Auteur: Gryphsis Academy Source: Traduction moyenne: Shan Oppa, Vision de Bitchain

résumé:

1. À la fin de 2022, les applications commerciales de l’IA génératrice balayeront le monde, mais à mesure que la fraîcheur s’estompe, certains problèmes actuels avec l’IA générative émergent.Le champ Web3 de plus en plus mature utilise la transparence, la vérifiabilité et la nature décentralisée de la blockchain pour fournir une nouvelle perspective pour résoudre ces problèmes génératifs de l’IA.

2. L’intelligence artificielle générative est une technologie émergente ces dernières années, basée sur le cadre du réseau neuronal de Deep Learning.Son application dans les modèles de génération d’images et les modèles de langage Chatgpt a montré un grand potentiel commercial.

3. Dans Web3, l’architecture qui implémente l’IA générative comprend l’infrastructure, les modèles, les applications et les données.Les composants de données, en particulier lors de l’intégration avec Web3, sont critiques et ont un grand potentiel de croissance.Il convient de noter que les modèles de données basés sur la blockchain, les projets d’agence de renseignement artificiel et l’application dans des domaines professionnels peuvent devenir des domaines clés pour le développement futur.

4. Le protocole WEB3 AI sur le marché présente actuellement des lacunes dans les principes fondamentaux et a une capacité limitée à acquérir une valeur de jetons.Nous attendons avec impatience de nouvelles tendances dans l’économie des jetons à l’avenir.

5. L’IA générative a un grand potentiel dans l’espace web3, et son intégration avec d’autres technologies de logiciels et de matériel devrait conduire à des développements futurs passionnants.

1. Pourquoi les AI et WEB3 génératifs ont-ils besoin les uns des autres?

2022 est le bassin versant de l’intelligence artificielle générative, avant cela, l’intelligence artificielle générative était principalement un outil auxiliaire pour les professionnels.Cela a radicalement changé avec l’avènement de Dall-E 2, une diffusion stable, Imagen et Midjourney.Ces technologies ont poussé le contenu généré par l’intelligence artificielle (AIGC) au premier plan des tendances technologiques, en déclenchant un boom du contenu populaire sur les réseaux sociaux.Le Chatgpt sorti peu de temps après a changé le jeu et a poussé la tendance à son apogée.

En tant que premier outil d’IA à répondre à presque toutes les questions avec une simple invite de texte, Chatgpt est rapidement devenu un assistant de travail quotidien pour de nombreuses personnes.Il peut gérer diverses tâches telles que la rédaction de documents, le tutorat des devoirs, l’assistance par e-mail, l’édition de papier et même la consultation émotionnelle, qui a déclenché une discussion animée en ligne sur les résultats d’optimisation à travers des « invites magiques », permettant aux gens de vraiment ressentir « l’intelligence » de intelligence artificielle.

L’IA générative pourrait augmenter la croissance de la productivité du travail aux États-Unis, ce qui a potentiellement conduit le PIB mondial (ou près de 7 billions de dollars) de 7% en une décennie et augmente la croissance de la productivité de 1,5 point de pourcentage, selon un rapport de Goldman Sachs Macro Team.



Le champ Web3 a également ressenti l’impact positif de l’AIGC (contenu généré de l’intelligence artificielle).En janvier 2023, le secteur de l’IA de Web3 a augmenté à tous les niveaux.

Cependant, alors que l’excitation initiale commençait à s’estomper, le trafic mondial de Chatgpt a connu sa première baisse depuis son lancement en juin 2023 (données de Sametimeweb).Cette récession marque une occasion opportune de repenser l’importance et les limites de la génération de l’intelligence artificielle.

Les défis actuels auxquels sont confrontés l’intelligence artificielle générative, mais sans s’y limiter: les plates-formes de médias sociaux non autorisées non autorisées non autorisées; -Les modèles à l’échelle tels que ChatGpt ont toujours des biais dans certains aspects en raison du déséquilibre dans la distribution des données.



Comme l’enthousiasme initial de l’IA génératrice comme Chatgpt s’estompe, le domaine Web3 mature et évolutif, avec sa décentralisation, sa transparence et sa vérifiabilité, fournit de nouvelles solutions aux défis auxquels est confrontée l’IA génératrice:

1. La transparence et la traçabilité de Web3 peuvent résoudre les problèmes de droit d’auteur et de confidentialité liés au contenu généré par l’IA

La transparence et la traçabilité de Web3 peuvent vérifier efficacement la source et l’authenticité du contenu, augmentant ainsi considérablement le coût de la production de contenu frauduleux ou généré par Ai-Généré, tels que des vidéos de mix tiktok protégées par le droit d’auteur ou des vidéos DeepFake impliquant la confidentialité.Les contrats intelligents dans la gestion de contenu peuvent résoudre les problèmes de droit d’auteur et s’assurer que les créateurs sont assez rémunérés.



2. La décentralisation de Web3 réduit le risque de calcul de l’IA centralisé

Le développement de l’intelligence artificielle générative nécessite beaucoup de ressources informatiques.Par exemple, la formation d’une Chatgpt basée sur GPT-3 coûte plus de 2 millions de dollars, avec une facture d’électricité quotidienne d’environ 47 000 $, et ces coûts devraient croître de façon exponentielle à mesure que la technologie et l’échelle progressent.

À l’heure actuelle, de grandes quantités de ressources informatiques sont concentrées entre les mains de grandes entreprises, ce qui entraîne des coûts élevés de développement, de maintenance et d’exploitation, de risques centralisés et il est difficile pour les petites entreprises de rivaliser.Bien que la formation de grands modèles puisse encore devoir être centralisée en raison de leurs besoins informatiques approfondis, la technologie de la blockchain de Web3 peut permettre l’inférence du modèle distribué, la gouvernance de vote communautaire et la tokenisation du modèle.

Prenant l’exemple des échanges décentralisés, nous pouvons imaginer un système d’inférence de modèle d’intelligence artificielle décentralisée basée sur la communauté où la communauté possède et gère de grands modèles.



3. Utilisez Web3 pour réaliser divers ensembles de données AI et modèles d’interprétation AI

Les méthodes traditionnelles de collecte de données sont souvent limitées par la géographie et la culture, entraînant des biais subjectifs dans le contenu généré par les réponses AI et ChatGPT, telles que la modification de la couleur cutanée de la tâche cible.Le modèle d’incitation à jeton de Web3 optimise les données de collecte, de collecte et de pondération des données du monde entier.De plus, la transparence et la traçabilité de Web3 améliorent l’interprétabilité du modèle et encouragent la production diversifiée pour enrichir le modèle.



4. Modèle d’IA unique de données massives sur la chaîne web3

La conception et la formation du modèle AI sont généralement construites autour du format de données cibles (texte, discours, image ou vidéo).Une orientation future unique pour la convergence de l’IA et du Web3 consiste à développer des modèles à grande échelle pour les données sur chaîne, similaires aux modèles de langage naturel.

Cette approche peut fournir des informations uniques qui ne sont pas disponibles dans l’analyse traditionnelle des données (comme le suivi des fonds intelligents, le flux de financement du projet), et l’IA a la capacité de traiter simultanément de grandes quantités de données.



5. L’IA générative agit comme un catalyseur pour réduire les obstacles à l’entrée de Web3

Actuellement, la participation traditionnelle aux projets Web3 nécessite une compréhension approfondie des concepts complexes sur la chaîne et des opérations de portefeuille, ce qui augmente les coûts d’apprentissage et les risques d’erreur.En revanche, les applications Web2 sont conçues autour du «principe paresseux» et permettent aux utilisateurs de démarrer facilement et en toute sécurité.

L’IA générative peut améliorer considérablement l’expérience utilisateur en agissant comme un «assistant intelligent» entre les utilisateurs et les protocoles de Web3 pour aider à des projets centrés sur l’intention.



2. Résumé de la technologie de l’IA génératrice

2.1 Contexte technique de l’intelligence artificielle générative

Depuis que le concept d’intelligence artificielle a été proposé dans les années 1950, il a connu plusieurs pics et creux, et chaque innovation technologique clé a déclenché une nouvelle vague.

L’IA générative, un concept émergent proposé au cours de la dernière décennie, se démarque parmi diverses directions de recherche sur l’IA pour sa technologie impressionnante et ses performances de produit, attirant l’attention mondiale du jour au lendemain.Avant de plonger dans l’architecture technique de l’intelligence artificielle générative, il est nécessaire de définir la signification de l’intelligence artificielle générative dans cet article et de passer brièvement les technologies de base de l’intelligence artificielle générative récemment populaire.

L’IA générative est une IA utilisée pour créer de nouveaux contenus et idées, y compris des conversations, des histoires, des images, des vidéos et de la musique.Il est construit sur le cadre du réseau neuronal de Deep Learning et les trains à l’aide de grands ensembles de données contenant un grand nombre de paramètres.

Les produits d’IA génératifs qui sont récemment entrés dans la vision du public peuvent être à peu près divisés en deux catégories: l’une est des produits de génération d’image (vidéo) basés sur une entrée de texte ou de style, et l’autre est des produits de type Chatgpt en fonction de la saisie de texte.Les deux catégories reposent sur la même technologie de base: les modèles de grande langue pré-formés (LLM) basés sur l’architecture du transformateur.

La première classe combine une entrée de texte avec des modèles de diffusion pour générer des images ou des vidéos de haute qualité, tandis que le second utilise l’apprentissage par renforcement de rétroaction humaine (RLHF) pour générer des sorties très similaires à la logique humaine.

2.2 Architecture technique actuelle de l’IA générative:

Il existe de nombreux excellents articles qui discutent de l’impact de l’intelligence artificielle générative sur les architectures technologiques existantes sous différents angles.Par exemple, un article complet d’A16Z intitulé « Who possède une plate-forme d’IA générative » résume de manière approfondie l’architecture technique actuelle de l’IA générative.



Selon cette recherche, l’architecture génératrice de l’IA dans l’ère Web2 actuelle est divisée en trois niveaux: l’infrastructure (puissance de calcul), les modèles et les applications.L’article donne également un aperçu des développements actuels à ces trois niveaux.

Infrastructure: À l’heure actuelle, l’accent est toujours mis sur la logique de l’infrastructure Web2, et il existe peu de projets qui intègrent vraiment Web3 et AI.L’infrastructure a gagné la plus grande valeur à ce stade.Le géant Web2, qui est profondément impliqué dans le domaine du stockage et de l’informatique depuis des décennies, a réalisé d’énormes bénéfices en « vendant des pelles » au stade d’exploration de l’intelligence artificielle.

Modèle: Idéalement, le modèle devrait être le véritable créateur et propriétaire de l’intelligence artificielle.Cependant, peu de modèles commerciaux permettent actuellement aux auteurs de ces modèles de saisir la valeur commerciale correspondante.

Applications: Les applications développées dans plusieurs verticales ont généré plus de centaines de millions de dollars de revenus.Cependant, les coûts de maintenance élevés et la faible rétention des utilisateurs posent des défis pour maintenir ces applications en tant que modèle commercial à long terme viable.

2.3 Application de l’intelligence artificielle générative dans web3

2.3.1 Utilisation de l’IA pour analyser les données Web3 massives

Les données sont la pierre angulaire de la construction d’obstacles techniques au développement futur de l’intelligence artificielle.Pour comprendre son importance, nous examinons d’abord la recherche sur la source de performance de grands modèles d’intelligence artificielle.

Cette étude démontre l’émergence unique de grands modèles d’IA: lorsque la taille du modèle dépasse un certain seuil, la précision du modèle augmente soudainement.Comme le montre la figure, chaque graphique représente une tâche de formation et chaque ligne représente les performances (précision) d’un grand modèle.

Des expériences sur divers grands modèles ont constamment conclu qu’après un certain seuil dépassé, les performances du modèle subiront une croissance révolutionnaire sur différentes tâches.



Essentiellement, le changement quantitatif de la taille du modèle entraînera un changement qualitatif dans les performances du modèle.Cette taille est liée au nombre de paramètres du modèle, à la durée de la formation et à la qualité des données de formation.Actuellement, il existe deux façons principales de développer des produits de premier plan lorsqu’il n’y a pas de différence significative dans les paramètres du modèle (conçus par les meilleures équipes de recherche de chaque entreprise) et la durée de formation (la plupart du matériel informatique est acheté auprès de NVIDIA).

La première consiste à identifier et à résoudre des points de douleur spécifiques dans la zone de niche, ce qui nécessite une compréhension approfondie et un aperçu de la zone cible.Deuxièmement, une approche plus pratique consiste à collecter des données plus complètes que les concurrents.

Cela ouvre un excellent point de saisie pour les grands modèles d’IA génératifs pour entrer dans le domaine Web3.Les modèles IA Big ou les modèles de base existants sont formés sur des données massives à partir de divers domaines, et l’unicité des données sur la chaîne dans Web3 fait des données sur la chaîne une manière passionnante et réalisable.

Dans Web3, il existe actuellement deux logiques de produits au niveau des données: la première consiste à inciter les fournisseurs de données, à encourager les utilisateurs à partager les droits d’utilisation des données et à protéger la confidentialité et la propriété des données.Le protocole Ocean fournit un modèle efficace de partage de données à cet égard.La deuxième approche implique des projets qui intègrent des données et des applications afin de fournir aux utilisateurs des services spécifiques à la tâche.Par exemple, Trusta Lab collecte et analyse les données sur la chaîne des utilisateurs et fournit des services tels que l’analyse des comptes de sorcières, l’analyse des risques d’actifs sur chaîne, etc. via son système de notation des médias uniques.

2.3.2 Application de l’agent AI dans web3

Comme mentionné précédemment, l’application d’agents d’intelligence artificielle en chaîne est en plein essor.Avec de grands modèles de langue et la priorité à la confidentialité des utilisateurs, ils fournissent des services de chaîne quantifiables.Selon un article de blog de Lilian Weng, chercheur en chef de l’intelligence artificielle à OpenAI, les agents de l’IA peuvent être divisés en quatre parties: Agent = LLM (modèle grand langage) + planification + mémoire + utilisation de l’outil.

En tant que noyau de l’agent d’IA, LLM gère les interactions externes, apprend de grandes quantités de données et l’exprime logiquement en langage naturel.La planification + l’aspect mémoire est similaire aux concepts d’actions, de stratégies et de récompenses dans les techniques d’apprentissage du renforcement utilisées pour former Alphago.

Il s’agit de décomposer les tâches en objectifs plus petits et d’apprendre la solution optimale grâce à une formation et une rétroaction répétés, en stockant des informations dans divers types de mémoire en fonction des fonctions.L’utilisation des outils fait référence à la capacité d’un agent à utiliser des outils modulaires, une récupération des informations sur Internet, un accès à des outils tels que des sources d’informations propriétaires ou des API.Il convient de noter que la plupart de ces informations sont difficiles à modifier après la pré-formation.



Compte tenu de cette logique de l’agent AI, nous pouvons imaginer les possibilités infinies de combiner l’agent Web3 et AI.Par exemple:

1. Dans les applications de trading actuelles, le modèle d’agent d’IA intégré peut fournir aux clients une interface en langage naturel, offrant une variété de fonctions de trading, notamment la prédiction des prix, la stratégie de négociation, la stratégie de perte d’arrêt, l’ajustement dynamique de l’effet de levier, le leader d’opinion de suivi intelligent, l’emprunt et autres fonctions de trading.

2. Lors de l’exécution d’une stratégie quantitative, la stratégie peut être davantage décomposée en sous-tâches et affectée à différents agents d’IA à exécuter.Les agents collaboratifs de l’IA peuvent améliorer la protection de la vie privée et permettre une surveillance en temps réel pour éviter d’être exploitée par les adversaires.

3. De nombreux PNJ dans les jeux basés sur la blockchain s’alignent naturellement avec les agents de l’IA.Il existe déjà des projets qui appliquent GPT pour générer dynamiquement des conversations de personnages de jeu.Les développements futurs peuvent aller au-delà du texte prédéfini, créer des interactions NPC (ou même numériques humaines) plus réalistes et fonctionnent indépendamment de l’intervention des joueurs.La «ville virtuelle» de Stanford est un bon exemple de ces applications.

4. Bien que les projets d’agent Web3 + AI actuels soient principalement concentrés sur le marché primaire ou l’infrastructure d’IA et qu’aucune application de consommation tueuse ne soit encore apparue, le potentiel d’un projet Web3 + AI qui change la donne est énorme.Ces projets ont de larges perspectives à l’avenir grâce à diverses fonctionnalités de la blockchain telles que la gouvernance distribuée sur la chaîne, le raisonnement à l’épreuve des connaissances zéro, la distribution des modèles et l’amélioration de l’interprétabilité.

2.3.3 Applications verticales potentielles de web3 + AI

A. Applications dans le domaine de l’éducation

La convergence de WEB3 et de l’intelligence artificielle annonce une révolution dans le domaine de l’éducation, où les salles de classe génératrices de la réalité virtuelle sont une innovation notable.Intégrez la technologie de l’intelligence artificielle dans la plate-forme d’apprentissage en ligne, et les étudiants peuvent obtenir une expérience d’apprentissage personnalisée.Le système génère un contenu éducatif personnalisé en fonction de l’historique et des intérêts d’apprentissage de chaque élève.Cette approche personnalisée devrait améliorer la motivation et l’efficacité d’apprentissage des élèves et rendre l’éducation plus personnalisée.



De plus, les incitations au crédit basées sur les jetons représentent des pratiques innovantes dans le domaine de l’éducation.En utilisant la technologie de la blockchain, les crédits et les notes des étudiants peuvent être codés en jetons pour former un système de crédit numérique.Ce mécanisme d’incitation encourage la participation active aux activités d’apprentissage et crée un environnement d’apprentissage plus attrayant et plus motivant.

Inspiré par FriendTech, un projet SocialFi populaire, une logique de tarification clé similaire peut être appliquée à l’établissement de systèmes d’examen par les pairs parmi les étudiants pour ajouter plus d’éléments sociaux à l’éducation.Profitant de l’immuabilité de la blockchain, les examens par les pairs sont devenus plus équitables et transparents.Ce mécanisme d’examen par les pairs est non seulement propice à la culture des capacités de travail d’équipe des étudiants, mais offre également une évaluation plus complète et multidimensionnelle des performances des étudiants, l’introduction de méthodes d’évaluation diversifiées et holistiques dans le système éducatif.

B. Application dans le domaine médical

Dans le domaine médical, l’intégration de WEB3 et de l’IA a favorisé l’apprentissage fédéré et le raisonnement distribué.En combinant l’informatique distribuée avec l’apprentissage automatique, les professionnels de la santé peuvent partager des données à grande échelle, permettant l’apprentissage en groupe plus profond et plus complet.Cette approche intelligente collective peut accélérer le développement du diagnostic et des plans de traitement de la maladie et favoriser les progrès dans le domaine de la médecine.

La protection de la vie privée est également un aspect important de la demande dans le domaine médical.Avec la décentralisation de WEB3 et l’immuabilité de la blockchain, les données médicales des patients peuvent être stockées et transférées plus en toute sécurité.Les contrats intelligents peuvent obtenir un contrôle précis et une gestion de l’autorisation des données médicales, garantissant que seul le personnel autorisé peut accéder aux informations sensibles aux patients, conservant ainsi la confidentialité des données médicales.

C. Demandes dans le domaine de l’assurance

Dans le secteur de l’assurance, l’intégration de WEB3 et de l’IA devrait apporter des solutions plus efficaces et intelligentes aux opérations traditionnelles.Par exemple, dans l’assurance automobile et domestique, l’application de la technologie de vision par ordinateur aide les assureurs à évaluer plus efficacement la valeur de la propriété et les niveaux de risque grâce à l’analyse et à l’évaluation de l’image.Cela fournit aux compagnies d’assurance des stratégies de tarification plus raffinées et personnalisées et améliore la gestion des risques dans le secteur de l’assurance.



Dans le même temps, le traitement automatisé des réclamations en chaîne est une avancée innovante dans le secteur de l’assurance.En utilisant les contrats intelligents et la technologie de la blockchain, le processus de réclamation devient plus transparent et efficace, réduisant la possibilité de procédures fastidieuses et d’intervention humaine.Cela accélère non seulement le processus de réclamation, mais réduit également les coûts d’exploitation et offre une meilleure expérience aux assureurs et aux clients.

L’ajustement dynamique de la prime est un autre domaine d’innovation.Grâce à l’analyse des données en temps réel et aux algorithmes d’apprentissage automatique, les compagnies d’assurance peuvent ajuster les primes plus précisément et en temps opportun et personnaliser les prix en fonction de l’état du risque réel de l’assuré.Cette approche rend non seulement les primes plus équitables, mais encourage également l’assuré à prendre des comportements plus sains et plus sûrs, à promouvoir la gestion des risques et des mesures préventives dans toute la société.

D. Applications dans le domaine du droit d’auteur

Dans le domaine du droit d’auteur, la combinaison de WEB3 et de l’intelligence artificielle a introduit de nouveaux paradigmes pour la création de contenu numérique, la gestion et le développement de code.Grâce à des contrats intelligents et à un stockage décentralisé, les informations sur le droit d’auteur sur le contenu numérique peuvent être mieux protégées, ce qui facilite les créateurs de suivre et de gérer leurs droits de propriété intellectuelle.La technologie de la blockchain peut également établir des enregistrements créatifs transparents et immuables, fournissant des moyens plus fiables pour le suivi et la vérification des travaux.

L’innovation dans les modèles de travail représente également un changement majeur dans le domaine du droit d’auteur.Le travail collaboratif sur les incitations en jetons combine les contributions au travail avec des récompenses en jetons, encourageant les créateurs, les conservateurs et les développeurs à participer au projet.Cela favorise non seulement la collaboration entre les équipes créatives, mais donne également aux participants la possibilité de bénéficier directement du succès du projet, générant ainsi plus d’œuvres excellentes.

D’un autre côté, l’utilisation de jetons comme preuve du droit d’auteur remodèle le modèle de distribution des avantages.Grâce au mécanisme de dividende, exécuté automatiquement par des contrats intelligents, tous les participants aux travaux peuvent obtenir leur propre part de leur revenu en temps réel lorsque les travaux sont utilisés, vendus ou transférés.Ce modèle de distribution de prestations décentralisés résout efficacement les problèmes d’opacité et de retard dans le modèle traditionnel du droit d’auteur, et fournit aux créateurs un mécanisme de distribution d’avantages plus juste et plus efficace.

E. Applications dans l’univers virtuel

Dans le métaverse, la convergence de Web3 et AI ouvre de nouvelles possibilités pour créer des AIGC à faible coût pour enrichir le contenu de jeu basé sur la blockchain.Les environnements et les personnages virtuels générés par l’IA peuvent enrichir le contenu de jeu, offrir aux utilisateurs une expérience plus vive et diversifiée, tout en réduisant la main-d’œuvre et les coûts temporels de la production.

La création d’humains numériques vifs est une innovation dans l’application du métaverse.Les humains numériques ont une apparence physique détaillée qui est mince à cheveux et à la logique psychologique construite sur de grands modèles de langue qui peuvent jouer divers rôles dans le métaverse.Ils peuvent interagir avec les utilisateurs et même participer à des jumeaux numériques dans des scénarios du monde réel.Cela offre une expérience plus réaliste et profonde pour la réalité virtuelle, promouvant l’application généralisée de la technologie humaine numérique dans le divertissement, l’éducation et d’autres domaines.

La génération automatique de contenu publicitaire basé sur les portraits utilisateur de blockchain est une application publicitaire intelligente dans le métaverse.En analysant les comportements et les préférences des utilisateurs dans le métaverse, les algorithmes AI peuvent créer des annonces plus personnalisées et attrayantes qui peuvent améliorer les taux de clics et l’engagement des utilisateurs.Cette méthode de création publicitaire répond non seulement aux intérêts des utilisateurs, mais fournit également aux annonceurs des canaux de promotion plus efficaces.

La NFT interactive générative est une technologie convaincante dans le métaverse.En combinant la NFT avec la conception générative, les utilisateurs peuvent participer à la création de leurs propres illustrations NFT dans le métaverse, leur donnant l’interactivité et l’unicité.Cela ouvre de nouvelles possibilités pour la création et la transaction des actifs numériques et favorise le développement de l’art numérique et de l’économie virtuelle dans l’univers virtuel.

trois.Protocole WEB3 signature

Dans cette section, les auteurs ont sélectionné cinq protocoles représentatifs pour acquérir une compréhension approfondie de l’état actuel de l’IA génératif dans le domaine Web3: Render Network et Akash Network sont mis en évidence comme des leaders du protocole d’infrastructure d’IA général et de la catégorie AI et de l’IA Dans web3; Bittensor déterminé comme un projet populaire dans le domaine de la formation du modèle actuel;

3.1 Réseau de rendu ($ RNDR)

Render Network a été fondé en 2017 par Jules Urbach, fondateur de la société mère Otoy.L’activité principale d’Otoy est le rendu graphique basé sur le cloud, conseillé par les co-fondateurs de Google et Mozilla, a contribué au projet de film oscarisé et a travaillé avec Apple.

Render Network est le passage d’Otoy dans le champ Web3, visant à tirer parti de la nature distribuée de la blockchain pour connecter des exigences de rendu à petite échelle et d’intelligence artificielle avec des ressources décentralisées.Cette décision est conçue pour réduire les coûts pour les petits studios qui, autrement, loueraient des ressources informatiques centralisées coûteuses (telles que AWS, MS Azure et Alibaba Cloud) et offrir des opportunités génératrices de revenus pour ceux qui ont des ressources informatiques inacies.

Soutenu par Otoy, qui a publié son rendu propriétaire Octane Render, Render Network a rapidement été considéré comme un projet Web3 avec une base solide et un potentiel, lançant avec ses besoins inhérents et son modèle commercial solide.

Avec la montée en puissance de l’IA générative, la demande de tâches de vérification et d’inférence distribuées a été croissante, parfaitement adaptée à l’architecture technique de Render, ce qui en fait une direction prometteuse pour le développement futur.Render a dirigé la piste d’IA dans l’espace web3, devenant une sorte d’entité de type mème, et elle bénéficie d’une tendance à la hausse chaque fois que le récit autour de l’IA, de l’informatique métaverse et distribué se réchauffe, démontrant sa polyvalence.

En février 2023, Render Network a annoncé une feuille de route pour mettre à jour son système de hiérarchie de prix et a introduit un mécanisme de stabilisation des prix pour le vote communautaire pour RNDR $ (bien que la date de sortie n’ait pas encore été annoncée).Le projet a également annoncé la migration de Polygon à Solana (améliorer le jeton RNDR $ vers le jeton $ Render basé sur Solana SPL, achevé en novembre 2023).

Le nouveau système de tarification du réseau de rendu divise les services sur la chaîne en trois niveaux, de haut à bas, chaque niveau correspondant à différents prix et à la qualité du service de rendu.Ces couches offrent aux clients des choix en fonction de leurs besoins de rendu spécifiques.



Le mécanisme de stabilité des prix RNDR $ pour le vote communautaire est passé des rachats irréguliers au modèle « Destruction and Coin Equilibrium (BME) ».Ce changement met l’accent sur RNDR comme un stablecoin pour le trading, plutôt que la détention à long terme des actifs.Le processus métier spécifique d’une époque BME est le suivant:

1. Création de produits: le créateur de produits sur Render, c’est-à-dire le fournisseur de ressources de rendu, emballe les ressources de rendu inactif en produits (nœuds) et se rend en ligne, en attendant l’utilisation.

2. Acheter le produit: les clients ayant des besoins de rendu peuvent détruire directement le jeton RNDR $ en tant que frais de service.S’ils n’ont pas de jetons RNDR $, ils les achètent d’abord sur DEX en monnaie Fiat, puis détruisent les jetons.Le prix payé par le service est enregistré publiquement sur la blockchain.

3. CONDUCTIONS DE MONTRE: De nouveaux jetons à menthe selon les règles prédéfinies.

Remarque: Rendez le réseau facture 5% des frais de transaction de fonctionnement du projet payés par les acheteurs de produits.



Dans chaque époque BME, un nombre prédéfini de nouveaux jetons est frappé (la quantité diminue dans le temps).Ces nouveaux jetons sont distribués à trois parties:

1. Créateurs de produits: les récompenses qu’ils reçoivent sont:

UN.Achèvement de la tâche: les récompenses sont basées sur le nombre de tâches de rendu accomplies par chaque nœud de produit.

b.

2. Acheteur de produits: Similaire au retour des coupons de produit du centre commercial, les acheteurs peuvent recevoir jusqu’à 100% du retour de jetons RNDR $, encourageant l’utilisation future du réseau de rendu.

3. Proviseur de liquidité dex: partenariat avec des prestataires de Dex pour s’assurer que les jetons RNDR $ sont offerts à des prix raisonnables pour la destruction nécessaire, et seront récompensés en fonction du montant de RNDR $ promis.



À en juger par la tendance des prix de RNDR $ au cours de la dernière année, en tant que principal projet d’IA Track dans Web3, RNDR $ bénéficie du boom de l’IA motivé par Chatgpt à la fin de 2022 et au début de 2023.Avec l’introduction d’un nouveau mécanisme de jeton, le prix du RNDR $ a culminé au premier semestre de 2023.

Après une période de stabilité, le prix de RNDR $ a atteint son récent sommet avec la récupération de l’IA déclenchée par la nouvelle version d’Openai, la migration du réseau de rendu vers Solana et la mise en œuvre attendue du nouveau mécanisme de jeton.Étant donné que les principes fondamentaux de RNDR $ sont petits, les investissements futurs dans RNDR $ nécessitent une gestion minutieuse de la position et un contrôle des risques.





Les données du tableau de bord Dune Analytics montrent que le nombre total de tâches de rendu a augmenté depuis le début de 2023, mais le nombre de nœuds de rendu n’a pas augmenté.Cela suggère que les nouveaux utilisateurs conduisant à une augmentation des charges de travail sont celles qui ont des besoins de rendu, plutôt que ceux qui fournissent des ressources de rendu.

Étant donné que l’IA générative augmentera d’ici la fin de 2022, il est raisonnable de déduire que les tâches de rendu supplémentaires sont pertinentes pour les applications génératrices de l’IA.Que cette augmentation de la demande représente une tendance à long terme ou une surtension temporaire reste à voir et nécessite une observation plus approfondie.

3.2 Akash Network ($ AKT)

Akash Network est une plate-forme de cloud computing décentralisée conçue pour fournir aux développeurs et aux entreprises des solutions de cloud computing plus flexibles, efficaces et rentables.

La plate-forme « Super Cloud » du projet est basée sur la technologie de blockchain distribuée et utilise les caractéristiques décentralisées de la blockchain pour fournir aux utilisateurs une infrastructure cloud globale et décentralisée, y compris des CPU diversifiés, des GPU, du stockage, etc. Ressources informatiques.

Fondée par Greg Osuri et Adam Bozanich, un entrepreneur avec une riche expérience dans le projet, Akash Network a une mission claire: réduire les coûts de cloud computing, augmenter la disponibilité et donner aux utilisateurs un plus grand contrôle sur leurs ressources informatiques.En incitant les fournisseurs à ouvrir des ressources informatiques inacies par le biais de processus d’appel d’offres, Akash Network réalise une utilisation plus efficace des ressources et fournit des prix compétitifs pour les demandeurs de ressources.

En janvier 2023, Akash Network a lancé la mise à jour Akash Network Economics 2.0 pour aborder divers défauts dans l’économie de jeton actuelle, notamment:

1. La volatilité des $ Akt dans les prix du marché entraîne une inadéquation entre les prix et les valeurs des contrats à long terme.

2. Il y a insuffisant une incitation à libérer beaucoup de puissance de calcul aux fournisseurs de ressources.

3. Des incitations communautaires inadéquates entravent le développement à long terme du projet.

4. La capture de valeur inadéquate de $ Akt présente un risque pour la stabilité du projet.

Selon le site officiel, les solutions proposées dans le plan Akash Network Economy 2.0 incluent l’introduction de paiements de stablecoin, l’augmentation des frais de commande pour augmenter les revenus de l’accord, améliorer les incitations aux fournisseurs de ressources et augmenter les incitations communautaires.Il convient de noter que la fonction de paiement de stablecoin et la fonction de frais de commande ont été mises en œuvre.

En tant que token natif pour le réseau Akash, $ AKT a une variété d’utilisations dans le protocole, y compris la mise en vedette de vérification (sécurité), les incitations, la gouvernance du réseau et le paiement des frais de transaction.Selon le site officiel, le plafond d’offre total de $ AKT est de 388 millions et en novembre 2023, environ 229 millions (59%) ont été déverrouillés.Les jetons Genesis alloués au début du projet seront entièrement déverrouillés et entrèrent sur le marché secondaire en mars 2023.L’allocation des jetons Genesis est la suivante:



En ce qui concerne l’acquisition de valeur, une fonctionnalité notable mais non implémentée mentionnée dans le livre blanc est qu’Akash prévoit de facturer des «frais» pour chaque bail réussi.Ces frais seront envoyés au pool de revenus pour distribution au titulaire.

Le plan stipule des frais de 10% pour les transactions AKT et des frais de 20% pour les transactions utilisant d’autres crypto-monnaies.En outre, Akash a l’intention de récompenser les détenteurs qui verrouillent les avoirs AKT pendant longtemps, incitant ainsi les investissements à long terme.



Les tendances des prix de Coingecko montrent que $ AKT a connu une tendance à la hausse à la mi-août et fin novembre 2023, bien que les gains n’étaient pas aussi bons que les autres projets dans l’espace d’IA, ce qui peut être dû au sentiment actuel du marché.

Dans l’ensemble, Akash Network est l’un des rares projets de qualité sur la piste de l’IA, avec des fondamentaux supérieurs à la plupart des concurrents.Ses revenus commerciaux potentiels peuvent apporter une rentabilité future au protocole, et avec le développement de l’industrie de l’IA et la demande croissante de ressources de cloud computing, le réseau Akash devrait faire des progrès significatifs dans la prochaine vague d’intelligence artificielle.

3.3 Bittensor ($ tao)

Pour ceux qui connaissent l’architecture technique $ BTC, la compréhension de la conception de Bittensor est très simple.En fait, lors de la conception de Bittensor, ses créateurs se sont inspirés de plusieurs fonctionnalités du pionnier de la crypto-monnaie $ BTC.

Cela comprend une offre totale de jetons de 21 millions, une réduction de la production d’environ tous les quatre ans et un mécanisme de consensus de preuve de travail (POW), etc.

Pour le conceptualiser, imaginez le processus de production initial du Bitcoin, puis remplacez le processus «minier» à forte intensité de calcul par la formation et la validation des modèles d’IA qui ne créent pas de valeur réelle.Les mineurs sont motivés en fonction des performances et de la fiabilité des modèles d’IA.Cela forme un résumé simple de l’architecture de projet Bittensor ($ TAO).

Bittensor a été fondée en 2019 par les chercheurs de l’IA, Jacob Steeves et Ala Shaabana, sur la base d’un livre blanc écrit par l’auteur mystérieux Yuma Rao.En bref, il s’agit d’un protocole open source sans licence qui crée une architecture de réseau connectée par de nombreux sous-réseaux, chacun responsable de différentes tâches (traduction machine, reconnaissance et génération d’images, modèles de grande langue, etc.).Les excellentes tâches sont récompensées pour les avoir accomplies, et les sous-réseaux peuvent interagir et apprendre les uns des autres.

Quant aux principaux modèles d’intelligence artificielle actuels, ils sont le résultat d’une grande quantité d’investissement dans les ressources informatiques et les données par les géants de la technologie.Bien que ces produits d’IA fonctionnent bien, cette approche entraîne également des risques centralisés élevés.

L’infrastructure de Bittensor permet aux réseaux d’experts en communication d’interagir et d’apprendre les uns des autres, jetant les bases d’une formation décentralisée de modèles à grande échelle.La vision à long terme de Bittensor est de rivaliser avec des modèles à source fermée de géants tels que OpenAI, Meta et Google, maintiennent des caractéristiques décentralisées tout en aspirant à correspondre à leurs performances d’inférence.

Le noyau technique de Bittensor est le mécanisme consensuel conçu de manière unique par Yuma Rao, également connu sous le nom de consensus de Yuma, qui mélange des éléments de POW et une preuve de pieu (POS).Le fournisseur implique principalement des « serveurs » (mineurs) et des « vérificateurs » (vérificateurs), tandis que le DeMander est composé de « clients » (clients) utilisant des modèles dans le réseau.Le processus est le suivant:



1. Le client envoie la demande et les données au validateur pour le traitement.

2. Le vérificateur distribue les données aux mineurs sous un sous-réseau spécifique.

3. Les mineurs utilisent leur modèle et ont reçu des données pour raisonner et retourner les résultats.

4. Les vérificateurs classent les résultats d’inférence par qualité et les enregistrent sur la blockchain.

5. Les meilleurs résultats d’inférence sont retournés au client, les mineurs et les validateurs reçoivent des récompenses en fonction des classements et des charges de travail.

Il convient de noter que Bittensor lui-même ne forme aucun modèle dans la plupart des sous-réseaux;Actuellement, il existe (ou déjà) 30 sous-réseaux en ligne, chaque sous-réseau correspondant à un modèle de tâches différent.



$ Tao, en tant que token natif pour Bittensor, joue un rôle crucial dans la création de sous-réseaux, l’enregistrement dans des sous-réseaux, le paiement des services et la mise en place de validateurs au sein de l’écosystème.Après l’esprit de BTC, $ Tao a choisi de libérer équitablement, ce qui signifie que tous les jetons sont générés par des contributions au réseau.

Actuellement, $ Tao produit environ 7 200 jetons par jour, répartis également aux mineurs et validateurs.Depuis le début du projet, environ 26,3% des 21 millions de jetons ont été produits, dont 87,21% sont utilisés pour le jalon et la vérification.Le projet suit également le modèle de réduction de moitié de la BTC environ tous les quatre ans, le prochain calendrier de divanne, prévu pour le 20 septembre 2025 et devrait être un conducteur de prix important.





À partir de fin octobre 2023, la tendance des prix de $ Tao a connu une forte augmentation, principalement motivée par une nouvelle vague d’enthousiasme de l’IA après la conférence Openai et le passage vers le champ d’IA.

En tant que nouveau projet sur la piste Web3 + AI, la qualité de $ Tao et la vision à long terme ont également attiré des investissements.Mais il faut admettre que, comme d’autres projets d’IA, bien que la combinaison de WEB3 + AI ait un grand potentiel, il n’a pas encore été trouvé dans les activités réelles pour soutenir des projets rentables à long terme.

3.4 Alethea.ai ($ ou)

Fondée en 2020, Alethea.ai est un projet dédié à l’utilisation de la technologie blockchain pour apporter la propriété et la gouvernance décentralisés pour générer du contenu.

Les fondateurs d’Alethea.ai croient que l’IA générative nous conduira dans une ère de redondance d’informations causée par le contenu génératif, dans lequel de grandes quantités de contenu numérique peuvent être facilement copiées ou générées avec un simple coup de coche ou un clic. pour que les créateurs originaux obtiennent des avantages.En connectant les primitives de la blockchain telles que les NFT avec une IA générative, leur objectif est d’assurer la propriété de l’IA générative et de son contenu et de s’engager dans la gouvernance communautaire en plus.

Poussée par ce concept, Alethea.ai a initialement lancé le nouvel NFT Standard Inft, qui utilise des pods d’intelligence pour intégrer l’animation AI, la synthèse de la parole et même l’IA générative en images.Alethea.ai a également travaillé avec des artistes pour créer des infts en utilisant leur œuvre, dont une a été vendue pour 478 000 $ lors des enchères de Sotheby’s.



Alethea.ai a ensuite introduit le protocole AI qui permet à tout développeur ou créateur d’IA génératif de créer en utilisant la norme inft sans autorisation.Pour démontrer le protocole d’IA, Alethea.ai a développé un personnagegpt, un outil basé sur de grandes théories du modèle telles que le GPT pour la création de NFT interactifs.Récemment, ils ont publié Open Fusion, permettant à tout NFT ERC-721 d’être combiné avec l’intelligence et libéré sur le protocole d’IA.

Le Token natif d’Alethea.ai est $ Ali, qui a quatre utilisations principales:

1. Verrouillez un certain montant de $ Ali pour créer un inft.

2. Plus $ Alis est verrouillé, plus le niveau du pod d’intelligence est élevé.

3. Les détenteurs de $ Ali participent à la gouvernance communautaire.

4. $ Ali est un diplôme pour l’interaction entre les INFT (pas encore des cas d’utilisation réels).



À en juger par le cas d’utilisation de $ Ali, il est clair que la capture de valeur des jetons est toujours basée principalement sur les récits.Les tendances des prix des jetons au cours de la dernière année ont confirmé cela: $ Ali a bénéficié du boom de l’IA génératif que le Chatgpt a dirigé depuis décembre 2022.De plus, lorsque Alethea.ai a annoncé une nouvelle fonctionnalité de fusion ouverte en juin, elle a déclenché une vague de prix.Cependant, à part ces situations, le prix de $ Ali a été sur une tendance à la baisse et n’a même pas réagi au battage médiatique de l’IA fin 2023 comme des projets similaires.

En plus des jetons natifs, le projet NFT d’Alethea.ai (y compris sa collection officielle) mérite également une attention sur le marché NFT.





Selon le tableau de bord de Dune, les pods de renseignement tiers et la série de réénants de première partie d’Athea.ai ont disparu après sa première sortie.L’auteur estime que la principale raison est que la nouveauté initiale s’estompe progressivement et qu’il n’y a pas de valeur substantielle ou de participation communautaire pour conserver les utilisateurs.

3.5 Fetch.ai ($ fet)

Fetch.ai est un projet dédié à la promotion de l’intégration de l’intelligence artificielle (AI) et de la technologie de la blockchain.Son objectif est de construire une économie intelligente décentralisée en combinant l’apprentissage automatique, la blockchain et les technologies de grand livre distribuées pour soutenir l’activité économique parmi les agents intelligents.

Fondée en 2019 par les scientifiques britanniques Humayun Sheikh, Toby Simpson et Thomas Hain, Fetch.ai a une formation impressionnante dans son équipe fondatrice.

Humayun Sheikh a été un premier investisseur dans Deepmind, Toby Simpson a occupé des postes de direction dans plusieurs sociétés, et Thomas Hain est professeur dans le domaine de l’intelligence artificielle à l’Université de Sheffield.L’expérience diversifiée du fondateur s’étend sur les sociétés informatiques traditionnelles, les projets d’étoiles de blockchain, les soins médicaux et les domaines de supercalcul, offrant à Fetch.ai des ressources riches de l’industrie.

La mission de Fetch.ai est de construire une plate-forme de réseau décentralisée composée d’agents économiques autonomes (AEAS) et d’applications d’intelligence artificielle, permettant aux développeurs de compléter les tâches orientées vers les objectifs prédéfinies en créant des agents autonomes.La technologie de base de la plate-forme est son architecture unique à trois couches:

1. Sous-jacent le mécanisme de consensus POS-UD (preuve de participation sous licence), cette couche de base prend en charge les réseaux de contrats intelligents, favorise la collaboration de mineurs et la formation et le raisonnement de base d’apprentissage automatique.

2. Couche moyenne: Le cadre économique ouvert (OEF) fournit un espace partagé pour les interactions et les protocoles sous-jacents entre l’AEAS, soutenant la recherche, la découverte et les transactions entre AEAS.

3. Niveau supérieur: AEA est le composant central de Fetch.ai.Chaque AEA est un logiciel proxy intelligent qui peut remplir diverses fonctions via des modules de compétence et effectuer des tâches prédéfinies par les utilisateurs.Ces agents ne fonctionnent pas directement sur la blockchain, mais interagissent avec la blockchain et les contrats intelligents via OEF.Le logiciel Smart Proxy peut être purement basé sur des logiciels ou peut être lié au matériel physique tel que les smartphones, les ordinateurs et les voitures.Fetch.ai fournit le framework AEA de développement basé sur Python, qui est modulaire, permettant aux développeurs de créer leur proxy intelligent.

En plus de cette architecture, Fetch.ai a lancé des produits et services ultérieurs tels que Co-Learn (modèle d’apprentissage automatique partagé entre les agents) et Metaverse (Agent Cloud Hiding Service) pour soutenir les utilisateurs dans les agents en développement sur leurs plates-formes.

En ce qui concerne les jetons, $ fet, en tant que jeton natif de Fetch.ai, couvre les fonctionnalités standard telles que le paiement du gaz, la vérification des enjeux et les services d’achat dans le réseau.Plus de 90% des jetons FET $ ont été déverrouillés et l’allocation spécifique est la suivante:



Depuis sa création, Fetch.ai a connu plusieurs tours de financement de dilution en jetons, le plus récent étant un investissement de 30 millions de dollars reçu du laboratoire DWF le 29 mars 2023.Étant donné que les jetons FET $ ne peuvent pas tirer de la valeur des revenus du projet, sa dynamique de prix dépend principalement des mises à jour du projet et du sentiment du marché envers le domaine de l’intelligence artificielle.En fait, au milieu de deux vagues de boom sur le marché de l’IA, le prix de Fetch.ai a connu une augmentation de plus de 100% au début de 2023 et à la fin de l’année.



La trajectoire de développement de Fetch.ai ressemble plus à une startup Web2.0 AI en mettant l’accent sur l’amélioration de sa technologie.Il cherche la reconnaissance et la rentabilité grâce à la collecte de fonds en cours et à une vaste collaboration.

Cette approche laisse amplement de place aux futures applications développées sur Fetch.ai, mais signifie également qu’elle peut ne pas être aussi attrayante pour d’autres projets de blockchain, limitant potentiellement la vitalité de l’écosystème.L’un des fondateurs de Fetch.ai a même tenté de lancer un projet Dex, Mettalex Dex, basé sur Fetch.ai, mais il s’est terminé par un échec.En tant que projet axé sur les infrastructures, la désintégration de l’écosystème a également entravé la croissance de la valeur intrinsèque de Fetch.ai.

Quatre.Un brillant avenir pour l’intelligence artificielle générative

Le PDG de Nvidia, Jensen Huang, a comparé le lancement de grands modèles générés au « moment iPhone » de l’intelligence artificielle, indiquant un changement de clé dans le rôle de l’intelligence artificielle, avec des puces informatiques hautes performances devenant le cœur d’une ressource rare pour l’intelligence artificielle.

Les projets d’infrastructure d’IA qui verrouillent la plupart des fonds du sous-piste de l’IA Web3 sont toujours au centre de l’attention à long terme des investisseurs.Alors que les géants de puce améliorent progressivement leurs capacités informatiques, les capacités de l’IA se développent, et il est susceptible d’approuver plus de projets d’infrastructure d’IA dans Web3, et peut-être même des puces conçues spécifiquement pour la formation de l’IA dans Web3.

Alors que les produits d’IA génératifs centrés sur le consommateur sont toujours au stade expérimental, certaines applications de qualité industrielle ont montré un grand potentiel.L’une des applications est le « Twin numérique » qui transfère les scénarios du monde réel dans le domaine numérique.

Compte tenu de la valeur inexploitée dans les données industrielles, la plate-forme jumeau numérique métacosmique de Nvidia positionne la plate-forme générative AI comme une partie importante des jumeaux numériques industriels.Dans Web3, y compris les mondes virtuels, la création de contenu numérique et les actifs du monde réel, les jumeaux numériques influencés par l’intelligence artificielle joueront un rôle important.

Le développement de nouveaux matériels interactifs est également crucial.Historiquement, chaque innovation matérielle dans le domaine de l’informatique a provoqué des changements et des opportunités révolutionnaires, tels que la souris informatique désormais omniprésente ou l’écran de condensateur multi-touch de l’iPhone 4.

Apple Vision Pro a annoncé qu’elle serait publiée au premier trimestre de 2024, attirant l’attention mondiale avec ses manifestations impressionnantes et devrait apporter des changements et des opportunités inattendus à diverses industries.L’industrie du divertissement, connue pour sa production de contenu rapide et sa diffusion généralisée, profite souvent des mises à jour matérielles en premier.Il s’agit notamment de Metaverse de Web3, de jeux de blockchain, de NFT, etc., qui méritent une attention et des recherches à long terme.

À long terme, le développement de l’intelligence artificielle générative représente un changement quantitatif conduisant à un changement qualitatif.Au cœur de Chatgpt se trouve la solution au problème académique à long terme des questions et réponses.Ce n’est qu’à travers des données étendues et des itérations du modèle que le niveau impressionnant de GPT-4 peut être atteint.Les applications AI dans Web3 sont similaires et sont actuellement dans la scène lorsque le modèle Web2 s’adapte à Web3.Un modèle entièrement basé sur les données Web3 n’est pas encore apparu.Des projets visionnaires et un vaste éventail de ressources dédiés à la recherche sur les problèmes spécifiques à WEB3 apporteront à Web3 sa propre application de tueurs de niveau Chatgpt.

Il existe de nombreux moyens prometteurs d’explorer le fondement technique de l’intelligence artificielle générative, comme la technologie de la chaîne de pensées.Cette technologie permet aux grands modèles de langue de faire un saut significatif dans le raisonnement en plusieurs étapes.Cependant, il met également en évidence et même exacerbe les limites des grands modèles dans un raisonnement logique complexe.Les lecteurs intéressés peuvent explorer l’article de l’auteur original sur la chaîne de pensées.

Après Chatgpt, divers projets sur le thème du GPT sont apparus dans Web3, mais la combinaison de GPT avec des contrats intelligents ne peut pas répondre aux besoins des utilisateurs.Environ un an après la sortie de Chatgpt, il y a encore un énorme potentiel à l’avenir.Les produits futurs devraient commencer par les besoins réels des utilisateurs de Web3.Avec la maturité croissante de la technologie Web3, l’application de l’IA générative dans web3 sera sûrement vaste et excitante.