Le cofondateur d'Anthropic soutient le développement des tokens Bittensor et TAO

image

Jack Clark, cofondateur d'Anthropic et ancien directeur des politiques d'OpenAI, a publié une analyse de l'entraînement de l'IA décentralisée. Il a cité les recherches d'Epoch AI et évalué le rythme actuel de développement du secteur. Sa mention de l'infrastructure Bittensor a attiré l'attention des experts et des investisseurs du secteur des cryptomonnaies.

Dans son analyse, Clark a comparé la croissance de l'entraînement décentralisé à celle des modèles centralisés. Selon Epoch AI, les réseaux décentralisés croissent environ 20 fois par an. Pour les plus grands laboratoires, ce taux est d'environ 5 fois. Cela représente un avantage de mise à l'échelle de 4 fois. Actuellement, les déploiements décentralisés nécessitent 1 000 fois moins de puissance de calcul. Cependant, au rythme actuel, cet écart pourrait se réduire d'ici quelques années.

Clark a notamment mis en lumière des solutions technologiques permettant de surmonter les principales contraintes. Epoch AI a conclu que la bande passante ne constituera pas un obstacle à la mise à l'échelle dans un avenir proche. Ceci confirme le potentiel de croissance des réseaux distribués sans goulots d'étranglement.

Dans le contexte de ces résultats, les projets opérant au sein de l'écosystème Bittensor ont été mis en avant. Le plus grand réseau d'apprentissage décentralisé actif, Templar, est géré par Covenant AI. Cette organisation fonctionne comme un sous-réseau de Bittensor et mutualise une importante puissance de calcul. Les publications mentionnent également les projets Basilic AI et Grail AI, tous deux indexés par Covenant.

Les partisans de Bittensor estiment que le token TAO sous-estime le potentiel de réussite d'un modèle décentralisé. Ils évoquent une multiplication par 20 de la valeur de la cryptomonnaie d'ici 2026, en s'appuyant sur la résolution de plusieurs problèmes de capacité et sur une augmentation spectaculaire de l'échelle ces dernières années. Clark a également souligné que l'apprentissage distribué permet de mutualiser la puissance de calcul des universités, des agences gouvernementales et des développeurs indépendants. Ceci se traduit par un accès accru à la création de modèles de pointe. La participation de plus de 195 000 portefeuilles à l'écosystème confirme la nature décentralisée du réseau. Ce pourrait être un tournant décisif pour le marché, incitant à reconsidérer le TAO et l'ensemble du modèle d'IA distribuée.

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *