Récemment, l'attention portée à @inference_labs a clairement augmenté. Ce n'est pas à cause des prix ou des événements, mais parce qu'ils commencent à apparaître fréquemment dans des cercles qui ne font pas partie du monde de la crypto. Il y a quelques jours, j'ai vu Inference Labs mentionné par des médias commerciaux comme 《Entrepreneur》, non pas pour parler de la puissance de l'IA, mais pour aborder une question très concrète : Quand l'IA commence à prendre des décisions de manière autonome, qui est responsable ? Comment rendre des comptes ? L'article utilise l'aéroport comme exemple d'un scénario à haute pression — multi-systèmes en coordination, réseau instable, aucune intervention humaine en temps réel. Dans ce cas, si les conclusions données par l'IA posent problème, "le résultat correct" ne suffit plus, il faut pouvoir expliquer "pourquoi cela a été fait". Cela touche en fait au plus grand point faible de l'IA actuelle : la plupart des processus de raisonnement sont des boîtes noires. Vous ne pouvez voir que la sortie, pas le processus, et encore moins le vérifier. Si l'IA ne fait que générer du contenu, ce n'est pas un gros problème ; mais une fois qu'elle commence à être intégrée sur la blockchain, à gérer des fonds, à exécuter des protocoles, à agir en tant qu'agent pour exécuter des transactions, cette opacité devient presque mortelle. C'est aussi ce que je trouve vraiment intéressant chez Inference Labs. Ils ne se comparent pas sur les paramètres des modèles, ni ne vantent les performances, mais mettent l'accent sur : 👉 Comment rendre le processus de raisonnement de l'IA "vérifiable, auditable, et responsable". Récemment, leurs actions dans l'écosystème Bittensor tombent justement à ce point. Surtout avec le lancement de Subnet 2 : DSperse. Ce que fait DSperse est très direct : Le raisonnement de l'IA n'est pas "croyez-moi", mais chaque sortie est accompagnée d'une preuve zk, le processus est sur la blockchain, vérifiable et non falsifiable. Plus important encore, les poids du modèle peuvent être partagés de manière cryptée — les autres peuvent utiliser votre modèle, mais ne peuvent pas voir vos paramètres clés. C'est un point de rupture très concret pour ceux qui font vraiment des modèles :...