Las tres direcciones estratégicas de la fusión de la IA y la encriptación

Actualmente, la combinación de AI y encriptación está entrando en una fase de rápido desarrollo. Este artículo describe detalladamente tres direcciones clave de desarrollo.

1. Construir un sistema económico impulsado por agentes inteligentes

La operación de agentes inteligentes en la blockchain ha demostrado ser viable. Los experimentos en este campo continúan rompiendo fronteras, con un gran potencial y un amplio espacio de diseño. Actualmente, este se ha convertido en una de las direcciones más innovadoras en el ámbito de la encriptación y la IA, y esto es solo el comienzo.

En el futuro, los agentes inteligentes podrán gestionar proyectos complejos, como la búsqueda de compuestos terapéuticos para enfermedades específicas en el campo de la investigación científica. Específicamente:

• Recaudación de fondos a través de plataformas de financiación mediante tokens
• Utilizar los fondos recaudados para pagar los costos de acceso a los materiales de investigación y los costos de simulación en la red de computación descentralizada.
• Reclutar humanos para realizar trabajos de verificación de experimentos a través de la plataforma de recompensas

Además, los agentes también pueden llevar a cabo tareas simples como crear sitios web personales, crear obras de arte, etc., y los escenarios de aplicación tienen posibilidades infinitas.

Los agentes inteligentes tienen ventajas sobre el uso de canales tradicionales para ejecutar actividades financieras en la blockchain:

• Aplicaciones de pagos pequeños
• Ventaja de velocidad, liquidación instantánea
• A través de DeFi, ingresar al mercado de capitales permite la creación, el comercio, la inversión y la gestión de activos, así como el préstamo, de manera fluida.

2. Mejorar la capacidad de los grandes modelos de lenguaje en el desarrollo de código

Los grandes modelos de lenguaje han demostrado un rendimiento sobresaliente en la programación de código, y se espera que mejoren aún más en el futuro. A través de estas capacidades, la eficiencia de los desarrolladores podría aumentar entre 2 y 10 veces. Recientemente, establecer referencias de alta calidad para evaluar la capacidad de los grandes modelos de lenguaje para entender y escribir código ayudará a comprender su impacto potencial en el ecosistema. Los esquemas de ajuste fino de modelos de alta calidad serán validados en las pruebas de referencia.

Los desafíos actuales incluyen:

• Falta de datos de entrenamiento originales de alta calidad
• La cantidad de construcciones de verificación es insuficiente
• Falta de interacción de alto valor informativo
• El rápido desarrollo de la infraestructura ha llevado a que el código antiguo pueda no ser aplicable.
• Falta un método para evaluar el grado de comprensión del modelo.

En el futuro espero ver:

• Obtener mejores datos relevantes
• Más equipos lanzan construcciones de verificación
• Los miembros del ecosistema interactúan activamente en la plataforma de intercambio técnico
• Crear pruebas de referencia de alta calidad
• Desarrollar modelos de ajuste fino que tengan un buen rendimiento en las pruebas de referencia

El logro final será un nuevo cliente de nodo de validación, completamente creado por IA, de alta calidad y diferenciado.

3. Soporte para una pila de tecnologías de IA abierta y descentralizada

"La pila de tecnología de IA abierta y descentralizada" incluye los siguientes elementos clave:

• Obtención de datos de entrenamiento
• Capacidad de cálculo para entrenamiento e inferencia
• Compartición de pesos del modelo
• Capacidad de validación de salida del modelo

La importancia de este stack tecnológico de IA abierta se refleja en:

• Acelerar la innovación y la experimentación en el desarrollo de modelos
• Proporcionar alternativas para los usuarios que no confían en la IA centralizada

Ya hay varios proyectos en el ecosistema que apoyan la pila de tecnología de IA abierta:

• Recolección de datos
• Poder de cálculo descentralizado
• Marco de entrenamiento descentralizado

En el futuro, se espera construir más productos en todos los niveles de la pila tecnológica de IA de código abierto, incluyendo la recopilación de datos descentralizada, la verificación de identidad en la cadena, el entrenamiento descentralizado y la infraestructura de IP para la licencia de contenido de IA.