Texto original: Arquetipo
Compilado por: Yuliya, PANews
En un momento de rápido desarrollo de la inteligencia artificial y la tecnología blockchain, la intersección de estos dos campos está dando lugar a emocionantes posibilidades de innovación. Este artículo profundiza en diez áreas clave a seguir en 2025, desde la interacción de agentes inteligentes hasta la computación descentralizada, desde la transformación del mercado de datos hasta los avances en tecnologías de privacidad.
1. Interacción entre agentes
La transparencia y la característica de combinabilidad inherentes a la blockchain la convierten en una base ideal para la interacción entre agentes. Los agentes inteligentes desarrollados por diferentes entidades, al servicio de diferentes propósitos, pueden interactuar sin problemas en la blockchain. Ya han surgido algunas aplicaciones experimentales notables, como transferencias de fondos entre agentes, emisión conjunta de tokens, entre otros.
El potencial de desarrollo de la interacción entre agentes en el futuro se manifiesta principalmente en dos aspectos: primero, la creación de nuevos campos de aplicación, como nuevos escenarios sociales impulsados por la interacción de agentes; segundo, la optimización de flujos de trabajo empresariales existentes, incluidos la certificación y validación de plataformas, micropagos, integración de flujos de trabajo entre plataformas, entre otros aspectos tradicionalmente engorrosos.
Aethernet y Clanker logran una emisión conjunta de monedas en la plataforma Warpcast
2. Organización de agentes inteligentes descentralizados
La coordinación multiagente a gran escala es otro emocionante campo de investigación. Esto implica cómo los sistemas de múltiples agentes pueden colaborar para completar tareas, resolver problemas y gobernar sistemas y protocolos. Vitalik mencionó la posibilidad de aplicar agentes de IA en mercados predictivos y arbitraje en un artículo publicado a principios de 2024 sobre 'Perspectivas y Desafíos de Aplicaciones de Criptomonedas e IA'. Él cree que, desde una perspectiva macro, los sistemas multiagente muestran un potencial significativo en el descubrimiento de 'verdades' y en sistemas de gobernanza autónoma.
La industria sigue explorando y experimentando con los límites de capacidad de los sistemas multiagente y con las diversas formas de 'inteligencia colectiva'. Como una extensión de la coordinación entre agentes, la coordinación entre agentes y humanos también constituye un espacio de diseño interesante, especialmente en cómo las comunidades interactúan en torno a los agentes y cómo los agentes organizan a los humanos para llevar a cabo acciones colectivas.
Los investigadores se centran especialmente en los experimentos de agentes donde la función objetivo implica la coordinación humana a gran escala. Estas aplicaciones requieren mecanismos de validación correspondientes, especialmente cuando el trabajo humano se realiza fuera de la cadena. Esta colaboración entre humanos y máquinas puede dar lugar a comportamientos emergentes únicos e interesantes.
3. Entretenimiento multimedia de agentes inteligentes
El concepto de personalidad digital ha existido durante décadas.
Ya en 2007, Hatsune Miku pudo realizar conciertos agotados en lugares con capacidad para 20,000 personas;
La influencer virtual Lil Miquela, nacida en 2016, tiene más de 2 millones de seguidores en Instagram.
El presentador virtual de IA Neuro-sama, lanzado en 2022, ha acumulado más de 600,000 suscriptores en Twitch;
El grupo virtual PLAVE, fundado en 2023, ha obtenido más de 300 millones de reproducciones en YouTube en menos de dos años.
Con los avances en infraestructura de IA y la integración de blockchain en pagos, transferencia de valor y plataformas de datos abiertos, se espera que estos agentes inteligentes adquieran un mayor grado de autonomía en 2025 y posiblemente creen una nueva categoría de entretenimiento mainstream.
De arriba a la izquierda en el sentido de las agujas del reloj: Hatsune Miku, Luna de Virtuals, Lil Miquela y PLAVE
4. Marketing de contenido generado por agentes/IA
A diferencia de la situación en la que el agente inteligente en sí mismo es el producto, el agente inteligente también puede actuar como una herramienta complementaria del producto. En la era de la economía de la atención, es crucial para el éxito de cualquier idea, producto o empresa la capacidad de generar contenido atractivo de manera continua. El contenido generado por agentes inteligentes se está convirtiendo en una poderosa herramienta para garantizar la producción ininterrumpida de contenido 24/7.
El desarrollo en este campo se ha acelerado por la discusión sobre la línea divisoria entre las monedas meme y los agentes inteligentes. Aunque aún no se ha logrado una 'inteligencia' completa, los agentes inteligentes se han convertido en un medio eficaz para la difusión de las monedas meme.
El ámbito de los juegos proporciona otro caso típico. Los juegos modernos requieren cada vez más mantener la dinámica para mantener el compromiso del usuario. Tradicionalmente, fomentar el contenido generado por el usuario (UGC) ha sido el método clásico para crear dinamismo en los juegos. Y el contenido puramente generado (incluyendo artículos dentro del juego, personajes NPC, niveles completamente generados, etc.) puede representar la próxima fase de esta evolución. Mirando hacia 2025, la capacidad de los agentes inteligentes ampliará enormemente los límites de las estrategias tradicionales de distribución.
5. Herramientas y plataformas artísticas de próxima generación
La serie de entrevistas 'Conversaciones' (IN CONVERSATION WITH), lanzada en 2024, entrevistó a artistas activos en el ámbito de las criptomonedas y sus márgenes, incluidos música, arte visual, diseño y curaduría. Estas entrevistas revelaron una observación importante: los artistas interesados en criptomonedas a menudo también prestan atención a tecnologías de vanguardia más amplias y tienden a integrar profundamente estas tecnologías en la estética o el núcleo de sus prácticas artísticas, como objetos AR/VR, arte basado en código y arte de programación en tiempo real.
El arte generativo y la tecnología blockchain han mostrado históricamente efectos sinérgicos, lo que hace que su potencial como infraestructura artística de IA sea aún más evidente. En plataformas de exhibición tradicionales, es extremadamente difícil mostrar adecuadamente estos nuevos medios artísticos. La plataforma ArtBlocks presenta una visión futura para la exhibición, almacenamiento, monetización y conservación del arte digital utilizando tecnología blockchain, mejorando significativamente la experiencia general tanto para artistas como para espectadores.
Además de mostrar funciones, las herramientas de IA también han ampliado la capacidad del público en general para crear arte. Esta tendencia de democratización está reconfigurando el panorama de la creación artística. Mirando hacia 2025, cómo la tecnología blockchain ampliará o empoderará estas herramientas será una dirección de desarrollo muy atractiva.
Extracto de 'Diálogo: Maya Man'
6. Mercado de datos
Han pasado 20 años desde que Clive Humby declaró que 'los datos son el nuevo petróleo', y las grandes empresas han estado tomando medidas enérgicas para acumular y monetizar los datos de los usuarios. Los usuarios han llegado a darse cuenta de que sus datos son la piedra angular de estas empresas valoradas en miles de millones, pero tienen muy poco control sobre cómo se utilizan sus datos y no pueden compartir las ganancias generadas por ellos. Con el rápido desarrollo de poderosos modelos de IA, esta contradicción se vuelve más pronunciada.
Las oportunidades que enfrenta el mercado de datos tienen dos aspectos: uno es abordar el problema de la explotación de los datos de los usuarios, y el otro es abordar la escasez de suministro de datos, ya que modelos cada vez más grandes y mejores están consumiendo datos de internet público, este 'campo petrolero' de fácil acceso, y necesitan nuevas fuentes de datos.
El poder de los datos regresa a los usuarios
Sobre cómo utilizar la infraestructura descentralizada para devolver el poder de los datos a los usuarios, este es un amplio espacio de diseño que necesita soluciones innovadoras en múltiples áreas. Algunas de las preguntas más urgentes incluyen:
Ubicación del almacenamiento de datos y cómo proteger la privacidad en el proceso de almacenamiento, transmisión y computación;
Cómo evaluar, filtrar y medir objetivamente la calidad de los datos;
Qué mecanismos utilizar para atribuir y monetizar (especialmente al rastrear el valor hasta su origen después de la inferencia);
Y qué tipo de sistema de orquestación o recuperación de datos utilizar en un ecosistema de modelos diversificado.
Restricciones de suministro
Al abordar las restricciones de suministro, la clave no es simplemente replicar el modelo de Scale AI con tokens, sino comprender en qué aspectos podemos establecer ventajas bajo condiciones tecnológicas favorables y cómo construir soluciones competitivas, ya sea en escala, calidad o mejores incentivos (y mecanismos de filtrado), para crear productos de datos de mayor valor. Especialmente cuando la mayor parte de la demanda aún proviene de IA de Web2, pensar en cómo combinar el mecanismo de ejecución de contratos inteligentes con acuerdos de nivel de servicio (SLA) tradicionales y herramientas es un área de investigación importante.
7. Computación descentralizada
Si los datos son un elemento fundamental para el desarrollo y despliegue de IA, entonces la capacidad de computación es otro componente clave. El modelo tradicional de centros de datos masivos ha dominado en gran parte la trayectoria de desarrollo del aprendizaje profundo y la IA en los últimos años debido a sus ventajas únicas en ubicación, energía y hardware. Sin embargo, las limitaciones físicas y el desarrollo de tecnologías de código abierto están desafiando este panorama.
La primera fase de la computación descentralizada de IA (v1) es esencialmente una réplica de los servicios en la nube de GPU de Web2, sin ventajas reales en el lado de la oferta (hardware o centros de datos) y con una demanda orgánica limitada.
En la segunda fase (v2), algunos equipos destacados están construyendo pilas tecnológicas completas sobre la base de computación de alto rendimiento (HPC), mostrando capacidades únicas en programación, enrutamiento y precios, al tiempo que desarrollan características propietarias para atraer demanda y abordar la compresión de márgenes, especialmente en el lado de la inferencia. Los equipos también han comenzado a diferenciarse en el uso de escenarios y estrategias de mercado, algunos centrados en integrar marcos de compiladores para lograr enrutamiento de inferencia eficiente a través del hardware, mientras que otros innovan en la creación de marcos de entrenamiento de modelos distribuidos sobre las redes computacionales que construyen.
La industria incluso ha comenzado a ver el surgimiento del mercado de AI-Fi, con la aparición de primitivas económicas innovadoras que convierten la capacidad computacional y las GPU en activos generadores de ingresos, o que utilizan la liquidez en cadena como una fuente alternativa de financiamiento para adquirir hardware en centros de datos.
La cuestión principal aquí es en qué medida la IA descentralizada se desarrollará y desplegará sobre la infraestructura de computación descentralizada, o si, como en el campo del almacenamiento, siempre existirá una discrepancia entre el ideal y la demanda real que dificultará la plena realización de su potencial.
8. Estándares de contabilidad computacional
En lo que respecta a los mecanismos de incentivos en redes de computación de alto rendimiento descentralizadas, uno de los principales desafíos que enfrenta la coordinación de recursos de computación heterogéneos es la falta de estándares de contabilidad computacional unificados. Los modelos de IA añaden múltiples complejidades únicas al espacio de salida de computación de alto rendimiento, incluyendo variantes de modelos, esquemas de cuantificación, y niveles de aleatoriedad ajustables a través de temperatura del modelo y parámetros de muestreo. Además, el hardware de IA también puede producir diferentes resultados de salida debido a diferencias en la arquitectura de la GPU y versiones de CUDA. Estos factores finalmente conducen a la necesidad de establecer estándares para regular cómo los modelos y mercados de computación miden su capacidad computacional en sistemas distribuidos heterogéneos.
En parte debido a la falta de estos estándares, en 2024 surgieron múltiples casos en los campos de Web2 y Web3, donde los mercados de modelos y computación no lograron calcular con precisión su calidad y cantidad computacional. Esto ha llevado a los usuarios a tener que ejecutar sus propias pruebas de referencia de modelos comparativos y a implementar pruebas de trabajo al limitar la tasa del mercado computacional para auditar el rendimiento real de estas capas de IA.
Mirando hacia 2025, se espera que el cruce entre la tecnología criptográfica y la IA logre avances en términos de verificabilidad, siendo más fácil de verificar en comparación con la IA tradicional. Para los usuarios comunes, es crucial poder comparar de manera justa todos los aspectos de la salida de modelos o clústeres computacionales, lo que ayudará en la auditoría y evaluación del rendimiento del sistema.
9. Primitivas de privacidad probabilística
En 'Perspectivas y Desafíos de Aplicaciones de Criptomonedas e IA', Vitalik señaló un desafío único al conectar criptomonedas e IA: 'En el ámbito de la criptografía, el código abierto es el único camino hacia una verdadera seguridad, pero en el ámbito de la IA, la apertura de modelos (incluso de sus datos de entrenamiento) aumenta significativamente el riesgo de ataques de aprendizaje automático adversarial.'
Aunque la privacidad no es un nuevo campo de investigación en blockchain, el rápido desarrollo de la IA está acelerando la investigación y aplicación de primitivas criptográficas que apoyan la privacidad. En 2024 se lograron avances significativos en tecnologías de mejora de la privacidad, incluidos pruebas de conocimiento cero (ZK), cifrado totalmente homomórfico (FHE), entornos de ejecución confiables (TEEs) y computación multipartita (MPC), que se utilizan en escenarios de aplicación general como el estado compartido privado para cálculos de datos encriptados. Al mismo tiempo, gigantes de la IA centralizados como Nvidia y Apple también están utilizando TEEs propietarios para el aprendizaje federado y la inferencia de IA privada, asegurando la privacidad mientras mantienen la coherencia del hardware, firmware y modelos entre sistemas.
Con base en estos desarrollos, la industria está prestando especial atención a los avances en tecnologías que preservan la privacidad en la conversión de estados aleatorios, y cómo estas tecnologías pueden acelerar la implementación real de aplicaciones de IA descentralizada en sistemas heterogéneos. Esto incluye múltiples aspectos, desde la inferencia privada descentralizada hasta tuberías de almacenamiento/acceso de datos encriptados, así como entornos de ejecución completamente soberanos.
La pila de tecnología de inteligencia artificial de Apple y el procesador gráfico H100 de Nvidia
10. Intención del agente y la próxima generación de interfaces de transacción de usuarios
Durante los últimos 12-16 meses, ha habido confusión en la definición de conceptos como intención, comportamiento del agente, intención del agente, soluciones, soluciones de agentes, etc., y falta de una clara delimitación sobre cómo se diferencian de los desarrollos tradicionales de 'robots' en los últimos años. La capacidad de los agentes de realizar transacciones en cadena de forma autónoma es uno de los escenarios de aplicación más cercanos a la implementación.
En los próximos 12 meses, se espera que la industria vea una combinación de sistemas de lenguaje más complejos con diferentes tipos de datos y arquitecturas de redes neuronales, avanzando así el desarrollo del espacio de diseño general. Esto plantea algunas preguntas clave:
¿Utilizarán los agentes los sistemas de transacciones en cadena existentes o desarrollarán sus propias herramientas y métodos?
¿Seguirán los grandes modelos de lenguaje actuando como el backend de estos sistemas de transacción de agentes, o surgirán sistemas completamente nuevos?
En el nivel de la interfaz, ¿comenzarán los usuarios a realizar transacciones utilizando lenguaje natural?
¿Se realizará finalmente la idea clásica de 'la billetera es el navegador'?
Las respuestas a estas preguntas influirán profundamente en la dirección futura del comercio de criptomonedas. A medida que avanza la tecnología de IA, los sistemas de agentes podrían volverse más inteligentes y autónomos, capaces de comprender y ejecutar mejor la intención del usuario.
