Sogni.ai et CMC Labs s'unissent pour autonomiser les fournisseurs de GPU et décentraliser la créativité de l'IA | Bitcoinist.com

CMC Labs, le programme d’accélération Web3 exclusif de Coinmarketcap, a sélectionné la plateforme d’IA créative Sogni.ai pour la collaboration afin d’explorer l’intersection de la blockchain, de l’IA et de la créativité numérique. Sogni se prépare à lancer son réseau principal au premier trimestre 2025, et la collaboration stratégique favorisera la croissance et la notoriété de la plateforme, qui fonctionne là où convergent l’IA, la blockchain et la créativité.

Sogni est en mission pour permettre aux fournisseurs de GPU et aux créateurs de renforcer l'économie créative décentralisée. Son modèle open-source permet à chaque utilisateur de contribuer son CPU et son GPU. Les utilisateurs contribuent en puissance machine en échange de récompenses en jetons Web3 de la plateforme, et les créateurs exploitent la puissance de calcul pour donner vie à leurs œuvres. La plateforme offre aux utilisateurs une infrastructure décentralisée pour la créativité assistée par l'IA, permettant des expressions artistiques autonomes et des récompenses via le SDK Supernet, Sogni Studio Pro et Sogni Pocket.

Sogni est actuellement dans sa troisième phase de Testnet, qui concerne les licences NFT des travailleurs Supernet et les redevances des créateurs de modèles AI. La quatrième et dernière phase comprend un événement de génération de jetons et les derniers préparatifs pour le lancement du Mainnet. $SOGNI sera déployé sur Base Mainnet avec un approvisionnement de 10 milliards de jetons.

Un partenariat prometteur

Coinmarketcap est le site de suivi des prix des crypto-monnaies le plus référencé dans le monde. Il rend les crypto-monnaies efficaces et découvrables en fournissant aux utilisateurs de détail des informations précieuses et impartiales afin qu’ils puissent tirer les conclusions les plus précises. Il s’agit d’une source très fiable qui compare des milliers de crypto-monnaies, couramment citées par les principaux organes de presse, notamment CNBC et Bloomberg. Même le gouvernement américain utilise ses données pour des rapports et des recherches.

Le partenariat avec CMC Labs donnera à Sogni l’accès à des ressources inestimables, à un mentorat stratégique et à des opportunités de réseautage direct dans le Web3. Ces avantages aideront la plateforme à étendre sa présence mondiale, à accélérer sa croissance et à consolider son statut de pionnier de la propriété créative sécurisée par la blockchain, de l’art numérique alimenté par l’IA et des NFT. En tirant parti de l’expertise et du vaste réseau de CMC Labs, Sogni contribuera à une créativité basée sur l’IA qui est transparente, décentralisée et universellement accessible. Cette collaboration est une approbation, validant la vision de Sogni d’un écosystème créatif natif du Web3.

GPUs are the pillars of modern AI

On ne saurait trop insister sur l’importance de permettre aux utilisateurs de contribuer avec leurs GPU. Les GPU sont devenus le cheval de bataille de l’IA moderne, permettant d’entraîner et de déployer des modèles d’IA à multiples facettes qui alimentent tout, du traitement du langage naturel à la reconnaissance d’images. Les tâches exigeantes en matière de calcul constituent le cœur de l’IA, et la capacité des GPU à effectuer un nombre immense de calculs simultanément les rend parfaits pour ces tâches.

Les GPU accélèrent l’entraînement des modèles d’IA, améliorent les capacités d’IA et permettent aux développeurs et aux chercheurs d’itérer plus rapidement sur les modèles. Ils entraînent des modèles d’IA en effectuant des opérations mathématiques complexes pour ajuster les paramètres. Le processus d’apprentissage consiste à saisir de grands volumes de données, puis à ajuster les paramètres pour minimiser le risque d’incohérence entre les données réelles et les prédictions du modèle.

Les GPU jouent également un rôle crucial après la formation d'un modèle d'IA. À ce stade, il doit être exécuté pour faire des prédictions sur de nouvelles données, généralement en temps réel. Leur capacité à résoudre rapidement des problèmes complexes permet aux applications alimentées par l'IA de répondre plus rapidement aux demandes des utilisateurs. Ils sont essentiels pour débloquer les capacités en temps réel des modèles d'IA, que ce soit un chatbot fournissant une réponse instantanée ou une voiture autonome prenant des décisions à la vitesse de l'éclair.

La prochaine étape de la créativité alimentée par l'IA : décentralisée et transparente

L'IA décentralisée utilise la technologie de la blockchain pour répartir le traitement, le stockage et le contrôle des données sur l'ensemble d'un réseau de nœuds, garantissant l'intégrité des données et protégeant leur propriété. Le réseau distribué gère les spécifications de conception, les préférences des utilisateurs, les styles artistiques et d'autres formes d'entrée créative. Les entreprises créatives peuvent traiter localement des données liées à l'art, à la conception et aux médias sans dépendre d'une autorité centralisée unique. L'IA décentralisée aide également à générer une sortie personnalisée, permettant aux artistes de créer des œuvres avec une grande précision.

Peut-être plus important encore, ils peuvent créer sans intermédiaires contrôlant ou affectant leur produit. Cette autonomie facilite une plus grande liberté d'expression. L'IA décentralisée laisse les décisions créatives à l'artiste mais fournit un soutien personnalisé. Chaque fois que possible, des modèles plus faciles à interpréter comme la régression linéaire ou les arbres de décision devraient être utilisés. SHAP (Shapley Additive Explanations) et LIME (Local Interpretable Model-agnostic Explanations) peuvent montrer comment les entrées affectent les sorties dans des modèles complexes comme l'apprentissage profond. La technique SHAP est utilisée dans l'IA décentralisée, en particulier dans l'apprentissage fédéré, les systèmes multi-agents et l'IA basée sur la blockchain.

Les plateformes doivent conserver une documentation complète du processus de développement de modèles, y compris la sélection des caractéristiques, les sources de données, les métriques d'évaluation et les procédures de formation. Cette transparence aide les parties prenantes à comprendre les fonctions et les lacunes du modèle.

Enfin, ils devraient présenter les résultats du modèle et les justifications de la décision de manière accessible. Un exemple est l'utilisation de rapports de synthèse et d'aides visuelles pour clarifier des modèles compliqués aux parties prenantes qui manquent d'expertise technique.