Web3 AI: Buscando avances en escenarios de borde

Recientemente, las acciones de Nvidia alcanzaron un nuevo máximo histórico, y los avances en los modelos multimodales han profundizado las barreras tecnológicas de la IA en Web2. Desde la alineación semántica hasta la comprensión visual, desde la incrustación de alta dimensión hasta la fusión de características, los modelos complejos están integrando diversas formas de expresión a una velocidad asombrosa, construyendo una fortaleza de IA cada vez más cerrada. El mercado de acciones de EE. UU. también ha dado su apoyo con acciones concretas, y las acciones relacionadas con la IA han experimentado una pequeña tendencia alcista.

Sin embargo, esta ola parece estar completamente desconectada del ámbito de las criptomonedas. Los intentos de Web3 AI, especialmente la exploración en la dirección de Agent en los últimos meses, muestran una clara desviación en su rumbo. Intentar ensamblar un sistema modular multimodal al estilo Web2 con una estructura descentralizada es, en realidad, un desajuste tanto técnico como de pensamiento. Hoy en día, con una fuerte acoplamiento de módulos, una distribución de características altamente inestable y una demanda de poder computacional cada vez más centralizada, es difícil que la modularidad multimodal se mantenga en un entorno Web3.

El futuro de la IA en Web3 no radica en una simple imitación, sino en una estrategia de rodeo. Desde la alineación semántica en espacios de alta dimensión, hasta el cuello de botella de información en los mecanismos de atención, y la alineación de características bajo un poder computacional heterogéneo, la IA en Web3 necesita encontrar nuevos caminos.

Web3 AI se basa en modelos multimodales planos, lo que dificulta la alineación semántica efectiva, resultando en un bajo rendimiento. El espacio de incrustación de alta dimensión es la base de los sistemas de IA modernos, pero el protocolo Web3 Agent tiene dificultades para lograr esto. La modularidad en Web3 AI puede ser solo una ilusión, ya que requiere el desarrollo independiente de todas las interfaces API involucradas, lo que va en contra de su intención de modularidad.

En un espacio de baja dimensión, el mecanismo de atención no puede ser diseñado de manera precisa. El mecanismo de atención de la IA de Web2 es como un automóvil de alto rendimiento, mientras que la IA de Web3, basada en módulos, tiene dificultades para lograr una programación de atención unificada, al igual que un automóvil con un motor de bajo rendimiento no puede aumentar su límite mediante una simple modificación.

La modularidad discontinua de los componentes conduce a que la fusión de características se quede en una etapa superficial de ensamblaje estático. La IA de Web2 tiende a un entrenamiento conjunto de extremo a extremo, mientras que la IA de Web3 adopta más un enfoque de ensamblaje de módulos discretos, careciendo de flexibilidad e interacción profunda.

Las barreras en la industria de la inteligencia artificial se están profundizando, pero los puntos de dolor aún no se han manifestado por completo. La inteligencia artificial de Web3 debería adoptar la táctica de "sitio rural rodeando la ciudad", realizando pruebas a pequeña escala en escenarios periféricos. La ventaja clave de la inteligencia artificial de Web3 radica en su descentralización, lo que la hace adecuada para estructuras ligeras, tareas fáciles de paralelizar y que pueden ser incentivadas, como el ajuste fino de LoRA, las tareas de post-entrenamiento para alineación de comportamiento, el entrenamiento y etiquetado de datos en colaboración, el entrenamiento de modelos base pequeños y el entrenamiento colaborativo en dispositivos periféricos.

Sin embargo, las oportunidades no están disponibles de inmediato. Las barreras de la IA de Web2 están en las primeras etapas de formación, y la IA de tareas complejas multimodal está avanzando rápidamente. Solo cuando los beneficios de la IA de Web2 se agoten por completo, los puntos débiles que deja podrían convertirse en oportunidades de entrada para la IA de Web3. Antes de eso, la IA de Web3 necesita seleccionar con cuidado los protocolos que tienen potencial de "sitios rurales rodeando ciudades", ingresando desde los márgenes, iterando continuamente en pequeños escenarios y manteniendo flexibilidad para adaptarse a las demandas del mercado en constante cambio.