AI та шифрування: три основні напрямки розвитку

У нинішній експериментальній стадії перетворення AI та шифрування спостерігається розвиток у стилі "камбрійського вибуху". У цій статті буде детально розглянуто три основні напрямки злиття AI та шифрування.

Основний зміст

1. Створення активної економіки, керованої розумними агентами
2. Підвищення застосування великих мовних моделей у розробці
3. Сприяти відкритій та децентралізованій інфраструктурі технологій ШІ

1. Створення активної економіки, керованої інтелектуальними агентами

Деякі проекти вже підтвердили можливість роботи AI-агентів на ланцюзі. Експерименти в цій сфері постійно розширюють межі операцій агентів на ланцюзі, демонструючи величезний потенціал та широкий простір для дизайну. Наразі це стало одним із найпрогресивніших і найперспективніших напрямків у сфері шифрування та AI, і це лише початок.

Майбутній напрямок розвитку

Розумні агенти в майбутньому можуть управляти складними проектами, які потребують багатосторонньої економічної координації. Наприклад, у наукових дослідженнях агенти можуть відповідати за пошук лікувальних сполук для конкретних захворювань:

• Збір коштів через платформу залучення капіталу на основі токенів
• Використання залучених коштів для оплати витрат на доступ до дослідницьких матеріалів, витрат на обчислення симуляцій сполук у децентралізованій обчислювальній мережі
• Залучення людей для виконання експериментальної верифікації через платформу винагород.

Окрім складних проєктів, агенти також можуть виконувати прості завдання, такі як створення особистих веб-сайтів, створення художніх творів тощо, їхні можливості застосування безмежні.

Чому виконання в ланцюзі має більше значення?

Шифрування валюти має унікальні переваги в деяких сферах:

• Додатки для малих платежів
• Швидкісна перевага: функція миттєвих розрахунків допомагає агентам досягти максимальної капітальної ефективності
• Вхід на капітальний ринок через DeFi: агенти можуть безшовно випускати активи, проводити торги, інвестувати, здійснювати кредитні операції, використовувати важелі тощо

З точки зору закономірностей технічного розвитку, залежність від шляху відіграє ключову роль. Оскільки дедалі більше агентів отримують прибуток через шифрування, шифроване з'єднання, ймовірно, стане основною здатністю агентів.

Основні напрями уваги

1. Механізм контролю ризиків
2. Сприяння неспекулятивним сценаріям використання
3. Вимоги до прогресу розробки: принаймні потрібно досягти етапу прототипу тестової мережі, краще, якщо вже працює на основній мережі.

2. Посилене використання великих мовних моделей у розробці

Великі мовні моделі вже продемонстрували чудові результати в написанні коду, і в майбутньому їх можливості ще більше зростуть. Завдяки цим здібностям, ефективність розробників, ймовірно, збільшиться в 2-10 разів. Нещодавно, створення якісних стандартів для оцінки здатності LLMs розуміти та писати код допоможе зрозуміти потенційний вплив LLMs на екосистему.

Поточний виклик

• Брак якісних вихідних навчальних даних
• Недостатня кількість перевірок побудови
• На платформі спільноти розробників не вистачає інтерактивності з високою інформаційною цінністю
• Розвиток інфраструктури відбувається швидко, що може призвести до того, що старий код стане непридатним.
• Відсутність методів оцінки рівня розуміння конкретних технологій

Очікуваний прогрес

• Покращити якість доступних в Інтернеті відповідних даних
• Більше команд публікують перевірку побудови
• У екосистемі більше людей активно залучені до платформи спільноти розробників
• Створення високоякісних бенчмарків для оцінки рівня розуміння LLMs
• Створення LLM моделі з підгонкою, яка добре показує себе в бенчмарках

Остаточним досягненням стане: абсолютно новий, високоякісний, диференційований клієнт верифікаційного вузла, створений повністю штучним інтелектом.

3. Сприяння відкритій та децентралізованій інфраструктурі AI технологій

У галузі ШІ довгостроковий баланс сил між відкритими та закритими моделями залишається невизначеним. Наразі найпростішим очікуванням є збереження статус-кво — великі технологічні компанії просувають передові розробки, тоді як відкриті моделі швидко реагують і отримують унікальні переваги через доопрацювання в конкретних сценаріях застосування.

Підтримувані ключові елементи

• Дані для навчання
• Обчислювальна потужність для навчання та висновків
• Ваги моделі
• Модель виходу перевірки можливостей

стратегічна важливість

1. Відкриті моделі прискорюють інноваційні ітерації: швидке вдосконалення та тонка налаштування відкритих моделей спільнотою демонструє, як спільнота може ефективно доповнювати роботу великих AI-компаній, просуваючи межі можливостей AI.

2. Надати вибір користувачам, які не довіряють централізованому ШІ: ШІ може бути використаний як інструмент контролю, підтримка відкритого стеку технологій ШІ може надати альтернативний вибір для користувачів.

Стан екосистеми

Багато проектів вже підтримують відкритий стек технологій AI:

• Збір даних
• Децентралізовані обчислення
• Децентралізована навчальна структура

Перспективи майбутнього

Сподіваюся, що на всіх рівнях відкритих технологій штучного інтелекту можна буде створити більше продуктів:

• Децентралізоване збирання даних
• Ідентичність в ланцюгу
• Децентралізоване навчання
• IP інфраструктура: дозволити ШІ ліцензувати (та оплачувати) вміст, який він використовує

Завдяки цим зусиллям ми сподіваємося сприяти глибокій інтеграції AI та шифрування, прокладаючи шлях для майбутнього технологічного розвитку.