AI ve şifreleme teknolojisinin birleştiği üç ana stratejik yön

Şu anda, AI ile şifreleme teknolojisinin birleşimi hızlı bir gelişim aşamasına girmektedir. Bu makalede AI+şifreleme entegrasyonunun üç ana gelişim yönü detaylı bir şekilde açıklanmaktadır.

1. Aktif Akıllı Ajan Tahrikli Ekonomi Kurmak

Akıllı ajanların zincir üzerinde çalışması kanıtlanmış bir gerçek. Bu alandaki deneyler, ajanların zincir üzerindeki işlemlerinin sınırlarını sürekli olarak aşmakta ve büyük bir potansiyele ve geniş bir tasarım alanına sahip. Şu anda bu, şifreleme ve AI alanındaki en çarpıcı yönlerden biri haline geldi ve bu sadece başlangıç.

Gelecekte, akıllı ajanlar çok taraflı ekonomik koordinasyon gerektiren karmaşık projeleri yönetebilir. Örneğin, araştırma alanında, ajan belirli hastalıkların tedavi bileşenlerini bulmaktan sorumlu olabilir:

• Token toplama işlemleri ilgili platformlar aracılığıyla yapılır.
• Toplanan fonları araştırma verilerine erişim ücretleri ve merkeziyetsiz hesaplama ağının hesaplama ücretlerini ödemek için kullanmak
• İnsanları deney doğrulama çalışmaları için ödül platformu aracılığıyla işe al

Karmaşık projeler dışında, aracılar kişisel web siteleri kurmak, sanatsal eserler yaratmak gibi basit görevleri de yerine getirebilir; uygulama senaryoları sonsuz olasılıklara sahiptir.

Aracılar, şifreleme para birimi sistemini kullanmanın benzersiz avantajlarına sahiptir:

• Küçük Ölçekli Ödeme Uygulamaları
• Hız avantajı: Anlık hesaplama özelliği aracılara maksimum sermaye verimliliği sağlamaya yardımcı olur.
• DeFi aracılığıyla sermaye piyasalarına giriş: Vekiller, varlıkları sorunsuz bir şekilde oluşturabilir, ticaret yapabilir, yatırım yönetimi, borç verme, kaldıraç kullanma vb. işlemler gerçekleştirebilir.

Sektör, şifreleme cüzdanlarıyla donatılmış aracının zincir üzerinde yenilikçi deneyler gerçekleştirebilmesini umuyor. Özellikle aşağıdaki alanlara odaklanılmaktadır:

1. Risk kontrol mekanizması
2. Spekülatif Olmayan Kullanım Senaryolarını Teşvik Etmek
3. Geliştirme ilerleme gereksinimleri: En az test ağ prototip aşamasına ulaşmalı, tercihen ana ağda çalışıyor olmalıdır.

2. LLM'nin kod geliştirmedeki yeteneklerini artırma

Büyük dil modelleri kod yazma konusunda olağanüstü performans sergiliyor ve gelecekte daha da geliştirilmesi bekleniyor. Bu yetenekler sayesinde, geliştiricilerin verimliliğinin 2-10 kat artması umuluyor. Son zamanlarda, LLM'lerin kod anlama ve yazma becerilerini değerlendirmek için yüksek kaliteli bir referans oluşturmak, LLM'lerin ekosistem üzerindeki potansiyel etkilerini anlamaya yardımcı olacaktır.

Ancak, şu anda LLM'lerin anlama konusunda mükemmel seviyeye ulaşmasını engelleyen birkaç zorluk var:

• Kaliteli ham eğitim verilerinin eksikliği
• Yapı doğrulama sayısı yetersiz
• Bazı platformlarda yüksek bilgi değerine sahip etkileşim eksikliği var.
• Altyapı hızla gelişiyor, eski kod mevcut ihtiyaçlara uygun olmayabilir.
• Değerlendirme modeli anlama derecesini belirleyecek bir yöntem eksikliği

Sektörde görmek istediği:

• Daha iyi ilgili veriler elde etmeye yardımcı olur
• Daha fazla ekip yayın doğrulama inşa
• Ekosistemde daha fazla insan ilgili platformlarda iyi sorular sorarak yüksek kaliteli yanıtlar sunuyor.
• Yüksek kaliteli referans testleri oluşturun, LLM'lerin anlama düzeyini değerlendirin
• Benchmark testlerinde iyi performans gösteren LLM ince ayar modeli oluşturun

Sonunda büyük bir başarı olacak: tamamen AI tarafından yaratılan, yeni, yüksek kaliteli ve farklılaştırılmış doğrulama düğümü istemcisi.

3. Açık ve merkeziyetsiz AI teknolojik yığını desteklemek

"Açık ve merkeziyetsiz AI teknolojisi yığını" aşağıdaki temel unsurları içerir:

• Eğitim verisi edinimi
• Eğitim ve çıkarım hesaplama yetenekleri
• Model ağırlık paylaşımı
• Model çıkış doğrulama yeteneği

Bu açık AI teknolojisi yığınının önemi şunlarda kendini gösterir:

• Model geliştirme yeniliklerini ve deneylerini hızlandırmak
• Merkeziyetsiz AI'ye güvenmeyen kullanıcılar için alternatifler sunmak

Şu anda ekosistemde birden fazla proje açık AI teknolojisi yığınını destekliyor:

• Veri toplama
• Merkeziyetsiz hesaplama gücü
• Merkezi olmayan eğitim çerçevesi

Sektör, açık kaynaklı AI teknolojik yığınının her katmanında daha fazla ürün inşa edilmesini bekliyor:

• Merkezîyetsiz veri toplama
• Blok zinciri kimliği: Cüzdanın insan kimliğini doğrulamasını destekleyen protokol, AI API yanıtlarını doğrulayan protokol
• Merkeziyetsiz eğitim
• IP altyapısı: AI'nın kullandığı içeriği lisanslayabilmesi (ve ödeme yapabilmesi)