As três principais direções estratégicas da fusão entre IA e encriptação

Atualmente, a intersecção entre IA e encriptação está entrando em uma fase de rápido desenvolvimento. Este artigo detalha as três principais direções de desenvolvimento da fusão IA+encriptação.

Resumo

1. Construir a economia mais vibrante impulsionada por agentes inteligentes

Os agentes inteligentes operando em blockchain já provaram ser viáveis. As experiências nesta área continuam a ultrapassar os limites das operações de agentes em blockchain, com um potencial enorme e um amplo espaço de design. Atualmente, isso se tornou uma das direções mais inovadoras e explosivas nos campos da encriptação e da IA, e isso é apenas o começo.

2. Melhorar a capacidade do LLM no desenvolvimento de código

Os grandes modelos de linguagem demonstram um desempenho excelente na escrita de código e espera-se que melhorem ainda mais no futuro. Com essas capacidades, a eficiência dos desenvolvedores pode aumentar entre 2 a 10 vezes. Recentemente, a avaliação da capacidade dos LLMs de entender e escrever código através da criação de padrões de alta qualidade ajudará a compreender o impacto potencial dos LLMs no ecossistema. Esquemas de ajuste fino de modelos de alta qualidade serão validados nos testes de benchmark.

3. Suporte a uma pilha de tecnologia de IA aberta e descentralizada

"Pilha de tecnologia AI aberta e descentralizada" contém os seguintes elementos-chave:

• Obtenção de dados de treino
• Capacidade de cálculo para treino e inferência
• Partilha de pesos do modelo
• Capacidade de validação de saída do modelo

A importância deste stack de tecnologia de IA aberta reside em:

• Acelerar a inovação e experimentação no desenvolvimento de modelos
• Fornecer alternativas para usuários que não confiam em IA centralizada

1. Construir a economia impulsionada pelos agentes inteligentes mais dinâmicos

Quando os agentes de IA começam a participar em atividades na cadeia, um novo mundo cheio de possibilidades se abre. Atualmente, as inovações neste campo incluem:

• Desenvolvimento de novas comunidades digitais
• A plataforma que permite aos utilizadores criar e implementar facilmente agentes inteligentes e os seus tokens associados.
• Estão a surgir gestores de fundos de IA treinados com base nas características pessoais de investidores encriptados conhecidos.
• A plataforma de jogos permite que os jogadores participem do jogo orientando ações de agentes, frequentemente gerando jogabilidade inovadora e inesperada.

Direção de desenvolvimento futuro

No futuro, agentes inteligentes podem gerenciar projetos complexos que exigem coordenação econômica entre várias partes. Por exemplo, no campo da pesquisa científica, os agentes podem ser responsáveis por encontrar compostos terapêuticos para doenças específicas. Especificamente:

• Realizar captação de recursos através da plataforma de captação de tokens
• Utilizar os fundos angariados para pagar as taxas de acesso a materiais de pesquisa pagos, e realizar os custos de simulação de compostos em uma rede de computação descentralizada.
• Recrutar humanos para realizar trabalhos de validação de experimentos através de plataformas de recompensas

Além de projetos complexos, os agentes também podem executar tarefas simples, como criar websites pessoais e obras de arte, cujos cenários de aplicação têm possibilidades infinitas.

Vantagens da execução de atividades financeiras em cadeia por intermediários

encriptação moeda tem vantagens únicas em determinados campos:

• Aplicações de pagamentos de pequeno valor
• Vantagem de velocidade------Função de liquidação instantânea, ajuda os agentes a alcançar a máxima eficiência de capital
• Através do DeFi, entre no mercado de capitais ------ os agentes podem criar ativos, negociar, investir, realizar operações de empréstimo e utilizar alavancagem de forma contínua.

Do ponto de vista das leis de desenvolvimento tecnológico, a dependência de caminho desempenha um papel crucial. À medida que cada vez mais agentes obtêm lucro através de encriptação, a conexão encriptada provavelmente se tornará a capacidade central dos agentes.

Direção de desenvolvimento futuro

Particular atenção à exploração das seguintes direções:

1. Mecanismo de controle de risco
2. Promover cenários de uso não especulativos
3. Requisitos de progresso de desenvolvimento

2. Melhorar a capacidade dos LLMs de escrever código, capacitando os desenvolvedores

Os LLMs já demonstraram capacidades poderosas e estão a progredir rapidamente. No domínio das aplicações de LLM, a área de escrita de código pode apresentar uma curva de progresso especialmente acentuada, uma vez que se trata de uma tarefa que pode ser avaliada objetivamente.

No entanto, atualmente existem vários desafios que impedem os LLMs de alcançar um nível de excelência na compreensão:

• Falta de dados de treinamento originais de alta qualidade
• O número de construções verificadas é insuficiente
• Falta de interações com alto valor informativo
• O desenvolvimento da infraestrutura está a avançar rapidamente, levando a que o código antigo possa não ser adequado às necessidades atuais.
• Falta de métodos para avaliar o nível de compreensão dos modelos de avaliação

Direção de desenvolvimento futuro

• Ajudar a obter melhores dados na internet
• Mais construções verificadas lançadas pela equipe
• Mais pessoas no ecossistema estão ativamente a fazer boas perguntas e a fornecer respostas de alta qualidade no Stack Exchange.
• Criar testes de referência de alta qualidade para avaliar o nível de compreensão dos LLMs
• Criar um modelo de LLM ajustado que tenha um bom desempenho nos testes de referência acima mencionados

A conquista final será: um novo cliente de nó de validação, totalmente criado por IA, de alta qualidade e diferenciado.

3. Suporte a pilhas de tecnologia de IA abertas e descentralizadas

No campo da IA, o equilíbrio de poder a longo prazo entre modelos de código aberto e fechado ainda não é claro. A expectativa mais simples atualmente é manter o status quo------ grandes empresas de tecnologia impulsionam o desenvolvimento na vanguarda, enquanto os modelos de código aberto acompanham rapidamente e obtêm vantagens únicas em cenários de aplicação específicos através de ajuste fino.

Acesso a elementos de apoio:

• Dados de treino
• Poder de computação para treino e inferência
• Peso do modelo
• Capacidade de validação de saída do modelo

A importância desta estratégia reflete-se em:

1. Modelos de código aberto aceleram a iteração de inovações
2. Oferecer opções para usuários que não confiam em IA centralizada

Já existem vários projetos no ecossistema a apoiar a encriptação de tecnologias de AI abertas:

• Coleta de dados
• Poder de computação descentralizado
• Estrutura de treino descentralizada

Direção de desenvolvimento futuro

Espero que possamos construir mais produtos em todos os níveis da pilha de tecnologia de IA de código aberto:

• Coleta de dados descentralizada
• Identidade na cadeia: protocolo que suporta a verificação da identidade humana por carteiras, protocolo que valida a resposta da API de IA, permitindo que os usuários confirmem que estão interagindo com LLM.
• Treinamento descentralizado
• Infraestrutura IP: permitir que a IA licencie (e pague) o conteúdo que utiliza.