Welche Verknüpfungen gibt es zwischen Solana und AI?

Autor: @knimkar

Übersetzung: Volksblockchain

Es scheint, dass wir in die Phase des Kambriums der Anwendungsfälle eintreten, an der sich AI und Krypto überschneiden. Ich bin sehr aufgeregt über die Ergebnisse, die aus dieser Energie hervorgehen, und möchte einige aufregende neue Möglichkeiten teilen, die wir im Ökosystem von @SolanaFndn sehen.

1) Kurze Übersicht

1) Förderung der dynamischsten agentengestützten Wirtschaft auf Solana. Truth Terminal hat erstmals die Errungenschaften gezeigt, die AI-Agenten erreichen können, wenn sie in der Lage sind, On-Chain zu interagieren. Wir freuen uns darauf, Experimente zu sehen, die sicher die Grenzen der Fähigkeiten von Agenten On-Chain überschreiten. Das Potenzial in diesem Bereich ist enorm, und wir haben noch nicht einmal begonnen, den Designraum zu erkunden. Dies hat sich bereits als eines der überraschendsten und explosivsten Felder der Kombination von Krypto und AI erwiesen, und alles hat gerade erst begonnen.

2) Lassen Sie große Sprachmodelle (LLM) besser im Schreiben von Solana-Code abschneiden und befähigen Sie Solana-Entwickler. Große Sprachmodelle haben bereits recht gut im Schreiben von Code abgeschnitten, und sie werden noch leistungsfähiger werden. Wir hoffen, diese Fähigkeiten zu nutzen, um die Produktivität von Solana-Entwicklern um das 2- bis 10-fache zu steigern. Kurzfristig werden wir hochwertige Benchmark-Tests erstellen, um das Verständnis von LLM für Solana und die Fähigkeit, Solana-Code zu schreiben, zu messen (siehe unten). Diese Tests werden uns helfen, das potenzielle Einfluss von LLM auf das Solana-Ökosystem zu verstehen. Wir freuen uns darauf, die Teams zu unterstützen, die qualitativ hochwertige Fortschritte bei der Feinabstimmung von Modellen erzielen (wir werden ihre Qualität durch hervorragende Leistungen in den Benchmark-Tests validieren!).

3) Unterstützung eines offenen und dezentralen AI-Technologiestacks. Was wir unter einem 'offenen und dezentralen AI-Technologiestack' verstehen, sind offene und dezentrale Protokolle, die den Zugang zu folgenden Ressourcen fördern: Daten für das Training, Rechenressourcen (für Training und Inferenz), Modellgewichte und die Fähigkeit zur Validierung der Modelloutputs ('verifiable computing'). Dieser offene AI-Technologiestack ist sehr wichtig, weil er:

Beschleunigung von Experimenten und Innovationen im Entwicklungsprozess von Modellen

Einen Ausweg für diejenigen bieten, die möglicherweise gezwungen sind, nicht vertrauenswürdige AI (z. B. staatlich genehmigte AI) zu nutzen.

Wir möchten Teams und Produkte unterstützen, die auf allen Ebenen dieses Technologiestacks bauen. Wenn Sie an etwas arbeiten, das mit diesen Schwerpunktbereichen zusammenhängt, können Sie den ursprünglichen Autor kontaktieren!

2, detaillierte Übersicht

Im Folgenden werden wir detaillierter erklären, warum wir von diesen drei Säulen begeistert sind und welche Konstruktionen wir sehen möchten.

1) Förderung der dynamischsten agentengestützten Wirtschaft

Warum interessieren wir uns dafür? Es gab bereits viele Diskussionen über Truth Terminal und GOAT, die ich hier nicht wiederholen möchte, aber es kann klar gesagt werden, dass die verrückten Funktionen, die AI-Agenten bei Interaktionen On-Chain möglicherweise erreichen können, unwiderruflich zur Realität geworden sind (und in diesem Fall haben die Agenten noch nicht einmal direkt On-Chain gehandelt).

Wir können mit Zuversicht sagen, dass wir derzeit nicht genau wissen, wie die Zukunft des On-Chain-Agentenverhaltens aussehen wird, aber um allen ein Gefühl dafür zu geben, wie groß dieser Designraum ist, sind hier einige Dinge, die bereits auf Solana passiert sind:

AI-Führungspersönlichkeiten wie Truth Terminal versuchen, eine neue Ära von Religionen durch Memecoins wie $GOAT zu kultivieren;

Gleichzeitig ermöglichen Anwendungen wie @HoloworldAI, @vvaifudotfun, @TopHat_One, @real_alethea es den Benutzern, Agenten und die zugehörigen Token einfach zu erstellen und zu starten.

Durch das Training von AI-Fondsmanagern, die die Persönlichkeiten verschiedener bekannter Krypto-Investoren personalisieren, um Investitionsentscheidungen zu treffen und ihre Portfolios zu verwalten. Zum Beispiel hat @ai16zdao in der rasanten Entwicklung von @daosdotfun ein ganz neues Metaverse von AI-Fonds + Agentenunterstützern geschaffen.

Es gibt auch einige agentenbasierte Spiele wie @ParallelColony, in denen Spieler Agenten durch Anweisungen zum Handeln bringen, was oft unerwartete Ergebnisse zur Folge hat.

Mögliche zukünftige Entwicklungen:

Agentenmanagement erfordert ein vielschichtiges Projekt der wirtschaftlichen Koordination aller Parteien. Beispielsweise könnten Agenten mit komplexen Aufgaben wie "Finden einer Verbindung, die [X]-Krankheit heilen kann" betraut werden. Agenten können Folgendes tun:

Mittel durch Token auf @pumpdotscience sammeln;

Zahlung der Kosten für relevante kostenpflichtige Forschung mit den gesammelten Mitteln und Zahlung der Rechenkosten auf dezentralen Rechennetzwerken (wie @kuzco_xyz, @rendernetwork, @ionet usw.) zur Simulation verschiedener Verbindungen;

Verwendung von Belohnungsplattformen wie @gib_work, um Menschen zu rekrutieren, die Aufgaben zur Ausführung tatsächlicher Arbeiten übernehmen (z. B. Experimente durchführen, um Simulationsergebnisse zu validieren / zu verfeinern);

Oder führen Sie eine einfache Aufgabe aus, wie z. B. Ihnen beim Erstellen einer Website zu helfen oder KI für die Erstellung von Kunstwerken (z. B. @0xzerebro).

Es gibt viele andere Möglichkeiten.

Warum macht es mehr Sinn, dass Agenten Finanzaktivitäten On-Chain ausführen (anstatt im traditionellen Finanzsystem)? Agenten können sowohl das traditionelle Finanzsystem als auch Kryptowährungen gleichzeitig nutzen. Hier sind einige Gründe, warum Kryptowährungen in bestimmten Aspekten besonders gut geeignet sind:

Mikrozahlungsszenarien – Solana hat in diesem Bereich hervorragende Leistungen gezeigt, Anwendungen wie Drip haben ihr Potenzial demonstriert.

Geschwindigkeit – sofortige Abrechnung könnte für Agenten entscheidend sein, insbesondere wenn Sie möchten, dass sie in Bezug auf die Kapitaleffizienz optimal sind.

Zugang zu Kapitalmärkten über DeFi – sobald Agenten beginnen, Finanzaktivitäten außerhalb strenger Zahlungen durchzuführen, wird der Vorteil von Kryptowährungen besonders deutlich. Dies könnte der stärkste Grund sein, warum Agenten an der Kryptoökonomie teilnehmen. Agenten können nahtlos Vermögenswerte prägen, handeln, investieren, leihen und Hebelwirkungen nutzen.

Solana eignet sich besonders gut zur Unterstützung solcher Kapitalmarktaktivitäten, da das Solana-Hauptnetz bereits über eine reichhaltige Infrastruktur für erstklassige DeFi-Dienste verfügt.

Letztendlich ist Technologie oft pfadabhängig. Der Schlüssel liegt nicht darin, welches Produkt am besten ist, sondern darin, welches Produkt zuerst eine kritische Qualität erreicht und zum Standardweg wird. Wenn wir sehen, dass mehr Agenten durch Kryptowährungen signifikanten Reichtum schaffen, könnte dies die Verbindung von Kryptowährungen als wichtige Fähigkeit von Agenten festigen.

Was wir sehen möchten

Agenten in Kombination mit Wallets – kühne Experimente, die in der Lage sind, On-Chain-Operationen auszuführen. Hier geben wir keine zu spezifischen Definitionen an, da die Möglichkeiten sehr breit gefächert sind. Wir erwarten, dass die interessantesten und wertvollsten Anwendungsfälle für Agenten diejenigen sind, die wir nicht vorhersagen können. Wir sind jedoch besonders an der Erkundung und dem Aufbau der Infrastruktur in den folgenden Bereichen interessiert:

Mindestens in der Prototyp-Phase im Testnetz (idealerweise im Hauptnetz)

2) LLM darin unterstützen, Solana-Code zu schreiben und Solana-Entwickler zu befähigen

Warum interessieren wir uns dafür? LLM hat bereits starke Fähigkeiten und macht schnelle Fortschritte. Aber das Schreiben von Code ist ein besonders bemerkenswerter Bereich in den Anwendungsfeldern von LLM, da es eine Aufgabe ist, die objektiv bewertet werden kann. Wie im folgenden Post erklärt, "hat Programmierung einen einzigartigen Vorteil: Durch 'Selbstspiel' kann übermenschliche Datenvergrößerung erreicht werden. Das Modell kann Code schreiben und ihn dann ausführen oder Code schreiben, Tests schreiben und die Selbstkonsistenz überprüfen."

Einschränkung der negativen Auswirkungen von Halluzinationen – die aktuellen Modelle sind zwar sehr leistungsfähig, aber noch lange nicht perfekt. Agenten dürfen nicht das volle Recht zur Ausführung von Operationen erhalten.

Förderung nicht spekulativer Anwendungsszenarien – z. B. Ihnen zu ermöglichen, Tickets über @xpticket zu kaufen, die Rendite für Stablecoin-Portfolios zu optimieren oder Essen über DoorDash zu kaufen.

Derzeit ist es zwar so, dass LLM beim Schreiben von Code noch weit von Perfektion entfernt sind und einige offensichtliche Mängel aufweisen (z. B. schneiden sie beim Auffinden von Schwachstellen schlecht ab), aber Werkzeuge wie Github Copilot und AI-native Code-Editor Cursor haben die Softwareentwicklung grundlegend verändert (sogar die Art und Weise, wie Unternehmen Talente einstellen). Angesichts der erwarteten schnellen Fortschritte werden diese Modelle wahrscheinlich die Softwareentwicklung revolutionieren. Wir möchten diese Fortschritte nutzen, um die Produktivität der Solana-Entwickler um einen Faktor zu steigern.

Es gibt jedoch derzeit einige Herausforderungen, die die Leistung von LLM bei der Verständnis von Solana behindern:

Nicht genügend qualitativ hochwertige Rohdaten zum Trainieren für LLM;

Mangel an ausreichenden verifizierten Build-Versionen;

An Orten wie Stack Overflow fehlt es an ausreichendem Austausch von hochpreisigen Informationen;

Die Entwicklung der Solana-Infrastruktur erfolgt schnell, was bedeutet, dass selbst Code, der vor 6 Monaten geschrieben wurde, möglicherweise nicht mehr vollständig den aktuellen Anforderungen entspricht;

Es gibt keine Möglichkeit, das Verständnis des Modells für Solana zu bewerten.

Was wir sehen möchten

Helfen Sie uns, bessere Solana-Daten im Internet zu veröffentlichen!

Mehr Teams veröffentlichen verifizierte Build-Versionen.

Wir hoffen, dass mehr Menschen im Ökosystem aktiv an Stack Exchange teilnehmen, gute Fragen stellen und qualitativ hochwertige Antworten geben;

Erstellen Sie hochwertige Benchmarks zur Bewertung des LLM-Verständnisses von Solana (RFP bald verfügbar);

Erstellen Sie LLM-Feinabstimmungs-Versionen, die in den oben genannten Benchmarks gut abschneiden, und beschleunigen Sie die Arbeit von Solana-Entwicklern. Sobald wir hochwertige Benchmarks haben, könnten wir Prämien für das erste Modell anbieten, das die Benchmark-Punkte erreicht – bleiben Sie dran.

Das endgültige Ergebnis hier wird ein qualitativ hochwertiger, differenzierter Solana-Validierungsknoten-Client sein, der vollständig von AI erstellt wurde.

3) Unterstützung eines offenen und dezentralen AI-Technologiestacks

Warum interessieren wir uns dafür? Es ist derzeit unklar, wie die Macht im AI-Bereich langfristig zwischen Open Source und Closed Source AI ausbalanciert wird. Es gibt gute Argumente dafür, warum geschlossene Entitäten an der technologischen Spitze bleiben werden und den Großteil des Wertes aus den Basis-Modellen abschöpfen. Die einfachste Erwartung ist, dass der Status quo anhält – große Unternehmen wie OpenAI und Anthropic treiben die technologische Spitze voran, während Open Source-Modelle schnell folgen und schließlich über einzigartige, leistungsstarke Feinabstimmungs-Versionen für bestimmte Anwendungsfälle verfügen. Wir hoffen, dass Solana eng anknüpfen kann, um das Open-Source-AI-Ökosystem zu unterstützen. Konkret bedeutet dies, den Zugang zu folgendem zu fördern: Daten für das Training, Rechenressourcen für Training und Inferenz, die Gewichtungen der Ergebnismodelle und die Fähigkeit zur Validierung der Modellausgaben. Wir halten dies aus folgenden konkreten Gründen für wichtig:

A) Open-Source-Modelle helfen, das Debugging und die Innovation in der Modellentwicklung zu beschleunigen. Wie die Open-Source-Community Open-Source-Modelle wie Llama schnell verfeinert und anpasst, zeigt, wie die Community die Bemühungen großer AI-Unternehmen, die AI-Fähigkeiten voranzutreiben, effektiv ergänzt (sogar Googles Forscher haben letztes Jahr festgestellt, dass es in Bezug auf Open Source 'wir haben keine Burg, OpenAI hat auch keine'). Wir halten es für entscheidend, dass ein florierender Open-Source-AI-Technologiestack die Geschwindigkeit des Fortschritts in diesem Bereich beschleunigt.

B) Einen Ausweg für diejenigen bieten, die möglicherweise gezwungen sind, nicht vertrauenswürdige AI (z. B. staatlich genehmigte AI) zu nutzen. AI könnte jetzt das mächtigste Werkzeug im Arsenal von Diktatoren oder autoritären Regierungen sein. Staatlich genehmigte Modelle bieten eine staatlich genehmigte Version der Wahrheit und werden zu einem großen Kontrollinstrument. Hochgradig autoritäre Regierungen könnten sogar bessere Modelle haben, da sie bereit sind, die Privatsphäre der Bürger zu ignorieren, um ihre AI zu trainieren. Die Frage, ob AI als Kontrollinstrument eingesetzt wird, ist nicht, ob es passiert, sondern wann es passiert. Wir möchten die Open-Source-AI-Technologiestacks so weit wie möglich unterstützen, um uns auf diese Möglichkeit vorzubereiten.

Solana ist bereits die Heimat vieler Projekte, die den Open-Source-AI-Technologiestack unterstützen:

Grass und Synesis One fördern die Datensammlung;

@kuzco_xyz, @rendernetwork, @ionet, @theblessnetwork, @nosana_ai usw. stellen eine große Menge dezentraler Rechenressourcen zur Verfügung.

Teams wie @NousResearch und @PrimeIntellect arbeiten daran, Frameworks zu entwickeln, die dezentrale Trainingsmöglichkeiten ermöglichen (siehe unten).

Was wir sehen möchten, sind mehr Produktentwicklungen auf allen Ebenen des Open-Source-AI-Technologiestacks:

Dezentralisierte Datensammlung, wie @getgrass_io, @usedatahive, @synesis_one

On-Chain-Identitätsverifizierung: einschließlich Protokollen, die es Wallets ermöglichen, ihre menschliche Identität nachzuweisen, sowie Protokollen zur Validierung von AI-API-Antworten, damit Verbraucher bestätigen können, dass sie mit LLM interagieren.

Dezentralisiertes Training: zum Beispiel @exolabs, @NousResearch und @PrimeIntellect.

Infrastruktur für geistiges Eigentum: Ermöglichen Sie AI, die Inhalte, auf die sie zugreift, zu lizenzieren (und zu bezahlen).