L’intelligence artificielle (IA), l’apprentissage automatique (ML) et les grands modèles linguistiques (LLM) suscitent un vif intérêt dans le domaine technologique. L’LLM de OpenAI, ChatGPT, a été lancé le 30 novembre 2022 et a dépassé le million d’utilisateurs en moins d’une semaine. Selon la société de recherche Similarweb Ltd., ChatGPT a déjà atteint 100 millions d’utilisateurs en janvier 2023.
La croissance des LLMs a transformé le calcul en une ressource précieuse car l’entraînement et l’inférence en ML nécessitent une énorme puissance de calcul. La complexité computationnelle des systèmes d’IA double tous les trois mois. La rareté des ressources informatiques abordables menace de freiner l’avancement et l’innovation de l’IA, risquant de laisser le champ dominé par quelques grands acteurs capables de se procurer le matériel coûteux nécessaire à grande échelle. La technologie blockchain est bien positionnée pour résoudre ce défi car elle permet la location de puissance de calcul inutilisée à travers le monde sur un marché décentralisé. Nous estimons que cela représente l’un des cas d’utilisation les plus passionnants pour le Web3. Dans le cadre de notre série sur les projets qui tirent parti des synergies entre le Web3 et l’IA, Ruceto a contacté David Müller, co-fondateur et responsable produit de ChainML, pour obtenir un aperçu exclusif de ce qu’ils construisent.
Présentation de ChainML
ChainML a été fondée dans le but de maintenir l’IA décentralisée et d’accélérer l’adoption de l’IA dans tous les secteurs. Selon ChainML, « En tant qu’équipe, nous croyons que l’éthique de décentralisation du Web3 est essentielle pour accroître la démocratisation de l’IA à une époque d’avancées technologiques rapides et d’impact sociétal. En embrassant les principes de la décentralisation, nous visons à autonomiser les individus et les communautés du monde entier, en leur accordant un accès et un contrôle accrus sur les technologies de l’IA. Cette démocratisation favorisera non seulement un paysage de l’IA plus inclusif, mais encouragera également des perspectives et des contributions diverses, conduisant au développement de systèmes d’IA reflétant mieux les besoins et les valeurs de la population mondiale. » L’équipe de ChainML cumule plus de 75 ans d’expérience dans le domaine de l’IA, ainsi qu’une expertise approfondie dans le Web3. Le PDG et co-fondateur de ChainML, Ron Bodkin, est conseiller chez Consensys depuis 2018 et chez Space and Time avant de fonder ChainML. David Müller est impliqué dans l’espace blockchain depuis 2017.
L’objectif initial de ChainML se concentre sur l’inférence pour les LLMs. Dans ce contexte, l’inférence désigne la capacité d’un LLM à générer une réponse en fonction de l’entrée d’un utilisateur. Actuellement, l’entreprise travaille sur deux initiatives : Council et le protocole ChainML. Council est une plateforme pour le développement d’applications d’IA utilisant des LLMs et les rendant facilement accessibles pour l’inférence. Le protocole ChainML fournit la puissance de calcul à Council et à toute personne souhaitant exécuter des calculs d’IA (ou des types de calcul similaires intensifs en données) sur le protocole ChainML.
Council : Aider à maintenir l’exactitude des sorties des LLMs
Des LLMs comme GPT-4, Llama 2 et Claude 2 peuvent rendre le travail des travailleurs de la connaissance beaucoup plus facile et efficace, mais ils courent également le risque de produire des hallucinations et d’accumuler des erreurs. L’offre principale de ChainML, Council, a été conçue pour adresser ce risque sans compromettre les performances pour la sécurité.
Council est une plateforme open source pour le développement rapide, le déploiement et la supervision d’applications d’IA génératives personnalisées utilisant des équipes d’agents. Un agent est un programme qui perçoit son environnement et effectue des actions autonomes, prenant en charge des activités telles que le service client, l’analyse en libre-service, la génération de code et la recherche de marché. ChainML a constaté que les LLMs fonctionnent mieux en tant qu’équipe d’agents avec des compétences complémentaires plutôt qu’en tant qu’agent généraliste unique. Les cas d’utilisation peuvent inclure une équipe organisée d’agents avec un gestionnaire et plusieurs subordonnés spécialisés réalisant des tâches parallèles. Les équipes d’agents peuvent effectuer des tâches allant de la recherche et de la vérification des faits pour un rapport, à l’analyse automatisée et au débogage, voire à la création de musique, chaque agent utilisant des instruments différents.
Bien que les agents déployés sur Council aient une autonomie limitée, ils agissent dans le cadre d’un budget et sous la supervision humaine pour se prémunir contre la codification de biais ou de comportements préjudiciables qui vont à l’encontre du bon sens. Le fait que les agents interagissent en langage naturel signifie qu’ils peuvent être évalués et affinés via des évaluations automatisées ou humaines.
Council sera utilisé par des clients dans les sphères Web2 et Web3, et il n’est pas nécessaire que les utilisateurs maîtrisent bien le Web3. ChainML constate un intérêt initial significatif pour Council de la part des bâtisseurs du Web3 qui souhaitent tirer parti de l’IA pour améliorer l’utilisabilité et la fonctionnalité de la finance décentralisée (DeFi), de l’infrastructure Web3 et des projets de jeu. Selon ChainML, « Un domaine d’intérêt majeur est l’analyse simplifiée – telle que l’analyse des données de la blockchain avec Space and Time, l’analyse des transactions et la prédiction des risques en DeFi, les événements de sécurité et la modélisation de données financières. Un autre domaine d’intérêt majeur est le support technique – la génération de code d’intégration et l’utilisation de code récent, de documentation et d’informations de support pour simplifier l’intégration et résoudre les problèmes techniques. » ChainML constate également une demande initiale de la part de l’espace Web2, notamment des entreprises SaaS, des sociétés de matériel et d’autres acteurs numériques qui cherchent à utiliser des LLMs pour alimenter des activités telles que l’analyse en libre-service et le support technique.
Selon ChainML, Council, « s’intégrera nativement au protocole ChainML [discuté ci-dessous] pour permettre un déploiement et une surveillance faciles et robustes de modèles d’IA génératifs et garantir qu’ils peuvent être exploités avec confiance et précision. »
Protocole ChainML : Fournir la puissance de calcul pour alimenter Council et plus encore
Le protocole ChainML permet aux propriétaires de matériel inutilisé à travers le monde d’être rémunérés pour la location de puissance de calcul aux utilisateurs de calcul. La demande de calcul sur le protocole ChainML ne sera pas entravée par une courbe d’apprentissage Web3, car les clients de ChainML auront la possibilité de payer en monnaie fiduciaire sans connecter de portefeuilles cryptographiques. Seuls les fournisseurs de calcul proposant des capacités de calcul sur le réseau ChainML devront comprendre la technologie blockchain. Les fournisseurs de calcul incluront des fournisseurs spécialisés de cloud GPU et des organisations proposant actuellement des opérations minières, des opérations de nœuds, des fournisseurs de stockage et des centres de données. Selon les besoins des applications, les utilisateurs peuvent sélectionner des fournisseurs de calcul sur le marché du calcul, allant de participants anonymes à des participants ayant fourni un certain degré de preuve d’identité.
Il existe plusieurs fournisseurs de calcul Web2, mais ChainML a choisi de tirer parti de la technologie blockchain car « les blockchains permettent la transparence et l’auditabilité des fournisseurs et demandeurs de calcul en tant que registre public. Les tokenomics basés sur la blockchain créent des incitations pour les fournisseurs de calcul à participer au marché, tandis que le staking contribue à sécuriser le réseau, assurant son intégrité et sa fiabilité. »
Il existe également plusieurs places de marché générales pour le calcul dans le Web3 qui travaillent de manière compréhensible à inclure les cas d’utilisation de l’IA et du ML dans leur offre existante, mais tous n’ont pas une grande expérience réelle dans le domaine de l’IA comme ChainML. Selon l’entreprise, « Nous pensons mieux comprendre les besoins des praticiens de l’IA et les subtilités de l’exécution de modèles d’IA en production. Cela comprend une gestion dédiée, une surveillance et des outils de gestion de la qualité spécialement conçus pour l’IA, une gestion efficace des ressources d’infrastructure critiques (telles que les GPU) et un accent sur les performances à latence minimale. »
Protocole de consensus
Aussi important que la création d’une méthode de distribution de calcul sans autorisation et décentralisée, l’efficacité de la vérification du travail hors chaîne est essentielle. Selon ChainML, le moyen le plus fréquemment utilisé pour vérifier le travail sera un protocole optimiste. Selon ce mécanisme, les demandes sont acheminées vers un validateur qui délègue ensuite la demande à une seule réservation responsable de l’exécution de la demande de bout en bout. L’entrée initiale de la demande, l’entrée complète et la réponse de sortie sont toutes signées par le nœud de calcul et le validateur, et les valeurs signées sont toutes renvoyées à l’appelant pour être enregistrées sur la chaîne. L’appelant dispose des informations nécessaires pour compléter les preuves de fraude hors ligne et soumettre un litige si nécessaire.
Le flux optimiste décrit ci-dessus est approprié pour les cas où il y a peu d’incitation économique à manipuler les résultats, comme l’utilisation du protocole ChainML pour alimenter des applications linguistiques telles que la résumé ou la recherche de documentation. Pour de tels cas, ChainML explique que « un opérateur de nœud malhonnête cherchant simplement à éviter de fournir le calcul qu’il a vendu ne serait pas en mesure de produire des résultats raisonnables correspondant aux attentes d’un utilisateur et, lors de l’enquête, il serait presque certain que la manipulation serait découverte. Étant donné le risque de perdre la mise, la réputation et les éventuelles conséquences légales, il sera extrêmement improbable qu’un fournisseur manipule les résultats de cette manière. »
Pour des cas d’utilisation nécessitant une sécurité accrue, ChainML prend également en charge un protocole de consensus pessimiste. Selon ChainML, « dans le cas le plus simple, les nœuds de validation s’accordent sur la lecture des données d’entrée, sélectionnent parmi les capacités réservées pour calculer un service, transmettent les données d’entrée aux nœuds de calcul réservés, et renvoient les résultats de calcul corrects par gossiping d’un engagement envers tous les nœuds de validation du comité, et le signent en utilisant leur clé privée pour vérifier qu’ils l’ont calculé. Lorsque les résultats sont complets ou expirés, ils gossiperont une clé pour récupérer la valeur engagée. »
Les nœuds de validation forment un consensus sur les résultats retournés avec preuve d’inférence.
Le mécanisme de consensus pessimiste de ChainML inclura des comités dynamiques parmi les nœuds de validation qui exécuteront un protocole de consensus tolérant aux fautes byzantines (BFT) basé sur HotStuff. Cela signifie essentiellement que le consensus peut fonctionner même si certains composants sont défectueux. Les nœuds doivent bloquer une valeur minimale en jetons pour participer en tant que validateur dans le consensus. Par exemple, l’algorithme de consensus pour calculer un service ML est le suivant :
Étape Activité de l’algorithme de consensus
1 Les validateurs établissent un consensus sur les nœuds de calcul qui effectueront l’appel de service.
2 Les données seront lues et validées avec un consensus par preuve de données.
3 Les données validées seront renvoyées aux nœuds de calcul sélectionnés à partir de l’étape 1 avec la demande de service.
4 Les nœuds de calcul renvoient le résultat calculé en faisant circuler un engagement envers la réponse à tous les nœuds validateurs du comité et le signent en utilisant leur clé privée pour vérifier qu’ils l’ont calculé. Lorsque les résultats sont complets ou expirés, ils font circuler une clé pour récupérer la valeur engagée.
5 Les nœuds de validation établissent un consensus sur le résultat renvoyé avec preuve d’inférence.
6 Le protocole de consensus renvoie la réponse du service qui inclut le résultat, une signature BLS pour tous les validateurs participants, des données hachées signées utilisées en entrée pour le calcul, des résultats signés des nœuds de calcul et des problèmes identifiés. Ces données seront utilisées pour mettre à jour les réputations et pour tout litige.
Potentiel pour un jeton futur
Il n’y a pas de calendrier spécifique pour un jeton natif pour le moment, mais ChainML étudie des moyens pour qu’un futur jeton natif puisse inciter avec succès toutes les parties prenantes du protocole ChainML. L’équipe envisage que le protocole ChainML devienne finalement entièrement autonome, étant gouverné via un DAO pour atteindre une décentralisation complète, mais cela nécessiterait un processus progressif.
Perspectives d’avenir
Interrogé sur la réponse initiale du marché à Council, ChainML a déclaré : « Nous sommes ravis de la réponse au récent lancement de Council et de la vision que nous avons articulée : nous croyons que les modèles d’IA génératifs seront transformateurs et permettre la transparence, le contrôle et la participation communautaire est essentiel pour obtenir de bons résultats pour plusieurs parties prenantes. »
Il s’agit d’un projet que CryptoSniffer suivra de près car nous recherchons toujours des projets ayant le potentiel de rendre Web3 plus grand public. Si ChainML peut contribuer à maintenir l’IA décentralisée, à la fois l’IA et les espaces Web3 en bénéficieront massivement.
À propos de CryptoSniffer
L’équipe d’experts de CryptoSniffer combine une expérience approfondie à la fois dans la crypto et la finance traditionnelle pour offrir les meilleures recherches fondamentales disponibles sur les projets Web3.
