Le panel Hack Seasons Singapore explore l'avenir des agents d'IA, de l'informatique décentralisée et de la gouvernance on-chain.

En bref

Lors de la conférence Hack Seasons à Singapour, des experts ont discuté du rôle actuel et futur des agents IA dans le Web3, abordant des applications pratiques, et plus encore, tout en soulignant que la supervision humaine reste essentielle pour un avenir prévisible.

Au début d'octobre, la conférence Hack Seasons à Singapour a réuni des technologues, des investisseurs et des innovateurs du monde entier pour explorer l'avenir de la blockchain et de l'IA. L'un des événements les plus attendus sur la scène principale était la table ronde intitulée « AI On Chain : Les protocoles sont-ils sur le point de penser par eux-mêmes ? » animée par Tomer Sharoni, PDG d'Addressable.

Le panel présentait un groupe de haut niveau, comprenant Evgeny Ponomarev, co-fondateur de Fluence, Michael Heinrich, fondateur de 0G, Jack Collier, CGO de io.net, et Clark Alexander, Chief AI Officer chez Argentum AI. La discussion a offert une exploration approfondie de la manière dont l'intersection de Web3 et de l'IA pourrait façonner le paysage numérique dans les années à venir.

La conversation a commencé avec des intervenants examinant les applications pratiques actuelles des agents d'IA en production, ainsi que des cas d'utilisation qui restent aspirants ou peu susceptibles de se concrétiser. Les panélistes ont souligné la large gamme d'applications pratiques pour les agents d'IA, notant que le terme fait généralement référence à l'utilisation de grands modèles linguistiques (LLMs) dans l'automatisation des affaires. Dans de nombreux cas, les agents d'IA fonctionnent sans interface conversationnelle, gérant des tâches telles que le support client, l'automatisation des ventes, la collecte de données et le profilage. Bien que ces applications soient déjà largement adoptées, le rêve à long terme reste de créer des agents d'IA capables de penser comme des humains. Actuellement, l'architecture des modèles existants ne peut pas reproduire l'intelligence humaine.

Les intervenants ont souligné que les agents d'IA sont les plus efficaces lorsqu'ils sont utilisés pour automatiser des tâches au niveau du système d'exploitation. Des modèles ont été formés sur les artefacts créés par les humains au cours des millénaires, mais l'ampleur complète de la créativité et de l'innovation humaines s'étend bien au-delà de ce qui a été documenté. En conséquence, le travail créatif, la génération d'idées, la gouvernance et l'administration resteront du domaine des humains pour un avenir prévisible. Les panélistes ont convenu que, pendant au moins les cinquante prochaines années, les humains continueront à jouer un rôle essentiel dans ces processus.

La discussion a également exploré comment les agents IA sont actuellement utilisés principalement comme outils internes. L'IA a le potentiel de fournir un contexte pertinent qui permet aux humains de prendre de meilleures décisions et d'améliorer la créativité au sein des systèmes autonomes.

Alors que l'objectif ultime pour certains est l'intelligence artificielle générale (AGI), le panel a reconnu les limitations physiques et conceptuelles significatives des LLMs actuels. Cependant, les intervenants n'ont pas écarté la possibilité de futurs algorithmes conçus pour penser différemment ou plus comme des humains, notant que certains développeurs explorent activement ces approches.

Les panélistes explorent les agents de trading IA, le calcul décentralisé, les données en chaîne et la gouvernance GPU dans l'avenir de la crypto et de l'IA

Un sujet clé abordé lors du panel était les agents de trading AI. Dans l'espace des cryptomonnaies, des protocoles de trading autonome et des portefeuilles visant à générer des bénéfices pour les utilisateurs émergent rapidement.

Les panélistes ont noté que le trading de cryptomonnaies fonctionne de manière similaire au trading sur le marché des changes. Si plusieurs agents d'IA sont programmés avec différentes stratégies de trading, ils pourraient finir par trader les uns contre les autres. Cependant, si leurs stratégies sont fortement corrélées, le système pourrait s'effondrer, résultant en un gagnant dominant tandis que les autres subissent des pertes. À bien des égards, la dynamique du trading des agents d'IA reflète celle d'un marché.

D'autres intervenants ont souligné que, selon des recherches, la plupart des agents de trading AI sous-performent encore par rapport aux humains. Le panel a convenu que les agents AI restent inefficaces car ils ne peuvent pas anticiper les modèles émergents ni explorer indépendamment de nouvelles stratégies.

Le calcul décentralisé était un autre point majeur de discussion. Les panélistes ont expliqué que pour ceux qui cherchent à construire de grands réseaux GPU, le calcul décentralisé offre une alternative aux fournisseurs de cloud comme AWS ou Google Cloud. Un défi clé est de convaincre les grandes entreprises, telles que les sociétés du Fortune 500, d'adopter des réseaux GPU décentralisés en plus de l'infrastructure cloud traditionnelle.

Les intervenants ont noté que certaines entreprises nécessitent des GPU extrêmement puissants pour fonctionner à grande échelle. Si les fournisseurs décentralisés ne peuvent pas fournir ce niveau de matériel, ils n'attireront pas de clients d'entreprise. De plus, l'adoption par les entreprises dépend souvent des certifications de sécurité, que les protocoles décentralisés peuvent manquer. Sans ces certifications, les entreprises ont une assurance limitée que les données sensibles resteront protégées.

Malgré ces défis, d'autres intervenants ont soutenu que les systèmes décentralisés présentent des avantages de confiance inhérents. Les mécanismes de staking permettent aux participants de soutenir les ressources qu'ils fournissent, offrant une forme de responsabilité. Actuellement, l'un des plus grands coûts de l'IA est le calcul, en partie parce que les entreprises se sentent poussées à sécuriser des ressources auprès des hyperscalers, ce qui se traduit souvent par un matériel sous-utilisé—parfois seulement 10-15% d'utilisation. Les réseaux décentralisés permettent de monétiser efficacement la capacité GPU excédentaire, tandis que les consommateurs paient uniquement pour ce qu'ils utilisent.

La discussion a également exploré l'intérêt croissant de mettre des données sur la chaîne pour garantir la provenance, le contrôle et la vérifiabilité. Les intervenants ont débattu de la question de savoir si les blockchains pourraient finalement soutenir la formation de modèles d'IA autonomes d'une manière à la fois efficace et sécurisée.

Le panel s'est conclu par un accent sur la gouvernance dans le domaine de l'IA et des GPU, soulevant des questions sur qui contrôlera l'approvisionnement en GPU à l'avenir et comment cela façonnera l'économie au sens large.