Три стратегічні напрямки інтеграції AI та шифрування

Наразі перетворення AI та шифрування входить у експериментальну стадію, схожу на "камбрійський вибух". У цій статті детально викладено три основні напрямки розвитку інтеграції AI та шифрування.

1. Побудова найбільш життєздатної економіки, що керується розумними агентами

Truth Terminal вже довела життєздатність роботи AI-агентів на ланцюзі. Експерименти в цій галузі постійно розширюють межі операцій агентів на ланцюзі, з величезним потенціалом і широким простором для дизайну. Наразі це стало одним з найпроривніших і найвибуховіших напрямків у сфері шифрування та AI.

У майбутньому, розумні агенти можуть управляти складними проектами, які потребують економічної координації з багатьох сторін. Наприклад, у сфері наукових досліджень, агенти можуть бути відповідальні за пошук лікувальних сполук для конкретних захворювань. Конкретно кажучи:

• Залучення токенів через відповідні платформи
• Використання залучених коштів для оплати доступу до платних дослідницьких матеріалів, витрати на обчислення моделювання сполук в децентралізованій обчислювальній мережі
• Залучення людей для виконання експериментальних перевірок через платформу винагород

Крім складних проектів, агенти також можуть виконувати прості завдання, такі як створення особистих веб-сайтів, створення художніх творів та ін., їхні можливості застосування безмежні.

Чому виконання фінансових операцій агентами в мережі має більше значення?

Шифрування валюти має унікальні переваги в певних сферах:

• Додаток для малих платежів
• Перевага швидкості: функція миттєвого розрахунку допомагає агентам досягти максимальної ефективності капіталу
• Через DeFi входити на ринок капіталу: агенти можуть безперешкодно створювати активи, здійснювати угоди, інвестувати, займатися фінансовими операціями, позичати, використовувати кредитне плече тощо

З точки зору закономірностей технічного розвитку, залежність від шляху відіграє ключову роль. Оскільки все більше агентів отримують прибуток через шифрування, шифроване з'єднання, ймовірно, стане ключовою здатністю агентів.

Майбутні напрямки розвитку

1. Механізм контролю ризиків: не можна надавати агенту повну необмежену свободу дій
2. Сприяння неспекулятивним сценаріям використання: наприклад, купівля квитків, оптимізація доходу від інвестицій у стабільні монети, замовлення їжі тощо
3. Вимоги до прогресу розробки: принаймні, потрібно досягти стадії прототипу тестової мережі, краще, якщо вже працює на основній мережі.

2. Підвищення здатності LLMs писати код для Solana

LLMs продемонстрували потужні можливості у написанні коду та швидко прогресують. На даний момент, хоча LLMs все ще мають недоліки в написанні коду, AI рідний редактор коду вже радикально змінив розробку програмного забезпечення. З урахуванням очікуваної швидкості прогресу ці моделі, ймовірно, кардинально змінять розробку програмного забезпечення.

Однак наразі існує кілька викликів, які заважають LLMs досягти видатного рівня розуміння Solana:

• Недостатньо якісних вихідних навчальних даних
• Недостатня кількість перевірок конструкцій
• На відповідних платформах бракує високої інформаційної цінності взаємодії
• Інфраструктура Solana розвивається швидко, старий код може не відповідати сучасним вимогам
• Відсутність моделей оцінки для розуміння рівня Solana

Майбутні напрямки розвитку

• Допомога в отриманні кращих даних Solana
• Опублікувати більше верифікаційних збірок
• Заохочення учасників екосистеми активно взаємодіяти на відповідних платформах
• Створення якісних бенчмарків для оцінки розуміння LLMs щодо Solana
• Створення LLM моделі з налаштуванням, яка добре показує себе в бенчмарках, для прискорення ефективності роботи розробників Solana

Кінцевою метою є створення абсолютно нових, високоякісних, диференційованих клієнтів верифікаційних вузлів Solana, які повністю генеруються AI.

3. Підтримка відкритих та децентралізованих технологічних стеків AI

Наразі довгостроковий баланс сил між відкритими та закритими моделями залишається невизначеним. Поточна тенденція полягає в тому, що великі технологічні компанії стимулюють передові розробки, в той час як відкриті моделі швидко наздоганяють, здобуваючи унікальні переваги через доопрацювання в конкретних випадках використання.

Важливість підтримки технологічного стеку відкритого штучного інтелекту проявляється в:

1. Відкрите програмне забезпечення прискорює інновації та ітерацію: швидке вдосконалення та налаштування відкритих моделей спільнотою демонструє, як спільнота може ефективно доповнювати роботу великих AI-компаній.

2. Надання вибору для користувачів, які не довіряють централізованому ШІ: ШІ може стати потужним інструментом для диктаторських або авторитарних режимів, тому підтримка відкритого стеку технологій ШІ є вкрай важливою.

Вже кілька проектів підтримують технологічний стек відкритого AI, включаючи збір даних, децентралізовану обчислювальну потужність та децентралізовану навчальну платформу тощо.

Майбутнє розвитку

Сподіваюся, що вдасться створити більше продуктів на всіх рівнях відкритої технологічної стеки AI:

• Децентралізоване збирання даних
• Ідентичність на блокчейні: підтримка протоколу верифікації людської ідентичності через гаманці, протоколу верифікації відповідей API штучного інтелекту
• Децентралізоване навчання
• IP інфраструктура: дозволяє ШІ ліцензувати (та оплачувати) вміст, який він використовує