Tiga Arah Strategis Integrasi AI dan Enkripsi

Saat ini, pertemuan antara AI dan teknologi enkripsi sedang memasuki fase perkembangan yang cepat. Artikel ini menjelaskan secara rinci tiga arah utama pengembangan integrasi AI+enkripsi.

Ringkasan

1. Membangun ekonomi yang paling dinamis yang didorong oleh agen cerdas

Agen cerdas yang beroperasi di blockchain telah terbukti efektif. Eksperimen di bidang ini terus melampaui batasan operasi agen di blockchain, memiliki potensi besar dan ruang desain yang luas. Saat ini, ini telah menjadi salah satu arah paling inovatif dan berpotensi meledak di bidang enkripsi dan AI, dan ini baru permulaan.

2. Meningkatkan kemampuan LLM dalam pengembangan kode

Model bahasa besar menunjukkan performa yang luar biasa dalam penulisan kode, dan di masa depan akan terus meningkat. Dengan kemampuan ini, efisiensi pengembang diharapkan meningkat 2-10 kali lipat. Baru-baru ini, dengan membangun tolok ukur berkualitas tinggi untuk menilai kemampuan LLM dalam memahami dan menulis kode, akan membantu memahami potensi dampak LLM terhadap ekosistem. Rencana penyesuaian model berkualitas tinggi akan divalidasi dalam pengujian tolok ukur.

3. Mendukung tumpukan teknologi AI yang terbuka dan terdesentralisasi

"Tumpukan teknologi AI yang terbuka dan terdesentralisasi" mencakup elemen kunci berikut:

• Pengambilan data pelatihan
• Kemampuan komputasi pelatihan dan inferensi
• Berbagi bobot model
• Kemampuan verifikasi output model

Pentingnya tumpukan teknologi AI terbuka ini tercermin dalam:

• Mempercepat inovasi dan eksperimen pengembangan model
• Menyediakan solusi alternatif bagi pengguna yang tidak mempercayai AI terpusat

1. Membangun ekonomi yang didorong oleh agen cerdas paling dinamis

Ketika agen AI mulai terlibat dalam aktivitas di blockchain, dunia baru yang penuh kemungkinan telah terbuka. Inovasi di bidang ini saat ini meliputi:

• Perkembangan komunitas digital baru
• Pengguna dapat dengan mudah membuat dan menerapkan agen pintar serta token terkaitnya.
• Manajer dana AI yang dilatih berdasarkan karakteristik individu investor enkripsi terkenal sedang muncul
• Platform permainan memungkinkan pemain untuk berpartisipasi dalam permainan dengan mengarahkan tindakan agen, sering kali menghasilkan cara bermain inovatif yang tidak terduga.

Arah pengembangan masa depan

Di masa depan, agen cerdas dapat mengelola proyek kompleks yang memerlukan koordinasi ekonomi multi-pihak. Misalnya, di bidang penelitian ilmiah, agen dapat bertanggung jawab untuk mencari senyawa pengobatan untuk penyakit tertentu. Secara khusus:

• Melakukan penggalangan dana melalui platform penggalangan dana token
• Menggunakan dana yang dihimpun untuk membayar biaya akses materi penelitian berbayar, dan biaya perhitungan simulasi senyawa di jaringan komputasi terdesentralisasi.
• Merekrut manusia untuk melakukan pekerjaan verifikasi eksperimen melalui platform bounty

Selain proyek yang kompleks, agen juga dapat melakukan tugas-tugas sederhana seperti membangun situs web pribadi, menciptakan karya seni, dan sebagainya, dengan kemungkinan aplikasi yang tidak terbatas.

Keuntungan agen dalam melaksanakan aktivitas keuangan di blockchain

enkripsi mata uang kripto memiliki keunggulan unik di beberapa bidang:

• Aplikasi Pembayaran Kecil
• Keunggulan kecepatan------Fungsi penyelesaian instan, membantu agen mencapai efisiensi modal maksimum
• Masuk ke pasar modal melalui DeFi ------ Agen dapat dengan mudah mencetak aset, melakukan transaksi, investasi, operasi pinjaman, menggunakan leverage, dan lain-lain.

Dari sudut pandang perkembangan teknologi, ketergantungan pada jalur memainkan peran kunci. Dengan semakin banyaknya agen yang mendapatkan keuntungan melalui enkripsi mata uang, koneksi enkripsi kemungkinan besar akan menjadi kemampuan inti agen.

Arah perkembangan di masa depan

Perhatian khusus pada eksplorasi di beberapa arah berikut:

1. Mekanisme Pengendalian Risiko
2. Mendorong skenario penggunaan non-spekulatif
3. Permintaan kemajuan pengembangan

2.Meningkatkan kemampuan LLMs dalam menulis kode, memberdayakan pengembang

LLM telah menunjukkan kemampuan yang kuat dan berkembang dengan cepat. Di antara bidang aplikasi LLM, bidang penulisan kode mungkin mengalami kurva kemajuan yang sangat curam, karena ini adalah tugas yang dapat dievaluasi secara objektif.

Namun, saat ini ada beberapa tantangan yang menghalangi LLMs untuk mencapai tingkat pemahaman yang luar biasa:

• Kurangnya data pelatihan asli yang berkualitas tinggi
• Jumlah build yang diverifikasi (Verified builds) tidak cukup
• Kurangnya interaksi dengan nilai informasi yang tinggi
• Pengembangan infrastruktur berkembang pesat, menyebabkan kode lama mungkin tidak sesuai dengan kebutuhan saat ini
• Kurangnya metode untuk memahami tingkat pemodelan evaluasi

Arah pengembangan di masa depan

• Membantu mendapatkan data yang lebih baik di internet
• Lebih banyak tim merilis pembangunan yang terverifikasi (Verified builds)
• Lebih banyak orang dalam ekosistem aktif mengajukan pertanyaan baik dan memberikan jawaban berkualitas tinggi di Stack Exchange
• Membuat pengujian benchmark berkualitas tinggi untuk mengevaluasi tingkat pemahaman LLM.
• Membuat model LLM fine-tuning yang berkinerja baik dalam benchmark di atas

Pencapaian besar terakhir akan menjadi: klien node validasi baru yang sepenuhnya dibuat oleh AI, berkualitas tinggi, dan berbeda.

3.Mendukung tumpukan teknologi AI yang terbuka dan terdesentralisasi

Dalam bidang AI, keseimbangan kekuatan jangka panjang antara model sumber terbuka dan tertutup masih belum jelas. Ekspektasi yang paling sederhana saat ini adalah mempertahankan status quo------perusahaan teknologi besar mendorong perkembangan di garis depan, sementara model sumber terbuka dengan cepat mengikuti dan mendapatkan keunggulan unik melalui penyesuaian dalam skenario aplikasi tertentu.

Mendukung akses izin untuk elemen berikut:

• Data pelatihan
• Daya komputasi pelatihan dan inferensi
• Bobot model
• Kemampuan verifikasi output model

Pentingnya strategi ini tercermin dalam:

1. Model sumber terbuka mempercepat iterasi inovasi
2. Memberikan pilihan kepada pengguna yang tidak mempercayai AI terpusat

Dalam ekosistem, sudah ada beberapa proyek yang mendukung tumpukan teknologi AI terbuka:

• Pengumpulan data
• Kekuatan komputasi terdesentralisasi
• Kerangka pelatihan terdesentralisasi

Arah pengembangan masa depan

Semoga dapat membangun lebih banyak produk di semua lapisan tumpukan teknologi AI sumber terbuka:

• Pengumpulan data terdesentralisasi
• Identitas di blockchain: mendukung protokol yang memungkinkan dompet memverifikasi identitas manusia, protokol yang memverifikasi respons API AI, sehingga pengguna dapat memastikan bahwa mereka berinteraksi dengan LLM.
• Pelatihan terdesentralisasi
• Infrastruktur IP: Memungkinkan AI untuk memberikan lisensi (dan membayar) untuk konten yang digunakannya