Три стратегічні напрямки інтеграції штучного інтелекту та шифрування

Наразі поєднання AI та шифрування входить у стадію швидкого розвитку. У цій статті детально розглянуто три основні напрямки розвитку AI + шифрування.

1. Побудова активної економіки, керованої розумними агентами

Інтелектуальні агенти, що функціонують на блокчейні, вже довели свою життєздатність. Експерименти в цій сфері постійно розширюють межі операцій агентів на блокчейні, маючи величезний потенціал і широкий простір для дизайну. Наразі це стало одним із найперспективніших напрямків у сфері шифрування та штучного інтелекту, і це лише початок.

У майбутньому розумні агенти можуть управляти складними проєктами, які потребують економічної координації з багатьох сторін. Наприклад, у сфері наукових досліджень агенти можуть відповідати за пошук лікувальних сполук для конкретних хвороб:

• Залучення коштів через відповідні платформи
• Використання залучених коштів для покриття витрат на доступ до дослідницьких матеріалів та витрат на обчислення в децентралізованій обчислювальній мережі
• Залучення людей для виконання експериментальних верифікаційних робіт через платформу винагород

Окрім складних проектів, агенти також можуть виконувати прості завдання, такі як створення особистих веб-сайтів, створення художніх творів тощо, з безмежними можливостями застосування.

Агентське використання системи шифрування має унікальні переваги:

• Додаток для малих платежів
• Перевага швидкості: Функція миттєвого розрахунку допомагає агентам досягати максимальної ефективності капіталу
• Через DeFi входити на капітальний ринок: агенти можуть безшовно створювати активи, торгувати, інвестувати, позичати, використовувати важелі тощо

Індустрія сподівається, що агенти з оснащеними шифруванням гаманцями зможуть проводити інноваційні експерименти в мережі. Особлива увага приділяється наступним напрямкам:

1. Механізм контролю ризиків
2. Сприяння ненадійним сценаріям використання
3. Вимоги до прогресу розробки: щонайменше досягти стадії прототипу тестової мережі, краще вже працює в основній мережі

2. Підвищення можливостей LLM в розробці коду

Великі мовні моделі демонструють відмінні результати у написанні коду, і в майбутньому їхні можливості ще більше покращаться. Завдяки цим можливостям, ефективність розробників може зрости в 2-10 разів. Нещодавно створення високоякісних еталонів для оцінки здатності LLMs розуміти та писати код допоможе зрозуміти потенційний вплив LLMs на екосистему.

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

• Нестача якісних вихідних навчальних даних
• Недостатня кількість перевірок конструкцій
• На деяких платформах не вистачає інтерактивності з високою інформаційною цінністю
• Розвиток інфраструктури відбувається швидко, старий код може не відповідати сучасним вимогам
• Відсутність методів оцінки рівня розуміння моделей

Галузь сподівається побачити:

• Допомога у отриманні кращих релевантних даних
• Більше команд публікують перевірку побудови
• Більше людей у екосистемі активно ставлять хороші питання та надають високоякісні відповіді на відповідних платформах
• Створення високоякісних бенчмарків для оцінки рівня розуміння LLMs
• Створення LLM-моделі з налаштуваннями, що добре показують себе в бенчмаркінгу

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

3. Підтримка відкритих і децентралізованих технологічних стеків AI

"Відкритий та децентралізований технологічний стек ШІ" містить такі ключові елементи:

• Отримання тренувальних даних
• Обчислювальні можливості навчання та висновків
• Спільне використання ваг моделей
• Способності валідації виходу моделі

Важливість цього відкритого технологічного стеку штучного інтелекту проявляється в:

• Прискорення розробки інноваційних моделей та експериментів
• Надати альтернативу для користувачів, які не довіряють централізованому AI

Наразі в екосистемі вже є кілька проектів, які підтримують відкриту технологічну стек AI:

• Збір даних
• Децентралізовані обчислення
• Децентралізована тренувальна платформа

Галузь очікує, що на всіх рівнях стеку відкритого програмного забезпечення AI буде створено більше продуктів:

• Децентралізоване збори даних
• Ідентичність на ланцюзі: підтримує протокол верифікації людської ідентичності через гаманці, протокол для верифікації відповідей API ШІ
• Децентралізоване навчання
• IP інфраструктура: дозволяє ШІ ліцензувати (та оплачувати) вміст, який вона використовує