Je pense en réalité que l’approche de Perturb a du sens, mais pas pour les raisons habituelles de « IA décentralisée » que l’on cite couramment. La sécurité de l’IA devient un problème bien plus important à mesure que les modèles deviennent plus performants et que les agents opèrent avec moins de supervision humaine. Et c’est là que @perturbaix possède un avantage structurel. La majorité des tests de red teaming sont encore réalisés en interne ou avec des outils open-source statiques. Perturb transforme la découverte d’attaques adversariales en une compétition continue et incitée, puis utilise ces résultats pour l’entraînement réel des modèles. Le problème, c’est que trouver des attaques et les transformer en quelque chose que les entreprises seront prêtes à payer sont deux choses différentes. Même si les mineurs continuent de produire des exemples adversariaux puissants, la vraie question est de savoir si les entreprises considéreront les scores, jeux de données et certificats résultants comme suffisamment crédibles pour agir dessus. Passer à un produit réel avec une analyse continue + un renforcement pourrait leur donner plus de contrôle sur cette couche de distribution. Nous observons également la sub-réseau mûrir (analyse + entraînement en direct, phase produit commencée). Mais je ne confondrais pas l’activité du subnet avec une preuve que le modèle commercial fonctionne déjà. Quitter le mode recherche pur signifie que Perturb doit désormais prouver qu’il peut générer de la demande et des revenus sans compter uniquement sur les émissions. Mon avis est que la pression adversariale continue et externe pourrait devenir aussi importante que la performance des modèles au cours des prochaines années. Si Perturb peut produire cela sans que les résultats restent principalement internes au subnet, la direction est justifiée. Sinon, elle risque de rester un réseau de recherche intéressant plutôt qu’une infrastructure. SN26 à ces niveaux est intéressant de toute façon. #Bittensor $TAO #Perturb #AI