Las tres principales direcciones estratégicas de la fusión de la IA y la encriptación

Actualmente, la combinación de AI y encriptación está entrando en una fase de rápido desarrollo. Este artículo detalla las tres principales direcciones de desarrollo de la fusión AI + encriptación.

1. Construir una economía impulsada por agentes inteligentes activos

Los agentes inteligentes que operan en la cadena han demostrado ser viables. Los experimentos en este campo están constantemente rompiendo las fronteras de las operaciones de agentes en la cadena, con un gran potencial y un amplio espacio de diseño. Actualmente, esto se ha convertido en una de las direcciones más innovadoras en el campo de la encriptación y la IA, y esto es solo el comienzo.

En el futuro, los agentes inteligentes podrían gestionar proyectos complejos que requieren coordinación económica entre múltiples partes. Por ejemplo, en el ámbito de la investigación científica, los agentes podrían ser responsables de buscar compuestos terapéuticos para enfermedades específicas:

• Realizar la recaudación de fondos de tokens a través de plataformas relacionadas
• Utilizar los fondos recaudados para pagar los costos de acceso a la investigación y los costos de computación de la red de computación descentralizada.
• Reclutar humanos para realizar trabajos de verificación experimental a través de la plataforma de recompensas

Aparte de proyectos complejos, los agentes también pueden llevar a cabo tareas simples como crear sitios web personales, crear obras de arte, etc., y los escenarios de aplicación tienen posibilidades infinitas.

El uso de sistemas de encriptación de criptomonedas por parte de agentes tiene ventajas únicas:

• Aplicación de pagos pequeños
• Ventaja de velocidad: La función de liquidación instantánea ayuda a los agentes a lograr la máxima eficiencia de capital.
• Acceder al mercado de capitales a través de DeFi: los agentes pueden acuñar activos, comerciar, invertir, prestar, y utilizar apalancamiento sin problemas.

La industria espera ver a los agentes equipados con billeteras de encriptación realizar experimentos innovadores en la cadena. Se presta especial atención a las siguientes direcciones:

1. Mecanismo de control de riesgos
2. Promover escenarios de uso no especulativos
3. Requisitos de progreso del desarrollo: al menos alcanzar la fase de prototipo de la red de prueba, preferiblemente ya en funcionamiento en la red principal.

2. Mejorar la capacidad de LLM en el desarrollo de código

Los modelos de lenguaje grande han demostrado un rendimiento excepcional en la redacción de código, y se espera que mejoren aún más en el futuro. A través de estas capacidades, la eficiencia de los desarrolladores podría aumentar entre 2 y 10 veces. Recientemente, establecer estándares de alta calidad para evaluar la comprensión y redacción de código por parte de los LLMs ayudará a entender el impacto potencial de los LLMs en el ecosistema.

Sin embargo, actualmente hay varios desafíos que obstaculizan que los LLMs alcancen un nivel de excelencia en comprensión:

• Falta de datos de entrenamiento originales de alta calidad
• Cantidad de construcciones de verificación insuficiente
• Falta interacción de alto valor informativo en algunas plataformas
• El desarrollo de la infraestructura avanza rápidamente, el código antiguo puede no ser adecuado para las necesidades actuales
• Falta de métodos para evaluar el nivel de comprensión del modelo.

La industria espera ver:

• Ayuda a obtener mejores datos relevantes
• Más equipos publican construcciones de verificación
• Más personas en el ecosistema están activamente planteando buenas preguntas y proporcionando respuestas de alta calidad en las plataformas relevantes.
• Crear pruebas de referencia de alta calidad para evaluar el nivel de comprensión de los LLMs
• Crear un modelo LLM ajustado que funcione bien en las pruebas de referencia

El logro final será: un nuevo cliente de nodo de validación completamente creado por IA, de alta calidad y diferenciado.

3. Apoyar un stack de tecnología de IA abierto y descentralizado

"Pila de tecnología de IA abierta y descentralizada" incluye los siguientes elementos clave:

• Obtención de datos de entrenamiento
• Capacidad de cálculo para entrenamiento e inferencia
• Compartición de pesos del modelo
• Capacidad de validación de salida del modelo

La importancia de esta pila tecnológica de IA abierta se refleja en:

• Acelerar la innovación y experimentación en el desarrollo de modelos
• Proporcionar alternativas para los usuarios que no confían en la IA centralizada

Actualmente, ya hay varios proyectos en el ecosistema que apoyan la tecnología de pila abierta de AI:

• Recopilación de datos
• Poder de cálculo descentralizado
• Marco de entrenamiento descentralizado

La industria espera que se puedan construir más productos en todos los niveles de la pila de tecnología de IA de código abierto:

• Recolección de datos descentralizada
• Identidad en la cadena: protocolo que admite la verificación de la identidad humana mediante billeteras, protocolo que verifica las respuestas de la API de IA
• Entrenamiento descentralizado
• Infraestructura IP: permitir que la IA obtenga licencias (y pague) por el contenido que utiliza