Джерело статті: Юлія
Оригінал: Archetype
Компільовано: Юлія, PANews
Сьогодні, в умовах швидкого розвитку штучного інтелекту та блокчейн-технологій, перетин цих двох областей призводить до захоплюючих інноваційних можливостей. У цій статті детально розглядаються десять важливих напрямків, на які варто звернути увагу у 2025 році, від взаємодії інтелектуальних агентів до децентралізованих обчислень, від трансформації ринків даних до проривів у технологіях конфіденційності.
1. Взаємодія між агентами
Вроджена прозорість та комбінованість блокчейну роблять його ідеальним базовим шаром для взаємодії між агентами. Інтелектуальні агенти, розроблені різними суб'єктами з різними цілями, можуть безперешкодно взаємодіяти на блокчейні. Вже з'явилися деякі помітні експериментальні застосування, такі як перекази коштів між агентами, спільний випуск токенів тощо.
Потенціал розвитку взаємодії між агентами в майбутньому проявляється в двох аспектах: по-перше, створення абсолютно нових обласей застосування, таких як нові соціальні сцени, що виникають з взаємодії агентів; по-друге, оптимізація існуючих робочих процесів на рівні підприємств, включаючи традиційно складні етапи, такі як верифікація та сертифікація платформ, мікроплатежі, інтеграція міжплатформових робочих процесів.
Aethernet та Clanker реалізують спільний випуск токенів на платформі Warpcast
2. Децентралізовані організації інтелектуальних агентів
Масштабна координація між агентами є ще одним захоплюючим напрямком досліджень. Це стосується того, як багатогранні системи можуть спільно виконувати завдання, вирішувати проблеми та управляти системами і протоколами. Віталік у своїй статті "Перспективи та виклики криптовалюти та AI", опублікованій на початку 2024 року, згадував про можливість використання AI-агентів на ринках прогнозування та в арбітражі. Він вважає, що з макроперспективи багатогранні системи демонструють значний потенціал у "виявленні істини" та автономному управлінні системами.
Галузь продовжує досліджувати та експериментувати з межами можливостей багатогранних систем, а також різноманітними формами "колективного інтелекту". Як розширення координації між агентами, координація між агентами та людьми також становить цікаве дизайнерське поле, особливо в тому, як спільноти взаємодіють з агентами та як агенти організовують людей для колективних дій.
Дослідники приділяють особливу увагу експериментам з агентами, мета яких пов'язана з масовою координацією людей. Такі застосування потребують відповідних механізмів верифікації, особливо коли роботи виконуються офлайн. Ця співпраця між людьми та машинами може спричинити унікальну та цікаву поведінку.
3. Інтелектуальні агенти для мультимедійних розваг
Концепція цифрової особистості існує вже кілька десятиліть.
Ще в 2007 році Хацунэ Міку (Hatsune Miku) могла проводити розпродажі на концертах з 20000 глядачів;
Віртуальний інфлюенсер Lil Miquela, створений у 2016 році, має понад 2 мільйони підписників в Instagram.
AI віртуальний ведучий Neuro-sama, запущений у 2022 році, вже має понад 600000 підписників на платформі Twitch;
Віртуальний корейський гурт PLAVE, заснований у 2023 році, за менш ніж два роки отримав понад 300 мільйонів переглядів на YouTube.
З розвитком інфраструктури AI та інтеграцією технологій блокчейн у платіжні системи, передачу вартості та відкриті платформи даних, ці інтелектуальні агенти можуть отримати вищу ступінь автономії до 2025 року та, можливо, започаткують нову основну категорію розваг.
Зліва направо за годинниковою стрілкою: Хацунэ Міку (Hatsune Miku), Луна з Virtuals, Ліл Мікела та PLAVE
4. Маркетинг генеративного/інтелектуального контенту
На відміну від раніше зазначеного випадку, коли інтелектуальні агенти самі є продуктами, інтелектуальні агенти також можуть слугувати додатковими інструментами для продуктів. У сучасну епоху економіки уваги постійна генерація захоплюючого контенту є критично важливою для успіху будь-якої креативності, продукту чи компанії. Генеративний/інтелектуальний контент стає потужним інструментом для команд, які прагнуть забезпечити безперервне виробництво контенту 24/7.
Розвиток цієї сфери прискорюється обговоренням меж між мем-криптовалютами та інтелектуальними агентами. Навіть якщо "інтелектуальність" ще не досягнута, інтелектуальні агенти вже стали потужним засобом для поширення мем-криптовалют.
Сфера ігор пропонує ще один типовий приклад. Сучасні ігри все більше потребують підтримки динаміки для підтримки участі користувачів. Традиційно, виховання контенту, створеного користувачами (UGC), є класичним способом створення динаміки в іграх. А чисто генеративний контент (включаючи предмети в грі, NPC-персонажі, повністю згенеровані рівні тощо) може представляти наступну стадію цього розвитку. З огляду на 2025 рік, здатність інтелектуальних агентів значно розширить межі традиційних стратегій розподілу.
5. Інструменти та платформи мистецтва наступного покоління
У 2024 році заплановано випуск "Серії бесід" (IN CONVERSATION WITH), яка інтерв'ює артистів, активних у сфері криптовалюти та її околицях, таких як музика, візуальне мистецтво, дизайн та кураторство. Ці інтерв'ю виявили важливе спостереження: артисти, які зацікавлені в криптовалютах, зазвичай також звертають увагу на більш широкі передові технології і схильні глибоко інтегрувати ці технології в естетику або ядро своїх художніх практик, такі як об'єкти AR/VR, мистецтво на основі коду та живе програмування.
Генеративне мистецтво та технології блокчейн завжди мали синергію, що робить їх потенціал як інфраструктури для AI-мистецтва ще більш очевидним. На традиційних платформах демонстрація цих нових художніх медіа є надзвичайно складною. Платформа ArtBlocks демонструє майбутнє цифрового мистецтва, яке використовує технології блокчейн для демонстрації, зберігання, монетизації та збереження, значно покращуючи загальний досвід художників та глядачів.
Окрім демонстраційних функцій, AI-інструменти також розширюють можливості звичайних людей у створенні мистецтва. Ця тенденція до демократії змінює ландшафт мистецького творення. З огляду на 2025 рік, те, як технології блокчейн розширять або нададуть можливості цим інструментам, стане надзвичайно привабливим напрямком розвитку.
Витяг з (Бесіда: Майя Ман)
6. Ринок даних
20 років тому, коли Клайв Хамбі заявив, що "дані - це нова нафта", великі компанії вживають рішучих заходів для накопичення та монетизації даних користувачів. Користувачі вже усвідомлюють, що їхні дані є основою цих компаній з ринковою вартістю в десятки мільярдів, але вони майже не мають контролю над тим, як використовуються їхні дані, і не можуть ділитися прибутком від даних. З швидким розвитком потужних AI-моделей ця суперечність стає ще більш очевидною.
Ринок даних стикається з двома можливостями: по-перше, вирішенням проблеми експлуатації даних користувачів, по-друге, вирішенням проблеми нестачі даних, оскільки все більше і кращі моделі споживають дані з публічного інтернету, які легко доступні, і потребують нових джерел даних.
Влада даних повертається до користувачів
Щодо питання, як повернути дані в руки користувачів за допомогою децентралізованої інфраструктури, це є широким дизайном, що вимагає інноваційних рішень у різних сферах. Деякі найнагальніші питання включають:
Місце зберігання даних та як захистити конфіденційність під час зберігання, передачі та обчислень;
Як об'єктивно оцінювати, відбирати та вимірювати якість даних;
Який механізм використовувати для атрибуції та монетизації (особливо у випадку, коли потрібно відстежити цінність назад до джерела);
А також, які системи оркестрації або пошуку даних використовувати в різноманітному екосистемі моделей.
Обмеження постачання
У вирішенні проблем обмежень постачання ключовим є не просто відтворити модель Scale AI за допомогою токенів, а зрозуміти, в яких аспектах ми можемо створити перевагу в умовах сприятливої технології, і як створити рішення з конкурентними перевагами, незалежно від того, чи це масштаб, якість або кращі механізми стимулювання (та відбору), щоб створити більш цінні продукти даних. Особливо, коли більшість попиту все ще походить з Web2 AI, важливо досліджувати, як поєднати механізм виконання смарт-контрактів з традиційними угодами про рівень обслуговування (SLA) та інструментами.
7. Децентралізовані обчислення
Якщо дані є основним елементом розробки та впровадження AI, то обчислювальна потужність є ще одним ключовим компонентом. Традиційна модель великих дата-центрів завдяки своїм унікальним локаціям, енергетичним та апаратним перевагам домінувала в розвитку глибокого навчання та AI в останні роки. Однак фізичні обмеження та розвиток відкритих технологій ставлять під сумнів цю модель.
Перша стадія децентралізованих обчислень AI (v1) за своєю суттю є копією веб-сервісів GPU Web2, без істотних переваг на стороні постачання (апаратного забезпечення або дата-центрів) і з обмеженим органічним попитом.
На другій стадії (v2) деякі видатні команди створюють повний технологічний стек на основі гетерогенного високопродуктивного обчислення (HPC), демонструючи унікальні здібності в плануванні, маршрутизації та ціноутворенні, одночасно розвиваючи власні функції для залучення попиту та реагування на стиск прибутків, особливо на етапі висновків. Команди також починають диференціюватися в стратегіях використання та ринкових стратегіях: деякі зосереджуються на інтеграції фреймворків компіляторів для досягнення ефективної маршрутизації висновків між різним апаратним забезпеченням, інші створюють фреймворки для розподіленого навчання моделей на своїх обчислювальних мережах.
Галузь навіть починає бачити зростання ринку AI-Fi, виникають інноваційні економічні примітиви, що перетворюють обчислювальну потужність та GPU на активи з прибутком, або використовують ліквідність у ланцюзі як альтернативні джерела фінансування для придбання апаратного забезпечення для дата-центрів.
Основне питання полягає в тому, в якій мірі децентралізований AI буде розроблятися та впроваджуватися на децентралізованій обчислювальній інфраструктурі, або, як у сфері зберігання, чи буде завжди існувати розрив між ідеалом і фактичними потребами, що ускладнює реалізацію цього концепту.
8. Визначення стандартів обчислень
У механізмах стимулювання децентралізованих мереж високої продуктивності, основною проблемою, з якою стикається координація гетерогенних обчислювальних ресурсів, є відсутність єдиних стандартів обчислень. AI-моделі додають до виходу високопродуктивних обчислень кілька унікальних складностей, зокрема варіанти моделей, схеми квантування, а також рівні випадковості, що налаштовуються через температуру моделі та параметри вибірки. Крім того, AI-апаратне забезпечення може давати різні результати через відмінності в архітектурі GPU та версіях CUDA. Ці фактори врешті-решт призводять до необхідності встановлення стандартів, щоб регулювати, як моделі та обчислювальні ринки вимірюють свої обчислювальні можливості в гетерогенних розподілених системах.
Частково через відсутність цих стандартів у 2024 році з'явилося кілька випадків у сферах Web2 та Web3, де моделі та обчислювальні ринки не змогли точно оцінити свою якість і кількість обчислень. Це призвело до того, що користувачі були змушені запускати власні бенчмарки порівняння моделей і виконувати докази роботи шляхом обмеження швидкості обчислювальних ринків, щоб перевірити реальні показники цих AI-структур.
Оглядаючи 2025 рік, перетворення криптографії та AI обіцяє прорив у верифікації, що робить їх легшими для перевірки в порівнянні з традиційними AI. Для звичайних користувачів важливо мати можливість чесно порівнювати всі аспекти, що визначають виходи моделей або обчислювальних кластерів, що допоможе в аудиті та оцінці системної продуктивності.
9. Програмні засоби конфіденційності з ймовірністю
У "Перспективах і викликах криптовалюти та AI" Віталік вказує на унікальну проблему, пов'язану з поєднанням криптовалюти та AI: "В області криптографії, відкритий код є єдиним шляхом до справжньої безпеки, але в області AI відкритість моделей (навіть їх навчальних даних) значно підвищує ризик атак з використанням ворожого машинного навчання."
Хоча конфіденційність не є новою областю дослідження блокчейн, швидкий розвиток AI прискорює дослідження та застосування криптографічних примітивів, що підтримують конфіденційність. У 2024 році було досягнуто значного прогресу в технологіях, що підвищують конфіденційність, таких як нульові знання (ZK), повна гомоморфна криптографія (FHE), довірені середовища виконання (TEEs) та багатосторонні обчислення (MPC), які використовуються в загальних сценаріях, таких як приватний обмін зашифрованими даними. У той же час, централізовані AI-гіганти, такі як Nvidia та Apple, також використовують власні TEEs для федеративного навчання та приватного AI-висновку, забезпечуючи конфіденційність під час підтримки узгодженості апаратного забезпечення, прошивок та моделей між системами.
На основі цих розробок, галузь уважно стежить за прогресом технологій підтримки конфіденційності у випадках випадкових станів, а також за тим, як ці технології можуть прискорити реальне впровадження децентралізованих AI-застосувань на гетерогенних системах. Це включає в себе різні аспекти, такі як децентралізоване приватне висновування, зберігання/доступ до зашифрованих даних та повністю суверенні середовища виконання.
Технологічний стек штучного інтелекту Apple та графічний процесор H100 від Nvidia
10. Намір агентів та інтерфейс для користувацьких транзакцій наступного покоління
Протягом останніх 12-16 місяців визначення понять, таких як наміри, поведінка агентів, наміри агентів, рішення, рішення агентів, залишалися розмитими, і не було чіткої межі, що відрізняє їх від традиційної розробки "роботів". Автономні агентні системи, що здійснюють транзакції в ланцюзі, є одним з найближчих до реалізації випадків застосування.
Протягом наступних 12 місяців галузь очікує побачити більш складні мовні системи в поєднанні з різними типами даних та архітектурами нейронних мереж, що сприятиме розвитку загального дизайнерського простору. Це викликало кілька ключових питань:
Чи будуть агенти використовувати існуючі системи транзакцій у ланцюзі, чи розроблять свої інструменти та методи?
Чи продовжать великі мовні моделі виступати як бекенд для цих систем транзакцій агентів, чи з'являться абсолютно нові системи?
На рівні інтерфейсу, чи почнуть користувачі використовувати природну мову для здійснення транзакцій?
Чи зможе класична концепція "гаманця як браузера" зрештою реалізуватися?
Відповіді на ці питання глибоко вплинуть на майбутній розвиток криптовалютних транзакцій. З розвитком технологій AI агентні системи можуть стати більш розумними та автономними, здатними краще розуміти та виконувати наміри користувачів.