Ursprünglicher Titel: (Fokusbereiche an der Schnittstelle von Krypto und AI)
Ursprünglicher Autor: Kuleen, Leiter von DePIN bei der Solana-Stiftung
Übersetzung: Yuliya, PANews
Aktuell befindet sich die Schnittstelle zwischen AI und Krypto-Technologien in der experimentellen Phase des "kambrischen Explosions"-Stadiums. In diesem Artikel erläutert die Solana-Stiftung die drei Hauptentwicklungsrichtungen der Fusion von AI und Krypto.
TLDR
1. Aufbau einer dynamischen, intelligenten agentengestützten Wirtschaft auf Solana
Truth Terminal hat bereits die Machbarkeit von AI-Agenten on-chain bewiesen. Experimente in diesem Bereich überschreiten kontinuierlich die Grenzen des Agentenbetriebs on-chain, und dieses Feld hat nicht nur enormes Potenzial, sondern auch einen sehr breiten Designraum. Derzeit hat es sich zu einem der bahnbrechendsten und dynamischsten Bereiche im Krypto- und AI-Sektor entwickelt, und das ist erst der Anfang.
2. Verbesserung der Fähigkeiten von LLMs bei der Entwicklung von Solana-Code
Große Sprachmodelle haben bereits hervorragende Leistungen beim Schreiben von Code gezeigt und werden in Zukunft weiter verbessert. Mit diesen Fähigkeiten könnte die Effizienz der Solana-Entwickler um das 2- bis 10-fache steigen. In naher Zukunft wird die Erstellung hochwertiger Benchmarks zur Bewertung der Fähigkeiten von LLMs, Solana-Code zu verstehen und zu schreiben, helfen, das potenzielle Einfluss von LLMs auf das Solana-Ökosystem zu verstehen. Hochwertige Modellfeinabstimmungsansätze werden in den Benchmark-Tests validiert.
3. Unterstützung eines offenen und dezentralen AI-Technologiestacks
"Offener und dezentraler AI-Technologiestack" enthält folgende Schlüsselfaktoren:
Erwerb von Trainingsdaten
Rechenleistung für Training und Inferenz
Modellgewichteteilung
Überprüfungsfähigkeit der Modellausgaben
Die Bedeutung dieses offenen AI-Technologiestacks zeigt sich in:
Beschleunigung der Innovations- und Experimententwicklung von Modellen
Bereitstellung von Alternativen für Benutzer, die zentralisierte AI nicht vertrauen
1. Aufbau einer dynamischen, intelligenten agentengestützten Wirtschaft
Die Diskussion über Truth Terminal und $GOAT ist bereits umfangreich, daher ist es nicht nötig, hier weiter ins Detail zu gehen. Aber es ist sicher, dass ein neues, vielversprechendes Universum eröffnet wird, wenn AI-Agenten beginnen, an On-Chain-Aktivitäten teilzunehmen (es ist erwähnenswert, dass Agenten derzeit noch nicht direkt on-chain gehandelt haben).
Obwohl es derzeit unmöglich ist, die zukünftige Entwicklung des Verhaltens von Agenten on-chain genau vorherzusagen, können wir durch die Beobachtung der bereits auf Solana stattgefundenen Innovationen einen Blick auf das breite Potenzial dieses Designraums werfen:
AI-Projekte wie Truth Terminal entwickeln neue digitale Gemeinschaften durch Meme-Coins wie $GOAT
Plattformen wie Holoworld AI, vvaifu.fun, Top Hat AI, Alethea AI ermöglichen es Benutzern, intelligent Agenten und ihre zugehörigen Token einfach zu erstellen und bereitzustellen
AI-Fondsmanager, die auf den Persönlichkeitsmerkmalen bekannter Krypto-Investoren basieren, tauchen auf, und auf der Plattform daos.fun hat die rasche Aufstieg von ai16z ein neues Ökosystem zwischen AI-Fonds und Agentenunterstützern geschaffen.
Darüber hinaus ermöglichen Plattformen wie Colony den Spielern, durch das Anleiten von Agenten an Spielen teilzunehmen, was häufig zu unerwarteten innovativen Spielweisen führt.
Zukünftige Entwicklungsrichtungen
In der Zukunft könnten intelligente Agenten komplexe Projekte verwalten, die eine wirtschaftliche Koordination mehrerer Parteien erfordern. Zum Beispiel im Forschungsbereich könnten Agenten dafür verantwortlich sein, therapeutische Verbindungen für bestimmte Krankheiten zu finden. Genauer gesagt:
Token-Fundraising über die Plattform Pump Science
Verwendung der gesammelten Mittel zur Bezahlung von Zugangsgebühren für kostenpflichtige Forschungsdaten, Durchführung von Verbindungsberechnungen auf dezentralen Rechennetzwerken wie kuzco, Render Network, io.net usw.
Rekrutierung von Menschen zur Durchführung experimenteller Validierungsarbeiten über Bounty-Plattformen wie Gib.Work (z. B. Durchführung von Experimenten zur Überprüfung/Etablierung von Simulationsresultaten)
Neben komplexen Projekten können Agenten auch einfache Aufgaben wie den Aufbau persönlicher Websites oder die Schaffung von Kunstwerken (wie zerebro) ausführen, deren Anwendungsmöglichkeiten unbegrenzt sind.
Warum macht es mehr Sinn, dass Agenten Finanzaktivitäten on-chain durchführen als über traditionelle Kanäle?
Agenten können sowohl traditionelle Finanzkanäle als auch Kryptowährungssysteme gleichzeitig nutzen. Dennoch haben Kryptowährungen in bestimmten Bereichen einzigartige Vorteile:
Mikrozahlungen - Solana hat in diesem Bereich hervorragende Leistungen erbracht, wie Anwendungen wie Drip gezeigt haben
Geschwindigkeitsvorteil - sofortige Abwicklungsfunktionen, die Agenten helfen, maximale Kapitaleffizienz zu erreichen
Zugang zu Kapitalmärkten durch DeFi - dies könnte der stärkste Grund für Agenten sein, an der Krypto-Ökonomie teilzunehmen. Wenn Agenten Finanzaktivitäten außerhalb von Zahlungen durchführen müssen, werden die Vorteile von Kryptowährungen noch deutlicher. Agenten können nahtlos Vermögenswerte prägen, handeln, investieren, Kredite aufnehmen, Hebel nutzen usw. Insbesondere Solana ist aufgrund der bereits vorhandenen erstklassigen DeFi-Infrastruktur im Hauptnetz besonders geeignet, um diese Kapitalmarktaktivitäten zu unterstützen.
Aus der Perspektive der Technologiefortschritte spielt Pfadabhängigkeit eine entscheidende Rolle. Ob ein Produkt optimal ist, ist nicht das Wichtigste; entscheidend ist, wer zuerst kritische Massen erreicht und zur Standardwahl wird. Mit immer mehr Agenten, die durch Kryptowährungen Gewinne erzielen, könnte die kryptografische Verbindung zur Kernkompetenz der Agenten werden.
Die Stiftung möchte sehen
Die Solana-Stiftung möchte sehen, dass Agenten mit Krypto-Wallets mutige innovative Experimente on-chain durchführen. Die Stiftung schränkt hier nicht zu sehr die spezifischen Richtungen ein, da die Möglichkeiten einfach zu vielfältig sind - es ist wahrscheinlich, dass die interessantesten und wertvollsten Anwendungsfälle für Agenten wahrscheinlich noch nicht vorhersehbar sind.
Die Stiftung konzentriert sich jedoch besonders auf die Erkundung folgender Richtungen:
1. Risikokontrollmechanismus
Obwohl die aktuellen Modelle hervorragend abschneiden, sind sie nach wie vor weit von der Perfektion entfernt
Agenten dürfen nicht uneingeschränkte Handlungsfreiheit erhalten
2. Förderung nicht spekulativer Nutzungsszenarien
Tickets über xpticket kaufen
Optimierung der Rendite von Stablecoin-Portfolios
Essen über DoorDash bestellen
3. Anforderungen an den Entwicklungsfortschritt
Mindestens den Prototypenstatus für das Testnetz erreichen
Es wäre ideal, wenn es bereits im Hauptnetz läuft
2. Verbesserung der Fähigkeiten von LLMs beim Schreiben von Solana-Code zur Ermächtigung von Solana-Entwicklern
LLMs haben starke Fähigkeiten gezeigt und machen schnelle Fortschritte. Im Anwendungsbereich von LLMs könnte das Schreiben von Code eine besonders steile Fortschrittskurve aufweisen, da dies eine objektiv bewertbare Aufgabe ist. Wie unten beschrieben: "Programmieren hat einen besonders einzigartigen Vorteil: das Potenzial zur übermenschlichen Datenvergrößerung durch 'Selbstspiel'. Modelle können Code schreiben und ausführen oder Code schreiben, Tests erstellen und dann ihre Konsistenz überprüfen."
Heute, obwohl LLMs beim Schreiben von Code immer noch nicht perfekt sind und offenkundige Mängel aufweisen (z. B. schlechte Leistung beim Finden von Bugs), haben AI-nativen Code-Editoren wie Github Copilot und Cursor die Softwareentwicklung grundlegend verändert (sogar die Art und Weise, wie Unternehmen Talente rekrutieren). Angesichts der erwarteten schnellen Fortschritte werden diese Modelle wahrscheinlich die Softwareentwicklung revolutionieren. Die Stiftung hofft, diesen Fortschritt zu nutzen, um die Effizienz der Solana-Entwickler um ein Vielfaches zu steigern.
Es gibt jedoch derzeit mehrere Herausforderungen, die das Erreichen eines hervorragenden Niveaus von LLMs im Verständnis von Solana behindern:
Mangel an hochwertigen ursprünglichen Trainingsdaten
Unzureichende Anzahl verifizierter Builds (Verified builds)
Mangel an hochinformativem Austausch auf Plattformen wie Stack Overflow
Historisch gesehen hat sich die Solana-Infrastruktur schnell entwickelt, was bedeutet, dass selbst vor 6 Monaten geschriebene Codes möglicherweise nicht vollständig den heutigen Anforderungen entsprechen
Mangel an Methoden zur Bewertung des Verständnisses von Modellen für Solana
Die Stiftung möchte sehen
Hilfe bei der Beschaffung besserer Solana-Daten im Internet
Mehr Teams, die verifiziertes Bauen (Verified builds) veröffentlichen
Mehr Menschen im Ökosystem stellen aktiv gute Fragen auf Stack Exchange und bieten qualitativ hochwertige Antworten
Erstellung hochwertiger Benchmark-Tests zur Bewertung des Verständnisses von LLMs für Solana (RFP wird bald veröffentlicht)
Erstellung von LLMs, die in den oben genannten Benchmark-Tests gut abschneiden, und wichtiger ist, die Effizienz der Solana-Entwickler zu steigern. Sobald hochwertige Benchmark-Tests vorliegen, könnte die Stiftung Modelle, die als erste den Schwellenwert des Benchmark-Tests erreichen, belohnen.
Der endgültige bedeutende Erfolg wird sein: ein völlig neuer, qualitativ hochwertiger, differenzierter Solana-Validierungs-Node-Client, der vollständig von AI erstellt wurde.
3. Unterstützung eines offenen und dezentralen AI-Technologiestacks
Im AI-Bereich bleibt das langfristige Kräfteverhältnis zwischen Open-Source- und Closed-Source-Modellen unklar. Tatsächlich gibt es einige Argumente, die dafür sprechen, dass Closed-Source-Einheiten weiterhin an der technologischen Spitze bleiben und den Hauptwert der Basis-Modelle erlangen. Die einfachste Erwartung im Moment ist, den Status quo zu bewahren - Technologie-Giganten wie OpenAI und Anthropic treiben den Fortschritt voran, während Open-Source-Modelle schnell folgen und durch Feineinstellungen in bestimmten Anwendungen einzigartige Vorteile erlangen.
Die Stiftung setzt sich dafür ein, Solana eng mit dem Open-Source-AI-Ökosystem zu verbinden. Genauer gesagt bedeutet dies, den Zugang zu den folgenden Faktoren zu unterstützen:
Trainingsdaten
Rechenleistung für Training und Inferenz
Modellgewichte
Überprüfungsfähigkeit der Modellausgaben
Die Bedeutung dieser Strategie zeigt sich in:
1. Open-Source-Modelle beschleunigen Innovationszyklen
Die schnelle Verbesserung und Feinabstimmung von Open-Source-Modellen wie Llama durch die Open-Source-Community zeigt, wie die Community die Arbeit großer AI-Unternehmen effektiv ergänzen und die Grenzen der AI-Fähigkeiten vorantreiben kann (sogar Google-Forscher haben letztes Jahr darauf hingewiesen: "In Bezug auf Open Source haben wir keine Burg und OpenAI hat auch keine."). Die Stiftung ist der Meinung, dass ein florierender Open-Source-AI-Technologiestack entscheidend für den Fortschritt in diesem Bereich ist.
2. Auswahlmöglichkeiten für Benutzer, die zentralisierte AI nicht vertrauen
AI könnte das mächtigste Tool im Arsenal von diktatorischen oder autoritären Regierungen sein. Vom Staat anerkannte Modelle bieten die offiziell anerkannte "Wahrheit", was ein wichtiges Kontrollmittel ist. Hochgradig autoritäre Regierungen könnten über bessere Modelle verfügen, da sie bereit sind, die Privatsphäre der Bürger zu ignorieren, um AI zu trainieren. Die Verwendung von AI zur Kontrolle ist ein unvermeidlicher Trend, und die Stiftung möchte vorausschauend handeln und den Open-Source-AI-Technologiestack umfassend unterstützen.
Es gibt bereits mehrere Projekte im Solana-Ökosystem, die den offenen AI-Technologiestack unterstützen:
Datensammlung - Grass und Synesis One treiben die Datenerhebung voran
Dezentrale Rechenleistung - kuzco, Render Network, io.net, Bless Network, Nosana usw.
Dezentrales Trainingsframework - Nous Research, Prime Intellect
Die Stiftung erwartet zu sehen
Hoffentlich können auf allen Ebenen des Open-Source-AI-Technologiestacks mehr Produkte entwickelt werden:
Dezentrale Datensammlung: z. B. Grass, Datahive, Synesis One
On-Chain-Identität: Protokolle, die Wallets zur Verifizierung menschlicher Identität unterstützen, Protokolle zur Überprüfung von AI-API-Antworten, die es den Benutzern ermöglichen, zu bestätigen, dass sie mit LLMs interagieren
Dezentrales Training: Projekte ähnlich wie EXO Labs, Nous Research und Prime Intellect
IP-Infrastruktur: Ermöglicht es AI, die von ihr verwendeten Inhalte zu lizenzieren (und dafür zu bezahlen)
