Fonte dell'articolo: Yuliya
Autore originale: Kuleen, Responsabile DePIN della Fondazione Solana
Compilazione: Yuliya, PANews
Attualmente, l'incrocio tra IA e tecnologia crittografica sta entrando in una fase sperimentale di "esplosione cambriana". La Fondazione Solana delinea in dettaglio le tre principali aree di sviluppo della fusione IA+crypto.
TLDR
1. Costruire l'economia guidata da agenti intelligenti più dinamica su Solana
Truth Terminal ha dimostrato la fattibilità del funzionamento degli agenti IA on-chain. Gli esperimenti in questo campo stanno continuamente superando i confini delle operazioni degli agenti on-chain, e questo settore non solo ha un enorme potenziale, ma uno spazio progettuale estremamente ampio. Attualmente, questo è diventato uno dei settori più innovativi e dirompenti nel campo della crittografia e dell'IA, e questo è solo l'inizio.
2. Migliorare le capacità dei LLM nello sviluppo di codice Solana
I modelli linguistici di grandi dimensioni hanno già dimostrato eccellenti capacità nella scrittura di codice e si prevede che miglioreranno ulteriormente in futuro. Grazie a queste capacità, l'efficienza degli sviluppatori di Solana potrebbe aumentare di 2-10 volte. Recentemente, stabilire benchmark di alta qualità per valutare la comprensione e la scrittura di codice Solana da parte dei LLM contribuirà a comprendere il potenziale impatto dei LLM sull'ecosistema Solana. Le soluzioni di fine-tuning di alta qualità dei modelli saranno convalidate nei test di benchmark.
3. Sostenere uno stack tecnologico dell'IA aperto e decentralizzato
"Stack tecnologico dell'IA aperto e decentralizzato" include i seguenti elementi chiave:
Acquisizione di dati di addestramento
Capacità di calcolo per addestramento e inferenza
Condivisione dei pesi del modello
Capacità di verifica dell'output del modello
L'importanza di questo stack tecnologico dell'IA aperto si riflette in:
Accelerare l'innovazione nello sviluppo dei modelli e negli esperimenti
Fornire alternative agli utenti che non si fidano dell'IA centralizzata
1. Costruire l'economia guidata da agenti intelligenti più dinamica
Ci sono già molte discussioni su Truth Terminal e $GOAT, quindi non c'è bisogno di ulteriori dettagli. Ma è certo che quando gli agenti IA inizieranno a partecipare ad attività on-chain, si aprirà un nuovo mondo pieno di possibilità (è importante notare che attualmente gli agenti non hanno ancora intrapreso azioni dirette on-chain).
Sebbene non sia ancora possibile prevedere con precisione l'evoluzione futura del comportamento degli agenti on-chain, osservando le innovazioni già avvenute su Solana, possiamo intravedere l'ampio potenziale di questo spazio progettuale:
Progetti IA come Truth Terminal stanno sviluppando nuove comunità digitali attraverso Meme coins come $GOAT
Piattaforme come Holoworld AI, vvaifu.fun, Top Hat AI, Alethea AI consentono agli utenti di creare e distribuire facilmente agenti intelligenti e i loro token correlati
Stanno emergendo gestori di fondi IA addestrati in base alle caratteristiche personali di noti investitori crittografici, e su daos.fun, l'emergere rapido di ai16z ha inaugurato un nuovo ecosistema tra fondi IA e sostenitori degli agenti
Inoltre, piattaforme di gioco come Colony consentono ai giocatori di partecipare al gioco guidando le azioni degli agenti, generando spesso modalità di gioco inaspettate e innovative.
Direzioni di sviluppo future
In futuro, gli agenti intelligenti potrebbero gestire progetti complessi che richiedono coordinamento economico multilaterale. Ad esempio, nel campo della ricerca scientifica, gli agenti potrebbero essere responsabili della ricerca di composti terapeutici per malattie specifiche. In particolare:
Raccogliere fondi per token tramite la piattaforma Pump Science
Utilizzare i fondi raccolti per pagare l'accesso a materiali di ricerca a pagamento, per i costi di calcolo delle simulazioni di composti su reti di calcolo decentralizzate come kuzco, Render Network, io.net
Reclutare umani per eseguire esperimenti di verifica tramite piattaforme di bounty come Gib.Work (ad esempio, eseguire esperimenti per verificare/stabilire i risultati delle simulazioni)
Oltre ai progetti complessi, gli agenti possono anche svolgere compiti semplici come la creazione di siti web personali o la creazione di opere d'arte (come zerebro), i cui scenari applicativi hanno possibilità infinite.
Perché ha più senso per gli agenti eseguire attività finanziarie on-chain piuttosto che utilizzare canali tradizionali?
Gli agenti possono sicuramente utilizzare sia canali finanziari tradizionali che sistemi di criptovaluta. Tuttavia, le criptovalute hanno vantaggi unici in alcuni ambiti:
Applicazioni di micropagamenti—Solana ha dimostrato di avere successo in questo ambito, come dimostrano applicazioni come Drip
Vantaggio di velocità—funzione di regolamento immediato, che aiuta gli agenti a raggiungere la massima efficienza di capitale
Entrare nei mercati di capitale tramite DeFi—questo potrebbe essere il motivo più convincente per cui gli agenti partecipano all'economia crittografica. Quando gli agenti necessitano di intraprendere attività finanziarie oltre ai pagamenti, i vantaggi delle criptovalute diventano ancora più evidenti. Gli agenti possono coniare beni, effettuare transazioni, investire, prestare, utilizzare leva, ecc. In particolare, Solana, avendo già molte infrastrutture DeFi di alto livello sulla sua mainnet, è particolarmente adatta a supportare queste attività nei mercati di capitale.
Dal punto di vista delle leggi dello sviluppo tecnologico, la dipendenza dai percorsi gioca un ruolo chiave. Non è così importante se il prodotto è ottimale, ciò che conta è chi riesce a raggiungere per primo la scala critica e diventare la scelta predefinita. Con un numero crescente di agenti che ottengono guadagni attraverso criptovalute, la connessione crittografata potrebbe diventare la capacità centrale degli agenti.
La fondazione desidera vedere
La Fondazione Solana desidera vedere agenti equipaggiati con portafogli crittografici in grado di condurre audaci esperimenti innovativi on-chain. La fondazione non limita eccessivamente le direzioni specifiche, poiché le possibilità sono semplicemente troppo ampie—è probabile che gli scenari applicativi degli agenti più interessanti e preziosi siano attualmente imprevedibili.
Tuttavia, la fondazione è particolarmente interessata all'esplorazione delle seguenti direzioni:
1. Meccanismi di controllo del rischio
Sebbene i modelli attuali mostrino prestazioni eccellenti, sono ancora lontani dall'essere perfetti
Non si può dare agli agenti una libertà di azione completamente illimitata
2. Promuovere scenari di utilizzo non speculativi
Acquistare biglietti tramite xpticket
Ottimizzare i rendimenti del portafoglio di stablecoin
Ordinare cibo su DoorDash
3. Requisiti di avanzamento dello sviluppo
Deve almeno raggiungere la fase prototipo della testnet
Preferibilmente dovrebbe già essere in esecuzione sulla mainnet
2. Migliorare la capacità dei LLM di scrivere codice Solana, potenziando gli sviluppatori di Solana
I LLM hanno già dimostrato potenti capacità e stanno progredendo rapidamente. Nel campo delle applicazioni LLM, la scrittura di codice potrebbe mostrare una curva di progresso particolarmente ripida, poiché si tratta di un compito che può essere valutato oggettivamente. Come detto di seguito, "La programmazione ha un vantaggio unico: la potenzialità di ottenere un'espansione dei dati sovrumana attraverso il 'gioco autonomo'. I modelli possono scrivere codice e eseguirlo, oppure scrivere codice, scrivere test e poi verificare la coerenza.
Oggi, sebbene i LLM non siano ancora perfetti nella scrittura di codice, presentando evidenti carenze (ad esempio, scarse prestazioni nell'individuazione di bug), editor di codice nativi IA come Github Copilot e Cursor hanno già cambiato radicalmente lo sviluppo software (incluso il modo in cui le aziende assumono talenti). Considerato il tasso di progresso rapido previsto, è probabile che questi modelli cambieranno radicalmente lo sviluppo software. La fondazione spera di sfruttare questo progresso per migliorare l'efficienza lavorativa degli sviluppatori di Solana di un ordine di grandezza.
Tuttavia, attualmente ci sono diverse sfide che ostacolano i LLM nel raggiungere livelli di eccellenza nella comprensione di Solana:
Mancanza di dati di addestramento originali di alta qualità
Numero insufficiente di costruzioni verificate (Verified builds)
Mancanza di interazioni ad alto valore informativo su piattaforme come Stack Overflow
Storicamente, l'infrastruttura di Solana si è sviluppata rapidamente, il che significa che anche il codice scritto sei mesi fa potrebbe non essere del tutto adatto alle esigenze di oggi
Mancanza di metodi per valutare il livello di comprensione di Solana da parte dei modelli
La fondazione desidera vedere
Aiutare a ottenere migliori dati su Solana su Internet
Più team rilasciano costruzioni verificate (Verified builds)
Più persone nell'ecosistema pongono attivamente buone domande e forniscono risposte di alta qualità su Stack Exchange
Creare benchmark di alta qualità per valutare il livello di comprensione di Solana da parte dei LLM (RFP in arrivo)
Creare modelli di fine-tuning LLM che si comportino bene nei benchmark sopra citati, e più importante, accelerare l'efficienza di lavoro degli sviluppatori di Solana; una volta stabiliti benchmark di alta qualità, la fondazione potrebbe premiare il primo modello che raggiunge la soglia di punteggio del benchmark
Il risultato finale significativo sarà: un client di nodo di verifica Solana completamente nuovo, di alta qualità e differenziato, creato interamente dall'IA.
3. Sostenere uno stack tecnologico dell'IA aperto e decentralizzato
Nel campo dell'IA, l'equilibrio di potere a lungo termine tra modelli open source e closed source rimane poco chiaro. Ci sono argomentazioni a favore delle entità closed source che continueranno a mantenere il vantaggio tecnologico e a guadagnare il valore principale dei modelli di base. L'aspettativa più semplice al momento è il mantenimento dello status quo—giganti tecnologici come OpenAI e Anthropic spingono per lo sviluppo all'avanguardia, mentre i modelli open source seguono rapidamente, ottenendo vantaggi unici in scenari applicativi specifici attraverso il fine-tuning.
La fondazione si dedica a connettere strettamente Solana con l'ecosistema dell'IA open source. In particolare, ciò significa supportare l'accesso ai seguenti elementi:
Dati di addestramento
Potenza di calcolo per addestramento e inferenza
Pesi del modello
Capacità di verifica dell'output del modello
L'importanza di questa strategia si riflette in:
1. Modelli open source che accelerano l'iterazione innovativa
I miglioramenti rapidi e il fine-tuning dei modelli open source come Llama da parte della comunità mostrano come la comunità possa integrare efficacemente il lavoro delle grandi aziende di IA, spingendo i confini delle capacità dell'IA (persino un ricercatore di Google ha sottolineato l'anno scorso "In termini di open source, non abbiamo un fossato, nemmeno OpenAI"). La fondazione ritiene che uno stack tecnologico dell'IA open source fiorente sia cruciale per accelerare i progressi in questo campo.
2. Fornire opzioni agli utenti che non si fidano dell'IA centralizzata
L'IA potrebbe essere lo strumento più potente nel arsenale di regimi autoritari o dittatoriali. I modelli riconosciuti dallo stato forniscono una "verità" ufficialmente riconosciuta, un importante vettore di controllo. I regimi altamente autoritari potrebbero avere modelli superiori, poiché sono disposti a ignorare la privacy dei cittadini per addestrare l'IA. L'uso dell'IA per il controllo è una tendenza inevitabile, e la fondazione desidera prepararsi, supportando appieno lo stack tecnologico dell'IA open source.
Ci sono già diversi progetti nell'ecosistema Solana a sostegno di uno stack tecnologico dell'IA aperto:
Raccolta dati—Grass e Synesis One stanno promuovendo la raccolta di dati
Potenza di calcolo decentralizzata—kuzco, Render Network, io.net, Bless Network, Nosana, ecc.
Framework di addestramento decentralizzato—Nous Research, Prime Intellect
La fondazione si aspetta di vedere
Si spera di costruire più prodotti in tutti i livelli dello stack tecnologico dell'IA open source:
Raccolta dati decentralizzata: ad esempio Grass, Datahive, Synesis One
Identità on-chain: protocolli che supportano i portafogli per convalidare l'identità umana, protocolli che verificano la risposta dell'API IA, consentendo agli utenti di confermare di interagire con un LLM
Addestramento decentralizzato: progetti simili a EXO Labs, Nous Research e Prime Intellect
Infrastruttura IP: consente all'IA di concedere licenze (e pagare) per i contenuti che utilizza
