Três principais direções de desenvolvimento da fusão entre IA e encriptação

Atualmente, a interseção entre AI e encriptação está entrando em uma fase experimental em pleno desenvolvimento. Este artigo detalha três principais direções de desenvolvimento da fusão AI + encriptação.

Resumo

1. Construir a economia mais vibrante impulsionada por agentes inteligentes

Projetos existentes provaram a viabilidade da operação de agentes de IA na blockchain. Os experimentos nesta área estão constantemente ultrapassando os limites das operações de agentes na blockchain, com um potencial enorme e um espaço de design amplo. Atualmente, isso se tornou uma das direções mais disruptivas e explosivas nos campos da encriptação e da IA, e isso é apenas o começo.

2. Aumentar a capacidade dos grandes modelos de linguagem no desenvolvimento de código

Os grandes modelos de linguagem têm se destacado na escrita de código e continuarão a melhorar no futuro. Com essas capacidades, espera-se que a eficiência dos desenvolvedores aumente entre 2 a 10 vezes. Recentemente, a criação de benchmarks de alta qualidade para avaliar a capacidade dos grandes modelos de linguagem em entender e escrever código ajudará a compreender seu impacto potencial no ecossistema. Planos de ajuste fino de modelos de alta qualidade serão validados nos testes de benchmark.

3. Suporte para um stack de tecnologia de IA aberto e descentralizado

"Pilha de tecnologia de IA aberta e descentralizada" contém os seguintes elementos-chave:

• Obtenção de dados de treino
• Capacidade de cálculo para treino e inferência
• Partilha de pesos do modelo
• Capacidade de validação da saída do modelo

A importância deste stack de tecnologia AI aberto reflete-se em:

• Acelerar a inovação e a experimentação no desenvolvimento de modelos
• Oferecer alternativas para usuários que não confiam em IA centralizada

1. Construir a economia impulsionada pelos agentes inteligentes mais vibrantes

Quando os agentes de IA começam a participar de atividades na cadeia, um novo mundo cheio de possibilidades já se desdobrou (vale ressaltar que, atualmente, os agentes ainda não tomaram ações diretamente na cadeia).

Embora ainda não seja possível prever com precisão o futuro desenvolvimento do comportamento dos agentes na blockchain, ao observar as inovações que já ocorreram, podemos vislumbrar a ampla perspectiva deste espaço de design:

• Alguns projetos de IA estão a desenvolver novas comunidades digitais através de moedas Meme
• Várias plataformas permitem que os usuários criem e implementem facilmente agentes inteligentes e seus tokens relacionados.
• Estão a surgir gestores de fundos de IA treinados com base nas características pessoais de investidores de encriptação conhecidos, criando um novo ecossistema entre fundos de IA e apoiantes do agente.
• Algumas plataformas de jogos permitem que os jogadores participem do jogo orientando agentes, frequentemente gerando jogabilidades inovadoras inesperadas.

Direção de desenvolvimento futuro

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. Especificamente:

• Realizar captação de tokens através de plataformas relevantes
• Utilizar os fundos angariados para pagar as taxas de acesso a materiais de pesquisa pagos e para realizar os custos de simulação de compostos em uma rede de computação descentralizada.
• Recrutar humanos para executar trabalhos de validação de experimentos através da plataforma de recompensas (por exemplo, executar experimentos para validar/estabelecer resultados de simulação)

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

Por que é mais significativo para os agentes executarem atividades financeiras na cadeia do que usar canais tradicionais?

Os agentes podem perfeitamente utilizar simultaneamente canais financeiros tradicionais e sistemas de encriptação. No entanto, a encriptação tem vantagens únicas em certos campos:

• Aplicação de pagamentos de pequeno montante
• Vantagens de velocidade: a funcionalidade de liquidação instantânea ajuda os agentes a alcançar a máxima eficiência de capital
• Acesso ao mercado de capitais através de finanças descentralizadas: esta pode ser a razão mais convincente para os agentes participarem da encriptação econômica. Quando os agentes precisam realizar atividades financeiras além dos pagamentos, as vantagens das criptomoedas tornam-se ainda mais evidentes. Os agentes podem criar ativos, negociar, investir, realizar operações de empréstimo e usar alavancagem de forma fluida.

Do ponto de vista das leis de desenvolvimento tecnológico, a dependência de caminho desempenha um papel crucial. Se o produto é o melhor não é o mais importante, o crucial é quem consegue atingir primeiro a escala crítica e se tornar a escolha padrão. À medida que mais e mais agentes obtêm ganhos através de encriptação, a conexão encriptada pode muito bem se tornar a capacidade central dos agentes.

Perspectivas futuras

Espero ver agentes equipados com carteiras de encriptação a realizar ousados experimentos de inovação em cadeia. Especificamente, os seguintes direções merecem atenção:

1. Mecanismo de controlo de riscos

   • Embora o modelo atual tenha um desempenho excelente, ainda está longe de ser perfeito.
   • Não se pode conceder aos agentes total liberdade de ação sem restrições.

2. Promover cenários de uso não especulativos

   • Comprar bilhetes através de plataformas relevantes
   • Otimizar o rendimento da carteira de investimento em encriptação
   • Fazer pedidos de comida em plataformas de entrega.

3. Requisitos de progresso de desenvolvimento

   • Deve pelo menos atingir a fase de protótipo da rede de testes
   • É melhor já estar em funcionamento na mainnet

2. Aumentar a capacidade dos grandes modelos de linguagem para escrever código, capacitando os desenvolvedores

Os grandes modelos de linguagem já demonstraram capacidades impressionantes e estão a progredir rapidamente. No seu campo de aplicação, a área de escrita de código pode apresentar uma curva de progresso especialmente acentuada, uma vez que é uma tarefa que pode ser avaliada objetivamente. Como alguém apontou, "A programação tem uma vantagem única: o potencial de expansão de dados sobre-humanos através de 'auto-contra-ataques'. Os modelos podem escrever código e executá-lo, ou escrever código, redigir testes e depois verificar a sua consistência interna."

Hoje, embora os grandes modelos de linguagem ainda não sejam perfeitos na escrita de código, apresentando deficiências evidentes (por exemplo, um desempenho fraco na detecção de bugs), editores de código nativos de IA mudaram fundamentalmente o desenvolvimento de software (e até mesmo a forma como as empresas recrutam talentos). Considerando a taxa de progresso rápida esperada, é muito provável que esses modelos transformem completamente o desenvolvimento de software. Esperamos aproveitar esse avanço para aumentar a eficiência do trabalho dos desenvolvedores em uma ordem de magnitude.

No entanto, atualmente existem vários desafios que impedem os grandes modelos de linguagem de alcançarem um nível de excelência na compreensão de certos aspectos técnicos:

• Falta de dados de treino originais de alta qualidade
• Número insuficiente de construções verificadas
• Falta de interações de alto valor informativo em plataformas como o Stack Overflow
• Historicamente, o desenvolvimento de infraestruturas foi rápido, o que significa que até mesmo o código escrito há 6 meses pode não ser totalmente adequado às necessidades de hoje.
• Falta de métodos para avaliar o nível de compreensão de tecnologias específicas.

Perspectivas Futuras

• Ajudar a obter melhores dados relevantes na internet
• Mais equipas publicam construções verificadas (Verified builds)
• Mais pessoas no ecossistema estão ativamente a fazer boas perguntas e a fornecer respostas de alta qualidade no Stack Exchange.
• Criar testes de referência de alta qualidade para avaliar o entendimento de modelos de linguagem grandes sobre tecnologias específicas
• Criar modelos de ajuste fino de grandes modelos de linguagem que se saíram bem nos testes de referência acima mencionados, e mais importante, acelerar a eficiência do trabalho dos desenvolvedores. Uma vez que haja testes de referência de alta qualidade, poderá ser oferecida uma recompensa ao primeiro modelo a atingir a pontuação do limite dos testes de referência.

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

3. Apoiar um stack de tecnologia de IA aberto e descentralizado

No campo da IA, o equilíbrio de poder a longo prazo entre modelos de código aberto e fechado ainda não está claro. Existem, de fato, alguns argumentos que apoiam que entidades de código fechado continuarão a manter a vanguarda tecnológica e a obter o valor principal dos modelos básicos. A expectativa mais simples no momento é manter o status quo — grandes empresas de tecnologia impulsionando o desenvolvimento de ponta, enquanto os modelos de código aberto seguem rapidamente e, em cenários de aplicação específicos, obtêm vantagens únicas através do ajuste fino.

Estamos empenhados em conectar o ecossistema com o ecossistema de IA de código aberto. Mais especificamente, isso significa apoiar o acesso aos seguintes elementos:

• Dados de treino
• Poder de computação para treino e inferência
• Peso do modelo
• Capacidade de validação da saída do modelo

A importância desta estratégia manifesta-se em:

1. Modelos de código aberto aceleram a iteração da inovação

A rápida melhoria e ajuste fino dos modelos de código aberto pela comunidade de código aberto demonstra como a comunidade pode complementar efetivamente o trabalho das grandes empresas de IA, avançando os limites das capacidades de IA (inclusive, alguns pesquisadores apontaram que "em relação ao código aberto, não temos um fosso, outras empresas também não têm"). Acreditamos que um stack de tecnologia de IA de código aberto em florescimento é crucial para acelerar o progresso nesta área.

2. Oferecer opções para usuários que não confiam em AI centralizada

A IA pode ser a ferramenta mais poderosa no arsenal de regimes autocráticos ou autoritários. Modelos reconhecidos pelo Estado fornecem a "verdade" oficialmente reconhecida, sendo um importante veículo de controle. Regimes altamente autoritários podem ter modelos melhores, pois estão dispostos a ignorar a privacidade dos cidadãos para treinar a IA. O uso da IA para controle é uma tendência inevitável, e esperamos nos preparar para isso, apoiando totalmente a pilha de tecnologia de IA de código aberto.

Existem vários projetos no ecossistema a apoiar a pilha tecnológica de IA aberta:

• Coleta de dados: alguns projetos estão avançando na coleta de dados
• Poder de cálculo descentralizado: várias redes e plataformas oferecem suporte
• Estruturas de treino descentralizadas: alguns grupos de pesquisa e projetos estão a explorar esta área.

Perspectivas Futuras

Espero que possamos construir mais produtos em todos os níveis da pilha de tecnologia de IA de código aberto:

• Coleta de dados descentralizada: suporta diversos projetos de coleta de dados
• Identidade na cadeia: suporte a protocolos que verificam a identidade humana através de carteiras, protocolos que verificam as respostas da API de IA, permitindo que os usuários confirmem que estão interagindo com um grande modelo de linguagem.
• Treinamento descentralizado: suporta esquemas de treinamento descentralizado semelhantes aos projetos existentes
• Infraestrutura IP: permitir que a IA licencie (e pague) o conteúdo que utiliza.