Três principais direções de desenvolvimento da fusão de AI com encriptação

Atualmente, a combinação de inteligência artificial e encriptação está em rápida fase de desenvolvimento. Este artigo irá detalhar três direções principais de desenvolvimento da fusão AI+encriptação.

1. Criar uma economia impulsionada por agentes inteligentes ativos

Práticas recentes demonstraram a viabilidade da operação de agentes de IA na blockchain. Esta área está constantemente ultrapassando os limites da operação em cadeia de agentes, com grande potencial e amplo espaço de design. Atualmente, isso se tornou um dos direções mais revolucionárias e explosivas nos campos da encriptação e IA, e isso é apenas o começo.

No futuro, agentes inteligentes poderão gerenciar projetos complexos que requerem coordenação econômica entre várias partes. Por exemplo, no campo da pesquisa científica, os agentes podem ser responsáveis por encontrar compostos terapêuticos para doenças específicas. Em termos concretos:

• Realizar captação de fundos através da plataforma de angariação de tokens
• Utilizar os fundos angariados para pagar as despesas de acesso a dados de pesquisa, custos de simulação de compostos em uma rede de computação descentralizada
• Recrutar humanos para realizar trabalhos de validação de experimentos através da plataforma de recompensas

Além de projetos complexos, os agentes também podem executar tarefas simples, como criar sites pessoais e obras de arte, cujos cenários de aplicação têm possibilidades infinitas.

Os agentes inteligentes têm mais vantagens ao executar atividades financeiras na encriptação do que ao usar canais tradicionais:

• Aplicação de pagamentos de baixo valor
• Vantagem de velocidade: a funcionalidade de liquidação instantânea ajuda os agentes a alcançar a máxima eficiência de capital
• Acessar o mercado de capitais através do DeFi: os agentes podem emitir ativos, negociar, investir, realizar operações de crédito e empréstimos, usar alavancagem, entre outros.

O futuro desenvolvimento deve focar em:

1. Mecanismo de controle de risco
2. Promover cenários de uso não especulativos
3. Requisitos de progresso no desenvolvimento: deve pelo menos alcançar a fase de protótipo da rede de testes, de preferência já estar em funcionamento na rede principal.

2. Melhorar a capacidade de grandes modelos de linguagem no desenvolvimento de código

Os grandes modelos de linguagem já demonstraram um desempenho excelente na escrita de código, e no futuro deverão melhorar ainda mais. Com essas capacidades, a eficiência dos desenvolvedores tem potencial para aumentar entre 2 a 10 vezes. Recentemente, a avaliação da capacidade dos grandes modelos de linguagem em compreender e escrever código, através da criação de benchmarks de alta qualidade, ajudará a entender seu impacto potencial no ecossistema. Planos de ajuste fino de modelos de alta qualidade serão validados nos testes de benchmark.

No entanto, ainda existem alguns desafios:

• Falta de dados de treino originais de alta qualidade
• Número de construções de verificação insuficiente
• Falta de interações de alto valor informativo na plataforma de perguntas e respostas técnica
• O desenvolvimento da infraestrutura está a progredir rapidamente, levando a que o código antigo possa não ser adequado para as necessidades atuais.
• Falta de métodos para avaliar o nível de compreensão de tecnologias específicas.

Direção de desenvolvimento futuro:

• Melhorar a qualidade dos dados relevantes na internet
• Incentivar mais equipas a publicar construções de verificação
• Fazer boas perguntas e fornecer respostas de alta qualidade em plataformas de perguntas e respostas técnicas
• Criar testes de referência de alta qualidade para avaliar o nível de compreensão de grandes modelos de linguagem
• Criar um esquema de ajuste fino de modelos que se comportem bem em testes de referência

A conquista final será: um novo cliente de nó de validação, totalmente criado por IA, de alta qualidade e diferenciado.

3. Suporte a uma pilha de tecnologia de IA aberta e descentralizada

O equilíbrio de poder a longo prazo entre modelos de código aberto e fechado ainda é incerto. A expectativa mais simples no momento é a de manter o status quo – grandes empresas de tecnologia impulsionam o desenvolvimento de ponta, enquanto modelos de código aberto seguem rapidamente e obtêm vantagens únicas em cenários de aplicação específicos através de ajustes finos.

A importância de apoiar a pilha de tecnologia de IA aberta reflete-se em:

1. Modelos de código aberto aceleram a iteração da inovação: a rápida melhoria e ajuste dos modelos de código aberto pela comunidade de código aberto demonstram como a comunidade pode efetivamente complementar o trabalho das grandes empresas de IA, avançando os limites das capacidades de IA.

2. Oferecer opções para usuários que não confiam em IA centralizada: A IA pode ser usada como uma ferramenta de controle, apoiar uma pilha de tecnologia de IA de código aberto pode fornecer alternativas para os usuários.

Atualmente, vários projetos estão a apoiar a pilha de tecnologias da OpenAI:

• Coleta de dados
• Poder de cálculo descentralizado
• Estrutura de treino descentralizada

Direção de desenvolvimento futuro:

• Coleta de dados descentralizada
• Identidade na cadeia: protocolo que suporta a verificação da identidade humana por meio de carteiras, protocolo que valida as respostas da API de IA.
• Treinamento descentralizado
• Infraestrutura IP: permitir que a IA licencie (e pague) o conteúdo que utiliza.

Através desses esforços, esperamos ver a fusão da IA com a encriptação trazer mais inovações e avanços para a indústria.