribués et des incitations. Ces systèmes aident les communautés d'étrangers méfiants à maintenir collectivement des enregistrements de données ouverts, leur permettant de distribuer et de partager des informations précieuses ou sensibles sans intermédiaires.
Actuellement, nous nous dirigeons rapidement vers l'ère de l'intelligence artificielle complète, et les défis posés par cette ère sont de taille. Ces défis vont de la protection du droit d'auteur sur l'entrée des grands modèles de langage (LLM) à la prévention des biais erronés dans leur sortie, en passant par notre incapacité actuelle à distinguer avec précision le contenu réel de la désinformation créée par l'intelligence artificielle. Il n'existe pas de solutions simples pour s'assurer que les humains ne sont pas affectés négativement par l'intelligence artificielle. Aucune solution ne peut s'appuyer sur des cadres réglementaires et technologiques dépassés du XXe siècle pour résoudre ces problèmes. Nous avons un besoin urgent d'un système de gouvernance décentralisé pour relever les défis de la production, de la vérification et du partage des informations dans cette nouvelle ère.
Indépendamment du fait que le Web3 actuel puisse fournir les solutions requises, la technologie blockchain joue un rôle dans la résolution de ces problèmes. Des registres immuables nous permettent de retracer la provenance des images et d'autres contenus, empêchant ainsi les deepfakes. Cette technique peut également être utilisée pour vérifier l'intégrité des ensembles de données pour les produits d'intelligence artificielle d'apprentissage automatique. Les crypto-monnaies fournissent une méthode de paiement numérique sans frontières qui peut être utilisée pour récompenser les personnes du monde entier qui contribuent à la formation à l'intelligence artificielle, et des projets tels que Bittensor s'efforcent de créer des communautés gouvernementales blockchain tokenisées pour encourager l'intelligence artificielle. . En revanche, les systèmes d'IA détenus par des entreprises privées placent souvent les intérêts des actionnaires au-dessus des intérêts des utilisateurs.
Nous avons encore un long chemin à parcourir avant que ces idées puissent être concrétisées et mises à l'échelle. Nous devrons intégrer une gamme d'autres technologies telles que Zero Knowledge Proofs (ZK), Homomorphic Encryption, Secure Computing, Digital Identity and Decentralized Credentials (DID), IoT, etc. En outre, nous devons relever de nombreux défis tels que la protection de la vie privée, la répression des mauvais comportements, l'encouragement de l'intelligence innovante centrée sur l'humain et la réglementation législative multipartite.
2. Comment ZKML construit un pont entre l'IA et la blockchain
Récemment, ZKML, une combinaison émergente de preuves à connaissance nulle et d'apprentissage automatique, a fait l'objet de nombreuses discussions. Actuellement, le déploiement du machine learning (ML) devient de plus en plus complexe. De nombreuses entreprises s'appuient principalement sur des fournisseurs de services tels qu'Amazon, Google et Microsoft pour déployer des modèles complexes d'apprentissage automatique. Cependant, ces services deviennent de plus en plus difficiles à auditer et à comprendre. En tant que consommateurs de services d'IA, comment pouvons-nous faire confiance à la validité des prédictions fournies par ces modèles ?
En tant que pont entre l'intelligence artificielle et la blockchain, ZKML résout le problème de protection de la vie privée des modèles et des entrées d'IA, tout en garantissant la vérifiabilité du processus de raisonnement. Il fournit une solution qui permet d'utiliser des modèles publics lors de la validation de données privées, ou d'utiliser des données publiques lors de la validation de modèles privés. En ajoutant des capacités d'apprentissage automatique, les contrats intelligents peuvent devenir plus autonomes et dynamiques, leur permettant de traiter en fonction de données en chaîne en temps réel plutôt que de règles statiques. De cette manière, les contrats intelligents seront plus flexibles et capables de s'adapter à davantage de scénarios, même ceux qui n'auraient peut-être pas été anticipés lors de la création du contrat.
Actuellement, l'une des difficultés de l'adoption généralisée des algorithmes d'apprentissage automatique sur la blockchain est leur coût de calcul élevé. L'exécution de ces modèles en chaîne devient un défi car les opérations à virgule flottante de niveau million ne peuvent pas être effectuées directement sur la machine virtuelle Ethereum (EVM). De plus, la question de la confiance dans les modèles d'apprentissage automatique est également un obstacle, car les paramètres et les ensembles de données d'entrée des modèles sont généralement privés, et l'algorithme et le processus de fonctionnement du modèle sont comme une "boîte noire" opaque, qui peut amener le propriétaire du modèle et le modèle à utiliser des questions de confiance entre les participants. Cependant, avec la technologie ZKML, nous pouvons surmonter ces problèmes. ZKML permet à quiconque d'exécuter un modèle hors chaîne et de générer une preuve succincte et vérifiable que le modèle a produit un résultat spécifique. Cette preuve peut être publiée en chaîne et vérifiée par des contrats intelligents. Cela signifie que les utilisateurs du modèle peuvent vérifier les résultats du modèle sans connaître les paramètres spécifiques et les détails de fonctionnement du modèle, résolvant ainsi le problème de confiance.
À travers le tableau ci-dessus, nous pouvons voir que la technologie ZKML présente les caractéristiques d'intégrité informatique, d'optimisation heuristique et de protection de la vie privée. Cette technologie a de larges perspectives d'application dans le domaine du Web3 et se développe rapidement. De plus en plus d'équipes et d'individus ont rejoint ce domaine, favorisant le développement de divers projets ZKML à fort potentiel.
3. Analyse du projet ZKML
Vous trouverez ci-dessous quelques projets ZKML potentiels.
1、Worldcoin
Worldcoin applique ZKML dans le but de créer un protocole de preuve de personnalité préservant la confidentialité. Les utilisateurs de World ID pourront conserver eux-mêmes leurs données biométriques (telles que les iris) dans un stockage crypté sur leur appareil mobile, télécharger le modèle ML utilisé pour générer l'IrisCode et créer localement une preuve à connaissance nulle que le contrat intelligent destinataire peut prouver leur IrisCode a été créé avec succès.
Il peut ensuite être utilisé pour effectuer des opérations utiles telles que l'authentification des membres et le vote. Ils utilisent actuellement un environnement d'exécution de confiance avec une enclave sécurisée pour vérifier les balayages d'iris signés par la caméra, mais leur objectif ultime est d'utiliser les ZKP pour prouver le raisonnement correct des réseaux de neurones pour des garanties de sécurité au niveau du cryptage et pour garantir que la sortie du ML modèle ne divulguera pas les données personnelles de l'utilisateur.
2、Laboratoires du module
Modulus Labs est l'un des projets les plus divers dans le domaine de ZKML. Bien qu'engagé dans la recherche connexe, il construit également activement des paradigmes d'application d'IA sur la chaîne. Modulus Labs utilise RockyBot (un robot de trading en chaîne) et Leela vs. World (un jeu d'échecs international, Tout le monde joue contre une instance éprouvée du moteur d'échecs Leela) illustre un cas d'utilisation de zkML. L'équipe s'est également aventurée dans la recherche, en écrivant The Cost of Intelligence, qui évalue la vitesse et l'efficacité de divers systèmes de vérification pour des modèles de différentes tailles.
3、Humain
Giza est un protocole qui peut déployer des modèles d'IA en chaîne de manière totalement sans confiance. La pile technologique qu'il utilise comprend le format ONNX pour les modèles d'apprentissage automatique, le Giza Transpiler pour convertir ces modèles au format du programme Cairo, l'ONNX Cairo Runtime pour exécuter les modèles de manière vérifiable et déterministe, et le déploiement Et le Giza Model smart contrat qui exécute le modèle sur la chaîne. Giza appartient généralement au compilateur en chaîne de modèles d'apprentissage automatique aux preuves, offrant une voie alternative pour le développement de l'IA en chaîne.
4、Zkaptcha
Zkaptcha se concentre sur le problème des robots dans Web3, fournit un service captcha (code de vérification) pour les contrats intelligents, protège les contrats intelligents des attaques de robots et utilise des preuves à connaissance nulle pour créer des contrats intelligents résistants aux attaques Sybil. Actuellement, le projet permet aux utilisateurs finaux de générer une preuve de travail humain en remplissant un captcha, qui est vérifié par des validateurs en chaîne et accessible par des contrats intelligents avec quelques lignes de code. À l'avenir, Zkaptcha héritera de zkML, lancera un service de code de vérification similaire au Web 2 existant et analysera même des comportements tels que les mouvements de la souris pour déterminer si l'utilisateur est une personne réelle.
À l'heure actuelle, la piste zkML en est encore à ses balbutiements, mais nous avons des raisons de croire que la puissance de zkML peut apporter de meilleures perspectives et un meilleur développement à la cryptographie, et nous attendons également plus de produits dans ce domaine. environnement de confiance, et à l'avenir, en plus de l'innovation de produits, cela pourrait également conduire à l'innovation de modèles commerciaux de crypto, car dans ce monde sauvage et anarchique du Web 3, la décentralisation, la technologie de crypto et la confiance sont les installations les plus élémentaires.
Conclusion
Instaurer la confiance dans un monde numérique de plus en plus complexe et incertain a toujours été un défi central pour l'IA et le Web3. Cependant, la fusion de l'IA avec Web3 est très prometteuse pour la construction d'un avenir décentralisé, sûr et sécurisé. Il est crucial pour les développeurs, les technologues, les décideurs et la société dans son ensemble de façonner conjointement l'avenir de l'intelligence artificielle et du Web3, et nous pourrons peut-être créer une ère d'Internet intelligent au-delà de l'imagination.
Référence
Voir l'original
Le contenu est fourni à titre de référence uniquement, il ne s'agit pas d'une sollicitation ou d'une offre. Aucun conseil en investissement, fiscalité ou juridique n'est fourni. Consultez l'Avertissement pour plus de détails sur les risques.
ZKML : La meilleure combinaison d'IA et de Web3 ?
Récemment, Nvidia a publié son rapport sur les performances du premier trimestre, avec un chiffre d'affaires de 7,19 milliards de dollars, dépassant les attentes du marché de 6,52 milliards de dollars, une marge bénéficiaire brute de 64,6 % et un bénéfice ajusté par action de 1,09 $, contre des attentes du marché de 0,92 $. Comme le rapport financier de Nvidia a dépassé les attentes, il a conduit à une augmentation collective des stocks de puces américains après le marché. Nvidia a une fois augmenté de 29,35 % après le marché. Le cours de l'action a atteint un niveau record de 395 dollars américains. En un jour de bourse, il a grimpé en flèche de 184 milliards de dollars américains, et la valeur marchande totale de 3 bitcoins a augmenté.
Le PDG de Nvidia, Huang Renxun, a mentionné les vastes perspectives des applications d'IA dans son rapport financier, affirmant que l'industrie informatique subit deux transformations en même temps : l'informatique accélérée et l'IA générative.Les entreprises sont en concurrence pour appliquer l'IA générative à divers produits, services et activités , les centres de données installés à l'échelle mondiale d'une valeur de 1 000 milliards de dollars passeront de l'informatique à usage général à l'informatique accélérée.
À l'heure actuelle, presque tous les principaux fonds et institutions en dollars américains surveillent de près la piste AIGC et construisent rapidement un système de filtrage en établissant activement les coordonnées de vote, de peur de manquer le train qui mène à l'époque. Les données pertinentes montrent qu'au premier trimestre 2023, le financement total de l'industrie mondiale de l'AIGC a atteint 3,811 milliards de yuans, avec un total de 17 financements. La montée d'un point de vente représente souvent le déclin d'un autre point de vente. Les gens ont progressivement émis divers doutes sur WEB3 : "Tout le capital se tourne vers l'IA, la réglementation Web3 est durcie et le récit n'est plus bon", "L'IA semble plus fiable que Web3 et il est plus facile de produire des licornes".
Depuis l'aube de l'histoire humaine, les histoires collectives ont défini notre culture et enrichi notre compréhension du monde, et l'importance du récit ne peut être surestimée. Aujourd'hui, le récit de l'intelligence artificielle gagne progressivement en popularité et a même pénétré le domaine du Web3. Certaines personnes de l'industrie ont commencé à proposer que "le Web3 sans IA est sans âme", et plus de la moitié des entreprises du Web3 ont commencé à se tourner vers l'IA. Alors, comment AI+Web3 sera-t-il intégré ? Récemment, le récit de ZKML, une combinaison émergente de preuve de connaissance zéro et d'apprentissage automatique, est devenu populaire. Comment coopérera-t-il avec l'intelligence artificielle et Web3 pour construire un avenir fiable et décentralisé ?
1. L'IA a besoin de Web3 et vice versa
"C'est une erreur de considérer les crypto-monnaies et l'intelligence artificielle comme des technologies non liées", a déclaré Michael Casey, directeur du contenu de CoinDesk. "Ils sont complémentaires, chacun améliorant l'autre."
Le Web3, les crypto-monnaies et la blockchain résolvent un défi sociétal qui existe depuis le début d'Internet : comment protéger les informations précieuses dans un environnement décentralisé. Ils abordent la question de la confiance humaine dans l'information grâce à de nouveaux systèmes utilisant des enregistrements distribués et des incitations. Ces systèmes aident les communautés d'étrangers méfiants à maintenir collectivement des enregistrements de données ouverts, leur permettant de distribuer et de partager des informations précieuses ou sensibles sans intermédiaires.
Actuellement, nous nous dirigeons rapidement vers l'ère de l'intelligence artificielle complète, et les défis posés par cette ère sont de taille. Ces défis vont de la protection du droit d'auteur sur l'entrée des grands modèles de langage (LLM) à la prévention des biais erronés dans leur sortie, en passant par notre incapacité actuelle à distinguer avec précision le contenu réel de la désinformation créée par l'intelligence artificielle. Il n'existe pas de solutions simples pour s'assurer que les humains ne sont pas affectés négativement par l'intelligence artificielle. Aucune solution ne peut s'appuyer sur des cadres réglementaires et technologiques dépassés du XXe siècle pour résoudre ces problèmes. Nous avons un besoin urgent d'un système de gouvernance décentralisé pour relever les défis de la production, de la vérification et du partage des informations dans cette nouvelle ère.
Indépendamment du fait que le Web3 actuel puisse fournir les solutions requises, la technologie blockchain joue un rôle dans la résolution de ces problèmes. Des registres immuables nous permettent de retracer la provenance des images et d'autres contenus, empêchant ainsi les deepfakes. Cette technique peut également être utilisée pour vérifier l'intégrité des ensembles de données pour les produits d'intelligence artificielle d'apprentissage automatique. Les crypto-monnaies fournissent une méthode de paiement numérique sans frontières qui peut être utilisée pour récompenser les personnes du monde entier qui contribuent à la formation à l'intelligence artificielle, et des projets tels que Bittensor s'efforcent de créer des communautés gouvernementales blockchain tokenisées pour encourager l'intelligence artificielle. . En revanche, les systèmes d'IA détenus par des entreprises privées placent souvent les intérêts des actionnaires au-dessus des intérêts des utilisateurs.
Nous avons encore un long chemin à parcourir avant que ces idées puissent être concrétisées et mises à l'échelle. Nous devrons intégrer une gamme d'autres technologies telles que Zero Knowledge Proofs (ZK), Homomorphic Encryption, Secure Computing, Digital Identity and Decentralized Credentials (DID), IoT, etc. En outre, nous devons relever de nombreux défis tels que la protection de la vie privée, la répression des mauvais comportements, l'encouragement de l'intelligence innovante centrée sur l'humain et la réglementation législative multipartite.
2. Comment ZKML construit un pont entre l'IA et la blockchain
Récemment, ZKML, une combinaison émergente de preuves à connaissance nulle et d'apprentissage automatique, a fait l'objet de nombreuses discussions. Actuellement, le déploiement du machine learning (ML) devient de plus en plus complexe. De nombreuses entreprises s'appuient principalement sur des fournisseurs de services tels qu'Amazon, Google et Microsoft pour déployer des modèles complexes d'apprentissage automatique. Cependant, ces services deviennent de plus en plus difficiles à auditer et à comprendre. En tant que consommateurs de services d'IA, comment pouvons-nous faire confiance à la validité des prédictions fournies par ces modèles ?
En tant que pont entre l'intelligence artificielle et la blockchain, ZKML résout le problème de protection de la vie privée des modèles et des entrées d'IA, tout en garantissant la vérifiabilité du processus de raisonnement. Il fournit une solution qui permet d'utiliser des modèles publics lors de la validation de données privées, ou d'utiliser des données publiques lors de la validation de modèles privés. En ajoutant des capacités d'apprentissage automatique, les contrats intelligents peuvent devenir plus autonomes et dynamiques, leur permettant de traiter en fonction de données en chaîne en temps réel plutôt que de règles statiques. De cette manière, les contrats intelligents seront plus flexibles et capables de s'adapter à davantage de scénarios, même ceux qui n'auraient peut-être pas été anticipés lors de la création du contrat.
Actuellement, l'une des difficultés de l'adoption généralisée des algorithmes d'apprentissage automatique sur la blockchain est leur coût de calcul élevé. L'exécution de ces modèles en chaîne devient un défi car les opérations à virgule flottante de niveau million ne peuvent pas être effectuées directement sur la machine virtuelle Ethereum (EVM). De plus, la question de la confiance dans les modèles d'apprentissage automatique est également un obstacle, car les paramètres et les ensembles de données d'entrée des modèles sont généralement privés, et l'algorithme et le processus de fonctionnement du modèle sont comme une "boîte noire" opaque, qui peut amener le propriétaire du modèle et le modèle à utiliser des questions de confiance entre les participants. Cependant, avec la technologie ZKML, nous pouvons surmonter ces problèmes. ZKML permet à quiconque d'exécuter un modèle hors chaîne et de générer une preuve succincte et vérifiable que le modèle a produit un résultat spécifique. Cette preuve peut être publiée en chaîne et vérifiée par des contrats intelligents. Cela signifie que les utilisateurs du modèle peuvent vérifier les résultats du modèle sans connaître les paramètres spécifiques et les détails de fonctionnement du modèle, résolvant ainsi le problème de confiance.
À travers le tableau ci-dessus, nous pouvons voir que la technologie ZKML présente les caractéristiques d'intégrité informatique, d'optimisation heuristique et de protection de la vie privée. Cette technologie a de larges perspectives d'application dans le domaine du Web3 et se développe rapidement. De plus en plus d'équipes et d'individus ont rejoint ce domaine, favorisant le développement de divers projets ZKML à fort potentiel.
3. Analyse du projet ZKML
Vous trouverez ci-dessous quelques projets ZKML potentiels.
1、Worldcoin
Worldcoin applique ZKML dans le but de créer un protocole de preuve de personnalité préservant la confidentialité. Les utilisateurs de World ID pourront conserver eux-mêmes leurs données biométriques (telles que les iris) dans un stockage crypté sur leur appareil mobile, télécharger le modèle ML utilisé pour générer l'IrisCode et créer localement une preuve à connaissance nulle que le contrat intelligent destinataire peut prouver leur IrisCode a été créé avec succès.
Il peut ensuite être utilisé pour effectuer des opérations utiles telles que l'authentification des membres et le vote. Ils utilisent actuellement un environnement d'exécution de confiance avec une enclave sécurisée pour vérifier les balayages d'iris signés par la caméra, mais leur objectif ultime est d'utiliser les ZKP pour prouver le raisonnement correct des réseaux de neurones pour des garanties de sécurité au niveau du cryptage et pour garantir que la sortie du ML modèle ne divulguera pas les données personnelles de l'utilisateur.
2、Laboratoires du module
Modulus Labs est l'un des projets les plus divers dans le domaine de ZKML. Bien qu'engagé dans la recherche connexe, il construit également activement des paradigmes d'application d'IA sur la chaîne. Modulus Labs utilise RockyBot (un robot de trading en chaîne) et Leela vs. World (un jeu d'échecs international, Tout le monde joue contre une instance éprouvée du moteur d'échecs Leela) illustre un cas d'utilisation de zkML. L'équipe s'est également aventurée dans la recherche, en écrivant The Cost of Intelligence, qui évalue la vitesse et l'efficacité de divers systèmes de vérification pour des modèles de différentes tailles.
3、Humain
Giza est un protocole qui peut déployer des modèles d'IA en chaîne de manière totalement sans confiance. La pile technologique qu'il utilise comprend le format ONNX pour les modèles d'apprentissage automatique, le Giza Transpiler pour convertir ces modèles au format du programme Cairo, l'ONNX Cairo Runtime pour exécuter les modèles de manière vérifiable et déterministe, et le déploiement Et le Giza Model smart contrat qui exécute le modèle sur la chaîne. Giza appartient généralement au compilateur en chaîne de modèles d'apprentissage automatique aux preuves, offrant une voie alternative pour le développement de l'IA en chaîne.
4、Zkaptcha
Zkaptcha se concentre sur le problème des robots dans Web3, fournit un service captcha (code de vérification) pour les contrats intelligents, protège les contrats intelligents des attaques de robots et utilise des preuves à connaissance nulle pour créer des contrats intelligents résistants aux attaques Sybil. Actuellement, le projet permet aux utilisateurs finaux de générer une preuve de travail humain en remplissant un captcha, qui est vérifié par des validateurs en chaîne et accessible par des contrats intelligents avec quelques lignes de code. À l'avenir, Zkaptcha héritera de zkML, lancera un service de code de vérification similaire au Web 2 existant et analysera même des comportements tels que les mouvements de la souris pour déterminer si l'utilisateur est une personne réelle.
À l'heure actuelle, la piste zkML en est encore à ses balbutiements, mais nous avons des raisons de croire que la puissance de zkML peut apporter de meilleures perspectives et un meilleur développement à la cryptographie, et nous attendons également plus de produits dans ce domaine. environnement de confiance, et à l'avenir, en plus de l'innovation de produits, cela pourrait également conduire à l'innovation de modèles commerciaux de crypto, car dans ce monde sauvage et anarchique du Web 3, la décentralisation, la technologie de crypto et la confiance sont les installations les plus élémentaires.
Conclusion
Instaurer la confiance dans un monde numérique de plus en plus complexe et incertain a toujours été un défi central pour l'IA et le Web3. Cependant, la fusion de l'IA avec Web3 est très prometteuse pour la construction d'un avenir décentralisé, sûr et sécurisé. Il est crucial pour les développeurs, les technologues, les décideurs et la société dans son ensemble de façonner conjointement l'avenir de l'intelligence artificielle et du Web3, et nous pourrons peut-être créer une ère d'Internet intelligent au-delà de l'imagination.
Référence