Autor do texto original: Archetype
Tradução do texto original: TechFlow de ShenChao
1. Interação entre agentes (Agent-to-Agent Interaction)
A blockchain, com sua transparência inerente e capacidade de combinação, torna-se a plataforma ideal para permitir interações sem costura entre agentes. Nessa interação, agentes desenvolvidos por diferentes entidades para diferentes propósitos podem colaborar para completar tarefas. Já existem algumas tentativas empolgantes, como transferências entre agentes, emissão conjunta de tokens, etc. Esperamos que a interação entre agentes possa se expandir ainda mais: por um lado, criando novos cenários de aplicação, como uma nova plataforma social dirigida por agentes; por outro, otimizando fluxos de trabalho empresariais existentes, como certificação de plataforma, micropagamentos, integração de fluxos de trabalho entre plataformas, etc., simplificando os processos operacionais complicados e tediosos de hoje. - Danny, Katie, Aadharsh, Dmitriy
aethernet e clanker estão lançando Token juntos no Warpcast
2. Organizações de agentes descentralizadas (Decentralized Agentic Organizations)
A colaboração de múltiplos agentes em larga escala é outra direção de pesquisa empolgante. Como sistemas de múltiplos agentes podem colaborar na execução de tarefas, resolver problemas, ou até gerenciar protocolos e sistemas? No artigo de início de 2024 (Promessas e Desafios da Aplicação de Cripto + AI), Vitalik propôs a ideia de usar agentes de AI para mercados preditivos e arbitragens. Ele acredita que, em aplicações em larga escala, sistemas de múltiplos agentes têm um enorme potencial em descoberta de 'verdade' e governança autônoma. Estamos ansiosos para ver como essa capacidade de sistemas de múltiplos agentes será ainda mais explorada, e como a 'inteligência coletiva' pode mostrar mais possibilidades em experimentos.
Além disso, a colaboração entre agentes e humanos é uma direção que vale a pena explorar. Por exemplo, como as comunidades interagem em torno de agentes, ou como os agentes organizam humanos para realizar ações coletivas. Esperamos ver mais experimentos de agentes com foco em colaboração humana em larga escala. Claro, isso precisa ser equipado com algum mecanismo de verificação, especialmente quando as tarefas são concluídas fora da cadeia. Mas essa exploração pode resultar em resultados maravilhosos e inesperados. - Katie, Dmitriy, Ash
3. Entretenimento multimídia dirigido por agentes (Agentic Multimedia Entertainment)
O conceito de personalidade virtual digital já existe há anos. Por exemplo, Hatsune Miku (2007) realizou concertos esgotados em locais com 20 mil lugares; Lil Miquela (2016) tem mais de 2 milhões de seguidores no Instagram. Exemplos recentes incluem a streamer virtual de AI Neuro-sama (2022), que já ultrapassou 600 mil assinantes no Twitch; e o grupo anônimo de Kpop PLAVE (2023), que teve mais de 300 milhões de visualizações no YouTube em menos de dois anos. Com os avanços na tecnologia AI e a aplicação da blockchain em pagamentos, transferência de valor e plataformas de dados abertos, esses agentes estão se tornando cada vez mais autônomos e podem abrir uma nova categoria de entretenimento mainstream em 2025. - Katie, Dmitriy
De cima para baixo no sentido horário: Hatsune Miku, Luna da Virtuals, Lil Miquela e PLAVE
4. Marketing de conteúdo gerado/dirigido por agentes (Generative/Agentic Content Marketing)
Em alguns casos, os agentes são o próprio produto, enquanto em outros, os agentes podem complementar o produto. Na economia da atenção, a produção contínua de conteúdo atraente é a chave para o sucesso de qualquer ideia, produto ou empresa. O conteúdo gerado/dirigido por agentes fornece às equipes uma poderosa ferramenta para garantir um canal de criação de conteúdo escalável e disponível 24 horas por dia. Este campo tem se desenvolvido rapidamente devido à discussão sobre 'as diferenças entre memecoins e agentes'. Os agentes são uma poderosa ferramenta para a disseminação de memecoins, mesmo que ainda não tenham alcançado completamente a 'agencialização'.
Outro exemplo é a indústria de jogos, que está cada vez mais buscando dinamicidade para manter o envolvimento do usuário. Um método clássico é incentivar a geração de conteúdo pelo usuário, enquanto conteúdo gerado puramente (como itens dentro do jogo, NPCs, ou até níveis completamente gerados) pode se tornar a próxima fase dessa tendência. Estamos curiosos para ver como as capacidades dos agentes em 2025 vão expandir ainda mais os limites da distribuição de conteúdo e interação do usuário. - Katie
5. Ferramentas/plataformas artísticas da próxima geração (Next-Gen Art Tools/Platforms)
Em 2024, lançamos a série IN CONVERSATION WITH, um programa de entrevistas com artistas criptográficos de música, arte visual, design, curadoria, etc. As entrevistas deste ano me fizeram notar uma tendência: artistas interessados em tecnologia criptográfica geralmente têm uma grande paixão por tecnologias de ponta e querem que essas tecnologias se integrem mais profundamente em suas práticas criativas, como objetos AR/VR, arte gerada por código e codificação ao vivo (livecoding).
A combinação de arte gerada (Generative Art) e tecnologia blockchain tem uma longa história, tornando a blockchain um veículo ideal para a arte da AI. Em plataformas tradicionais, é muito difícil exibir e apresentar essas formas de arte. A ArtBlocks oferece uma exploração inicial de como a arte digital pode ser exibida, armazenada, monetizada e preservada através da blockchain, melhorando imensamente a experiência de artistas e espectadores. Além disso, ferramentas de AI também permitem que pessoas comuns criem facilmente suas próprias obras de arte. Estamos muito ansiosos para ver como a blockchain pode ainda mais aumentar a capacidade dessas ferramentas em 2025. - Katie
KC: Já que você se sente frustrado com a cultura criptográfica e tem suas discordâncias, o que ainda te motiva a participar do Web3? Que valor o Web3 traz para sua prática criativa? É uma exploração experimental, retorno econômico, ou algo mais?
MM: Para mim, o Web3 tem um impacto positivo em várias áreas, tanto para mim quanto para outros artistas. Pessoalmente, aquelas plataformas que suportam a publicação de arte gerada são especialmente importantes para minha criação. Por exemplo, você pode fazer upload de um arquivo JavaScript, e quando alguém cunha ou coleciona uma obra, o código é executado em tempo real e gera uma obra de arte única dentro do sistema que você projetou. Esse processo de geração em tempo real é uma parte central da minha prática criativa. Introduzir aleatoriedade nos sistemas que escrevo e construo, tanto conceitualmente quanto tecnicamente, impactou profundamente minha forma de pensar sobre a arte. No entanto, se não for mostrado em plataformas projetadas especificamente para essa forma de arte, ou em galerias tradicionais, muitas vezes é difícil transmitir esse processo ao público.
Em uma galeria, pode ser exibido um algoritmo que está rodando em tempo real através de projeção ou tela, ou uma seleção de obras geradas por algoritmos, convertidas de alguma forma em uma forma física para exibição. Mas para aqueles que não estão familiarizados com o código como meio artístico, pode ser difícil entender o significado da aleatoriedade nesse processo criativo, sendo que essa aleatoriedade é uma parte importante da prática de todos os artistas que usam software de forma gerada. Quando a forma final da obra é apenas uma imagem publicada no Instagram, ou uma peça impressa, às vezes sinto que é difícil enfatizar o conceito central de 'código como meio de criação' para o público.
O surgimento dos NFTs me empolga, pois não apenas oferece uma plataforma para mostrar arte gerada, mas também ajuda a popularizar o conceito de 'código como meio artístico', permitindo que mais pessoas compreendam a singularidade e o valor desse modo de criação.
Trecho de IN CONVERSATION WITH: Maya Man
6. Mercados de dados (Data Markets)
Desde que Clive Humby afirmou que 'dados são o novo petróleo', empresas têm tomado medidas para acumular e monetizar dados de usuários. No entanto, os usuários estão gradualmente percebendo que seus dados são a base sobre a qual essas grandes empresas sobrevivem, mas têm quase nenhum controle sobre como seus dados são utilizados e não obtêm nenhum retorno. Com o rápido desenvolvimento de poderosos modelos de AI, essa contradição se torna ainda mais aguda. Por um lado, precisamos resolver o problema do uso indevido de dados dos usuários; por outro, à medida que modelos maiores e de maior qualidade esgotam esses 'recursos' de dados da internet pública, novas fontes de dados se tornam ainda mais importantes.
Para devolver o controle dos dados aos usuários, a infraestrutura descentralizada oferece um amplo espaço de design. Isso requer a proposição de soluções inovadoras em várias áreas, como armazenamento de dados, proteção da privacidade, avaliação da qualidade dos dados, atribuição de valor e mecanismos de monetização. Ao mesmo tempo, em resposta à escassez de fornecimento de dados, precisamos pensar em como usar nossas vantagens tecnológicas para construir soluções competitivas, como criar produtos de dados de maior valor por meio de melhores mecanismos de incentivo e métodos de filtragem. Especialmente no atual contexto em que a AI Web2 ainda domina, como combinar contratos inteligentes com acordos de serviço tradicionais (SLA) é uma direção que merece exploração mais profunda. - Danny
7. Computação descentralizada (Decentralized Compute)
No desenvolvimento e implantação de AI, além dos dados, a capacidade computacional também é um elemento-chave. Nos últimos anos, grandes centros de dados dominaram o desenvolvimento de aprendizado profundo e AI, aproveitando o acesso exclusivo a locais, energia e hardware. No entanto, com as limitações de recursos físicos e o avanço da tecnologia de código aberto, esse domínio está sendo gradualmente desafiado.
A fase v1 da computação AI descentralizada é semelhante à nuvem de GPU da Web2, mas não apresenta vantagens significativas em termos de oferta e demanda de hardware. Na fase v2, vemos algumas equipes começando a construir uma pilha tecnológica mais robusta, incluindo orquestração, roteamento e sistemas de precificação para computação de alto desempenho, enquanto desenvolvem recursos proprietários para atrair demanda e melhorar a eficiência da inferência. Algumas equipes estão focadas em otimizar o roteamento de inferência entre hardwares através de frameworks de compiladores, enquanto outras estão desenvolvendo frameworks de treinamento de modelos distribuídos em suas redes de computação.
Além disso, um novo mercado chamado AI-Fi está surgindo, que transforma capacidade de computação e GPU em ativos de receita através de mecanismos econômicos inovadores, ou oferece novas maneiras de financiar hardware para centros de dados utilizando liquidez na blockchain. No entanto, se a computação descentralizada pode realmente realizar seu potencial, ainda depende de se a lacuna entre ideais e necessidades práticas pode ser preenchida. - Danny
8. Padrões de contabilização computacional (Compute Accounting Standards)
Em uma rede de computação de alto desempenho descentralizada (HPC), coordenar recursos computacionais heterogêneos é um desafio importante, e a falta de padrões de contabilização unificados torna esse problema ainda mais complexo. As saídas de modelos de AI apresentam diversidade, como variantes de modelos, quantização, aleatoriedade ajustada por temperatura e hiperparâmetros de amostragem. Além disso, diferentes arquiteturas de GPU e versões de CUDA também podem resultar em diferenças nos resultados de hardware. Esses fatores fazem com que a contagem precisa da capacidade de modelos e mercados de computação em sistemas distribuídos heterogêneos seja um problema urgente a ser resolvido.
Devido à falta desses padrões, este ano, vimos várias vezes no mercado de computação Web2 e Web3 que o desempenho dos modelos e a qualidade e quantidade de recursos computacionais foram contabilizados incorretamente. Isso forçou os usuários a validar o desempenho real dos sistemas de AI executando seus próprios testes de benchmark ou limitando a taxa de uso do mercado de computação.
O campo da criptografia sempre enfatizou a 'verificabilidade', portanto esperamos que até 2025, a combinação de criptografia e AI permita que o desempenho do sistema seja mais transparente. Usuários comuns deveriam ser capazes de comparar facilmente as características de saída chave de modelos ou clusters de computação, a fim de auditar e avaliar o desempenho real do sistema. - Aadharsh
9. Primitivas de privacidade probabilística (Probabilistic Privacy Primitives)
Vitalik mencionou em seu artigo (Promessas e Desafios da Aplicação de Cripto + AI) uma contradição única: 'Na criptografia, o código aberto é a única maneira de alcançar segurança, mas na AI, a divulgação de modelos (mesmo dados de treinamento) aumenta significativamente o risco de ataques de aprendizado de máquina adversariais.'
Embora a proteção da privacidade não seja uma nova direção de pesquisa na blockchain, com o rápido desenvolvimento da AI, técnicas criptográficas relacionadas à privacidade estão se aplicando mais rapidamente. Este ano já houve avanços significativos em técnicas de aprimoramento da privacidade, como provas de conhecimento zero (ZK), criptografia homomórfica total (FHE), ambientes de execução confiáveis (TEE) e computação multipartidária (MPC). Essas técnicas foram usadas em cenários como compartilhamento privado de estados com computação geral em dados criptografados. Ao mesmo tempo, gigantes tecnológicos como Nvidia e Apple também estão utilizando tecnologia TEE proprietária para realizar aprendizado federado e raciocínio privado em AI, mantendo a consistência entre hardware, firmware e modelos.
No futuro, vamos nos concentrar em como proteger a privacidade nas transições de estado aleatório, e como essas tecnologias podem facilitar a aplicação prática da AI descentralizada em sistemas heterogêneos, como raciocínio privado descentralizado, armazenamento e acesso a dados criptografados, e construção de ambientes de execução totalmente autônomos. - Aadharsh
O stack Apple Intelligence da Apple e o GPU H100 da Nvidia
10. Intenções de agentes e interfaces de negociação de usuários da próxima geração (Agentic Intents and Next-Gen User Trading Interfaces)
Uma aplicação importante dos agentes de AI é ajudar os usuários a completar transações de forma autônoma na blockchain. No entanto, nos últimos 12-16 meses, as definições de termos como 'intenção do agente', 'comportamento do agente', 'solucionadores', etc., têm sido vagamente definidas, e a distinção em relação ao desenvolvimento tradicional de 'robôs' não é suficientemente clara.
No próximo ano, esperamos ver sistemas de linguagem mais complexos combinados com múltiplos tipos de dados e arquiteturas de redes neurais, impulsionando o desenvolvimento nesta área. Os agentes continuarão usando os sistemas existentes na blockchain para completar transações, ou desenvolverão novas ferramentas e métodos? Modelos de linguagem de grande escala (LLM) ainda serão o núcleo desses sistemas, ou serão substituídos por outras tecnologias? Em termos de interface do usuário, os usuários interagirão com os sistemas para completar transações através de linguagem natural? A clássica teoria de 'carteira é navegador' se tornará realidade? Todas essas são questões que valem a pena explorar. - Danny, Katie, Aadharsh, Dmitriy