Source de la réimpression de l'article : Coinspire

Auteur : Coinspire

►TL;DR

1. Le projet Web3 de concept d'IA est devenu un aimant d'or sur les marchés primaire et secondaire.

2. Les opportunités du Web3 dans l'industrie de l'IA se reflètent dans : l'utilisation d'incitations distribuées pour coordonner l'offre potentielle à long terme - à travers les données, le stockage et l'informatique en même temps, l'établissement d'un modèle open source et d'un marché décentralisé pour ; Agents IA.

3. L'IA est principalement utilisée dans l'industrie Web3 pour la finance en chaîne (paiements cryptés, transactions, analyse de données) et le développement auxiliaire.

4. L’efficacité d’AI+Web3 se reflète dans la complémentarité des deux : le Web3 devrait lutter contre la centralisation de l’IA, et l’IA devrait aider le Web3 à sortir du cercle.

introduction

Au cours des deux dernières années, le développement de l'IA s'est accéléré. Les ailes de papillon initiées par Chatgpt ont non seulement ouvert un nouveau monde d'intelligence artificielle générative, mais ont également déclenché un courant océanique dans le Web3 de l'autre côté.

Avec le soutien du concept d’IA, le financement sur le marché de la cryptographie a été considérablement augmenté par rapport au ralentissement. Selon les statistiques des médias, au cours du seul premier semestre 2024, un total de 64 projets Web3+AI ont été financés, et le système d'exploitation basé sur l'intelligence artificielle Zyber365 a obtenu le montant de financement le plus élevé de 100 millions de dollars lors du cycle A.

Le marché secondaire est plus prospère. Selon les données du site Web d'agrégation de cryptage Coingecko, en un peu plus d'un an, la valeur marchande totale de la piste IA a atteint 48,5 milliards de dollars américains, et le volume des transactions sur 24 heures est de 48,5 milliards de dollars. près de 8,6 milliards de dollars américains ; les avantages apportés par les progrès de la technologie d'IA grand public. Évidemment, après la sortie du modèle texte-vidéo Sora d'OpenAI, le prix moyen du secteur de l'IA a augmenté de 151 % ; L'effet a également rayonné sur l'un des secteurs absorbant l'or des cryptomonnaies, Meme : le premier concept d'agent IA. MemeCoin - GOAT est rapidement devenu populaire et a gagné une valorisation de 1,4 milliard de dollars américains, déclenchant avec succès l'engouement pour l'IA Meme.

La recherche et les sujets sur AI+Web3 sont tout aussi brûlants. De AI+Depin à AI Memecoin en passant par AI Agent et AI DAO actuels, les émotions FOMO ne peuvent plus suivre la vitesse de la nouvelle rotation narrative.

AI+Web3, cette combinaison terminologique pleine d'argent chaud, de tendances et de fantasmes futurs, sera inévitablement considérée comme un mariage arrangé réuni par le capital. Il nous semble difficile de distinguer ce qui se cache sous cette magnifique robe du Home Court, ou de la nuit. avant que l'aube ne se lève ?

Pour répondre à cette question, une question clé pour les deux parties est la suivante : serait-ce mieux sans l’autre partie ? Pouvez-vous bénéficier du modèle de l’autre ? Dans cet article, nous essayons également de nous appuyer sur les épaules de nos prédécesseurs et d'examiner ce modèle : comment le Web3 peut-il jouer un rôle dans tous les aspects de la pile technologique de l'IA, et quelle nouvelle vitalité l'IA peut-elle apporter au Web3 ?

Partie.1 Quelles sont les opportunités pour le Web3 sous la pile IA ?

Avant de commencer ce sujet, nous devons comprendre la pile technologique des grands modèles d’IA :

Source : Delphi Digital

Pour exprimer l'ensemble du processus dans un langage plus populaire : « Grand modèle » est comme le cerveau humain Dans les premiers stades, ce cerveau appartient à un bébé qui vient d'arriver au monde. Il a besoin d'observer et d'absorber les informations massives provenant du monde. monde extérieur qui l'entoure pour comprendre le monde. C'est l'étape de « collecte » des données puisque les ordinateurs n'ont pas de sens multiples tels que la vision et l'audition humaines, avant la formation, des informations non étiquetées à grande échelle provenant du monde extérieur doivent être converties en un format d'information que l'ordinateur peut comprendre et utiliser grâce au « prétraitement ».

Après avoir saisi les données, l'IA construit un modèle avec des capacités de compréhension et de prédiction grâce à la « formation », qui peut être considérée comme le processus par lequel le bébé comprend et apprend progressivement le monde extérieur. Les paramètres du modèle sont comme la capacité linguistique du bébé. constamment ajusté au cours du processus d’apprentissage. Lorsque le contenu d'apprentissage commence à être divisé en sujets, ou lorsque vous communiquez avec d'autres pour obtenir des commentaires et apporter des corrections, vous entrez dans la phase de « mise au point » du grand modèle.

À mesure que les enfants grandissent et apprennent à parler, ils peuvent comprendre le sens et exprimer leurs sentiments et leurs pensées dans de nouvelles conversations. Cette étape est similaire à « l'inférence » d'un grand modèle d'IA. Le modèle peut prédire et analyser de nouvelles saisies de langage et de texte. . Les bébés expriment des sentiments, décrivent des objets et résolvent divers problèmes grâce à leurs capacités linguistiques. Cela est également similaire à la façon dont les grands modèles d'IA sont utilisés dans diverses tâches spécifiques au stade du raisonnement après avoir terminé la formation et mis en service, comme la classification d'images, la reconnaissance vocale, etc.

AI Agent est plus proche de la prochaine forme de grands modèles : il peut effectuer des tâches de manière indépendante et poursuivre des objectifs complexes. Il a non seulement la capacité de penser, mais peut également se souvenir, planifier et utiliser des outils pour interagir avec le monde.

Actuellement, en réponse aux problèmes de l'IA dans chaque pile, Web3 a initialement formé un écosystème multicouche et interconnecté, couvrant toutes les étapes du processus de modèle d'IA.

1. Couche de base : Airbnb de la puissance de calcul et des données

▎Puissance de calcul

Actuellement, l’un des coûts les plus élevés de l’IA est la puissance de calcul et l’énergie nécessaires pour former et déduire des modèles.

À titre d'exemple, le LLAMA3 de Meta a nécessité 16 000 GPU H100 fabriqués par NVIDIA (une unité de traitement graphique haut de gamme conçue pour l'intelligence artificielle et les charges de travail de calcul haute performance) pendant 30 jours pour suivre la formation. Le prix unitaire de cette dernière version de 80 Go est compris entre 30 000 et 40 000 dollars américains, ce qui nécessite un investissement de 400 à 700 millions de dollars américains en matériel informatique (GPU + puce réseau). Dans le même temps, la formation mensuelle nécessite 1,6 milliard de kilowattheures. les dépenses énergétiques s’élèvent à près de 2 000 millions de dollars par mois.

La décompression de la puissance de calcul de l'IA est également le premier domaine où Web3 croise l'IA - DePin (réseau d'infrastructure physique décentralisé). Actuellement, le site Web de données DePin Ninja a affiché plus de 1 400 projets, parmi lesquels le projet représentatif de partage de puissance de calcul GPU, y compris io. .net, Aethir, Akash, Render Network, etc.

Sa logique principale est la suivante : la plate-forme permet aux individus ou aux entités disposant de ressources GPU inutilisées d'apporter leur puissance de calcul de manière décentralisée et sans autorisation, augmentant ainsi les ressources GPU sous-utilisées via un marché en ligne pour les acheteurs et les vendeurs, similaire à celui d'Uber ou d'Airbnb. les utilisateurs obtiennent également des ressources informatiques moins coûteuses et efficaces ; dans le même temps, le mécanisme de gage garantit également qu'en cas de violation du mécanisme de contrôle de qualité ou d'interruption du réseau, le fournisseur de ressources sera sanctionné en conséquence.

Ses caractéristiques sont :

  • Rassembler les ressources GPU inutilisées : le côté offre est principalement constitué des ressources informatiques excédentaires des centres de données tiers indépendants de petite et moyenne taille, des mines de cryptage et d'autres opérateurs, et le mécanisme de consensus est le matériel minier PoS, tel que les machines minières FileCoin et ETH. Actuellement, il existe également des projets dédiés au lancement d'appareils avec des seuils inférieurs, comme exolab, qui utilise des appareils locaux tels que MacBook, iPhone et iPad pour établir un réseau informatique permettant d'exécuter des inférences de grands modèles.

  • Face au marché à longue traîne de la puissance de calcul de l’IA :

a. « D'un point de vue technique », le marché de la puissance de calcul décentralisé est plus adapté à l'étape de raisonnement. La formation s'appuie davantage sur les capacités de traitement des données apportées par les GPU à très grande échelle, tandis que l'inférence a des performances de calcul GPU relativement faibles. Par exemple, Aethir se concentre sur le travail de rendu à faible latence et les applications d'inférence d'IA.

b. « Du côté de la demande », les demandeurs de puissance de calcul de petite et moyenne taille ne formeront pas leurs propres grands modèles séparément, mais choisiront uniquement d'optimiser et d'affiner autour de quelques grands modèles. Ces scénarios sont naturellement adaptés aux ressources informatiques distribuées inutilisées. .

  • Propriété décentralisée : l'importance technique de la blockchain réside dans le fait que les propriétaires de ressources conservent toujours leur contrôle sur les ressources, peuvent s'adapter de manière flexible en fonction des besoins et obtenir des avantages en même temps.

▎Données

Les données sont le fondement de l’IA. Sans données, les calculs sont inutiles et la relation entre les données et les modèles est comme le proverbe « Garbage in, Garbage out ». La quantité et la qualité d'entrée des données déterminent la qualité de sortie du modèle final. Pour la formation des modèles d'IA actuels, les données déterminent la capacité linguistique, la capacité de compréhension et même les valeurs et les performances humanisées du modèle. Actuellement, le dilemme de la demande de données de l’IA se concentre principalement sur les quatre aspects suivants :

  • Avide de données : la formation des modèles d'IA repose sur de grandes quantités de données saisies. Les informations publiques montrent que le nombre de paramètres utilisés par OpenAI pour entraîner GPT-4 a atteint le niveau du billion.

  • Qualité des données : avec l'intégration de l'IA et de diverses industries, l'actualité des données, la diversité des données, le professionnalisme des données verticales et l'apport de sources de données émergentes telles que le sentiment des médias sociaux ont également mis en avant de nouvelles exigences en matière de qualité.

  • Problèmes de confidentialité et de conformité : actuellement, divers pays et entreprises remarquent progressivement l'importance des ensembles de données de haute qualité et limitent l'exploration des ensembles de données.

  • Le traitement des données coûte cher : la quantité de données est importante et le traitement est complexe. Les informations publiques montrent que plus de 30 % des coûts de R&D des entreprises d'IA sont consacrés à la collecte et au traitement de données de base.

Actuellement, les solutions web3 se reflètent dans les quatre aspects suivants :

1. Collecte de données : les données du monde réel qui peuvent être capturées gratuitement s’épuisent rapidement et les dépenses des entreprises d’IA en matière de données augmentent d’année en année. Mais en même temps, ces dépenses ne profitent pas aux véritables contributeurs de données. La plateforme profite pleinement de la création de valeur apportée par les données. Par exemple, Reddit a réalisé un chiffre d'affaires total de 203 millions de dollars grâce à un accord de licence de données avec. Entreprises d’IA.

La vision du Web3 est de permettre aux utilisateurs qui contribuent réellement de participer également à la création de valeur apportée par les données et d'obtenir des données plus privées et plus précieuses à faible coût grâce à des réseaux distribués et des mécanismes d'incitation.

  • Par exemple, Grass est une couche de données et un réseau décentralisés. Les utilisateurs peuvent exécuter des nœuds Grass, contribuer à la bande passante inactive et relayer le trafic pour capturer des données en temps réel sur l'ensemble d'Internet et obtenir des récompenses symboliques.

  • Vana introduit un concept unique de pool de liquidité de données (DLP). Les utilisateurs peuvent télécharger leurs données privées (telles que les enregistrements d'achats, les habitudes de navigation, les activités sur les réseaux sociaux, etc.) vers un DLP spécifique et choisir en toute flexibilité d'autoriser ou non ces données à certains tiers. utilisations festives ;

  • Dans PublicAI, les utilisateurs peuvent utiliser#AIou#Web3comme balises de classification sur X et @PublicAI pour réaliser la collecte de données.

2. Prétraitement des données : dans le processus de traitement des données de l'IA, étant donné que les données collectées sont généralement bruyantes et contiennent des erreurs, elles doivent être nettoyées et converties dans un format utilisable avant la formation du modèle, ce qui implique la standardisation, le filtrage et le traitement des doublons des éléments manquants. valeurs. Cette étape est l'un des rares liens manuels dans l'industrie de l'IA, et l'industrie des annotateurs de données a vu le jour. À mesure que les exigences du modèle en matière de qualité des données augmentent, le seuil pour les annotateurs de données augmente également, et cette tâche est naturellement adaptée. Web3. Mécanisme d'incitation décentralisé.

  • Actuellement, Grass et OpenLayer envisagent d'ajouter l'annotation des données comme lien clé.

  • Synesis a proposé le concept « Train2earn », mettant l'accent sur la qualité des données, et les utilisateurs peuvent recevoir des récompenses en fournissant des données étiquetées, des annotations ou d'autres formes de saisie.

  • Le projet d'étiquetage des données Sapien gamifie les tâches d'étiquetage et permet aux utilisateurs de miser des points pour gagner plus de points.

3. Confidentialité et sécurité des données : Il convient de préciser que la confidentialité et la sécurité des données sont deux concepts différents. La confidentialité des données implique le traitement de données sensibles, tandis que la sécurité des données protège les informations relatives aux données contre tout accès non autorisé, destruction et vol. En conséquence, les avantages et les scénarios d'application potentiels de la technologie de confidentialité Web3 se reflètent dans deux aspects : (1) la formation des données sensibles (2) la collaboration sur les données : plusieurs propriétaires de données peuvent participer conjointement à la formation sur l'IA sans partager leurs données d'origine ;

Actuellement, les technologies de confidentialité les plus courantes dans Web3 incluent :

  • Environnement d'exécution de confiance (TEE), tel que Super Protocol ;

  • Chiffrement entièrement homomorphe (FHE), tel que BasedAI, Fhenix.io ou Inco Network ;

  • Les technologies à connaissance nulle (zk) telles que Reclaim Protocol utilisent la technologie zkTLS pour générer des preuves à connaissance nulle du trafic HTTPS, permettant aux utilisateurs d'importer en toute sécurité des données d'activité, de réputation et d'identité à partir de sites Web externes sans exposer d'informations sensibles.

Cependant, le domaine en est encore à ses débuts et la plupart des projets sont encore à l'étude. L'un des dilemmes actuels est le coût de calcul trop élevé. Voici quelques exemples :

  • Le framework zkML EZKL prend environ 80 minutes pour générer une preuve pour un modèle 1M-nanoGPT.

  • Selon Modulus Labs, zkML coûte plus de 1 000 fois plus cher que le calcul pur.

4. Stockage des données : Une fois que vous disposez des données, vous avez également besoin d'un endroit pour stocker les données sur la chaîne, ainsi que le LLM généré à l'aide des données. Avec la disponibilité des données (DA) comme problème principal, avant la mise à niveau Danksharding d’Ethereum, son débit était de 0,08 Mo. Dans le même temps, la formation et l’inférence en temps réel des modèles d’IA nécessitent généralement 50 à 100 Go de débit de données par seconde. Cet écart d’ordre de grandeur rend les solutions en chaîne existantes incapables de faire face aux « applications d’IA gourmandes en ressources ».

  • 0g.AI est un projet représentatif dans cette catégorie. Il s'agit d'une solution de stockage centralisée conçue pour répondre aux exigences de haute performance de l'IA. Ses principales caractéristiques incluent : des performances élevées et une évolutivité. Elle prend en charge le téléchargement rapide de fichiers volumineux grâce à une technologie avancée de partage et de codage d'effacement, avec transfert de données. des vitesses approchant les 5 Go par seconde.

2. Middleware : formation de modèles et inférence

▎Marché décentralisé du modèle open source

Le débat sur la question de savoir si les modèles d’IA doivent être fermés ou open source ne disparaît jamais. L'innovation collective apportée par l'open source est un avantage incomparable du modèle open source. Cependant, sans modèle de profit, comment le modèle open source peut-il améliorer la force motrice des développeurs ? C'est une direction qui mérite réflexion. Le fondateur de Baidu, Robin Li, a affirmé en avril de cette année : « Le modèle open source deviendra de plus en plus arriéré ».

À cet égard, Web3 propose la possibilité d'un marché de modèles open source décentralisé, c'est-à-dire tokeniser le modèle lui-même, conserver une certaine proportion de jetons pour l'équipe et transférer une partie des revenus futurs du modèle aux détenteurs de jetons.

  • Par exemple, le protocole Bittensor établit un modèle de marché P2P open source composé de dizaines de « sous-réseaux » dans lesquels les fournisseurs de ressources (informatique, collecte/stockage de données, talents en apprentissage automatique) se font concurrence pour atteindre les objectifs de propriétaires de sous-réseaux spécifiques, d'individus. les sous-réseaux peuvent interagir et apprendre les uns des autres, permettant ainsi une plus grande intelligence. Les récompenses sont distribuées par vote de la communauté, puis distribuées entre les sous-réseaux en fonction des performances concurrentielles.

  • ORA introduit le concept d'offre de modèle initial (IMO) pour tokeniser les modèles d'IA, et les modèles d'IA peuvent être achetés, vendus et développés via un réseau décentralisé.

  • Sentient, une plateforme AGI décentralisée, incite les contributeurs à collaborer, créer, reproduire et étendre des modèles d'IA, et récompense les contributeurs.

  • Spectral Nova se concentre sur la création et l'application de modèles d'IA et de ML.

▎Raisonnement vérifiable

Pour le problème de la « boîte noire » dans le processus d'inférence de l'IA, la solution Web3 standard consiste à demander à plusieurs vérificateurs de répéter la même opération et de comparer les résultats. Cependant, en raison de la pénurie actuelle de « puces Nvidia » haut de gamme, cela est nécessaire. Cette approche se heurte à des défis évidents.

Une solution plus prometteuse consiste à effectuer des preuves ZK pour les calculs d'inférence d'IA hors chaîne, un protocole cryptographique dans lequel le prouveur d'une partie peut prouver au vérificateur d'une autre partie qu'une déclaration donnée est vraie sans rien révéler sauf « des informations supplémentaires. autre que la déclaration est vraie", permettant une vérification sans autorisation des calculs du modèle d'IA sur la chaîne. Cela nécessite de prouver cryptographiquement en chaîne que les calculs hors chaîne ont été effectués correctement (par exemple, l'ensemble de données n'a pas été falsifié) tout en garantissant que toutes les données restent confidentielles.

Les principaux avantages comprennent :

  • Évolutivité : les preuves sans connaissance peuvent rapidement confirmer un grand nombre de calculs hors chaîne. Même si le nombre de transactions augmente, une seule preuve sans connaissance peut vérifier toutes les transactions.

  • Protection de la vie privée : les données et les détails des modèles d'IA restent privés, tandis que toutes les parties peuvent vérifier que les données et les modèles n'ont pas été compromis.

  • Sans confiance : les calculs peuvent être confirmés sans recourir à des parties centralisées.

  • Intégration Web2 : par définition, Web2 est intégré hors chaîne, ce qui signifie qu'un raisonnement vérifiable peut aider à mettre ses ensembles de données et ses calculs d'IA en chaîne. Cela contribue à augmenter l’adoption du Web3.

Actuellement, les technologies vérifiables de Web3 pour un raisonnement vérifiable sont les suivantes :

  • zkML : combinant des preuves sans connaissance avec l'apprentissage automatique pour garantir la confidentialité des données et des modèles, permettant des calculs vérifiables sans révéler certaines propriétés sous-jacentes, comme Modulus Labs a publié le prouveur ZK conçu pour l'IA basé sur ZKML, pour vérifier efficacement si l'IA L'algorithme de manipulation du fournisseur est correctement exécuté sur la chaîne, mais les clients actuels sont essentiellement des DApp sur la chaîne.

  • opML : utilise le principe d'agrégation optimiste pour améliorer l'évolutivité et l'efficacité des calculs ML en vérifiant le moment où les litiges surviennent. Dans ce modèle, seule une petite partie des résultats générés par le « vérificateur » doit être vérifiée, mais l'aspect économique. le coût sera réduit suffisamment élevé pour augmenter le coût de triche du vérificateur et ainsi économiser des calculs redondants.

  • TeeML : effectuez en toute sécurité des calculs ML à l'aide d'un environnement d'exécution fiable, protégeant les données et les modèles contre la falsification et les accès non autorisés.

3. Couche application : agent IA

Le développement actuel de l’IA a montré un déplacement de l’orientation du développement des capacités de modèle vers les agents d’IA. Des entreprises technologiques telles que OpenAI, la licorne à grand modèle d'IA Anthropic et Microsoft se sont tournées vers le développement d'agents d'IA pour tenter de briser la période actuelle de la plate-forme technologique LLM.

La définition d'AI Agent d'OpenAI est la suivante : un système piloté par LLM en tant que cerveau, avec la capacité de comprendre de manière autonome la perception, la planification, la mémoire et l'utilisation des outils, et peut exécuter automatiquement des tâches complexes. Lorsque l’IA passe d’un outil utilisé à un sujet pouvant utiliser l’outil, elle devient un agent IA. C’est pourquoi AI Agent peut devenir l’assistant intelligent le plus idéal pour l’humanité.

Et que peut apporter Web3 à Agent ?

▎Décentralisation

La nature décentralisée du Web3 peut rendre le système Agent plus décentralisé et autonome. La mise en place de mécanismes d'incitation et de punition pour les donateurs et les délégants via PoS, DPoS et d'autres mécanismes peut promouvoir la démocratisation du système Agent. GaiaNet, Theoriq et HajimeAI l'ont tous tenté. .

▎Démarrage à froid

Le développement et l'itération d'agents IA nécessitent souvent un soutien financier important, et Web3 peut aider les projets potentiels d'agents IA à obtenir un financement précoce et des démarrages à froid.

  • Virtual Protocol lance fun.virtuals, une plateforme de création d'agents AI et d'émission de jetons. Tout utilisateur peut déployer un agent AI en un seul clic et obtenir une émission 100 % équitable de jetons d'agent AI.

  • Spectral a proposé un concept de produit qui prend en charge l'émission d'actifs d'agent AI sur la chaîne : en émettant des jetons via IAO (Initial Agent Offer), AI Agent peut directement obtenir des fonds des investisseurs et devenir membre de la gouvernance DAO, offrant aux investisseurs des opportunités de participer. dans le développement de projets et la possibilité de partager les bénéfices futurs.

Partie.2 Comment l'IA renforce-t-elle le Web3 ?

L'impact de l'IA sur le projet Web3 est évident. Elle profite à la technologie blockchain en optimisant les opérations en chaîne telles que l'exécution de contrats intelligents, l'optimisation des liquidités et les décisions de gouvernance basées sur l'IA. des informations, améliorer la sécurité en chaîne et jeter les bases de nouvelles applications basées sur Web3.

1. IA et finance en chaîne

▎IA et crypto-économie

Le 31 août, le PDG de Coinbase, Brian Armstrong, a annoncé la mise en œuvre de la première transaction cryptée IA à IA sur le réseau de base et a déclaré que les agents IA peuvent désormais utiliser l'USD sur la base pour effectuer des transactions avec des humains, des commerçants ou d'autres IA. les transactions sont instantanées, mondiales et gratuites.

En plus du paiement, Luna de Virtuals Protocol a également démontré pour la première fois comment un agent d'IA peut exécuter de manière autonome des transactions en chaîne des manières suivantes, ce qui a attiré l'attention en tant qu'entité intelligente capable de percevoir l'environnement, de prendre des décisions et d'effectuer des actions. L'agent est considéré comme un avenir de la finance en chaîne. À l'heure actuelle, les scénarios potentiels de l'agent AI se reflètent dans les points suivants :

1. Collecte d'informations et prédiction : aidez les investisseurs à collecter des annonces d'échange, des informations publiques sur les projets, la panique, les risques d'opinion publique et d'autres informations, à analyser et à évaluer les fondamentaux des actifs et les conditions du marché en temps réel, et à prédire les tendances et les risques.

2. Gestion des actifs : fournissez aux utilisateurs des objectifs d'investissement appropriés, optimisez les portefeuilles d'actifs et exécutez automatiquement les transactions.

3. Expérience financière : aidez les investisseurs à choisir la méthode de transaction en chaîne la plus rapide, à automatiser les opérations manuelles telles que les frais de gaz inter-chaînes et d'ajustement, et à réduire le seuil et le coût des activités financières en chaîne.

Imaginez un scénario dans lequel vous transmettez les instructions suivantes à l'agent IA : "J'ai 1 000 USDT, aidez-moi s'il vous plaît à trouver la combinaison avec le rendement le plus élevé, et le temps de blocage n'est pas supérieur à une semaine." ​L'agent vous fournira les conseils suivants : "L'allocation initiale recommandée est de 50 % en A, 20 % en B, 20 % en X, 10 % en Y. Je surveillerai les taux d'intérêt et surveillerai leurs niveaux de risque changer et se rééquilibrer. si nécessaire. « Recherchez également des projets potentiels de largage aérien. Panneaux de quartier populaires. Le projet Memecoin est quelque chose qu’AI Agent pourra réaliser à l’avenir.

Source : Biéconomie

Actuellement, le portefeuille AI Agent Bitte et le protocole d'interaction AI Wayfinder tentent tous d'accéder au modèle d'API d'OpenAI, permettant aux utilisateurs de commander à l'agent d'effectuer diverses opérations en chaîne sous une interface de fenêtre de discussion similaire à ChatGPT, telle que. WayFinder Le premier prototype publié en avril de cette année a démontré les quatre opérations de base d'échange, d'envoi, de pont et de participation sur les trois réseaux principaux de la chaîne publique de Base, Polygon et Ethereum.

Actuellement, la plate-forme d'agent décentralisée Morpheus prend également en charge le développement de ce type d'agent. Par exemple, Biconomy a également démontré une opération dans laquelle l'agent AI peut échanger ETH en USDC sans autoriser les autorisations complètes du portefeuille.

▎IA et sécurité des transactions en chaîne

Dans le monde Web3, la sécurité des transactions en chaîne est cruciale. La technologie de l'IA peut être utilisée pour améliorer la sécurité et la protection de la confidentialité des transactions en chaîne. Les scénarios potentiels incluent :

Surveillance des transactions : la technologie de données en temps réel surveille les activités de transaction anormales, l'infrastructure d'alerte en temps réel pour les utilisateurs et la plateforme.

Analyse des risques : aidez la plateforme à analyser les données sur le comportement des transactions des clients et à évaluer son niveau de risque.

Par exemple, la plate-forme de sécurité Web3 SeQure utilise l'IA pour détecter et prévenir les attaques malveillantes, la fraude et les fuites de données, et fournit des mécanismes de surveillance et d'alerte en temps réel pour garantir la sécurité et la stabilité des transactions en chaîne. Des outils de sécurité similaires incluent Sentinel, basé sur l'IA.

2. IA et infrastructure en chaîne

▎IA et données en chaîne

La technologie de l'IA joue un rôle important dans la collecte et l'analyse de données en chaîne, telles que :

  • Web3 Analytics : est une plate-forme d'analyse basée sur l'IA qui utilise des algorithmes d'apprentissage automatique et d'exploration de données pour collecter, traiter et analyser des données en chaîne.

  • MinMax AI : il fournit des outils d'analyse de données en chaîne basés sur l'IA pour aider les utilisateurs à découvrir les opportunités et les tendances potentielles du marché.

  • Kaito : plateforme de recherche Web3 basée sur le moteur de recherche LLM.

  • Followin : s'intègre à ChatGPT pour collecter, intégrer et présenter des informations pertinentes dispersées sur différents sites Web et plateformes sociales.

  • Un autre scénario d'application est celui des oracles, où l'IA peut obtenir des prix à partir de plusieurs sources pour fournir des données de tarification précises. Par exemple, Upshot utilise l'IA pour cibler les prix volatils des NFT et fournit des prix NFT avec un pourcentage d'erreur de 3 à 10 % grâce à plus de 100 millions d'évaluations par heure.

▎IA et développement et audit

Récemment, Cursor, un éditeur de code Web2 AI, a attiré beaucoup d'attention dans le cercle des développeurs. Sur sa plate-forme, les utilisateurs n'ont qu'à le décrire en langage naturel, et Cursor peut générer automatiquement les codes HTML, CSS et javaScript correspondants. simplifiant le processus de développement du logiciel, cette logique convient également pour améliorer l'efficacité du développement du Web3.

Actuellement, le déploiement de contrats intelligents et de DApps sur des chaînes publiques nécessite généralement de suivre des langages de développement propriétaires tels que Solidity, Rust, Move, etc. La vision du nouveau langage de développement est d'élargir l'espace de conception de la blockchain décentralisée et de la rendre plus adaptée au développement de DApp. Cependant, étant donné la grande pénurie de développeurs Web3, la formation des développeurs a toujours été un problème plus problématique.

À l'heure actuelle, l'IA aide au développement du Web3. Les scénarios imaginables incluent : la génération automatisée de code, la vérification et les tests de contrats intelligents, le déploiement et la maintenance de DApp, l'achèvement intelligent du code, le dialogue avec l'IA pour répondre aux problèmes de développement, etc. Avec l'aide de l'IA, cela n'aide pas seulement. pour améliorer l'efficacité et la précision du développement, mais abaisse également le seuil de programmation, permettant aux non-programmeurs de transformer leurs idées en applications pratiques, apportant une nouvelle vitalité au développement de technologies décentralisées.

Actuellement, les plus accrocheuses sont les plates-formes de lancement de jetons en un clic telles que Clanker, un « Token Bot » alimenté par l'IA et conçu pour un déploiement rapide de jetons DIY. Il vous suffit de marquer Clanker sur le client Farcaster du protocole SocialFi tel que Warpcast ou Supercast, de lui indiquer votre idée de token, et il activera le token pour vous sur la chaîne publique Base.

Il existe également des plates-formes de développement de contrats, telles que Spectral, qui permettent de générer et de déployer des contrats intelligents en un clic pour abaisser le seuil de développement Web3. Même les utilisateurs novices peuvent compiler et déployer des contrats intelligents.

En termes d'audit, la plateforme d'audit Web3 Fuzzland utilise l'IA pour aider les auditeurs à vérifier les vulnérabilités du code et à fournir des explications en langage naturel pour assister l'expertise en audit. Fuzzland utilise également l'IA pour fournir des explications en langage naturel des spécifications formelles et du code du contrat, ainsi que des exemples de code pour aider les développeurs à comprendre les problèmes potentiels dans le code.

3. Nouveau récit IA et Web3

L’essor de l’IA générative ouvre de nouvelles possibilités pour les nouveaux récits Web3.

NFT : L'IA injecte de la créativité dans le NFT génératif. Grâce à la technologie de l'IA, diverses œuvres d'art et personnages uniques et divers peuvent être générés. Ces NFT génératifs peuvent devenir des personnages, des accessoires ou des éléments de scène dans des jeux, des mondes virtuels ou des métaverses, comme Bicasso de Binance, des utilisateurs. peut télécharger des images et saisir des mots-clés pour effectuer des opérations d'IA et générer des NFT. Des projets similaires incluent Solvo, Nicho, IgmnAI et CharacterGPT.

GameFi : centré sur les capacités de génération de langage naturel, de génération d'images et de PNJ intelligents de l'IA, GameFi devrait améliorer l'efficacité et l'innovation dans la production de contenu de jeux. Par exemple, le premier jeu blockchain de Binaryx, AI Hero, permet aux joueurs d'explorer de manière aléatoire différentes options d'intrigue via l'IA ; il existe également le jeu compagnon virtuel Sleepless AI, basé sur AIGC et LLM, et les joueurs peuvent débloquer un gameplay personnalisé grâce à différentes interactions.

DAO : actuellement, il est également envisagé d'appliquer l'IA à DAO pour aider à suivre les interactions de la communauté, à enregistrer les contributions, à récompenser les membres ayant le plus de contributions, à voter par procuration, etc. Par exemple, ai16z utilise AI Agent pour collecter des informations sur le marché sur et hors de la chaîne, analyser le consensus de la communauté et prendre des décisions d'investissement basées sur les recommandations des membres de la DAO.

Part.3 L'importance de la combinaison AI+Web3 : tour et carré

Au cœur de Florence, en Italie, se trouve la place centrale, le lieu le plus important pour les activités politiques et un lieu de rassemblement pour les citoyens et les touristes. Ici se dresse une tour de l'hôtel de ville de 95 mètres de haut, qui relie la tour et l'horizontale. la place Les contrastes visuels se complètent et créent un effet esthétique dramatique. Neil Ferguson, professeur d'histoire à l'Université de Harvard, s'en est inspiré et l'a associé à l'histoire mondiale des réseaux et des hiérarchies dans le livre (Plazas and Towers). Au fil du temps, les marées dans la rivière vont et viennent.

Cette merveilleuse métaphore n’est pas déplacée lorsqu’il s’agit de la relation entre l’IA et le Web3 aujourd’hui. De l'histoire des relations non linéaires à long terme entre les deux, nous pouvons voir que la place est plus susceptible de produire de nouvelles choses et de manière plus créative que la tour, mais la tour a toujours sa légitimité et sa forte vitalité.

Grâce à la capacité des entreprises technologiques à regrouper fortement les données de puissance de calcul énergétique, l'IA a explosé avec une imagination sans précédent, et les grandes entreprises technologiques ont investi massivement dans ce domaine, allant de différents robots de discussion aux « grands modèles sous-jacents » GPT-4, GP4-4o. , etc. Des versions itératives sont apparues tour à tour, et le robot de programmation automatique (Devin) et Sora, qui a la capacité de simuler dans un premier temps le monde physique réel, ont été libérés. L'imagination de l'IA a été infiniment agrandie.

Dans le même temps, l'IA est essentiellement une industrie à grande échelle et centralisée. Ce changement technologique poussera les entreprises technologiques qui ont progressivement acquis une domination structurelle à l'ère de l'Internet vers un point culminant plus étroit. L’énorme quantité d’électricité, les flux de trésorerie monopolistiques et les énormes ensembles de données nécessaires pour dominer l’ère intelligente ont créé des obstacles plus élevés pour cela.

À mesure que les tours deviennent de plus en plus hautes, les décideurs dans les coulisses deviennent de plus en plus petits, et la centralisation de l'IA entraîne de nombreux dangers cachés. Comment les personnes rassemblées sur la place peuvent-elles éviter les ombres sous les tours ? C'est le problème que Web3 espère résoudre.

Essentiellement, les propriétés inhérentes à la blockchain améliorent les systèmes d’intelligence artificielle et apportent de nouvelles possibilités, principalement :

  • « Le code fait loi » à l'ère de l'intelligence artificielle : grâce aux contrats intelligents et à la vérification cryptographique, un système transparent exécute automatiquement les règles et offre des récompenses aux personnes les plus proches de l'objectif.

  • Économie des jetons – Créez et coordonnez le comportement des participants grâce à des mécanismes de jetons, de jalonnement, de réduction, de récompenses et de pénalités de jetons.

  • Gouvernance décentralisée – nous incitant à remettre en question les sources d’information et à encourager une approche plus critique et plus approfondie des technologies d’IA, évitant ainsi les préjugés, la désinformation et la manipulation, favorisant ainsi une société plus informée et plus autonome.

Le développement de l'IA a également apporté une nouvelle vitalité au Web3. Il faudra peut-être du temps pour prouver l'impact du Web3 sur l'IA, mais l'impact de l'IA sur le Web3 est immédiat : qu'il s'agisse du carnaval de Meme ou de l'aide de l'IA Agent. pour réduire le coût des applications en chaîne. Le seuil d'utilisation est visible.

Lorsque le Web3 a été défini comme l'intérêt personnel d'un petit groupe de personnes et que des doutes ont surgi quant à la copie des industries traditionnelles, l'ajout de l'IA lui a apporté un avenir prévisible : un groupe d'utilisateurs Web2 plus stable et plus large, et des modèles commerciaux innovants plus vastes. et services.

Nous vivons dans un monde où « tours et carrés » coexistent. Bien que l'IA et le Web3 aient des délais et des points de départ différents, leurs points finaux sont de savoir comment rendre les machines mieux servir les humains. Personne ne peut définir un fleuve tumultueux. l'avenir de l'IA+Web3.

*Tout le contenu de la plateforme Coinspire est uniquement à titre de référence et ne constitue pas une offre ou une recommandation pour une quelconque stratégie d'investissement. Toute décision personnelle basée sur le contenu de cet article relève de la seule responsabilité de l'investisseur, et Coinspire n'est pas responsable des gains ou des pertes qui en résultent. L'investissement est risqué et les décisions doivent être prises avec prudence.