Autore: @knimkar
Traduzione: Blockchain in linguaggio colloquiale
Sembra che stiamo entrando in una fase di esplosione di esperimenti di casi d'uso all'incrocio tra AI e criptovalute. Sono molto entusiasta dei risultati che emergono da questa energia e voglio condividere alcune nuove opportunità entusiasmanti che abbiamo visto nell'ecosistema di @SolanaFndn.
1) Panoramica breve
1) Promuovere l'economia guidata da agenti più vivace su Solana. Truth Terminal ha mostrato per la prima volta le realizzazioni che gli agenti AI possono raggiungere quando sono in grado di interagire on-chain. Ci aspettiamo di vedere esperimenti che superano in modo sicuro i confini delle capacità degli agenti on-chain. Questo campo ha un potenziale enorme e non abbiamo nemmeno iniziato a esplorare lo spazio di design. Questo si è già dimostrato essere uno degli ambiti più sorprendenti e esplosivi nella combinazione tra crittografia e AI, e tutto è appena iniziato.
2) Far sì che i modelli di linguaggio di grandi dimensioni (LLM) si comportino meglio nella scrittura di codice Solana, potenziare gli sviluppatori di Solana. I modelli di linguaggio di grandi dimensioni stanno già mostrando buone performance nella scrittura di codice e diventeranno ancora più potenti. Vogliamo sfruttare queste capacità per aumentare l'efficienza del lavoro degli sviluppatori di Solana di 2-10 volte. Nel breve termine, creeremo benchmark di alta qualità per misurare la comprensione di Solana da parte degli LLM e la loro capacità di scrivere codice Solana (vedi sotto), questi test ci aiuteranno a comprendere il potenziale impatto degli LLM sull'ecosistema Solana. Ci aspettiamo di supportare i team che fanno progressi di alta qualità nel fine-tuning dei modelli (verificheremo la loro qualità attraverso le loro eccellenti prestazioni nei benchmark!).
3) Supportare uno stack tecnologico AI aperto e decentralizzato. Ciò che intendiamo per "stack tecnologico AI aperto e decentralizzato" è protocolli aperti e decentralizzati in grado di facilitare l'accesso alle seguenti risorse: dati utilizzati per l'addestramento, risorse di calcolo (per addestramento e inferenza), pesi dei modelli e la capacità di verificare l'output dei modelli ("calcolo verificabile"). Questo stack tecnologico AI aperto è molto importante perché:
Accelerare esperimenti e innovazioni nel processo di sviluppo del modello
Fornire una via d'uscita per coloro che potrebbero essere costretti a utilizzare AI non affidabili (ad esempio AI approvata dallo stato)
Speriamo di supportare team e prodotti che costruiscono a tutti i livelli di questo stack tecnologico. Se stai lavorando su qualcosa di correlato a queste aree focali, contatta l'autore originale!
2. Panoramica dettagliata
Qui di seguito, spiegheremo più dettagliatamente perché siamo entusiasti di questi tre pilastri e quali costruzioni speriamo di vedere.
1) Promuovere l'economia guidata da agenti più vibrante
Perché ci preoccupiamo di questo? Ci sono già stati molti discorsi su Truth Terminal e GOAT, non voglio ripeterli qui, ma è chiaro che le varie funzioni straordinarie che gli agenti AI possono realizzare interagendo on-chain sono entrate irrevocabilmente nella realtà (e in questo caso, gli agenti non hanno nemmeno agito direttamente on-chain).
Possiamo dire con certezza che attualmente non sappiamo esattamente quale sarà il futuro del comportamento degli agenti on-chain, ma per dare a tutti un'idea di quanto sia ampio questo spazio di design, ecco alcune cose che sono già accadute su Solana:
Leader AI come Truth Terminal stanno cercando di coltivare una nuova religione attraverso memecoin come $GOAT;
Nel frattempo, applicazioni come @HoloworldAI, @vvaifudotfun, @TopHat_One, @real_alethea consentono agli utenti di creare e lanciare facilmente agenti e token correlati.
Prendere decisioni di investimento e alimentare i loro portafogli addestrando agenti AI personalizzati ispirati a noti investitori in criptovalute. Ad esempio, l'emergere rapido di @ai16zdao su @daosdotfun ha creato un nuovo metaverso di fondi AI + agenti di supporto.
Ci sono anche alcuni giochi incentrati sugli agenti, come @ParallelColony, in cui i giocatori utilizzano comandi per far agire gli agenti, spesso con risultati inaspettati.
Possibili direzioni di sviluppo futuro:
La gestione degli agenti richiede progetti multifaceted di coordinamento economico tra le parti. Ad esempio, gli agenti possono affrontare compiti complessi come "trovare un composto in grado di curare la malattia [X]". Gli agenti possono eseguire le seguenti operazioni:
Raccogliere fondi tramite Token su @pumpdotscience;
Utilizzare i fondi raccolti per pagare le spese di ricerca retribuita correlate e per pagare le spese di calcolo su reti di calcolo decentralizzate (come @kuzco_xyz, @rendernetwork, @ionet, ecc.) per simulare vari composti;
Utilizzando piattaforme di ricompensa come @gib_work, reclutare umani per eseguire compiti di lavoro reale (ad esempio, eseguire esperimenti per verificare / perfezionare i risultati delle simulazioni);
O eseguire un compito semplice, come aiutarti a costruire un sito web, o creare opere d'arte con AI (ad esempio, @0xzerebro).
Ci sono molte altre possibilità.
Perché ha più senso per gli agenti eseguire attività finanziarie on-chain (anziché nel sistema finanziario tradizionale)? Gli agenti possono tranquillamente sfruttare sia il sistema finanziario tradizionale che le criptovalute. Ecco alcuni motivi per cui le criptovalute sono particolarmente adatte in alcuni aspetti:
Scenari di micropagamenti - Solana ha eccelso in questo, applicazioni come Drip hanno già mostrato il loro potenziale.
Velocità - la liquidazione immediata può essere cruciale per gli agenti, specialmente quando desideri che raggiungano l'efficienza di capitale ottimale.
Accedere ai mercati dei capitali tramite DeFi - una volta che gli agenti iniziano a intraprendere attività finanziarie rigorose oltre ai pagamenti, i vantaggi delle criptovalute diventano particolarmente evidenti. Questo potrebbe essere il motivo più potente per cui gli agenti partecipano all'economia crittografica. Gli agenti possono emettere asset senza soluzione di continuità, effettuare transazioni, investire, prendere in prestito, utilizzare leva e altro.
Solana è particolarmente adatta a supportare questa attività di mercato dei capitali, poiché la mainnet di Solana ha già un'infrastruttura DeFi ricca e di alto livello.
Infine, la tecnologia è spesso dipendente dal percorso, la chiave non è quale prodotto sia il migliore, ma quale prodotto raggiunga per primo una qualità critica e diventi il percorso predefinito. Se vediamo più agenti creare ricchezze significative attraverso le criptovalute, questo potrebbe consolidare la connettività delle criptovalute come una capacità importante degli agenti.
Ciò che speriamo di vedere
Esperimenti audaci che combinano agenti e portafogli, capaci di eseguire operazioni on-chain. Non abbiamo fornito qui una definizione troppo specifica, poiché le possibilità sono molto ampie, e ci aspettiamo che i casi d'uso degli agenti più interessanti e preziosi siano quelli che non possiamo prevedere. Tuttavia, siamo particolarmente interessati all'esplorazione e alla costruzione di infrastrutture in queste direzioni:
Almeno in fase prototipale su testnet (meglio su mainnet)
2) Rendere gli LLM abili nella scrittura di codice Solana e potenziare gli sviluppatori di Solana
Perché ci preoccupiamo di questo? Gli LLM hanno già capacità potenti e stanno progredendo rapidamente. Ma la scrittura di codice è una direzione particolarmente degna di attenzione nel campo delle applicazioni LLM, perché è un compito che può essere valutato oggettivamente. Come spiegato nel post qui sotto, "La programmazione ha un vantaggio unico: attraverso il 'self-play', è possibile ottenere un'espansione dei dati sovrumani. I modelli possono scrivere codice, quindi eseguirlo, oppure scrivere codice, scrivere test e controllare la coerenza."
Limitare l'impatto negativo delle illusioni - i modelli attuali sono molto potenti, ma sono ancora lontani dall'essere perfetti. Gli agenti non possono essere dotati di diritti di libertà totale per eseguire operazioni.
Promuovere scenari di applicazione non speculativa - ad esempio, consentirti di acquistare biglietti tramite @xpticket, ottimizzare i rendimenti per portafogli di stablecoin, o acquistare cibo su DoorDash, ecc.
Attualmente, anche se gli LLM sono ancora lontani dall'essere perfetti nella scrittura di codice e ci sono alcune carenze evidenti (ad esempio, hanno prestazioni scadenti nel trovare vulnerabilità), strumenti come Github Copilot e l'editor di codice nativo AI Cursor hanno già cambiato radicalmente lo sviluppo software (persino il modo in cui le aziende reclutano talenti). Considerando il rapido progresso previsto, è molto probabile che questi modelli cambieranno radicalmente lo sviluppo software. Vogliamo sfruttare questo progresso per aumentare di un ordine di grandezza l'efficienza lavorativa degli sviluppatori di Solana.
Tuttavia, ci sono attualmente alcune sfide che ostacolano le prestazioni degli LLM nella comprensione di Solana:
Non ci sono dati grezzi di alta qualità sufficienti per addestrare gli LLM;
Mancanza di versioni costruite verificate sufficienti;
In luoghi come Stack Overflow, manca un'adeguata comunicazione di informazioni di alto valore;
L'infrastruttura di Solana sta evolvendo rapidamente, il che significa che anche il codice scritto sei mesi fa potrebbe non essere completamente adatto alle esigenze attuali;
Non c'è modo di valutare il livello di comprensione del modello su Solana.
Ciò che speriamo di vedere
Aiutaci a pubblicare migliori dati su Solana su Internet!
Più team pubblicano versioni costruite verificate.
Speriamo che più persone nell'ecosistema possano partecipare attivamente a Stack Exchange, ponendo buone domande e fornendo risposte di alta qualità;
Creare benchmark di alta qualità per valutare la comprensione di Solana da parte degli LLM (RFP in arrivo);
Creare versioni LLM fine-tuned che ottengono punteggi elevati nei benchmark sopra menzionati, e soprattutto, accelerare il lavoro degli sviluppatori di Solana. Una volta che avremo benchmark di alta qualità, potremmo offrire ricompense per il primo modello che raggiunge un punteggio di benchmark - rimanete sintonizzati.
Il risultato finale qui sarà un client di nodo di validazione Solana di alta qualità e differenziato completamente creato da AI.
3) Sostenere uno stack tecnologico AI aperto e decentralizzato
Perché ci preoccupiamo di questo? Attualmente non è chiaro come il potere nel campo dell'AI si bilancerà tra AI open source e closed source nel lungo termine. Ci sono buone argomentazioni sul perché le entità closed source continueranno a mantenere il vantaggio tecnologico e a catturare gran parte del valore dai modelli di base. Ora, l'aspettativa più semplice è che lo stato attuale continui - grandi aziende come OpenAI e Anthropic spingono il confine tecnologico, mentre i modelli open source seguono rapidamente e alla fine possiedono versioni fine-tuned uniche e potenti per alcuni casi d'uso. Speriamo che Solana possa connettersi strettamente e supportare l'ecosistema AI open source. In particolare, ciò significa promuovere l'accesso a: dati utilizzati per l'addestramento, potenza di calcolo utilizzata per l'addestramento e inferenza, pesi dei modelli di risultato e la capacità di verificare l'output del modello. Riteniamo che queste siano importanti ragioni concrete:
A) I modelli open source aiutano ad accelerare il debug e l'innovazione nello sviluppo dei modelli. Come la comunità open source ha affinato e fine-tuned rapidamente modelli open source come Llama dimostra come la comunità possa integrare efficacemente gli sforzi delle grandi aziende AI nell'avanzare ai confini delle capacità AI (anche i ricercatori di Google hanno sottolineato lo scorso anno, riguardo all'open source, "Non abbiamo fossati, nemmeno OpenAI"). Riteniamo che uno stack tecnologico AI open source fiorente sia cruciale per accelerare la velocità dei progressi in questo campo.
B) Fornire un'uscita per coloro che potrebbero essere costretti a usare AI di cui non si fidano (ad esempio AI approvata dallo stato). L'AI potrebbe essere ora uno degli strumenti più potenti nel arsenale di un dittatore o di un regime autoritario. I modelli approvati dallo stato forniscono una versione della verità approvata dallo stato e diventano un enorme strumento di controllo. Regimi altamente autoritari potrebbero anche possedere modelli migliori, poiché sono disposti a ignorare la privacy dei cittadini per addestrare la loro AI. La questione di quando l'AI viene utilizzata come strumento di controllo è una questione di "quando" e non di "se", e speriamo di supportare il più possibile uno stack tecnologico AI open source per prepararci a questa possibilità.
Solana è già la casa di molti progetti che supportano lo stack tecnologico AI open source:
Grass e Synesis One stanno promuovendo la raccolta di dati;
@kuzco_xyz, @rendernetwork, @ionet, @theblessnetwork, @nosana_ai, ecc. stanno fornendo una vasta gamma di risorse di calcolo decentralizzate.
Team come @NousResearch e @PrimeIntellect stanno lavorando per sviluppare framework che rendano possibile l'addestramento decentralizzato (vedi sotto).
Ciò che speriamo di vedere è lo sviluppo di più prodotti a tutti i livelli dello stack tecnologico AI open source:
Raccolta dati decentralizzata, come @getgrass_io, @usedatahive, @synesis_one
Autenticazione dell'identità on-chain: inclusi protocolli che consentono ai portafogli di dimostrare di essere identità umane e protocolli per verificare le risposte delle API AI, in modo che i consumatori possano confermare di interagire con LLM
Addestramento decentralizzato: ad esempio @exolabs, @NousResearch e @PrimeIntellect
Infrastruttura di proprietà intellettuale: consentire agli AI di licenziare (e pagare) i contenuti che utilizzano
