Le PDG de Gensyn explique comment l’IA décentralisée peut concurrencer les géants technologiques. Fielding est un conférencier au festival Consensus de cette année, apparaissant au Sommet de l’IA.
L’origine de la vision : Un bureau bruyant et une ambition démesurée
L’histoire a commencé avec un bureau bruyant. Ce bureau était un box en bois dans un laboratoire de l’université de Northumbria, dans le nord de l’Angleterre, où un jeune chercheur en IA a commencé son doctorat. C’était en 2015. Le chercheur était Ben Fielding, qui avait construit une grosse machine remplie d’anciens GPU pour développer l’IA. La machine était si bruyante qu’elle agaçait les collègues de laboratoire de Fielding. Fielding a fourré la machine sous le bureau, mais elle était si grosse qu’il devait maladroitement coller ses jambes sur le côté. Cette anecdote, apparemment banale, illustre parfaitement les contraintes matérielles auxquelles étaient confrontés les pionniers de l’IA il y a une dizaine d’années. Les ressources informatiques étaient limitées et coûteuses, concentrant le pouvoir d’expérimentation et de développement entre les mains de quelques grandes entreprises. Cette concentration des ressources a créé un fossé important entre les chercheurs universitaires et les géants de la technologie, limitant l’innovation et la diversité des approches en matière d’IA. Pour plus d’informations sur les compétences en IA, vous pouvez consulter cet article : Boostez Votre Carrière : Comment les Compétences en IA Font la Différence !.
Les idées de Fielding étaient peu orthodoxes. Il a exploré comment les « essaims » d’IA – des clusters de nombreux modèles différents – pouvaient se parler et apprendre les uns des autres, ce qui pourrait améliorer l’ensemble collectif. Cette approche novatrice, inspirée par des systèmes biologiques complexes comme les colonies de fourmis ou les bancs de poissons, visait à créer une intelligence collective émergente de l’interaction de multiples agents autonomes. L’idée était que chaque modèle, même avec des capacités limitées, pourrait contribuer à l’ensemble en partageant ses connaissances et ses expériences. C’était une vision ambitieuse, mais la réalité matérielle de son bureau bruyant limitait sévèrement ses possibilités. Par exemple, il est crucial d’avoir des données propres et consensenties pour que les modèles d’IA soient efficaces.
Le défi de la centralisation des ressources
Il n’y avait qu’un seul problème : il était menotté par les réalités de cette machine bruyante sous son bureau. Et il savait qu’il était surclassé. « Google faisait aussi cette recherche », dit Fielding maintenant. « Et ils avaient des milliers [de GPU] dans un centre de données. Les choses qu’ils faisaient n’étaient pas folles. Je connaissais les méthodes… J’avais beaucoup de propositions, mais je ne pouvais pas les exécuter. » L’écart de ressources était abyssal. Alors que Fielding luttait avec une seule machine bruyante, Google disposait d’une infrastructure informatique massive, lui permettant d’explorer des idées et de tester des hypothèses à une échelle inaccessible aux chercheurs universitaires. Cette disparité a mis en lumière le défi fondamental de la démocratisation de l’IA : comment donner à tous les innovateurs, pas seulement aux géants de la technologie, les moyens de développer et d’expérimenter avec cette technologie transformative. La concentration des ressources informatiques entre les mains de quelques entreprises crée un risque de monopole, limitant la diversité des applications et des perspectives en matière d’IA. Il est essentiel de trouver des moyens de répartir plus équitablement ces ressources pour favoriser l’innovation et garantir que les avantages de l’IA sont partagés par tous.
Ainsi, il y a une dizaine d’années, Fielding a réalisé : les contraintes de calcul seraient toujours un problème. En 2015, il savait que si le calcul était une contrainte difficile dans le milieu universitaire, ce serait absolument une contrainte difficile lorsque l’IA se généraliserait. Cette réalisation a été un moment clé. Fielding a compris que le problème n’était pas seulement un défi technique temporaire, mais une limitation structurelle qui risquait de freiner le développement et la diffusion de l’IA. Si seules les grandes entreprises pouvaient se permettre de développer et d’entraîner des modèles d’IA, cela créerait un monopole de facto, étouffant l’innovation et limitant l’application de l’IA aux problèmes qui intéressent ces entreprises. Cette prise de conscience a conduit Fielding à chercher des solutions alternatives pour démocratiser l’accès aux ressources informatiques et permettre à un plus grand nombre de personnes de participer au développement de l’IA. La recherche sur les politiques climatiques est un domaine ou l’IA peut être utile. De plus, vous pouvez lire des articles sur le Machine Learning pour vous familiariser.
La solution : L’IA Décentralisée et la naissance de Gensyn
La solution ? L’IA décentralisée. Fielding a cofondé Gensyn (avec Harry Grieve) en 2020, soit des années avant que l’IA décentralisée ne devienne à la mode. Le projet était initialement connu pour la construction d’un calcul décentralisé – et j’ai parlé avec Fielding à ce sujet pour CoinDesk et sur un panel après l’autre lors de conférences – mais la vision est en fait quelque chose de plus large : « Le réseau pour l’intelligence machine. » Ils construisent des solutions de haut en bas de la pile technologique. Gensyn a été l’un des premiers à reconnaître le potentiel de la blockchain et des technologies décentralisées pour résoudre le problème des contraintes de calcul. L’idée était de créer un réseau mondial de ressources informatiques, où n’importe qui pourrait contribuer avec ses GPU inutilisés et être récompensé pour sa participation. Cela permettrait de démocratiser l’accès aux ressources informatiques nécessaires à l’entraînement des modèles d’IA, ouvrant ainsi la voie à une innovation plus large et plus diversifiée. En utilisant la blockchain, Gensyn espère créer un système transparent, sécurisé et équitable pour la distribution des ressources informatiques, permettant à un plus grand nombre de personnes de participer au développement de l’IA.
Et maintenant, une décennie après que le bureau bruyant de Fielding ait agacé ses collègues de laboratoire, les premiers outils de Gensyn sont en pleine nature. Gensyn a récemment publié son protocole « RL Swarms » (un descendant du travail de doctorat de Fielding) et vient de lancer son Testnet – qui apporte la blockchain dans le pli. Ces avancées marquent une étape importante dans la réalisation de la vision de Fielding. Le protocole RL Swarms est une incarnation concrète de son idée d’essaims d’IA, permettant à plusieurs modèles d’apprendre et de s’améliorer collectivement. Le lancement du Testnet permet de tester et d’affiner l’intégration de la blockchain dans l’infrastructure de Gensyn, préparant ainsi le terrain pour un déploiement à plus grande échelle. Pour des articles sur l’apprentissage machine, vous pouvez consulter cet article : Articles Machine Learning : Où trouver les meilleurs (et comment les lire) !.
Le Sommet de l’IA et la vision de l’accessibilité
Dans cette conversation menant au Sommet de l’IA, au Consensus à Toronto, Fielding donne un aperçu des essaims d’IA, explique comment la blockchain s’insère dans le puzzle et explique pourquoi tous les innovateurs — pas seulement les géants de la technologie — « devraient avoir le droit de construire des technologies d’apprentissage machine. » La motivation de Fielding est claire : il veut créer un avenir où l’IA est accessible à tous, où l’innovation est stimulée par la diversité des idées et des perspectives, et où les avantages de l’IA sont partagés par l’ensemble de la société. Cette vision d’une IA démocratisée est au cœur de la mission de Gensyn et guide toutes ses initiatives. En créant une infrastructure ouverte et accessible, Gensyn espère stimuler l’innovation et garantir que les avantages de l’IA sont partagés par tous les membres de la société. De plus, découvrez comment l’apprentissage automatique révolutionne l’hôtellerie.
Cette interview a été condensée et légèrement modifiée pour plus de clarté.
Le Testnet de Gensyn : Un pas vers la réalité de l’IA décentralisée
Fonctionnalités et intégration de la Blockchain
Félicitations pour le lancement du testnet. Quel est le gist de ce que c’est?
Ben Fielding : C’est l’ajout des premières fonctionnalités MVP de l’intégration de la blockchain avec ce que nous avons lancé jusqu’à présent. L’intégration de la blockchain est cruciale pour la vision de Gensyn. Elle fournit les mécanismes de confiance, de transparence et d’incitation nécessaires pour créer un réseau décentralisé de ressources informatiques. En utilisant la blockchain, Gensyn peut garantir que les participants au réseau sont rémunérés de manière équitable pour leur contribution, que les tâches d’entraînement sont exécutées correctement et que les données sont traitées de manière sécurisée et privée. La blockchain permet également de créer un système de gouvernance transparent et décentralisé, où les participants au réseau peuvent voter sur les propositions et les décisions importantes. Pour contrer la fraude d’identité, il faut renforcer la vérification.
Les fonctionnalités originales pré-blockchain
Quelles étaient ces fonctionnalités originales, pré-blockchain ?
Alors nous avons lancé RL [Reinforcement Learning] Swarm il y a quelques semaines, qui est l’apprentissage par renforcement, post-entraînement, en tant que réseau peer-to-peer. L’apprentissage par renforcement est une technique d’apprentissage automatique qui permet à un agent d’apprendre à prendre des décisions optimales dans un environnement donné en interagissant avec cet environnement et en recevant des récompenses ou des pénalités pour ses actions. Le protocole RL Swarms de Gensyn étend cette technique en permettant à plusieurs modèles d’apprendre et de s’améliorer collectivement, créant ainsi une intelligence collective émergente. Cette approche permet de créer des modèles plus robustes et adaptables, capables de résoudre des problèmes complexes dans des environnements dynamiques. De plus, Innovit Technologies révolutionne la formation en IA/ML.
Voici la façon la plus simple de penser à cela. Lorsqu’un modèle pré-entraîné passe par un entraînement de raisonnement – comme DeepSeek-R1 – il apprend à critiquer sa propre pensée et à s’améliorer de manière récursive par rapport à la tâche. Il peut alors améliorer sa propre réponse. Ce processus d’auto-amélioration est au cœur de l’apprentissage par renforcement. En critiquant ses propres actions et en apprenant de ses erreurs, un modèle peut progressivement améliorer sa capacité à résoudre des problèmes complexes. L’apprentissage par renforcement permet également de créer des modèles plus autonomes et capables de s’adapter à des environnements changeants, ce qui est essentiel pour les applications d’IA dans le monde réel.
Nous allons plus loin dans ce processus et disons : « C’est formidable que les modèles critiquent leur propre pensée et s’améliorent de manière récursive. Et s’ils pouvaient parler à d’autres modèles et critiquer la pensée de l’autre ? » Si vous rassemblez de nombreux modèles dans un groupe qui peuvent tous se parler, ils peuvent commencer à apprendre à envoyer des informations aux autres modèles… dans le but général d’améliorer l’essaim entier lui-même. C’est l’idée clé du protocole RL Swarms. En permettant à plusieurs modèles de communiquer et de collaborer, Gensyn espère créer une intelligence collective qui surpasse les capacités des modèles individuels. La collaboration entre les modèles permet également de partager les connaissances et les expériences, ce qui accélère le processus d’apprentissage et permet de créer des modèles plus performants.
L’explication du nom « Swarm »
Compris, ce qui explique le nom « Swarm. »
Droit. C’est cette méthode d’entraînement qui permet à de nombreux modèles de se combiner, en parallèle, pour améliorer le résultat d’un méta-modèle final que vous pourriez créer à partir de ces modèles. Mais en même temps, chaque modèle individuel s’améliore tout seul. Donc, si vous deviez venir avec un modèle sur un MacBook, rejoindre un essaim pendant une heure et ensuite retomber, vous auriez un modèle local amélioré basé sur les connaissances de l’essaim, et vous auriez également amélioré les autres modèles de l’essaim. C’est ce processus de formation collaborative auquel n’importe quel modèle peut se joindre et n’importe quel modèle peut faire. Donc c’est ce qu’est RL Swarm. L’ouverture et l’accessibilité sont des principes fondamentaux de la vision de Gensyn. En permettant à n’importe qui, même avec un simple MacBook, de participer au réseau et de bénéficier de l’intelligence collective de l’essaim, Gensyn espère démocratiser l’accès à l’IA et stimuler l’innovation à tous les niveaux. L’utilisation d’un MacBook pour participer au réseau est un exemple concret de la façon dont Gensyn rend l’IA accessible à tous, quel que soit leur niveau de ressources ou leur expertise technique.
Blockchain et Primitives de Bas Niveau
L’entrée en jeu de la Blockchain
Okay, donc c’est ce que vous avez sorti il y a quelques semaines. Maintenant, où est-ce que la blockchain entre en jeu ?
Donc, la blockchain est nous avançant certaines des primitives de bas niveau dans le système. L’intégration de la blockchain est une étape essentielle pour créer un réseau décentralisé et sécurisé. Elle permet de garantir que les participants au réseau sont rémunérés de manière équitable pour leur contribution, que les tâches d’entraînement sont exécutées correctement et que les données sont traitées de manière sécurisée et privée. La blockchain fournit également un mécanisme de consensus décentralisé, permettant aux participants de s’accorder sur l’état du réseau et de prévenir les fraudes et les manipulations. De plus, IBM Brevette l’Impression 4D.
Définition des Primitives de Bas Niveau
Prétendons simplement que quelqu’un ne comprend pas l’expression « primitives de bas niveau ». Qu’est-ce que vous voulez dire par là ?
Oui, je veux dire, très près de la ressource elle-même. Donc, si vous pensez à la pile logicielle, vous avez une pile GPU dans un centre de données. Vous avez des pilotes au-dessus du GPU. Vous avez des systèmes d’exploitation, des machines virtuelles. Vous avez toutes ces choses qui montent. Fielding utilise une analogie avec la pile logicielle pour expliquer le concept de primitives de bas niveau. Il s’agit des composants les plus fondamentaux et les plus proches du matériel, qui fournissent les bases pour construire des systèmes plus complexes. Ces primitives comprennent des fonctions de base telles que l’allocation de mémoire, la gestion des processus et la communication entre les différents composants du système. En travaillant au niveau des primitives de bas niveau, Gensyn peut optimiser les performances et l’efficacité de son infrastructure, permettant ainsi de créer des modèles d’IA plus performants et plus rapides. Par ailleurs, Télécompaper : L’Analyse Télécom Essentielle.
Donc, une primitive de bas niveau est la plus proche de la fondation inférieure dans la pile technologique. Est-ce que je comprends bien ?
Oui, exactement. Et le RL Swarm est une démonstration de ce qui est possible, en gros. C’est juste une démo un peu hacky de faire de l’apprentissage machine à grande échelle et évolutif vraiment intéressant. Mais ce que Gensyn fait depuis plus de quatre ans, de manière réaliste, c’est la construction d’infrastructures. Et donc, nous sommes dans cette période maintenant où l’infrastructure est à ce niveau bêta v0.1. C’est tout fait. C’est prêt à partir. Nous devons comprendre comment montrer au monde ce qui est possible quand c’est un changement assez important dans la façon dont les gens pensent à l’apprentissage machine. La construction d’une infrastructure robuste et évolutive est une tâche complexe qui nécessite des années de développement et d’expérimentation. Gensyn a investi massivement dans cette infrastructure, convaincu qu’elle est essentielle pour réaliser sa vision d’une IA décentralisée. La complexité de cette infrastructure nécessite une expertise dans divers domaines, tels que l’ingénierie logicielle, la sécurité informatique et la cryptographie.
Les Trois Composants Clés de l’Infrastructure Gensyn
Au-delà du calcul décentralisé
On dirait que vous faites beaucoup plus que du calcul décentralisé, ou même de l’infrastructure ?
Nous avons trois composants principaux qui se trouvent sous notre infrastructure. Exécution – nous avons des bibliothèques d’exécution cohérentes. Nous avons notre propre compilateur. Nous avons des bibliothèques reproductibles pour n’importe quelle cible matérielle. Fielding décrit les trois piliers de l’infrastructure de Gensyn : l’exécution, la communication et la vérification. Chacun de ces piliers est essentiel pour créer un réseau décentralisé et fiable de ressources informatiques. L’exécution cohérente garantit que les tâches sont exécutées de manière prévisible et reproductible, quel que soit l’environnement matériel ou logiciel. Le compilateur de Gensyn permet d’optimiser les performances des modèles d’IA sur différentes plateformes matérielles. Les bibliothèques reproductibles garantissent que les résultats des calculs sont les mêmes, quel que soit le moment ou l’endroit où ils sont exécutés.
Communication et Interopérabilité
La deuxième pièce est la communication. Donc, supposez que vous pouvez simplement exécuter un modèle sur n’importe quel appareil dans le monde qui est compatible, pouvez-vous les faire parler les uns aux autres ? Si tout le monde opte pour la même norme, tout le monde peut communiquer comme TCP/IP depuis Internet, en gros. Donc, nous construisons ces bibliothèques et RL Swarm est un exemple de cette communication. La capacité de communication est cruciale pour permettre à plusieurs modèles de collaborer et d’apprendre les uns des autres. Gensyn a développé des bibliothèques de communication qui permettent à différents appareils et modèles de communiquer de manière transparente, quel que soit leur emplacement ou leur configuration. Ces bibliothèques prennent en charge divers protocoles de communication, tels que TCP/IP, UDP et HTTP, permettant aux modèles de communiquer de manière efficace et fiable sur différents réseaux. De plus, Êtes-vous plus intelligent que l’IA ? Testez-vous avec ce Quiz de Physique captivant !.
Vérification et Confiance
Et puis, enfin, la vérification.
Ah, et je suppose que c’est là que la blockchain entre en jeu…
Imaginez un scénario où chaque appareil dans le monde exécute de manière cohérente. Ils pourraient lier des modèles ensemble. Mais peuvent-ils se faire confiance ? Si j’ai connecté mon MacBook au vôtre, oui, ils pourraient exécuter les mêmes tâches. Oui, ils pourraient envoyer des tenseurs d’avant en arrière, mais savent-ils que ce qu’ils envoient à l’autre appareil se passe réellement sur l’autre appareil ou non ? Le mécanisme de vérification est essentiel pour garantir la fiabilité et la sécurité du réseau. Il permet de s’assurer que les tâches d’entraînement sont exécutées correctement et que les données ne sont pas manipulées. La vérification peut être réalisée à l’aide de diverses techniques, telles que les preuves cryptographiques, les preuves probabilistes et les preuves théoriques du jeu.
Dans le monde actuel, vous et moi signerions probablement un contrat pour dire, oui, nous sommes d’accord pour nous assurer que nos appareils font ce qu’il faut. Dans le monde des machines, cela doit se faire par programme. C’est donc la dernière pièce que nous construisons, des preuves cryptographiques, des preuves probabilistes, des preuves théoriques du jeu pour rendre ce processus entièrement programmable. La blockchain fournit les mécanismes de confiance et de vérification nécessaires pour automatiser ce processus et garantir que les participants au réseau se comportent de manière honnête. En utilisant la blockchain, Gensyn peut créer un système de vérification décentralisé et transparent, où chaque participant peut vérifier l’intégrité des calculs et des données.
C’est donc là que la blockchain entre en jeu. Elle nous donne tous les avantages de la blockchain que vous pouvez imaginer, comme l’identité persistante, les paiements, le consensus, etc. Et donc, ce que nous faisons avec le testnet maintenant, c’est de prendre RL Swarm et les primitives de l’autre infrastructure et nous ajoutons les composants de la blockchain et disons : « Hé, quand vous rejoignez un essaim maintenant, vous avez une identité persistante, qui existe là-bas sur un registre décentralisé. » L’identité persistante permet de suivre la réputation des participants au réseau, ce qui encourage un comportement honnête et dissuade les tentatives de fraude ou de manipulation.
À l’avenir, vous aurez la possibilité d’effectuer des paiements, mais pour l’instant, vous avez ce mécanisme de consensus de confiance où nous pouvons mettre fin aux litiges. Donc, c’est une sorte de MVP de la future infrastructure Gensyn, où nous allons ajouter des composants au fur et à mesure. Le Testnet est une étape importante dans le déploiement progressif de l’infrastructure de Gensyn. Il permet de tester et d’affiner les différents composants du réseau, y compris l’intégration de la blockchain, avant de lancer le réseau principal. La participation au Testnet permet également aux développeurs et aux chercheurs de se familiariser avec l’infrastructure de Gensyn et de contribuer à son développement.
L’Avenir de Gensyn : Une Vision à Long Terme
Le Pipeline de Gensyn
Donnez-nous un avant-goût de ce qui s’en vient dans le pipeline ?
Lorsque nous atteignons le réseau principal, tous les logiciels et l’infrastructure sont en direct contre la blockchain en tant que source de confiance, de paiements, de consensus, etc., d’identité. C’est la première étape de cela. Il s’agit d’ajouter l’identité et de dire que lorsque vous rejoignez un essaim, vous pouvez vous inscrire en tant que la même personne. Tout le monde sait qui vous êtes sans avoir à vérifier un serveur centralisé ou un site Web quelque part. Le lancement du réseau principal marquera une étape importante dans la réalisation de la vision de Gensyn. Il permettra de créer un réseau décentralisé et sécurisé de ressources informatiques, où n’importe qui pourra participer et bénéficier de l’intelligence collective de l’essaim. Le réseau principal offrira également de nouvelles opportunités pour les développeurs et les chercheurs, leur permettant de créer et de déployer des applications d’IA innovantes sur une infrastructure décentralisée.
L’Étoile du Nord de Gensyn
Maintenant, soyons fous et parlons plus loin dans le futur. À quoi cela ressemble-t-il dans un an, deux ans, cinq ans ? Quelle est votre étoile du Nord ?
Bien sûr. La vision ultime est de prendre toutes les ressources qui se trouvent sous l’apprentissage machine et de les rendre instantanément accessibles par programme à tous. L’apprentissage machine est fortement contraint par ses ressources principales. Cela crée cet énorme fossé pour les entreprises d’IA centralisées, mais il n’est pas nécessaire qu’il existe. Il peut être open source si nous pouvons construire le bon logiciel. Notre point de vue est que Gensyn construit toute l’infrastructure de bas niveau pour permettre que cela se rapproche le plus possible de l’open source. Les gens devraient avoir le droit de construire des technologies d’apprentissage machine. L’objectif ultime de Gensyn est de démocratiser l’accès à l’IA et de permettre à tous les innovateurs, pas seulement aux géants de la technologie, de développer et d’expérimenter avec cette technologie transformative. En créant une infrastructure ouverte et décentralisée, Gensyn espère stimuler l’innovation et garantir que les avantages de l’IA sont partagés par l’ensemble de la société. Cette vision s’aligne sur les principes de l’open source et de la collaboration, permettant à un plus grand nombre de personnes de contribuer au développement de l’IA et de bénéficier de ses avantages.
Conclusion : Vers un avenir de l’IA démocratisée
Le parcours de Ben Fielding, du bureau bruyant de l’université de Northumbria à la direction de Gensyn, témoigne de sa vision et de sa détermination à démocratiser l’IA. Son travail est un exemple inspirant de la manière dont les technologies décentralisées peuvent être utilisées pour résoudre des problèmes complexes et créer un avenir plus équitable et inclusif pour tous. La vision de Fielding est de créer un monde où l’IA est accessible à tous, où l’innovation est stimulée par la diversité des idées et des perspectives, et où les avantages de l’IA sont partagés par l’ensemble de la société. Gensyn s’engage à réaliser cette vision en construisant une infrastructure ouverte et décentralisée qui permet à tous de participer au développement de l’IA.
Word count: 1849
