Título original: Crypto x IA: 10 categorías que estamos observando en 2025 Autor original: @archetypevc, Kol de criptografía Traducción original: zhouzhou, BlockBeats
Nota del editor: Este artículo explora múltiples áreas innovadoras en la intersección de criptografía e IA en 2025, incluyendo la interacción entre agentes, organización de agentes descentralizados, entretenimiento impulsado por IA, marketing de contenido generado, mercados de datos, y computación descentralizada. El artículo examina cómo utilizar la tecnología blockchain y IA para crear nuevas oportunidades en múltiples industrias, promoviendo la protección de la privacidad, el desarrollo de hardware de IA y la aplicación de tecnologías descentralizadas, al mismo tiempo que se presta atención a cómo los agentes inteligentes están logrando avances en áreas como transacciones y creación artística.
A continuación se presentan los contenidos originales (para facilitar la comprensión de la lectura, el contenido original ha sido editado):
Interacción entre agentes
La transparencia y la composibilidad predeterminadas de blockchain la convierten en una plataforma ideal para la interacción entre agentes.
En este escenario, los agentes desarrollados por diferentes entidades para diferentes propósitos pueden interactuar sin problemas. Ya ha habido muchos experimentos sobre agentes enviando fondos entre sí, lanzando tokens en conjunto, etc.
Esperamos ver cómo se expande la interacción entre agentes, que incluye tanto la creación de nuevos campos de aplicación como nuevos lugares sociales impulsados por la interacción entre agentes, como la mejora de flujos de trabajo empresariales existentes (por ejemplo, certificación de plataformas, verificación, micropagos, integración de flujos de trabajo multiplataforma, etc.) para mejorar la eficiencia y abordar algunos de los problemas tediosos actuales.
—Danny, Katie, Aadharsh, Dmitriy
Organización de agentes descentralizados
La coordinación de múltiples agentes a gran escala es otro campo de investigación igualmente emocionante.
¿Cómo trabajan juntos los sistemas de múltiples agentes para completar tareas, resolver problemas y gestionar sistemas y protocolos? En un artículo de principios de 2024 (Compromisos y Desafíos de las Aplicaciones de Criptografía e IA), Vitalik mencionó que se pueden utilizar agentes de IA para mercados predictivos y arbitrajes. Él realmente cree que en aplicaciones a gran escala, los sistemas de múltiples agentes tienen una notable capacidad de descubrimiento de «verdades» y pueden implementar sistemas de gobernanza autónoma universal. Estamos muy interesados en las capacidades de los sistemas de múltiples agentes y en el continuo descubrimiento y experimentación de formas de «inteligencia colectiva».
Como una extensión de la coordinación entre agentes, la coordinación entre agentes y humanos también es un espacio de diseño interesante, especialmente en cómo se puede organizar la interacción comunitaria en torno a los agentes o cómo los agentes pueden organizar a los humanos para la acción colectiva. Esperamos ver más experimentos de agentes que busquen la coordinación humana a gran escala. Esto requerirá algunos mecanismos de verificación, especialmente en los casos en que ciertos trabajos humanos se realizan fuera de la cadena, pero también podría dar lugar a comportamientos emergentes muy peculiares e interesantes.
—Katie, Dmitriy, Ash
Entretenimiento multimedia de agentes
El concepto de personajes digitales ha existido durante décadas.
Hatsune Miku (2007) se agotó en un recinto de 20,000 asientos, mientras que Lil Miquela (2016) tiene más de 2 millones de seguidores en Instagram. Ejemplos más recientes y menos conocidos incluyen a la presentadora virtual AI Neuro-sama (2022), que tiene más de 600,000 suscriptores en Twitch, así como el grupo masculino surcoreano PLAVE (2023), que debutó de forma anónima y obtuvo más de 300 millones de visitas en YouTube en menos de dos años.
Con el desarrollo de la infraestructura de IA y la integración de blockchain en pagos, transferencia de valor y plataformas de datos abiertos, esperamos ver cómo estos agentes se vuelven más autónomos y potencialmente desbloquean una nueva categoría de entretenimiento mainstream en 2025.
—Katie, Dmitriy
Marketing de contenido generado/agente
En el caso mencionado anteriormente, el agente en sí mismo es el producto, mientras que en otro escenario, el agente puede complementar los productos existentes. En la economía de la atención, mantener un flujo constante de contenido atractivo es crucial para el éxito de cualquier creatividad, producto, empresa, etc.
El contenido generado/agente es una poderosa herramienta para asegurar un canal de creación de contenido escalable y disponible todo el día. La discusión sobre lo que distingue a los tokens meme de los agentes ha acelerado el desarrollo de este concepto. Los agentes ofrecen un poderoso medio de distribución para los tokens meme, aunque estos tokens meme aún no sean completamente «agentes» (pero podrían llegar a serlo).
Otro ejemplo es que los juegos necesitan cada vez más tener una mayor dinámica para mantener la participación de los usuarios. Uno de los métodos clásicos para crear dinámicas de juego es fomentar el contenido generado por los usuarios; el contenido completamente generado (desde artículos dentro del juego a NPCs, hasta niveles completamente generados) podría ser la próxima etapa de esta evolución. Tenemos curiosidad por cómo los agentes ampliarán los límites de las estrategias de distribución tradicionales en 2025.
—Katie
Herramientas/Plataformas de arte de próxima generación
En 2024, lanzamos (EN CONVERSACIÓN CON), una serie de entrevistas con artistas criptográficos en campos como la música, las artes visuales, el diseño y la curaduría. Una observación clave que hice en las entrevistas de este año es que muchos artistas interesados en criptografía también tienen un fuerte interés en tecnologías de vanguardia y desean incorporar estas tecnologías en su práctica artística, en otras palabras, elementos de AR/VR, arte basado en código y codificación en vivo, etc.
Particularmente, el arte generado tiene una sinergia natural con blockchain, lo que hace que su potencial como plataforma base para el arte de IA se vuelva más claro. En plataformas tradicionales, exhibir correctamente estas formas de arte es extremadamente difícil. ArtBlocks ofrece una perspectiva sobre cómo utilizar blockchain para exhibir, almacenar, monetizar y preservar el arte digital en el futuro, mejorando la experiencia general tanto para artistas como para espectadores. Además de la exhibición, las herramientas de IA incluso amplían la capacidad de la gente común para crear su propio arte. Cómo blockchain apoyará o ampliará estas herramientas en 2025 será un tema muy interesante.
—Katie
Mercados de datos
Desde que Clive Humby afirmó que «los datos son el nuevo petróleo» hace 20 años, las empresas han tomado medidas enérgicas para acumular y monetizar los datos de los usuarios. Los usuarios se están dando cuenta gradualmente de que sus datos son la base sobre la que se construyen estas empresas de miles de millones de dólares, pero casi no tienen poder sobre cómo se utilizan esos datos ni comparten las ganancias que generan.
El acelerado desarrollo de modelos de IA potentes ha agudizado esta contradicción; si resolver la explotación del usuario es parte de la oportunidad de datos, entonces otro problema importante es cómo resolver la escasez de suministro de datos, ya que modelos más grandes y potentes están consumiendo los campos petroleros de datos disponibles en Internet público y necesitan nuevas fuentes de datos.
Sobre cómo utilizar la infraestructura descentralizada para devolver el control de los datos a su fuente (los usuarios), este es un vasto espacio de diseño que involucra soluciones innovadoras en múltiples campos. Las preguntas más urgentes incluyen: dónde se almacenan los datos y cómo mantener la privacidad durante el almacenamiento, la transmisión y el cálculo; cómo se pueden evaluar, filtrar y medir objetivamente la calidad de los datos; qué mecanismos utilizamos para la atribución y monetización (especialmente cuando el valor necesita ser rastreado de vuelta a la fuente después de la inferencia); en un ecosistema de modelos diverso, qué tipo de sistema de coordinación o recuperación de datos utilizamos.
En cuanto a la cuestión de cómo resolver los cuellos de botella de suministro, no se trata solo de replicar Scale AI mediante tokens, sino más bien de entender en qué aspectos podemos obtener ventajas con la ayuda de vientos de cola tecnológicos y cómo construir soluciones competitivas en torno al tamaño, la calidad o mejores incentivos (y mecanismos de filtrado) para generar productos de datos de mayor valor. Especialmente cuando la mayoría de la demanda proviene de la IA de web2, un área clave de atención es cómo combinar mecanismos de ejecución de contratos inteligentes con acuerdos de nivel de servicio (SLA) y herramientas tradicionales.
—Danny
Computación descentralizada
Si los datos son un componente fundamental para el desarrollo y despliegue de IA, entonces la capacidad de cálculo es otro. En los últimos años, los tradicionales grandes centros de datos con acceso único, que incluyen el control sobre el sitio, energía y hardware, han dominado la trayectoria del aprendizaje profundo y la IA, pero a medida que las limitaciones físicas y el desarrollo de software de código abierto avanzan, este panorama está comenzando a ser desafiado.
La versión de computación v1 en IA descentralizada se parece a una copia de la nube GPU de web2, sin verdaderas ventajas de suministro (ya sea de hardware o centros de datos), y carece de demanda orgánica. En v2, comenzamos a ver algunos equipos sobresalientes que han construido una pila tecnológica completa basada en el suministro de computación de alto rendimiento heterogéneo (HPC), que abarca capacidades de coordinación, enrutamiento, fijación de precios, entre otros, combinadas con algunas funciones propietarias para atraer demanda y abordar la compresión marginal, especialmente en la etapa de inferencia. Los equipos también han comenzado a diferenciarse en diferentes casos de uso y estrategias de comercialización (GTM), algunos se centran en el enrutamiento de inferencias eficientes integrando marcos de compilación en hardware diverso, mientras que otros han innovado en marcos de entrenamiento de modelos distribuidos en las redes de computación que han construido.
Incluso hemos comenzado a ver la aparición de un mercado AI-Fi, que incluye nuevos primitivos económicos que transforman la computación y GPU en activos generadores de ingresos, o utilizan la liquidez en cadena como otra fuente de capital para que los centros de datos obtengan hardware. Una de las principales preguntas aquí es en qué medida la IA descentralizada (DeAI) se desarrollará y desplegará en la pista de computación descentralizada, o si, como en el ámbito del almacenamiento, la brecha entre ideología y necesidad práctica siempre será insalvable, lo que impide aprovechar al máximo el potencial de esta idea.
—Danny
Estándares de cálculo contable
En relación con el mecanismo de incentivos de redes de computación de alto rendimiento descentralizadas, uno de los grandes desafíos al coordinar recursos de computación heterogéneos es la falta de un estándar unificado para contabilizar esta capacidad de computación. Los modelos de IA aumentan de manera única múltiples factores complejos en el espacio de salida de computación de alto rendimiento (HPC), desde variantes del modelo y cuantificación hasta el ajuste de niveles de aleatoriedad a través de la temperatura y parámetros de muestreo del modelo. Además, el hardware de IA también puede introducir más complejidad a través de la diversidad de arquitecturas de GPU y diferentes versiones de CUDA. En última instancia, esto ha llevado a la necesidad de contabilizar la capacidad de modelos y mercados de computación al cruzar cálculos en sistemas distribuidos heterogéneos.
En parte debido a la falta de estándares, hemos visto múltiples casos en los campos de web2 y web3 donde los mercados de modelos y computación no han podido contabilizar con precisión la calidad y cantidad de su capacidad de computación. Esto ha llevado a los usuarios a tener que realizar pruebas de referencia de modelos comparativos y ejecutar pruebas de trabajo de mercado de computación a través de limitaciones de rendimiento para auditar el verdadero desempeño de estas capas de IA.
Dado que el principio central del ámbito de la criptografía es la verificabilidad, esperamos que la intersección de la criptografía y la IA en 2025 sea más fácil de verificar que la IA tradicional. Específicamente, es importante que los usuarios comunes puedan comparar diferentes aspectos de un modelo o clúster dado, especialmente aquellos que definen las características de salida, para auditar y probar el rendimiento del sistema.
—Aadharsh
Primitivos de privacidad probabilística
En el artículo (Compromisos y Desafíos de las Aplicaciones de Criptografía e IA), Vitalik menciona el desafío único de resolver la intersección entre criptografía e IA: «En criptografía, el código abierto es la única forma de hacer las cosas realmente seguras, pero en IA, la apertura de modelos (incluso sus datos de entrenamiento) aumentará significativamente su vulnerabilidad a ataques de aprendizaje automático adversariales».
Aunque la privacidad no es una nueva dirección de investigación en el ámbito de blockchain, creemos que la proliferación de la IA seguirá acelerando la investigación y aplicación de primitivos de privacidad criptográfica. Este año, las tecnologías de mejora de la privacidad (como ZK, FHE, TEE y MPC) han logrado avances significativos, con casos de uso que incluyen el estado compartido privado para realizar cálculos sobre datos cifrados. Al mismo tiempo, también vemos a gigantes de la IA centralizados como Nvidia y Apple, utilizando TEE propietario para el aprendizaje colaborativo y la inferencia de IA privada, manteniendo la coherencia de hardware, firmware y modelos entre sistemas.
En este sentido, prestaremos especial atención a cómo mantener la privacidad de la transferencia de estado aleatorio en sistemas heterogéneos y cómo aceleran el desarrollo de aplicaciones de IA descentralizadas en el mundo real: desde razonamiento privado descentralizado hasta el almacenamiento/acceso a datos cifrados, hasta entornos de ejecución completamente soberanos.
—Aadharsh
Intención del agente y la interfaz de usuario para la próxima generación de transacciones
El escenario de aplicación más cercano para los agentes de IA es usarlos para representarnos en transacciones autónomas en la cadena. No hay duda de que en los últimos 12 a 16 meses ha habido muchas declaraciones vagas sobre qué son «intención», «comportamiento de agente», «intención de agente», «solucionador», «solucionador de agente», etc., y cómo se diferencian de los desarrollos de 'robots' más tradicionales en los últimos años.
En los próximos 12 meses, esperamos ver sistemas de lenguaje cada vez más complejos combinándose con diferentes tipos de datos y arquitecturas de redes neuronales, impulsando el desarrollo del espacio de diseño general. ¿Continuarán los agentes utilizando los mismos sistemas en cadena que usamos hoy para realizar transacciones, o desarrollarán sus propias herramientas/métodos de transacción independientes? ¿Seguirán los modelos de lenguaje grandes (LLMs) actuando como el backend de estos sistemas de transacción de agentes, o serán reemplazados por otros sistemas? En la capa de interfaz, ¿comenzarán los usuarios a realizar transacciones utilizando lenguaje natural? ¿Se realizará finalmente la teoría clásica de «la billetera como navegador»?
—Danny, Katie, Aadharsh, Dmitriy
«Enlace original»