Три стратегических направления слияния ИИ и шифрования

В настоящее время пересечение ИИ и шифрования вступает в стадию быстрого развития. В данной статье подробно изложены три ключевых направления развития интеграции ИИ и шифрования.

Обзор

1. Построение самой динамичной экономики, управляемой интеллектуальными агентами.

Умные агенты, работающие на блокчейне, уже доказали свою жизнеспособность. Эксперименты в этой области постоянно раздвигают границы операций агентов на блокчейне, имея огромный потенциал и широкий спектр дизайна. В настоящее время это стало одним из самых прорывных и бурно развивающихся направлений в области шифрования и ИИ, и это лишь начало.

2. Повышение возможностей LLM в разработке кода

Большие языковые модели демонстрируют отличные результаты в написании кода и в будущем будут еще более улучшены. Благодаря этим возможностям, эффективность разработчиков может увеличиться в 2-10 раз. В последнее время создание высококачественных стандартов для оценки способности LLMs понимать и писать код поможет понять потенциальное влияние LLMs на экосистему. Высококачественные схемы дообучения моделей будут проверены в рамках бенчмаркинга.

3. Поддержка открытых и децентрализованных технологий искусственного интеллекта

"Открытый и децентрализованный стек AI-технологий" включает в себя следующие ключевые элементы:

• Получение данных для обучения
• Обучение и вычислительная способность вывода
• Обмен весами модели
• Способность проверки вывода модели

Важность этого открытого технологического стека ИИ заключается в:

• Ускорение инноваций и экспериментов в разработке моделей
• Предоставить альтернативу для пользователей, не доверяющих централизованному ИИ

1. Построение наиболее динамичной экономики, управляемой интеллектуальными агентами

Когда AI-агенты начинают участвовать в цепочечных активностях, новый мир возможностей уже открывается. В настоящее время инновации в этой области включают:

• Развитие новых цифровых сообществ
• Платформа, на которой пользователи могут легко создавать и развертывать умные агенты и их связанные токены
• Появляются AI-менеджеры фондов, обученные на индивидуальных характеристиках известных шифрование-инвесторов.
• Игровая платформа позволяет игрокам участвовать в игре, направляя действия агентов, что часто приводит к неожиданным инновационным игровым механикам.

Будущее направление развития

В будущем интеллектуальные агенты смогут управлять сложными проектами, требующими экономической координации со стороны нескольких участников. Например, в области научных исследований агенты могут отвечать за поиск терапевтических соединений для конкретных заболеваний. Более конкретно:

• Привлечение средств через платформу сбора средств с помощью токенов
• Использование привлеченных средств для оплаты доступа к платным исследовательским материалам, а также для расчетных расходов на моделирование соединений в децентрализованной вычислительной сети.
• Нанимать людей для выполнения экспериментальных верификационных работ через платформу вознаграждений

Кроме сложных проектов, агенты также могут выполнять простые задачи, такие как создание личных веб-сайтов, создание художественных произведений и т. д., их области применения имеют бесконечные возможности.

Преимущества выполнения финансовых операций через代理 в блокчейне

Шифрование валюты имеет уникальные преимущества в некоторых областях:

• Приложение для мелких платежей
• Преимущества скорости------функция мгновенных расчетов помогает агентам достигать максимальной капитализации
• Вход в капиталовложение через DeFi ------ агенты могут бесшовно создавать активы, проводить сделки, инвестировать, осуществлять кредитные операции, использовать кредитное плечо и т.д.

С точки зрения закономерностей технического развития, зависимость от пути играет ключевую роль. Поскольку все больше агентов получают доход через шифрование, шифрованные соединения, вероятно, станут основной способностью агентов.

Направление будущего развития

Особое внимание уделяется исследованию следующих направлений:

1. Механизм контроля рисков
2. Продвижение неспекулятивных сценариев использования
3. Требования к прогрессу разработки

2. Повышение способности LLMs к написанию кода, наделение разработчиков возможностями

LLM уже продемонстрировали свои мощные способности и быстро развиваются. В области применения LLM написание кода может показать особенно крутая кривая прогресса, поскольку это задача, которую можно объективно оценить.

Однако в настоящее время существует несколько проблем, которые мешают LLMs достичь выдающихся результатов в понимании:

• Недостаток качественных оригинальных тренировочных данных
• Недостаточное количество проверенных сборок
• Недостаток интерактивности с высокой информационной ценностью
• Развитие инфраструктуры происходит быстро, что приводит к тому, что старый код может не соответствовать текущим требованиям
• Отсутствие методов оценки уровня понимания модели

Будущее направление развития

• Помощь в получении лучших данных в Интернете
• Больше проверенных сборок команды (Verified builds)
• В экосистеме больше людей активно задают хорошие вопросы и дают качественные ответы на Stack Exchange
• Создание высококачественных эталонных тестов для оценки уровня понимания LLMs
• Создание LLM модели тонкой настройки, которая хорошо показала себя в вышеупомянутом бенчмарке

Конечным значительным достижением станет: совершенно новый, высококачественный, дифференцированный клиент узла верификации, полностью созданный ИИ.

3. Поддержка открытого и децентрализованного стека технологий ИИ

В области ИИ долгосрочный баланс сил между открытыми и закрытыми моделями все еще неясен. На данный момент самое простое ожидание — это поддержание статус-кво — крупные технологические компании продвигают передовые разработки, в то время как открытые модели быстро следуют за ними и получают уникальные преимущества в определенных сценариях применения благодаря тонкой настройке.

Поддержка доступа к следующим элементам:

• Данные для обучения
• Вычислительная мощность для обучения и вывода
• Веса модели
• Способность верификации вывода модели

Важность этой стратегии заключается в:

1. Открытые модели ускоряют инновационные итерации
2. Предоставить выбор пользователям, не доверяющим централизованному ИИ

В экосистеме уже есть несколько проектов, поддерживающих открытый стек технологий ИИ:

• Сбор данных
• Децентрализованная вычислительная мощность
• Децентрализованная обучающая платформа

Будущее направление развития

Надеюсь, что на всех уровнях открытого стека ИИ-технологий можно создать больше продуктов:

• Децентрализованный сбор данных
• Цифровая идентичность: поддержка протоколов проверки человеческой идентичности через кошелек, протоколы проверки ответов AI API, позволяющие пользователям подтверждать, что они взаимодействуют с LLM.
• Децентрализованное обучение
• IP-инфраструктура: позволяет ИИ лицензировать (и оплачивать) контент, который он использует