Ba hướng chiến lược chính trong sự kết hợp giữa AI và mã hóa

Hiện tại, sự giao thoa giữa AI và mã hóa đang bước vào giai đoạn phát triển nhanh chóng. Bài viết này sẽ trình bày chi tiết ba hướng phát triển chính của sự kết hợp AI + mã hóa.

Tóm tắt

1. Xây dựng nền kinh tế điều khiển thông minh năng động nhất

Các đại lý thông minh hoạt động trên chuỗi đã chứng minh tính khả thi. Các thử nghiệm trong lĩnh vực này liên tục vượt qua ranh giới của việc vận hành đại lý trên chuỗi, tiềm năng rất lớn và không gian thiết kế rộng lớn. Hiện tại, đây đã trở thành một trong những hướng đi đột phá và bùng nổ nhất trong lĩnh vực mã hóa và AI, và đây chỉ mới là khởi đầu.

2. Nâng cao khả năng của LLM trong phát triển mã

Mô hình ngôn ngữ lớn thể hiện xuất sắc trong việc viết mã, và trong tương lai sẽ còn được cải thiện hơn nữa. Thông qua những khả năng này, hiệu suất của các nhà phát triển có thể được nâng cao từ 2-10 lần. Gần đây, việc thiết lập các tiêu chuẩn chất lượng cao để đánh giá khả năng hiểu và viết mã của các LLM sẽ giúp hiểu rõ hơn về tác động tiềm năng của các LLM đối với hệ sinh thái. Các kế hoạch tinh chỉnh mô hình chất lượng cao sẽ được xác minh trong các bài kiểm tra tiêu chuẩn.

3. Hỗ trợ ngăn xếp công nghệ AI mở và phi tập trung

"Công nghệ AI mở và phi tập trung" bao gồm các yếu tố chính sau:

• Lấy dữ liệu huấn luyện
• Khả năng tính toán đào tạo và suy luận
• Chia sẻ trọng số mô hình
• Khả năng xác thực đầu ra mô hình

Tầm quan trọng của ngăn xếp công nghệ AI mở này được thể hiện ở:

• Tăng tốc phát triển mô hình đổi mới và thí nghiệm
• Cung cấp giải pháp thay thế cho người dùng không tin tưởng vào AI tập trung.

1. Xây dựng nền kinh tế do các đại lý thông minh năng động nhất

Khi các đại lý AI bắt đầu tham gia các hoạt động trên chuỗi, một thế giới mới đầy khả năng đã mở ra. Hiện tại, những đổi mới trong lĩnh vực này bao gồm:

• Sự phát triển của cộng đồng số mới
• Nền tảng cho phép người dùng dễ dàng tạo và triển khai các đại lý thông minh cùng với các mã thông báo liên quan.
• Các nhà quản lý quỹ AI đang xuất hiện dựa trên đặc điểm cá nhân của các nhà đầu tư mã hóa nổi tiếng.
• Nền tảng trò chơi cho phép người chơi tham gia vào trò chơi bằng cách hướng dẫn hành động của đại lý, thường tạo ra những cách chơi sáng tạo không ngờ.

Hướng phát triển trong tương lai

Trong tương lai, các đại lý thông minh có thể quản lý các dự án phức tạp cần sự phối hợp kinh tế từ nhiều bên. Ví dụ trong lĩnh vực nghiên cứu khoa học, các đại lý có thể chịu trách nhiệm tìm kiếm các hợp chất điều trị cho các bệnh cụ thể. Cụ thể là:

• Thực hiện huy động vốn thông qua nền tảng huy động vốn bằng mã hóa.
• Sử dụng vốn huy động để thanh toán chi phí truy cập tài liệu nghiên cứu có phí, thực hiện chi phí tính toán mô phỏng hợp chất trên mạng lưới tính toán phi tập trung.
• Tuyển dụng con người thực hiện công việc xác minh thử nghiệm thông qua nền tảng thưởng

Ngoài các dự án phức tạp, đại lý cũng có thể thực hiện các nhiệm vụ đơn giản như xây dựng trang web cá nhân, sáng tác tác phẩm nghệ thuật, và các kịch bản ứng dụng có khả năng vô hạn.

Lợi ích của việc thực hiện các hoạt động tài chính trên chuỗi thông qua đại lý

mã hóa tiền tệ có những lợi thế độc đáo trong một số lĩnh vực:

• Ứng dụng thanh toán nhỏ
• Ưu thế về tốc độ------Chức năng thanh toán ngay lập tức, giúp đại lý đạt được hiệu quả vốn tối đa
• Tham gia thị trường vốn thông qua DeFi------đại lý có thể dễ dàng tạo ra tài sản, thực hiện giao dịch, đầu tư tài chính, vay mượn, sử dụng đòn bẩy, v.v.

Từ góc độ quy luật phát triển công nghệ, tính phụ thuộc vào con đường đóng vai trò then chốt. Khi ngày càng nhiều đại lý kiếm được lợi nhuận thông qua mã hóa, kết nối mã hóa có thể trở thành năng lực cốt lõi của đại lý.

hướng phát triển trong tương lai

Đặc biệt chú ý đến việc khám phá theo một số hướng sau:

1. Cơ chế kiểm soát rủi ro
2. Thúc đẩy các trường hợp sử dụng phi đầu cơ
3. Yêu cầu tiến độ phát triển

2. Nâng cao khả năng viết mã của LLMs, trao quyền cho các nhà phát triển

LLMs đã cho thấy khả năng mạnh mẽ và đang tiến bộ nhanh chóng. Trong lĩnh vực ứng dụng của LLM, việc viết mã có thể xuất hiện đường cong tiến bộ đặc biệt dốc, vì đây là một nhiệm vụ có thể đánh giá khách quan.

Tuy nhiên, hiện tại có một số thách thức cản trở LLMs đạt được mức độ xuất sắc trong việc hiểu biết:

• Thiếu dữ liệu huấn luyện ban đầu chất lượng cao
• Số lượng bản xây dựng đã xác minh không đủ
• Thiếu tương tác có giá trị thông tin cao
• Sự phát triển hạ tầng diễn ra nhanh chóng, dẫn đến mã cũ có thể không phù hợp với nhu cầu hiện tại
• Thiếu phương pháp đánh giá mức độ hiểu biết của mô hình đánh giá

Hướng phát triển tương lai

• Giúp lấy dữ liệu tốt hơn trên Internet
• Nhiều nhóm phát hành bản xác thực (Verified builds)
• Nhiều người hơn trong hệ sinh thái tích cực đặt ra các câu hỏi hay và cung cấp câu trả lời chất lượng cao trên Stack Exchange
• Tạo các bài kiểm tra chất lượng cao để đánh giá mức độ hiểu biết của LLMs
• Tạo mô hình tinh chỉnh LLM hoạt động tốt trong các bài kiểm tra chuẩn đã đề cập.

Thành tựu quan trọng cuối cùng sẽ là: một khách hàng nút xác thực hoàn toàn mới, chất lượng cao và khác biệt, được tạo ra hoàn toàn bởi AI.

3.Hỗ trợ công nghệ AI mở và phi tập trung

Trong lĩnh vực AI, sự cân bằng quyền lực lâu dài giữa các mô hình mã nguồn mở và mã nguồn đóng vẫn chưa rõ ràng. Dự đoán đơn giản nhất hiện tại là duy trì hiện trạng ------ các công ty công nghệ lớn thúc đẩy phát triển tiên tiến, trong khi các mô hình mã nguồn mở nhanh chóng theo kịp và đạt được lợi thế độc đáo thông qua việc điều chỉnh trong các tình huống ứng dụng cụ thể.

Hỗ trợ quyền truy cập các yếu tố sau:

• Dữ liệu huấn luyện
• Đào tạo và suy luận tính toán lực
• Trọng số mô hình
• Khả năng xác thực đầu ra mô hình

Tầm quan trọng của chiến lược này thể hiện ở:

1. Mô hình mã hóa tăng tốc đổi mới và lặp lại
2. Cung cấp sự lựa chọn cho người dùng không tin tưởng vào AI phi tập trung.

Trong hệ sinh thái đã có nhiều dự án hỗ trợ công nghệ AI mở:

• Thu thập dữ liệu
• Điện toán phi tập trung
• Khung đào tạo phi tập trung

hướng phát triển tương lai

Hy vọng có thể xây dựng nhiều sản phẩm ở tất cả các cấp độ của công nghệ AI mã nguồn mở:

• Thu thập dữ liệu phi tập trung
• Danh tính trên chuỗi: hỗ trợ giao thức xác thực danh tính con người qua ví, giao thức xác thực phản hồi API AI, cho phép người dùng xác nhận họ đang tương tác với LLM.
• Đào tạo phi tập trung
• Cơ sở hạ tầng IP: cho phép AI cấp phép (và thanh toán) cho nội dung mà nó sử dụng