TL;DR

1. El proyecto Web3 del concepto de IA se ha convertido en un imán de oro en los mercados primario y secundario.

2. Las oportunidades para Web3 en la industria de la IA se reflejan en: el uso de incentivos distribuidos para coordinar el suministro potencial en la cola larga, a través de datos, almacenamiento y computación al mismo tiempo, estableciendo un modelo de código abierto y un mercado descentralizado; Agentes de IA.

3. La IA se utiliza principalmente en la industria Web3 para finanzas en cadena (pagos cifrados, transacciones, análisis de datos) y desarrollo auxiliar.

4. La eficacia de AI+Web3 se refleja en la complementariedad de los dos: se espera que Web3 luche contra la centralización de AI y se espera que AI ayude a Web3 a salir del círculo.

introducción

En los últimos dos años, el desarrollo de la IA se ha acelerado. Las alas de mariposa instigadas por Chatgpt no solo abrieron un nuevo mundo de inteligencia artificial generativa, sino que también desencadenaron una corriente oceánica en Web3 en el otro lado.

Con el apoyo del concepto de IA, la financiación en el mercado de las criptomonedas ha aumentado significativamente en comparación con la desaceleración. Según estadísticas de los medios, solo en la primera mitad de 2024, un total de 64 proyectos Web3 + AI completaron la financiación. El sistema operativo basado en inteligencia artificial Zyber 365 logró la mayor cantidad de financiación de 100 millones de dólares en la ronda A.

El mercado secundario es más próspero, según datos del sitio web de agregación de cifrado Coingecko, en poco más de un año, el valor de mercado total de la pista de IA ha alcanzado los 48,5 mil millones de dólares estadounidenses y el volumen de transacciones de 24 horas es. cerca de 8.600 millones de dólares estadounidenses; los beneficios aportados por el progreso de la tecnología de IA convencional. Obviamente, después del lanzamiento del modelo de texto a video Sora de OpenAI, el precio promedio del sector de la IA aumentó en un 151%; El efecto también irradió a uno de los sectores que absorben oro en criptomonedas, Meme: el primer concepto de agente de IA. MemeCoin - GOAT rápidamente se hizo popular y obtuvo una valoración de 1.400 millones de dólares, lo que desencadenó con éxito la locura de AI Meme.

Las investigaciones y los temas sobre AI+Web3 son igualmente candentes, desde AI+Depin hasta AI Memecoin y el actual AI Agent y AI DAO, las emociones FOMO ya no pueden seguir el ritmo de la nueva rotación narrativa.

AI+Web3, esta combinación de terminología llena de dinero especulativo, tendencias y fantasías futuras, será inevitablemente considerada como un matrimonio arreglado por el capital. Nos parece difícil distinguir lo que hay debajo de esta hermosa corte local o la noche. antes de que amanezca?

Para responder a esta pregunta, una pregunta clave para ambas partes es: ¿sería mejor sin la otra parte? ¿Puedes beneficiarte del modelo de la otra persona? En este artículo, también intentamos apoyarnos en nuestros predecesores y examinar este patrón: ¿cómo puede Web3 desempeñar un papel en todos los aspectos de la pila de tecnología de IA y qué nueva vitalidad puede aportar la IA a Web3?

Parte 1 ¿Cuáles son las oportunidades para Web3 bajo la pila de IA?

Antes de comenzar este tema, debemos comprender la pila tecnológica de los grandes modelos de IA:

Fuente: Delphi Digital

Para expresar todo el proceso en un lenguaje más popular: "Modelo grande" es como el cerebro humano. En las primeras etapas, este cerebro pertenece a un bebé que acaba de llegar al mundo. Necesita observar y absorber la información masiva del mundo. mundo exterior que lo rodea para comprender el mundo, es la etapa de "recopilación" de datos, ya que las computadoras no tienen múltiples sentidos, como la visión y el oído humanos, antes del entrenamiento, la información a gran escala sin etiquetar del mundo exterior debe convertirse en un formato de información que la computadora puede comprender y utilizar mediante "preprocesamiento".

Después de ingresar los datos, la IA construye un modelo con capacidades de comprensión y predicción a través del "entrenamiento", que puede considerarse como el proceso en el que el bebé comprende y aprende gradualmente el mundo exterior. Los parámetros del modelo son como la capacidad lingüística del bebé. constantemente ajustado durante el proceso de aprendizaje. Cuando el contenido de aprendizaje comienza a dividirse en temas, o cuando se comunica con otros para obtener comentarios y hacer correcciones, se ingresa en la fase de "ajuste" del modelo grande.

Una vez que los niños crecen y aprenden a hablar, pueden comprender el significado y expresar sus sentimientos y pensamientos en nuevas conversaciones. Esta etapa es similar a la "inferencia" del modelo grande de IA. y entrada de texto. Los bebés expresan sentimientos, describen objetos y resuelven diversos problemas a través de la capacidad del lenguaje. Esto también es similar a cómo se utilizan grandes modelos de IA en diversas tareas específicas en la etapa de razonamiento después de completar el entrenamiento y ponerse en uso, como clasificación de imágenes, reconocimiento de voz, etc. etc.

AI Agent está más cerca de la siguiente forma de modelos grandes: es capaz de realizar tareas de forma independiente y perseguir objetivos complejos. No solo tiene la capacidad de pensar, sino que también puede recordar, planificar y utilizar herramientas para interactuar con el mundo.

Actualmente, en respuesta a los puntos débiles de la IA en cada pila, Web3 ha formado inicialmente un ecosistema interconectado de múltiples capas que cubre todas las etapas del proceso del modelo de IA.

1. Capa básica: Airbnb de potencia informática y datos

▼Potencia informática

Actualmente, uno de los costos más altos de la IA es la potencia informática y la energía necesarias para entrenar e inferir modelos.

Como ejemplo, LLAMA 3 de Meta requirió 16.000 GPU H100 producidas por NVIDIA (una unidad de procesamiento de gráficos de primera línea diseñada para inteligencia artificial y cargas de trabajo informáticas de alto rendimiento). 30 días para completar la capacitación. El precio unitario de la última versión de 8 0 GB está entre 30.000 y 40.000 dólares estadounidenses, lo que requiere una inversión en hardware informático de 400 a 700 millones de dólares estadounidenses (GPU + chip de red). Al mismo tiempo, la capacitación mensual requiere 1.600 millones de kilovatios hora. Los gastos de energía ascienden a casi 20 millones de dólares al mes.

La descompresión de la potencia informática de la IA es también el área más temprana donde Web3 se cruza con la IA: DePin (red de infraestructura física descentralizada). Actualmente, el sitio web de datos de DePin Ninja ha mostrado más de 1.400 proyectos, entre los que se encuentra el proyecto representativo de uso compartido de potencia informática de GPU, incluido io. .net, Aethir, Akash, Render Network, etc.

Su lógica principal es: la plataforma permite a las personas o entidades con recursos de GPU inactivos contribuir con su potencia informática de manera descentralizada y sin permiso, aumentando los recursos de GPU subutilizados a través de un mercado en línea para compradores y vendedores similar a Uber o Airbnb. los usuarios también obtienen recursos informáticos eficientes y de menor costo; al mismo tiempo, el mecanismo de compromiso también garantiza que si hay una violación del mecanismo de control de calidad o una interrupción de la red, el proveedor de recursos tendrá las sanciones correspondientes.

Sus características son:

  • Reúna recursos de GPU inactivos: los proveedores son principalmente el exceso de recursos informáticos de centros de datos pequeños y medianos independientes de terceros, minas de cifrado y otros operadores, y el mecanismo de consenso es el hardware de minería PoS, como las máquinas de minería FileCoin y ETH. Actualmente existen proyectos dedicados al lanzamiento de dispositivos con umbrales más bajos. Por ejemplo, exolab utiliza dispositivos locales como MacBook, iPhone y iPad para establecer una red informática para ejecutar inferencias de modelos grandes.

  • Frente al mercado de cola larga de la potencia informática de la IA:

a. "Desde una perspectiva técnica", el mercado de potencia informática descentralizada es más adecuado para el paso de razonamiento. La capacitación se basa más en las capacidades de procesamiento de datos que brindan las GPU de escala de clúster ultragrandes, mientras que el razonamiento tiene un rendimiento informático de GPU relativamente bajo. Por ejemplo, Aethir se centra en trabajos de renderizado de baja latencia y aplicaciones de razonamiento de IA.

b. Los pequeños y medianos demandantes de potencia informática "del lado de la demanda" no entrenarán sus propios modelos grandes por separado, sino que solo optarán por optimizar y ajustar en torno a unos pocos modelos grandes. Estos escenarios son naturalmente adecuados para recursos informáticos inactivos distribuidos. .

  • Propiedad descentralizada: la importancia técnica de blockchain es que los propietarios de recursos siempre conservan su control sobre los recursos, pueden ajustarlos de manera flexible según las necesidades y obtener beneficios al mismo tiempo.

▼Datos

Los datos son la base de la IA. Sin datos, los cálculos son inútiles y la relación entre los datos y los modelos es como el proverbio "Basura que entra, basura que sale". Para el entrenamiento de los modelos de IA actuales, los datos determinan la capacidad lingüística, la capacidad de comprensión e incluso los valores y el desempeño humanizado del modelo. Actualmente, el dilema de la demanda de datos de la IA se centra principalmente en los siguientes cuatro aspectos:

  • Hambriento de datos: el entrenamiento del modelo de IA se basa en grandes cantidades de entrada de datos. La información pública muestra que la cantidad de parámetros utilizados por OpenAI para entrenar GPT-4 ha alcanzado el nivel del billón.

  • Calidad de los datos: con la integración de la IA y diversas industrias, la puntualidad de los datos, la diversidad de los datos, el profesionalismo de los datos verticales y la ingesta de fuentes de datos emergentes, como el sentimiento de las redes sociales, también han planteado nuevos requisitos para su calidad.

  • Problemas de privacidad y cumplimiento: actualmente, varios países y empresas están notando gradualmente la importancia de los conjuntos de datos de alta calidad y están restringiendo el rastreo de conjuntos de datos.

  • El procesamiento de datos es costoso: la cantidad de datos es grande y el procesamiento es complejo. La información pública muestra que más del 30% de los costos de I+D de las empresas de IA se gastan en la recopilación y el procesamiento de datos básicos.

Actualmente, las soluciones web3 se reflejan en los siguientes cuatro aspectos:

1. Recopilación de datos: los datos del mundo real que se pueden capturar de forma gratuita se están agotando rápidamente y los gastos de las empresas de inteligencia artificial en datos aumentan año tras año. Pero al mismo tiempo, este gasto no repercute en los contribuyentes reales de los datos. La plataforma disfruta plenamente de la creación de valor que aportan los datos. Por ejemplo, Reddit logró unos ingresos totales de 203 millones de dólares a través de un acuerdo de licencia de datos. Empresas de IA. La visión de Web3 es permitir que los usuarios que realmente contribuyen también participen en la creación de valor que aportan los datos y obtener datos más privados y valiosos de los usuarios a un bajo costo a través de redes distribuidas y mecanismos de incentivos.

  • Por ejemplo, Grass es una red y una capa de datos descentralizadas. Los usuarios pueden ejecutar nodos de Grass, contribuir con ancho de banda inactivo y retransmitir tráfico para capturar datos en tiempo real en todo Internet y obtener recompensas simbólicas.

  • Vana introduce un concepto único de grupo de liquidez de datos (DLP). Los usuarios pueden cargar sus datos privados (como registros de compras, hábitos de navegación, actividades de redes sociales, etc.) en un DLP específico y elegir de manera flexible si desean autorizar estos datos a ciertos terceros. usos partidistas;

  • En PublicAI, los usuarios pueden usar#AIo#Web3como etiquetas de clasificación en X y @PublicAI para lograr la recopilación de datos.

2. Preprocesamiento de datos: en el proceso de procesamiento de datos de la IA, dado que los datos recopilados suelen tener ruido y contener errores, deben limpiarse y convertirse a un formato utilizable antes de entrenar el modelo, lo que implica estandarización, filtrado y procesamiento de duplicados de datos faltantes. valores. Esta etapa es uno de los pocos pasos manuales en la industria de la IA, y se ha generado la industria de los anotadores de datos. A medida que aumentan los requisitos para la calidad de los datos de los modelos, también aumenta el umbral para los anotadores de datos, y esta tarea es naturalmente adecuada. para Web3. Mecanismo de incentivos descentralizado.

  • Actualmente, tanto Grass como OpenLayer están considerando agregar anotaciones de datos como enlace clave.

  • Synesis propuso el concepto de "Tren 2 ganar", enfatizando la calidad de los datos. Los usuarios pueden recibir recompensas proporcionando datos etiquetados, anotaciones u otras formas de entrada.

  • El proyecto de etiquetado de datos Sapien gamifica las tareas de etiquetado y permite a los usuarios apostar puntos para ganar más puntos.

3. Privacidad y seguridad de los datos: Es necesario aclarar que la privacidad y la seguridad de los datos son dos conceptos diferentes. La privacidad de los datos implica el manejo de datos confidenciales, mientras que la seguridad de los datos protege la información de los datos contra el acceso no autorizado, la destrucción y el robo. Como resultado, las ventajas y los posibles escenarios de aplicación de la tecnología de privacidad Web3 se reflejan en dos aspectos: (1) capacitación de datos confidenciales; (2) colaboración de datos: varios propietarios de datos pueden participar conjuntamente en la capacitación de IA sin compartir sus datos originales.

Actualmente, las tecnologías de privacidad más comunes en Web3 incluyen:

  • Entorno de ejecución confiable (TEE), como Super Protocol;

  • Cifrado totalmente homomórfico (FHE) como BasedAI, Fhenix.io o Inco Network;

  • Las tecnologías de conocimiento cero (zk), como el protocolo Reclaim, utilizan la tecnología zkTLS para generar pruebas de conocimiento cero del tráfico HTTPS, lo que permite a los usuarios importar de forma segura datos de actividad, reputación e identidad de sitios web externos sin exponer información confidencial.

Sin embargo, el campo aún se encuentra en sus primeras etapas y la mayoría de los proyectos aún se están explorando. Un dilema actual es que el costo computacional es demasiado alto. Algunos ejemplos son:

  • El marco zkML EZKL tarda aproximadamente 80 minutos en generar una prueba para un modelo 1 M-nanoGPT.

  • Según Modulus Labs, zkML es más de 1000 veces más caro que la computación pura.

4. Almacenamiento de datos: una vez que tenga los datos, también necesitará un lugar para almacenarlos en la cadena, así como el LLM generado con los datos. Con la disponibilidad de datos (DA) como tema central, antes de la actualización Danksharding de Ethereum, su rendimiento era de 0,08 MB. Al mismo tiempo, el entrenamiento y la inferencia en tiempo real de los modelos de IA suelen requerir un rendimiento de datos de 50 a 10 GB por segundo. Esta brecha de orden de magnitud hace que las soluciones en cadena existentes sean inadecuadas cuando se enfrentan a "aplicaciones de IA que requieren muchos recursos".

  • 0g.AI es un proyecto representativo en esta categoría. Es una solución de almacenamiento centralizada diseñada para los requisitos de alto rendimiento de la IA. Sus características clave incluyen: alto rendimiento y escalabilidad. Admite la carga y descarga rápida de archivos grandes a través de tecnología avanzada de codificación de escala de fragmentación y borrado, con transferencia de datos. velocidades cercanas a los 5 GB por segundo.

2. Middleware: entrenamiento e inferencia de modelos

▼ Mercado descentralizado de modelo de código abierto

El debate sobre si los modelos de IA deberían ser de código cerrado o de código abierto nunca desaparece. La innovación colectiva aportada por el código abierto es una ventaja incomparable del modelo de código cerrado. Sin embargo, sin un modelo de ganancias, ¿cómo puede el modelo de código abierto mejorar la fuerza impulsora de los desarrolladores? Es una dirección en la que vale la pena pensar. El fundador de Baidu, Robin Li, afirmó en abril de este año: "El modelo de código abierto será cada vez más atrasado".

En este sentido, Web3 propone la posibilidad de un mercado de modelo de código abierto descentralizado, que tokenizaría el modelo en sí, retendría una cierta proporción de tokens para el equipo y haría fluir parte de los ingresos futuros del modelo a los poseedores de tokens.

  • Por ejemplo, el protocolo Bittensor establece un modelo de mercado P2P de código abierto que consta de docenas de "subredes" en las que los proveedores de recursos (informática, recopilación/almacenamiento de datos, talentos de aprendizaje automático) compiten entre sí para cumplir los objetivos de propietarios de subredes específicas, individuales. Las subredes pueden interactuar y aprender unas de otras, lo que permite una mayor inteligencia. Las recompensas se distribuyen mediante votación de la comunidad y luego se distribuyen entre subredes según el desempeño competitivo.

  • ORA introduce el concepto de Oferta de Modelo Inicial (IMO) para tokenizar modelos de IA, y los modelos de IA se pueden comprar, vender y desarrollar a través de una red descentralizada.

  • Sentient, una plataforma AGI descentralizada, incentiva a los contribuyentes a colaborar, construir, replicar y ampliar modelos de IA, y recompensa a los contribuyentes.

  • Spectral Nova se centra en la creación y aplicación de modelos de IA y ML.

▼ Razonamiento verificable

Para el problema de la "caja negra" en el proceso de razonamiento de la IA, la solución estándar Web3 es hacer que varios verificadores repitan la misma operación y comparen los resultados. Sin embargo, debido a la escasez actual de "chips Nvidia" de alta gama, lo obvio. El desafío de este enfoque es que la inferencia de IA es costosa.

Una solución más prometedora es realizar pruebas ZK en cálculos de inferencia de IA fuera de la cadena, pruebas de conocimiento cero, un protocolo criptográfico en el que el probador de una parte puede demostrarle al verificador de otra parte que una declaración determinada es verdadera sin revelar nada excepto "cualquier información adicional". aparte de la afirmación es verdadera", lo que permite la verificación sin permiso de los cálculos del modelo de IA en la cadena. Esto requiere demostrar criptográficamente dentro de la cadena que los cálculos fuera de la cadena se completaron correctamente (por ejemplo, el conjunto de datos no ha sido manipulado) y al mismo tiempo garantizar que todos los datos sigan siendo confidenciales.

Los beneficios clave incluyen:

  • Escalabilidad: las pruebas de conocimiento cero pueden confirmar rápidamente una gran cantidad de cálculos fuera de la cadena. Incluso si el número de transacciones aumenta, una única prueba de conocimiento cero puede verificar todas las transacciones.

  • Protección de la privacidad: los datos y los detalles del modelo de IA permanecen privados, mientras que todas las partes pueden verificar que los datos y los modelos no se hayan visto comprometidos.

  • Sin confianza: los cálculos se pueden confirmar sin depender de partes centralizadas.

  • Integración de Web2: por definición, Web2 está integrado fuera de la cadena, lo que significa que el razonamiento verificable puede ayudar a incorporar sus conjuntos de datos y cálculos de IA a la cadena. Esto ayuda a aumentar la adopción de Web3.

Actualmente, las tecnologías verificables de Web3 para razonamiento verificable son las siguientes:

  • zkML: combina pruebas de conocimiento cero con aprendizaje automático para garantizar la privacidad y confidencialidad de los datos y modelos, permitiendo cálculos verificables sin revelar ciertas propiedades subyacentes, como Modulus Labs lanzó el probador ZK creado para IA basado en ZKML, para verificar de manera efectiva si la IA El algoritmo de manipulación del proveedor se ejecuta correctamente en la cadena, pero los clientes actuales son básicamente DApps en la cadena.

  • opML: utiliza el principio de agregación optimista para mejorar la escalabilidad y la eficiencia de los cálculos de ML al verificar el momento en que ocurren las disputas. En este modelo, solo es necesario verificar una pequeña parte de los resultados generados por el "verificador", pero lo económico. El costo se reducirá lo suficientemente alto como para aumentar el costo de hacer trampa para el verificador y así ahorrar cálculos redundantes.

  • TeeML: realice cálculos de aprendizaje automático de forma segura utilizando un entorno de ejecución confiable, protegiendo los datos y los modelos contra manipulaciones y accesos no autorizados.

3. Capa de aplicación: Agente AI

El desarrollo actual de la IA ha mostrado un cambio en el enfoque del desarrollo de las capacidades del modelo a los Agentes de IA. Empresas de tecnología como OpenAI, el unicornio de gran modelo de IA Anthropic y Microsoft han recurrido al desarrollo de agentes de IA en un intento de romper el actual período de plataforma tecnológica LLM.

La definición de OpenAI de AI Agent es: un sistema impulsado por LLM como cerebro, con la capacidad de comprender de forma autónoma la percepción, la planificación, la memoria y el uso de herramientas, y puede ejecutar automáticamente tareas complejas. Cuando la IA cambia de una herramienta que se utiliza a un sujeto que puede usar la herramienta, se convierte en un Agente de IA. Es por eso que AI Agent puede convertirse en el asistente inteligente más ideal para la humanidad.

¿Y qué puede aportar Web3 a Agent?

1. Descentralización

La naturaleza descentralizada de Web3 puede hacer que el sistema de Agentes sea más descentralizado y autónomo. El establecimiento de mecanismos de incentivos y castigos para los participantes y delegados a través de PoS, DPoS y otros mecanismos puede promover la democratización del sistema de Agentes. GaiaNet, Theoriq y HajimeAI lo han intentado. .

2. Arranque en frío

El desarrollo y la iteración de agentes de IA a menudo requieren grandes cantidades de apoyo financiero, y Web3 puede ayudar a que proyectos potenciales de agentes de IA obtengan financiación temprana y arranques en frío.

  • Virtual Protocol lanza fun.virtuals, una plataforma de creación y emisión de tokens de AI Agent. Cualquier usuario puede implementar AI Agent con un solo clic y lograr una emisión 100 % justa de tokens de AI Agent.

  • Spectral propuso un concepto de producto que respalda la emisión de activos de AI Agent en la cadena: al emitir tokens a través de IAO (Oferta Inicial de Agente), AI Agent puede obtener fondos directamente de los inversores y convertirse en miembro de la gobernanza de DAO, brindando a los inversores oportunidades para participar. en el desarrollo del proyecto y la oportunidad de participar en ganancias futuras.

Parte 2 ¿Cómo potencia la IA la Web3?

El impacto de la IA en el proyecto Web3 es obvio. Beneficia la tecnología blockchain al optimizar las operaciones en cadena, como la ejecución de contratos inteligentes, la optimización de la liquidez y las decisiones de gobernanza impulsadas por la IA. Al mismo tiempo, también puede proporcionar mejores resultados. información valiosa, mejorar la seguridad en cadena y sentar las bases para nuevas aplicaciones basadas en Web3.

1. IA y finanzas en cadena

▼IA y criptoeconomía

El 31 de agosto, el director ejecutivo de Coinbase, Brian Armstrong, anunció la implementación de la primera transacción cifrada de IA a IA en la red Base y dijo que los agentes de IA ahora pueden usar USD en Base para realizar transacciones con humanos, comerciantes u otras IA. Las transacciones son instantáneas, globales y gratuitas.

Además del pago, Luna de Virtuals Protocol también demostró por primera vez cómo AI Agent puede ejecutar de forma autónoma transacciones en cadena de las siguientes maneras, lo que atrajo la atención como una entidad inteligente que puede percibir el entorno, tomar decisiones y realizar acciones, AI. El agente se considera un futuro en cadena de las finanzas. En la actualidad, los escenarios potenciales de AI Agent se reflejan en los siguientes puntos:

1. Recopilación y predicción de información: ayude a los inversores a recopilar anuncios de intercambio, proyectar información pública, pánico, riesgos de opinión pública y otra información, analizar y evaluar los fundamentos de los activos y las condiciones del mercado en tiempo real, y predecir tendencias y riesgos.

2. Gestión de activos: proporcione a los usuarios objetivos de inversión adecuados, optimice las carteras de activos y ejecute transacciones automáticamente.

3. Experiencia financiera: ayude a los inversores a elegir el método de transacción en cadena más rápido, automatice las operaciones manuales, como el ajuste de tarifas de gas y entre cadenas, y reduzca el umbral y el costo de las actividades financieras en cadena.

Imagine un escenario en el que le transmite las siguientes instrucciones al agente de IA: "Tengo 1000 USDT, ayúdeme a encontrar la combinación con el mayor rendimiento y el tiempo de bloqueo no debe exceder una semana". El Agente le brindará el siguiente consejo: "La asignación inicial recomendada es 50% en A, 20% en B, 20% en X, 10% en Y monitorearé la tasa de interés y observaré cambios en su nivel de riesgo y reequilibraré si es necesario. “Además, buscar posibles proyectos de lanzamiento aéreo, así como proyectos de Memecoin que tengan signos de ser populares en la comunidad, son cosas que la IA. El agente lo hará posible en el futuro.

Fuente: Biconomía

Actualmente, la billetera del agente AI Bitte y el protocolo de interacción AI Wayfinder están haciendo tales intentos. Todos están intentando acceder a la API modelo de OpenAI, lo que permite a los usuarios ordenar al agente que complete varias operaciones en cadena bajo una interfaz de ventana de chat similar a ChatGPT, como por ejemplo. WayFinder El primer prototipo lanzado en abril de este año demostró las cuatro operaciones básicas de intercambio, envío, puente y participación en las tres redes principales de la cadena pública: Base, Polygon y Ethereum.

Actualmente, la plataforma descentralizada del Agente Morpheus también apoya el desarrollo de este tipo de Agente. Por ejemplo, Biconomy también demostró una operación en la que el Agente de IA puede intercambiar ETH por USDC sin otorgar permisos completos de billetera.

▼IA y seguridad de las transacciones en cadena

En el mundo Web3, la seguridad de las transacciones en cadena es crucial. La tecnología de inteligencia artificial se puede utilizar para mejorar la seguridad y la protección de la privacidad de las transacciones en cadena. Los escenarios potenciales incluyen:

Monitoreo de transacciones: la tecnología de datos en tiempo real monitorea actividades de transacciones anormales, infraestructura de alerta en tiempo real para los usuarios y la plataforma.

Análisis de riesgos: ayude a la plataforma a analizar los datos del comportamiento de las transacciones de los clientes y evaluar su nivel de riesgo.

Por ejemplo, la plataforma de seguridad Web3 SeQure utiliza inteligencia artificial para detectar y prevenir ataques maliciosos, fraudes y fugas de datos, y proporciona mecanismos de alerta y monitoreo en tiempo real para garantizar la seguridad y estabilidad de las transacciones en cadena. Herramientas de seguridad similares incluyen Sentinel con tecnología de inteligencia artificial.

2. IA e infraestructura en cadena

▼IA y datos en cadena

La tecnología de inteligencia artificial desempeña un papel importante en la recopilación y el análisis de datos en cadena, como por ejemplo:

  • Web3 Analytics: es una plataforma de análisis basada en inteligencia artificial que utiliza algoritmos de aprendizaje automático y minería de datos para recopilar, procesar y analizar datos en cadena.

  • MinMax AI: proporciona herramientas de análisis de datos en cadena basadas en IA para ayudar a los usuarios a descubrir oportunidades y tendencias potenciales del mercado.

  • Kaito: plataforma de búsqueda Web3 basada en el motor de búsqueda LLM.

  • Followin: ChatGPT integrado para recopilar, integrar y presentar información relevante dispersa en diferentes sitios web y plataformas sociales.

  • Otro escenario de aplicación son los oráculos, donde la IA puede obtener precios de múltiples fuentes para proporcionar datos de precios precisos. Por ejemplo, Upshot utiliza IA para apuntar a los precios volátiles de las NFT y proporciona precios de NFT con un error porcentual del 3 al 10 % a través de más de 100 millones de evaluaciones por hora.

▼AI y auditoría de desarrollo

Recientemente, Cursor, un editor de código Web2 AI, ha atraído mucha atención en el círculo de desarrolladores. En su plataforma, los usuarios solo necesitan describirlo en lenguaje natural, y Cursor puede generar automáticamente los códigos HTML, CSS y javaScript correspondientes. Al simplificar el proceso de desarrollo del software, esta lógica también es adecuada para mejorar la eficiencia del desarrollo de Web3.

Actualmente, implementar contratos inteligentes y DApps en cadenas públicas generalmente requiere seguir lenguajes de desarrollo propietarios como Solidity, Rust, Move, etc. La visión del nuevo lenguaje de desarrollo es ampliar el espacio de diseño de la cadena de bloques descentralizada y hacerla más adecuada para el desarrollo de DApp. Sin embargo, dada la gran escasez de desarrolladores Web3, la educación de los desarrolladores siempre ha sido un problema más problemático.

En la actualidad, la IA ayuda al desarrollo de Web3. Los escenarios imaginables incluyen: generación automatizada de código, verificación y prueba de contratos inteligentes, implementación y mantenimiento de DApp, finalización de código inteligente, diálogo de IA para responder a problemas de desarrollo, etc. Con la ayuda de la IA, no solo ayuda. para mejorar la eficiencia y precisión del desarrollo, pero también reduce el umbral de programación, lo que permite a los no programadores transformar sus ideas en aplicaciones prácticas, aportando nueva vitalidad al desarrollo de tecnología descentralizada.

Actualmente, las más llamativas son las plataformas de lanzamiento de tokens con un solo clic, como Clanker, un “Token Bot” impulsado por IA diseñado para una rápida implementación de tokens por cuenta propia. Solo necesita etiquetar a Clanker en el cliente Farcaster del protocolo SocialFi, como Warpcast o Supercast, contarle su idea de token y él activará el token por usted en la Base de la cadena pública.

También existen plataformas de desarrollo de contratos, como Spectral, que proporciona generación e implementación de contratos inteligentes con un solo clic para reducir el umbral para el desarrollo Web3. Incluso los usuarios novatos pueden compilar e implementar contratos inteligentes.

En términos de auditoría, la plataforma de auditoría Web3 Fuzzland utiliza IA para ayudar a los auditores a verificar las vulnerabilidades del código y proporcionar explicaciones en lenguaje natural para ayudar a la experiencia en auditoría. Fuzzland también utiliza IA para proporcionar explicaciones en lenguaje natural de especificaciones formales y código de contrato, así como algunos códigos de muestra para ayudar a los desarrolladores a comprender posibles problemas en el código.

3. Nueva narrativa de IA y Web3

El auge de la IA generativa ofrece nuevas posibilidades para nuevas narrativas Web3.

NFT: La IA inyecta creatividad en los NFT generativos. A través de la tecnología de IA, se pueden generar varias obras de arte y personajes únicos y diversos. Estos NFT generativos pueden convertirse en personajes, accesorios o elementos de escena en juegos, mundos virtuales o metaversos, como Bicasso de Binance. puede cargar imágenes e ingresar palabras clave para realizar operaciones de IA y generar NFT. Proyectos similares incluyen Solvo, Nicho, IgmnAI y CharacterGPT.

GameFi: centrado en la generación de lenguaje natural, la generación de imágenes y las capacidades inteligentes de NPC de la IA, se espera que GameFi mejore la eficiencia y la innovación en la producción de contenido de juegos. Por ejemplo, el primer juego blockchain de Binaryx, AI Hero, permite a los jugadores explorar aleatoriamente diferentes opciones de trama a través de la IA. También está el juego virtual complementario Sleepless AI, que se basa en AIGC y LLM, y los jugadores pueden desbloquear juegos personalizados a través de diferentes interacciones.

DAO: actualmente, también se prevé aplicar IA a DAO para ayudar a rastrear las interacciones de la comunidad, registrar las contribuciones, recompensar a los miembros con la mayor cantidad de contribuciones, votación por poder, etc. Por ejemplo, ai16z utiliza AI Agent para recopilar información de mercado dentro y fuera de la cadena, analizar el consenso de la comunidad y tomar decisiones de inversión basadas en las recomendaciones de los miembros de DAO.

Parte.3 El significado de la combinación AI+Web3: torre y plaza

En el corazón de Florencia, Italia, se encuentra la Plaza Central, el lugar más importante para las actividades políticas y un lugar de reunión para ciudadanos y turistas. Aquí se encuentra la torre del ayuntamiento de 95 metros de altura. La conexión vertical y horizontal entre la torre y el edificio. La plaza El contraste visual se complementa y crea un efecto estético dramático Neil Ferguson, profesor de historia en la Universidad de Harvard, se inspiró en esto y lo asoció con la historia mundial de las redes y jerarquías en el libro (Plazas y Torres). Con el tiempo, las mareas del río bajan y fluyen.

Esta maravillosa metáfora no sorprende cuando se trata de la relación actual entre la IA y la Web3. A partir de la historia de relaciones no lineales a largo plazo entre los dos, podemos ver que es más probable que la plaza produzca cosas nuevas y de manera más creativa que la torre, pero la torre aún tiene su legitimidad y su fuerte vitalidad.

Con la capacidad de las empresas de tecnología para agrupar en gran medida datos de potencia informática, la IA ha explotado con una imaginación sin precedentes, y las empresas de tecnología han invertido mucho en este campo, desde diferentes robots de chat hasta "grandes modelos subyacentes" GPT-4, GP 4-4 o y han aparecido a su vez otras versiones iterativas, y se han lanzado el robot de programación automática (Devin) y Sora con la capacidad de simular inicialmente el mundo físico real, etc., la imaginación de la IA se ha magnificado infinitamente.

Al mismo tiempo, la IA es esencialmente una industria centralizada y a gran escala. Este cambio tecnológico empujará a las empresas de tecnología que gradualmente han ganado dominio estructural en la "era de Internet" a un punto alto más estrecho. La enorme electricidad, el flujo de caja monopólico y los enormes conjuntos de datos necesarios para dominar la era inteligente le han creado mayores barreras.

A medida que las torres se vuelven cada vez más altas, los tomadores de decisiones detrás de escena se vuelven cada vez más pequeños, y la centralización de la IA trae muchos peligros ocultos. ¿Cómo pueden las personas reunidas en la plaza evitar las sombras debajo de las torres? Este es el problema que Web3 espera resolver.

En esencia, las propiedades inherentes de blockchain mejoran los sistemas de inteligencia artificial y aportan nuevas posibilidades, principalmente:

  • "El código es ley" en la era de la inteligencia artificial: a través de contratos inteligentes y verificación criptográfica, un sistema transparente ejecuta reglas automáticamente y entrega recompensas a las personas más cercanas a la meta.

  • Economía de tokens: cree y coordine el comportamiento de los participantes a través de mecanismos de tokens, apuestas, recortes, recompensas y penalizaciones de tokens.

  • Gobernanza descentralizada: nos impulsa a cuestionar las fuentes de información y fomentar un enfoque más crítico y perspicaz de las tecnologías de IA, previniendo sesgos, desinformación y manipulación, y en última instancia fomentando una sociedad más informada y empoderada.

El desarrollo de la IA también ha aportado nueva vitalidad a Web3. Quizás lleve tiempo demostrar el impacto de Web3 en la IA, pero el impacto de la IA en Web3 es inmediato: ya sea el carnaval de Meme o la ayuda del Agente de IA. para reducir el costo de las aplicaciones en cadena Se puede ver el umbral de uso.

Cuando Web3 se definió como el interés propio de un pequeño grupo de personas y surgieron dudas sobre la copia de las industrias tradicionales, la incorporación de la IA le trajo un futuro previsible: un grupo de usuarios de Web2 más estable y más grande, y negocios más innovadores. modelos y servicios.

Vivimos en un mundo donde coexisten "torres y cuadrados". Aunque la IA y la Web3 tienen diferentes líneas de tiempo y puntos de partida, sus puntos finales son cómo hacer que las máquinas sirvan mejor a los humanos. Nadie puede definir un río caudaloso. futuro de la IA+Web3.

*Todo el contenido de la plataforma Coinspire es solo de referencia y no constituye una oferta ni recomendación para ninguna estrategia de inversión. Cualquier decisión personal tomada con base en el contenido de este artículo es responsabilidad exclusiva del inversor, y Coinspire no es responsable de las ganancias o pérdidas que surjan de las mismas. La inversión es arriesgada y las decisiones deben tomarse con cautela.