Les trois grandes directions stratégiques de la fusion entre l'IA et le chiffrement

Actuellement, la combinaison de l'IA et du chiffrement entre dans une phase de développement rapide. Cet article décrit en détail les trois principales directions de développement de la fusion IA + chiffrement.

1. Construire une économie dynamique alimentée par des agents intelligents

Les agents intelligents fonctionnant sur la chaîne se sont révélés viables. Les expériences dans ce domaine continuent de repousser les limites des opérations des agents sur la chaîne, avec un potentiel énorme et un large espace de conception. Cela est devenu l'une des directions les plus révolutionnaires dans le domaine du chiffrement et de l'IA, et ce n'est que le début.

À l'avenir, les agents intelligents pourraient gérer des projets complexes nécessitant une coordination économique entre plusieurs parties. Par exemple, dans le domaine de la recherche scientifique, les agents pourraient être responsables de la recherche de composés thérapeutiques pour des maladies spécifiques :

• Lever de fonds en tokens via des plateformes pertinentes
• Utiliser les fonds collectés pour payer les frais d'accès aux données de recherche et les frais de calcul du réseau de calcul décentralisé
• Recruter des humains pour effectuer des travaux de validation expérimentale via une plateforme de récompense

À part les projets complexes, les agents peuvent également réaliser des tâches simples telles que la création de sites Web personnels, la création d'œuvres d'art, etc., avec des cas d'application aux possibilités infinies.

L'utilisation d'un système de chiffrement des monnaies numériques par un agent présente des avantages uniques :

• Applications de paiement de petite taille
• Avantage de vitesse : la fonctionnalité de règlement instantané aide les agents à réaliser une efficacité maximale du capital
• Accéder aux marchés de capitaux via DeFi : les agents peuvent créer des actifs, échanger, investir, prêter, utiliser l'effet de levier, etc.

L'industrie espère voir des agents équipés de portefeuilles de chiffrement effectuer des expériences innovantes sur la chaîne. Une attention particulière est portée aux directions suivantes :

1. Mécanisme de contrôle des risques
2. Promouvoir des cas d'utilisation non spéculatifs
3. Exigences en matière de progression du développement : atteindre au moins la phase prototype du réseau de test, de préférence déjà en fonctionnement sur le réseau principal.

2. Améliorer la capacité des LLM dans le développement de code

Les grands modèles de langage montrent d'excellentes performances dans la rédaction de code et continueront à s'améliorer à l'avenir. Grâce à ces capacités, l'efficacité des développeurs pourrait augmenter de 2 à 10 fois. Récemment, l'établissement de normes de haute qualité pour évaluer la compréhension et la rédaction de code par les LLMs contribuera à comprendre l'impact potentiel des LLMs sur l'écosystème.

Cependant, plusieurs défis empêchent actuellement les LLMs d'atteindre un niveau d'excellence dans la compréhension :

• Manque de données d'entraînement originales de qualité
• Nombre de constructions de validation insuffisant
• Le manque d'interaction à forte valeur informationnelle sur certaines plateformes.
• Le développement des infrastructures progresse rapidement, l'ancien code peut ne pas répondre aux besoins actuels.
• Manque de méthodes pour comprendre le niveau de compréhension des modèles d'évaluation

L'industrie espère voir :

• Aider à obtenir de meilleures données pertinentes
• Plus d'équipes publient des constructions de validation
• Plus de personnes dans l'écosystème posent de bonnes questions et fournissent des réponses de haute qualité sur les plateformes pertinentes.
• Créer des tests de référence de haute qualité pour évaluer le niveau de compréhension des LLMs
• Créer un modèle LLM ajusté qui performe bien dans les tests de référence

La réalisation majeure finale sera : un client de nœud de validation entièrement nouveau, de haute qualité et différencié, créé entièrement par l'IA.

3. Soutenir une pile technologique d'IA ouverte et décentralisée

"Une pile technologique AI ouverte et décentralisée" comprend les éléments clés suivants :

• Obtention des données d'entraînement
• Capacité de calcul pour l'entraînement et l'inférence
• Partage des poids du modèle
• Capacité de validation de la sortie du modèle

L'importance de cette pile technologique AI ouverte se manifeste dans :

• Accélérer l'innovation et l'expérimentation du développement de modèles
• Fournir une alternative aux utilisateurs qui ne font pas confiance à l'IA centralisée

Actuellement, plusieurs projets dans l'écosystème soutiennent la pile technologique de l'IA ouverte :

• Collecte de données
• Puissance de calcul décentralisée
• Cadre d'entraînement décentralisé

L'industrie s'attend à ce que davantage de produits soient construits à tous les niveaux de la pile technologique AI open source :

• Collecte de données décentralisée
• Identité sur la chaîne : protocole soutenant la vérification de l'identité humaine par le portefeuille, protocole vérifiant la réponse de l'API AI.
• Entraînement décentralisé
• Infrastructure IP : permettre à l'IA d'accorder des licences (et de payer) pour le contenu qu'elle utilise