Три стратегических направления интеграции ИИ и шифрования

В настоящее время пересечение ИИ и шифрования входит в экспериментальную фазу, напоминающую «кембрийский взрыв». В данной статье подробно рассматриваются три ключевых направления развития интеграции ИИ и шифрования.

1. Построение наиболее динамичной экономики, управляемой интеллектуальными агентами

Truth Terminal уже доказал возможность работы AI-агентов в цепочке. Эксперименты в этой области постоянно расширяют границы операций агентов на цепочке, имея огромный потенциал и широкий дизайн-пространство. В настоящее время это стало одним из самых прорывных и взрывных направлений в области шифрования и AI.

В будущем интеллектуальные агенты смогут управлять сложными проектами, требующими координации между несколькими сторонами. Например, в области научных исследований агенты могут отвечать за поиск соединений для лечения определенных заболеваний. Конкретно:

• Проведение сбора средств на токены через соответствующие платформы
• Использование привлеченных средств для оплаты доступа к платным исследовательским материалам, а также для оплаты вычислительных затрат на моделирование соединений в децентрализованной вычислительной сети.
• Нанимать людей для выполнения работ по верификации экспериментов через платформу вознаграждений

Помимо сложных проектов, агенты также могут выполнять простые задачи, такие как создание личных веб-сайтов, создание художественных произведений и т.д., их области применения имеют бесконечные возможности.

Почему имеет больше смысла, чтобы агенты выполняли финансовые операции в цепочке?

Шифрование валюты имеет уникальные преимущества в некоторых областях:

• Приложение для мелких платежей
• Преимущество скорости: Функция мгновенного расчета помогает агентам достигать максимальной капитальной эффективности
• Вход на рынок капитала через DeFi: агенты могут бесшовно создавать активы, проводить сделки, инвестировать, осуществлять операции с кредитами, использовать плечо и т.д.

С точки зрения закономерностей развития технологий, зависимость от пути играет ключевую роль. С увеличением числа агентов, получающих доход через шифрование, шифрованное соединение, вероятно, станет основной способностью агентов.

Будущее направление развития

1. Механизм контроля рисков: нельзя предоставлять агенту полную неограниченную свободу действий
2. Продвижение неспекулятивных сценариев использования: таких как покупка билетов, оптимизация доходности портфеля стабильной валюты, заказ еды и т. д.
3. Требования к прогрессу разработки: должно быть достигнуто как минимум стадия прототипа тестовой сети, лучше если уже запущено в основной сети

2. Повышение способности LLMs писать код для Solana

LLM уже продемонстрировали мощные способности в написании кода и быстро развиваются. В настоящее время, хотя LLM все еще имеют недостатки в написании кода, редакторы кода, основанные на ИИ, кардинально изменили разработку программного обеспечения. Учитывая ожидаемую скорость прогресса, эти модели, скорее всего, полностью изменят разработку программного обеспечения.

Однако в настоящее время существует несколько проблем, которые мешают LLMs достичь выдающегося уровня понимания Solana:

• Нехватка качественных исходных тренировочных данных
• Недостаточно количества построек для проверки
• На соответствующих платформах не хватает взаимодействия с высокой информационной ценностью
• Инфраструктура Solana развивается стремительно, старый код может не соответствовать текущим требованиям.
• Отсутствие методов оценки модели понимания Solana

Направление будущего развития

• Помощь в получении лучших данных Solana
• Опубликовать больше проверок сборки
• Поощрять участников экосистемы активно взаимодействовать на соответствующих платформах
• Создание высококачественных бенчмарков для оценки понимания LLMs Solana
• Создание LLM модели с хорошей производительностью в бенчмаркинге, ускоряющее рабочую эффективность разработчиков Solana

Конечной целью является создание совершенно нового, качественного и дифференцированного клиента узла верификации Solana, полностью созданного ИИ.

3. Поддержка открытых и децентрализованных технологий AI

На данный момент долгосрочный баланс сил между открытыми и закрытыми моделями остается неясным. Текущая тенденция заключается в том, что крупные технологические компании продвигают передовые разработки, в то время как открытые модели быстро следуют за ними и получают уникальные преимущества в определенных сценариях применения благодаря тонкой настройке.

Важность поддержки открытого стека технологий ИИ проявляется в:

1. Открытые модели ускоряют инновационные итерации: Быстрые улучшения и доработки открытых моделей со стороны открытого сообщества демонстрируют, как сообщество эффективно дополняет работу крупных AI-компаний.

2. Предоставление выбора пользователям, не доверяющим централизованным AI: AI может стать мощным инструментом для диктаторских или авторитарных режимов, поэтому поддержка технологий открытого кода AI имеет решающее значение.

Уже несколько проектов поддерживают стек технологий открытого ИИ, включая сбор данных, децентрализованные вычислительные мощности и децентрализованные обучающие фреймворки.

Направление будущего развития

Надеюсь построить更多 продуктов на всех уровнях открытого стека ИИ технологий:

• Децентрализованный сбор данных
• Идентификация на блокчейне: поддержка протоколов, позволяющих кошелькам проверять человеческую идентичность, и протоколов для проверки ответов AI API.
• Децентрализованное обучение
• IP-инфраструктура: позволяет ИИ лицензировать (и оплачивать) используемый контент