W ostatnich latach, wraz z szybkim rozwojem sztucznej inteligencji (AI) i technologii blockchain, ścieżka AI+Crypto stała się gorącym obszarem zainteresowania inwestorów. Blockchain, dzięki swojej decentralizacji, wysokiej przejrzystości, niskiemu zużyciu energii i cechom antymonopolowym, rekompensuje silną centralizację i nieprzejrzyste przetwarzanie systemów AI. Połączenie tych dwóch daje nam niespotykane dotąd możliwości.
Według Vitalika połączone zastosowanie sztucznej inteligencji i blockchain dzieli się głównie na cztery główne kategorie: jako uczestnik aplikacji, jako interfejs aplikacji, jako reguła aplikacji i jako cel aplikacji. Zaproponował, aby na rolę sztucznej inteligencji w Crypto patrzeć bardziej z perspektywy „aplikacji”, obejmującej optymalizację mocy obliczeniowej, optymalizację algorytmów i optymalizację danych.
Instytut Badawczy Huobi rozróżnia kierunek udziału technologii Crypto w zależności od poziomu aplikacji AI, który można podzielić na warstwę podstawową, warstwę wykonawczą i warstwę aplikacji. Na każdym poziomie istnieją możliwości warte zbadania. Na przykład technologia zkML łączy dowody z wiedzą zerową i technologię blockchain, aby zapewnić bezpieczne, weryfikowalne i przejrzyste rozwiązanie dotyczące zachowania agentów AI. Ponadto sztuczna inteligencja wykazuje również ogromny potencjał na poziomie wykonawczym, takim jak przetwarzanie danych, zautomatyzowane tworzenie dApp i bezpieczeństwo transakcji w łańcuchu. Na poziomie aplikacji roboty handlowe oparte na sztucznej inteligencji, narzędzia analizy predykcyjnej i zarządzanie płynnością AMM odgrywają ważną rolę w dziedzinie DeFi.
W artykule szczegółowo zostaną omówione kierunki inwestycyjne ścieżki AI+Crypto, koncentrując się na innowacjach i rozwoju na poziomie infrastruktury i aplikacji, a także przeanalizujemy perspektywy i wyzwania połączenia AI i blockchain z perspektywy średnioterminowej i średnioterminowej długoterminowe strategie inwestycyjne.
AI śledzi kluczowe kierunki
Blockchain jest całkowitym przeciwieństwem sztucznej inteligencji pod względem centralizacji, niskiej przejrzystości, zużycia energii i monopolu. Zgodnie z powyższymi zasadami i własnym myśleniem Vitalik dzieli aplikacje łączące sztuczną inteligencję i blockchain na 4 główne kategorie:
AI jako gracz w grze
AI jako interfejs do gry
AI jako zasady gry
AI jako cel gry
Buterin rozważa rolę sztucznej inteligencji w Crypto bardziej z perspektywy „zastosowania”. Jeśli pomyślisz o tym z perspektywy produktywności VS relacji produkcyjnych. Krypto faktycznie zapewnia więcej relacji produkcyjnych. Z tego punktu widzenia możemy to rozpatrywać głównie z trzech kierunków:
Optymalizuj moc obliczeniową: zapewnij zdecentralizowane i wydajne zasoby obliczeniowe, zmniejsz ryzyko awarii pojedynczego punktu i popraw ogólną wydajność obliczeniową.
Algorytmy optymalizacyjne: promuj oprogramowanie typu open source, udostępnianie i wprowadzanie innowacji w zakresie algorytmów lub modeli.
Optymalizacja danych: zdecentralizowane przechowywanie, udostępnianie, wykorzystanie i zarządzanie bezpieczeństwem danych
HTX Research uważa, że ogólny kierunek sztucznej inteligencji można podzielić na warstwę podstawową, warstwę wykonawczą i warstwę aplikacji zgodnie z ogólną architekturą. Odpowiednio, projekt AI+Web3 możemy również rozpatrywać z tych trzech ogólnych kierunków. W warstwie podstawowej obejmuje szkolenie modeli, dane, zdecentralizowaną moc obliczeniową i sprzęt na poziomie infrastruktury, skupiając się na połączeniu technologii ZK i technologii sztucznej inteligencji ML; w warstwie wykonawczej, przetwarzaniu i transmisji danych, AI na poziomie modelu agent, zkML, FHE (Fully Homomorphic Encryption) itp.; w warstwie aplikacji skupia się głównie na AI+DeFi, AI+GameFi, Metaverse, AIGC i Meme itp., a także RAAS (Robotics as a Service) i proroctwo na poziomie blockchain Komputer, koprocesor, UBI (Universal Basic Income) itp.
Wśród nich dynamicznie rozwijają się projekty na poziomie infrastruktury i aplikacji, takie jak Io.net na poziomie mocy obliczeniowej, Flock na poziomie modelu podstawowego, ZeroGravity na infrastrukturze blockchain, Myshell na poziomie agenta AI, czy 0xScope na poziomie aplikacji.
Można zbadać następujące kierunki:
1. kierunek zkML
Technologia zkML zapewnia bezpieczne, weryfikowalne i przejrzyste rozwiązanie do monitorowania i ograniczania zachowań agentów AI poprzez połączenie dowodów o wiedzy zerowej i technologii blockchain. Na przykład projekt Modulus Labs wykorzystuje technologię zkML, aby udowodnić zainteresowanym stronom, że sztuczna inteligencja wykonała określone zadania, chroniąc jednocześnie prywatność osobistą i poufność biznesową.
zkML, jako pośrednik pomiędzy sztuczną inteligencją a blockchainem, proponuje zestaw rozwiązań mających na celu rozwiązanie problemu ochrony prywatności modeli i wejść AI oraz zapewnienie weryfikowalności procesu wnioskowania. Tworzy nowy sposób wykorzystania modeli publicznych podczas walidacji danych prywatnych lub wykorzystania danych publicznych podczas walidacji modeli prywatnych. Dzięki integracji możliwości uczenia maszynowego inteligentne kontrakty mogą osiągnąć większą autonomię i dynamikę oraz mogą działać w oparciu o dane w łańcuchu w czasie rzeczywistym, a nie tylko statyczne reguły. Ta innowacja sprawia, że inteligentne kontrakty są bardziej elastyczne i można je dostosować do większej liczby różnych scenariuszy zastosowań, nawet tych, które nie były przewidziane w momencie pierwotnego zawierania umowy.
Wprowadzenie do typowych projektów technologii zkML
Laboratoria modułowe
Modulus Labs to jeden z najbardziej zróżnicowanych projektów w przestrzeni ZKML, który aktywnie buduje przykłady aplikacji AI w łańcuchu, prowadząc powiązane badania. Zademonstrowali przypadki użycia ZkML z RockyBotem, botem handlowym na łańcuchu, i grą w szachy Leela vs. the World. Przeprowadzili także badania w celu porównania szybkości i wydajności różnych systemów weryfikacji z modelami o różnych rozmiarach.
człowiek
Giza to protokół, który może wdrażać modele sztucznej inteligencji w łańcuchu. Stos technologii, którego używa, obejmuje format ONNX dla modeli uczenia maszynowego, Giza Transpiler do konwertowania tych modeli do formatu programu Cairo oraz Giza Transpiler do konwertowania tych modeli na weryfikowalne. i deterministyczne formaty ONNX Cairo Runtime do kompleksowego wykonywania modeli oraz inteligentne kontrakty Giza Model do wdrażania i wykonywania modeli w łańcuchu. Giza jest ogólnie kompilatorem on-chain, od modeli uczenia maszynowego po dowody, zapewniając alternatywną ścieżkę rozwoju sztucznej inteligencji on-chain.
Zkaptcha
Zkaptcha koncentruje się na problemach z botami w Web3, zapewnia usługi captcha (kod weryfikacyjny) dla inteligentnych kontraktów i wykorzystuje dowody z wiedzą zerową do tworzenia inteligentnych kontraktów odpornych na ataki Sybil. Projekt umożliwia użytkownikom końcowym przedstawienie dowodu ludzkiej pracy poprzez wypełnienie captcha, który jest weryfikowany przez walidator na łańcuchu. Planują odziedziczyć zkML i uruchomić usługę podobną do istniejącego kodu weryfikacyjnego Web 2, która może nawet analizować zachowania, takie jak ruchy myszą, aby ustalić, czy użytkownik jest prawdziwą osobą.
2. Kierunek przetwarzania danych
Odnosi się to głównie do różnych przełomów w poziomie wykonania AI, zwłaszcza niektórych przełomów na niektórych poziomach transmisji danych blockchain i poziomach rozwoju. Konkretna analiza wygląda następująco:
a. Sztuczna inteligencja i analiza danych w łańcuchu
Kierunek ten odnosi się głównie do wykorzystania technologii AI do głębokiej eksploracji tych danych oraz wykorzystania dużych modeli LLM i algorytmów głębokiego uczenia się w celu uzyskania większej wiedzy. Na przykład Web3 Analytics to projekt wykorzystujący sztuczną inteligencję do przeprowadzania analizy danych w łańcuchu w celu ujawnienia trendów rynkowych i zachowań użytkowników. Może pomóc użytkownikom uzyskać wgląd w transakcje w łańcuchu i trendy rynkowe.
b. Sztuczna inteligencja i zautomatyzowany rozwój dApp
Kierunek ten jest nakierowany głównie na niektóre projekty infrastrukturalne dla Devops. Niektóre projekty AI wykorzystujące zautomatyzowany rozwój mogą przyjąć większą liczbę programistów, dzięki czemu ekosystem będzie zamożniejszy. Niektóre narzędzia programistyczne wykorzystujące sztuczną inteligencję mogą również pomóc programistom w szybszym pisaniu inteligentnych kontraktów i automatycznym korygowaniu błędów, a niektóre mogą także implementować funkcje programowania DAPP metodą „przeciągnij i upuść”.
c. Sztuczna inteligencja i bezpieczeństwo transakcji w łańcuchu
Kierunek ten dotyczy głównie agentów AI. Obejmuje wdrażanie agentów AI w łańcuchu bloków w celu poprawy bezpieczeństwa i wiarygodności aplikacji AI. Ci agenci sztucznej inteligencji mogą automatycznie wykonywać zadania, takie jak transakcje, analiza danych, automatyczne podejmowanie decyzji itp., a ich wdrożenie w łańcuchu bloków sprawia, że ich operacje są nie tylko przejrzyste i identyfikowalne, ale także trudne do manipulacji, co poprawia bezpieczeństwo cały system. Technologia sztucznej inteligencji może identyfikować złośliwe ataki i wycieki danych oraz chronić się przed nimi poprzez monitorowanie w czasie rzeczywistym i inteligentną analizę, zapewniając bezpieczeństwo transakcji i integralność danych.
Sprawa projektowa:
SeQure to platforma bezpieczeństwa, która wykorzystuje sztuczną inteligencję do monitorowania i analizy w czasie rzeczywistym, aby szybko wykrywać i bronić się przed różnymi złośliwymi atakami i wyciekami danych, zapewniając stabilność i bezpieczeństwo transakcji w łańcuchu.
3. Kierunek AI+DEFI
Najważniejszą rzeczą w połączeniu AI i warstwy aplikacji jest AI+DEFI. Oto kilka wskazówek AI+DEFI, na które należy zwrócić uwagę:
1. Robot handlowy sterowany sztuczną inteligencją
Boty te mogą szybko i dokładnie przeprowadzać transakcje, analizować dane rynkowe, nastroje i ruchy cen oraz podejmować decyzje handlowe w ułamku sekundy, często przewyższając wydajność ludzkich traderów.
2. Analiza predykcyjna
Chociaż przewidywanie zmienności rynku kryptowalut zawsze było wyzwaniem, narzędzia analityczne oparte na sztucznej inteligencji stają się w coraz większym stopniu ważnym narzędziem zdolnym do zapewnienia wiarygodnych przewidywań trendów rynkowych i potencjalnych ruchów cen.
3.Zarządzanie płynnością AMM
Na przykład, dostosowując zakres płynności Uniswap V3, poprzez integrację sztucznej inteligencji, protokół może inteligentniej dostosować zakres płynności, optymalizując w ten sposób wydajność i korzyści zautomatyzowanego animatora rynku (AMM).
4. Zabezpieczenie likwidacyjne i zarządzanie pozycją zadłużenia
Łączenie danych w łańcuchu i poza łańcuchem pozwala na bardziej inteligentną realizację strategii ochrony przed likwidacją, zapewniając ochronę pozycji dłużnych podczas wahań rynkowych.
5. Złożony projekt produktu strukturyzowanego DeFi
Projektując mechanikę skarbu, możesz polegać na finansowych modelach sztucznej inteligencji, a nie na stałych strategiach. Takie strategie mogą obejmować transakcje zarządzane przez sztuczną inteligencję, pożyczki lub opcje, dodając do produktu inteligencję i elastyczność.
4. Kierunek AI+GameFi
Zastosowanie AI w projekcie GameFi ma przede wszystkim wzbogacić wrażenia z gry i zwiększyć możliwości innowacji. Jego główne kierunki są następujące:
1. Optymalizacja strategii gry:
Sztuczna inteligencja może uczyć się nawyków i strategii graczy w grach, dostosowywać poziom trudności i strategie gry w czasie rzeczywistym oraz zapewniać bardziej spersonalizowane i wymagające wrażenia z gry. Dzięki głębokiemu uczeniu się i uczeniu się przez wzmacnianie sztuczna inteligencja może ewoluować, aby lepiej dostosować się do potrzeb i preferencji graczy.
2. Zarządzanie wykorzystaniem zasobów gry:
Technologia sztucznej inteligencji może pomóc graczom efektywniej zarządzać wirtualnymi zasobami w grze i handlować nimi. Korzystając z inteligentnych kontraktów i strategii automatycznego handlu, gracze mogą zmaksymalizować wykorzystanie aktywów, na przykład automatycznie kupować, sprzedawać, leasingować i pożyczać zasoby gier, aby zoptymalizować zwrot z inwestycji.
3. Popraw interakcję w grze:
Sztuczna inteligencja może tworzyć bardziej inteligentne i responsywne postacie niezależne (NPC), a dzięki technologiom przetwarzania języka naturalnego (NLP) i uczenia maszynowego (ML) osiągać bardziej naturalne i płynne interakcje z graczami, poprawiając zanurzenie i komfort gry zadowolenie.
Możliwe strategie inwestycyjne z perspektywy czasu
W perspektywie krótkoterminowej należy zwrócić uwagę na obszary, w których sztuczna inteligencja jest wdrażana w Crypto po raz pierwszy, takie jak niektóre koncepcyjne aplikacje i memy oparte na sztucznej inteligencji. Logika: w tym roku główny nurt sztucznej inteligencji będzie nadal tworzyć nowe gorące punkty. Za każdym razem, gdy Nvidia, Openai i inne firmy zajmujące się web2 aktualizują swoje duże modele, uruchomi to gorące punkty na ścieżce AI, a także pojawią się nowe fundusze. zostaną wprowadzone. To zdetonuje emocjonalną stronę utworu.
W średnim terminie połączenie Ai Agent z Intent i inteligentnymi kontraktami jest dobrym punktem. Gdy sztuczna inteligencja odniesie sukces, zapewni rozwiązania umożliwiające rozwój inteligentnych kontraktów, tworząc w ten sposób nowy łańcuch bloków księgi + kontraktu + sztucznej inteligencji, przełamując narrację księgi + kontraktu z ery eth.
Wśród nich agent ai to kierunek podziału, który przeszedł V. Agent AI odnosi się do agenta AI, który może autonomicznie uzyskiwać informacje ze środowiska, autonomicznie przetwarzać informacje, podejmować decyzje, wykonywać i autonomicznie zmieniać środowisko. AI Agent należy obecnie do najnowocześniejszego segmentu dziedziny AI i jest warstwą aplikacji najbliższą Mass Adoption.
Mówiąc narracyjnie. Agent AI to seksowna i gorąca piękność, moc obliczeniowa GPU w chmurze to stabilny i dojrzały przedsiębiorca w średnim wieku, a model AI w połączeniu z warstwą DA to naukowiec z rozczochranymi włosami.
Na dłuższą metę połączenie technologii AI i zkML (chociaż szefowie ML firmy web2 AI szydzą z AI Crypto) ostatecznie wpłynie na dziedzinę Crypto.
Referencje
Twitter: https://twitter.com/FinanceYF5/status/1772434625387717055
Strona internetowa Web3Caff: https://twitter.com/Web3Caff_Res
Vitalik na Twitterze: https://twitter.com/VitalikButerin
załącznik:
Lista projektów zdecentralizowanej platformy obliczeniowej i sztucznej inteligencji
Odnosi się to głównie do używania Crypto jako zachęty do dzielenia się i wykorzystywania bezczynnych zasobów obliczeniowych w skali globalnej.
Lista projektów źródłowych danych AI i modeli
Obszar ten opiera się głównie na autentyczności, przejrzystości i identyfikowalności danych, wykorzystując model ekonomiczny Crypto do zapewniania zachęt związanych z danymi (dla użytkowników strony C) i zachęt modelowych (strona deweloperska, B).
