Artículo reimpreso de: Yuliya
Texto original: Archetype
Compilado por: Yuliya, PANews
En el contexto del rápido desarrollo de la inteligencia artificial y la tecnología blockchain, la intersección de estos dos campos está generando emocionantes posibilidades de innovación. Este artículo examina en profundidad los diez campos importantes 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 tecnología de privacidad.
1. Interacción entre agentes
La transparencia y características de combinabilidad inherentes a la blockchain la convierten en una capa base ideal para la interacción entre agentes. Agentes inteligentes desarrollados por diferentes entidades para 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, y más.
El potencial de desarrollo de la interacción entre agentes en el futuro se refleja principalmente en dos aspectos: primero, la creación de nuevos campos de aplicación, como nuevos escenarios sociales impulsados por la interacción de agentes; en segundo lugar, la optimización de los flujos de trabajo empresariales existentes, incluidos procesos tradicionalmente tediosos como la certificación y verificación de plataformas, pagos pequeños, integración de flujos de trabajo entre plataformas, etc.
Aethernet y Clanker implementan la emisión conjunta en la plataforma Warpcast
2. Organización de agentes inteligentes descentralizados
La coordinación masiva entre múltiples agentes es otro emocionante campo de investigación. Esto involucra cómo los sistemas de múltiples agentes pueden colaborar para completar tareas, resolver problemas y gobernar sistemas y protocolos. Vitalik mencionó en un artículo publicado a principios de 2024 (Perspectivas y desafíos de las aplicaciones de criptomonedas y AI) la posibilidad de utilizar agentes AI en mercados predictivos y arbitraje. Él cree que, desde una perspectiva macro, los sistemas de múltiples agentes muestran un potencial significativo en el descubrimiento de 'verdades' y en sistemas de gobernanza autónoma.
La industria está explorando y experimentando continuamente los límites de la capacidad de sistemas de múltiples agentes y varias formas de 'inteligencia colectiva'. Como extensión de la coordinación entre agentes, la coordinación entre agentes y humanos también constituye un interesante espacio de diseño, 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 aquellos experimentos de agentes donde la función objetivo implica una coordinación humana a gran escala. Estas aplicaciones requieren mecanismos de verificación correspondientes, especialmente cuando el trabajo humano se realiza fuera de la cadena. Esta colaboración humano-máquina podría 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 un concierto agotado en un recinto con 20,000 personas;
La influencer virtual Lil Miquela, que nació en 2016, tiene más de 2 millones de seguidores en Instagram.
El presentador virtual de AI Neuro-sama, lanzado en 2022, ha acumulado más de 600,000 suscriptores en la plataforma Twitch;
El grupo de K-pop virtual PLAVE, fundado en 2023, ha logrado más de 300 millones de reproducciones en YouTube en menos de dos años.
Con el avance de la infraestructura de AI y la integración de la blockchain en métodos de pago, transferencia de valor y plataformas de datos abiertos, se espera que estos agentes inteligentes logren un mayor grado de autonomía para 2025, y pueden inaugurar una nueva categoría de entretenimiento mainstream.
De arriba a la izquierda en sentido horario: Hatsune Miku, Luna de Virtuals, Lil Miquela y PLAVE
4. Marketing de contenido generativo/inteligente de agentes
A diferencia de la situación anterior en la que los agentes inteligentes se consideran productos en sí mismos, los agentes inteligentes también pueden servir como herramientas complementarias a los productos. En la economía de la atención actual, producir continuamente contenido atractivo es crucial para el éxito de cualquier creatividad, producto o empresa. El contenido generativo/inteligente de los agentes se está convirtiendo en una poderosa herramienta para los equipos que aseguran una producción continua de contenido 24/7.
El desarrollo en este campo ha sido acelerado por la discusión sobre la frontera entre los tokens Meme y los agentes inteligentes. Aunque 'inteligente' aún no se ha alcanzado completamente, los agentes inteligentes ya se han convertido en una poderosa herramienta para la difusión de tokens Meme.
El campo de los videojuegos proporciona otro caso típico. Los videojuegos modernos requieren cada vez más mantener la dinámica para mantener la participación del usuario. Tradicionalmente, fomentar contenido generado por los usuarios (UGC) ha sido el método clásico para crear dinámica en los juegos. El contenido puramente generativo (incluyendo objetos dentro del juego, personajes NPC, niveles completamente generados, etc.) podría representar la próxima etapa de esta evolución. Mirando hacia 2025, la capacidad de los agentes inteligentes ampliará enormemente los límites de las estrategias de distribución tradicionales.
5. Herramientas y plataformas artísticas de próxima generación
La serie 'Conversaciones' (IN CONVERSATION WITH) que se lanzará en 2024 entrevistó a artistas activos en el campo de las criptomonedas y sus márgenes en áreas como música, artes visuales, diseño y curaduría. Estas entrevistas revelan una observación importante: los artistas interesados en criptomonedas a menudo también están atentos a tecnologías de vanguardia más amplias y tienden a integrar profundamente estas tecnologías en la estética o el núcleo de su práctica artística, como objetos AR/VR, arte basado en código y arte en programación en tiempo real.
El arte generativo y la tecnología blockchain han tenido históricamente efectos sinérgicos, lo que hace que su potencial como infraestructura de arte AI sea aún más evidente. Exhibir estos nuevos medios artísticos de manera adecuada en plataformas de exhibición tradicionales es extremadamente difícil. La plataforma ArtBlocks muestra un futuro en el que la tecnología blockchain se utiliza para la exhibición, almacenamiento, monetización y preservación del arte digital, mejorando significativamente la experiencia general de artistas y espectadores.
Además de la función de exhibición, las herramientas de AI también amplían la capacidad de la población general para crear arte. Esta tendencia de democratización está remodelando el paisaje 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 (Conversación: Maya Man)
6. Mercado de datos
Desde que Clive Humby dijo 'los datos son el nuevo petróleo' hace 20 años, las grandes empresas han tomado medidas decisivas para acumular y monetizar los datos de los usuarios. Los usuarios se han dado cuenta de que sus datos son la piedra angular de estas empresas valoradas en miles de millones, pero tienen poco control sobre cómo se utilizan esos datos y no pueden compartir las ganancias generadas por ellos. Con el rápido avance de los poderosos modelos de AI, esta contradicción se vuelve más pronunciada.
Las oportunidades que enfrenta el mercado de datos son de dos aspectos: primero, resolver el problema de la explotación de los datos de los usuarios, y segundo, abordar la escasez de suministro de datos, ya que modelos más grandes y mejores están consumiendo datos de internet público, este 'campo de petróleo' de fácil acceso, y necesitan nuevas fuentes de datos.
El poder de los datos regresa a los usuarios
Sobre cómo devolver el poder de los datos a los usuarios mediante infraestructura descentralizada, este es un amplio espacio de diseño que requiere soluciones innovadoras en múltiples campos. Algunas de las preguntas más urgentes incluyen:
Ubicación del almacenamiento de datos y cómo proteger la privacidad durante el almacenamiento, transmisión y cálculo;
Cómo evaluar, filtrar y medir objetivamente la calidad de los datos;
Qué mecanismos utilizar para la atribución y monetización (especialmente en la retroalimentación del valor a la fuente después de la inferencia);
Y qué tipo de orquestación o sistema de recuperación de datos utilizar en un ecosistema de modelos diversificado.
Limitaciones de suministro
Al abordar las limitaciones de suministro, la clave no es simplemente replicar el modelo de Scale AI con tokens, sino entender en qué aspectos podemos construir ventajas en un contexto tecnológicamente favorable, y cómo construir soluciones competitivas, ya sea en escala, calidad o mejores mecanismos de incentivo (y filtrado) para crear productos de datos de mayor valor. Especialmente cuando la mayor parte de la demanda aún proviene de la AI de Web2, pensar en cómo combinar los mecanismos de ejecución de contratos inteligentes con protocolos de nivel de servicio (SLA) y herramientas tradicionales es un área de investigación importante.
7. Computación descentralizada
Si los datos son un elemento básico para el desarrollo y la implementación de la AI, entonces la potencia de cálculo es otro componente clave. El modelo tradicional de grandes centros de datos ha dominado en gran medida la trayectoria del desarrollo del aprendizaje profundo y de la AI en los últimos años, gracias a sus ventajas únicas en términos de ubicación, energía y hardware. Sin embargo, las limitaciones físicas y el desarrollo de tecnologías de código abierto están desafiando este patrón.
La primera fase (v1) de la computación AI descentralizada es esencialmente una copia de los servicios de nube 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 construyen pilas tecnológicas completas sobre una oferta de computación de alto rendimiento (HPC), mostrando capacidades únicas en programación, enrutamiento y precios, al mismo tiempo que desarrollan funciones propietarias para atraer demanda y abordar la compresión de márgenes, especialmente en el lado de la inferencia. Los equipos también comienzan a diferenciarse en sus escenarios de uso y estrategias de mercado, algunos centrados en la integración de marcos de compilación para lograr un enrutamiento de inferencia eficiente entre hardware, mientras que otros innovan en marcos de entrenamiento de modelos distribuidos en sus redes de computación.
La industria incluso ha comenzado a ver el surgimiento del mercado de AI-Fi, con la aparición de primarias económicas innovadoras que convierten la potencia de cálculo y GPU en activos generadores de ingresos, o utilizan la liquidez en cadena como una fuente alternativa de financiamiento para la adquisición de hardware para centros de datos.
La principal pregunta aquí es hasta qué punto la AI descentralizada se desarrollará y desplegará en la infraestructura de computación descentralizada, o si, como en el área de almacenamiento, la brecha entre la idealidad y la demanda real siempre existirá, lo que dificultará que esta idea alcance su potencial completo.
8. Cálculo de estándares de contabilidad
En términos de los mecanismos de incentivos de redes de computación de alto rendimiento descentralizadas, uno de los principales desafíos que enfrenta la coordinación de recursos de computación heterogénea es la falta de estándares unificados para el cálculo. Los modelos de AI añaden múltiples complejidades únicas al espacio de salida de la computación de alto rendimiento, incluyendo variantes de modelos, esquemas de cuantificación, así como niveles de aleatoriedad ajustables a través de parámetros de temperatura del modelo y muestreo. Además, el hardware de AI también puede producir diferentes resultados de salida debido a diferencias en la arquitectura de GPU y versiones de CUDA. Estos factores finalmente llevan a la necesidad de establecer estándares que regulen cómo los modelos y el mercado de computación cuantifican su capacidad de cálculo 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 modelos y el mercado de computación no lograron contabilizar con precisión su calidad y cantidad de cálculo. Esto llevó a los usuarios a ejecutar sus propias pruebas de referencia de modelos comparativos y ejecutar pruebas de trabajo limitando la tasa del mercado de cálculo para auditar el rendimiento real de estas capas de AI.
Mirando hacia 2025, se espera que el cruce entre tecnologías de criptografía y AI logre avances en verificabilidad, siendo más fácil de verificar en comparación con la AI tradicional. Para los usuarios comunes, es crucial poder comparar de manera justa todos los aspectos de la definición del modelo o de la salida del clúster de computación, lo que ayudará a auditar y evaluar el rendimiento del sistema.
9. Primitivas de privacidad probabilística
En 'Perspectivas y desafíos de las aplicaciones de criptomonedas y AI', Vitalik señaló un desafío único al conectar criptomonedas y AI: 'En el campo de la criptografía, el código abierto es el único camino hacia una verdadera seguridad, pero en el campo de la AI, la apertura de los modelos (incluso sus datos de entrenamiento) aumenta significativamente el riesgo de ataques de aprendizaje automático adversariales.'
Aunque la privacidad no es un nuevo campo de estudio en la blockchain, el rápido desarrollo de la AI está acelerando la investigación y aplicación de primitivas criptográficas que apoyan la privacidad. En 2024, se han logrado avances significativos en tecnologías de mejora de la privacidad, incluyendo pruebas de cero conocimiento (ZK), cifrado homomórfico completo (FHE), entornos de ejecución confiables (TEEs) y computación multipartita (MPC), que se utilizan en escenarios de aplicación generales como el estado compartido privado para el cálculo de datos cifrados. Al mismo tiempo, gigantes de AI centralizados, como Nvidia y Apple, también están utilizando TEEs propietarias para el aprendizaje federado y la inferencia AI privada, asegurando la privacidad mientras mantienen la consistencia del hardware, firmware y modelos entre sistemas.
Con base en estos desarrollos, la industria está prestando especial atención a los avances en las tecnologías de mantenimiento de privacidad en las transiciones de estados aleatorios, así como a cómo estas tecnologías pueden acelerar la implementación práctica de aplicaciones de AI descentralizadas en sistemas heterogéneos. Esto incluye múltiples aspectos, desde la inferencia privada descentralizada hasta los canales de almacenamiento/acceso de datos cifrados, así como entornos de ejecución completamente soberanos.
El stack de tecnología de inteligencia artificial de Apple y el procesador gráfico H100 de Nvidia
10. Intención de agentes y la próxima generación de interfaces de usuario transaccionales
En los últimos 12-16 meses, ha habido cierta confusión en la definición de conceptos como intención, comportamiento de agentes, intención de agentes, soluciones y soluciones de agentes, y cómo se diferencian de la 'robotización' tradicional en años recientes. La capacidad de los agentes AI para realizar transacciones en la cadena es uno de los escenarios de aplicación más cercanos a la implementación.
En los próximos 12 meses, se espera que la industria vea la combinación de sistemas de lenguaje más complejos con diferentes tipos de datos y arquitecturas de redes neuronales, impulsando el desarrollo del espacio de diseño general. Esto plantea varias preguntas clave:
¿Los agentes utilizarán los sistemas de transacciones en la cadena existentes, o desarrollarán sus propias herramientas y métodos?
¿Continuarán los modelos de lenguaje grande como el backend de estos sistemas de transacciones de agentes, o surgirán sistemas completamente nuevos?
A nivel de interfaz, ¿comenzarán los usuarios a utilizar lenguaje natural para realizar transacciones?
¿Se realizará finalmente la idea clásica de 'la billetera es el navegador'?
Las respuestas a estas preguntas impactarán profundamente la dirección futura del comercio de criptomonedas. A medida que avanza la tecnología de AI, los sistemas de agentes pueden volverse más inteligentes y autónomos, capaces de comprender y ejecutar mejor la intención del usuario.
