Les trois grandes directions de la fusion de l'IA et du chiffrement

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

Résumé

1. Construire l'économie la plus dynamique alimentée par des agents intelligents

Des projets existants ont prouvé la faisabilité des agents IA fonctionnant sur la chaîne. Les expériences dans ce domaine repoussent constamment les limites des opérations des agents sur la chaîne, avec un potentiel énorme et un espace de conception vaste. Cela est désormais l'une des directions les plus révolutionnaires et dynamiques dans les domaines du chiffrement et de l'IA, et ce n'est que le début.

2. Améliorer la capacité des grands modèles de langage dans le développement de code

Les grands modèles de langage se sont révélés excellents dans l'écriture de code, et leur performance continuera 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 références de haute qualité pour évaluer la compréhension et l'écriture de code par les grands modèles de langage contribuera à comprendre leur impact potentiel sur l'écosystème. Des solutions de réglage de modèle de haute qualité seront validées dans les tests de référence.

3. Soutenir des piles technologiques d'IA ouvertes et décentralisées

"Une pile technologique IA 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 des sorties du modèle

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

• Accélérer l'innovation et les expérimentations dans le développement de modèles
• Offrir une alternative aux utilisateurs qui ne font pas confiance à l'IA centralisée.

1. Construire l'économie la plus dynamique pilotée par des agents intelligents

Lorsque les agents IA commencent à participer à des activités sur la chaîne, un nouveau monde plein de possibilités s'ouvre (il convient de noter qu'à l'heure actuelle, les agents n'ont même pas encore agi directement sur la chaîne).

Bien qu'il soit impossible de prédire avec précision l'évolution future des comportements des agents sur la chaîne, en observant les innovations déjà survenues, nous pouvons entrevoir les vastes perspectives de cet espace de conception :

• Certains projets d'IA développent de nouvelles communautés numériques grâce aux Meme coins.
• Plusieurs plateformes permettent aux utilisateurs de créer et déployer facilement des agents intelligents et leurs jetons associés.
• Des gestionnaires de fonds AI formés sur les caractéristiques personnelles de célèbres investisseurs en chiffrement émergent, créant un nouvel écosystème entre les fonds AI et les soutiens d'agents.
• Certaines plateformes de jeux permettent aux joueurs de participer au jeu en guidant les actions des agents, ce qui génère souvent des modes de jeu innovants inattendus.

direction de développement futur

Dans le futur, des agents intelligents pourront gérer des projets complexes nécessitant une coordination économique multipartite. Par exemple, dans le domaine de la recherche scientifique, les agents pourront être responsables de la recherche de composés thérapeutiques pour des maladies spécifiques. Plus précisément :

• Lever des fonds par le biais de plateformes pertinentes
• Utiliser les fonds collectés pour payer les frais d'accès aux données de recherche payantes et les frais de calcul pour la simulation de composés sur un réseau de calcul décentralisé.
• Recruter des humains pour exécuter des travaux de validation expérimentale via une plateforme de récompense (par exemple, exécuter des expériences pour valider/établir des résultats de simulation)

En plus des projets complexes, les agents peuvent également exécuter des tâches simples telles que la création de sites Web personnels ou la réalisation d'œuvres d'art, dont les cas d'application sont d'une possibilité infinie.

Pourquoi est-il plus significatif pour les agents d'exécuter des activités financières sur la chaîne que d'utiliser des canaux traditionnels ?

Les agents peuvent tout à fait utiliser simultanément des canaux financiers traditionnels et des systèmes de chiffrement. Cependant, les cryptomonnaies ont des avantages uniques dans certains domaines :

• Application de paiements de faible montant
• Avantage de vitesse : la fonction de règlement instantané aide les agents à réaliser une efficacité maximale du capital.
• Accéder aux marchés financiers par le biais de la finance décentralisée : c'est peut-être la raison la plus convaincante pour laquelle les agents participent à l'économie de chiffrement. Lorsque les agents ont besoin d'effectuer des activités financières autres que les paiements, les avantages des monnaies numériques deviennent encore plus évidents. Les agents peuvent émettre des actifs, effectuer des transactions, investir, gérer des finances, prêter et emprunter, utiliser l'effet de levier, etc.

D'un point de vue des lois de développement technologique, la dépendance au chemin joue un rôle clé. Ce n'est pas tant que le produit soit optimal qui est le plus important, mais qui peut atteindre en premier la taille critique et devenir le choix par défaut. Avec un nombre croissant d'agents réalisant des bénéfices grâce au chiffrement, la connexion chiffrée pourrait bien devenir la compétence centrale des agents.

Perspectives d'avenir

J'espère voir des agents équipés de chiffrement portefeuille faire des expériences d'innovation audacieuses sur la chaîne. Plus précisément, les directions suivantes valent la peine d'être suivies :

1. Mécanisme de contrôle des risques

   • Bien que le modèle actuel soit performant, il est encore loin d'être parfait.
   • Il ne faut pas donner aux agents une liberté d'action totalement illimitée.

2. Promouvoir des scénarios d'utilisation non spéculatifs

   • Acheter des billets via des plateformes connexes
   • Optimiser le rendement du portefeuille d'investissement en chiffrement stable
   • Commander de la nourriture sur une plateforme de livraison

3. Exigences de progression du développement

   • Doit atteindre au moins le stade du prototype du réseau de test
   • Il est préférable qu'il soit déjà en fonctionnement sur le réseau principal.

2. Améliorer la capacité des grands modèles de langage à écrire du code, habiliter les développeurs

Les grands modèles de langage ont montré de puissantes capacités et progressent rapidement. Dans leurs domaines d'application, le domaine de la rédaction de code pourrait connaître une courbe de progrès particulièrement abrupte, car il s'agit d'une tâche qui peut être évaluée objectivement. Comme l'a souligné quelqu'un, "la programmation a un avantage unique : le potentiel d'extension des données surhumaines grâce à 'l'auto-affrontement'. Les modèles peuvent écrire du code et l'exécuter, ou écrire du code, rédiger des tests, puis vérifier leur cohérence."

Aujourd'hui, bien que les grands modèles de langage ne soient pas encore parfaits dans l'écriture de code, présentant des lacunes évidentes (par exemple, une performance médiocre dans la détection des bugs), des outils tels que les éditeurs de code natifs à IA ont fondamentalement transformé le développement de logiciels (voire modifié la manière dont les entreprises recrutent des talents). Compte tenu du taux de progrès rapide attendu, ces modèles pourraient bien révolutionner le développement de logiciels. Nous espérons tirer parti de cette avancée pour augmenter l'efficacité des développeurs d'un ordre de grandeur.

Cependant, plusieurs défis entravent actuellement l'atteinte d'un niveau d'excellence des grands modèles linguistiques dans la compréhension de certaines technologies spécifiques :

• Manque de données d'entraînement de haute qualité
• Nombre de constructions vérifiées (Verified builds) insuffisant
• Le manque d'interactions à haute valeur d'information sur des plateformes comme Stack Overflow
• L'infrastructure a rapidement évolué dans le passé, ce qui signifie que même le code écrit il y a 6 mois peut ne pas correspondre entièrement aux besoins d'aujourd'hui.
• Manque de méthodes d'évaluation du niveau de compréhension des technologies spécifiques.

Perspectives d'avenir

• Aider à obtenir de meilleures données pertinentes sur Internet
• Plus d'équipes publient des constructions vérifiées (Verified builds)
• Plus de personnes dans l'écosystème posent de bonnes questions et fournissent des réponses de haute qualité sur Stack Exchange.
• Créer des tests de référence de haute qualité pour évaluer le niveau de compréhension des grands modèles de langage concernant des technologies spécifiques.
• Créer des modèles de langage de grande taille ajustés qui ont bien performé dans les tests de référence ci-dessus, et plus important encore, accélérer l'efficacité du travail des développeurs. Une fois que des tests de référence de haute qualité seront disponibles, cela pourrait offrir une récompense au premier modèle atteignant le score seuil des tests de référence.

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

3. Soutenir une pile technologique AI ouverte et décentralisée

Dans le domaine de l'IA, l'équilibre de pouvoir à long terme entre les modèles open source et closed source reste incertain. Il existe en effet des arguments en faveur des entités closed source qui continueront à maintenir l'avant-garde technologique et à obtenir la valeur principale des modèles de base. L'attente la plus simple actuellement est de maintenir le statu quo : de grandes entreprises technologiques propulsent le développement à la pointe, tandis que les modèles open source suivent rapidement et obtiennent un avantage unique dans des scénarios d'application spécifiques grâce à un ajustement fin.

Nous nous engageons à intégrer étroitement l'écosystème avec l'écosystème AI open source. Plus précisément, cela signifie soutenir l'accès aux éléments suivants :

• Données d'entraînement
• Puissance de calcul pour l'entraînement et l'inférence
• Poids du modèle
• Capacité de validation des sorties du modèle

L'importance de cette stratégie se manifeste par :

1. Les modèles open source accélèrent l'innovation et l'itération.

Les améliorations rapides et les ajustements des modèles open source par la communauté montrent comment celle-ci peut compléter efficacement le travail des grandes entreprises d'IA, faisant progresser les limites des capacités de l'IA (certains chercheurs ont même souligné que "Concernant l'open source, nous n'avons pas de douves, et d'autres entreprises non plus"). Nous pensons qu'une pile technologique IA open source florissante est essentielle pour accélérer les progrès dans ce domaine.

2. Offrir des choix aux utilisateurs qui ne font pas confiance à l'IA centralisée

L'IA pourrait être l'un des outils les plus puissants dans l'arsenal des régimes dictatoriaux ou autoritaires. Les modèles reconnus par l'État fournissent une "vérité" officiellement reconnue, constituant un vecteur de contrôle important. Les régimes hautement autoritaires pourraient disposer de modèles plus performants, car ils sont prêts à ignorer la vie privée des citoyens pour entraîner l'IA. L'utilisation de l'IA pour le contrôle est une tendance inévitable, et nous espérons anticiper cela en soutenant pleinement la pile technologique de l'IA open source.

Plusieurs projets dans l'écosystème soutiennent la pile technologique OpenAI :

• Collecte de données : certains projets avancent dans la collecte de données
• Puissance de calcul décentralisée : plusieurs réseaux et plateformes offrent un soutien
• Cadre d'entraînement décentralisé : certains groupes de recherche et projets explorent ce domaine.

Perspective d'avenir

J'espère qu'il sera possible de construire plus de produits à tous les niveaux de la pile technologique AI open source :

• Collecte de données décentralisée : prend en charge divers projets de collecte de données
• Identité sur la chaîne : protocole supportant la vérification de l'identité humaine par le portefeuille, protocole validant la réponse de l'API AI, permettant aux utilisateurs de confirmer qu'ils interagissent avec un grand modèle de langage.
• Entraînement décentralisé : prend en charge des solutions d'entraînement décentralisées similaires aux projets existants.
• Infrastructure IP : permettre à l'IA d'obtenir des licences (et de payer) pour le contenu qu'elle utilise.