Autor original: Archetype
Traducción original: 深潮 TechFlow
1. Interacción entre agentes (Agent-to-Agent Interaction)
La blockchain, debido a su transparencia inherente y combinabilidad, se convierte en la plataforma ideal para lograr interacciones sin fisuras entre agentes. En esta interacción, los agentes desarrollados por diferentes entidades para diferentes propósitos pueden colaborar para completar tareas. Ya ha habido algunos intentos emocionantes, como transferencias entre agentes y emisión conjunta de tokens. Esperamos que la interacción entre agentes se expanda aún más: por un lado, creando nuevos escenarios de aplicación, como plataformas sociales impulsadas por agentes; por otro lado, optimizando los flujos de trabajo empresariales existentes, como certificación de plataformas, micropagos, integración de flujos de trabajo entre plataformas, etc., simplificando así los procesos operativos complejos y tediosos de hoy en día. - Danny, Katie, Aadharsh, Dmitriy
aethernet y clanker lanzaron Token en Warpcast
2. Organizaciones de agentes descentralizadas (Decentralized Agentic Organizations)
La colaboración masiva de múltiples agentes es otra dirección de investigación emocionante. ¿Cómo pueden los sistemas de múltiples agentes colaborar para completar tareas, resolver problemas e incluso gestionar protocolos y sistemas? En un artículo de principios de 2024 (Las promesas y desafíos de la aplicación de criptografía + AI), Vitalik propuso la idea de utilizar agentes de AI para los mercados predictivos y el arbitraje. Él cree que, en aplicaciones masivas, los sistemas de múltiples agentes tienen un gran potencial en el descubrimiento de la "verdad" y la gobernanza autónoma. Esperamos ver cómo se puede explorar aún más la capacidad de estos sistemas de múltiples agentes, y cómo la "inteligencia colectiva" puede mostrar más posibilidades en experimentos.
Además, la colaboración entre agentes y humanos también es una dirección que vale la pena explorar. Por ejemplo, cómo interactúan las comunidades alrededor de los agentes, o cómo los agentes organizan a los humanos para completar acciones colectivas. Esperamos ver más experimentos de agentes enfocados en la colaboración masiva de humanos. Por supuesto, esto requiere algún tipo de mecanismo de validación, especialmente en situaciones donde las tareas se completan fuera de la cadena. Pero esta exploración podría resultar en algunos resultados sorprendentes y maravillosos. - Katie, Dmitriy, Ash
3. Entretenimiento multimedia impulsado por agentes (Agentic Multimedia Entertainment)
El concepto de personalidades virtuales digitalizadas ha existido durante años. Por ejemplo, Hatsune Miku (2007) ha realizado conciertos agotados en recintos de 20,000 asientos; Lil Miquela (2016) tiene más de 2 millones de seguidores en Instagram. Ejemplos recientes incluyen el presentador virtual de AI Neuro-sama (2022), que ha superado los 600,000 suscriptores en Twitch; y el grupo masculino de Kpop anónimo PLAVE (2023), que ha alcanzado más de 300 millones de visualizaciones en YouTube en menos de dos años. Con los avances en la tecnología de AI y la aplicación de blockchain en pagos, transferencia de valor y plataformas de datos abiertos, se espera que estos agentes se vuelvan más autónomos y que en 2025 se abra una nueva categoría de entretenimiento mainstream. - Katie, Dmitriy
De arriba a la izquierda en sentido horario: Hatsune Miku, Luna de Virtuals, Lil Miquela y PLAVE
4. Marketing de contenido generativo/impulsado por agentes (Generative/Agentic Content Marketing)
En algunos casos, los agentes son en sí mismos productos, mientras que en otros, los agentes pueden complementar un producto. En la economía de la atención, la producción continua de contenido atractivo es clave para el éxito de cualquier idea, producto o empresa. El contenido generativo/impulsado por agentes proporciona a los equipos una herramienta poderosa para garantizar un canal de creación de contenido escalable y disponible las 24 horas. Este campo se ha visto acelerado por la discusión sobre "la diferencia entre memecoin y agentes". Los agentes son una herramienta poderosa para la difusión de memecoin, incluso si aún no han logrado su "agencialización" completa.
Otro ejemplo es que la industria del videojuego, para mantener la participación de los usuarios, está persiguiendo cada vez más la dinamización. Un enfoque clásico es guiar a los usuarios a generar contenido, y el contenido generativo puro (como objetos dentro del juego, NPC, o incluso niveles completamente generados) podría convertirse en la próxima etapa de esta tendencia. Nos preguntamos cómo las capacidades de los agentes en 2025 ampliarán aún más los límites de la distribución de contenido y la interacción con los usuarios. - Katie
5. Herramientas/plataformas artísticas de próxima generación (Next-Gen Art Tools/Platforms)
En 2024, lanzamos la serie IN CONVERSATION WITH, un programa de entrevistas con artistas cripto de campos como la música, el arte visual, el diseño y la curaduría. Las entrevistas de este año me hicieron notar una tendencia: los artistas interesados en la tecnología cripto a menudo también están apasionados por las tecnologías de vanguardia, y desean que estas tecnologías se integren más profundamente en sus prácticas creativas, como objetos AR/VR, arte generativo de código y livecoding.
La combinación de arte generativo (Generative Art) y tecnología blockchain ha existido durante mucho tiempo, lo que también ha hecho de la blockchain un vehículo ideal para el arte de AI. En plataformas tradicionales, es muy difícil exhibir y presentar estas formas de arte. ArtBlocks ha proporcionado una primera exploración de cómo el arte digital puede exhibirse, almacenarse, monetizarse y preservarse a través de la blockchain, mejorando enormemente la experiencia de los artistas y el público. Además, las herramientas de AI también permiten que las personas comunes creen fácilmente sus propias obras de arte. Estamos muy emocionados de ver en 2025 cómo la blockchain mejorará aún más las capacidades de estas herramientas. - Katie
KC: Dado que te sientes frustrado con la cultura cripto y hay aspectos con los que no estás de acuerdo, ¿qué te motiva a seguir participando en Web3? ¿Qué valor aporta Web3 a tu práctica creativa? ¿Es exploración experimental, retorno económico, o algo más?
MM: Para mí, Web3 tiene un impacto positivo en múltiples aspectos tanto para mí como para otros artistas. En lo personal, las plataformas que apoyan la publicación de arte generativo son especialmente importantes para mi creación. Por ejemplo, puedes subir un archivo JavaScript, y cuando alguien acuña o colecciona una obra, el código se ejecuta en tiempo real y genera una obra de arte única dentro del sistema que diseñaste. Este proceso de generación en tiempo real es una parte central de mi práctica creativa. Introducir aleatoriedad en el sistema que escribo y construyo, tanto conceptual como técnicamente, ha influido profundamente en mi forma de pensar sobre el arte. Sin embargo, si no se muestra en plataformas diseñadas específicamente para esta forma de arte, o en galerías tradicionales, a menudo es difícil comunicar este proceso a los espectadores.
En una galería, podría exhibirse un algoritmo que se ejecute en tiempo real a través de proyección o pantalla, o se podrían mostrar obras seleccionadas de múltiples salidas generadas por algoritmos, convertidas de alguna manera en forma física para la exhibición. Pero para aquellos espectadores que no están familiarizados con el código como medio artístico, les resulta difícil comprender el significado de la aleatoriedad en este proceso de creación, y esta aleatoriedad es una parte importante de la práctica de todos los artistas que utilizan software de manera generativa. Cuando la forma final de presentación de una obra es solo una imagen publicada en Instagram, o una obra física impresa, a veces me resulta difícil enfatizar la idea central de "código como medio de creación" a los espectadores.
La llegada de los NFT me emociona porque no solo proporciona una plataforma para exhibir arte generativo, sino que también ayuda a popularizar el concepto de "código como medio artístico", permitiendo que más personas comprendan la singularidad y el valor de este modo de creación.
Extracto de IN CONVERSATION WITH: Maya Man
6. Mercados de datos (Data Markets)
Desde que Clive Humby planteó que "los datos son el nuevo petróleo", las empresas han tomado medidas para acumular y monetizar los datos de los usuarios. Sin embargo, los usuarios han comenzado a darse cuenta de que sus datos son la base sobre la cual estas grandes empresas sobreviven, pero tienen poco control sobre cómo se utilizan sus datos y no obtienen beneficios de ello. Con el rápido desarrollo de poderosos modelos de AI, esta contradicción se ha vuelto más aguda. Por un lado, necesitamos abordar el problema del uso indebido de los datos de los usuarios; por otro lado, a medida que modelos más grandes y de mayor calidad agotan los datos de Internet público como "recurso", las nuevas fuentes de datos se vuelven especialmente importantes.
Para devolver el control de los datos a los usuarios, la infraestructura descentralizada ofrece un amplio espacio de diseño. Esto requiere proponer soluciones innovadoras en múltiples áreas, como almacenamiento de datos, protección de la privacidad, evaluación de la calidad de los datos, atribución de valor y mecanismos de monetización. Al mismo tiempo, en respuesta a la escasez de suministro de datos, necesitamos pensar en cómo aprovechar las ventajas tecnológicas para construir soluciones competitivas, por ejemplo, creando productos de datos de mayor valor mediante mejores mecanismos de incentivos y métodos de filtrado. Especialmente en el contexto actual donde AI de Web2 sigue dominando, cómo combinar contratos inteligentes con acuerdos de servicio tradicionales (SLA) es una dirección que vale la pena explorar. - Danny
7. Computación descentralizada (Decentralized Compute)
En el desarrollo y despliegue de AI, además de los datos, la capacidad de cómputo es también un elemento clave. En los últimos años, los grandes centros de datos han dominado el desarrollo de aprendizaje profundo y AI gracias a su acceso exclusivo a locales, energía y hardware. Sin embargo, con las limitaciones de recursos físicos y el desarrollo de tecnologías de código abierto, este patrón está siendo gradualmente desafiado.
La fase v1 de la computación AI descentralizada (HPC) es similar a la nube GPU de Web2, pero no presenta ventajas significativas en términos de oferta y demanda de hardware. En la fase v2, hemos visto que algunos equipos comienzan a construir pilas tecnológicas más completas, incluyendo orquestación, enrutamiento y sistemas de precios para computación de alto rendimiento, al mismo tiempo que desarrollan funciones propietarias para atraer demanda y mejorar la eficiencia de razonamiento. Algunos equipos se centran en optimizar el enrutamiento de razonamiento entre hardware a través de marcos de compilador, mientras que otros desarrollan marcos de entrenamiento de modelos distribuidos en sus redes de computación.
Además, está surgiendo un nuevo mercado conocido como AI-Fi, que a través de mecanismos económicos innovadores convierte la capacidad de cómputo y GPU en activos de ingresos, o proporciona nuevas formas de financiamiento de hardware para centros de datos utilizando liquidez en cadena. Sin embargo, si la computación descentralizada puede realmente alcanzar su potencial, aún depende de si la brecha entre la teoría y la demanda real puede ser cerrada. - Danny
8. Estándares de contabilización de cómputo (Compute Accounting Standards)
En redes de computación de alto rendimiento descentralizadas (HPC), coordinar recursos de computación heterogéneos es un desafío importante, y la falta de estándares de contabilización unificados complica aún más este problema. Los resultados de salida de modelos de AI son diversos, como variantes de modelos, cuantización, y aleatoriedad ajustada a través de parámetros de temperatura y muestreo. Además, diferentes arquitecturas de GPU y versiones de CUDA también pueden provocar variaciones en los resultados de salida del hardware. Estos factores hacen que sea urgente resolver cómo contabilizar con precisión la capacidad de los modelos y del mercado de computación en sistemas distribuidos heterogéneos.
Debido a la falta de estos estándares, este año hemos visto en el mercado de computación de Web2 y Web3 muchos casos en los que el rendimiento de los modelos y la calidad y cantidad de los recursos de computación han sido mal contabilizados. Esto ha obligado a los usuarios a validar el rendimiento real de los sistemas de AI a través de la ejecución de sus propias pruebas de referencia o limitando la tasa de uso del mercado de computación.
El campo de la criptografía ha enfatizado consistentemente la "verificabilidad", por lo que esperamos que para 2025, la combinación de criptografía y AI permita que el rendimiento del sistema sea más transparente. Los usuarios promedio deberían poder comparar fácilmente las características clave de salida de los modelos o grupos de cómputo, permitiendo así auditar y evaluar el rendimiento real del sistema. - Aadharsh
9. Primitivas de privacidad probabilística (Probabilistic Privacy Primitives)
Vitalik menciona en su artículo (Las promesas y desafíos de la aplicación de criptografía + AI) una contradicción única: "En criptografía, el código abierto es la única manera de lograr seguridad, pero en AI, hacer públicos los modelos (incluso los datos de entrenamiento) aumenta enormemente el riesgo de ataques de aprendizaje adversarial."
Aunque la protección de la privacidad no es una nueva dirección de investigación en blockchain, las tecnologías criptográficas relacionadas con la privacidad están acelerando su aplicación con el rápido desarrollo de la AI. Este año se han logrado avances significativos en tecnologías de mejora de privacidad, como pruebas de conocimiento cero (ZK), cifrado totalmente homomórfico (FHE), entornos de ejecución confiables (TEE) y computación multipartita (MPC). Estas tecnologías se utilizan en escenarios como el estado compartido privado para cálculos generales sobre datos cifrados. Al mismo tiempo, gigantes tecnológicos como Nvidia y Apple están utilizando tecnologías TEE propietarias para lograr aprendizaje federado y razonamiento privado de AI, manteniendo la coherencia entre hardware, firmware y modelos.
En el futuro, nos centraremos en cómo proteger la privacidad en la transición de estados aleatorios, y cómo estas tecnologías pueden facilitar la aplicación práctica de AI descentralizada en sistemas heterogéneos, como inferencia privada descentralizada, almacenamiento y acceso a datos cifrados, y la construcción de entornos de ejecución completamente autónomos. - Aadharsh
El stack de Apple Intelligence de Apple y el GPU H100 de Nvidia
10. Intenciones de agentes y interfaces de negociación de usuarios de próxima generación (Agentic Intents and Next-Gen User Trading Interfaces)
Una aplicación importante de los agentes de AI es ayudar a los usuarios a completar transacciones de manera autónoma en la cadena. Sin embargo, durante los últimos 12-16 meses, las definiciones de términos como "intención del agente", "comportamiento del agente", "solucionadores", etc., han permanecido vagamente definidas, y la distinción con el desarrollo de "robots" tradicionales no ha sido suficientemente clara.
En el próximo año, esperamos ver sistemas de lenguaje más complejos combinados con varios tipos de datos y arquitecturas de redes neuronales, impulsando el desarrollo en este campo. ¿Seguirán los agentes utilizando los sistemas existentes en la cadena para completar transacciones o desarrollarán nuevas herramientas y métodos? ¿Seguirán los modelos de lenguaje grandes (LLM) siendo el núcleo de estos sistemas o serán reemplazados por otras tecnologías? A nivel de interfaz de usuario, ¿interactuarán los usuarios con el sistema en lenguaje natural para completar transacciones? ¿Se convertirá la clásica teoría de "la billetera es el navegador" en realidad? Estas son preguntas que merecen ser exploradas. - Danny, Katie, Aadharsh, Dmitriy
