Три стратегічні напрямки інтеграції ШІ та шифрування

Наразі перетин AI та шифрування вступає в стадію швидкого розвитку. У цій статті детально викладено три ключові напрямки розвитку інтеграції AI+шифрування.

Огляд

1. Будувати найжвавішу економіку, керовану розумними агентами

Робота розумних агентів в ланцюгу вже довела свою життєздатність. Експерименти в цій сфері постійно розширюють межі операцій агентів в ланцюгу, маючи величезний потенціал і широкий простір для дизайну. Наразі це стало одним із найбільш проривних і вибухових напрямків у сфері шифрування та ШІ, а це лише початок.

2. Підвищення можливостей LLM у розробці коду

Великі мовні моделі показують відмінні результати в написанні коду, і в майбутньому вони ще більше покращаться. Завдяки цим можливостям, ефективність розробників може зрости в 2-10 разів. Нещодавно, створення якісних стандартів для оцінки здатності LLMs розуміти та писати код допоможе зрозуміти потенційний вплив LLMs на екосистему. Якісні плани тонкої налаштування моделей будуть перевірені в тестах на стандарти.

3. Підтримка відкритого та децентралізованого стеку AI технологій

"Відкрита та децентралізована технологічна стек AI" містить такі ключові елементи:

• Отримання навчальних даних
• Обчислювальні можливості навчання та висновків
• Спільне використання ваг моделей
• Верифікація здатності виводу моделі

Важливість цього відкритого технологічного стеку штучного інтелекту полягає в:

• Швидке розроблення інноваційних моделей та експериментів
• Надати альтернативу для користувачів, які не довіряють централізованому AI

1. Побудова найбільш життєздатної економіки, керованої розумними агентами

Коли AI-агенти починають брати участь у діяльності на блокчейні, новий світ можливостей вже відкрився. Наразі інновації в цій сфері включають:

• Розвиток нової цифрової спільноти
• Користувачі можуть легко створювати та розгортати інтелектуальні агенти та їхні пов'язані токени.
• На основі особистісних характеристик відомих шифрування інвесторів виникають нові AI-фонди-менеджери.
• Ігрові платформи дозволяють гравцям брати участь у грі, керуючи діями агентів, що часто призводить до несподіваних інноваційних ігрових механік.

Майбутній напрямок розвитку

В майбутньому розумні агенти можуть управляти складними проектами, які потребують економічної координації з кількома сторонами. Наприклад, у наукових дослідженнях агенти можуть бути відповідальні за пошук лікувальних сполук для конкретних захворювань. Конкретніше:

• Збір коштів через платформу залучення капіталу за допомогою токенів
• Використання залучених коштів для оплати доступу до платних дослідницьких матеріалів, витрати на обчислення моделювання сполук у децентралізованій обчислювальній мережі.
• Залучення людей для виконання експериментальних перевірок через платформу винагород

Окрім складних проектів, агенти також можуть виконувати прості завдання, такі як створення особистих веб-сайтів, художні твори тощо, їхні можливості застосування безмежні.

Переваги виконання фінансових операцій代理 на блокчейні

шифрування валюти має унікальні переваги в певних сферах:

• Додаток для малих платежів
• Переваги швидкості------функція миттєвого розрахунку, яка допомагає агентам досягти максимальної капітальної ефективності
• Через DeFi увійти на капітальний ринок------агенти можуть безшовно випускати активи, здійснювати угоди, інвестувати, управляти фінансами, проводити операції з кредитування, використовувати важелі тощо

З точки зору закономірностей технічного розвитку, залежність від шляху відіграє ключову роль. Зі збільшенням кількості агентів, які отримують прибуток через шифрування, шифроване з'єднання, ймовірно, стане основною компетенцією агентів.

Майбутній напрямок розвитку

Особлива увага приділяється дослідженню таких напрямків:

1. Механізм контролю ризиків
2. Сприяти використанню неспекулятивних сценаріїв
3. Вимоги до прогресу розробки

2. Підвищення здатності LLMs писати код, надання можливостей розробникам

LLMs вже продемонстрували потужні можливості та швидко розвиваються. У сфері застосування LLM, написання коду може мати особливо круту криву прогресу, оскільки це завдання можна об'єктивно оцінити.

Однак наразі існує кілька викликів, які заважають LLMs досягти видатного рівня в розумінні:

• Нестача якісних вихідних навчальних даних
• Недостатня кількість перевірених збірок
• Нестача взаємодії з високою інформаційною цінністю
• Розвиток інфраструктури швидко відбувається, що веде до того, що старий код може не відповідати сучасним вимогам
• Відсутність методів оцінки ступеня розуміння моделей

Майбутні напрямки розвитку

• Допомога в отриманні кращих даних в Інтернеті
• Більше команд випустили перевірені збірки (Verified builds)
• Більше людей в екосистемі активно ставлять хороші запитання та надають якісні відповіді на Stack Exchange
• Створення високоякісних бенчмарків для оцінки рівня розуміння LLMs
• Створення LLM-моделі, що добре зарекомендувала себе в наведених вище бенчмарках

Остаточним великим досягненням стане: повністю створений штучним інтелектом абсолютно новий, високоякісний, диференційований клієнт верифікаційного вузла.

3. Підтримка відкритого та децентралізованого стеку AI технологій

У сфері ШІ довгостроковий баланс сил між відкритими та закритими моделями залишається неясним. Наразі найпростішим очікуванням є збереження статус-кво------ великі технологічні компанії просувають передові розробки, тоді як відкриті моделі швидко їх наслідують і отримують унікальні переваги через доопрацювання в певних сценаріях застосування.

Підтримка доступу до наступних елементів:

• Навчальні дані
• Потужність для навчання та виведення
• Вага моделі
• Способність верифікації виходу моделі

Важливість цієї стратегії полягає в:

1. Відкриті моделі прискорюють інноваційні ітерації
2. Надати вибір користувачам, які не довіряють централізованому ШІ

У екосистемі вже є кілька проєктів, які підтримують відкриті стек технологій AI:

• Збір даних
• Децентралізоване обчислення
• Децентралізована навчальна рамка

Майбутні напрямки розвитку

Сподіваюся, що в усіх шарах відкритої технології штучного інтелекту можна буде створити більше продуктів:

• Децентралізоване збори даних
• Ідентичність на ланцюгу: підтримка протоколів перевірки людської ідентичності гаманця, протоколів перевірки відповідей API AI, що дозволяє користувачам підтверджувати, що вони взаємодіють з LLM.
• Децентралізоване навчання
• IP інфраструктура: дозволяє ШІ ліцензувати (і оплачувати) вміст, який він використовує