Testo originale: Archetype
Compilato da: Yuliya, PANews
Nell'era dello sviluppo rapido dell'intelligenza artificiale e della tecnologia blockchain, l'incrocio di questi due campi sta dando vita a possibilità innovative entusiasmanti. Questo articolo analizza in profondità dieci aree importanti da osservare nel 2025, dall'interazione degli agenti intelligenti al calcolo decentralizzato, dalla trasformazione del mercato dei dati ai progressi nelle tecnologie per la privacy.
1. Interazione tra agenti
Le caratteristiche intrinseche di trasparenza e composibilità della blockchain la rendono una base ideale per l'interazione tra agenti. Gli agenti intelligenti sviluppati da entità diverse per scopi differenti possono interagire senza soluzione di continuità sulla blockchain. Già sono emerse alcune applicazioni sperimentali notevoli, come il trasferimento di fondi tra agenti e l'emissione congiunta di token.
Il potenziale di sviluppo dell'interazione tra agenti è principalmente evidente in due aspetti: il primo è l'apertura di nuovi settori applicativi, come nuovi scenari sociali guidati dall'interazione tra agenti; il secondo è l'ottimizzazione dei flussi di lavoro aziendali esistenti, inclusi la certificazione e verifica della piattaforma, i pagamenti di piccole somme, e l'integrazione dei flussi di lavoro tra piattaforme, tradizionalmente più complessi.
aethernet e clanker hanno implementato un'emissione congiunta di token sulla piattaforma Warpcast
2. Organizzazioni di agenti intelligenti decentralizzati
La coordinazione multi-agente su larga scala è un altro emozionante campo di ricerca. Questo riguarda come i sistemi multi-agente collaborano per completare compiti, risolvere problemi e governare sistemi e protocolli. Vitalik ha menzionato la possibilità di utilizzare agenti AI nei mercati predittivi e nei settori di arbitraggio nel suo articolo pubblicato all'inizio del 2024 (Prospettive e sfide delle applicazioni di criptovalute e AI). Crede che, da una prospettiva macro, i sistemi multi-agente mostrino un potenziale significativo nella scoperta della "verità" e nei sistemi di governance autonomi.
L'industria sta continuando a esplorare e sperimentare i limiti delle capacità dei sistemi multi-agente e le varie forme di "intelligenza collettiva". Come estensione della coordinazione tra agenti, la coordinazione tra agenti e umani costituisce anche uno spazio di design interessante, specialmente su come le comunità interagiscono attorno agli agenti e come gli agenti organizzano gli umani per intraprendere azioni collettive.
I ricercatori si concentrano in particolare su esperimenti di agenti in cui le funzioni obiettivo coinvolgono una grande coordinazione umana. Questi tipi di applicazioni richiedono meccanismi di verifica adeguati, specialmente quando il lavoro umano viene completato off-chain. Questa collaborazione uomo-macchina potrebbe dare origine a comportamenti emergenti unici e interessanti.
3. Intrattenimento multimediale con agenti intelligenti
Il concetto di personalità digitale esiste da decenni.
Già nel 2007, Hatsune Miku poteva tenere concerti sold-out in luoghi con 20.000 persone;
Il virtual influencer Lil Miquela, nato nel 2016, ha oltre 2 milioni di follower su Instagram.
Il virtual anchor AI Neuro-sama, lanciato nel 2022, ha accumulato oltre 600.000 abbonati sulla piattaforma Twitch;
Il virtual K-pop group PLAVE, fondato nel 2023, ha raggiunto oltre 300 milioni di visualizzazioni su YouTube in meno di due anni.
Con i progressi dell'infrastruttura AI e l'integrazione della blockchain negli ambiti dei pagamenti, del trasferimento di valore e delle piattaforme di dati aperti, questi agenti intelligenti potrebbero ottenere un grado più elevato di autonomia nel 2025 e potrebbero dare vita a una nuova categoria di intrattenimento mainstream.
Dall'angolo in alto a sinistra in senso orario: Hatsune Miku, Luna di Virtuals, Lil Miquela e PLAVE
4. Marketing di contenuti generativi/intelligenti
A differenza della situazione in cui l'agente intelligente stesso è un prodotto, l'agente intelligente può anche fungere da strumento complementare al prodotto. Nell'era dell'economia dell'attenzione odierna, è fondamentale fornire continuamente contenuti coinvolgenti per il successo di qualsiasi idea, prodotto o azienda. I contenuti generativi/intelligenti stanno diventando uno strumento potente per i team per garantire una produzione di contenuti ininterrotta 24/7.
Lo sviluppo di questo campo è stato accelerato dalla discussione sui confini tra meme coin e agenti intelligenti. Anche se non è ancora completamente "intelligente", l'agente intelligente è già diventato un mezzo potente per la diffusione dei meme coin.
Il campo dei giochi offre un altro caso tipico. I giochi moderni hanno bisogno sempre di più di mantenere dinamicità per mantenere l'engagement degli utenti. Tradizionalmente, incoraggiare i contenuti generati dagli utenti (UGC) è stato un metodo classico per creare dinamicità nei giochi. Tuttavia, i contenuti puramente generativi (inclusi oggetti in-game, personaggi NPC, livelli completamente generati, ecc.) potrebbero rappresentare la prossima fase di questa evoluzione. Guardando al 2025, le capacità degli agenti intelligenti amplieranno enormemente i confini delle strategie di distribuzione tradizionali.
5. Nuovi strumenti e piattaforme artistiche
La serie "Conversazioni" (IN CONVERSATION WITH) lanciata nel 2024 ha intervistato artisti attivi nei campi della musica, arte visiva, design e curatela, che operano nel settore delle criptovalute e nelle sue periferie. Queste interviste rivelano un'importante osservazione: gli artisti interessati alle criptovalute tendono anche a prestare attenzione a tecnologie all'avanguardia più ampie e tendono a integrare profondamente queste tecnologie nell'estetica o nel nucleo della loro pratica artistica, come oggetti AR/VR, arte basata su codice e arte di programmazione in tempo reale.
L'arte generativa e la tecnologia blockchain hanno storicamente mostrato sinergie, rendendo ancora più evidente il loro potenziale come infrastruttura per l'arte AI. È estremamente difficile presentare correttamente questi nuovi mezzi artistici su piattaforme tradizionali. La piattaforma ArtBlocks mostra una visione futura per la presentazione, archiviazione, monetizzazione e conservazione dell'arte digitale utilizzando la tecnologia blockchain, migliorando significativamente l'esperienza complessiva per artisti e spettatori.
Oltre a mostrare funzionalità, gli strumenti AI hanno anche ampliato la capacità della gente comune di creare arte. Questa tendenza alla democratizzazione sta rimodellando il panorama della creazione artistica. Guardando al 2025, come la tecnologia blockchain espanderà o abiliterà questi strumenti sarà una direzione di sviluppo estremamente interessante.
Estratto da (Conversazione: Maya Man)
6. Mercato dei dati
Sono trascorsi 20 anni da quando Clive Humby ha affermato che "i dati sono il nuovo petrolio" e le grandi aziende hanno adottato misure forti per accumulare e monetizzare i dati degli utenti. Gli utenti hanno già realizzato che i loro dati sono la base di queste aziende da miliardi di dollari, ma hanno quasi nessun controllo su come vengono utilizzati i dati e non possono condividere i profitti generati dai dati. Con lo sviluppo rapido di potenti modelli di AI, questa contraddizione è diventata ancora più evidente.
Le opportunità che il mercato dei dati affronta sono di due tipi: da un lato, risolvere il problema dello sfruttamento dei dati degli utenti, dall'altro, risolvere il problema della carenza di approvvigionamento dei dati, poiché modelli sempre più grandi e migliori stanno consumando i dati disponibili su Internet, un "giacimento" facilmente accessibile, e necessitano di nuove fonti di dati.
Il potere dei dati torna agli utenti
La questione di come restituire il potere dei dati agli utenti attraverso infrastrutture decentralizzate rappresenta uno spazio di design ampio che richiede soluzioni innovative in diversi campi. Alcune delle questioni più urgenti includono:
Posizione di archiviazione dei dati e come proteggere la privacy durante il processo di archiviazione, trasmissione e calcolo;
Come valutare, filtrare e misurare oggettivamente la qualità dei dati;
Quali meccanismi utilizzare per l'attribuzione e la monetizzazione (soprattutto per risalire al valore alla fonte dopo l'inferenza);
E che tipo di sistemi di orchestrazione o recupero dei dati utilizzare in un ecosistema di modelli diversificato.
Limitazioni di fornitura
Nella risoluzione delle limitazioni di fornitura, la chiave non è semplicemente replicare il modello di Scale AI con token, ma comprendere in quali aree possiamo costruire vantaggi in condizioni favorevoli alla tecnologia e come costruire soluzioni competitive, sia in termini di scala, qualità, sia con meccanismi di incentivazione (e filtraggio) migliori per creare prodotti di dati di maggior valore. Soprattutto quando la maggior parte della domanda proviene ancora dall'AI Web2, è un'importante area di ricerca riflettere su come combinare i meccanismi di esecuzione dei contratti intelligenti con accordi di livello di servizio (SLA) e strumenti tradizionali.
7. Calcolo decentralizzato
Se i dati sono un elemento fondamentale nello sviluppo e nell'implementazione dell'AI, la potenza di calcolo è un altro componente chiave. Il tradizionale modello dei grandi centri di dati ha dominato in larga misura la traiettoria dello sviluppo del deep learning e dell'AI negli ultimi anni grazie ai suoi vantaggi unici in termini di spazio, energia e hardware. Tuttavia, le limitazioni fisiche e lo sviluppo della tecnologia open source stanno sfidando questo schema.
La prima fase del calcolo AI decentralizzato (v1) è essenzialmente una replica dei servizi cloud GPU Web2, senza vantaggi reali dal lato dell'offerta (hardware o centri di dati) e con una domanda organica limitata.
Nella seconda fase (v2), alcuni team eccezionali stanno costruendo un stack tecnologico completo basato su forniture di calcolo ad alte prestazioni (HPC), mostrando capacità uniche nella programmazione, instradamento e pricing, mentre sviluppano funzioni proprietarie per attrarre la domanda e affrontare la compressione dei profitti, specialmente nel lato dell'inferenza. I team hanno anche iniziato a differenziarsi in termini di scenari di utilizzo e strategie di mercato, alcuni si concentrano sull'integrazione di framework di compilazione per realizzare un instradamento efficiente dell'inferenza su hardware diversi, mentre altri stanno creando framework di addestramento di modelli distribuiti sulla rete di calcolo costruita.
L'industria ha persino iniziato a vedere l'emergere del mercato AI-Fi, con l'emergere di primitivi economici innovativi che trasformano la potenza di calcolo e le GPU in asset generativi, o utilizzano la liquidità on-chain come fonte alternativa di fondi per l'acquisto di hardware per i centri di dati.
La questione principale qui è in che misura l'AI decentralizzata sarà sviluppata e implementata su un'infrastruttura di calcolo decentralizzata, o se, come nel campo dello storage, il divario tra ideali e necessità pratiche continuerà a esistere, rendendo difficile per questa idea realizzare pienamente il suo potenziale.
8. Standard di calcolo
In termini di meccanismi di incentivazione nella rete di calcolo decentralizzato ad alte prestazioni, una delle principali sfide nella coordinazione delle risorse di calcolo eterogenee è la mancanza di standard di calcolo unificati. I modelli AI aggiungono complessità uniche allo spazio di output del calcolo ad alte prestazioni, inclusi le varianti dei modelli, le strategie di quantizzazione, e i livelli di casualità regolabili tramite la temperatura del modello e i parametri di campionamento. Inoltre, l'hardware AI può generare risultati diversi a causa delle differenze nelle architetture GPU e nelle versioni CUDA. Questi fattori portano infine alla necessità di stabilire standard per regolare come i modelli e il mercato del calcolo misurano la loro capacità di calcolo in sistemi distribuiti eterogenei.
In parte a causa della mancanza di questi standard, nel 2024 sono emersi diversi casi nei settori Web2 e Web3, in cui i mercati di modelli e calcoli non sono riusciti a calcolare accuratamente la qualità e la quantità del loro calcolo. Questo ha costretto gli utenti a eseguire benchmark dei loro modelli comparativi e a eseguire la prova di lavoro limitando la velocità del mercato del calcolo, per auditare le prestazioni reali di questi strati di AI.
Guardando al 2025, il campo incrociato tra tecnologia crittografica e AI si prevede che realizzi progressi in termini di verificabilità, risultando più facilmente verificabile rispetto all'AI tradizionale. Per gli utenti comuni, è fondamentale poter effettuare un confronto equo su tutti gli aspetti dell'output di un modello o di un cluster di calcolo, il che aiuterà ad auditare e valutare le prestazioni del sistema.
9. Primitivi di privacy probabilistica
In "Prospettive e sfide delle applicazioni di criptovalute e AI", Vitalik ha evidenziato una sfida unica nel collegare criptovalute e AI: "Nel campo della crittografia, l'open source è l'unico modo per raggiungere una vera sicurezza, ma nel campo dell'AI, l'apertura dei modelli (e persino dei loro dati di addestramento) aumenterà notevolmente il rischio di attacchi di apprendimento automatico avversariale."
Sebbene la privacy non sia un nuovo campo di ricerca nel blockchain, lo sviluppo rapido dell'AI sta accelerando la ricerca e l'applicazione dei primitivi crittografici a supporto della privacy. Nel 2024 sono stati compiuti significativi progressi nelle tecnologie di miglioramento della privacy, inclusi i prove a zero conoscenza (ZK), la crittografia completamente omomorfica (FHE), gli ambienti di esecuzione fidati (TEE) e il calcolo multiplo (MPC), che vengono utilizzati in scenari di applicazione generali come lo stato di condivisione privato per il calcolo dei dati crittografati. Allo stesso tempo, giganti dell'AI centralizzati come Nvidia e Apple stanno utilizzando TEE proprietari per l'apprendimento federato e l'inferenza AI privata, garantendo la privacy mentre mantengono coerenza tra hardware, firmware e modelli nei sistemi.
Sulla base di questi sviluppi, l'industria sta seguendo da vicino i progressi nelle tecnologie di mantenimento della privacy nelle transizioni di stato casuali e come queste tecnologie possano accelerare l'implementazione pratica delle applicazioni AI decentralizzate su sistemi eterogenei. Questo include vari aspetti, dalle inferenze private decentralizzate ai tubi di archiviazione/accesso ai dati crittografati e agli ambienti di esecuzione completamente sovrani.
Il stack tecnologico di intelligenza artificiale di Apple e il processore grafico H100 di Nvidia
10. Intenzioni degli agenti e interfacce di transazione utente di nuova generazione
Negli ultimi 12-16 mesi, c'è stata una mancanza di chiarezza nelle definizioni di concetti come intenzione, comportamento degli agenti, intenzioni degli agenti, soluzioni, soluzioni per agenti, ecc., e non è stata fornita una chiara distinzione su come questi concetti differiscano dallo sviluppo tradizionale dei "robot" negli ultimi anni. Gli agenti AI che eseguono autonomamente transazioni on-chain sono uno dei casi d'uso più vicini alla realizzazione.
Nei prossimi 12 mesi, l'industria prevede di vedere una combinazione di sistemi linguistici più complessi con diversi tipi di dati e architetture di reti neurali, promuovendo così lo sviluppo dello spazio di design complessivo. Questo solleva alcune domande chiave:
Gli agenti utilizzeranno i sistemi di transazione on-chain esistenti o svilupperanno i propri strumenti e metodi?
I modelli di linguaggio di grandi dimensioni continueranno a fungere da backend di questi sistemi di transazione degli agenti, o emergeranno sistemi completamente nuovi?
A livello di interfaccia, gli utenti inizieranno a utilizzare il linguaggio naturale per le transazioni?
Il concetto classico di "portafoglio uguale a browser" si realizzerà finalmente?
Le risposte a queste domande influenzeranno profondamente la direzione futura dello sviluppo delle transazioni di criptovalute. Con i progressi nella tecnologia AI, i sistemi di agenti potrebbero diventare più intelligenti e autonomi, in grado di comprendere meglio e attuare le intenzioni degli utenti.