Artykuł oparty na: Biała Księga Blockchain
Autor: @knimkar
Tłumaczenie: Biała Księga Blockchain
Wygląda na to, że wkraczamy w fazę eksperymentów w obszarze zastosowań, gdzie sztuczna inteligencja krzyżuje się z kryptowalutami, porównywalną do kambryjskiego wybuchu innowacji. Jestem bardzo podekscytowany wynikami, które wyłaniają się z tej energii, i chciałbym podzielić się kilkoma ekscytującymi nowymi możliwościami, które widzimy w ekosystemie @SolanaFndn.
1. Krótkie podsumowanie
1) Promowanie najbardziej dynamicznej gospodarki opartej na agentach na Solanie. Truth Terminal po raz pierwszy pokazał osiągnięcia, jakie mogą osiągnąć agenci, gdy mogą wchodzić w interakcje na łańcuchu. Oczekujemy, że zobaczymy eksperymenty, które bezpiecznie przekraczają granice możliwości agentów na łańcuchu. Potencjał w tej dziedzinie jest ogromny, a nawet nie zaczęliśmy jeszcze eksplorować przestrzeni projektowej. To już udowodniło, że jest to najbardziej nieprzewidywalny i wybuchowy obszar łączenia kryptowalut i AI, a wszystko dopiero się zaczyna.
2) Umożliwienie dużym modelom językowym (LLM) lepszego pisania kodu Solany, co wzmocni deweloperów Solany. Duże modele językowe już radzą sobie całkiem dobrze w pisaniu kodu, a będą stawały się coraz potężniejsze. Chcemy wykorzystać te zdolności, aby zwiększyć wydajność pracy deweloperów Solany od 2 do 10 razy. W krótkim czasie stworzymy wysokiej jakości benchmarki, aby ocenić zdolność LLM do zrozumienia Solany i pisania kodu Solany (szczegóły poniżej), a te testy pomogą nam zrozumieć potencjalny wpływ LLM na ekosystem Solany. Oczekujemy wsparcia dla tych, którzy osiągną wysokiej jakości postępy w precyzyjnym dostosowywaniu modeli (zweryfikujemy ich jakość na podstawie ich wyników w benchmarkach!).
3) Wsparcie dla otwartego i zdecentralizowanego stosu technologicznego AI. To, co nazywamy „otwartym i zdecentralizowanym stosem technologicznym AI”, odnosi się do otwartych i zdecentralizowanych protokołów, które mogą ułatwić dostęp do następujących zasobów: dane do treningu, zasoby obliczeniowe (do treningu i wnioskowania), wagi modeli oraz zdolność do weryfikacji wyników modeli („zweryfikowane obliczenia”). Ten otwarty stos technologiczny AI jest niezwykle ważny, ponieważ:
Przyspieszenie eksperymentów i innowacji w procesie rozwoju modeli
Zapewnienie wyjścia dla tych, którzy mogą być zmuszeni do korzystania z nieufnych AI (na przykład AI zatwierdzonego przez państwo)
Chcielibyśmy wspierać zespoły i produkty budowane na różnych poziomach tego stosu technologicznego. Jeśli pracujesz nad czymś związanym z tymi kluczowymi obszarami, skontaktuj się z autorem tekstu!
2. Szczegółowy przegląd
Poniżej szczegółowo wyjaśnimy, dlaczego jesteśmy podekscytowani tymi trzema filarami i jakie budowy chcielibyśmy zobaczyć.
1) Promowanie najbardziej dynamicznej gospodarki opartej na agentach
Dlaczego to nas interesuje? Dyskusji na temat Truth Terminal i GOAT było już wiele, więc nie będę się powtarzał, ale można powiedzieć jedno: szalone funkcje, jakie mogą osiągnąć agenci, gdy wchodzą w interakcje na łańcuchu, już nieodwracalnie weszły w rzeczywistość (a w tym przypadku agenci nawet nie podejmują działań bezpośrednio na łańcuchu).
Możemy z pełnym przekonaniem powiedzieć, że obecnie nie możemy dokładnie przewidzieć, jak będzie wyglądać przyszłość zachowań agentów na łańcuchu, ale aby pokazać, jak szeroka jest ta przestrzeń projektowa, oto niektóre rzeczy, które już miały miejsce na Solanie:
Liderzy AI, tacy jak Truth Terminal, starają się pielęgnować nową religię epoki za pomocą memecoinów, takich jak $GOAT;
Jednocześnie aplikacje takie jak @HoloworldAI, @vvaifudotfun, @TopHat_One, @real_alethea umożliwiają użytkownikom łatwe tworzenie i uruchamianie agentów oraz powiązanych tokenów.
Dokonywanie decyzji inwestycyjnych i zasilanie portfeli poprzez trenowanie AI menedżerów funduszy, które personalizują agentów znanych inwestorów kryptowalutowych. Na przykład, @ai16zdao w błyskawicznym wzroście @daosdotfun stworzyło nowy metavers z AI funduszy + agentów.
Są też gry skoncentrowane na agentach, takie jak @ParallelColony, w których gracze dają instrukcje agentom, aby podejmowali działania, co często prowadzi do niespodziewanych rezultatów.
Możliwe kierunki rozwoju:
Zarządzanie agentami wymaga wieloaspektowych projektów z koordynacją ekonomiczną różnych stron. Na przykład agenci mogą podjąć się skomplikowanych zadań, takich jak „znalezienie związku chemicznego, który może wyleczyć chorobę [X]”. Agenci mogą wykonywać następujące operacje:
Finansowanie poprzez tokeny na @pumpdotscience;
Użycie zebranych funduszy do pokrycia kosztów uzyskania odpowiednich płatnych badań i opłacenie kosztów obliczeniowych w zdecentralizowanej sieci obliczeniowej (takiej jak @kuzco_xyz, @rendernetwork, @ionet itp.) do symulacji różnych związków chemicznych;
Używając platform nagród, takich jak @gib_work, rekrutować ludzi do wykonywania zadań związanych z rzeczywistą pracą (na przykład przeprowadzanie eksperymentów w celu weryfikacji/udoskonalenia wyników symulacji);
Lub wykonywać proste zadania, takie jak pomoc w stworzeniu strony internetowej, lub AI tworzące dzieła sztuki (na przykład @0xzerebro).
Jest wiele innych możliwości.
Dlaczego ma sens, aby agenci wykonywali działania finansowe na łańcuchu (zamiast w tradycyjnych systemach finansowych)? Agenci mogą w pełni korzystać zarówno z tradycyjnych systemów finansowych, jak i kryptowalut. Oto kilka powodów, dla których kryptowaluty są szczególnie odpowiednie w niektórych aspektach:
Scenariusze mikropłatności — Solana sprawdza się w tym zakresie, a aplikacje takie jak Drip już pokazują swój potencjał.
Szybkość — natychmiastowe rozliczenia mogą być kluczowe dla agentów, zwłaszcza gdy chcesz, aby osiągnęli maksymalną efektywność kapitałową.
Uzyskanie dostępu do rynków kapitałowych przez DeFi — gdy agenci zaczynają podejmować działania finansowe poza rygorystycznymi płatnościami, przewagi kryptowalut stają się szczególnie widoczne. To może być najsilniejszy powód, dla którego agenci uczestniczą w gospodarce kryptowalutowej. Agenci mogą płynnie tworzyć aktywa, handlować, inwestować, pożyczać, korzystać z dźwigni i wykonywać inne operacje.
Solana jest szczególnie dobrze dopasowana do wspierania takich działań na rynkach kapitałowych, ponieważ główna sieć Solana już dysponuje bogatą infrastrukturą DeFi.
Na koniec, technologia często opiera się na zależności od ścieżki; kluczowe nie jest to, który produkt jest najlepszy, ale który produkt jako pierwszy osiągnie krytyczną jakość i stanie się domyślną ścieżką. Jeśli zobaczymy, że więcej agentów tworzy znaczną wartość dzięki kryptowalutom, może to umocnić łączność kryptowalut jako ważną zdolność agentów.
Chcielibyśmy zobaczyć
Odważne eksperymenty łączące agentów z portfelami, mogące wykonywać działania na łańcuchu. Nie podajemy tutaj zbyt szczegółowych definicji, ponieważ możliwości są bardzo szerokie, ale przewidujemy, że najciekawsze i najbardziej wartościowe zastosowania agentów to te, które są dla nas nieprzewidywalne. Szczególnie interesują nas badania i budowa infrastruktury w następujących kierunkach:
Przynajmniej na etapie prototypowym w sieci testowej (najlepiej w sieci głównej)
2) Sprawić, aby LLM były lepsze w pisaniu kodu Solany i umożliwić deweloperom Solany
Dlaczego to nas interesuje? LLM już mają potężne zdolności i szybko się rozwijają. Ale pisanie kodu jest szczególnie interesującym kierunkiem w dziedzinie zastosowań LLM, ponieważ jest to zadanie, które można obiektywnie ocenić. Jak wyjaśniono w poniższym poście, „programowanie ma unikalną zaletę: przez ‚samo-zmaganie’ można osiągnąć superludzką skalowalność danych. Model może pisać kod, a następnie go uruchamiać lub pisać kod, pisać testy i sprawdzać swoją spójność.”
Ograniczenie negatywnych skutków halucynacji — obecne modele są bardzo potężne, ale wciąż dalekie od doskonałości. Agenci nie mogą otrzymać pełnej swobody działania.
Promowanie zastosowań nie spekulacyjnych — na przykład umożliwienie zakupu biletów za pośrednictwem @xpticket, optymalizacja zysków dla portfeli stablecoin, czy zamawianie jedzenia na DoorDash.
Obecnie, mimo że LLM w pisaniu kodu wciąż daleko do doskonałości i mają pewne wyraźne niedociągnięcia (na przykład słabo radzą sobie z wykrywaniem luk), takie narzędzia jak Github Copilot i AI-native edytor kodu Cursor już zasadniczo zmieniły rozwój oprogramowania (a nawet sposób, w jaki firmy rekrutują talenty). Biorąc pod uwagę przewidywane szybkie postępy, te modele mogą całkowicie zmienić rozwój oprogramowania. Chcemy wykorzystać ten postęp, aby zwiększyć wydajność pracy deweloperów Solany o rząd wielkości.
Jednak obecnie istnieją pewne wyzwania, które utrudniają LLM zrozumienie Solany:
Nie ma wystarczająco wysokiej jakości danych źródłowych do trenowania LLM;
Brak wystarczającej liczby zweryfikowanych wersji budowlanych;
W miejscach takich jak Stack Overflow brakuje wystarczającej wymiany wysokowartościowych informacji;
Infrastruktura Solany rozwija się szybko, co oznacza, że nawet kody pisane 6 miesięcy temu mogą nie być w pełni dostosowane do obecnych potrzeb;
Nie ma sposobu na ocenę zrozumienia modelu Solany.
Chcielibyśmy zobaczyć
Pomóż nam publikować lepsze dane Solany w Internecie!
Więcej zespołów publikujących zweryfikowane wersje budowlane.
Mamy nadzieję, że więcej osób w ekosystemie aktywnie weźmie udział w Stack Exchange, zadając dobre pytania i dostarczając wysokiej jakości odpowiedzi;
Tworzenie wysokiej jakości benchmarków do oceny zrozumienia Solany przez LLM (RFP wkrótce do pobrania);
Tworzenie wersji LLM dostosowanych do powyższych benchmarków, a co ważniejsze, przyspieszanie pracy deweloperów Solany. Gdy będziemy mieli wysokiej jakości benchmark, być może nagrodzimy pierwszy model, który osiągnie punktację benchmarkową — bądźcie czujni.
Ostatecznym osiągnięciem w tym zakresie będzie wysokojakościowy, zróżnicowany klient węzła walidacyjnego Solany stworzony całkowicie przez AI.
3) Wsparcie dla otwartego i zdecentralizowanego stosu technologicznego AI
Dlaczego to nas interesuje? Obecnie nie jest jasne, jak w dłuższej perspektywie będzie równoważona władza w dziedzinie AI między modelami open source a closed source. Istnieją silne argumenty na rzecz tego, że podmioty closed source będą utrzymywać czołową pozycję technologiczną i będą przejmować większość wartości z podstawowych modeli. Obecnie najłatwiejszym do przewidzenia scenariuszem jest kontynuacja status quo — duże firmy, takie jak OpenAI i Anthropic, będą napędzać czołowe technologie, podczas gdy modele open source będą szybko nadążać, a ostatecznie będą miały unikalnie potężne wersje dostosowane do niektórych zastosowań. Chcielibyśmy, aby Solana ściśle współpracowała i wspierała ekosystem AI oparty na open source. Konkretnie, oznacza to promowanie dostępu do następujących zasobów: danych do treningu, mocy obliczeniowej do treningu i wnioskowania, wag modeli wynikowych oraz zdolności do weryfikacji wyników modeli. Uważamy, że to ważne z następujących konkretnych powodów:
A. Modele open source przyczyniają się do przyspieszenia debugowania i innowacji w rozwoju modeli. Społeczność open source szybko udoskonala i dostosowuje modele open source, takie jak Llama, pokazując, jak społeczność skutecznie uzupełnia wysiłki dużych firm AI w posuwaniu się naprzód w zakresie zdolności AI (nawet badacze Googla zauważyli w zeszłym roku, że w kwestii open source „nie mamy fosy, OpenAI też nie”). Uważamy, że dobrze prosperujący otwarty stos technologiczny AI jest kluczowy dla przyspieszenia postępów w tej dziedzinie.
B. Zapewnienie wyjścia dla tych, którzy mogą być zmuszeni do korzystania z AI, której nie ufają (na przykład AI zatwierdzonego przez państwo) AI może być teraz najpotężniejszym narzędziem w arsenale dyktatorów lub reżimów autorytarnych. Modele uznawane przez państwo dostarczają wersji prawdy uznawanej przez państwo i stają się ogromnym narzędziem kontroli. Wysoko autorytarne reżimy mogą mieć także lepsze modele, ponieważ są skłonne zignorować prywatność obywateli, aby trenować swoje AI. Problem polegający na tym, że AI jest wykorzystywane jako narzędzie kontroli, dotyczy nie tego, czy to się wydarzy, ale kiedy się wydarzy, i chcemy wspierać otwarty stos technologiczny AI, aby przygotować się na tę możliwość.
Solana jest już domem dla wielu projektów wspierających otwarty stos technologiczny AI:
Grass i Synesis One promują zbieranie danych;
@kuzco_xyz, @rendernetwork, @ionet, @theblessnetwork, @nosana_ai i inne dostarczają ogromnych ilości zdecentralizowanych zasobów obliczeniowych.
Zespoły takie jak @NousResearch i @PrimeIntellect pracują nad rozwojem ram, które umożliwią zdecentralizowane szkolenie (patrz poniżej).
Chcielibyśmy zobaczyć więcej produktów rozwijanych na różnych poziomach otwartego stosu technologicznego AI:
Zdecentralizowane zbieranie danych, na przykład @getgrass_io, @usedatahive, @synesis_one
Uwierzytelnianie tożsamości na łańcuchu: w tym protokoły umożliwiające portfelom udowodnienie, że są tożsamościami ludzkimi oraz protokoły weryfikujące odpowiedzi AI API, aby konsumenci mogli potwierdzić, że wchodzą w interakcję z LLM
Zdecentralizowane szkolenie: na przykład @exolabs, @NousResearch i @PrimeIntellect
Infrastruktura własności intelektualnej: umożliwienie AI licencjonowania (i opłacania) treści, z których korzysta
