Ba hướng chiến lược chính trong việc kết hợp AI và mã hóa

Hiện tại, sự kết hợp giữa AI và mã hóa đang bước vào giai đoạn phát triển nhanh chóng. Bài viết này trình bày rõ ràng ba hướng phát triển chính của sự kết hợp AI + mã hóa.

1. Xây dựng nền kinh tế do đại lý thông minh hoạt động tích cực

Các tác nhân thông minh hoạt động trên chuỗi đã được chứng minh là khả thi. Các thí nghiệm trong lĩnh vực này đang không ngừng vượt qua ranh giới của hoạt động tác nhân trên chuỗi, với tiềm năng to lớn và không gian thiết kế rộng rãi. Hiện tại, đây đã trở thành một trong những hướng đột phá nhất trong lĩnh vực mã hóa và AI, và đây chỉ mới là khởi đầu.

Trong tương lai, các đại lý thông minh có thể quản lý các dự án phức tạp cần phối hợp kinh tế nhiều bên. Ví dụ, trong lĩnh vực nghiên cứu khoa học, các đại lý có thể chịu trách nhiệm tìm kiếm các hợp chất điều trị cho các bệnh cụ thể:

• Thực hiện huy động vốn token thông qua các nền tảng liên quan
• Sử dụng vốn huy động để thanh toán chi phí truy cập tài liệu nghiên cứu và chi phí tính toán của mạng lưới tính toán phi tập trung
• Thuê người thực hiện công việc xác minh thí nghiệm thông qua nền tảng thưởng

Ngoài các dự án phức tạp, đại lý cũng có thể thực hiện các nhiệm vụ đơn giản như xây dựng trang web cá nhân, sáng tác tác phẩm nghệ thuật, và các ứng dụng có vô số khả năng.

Đại lý sử dụng hệ thống mã hóa tiền điện tử có những lợi thế độc đáo:

• Ứng dụng thanh toán nhỏ
• Lợi thế về tốc độ: Chức năng thanh toán tức thì giúp đại lý đạt được hiệu quả vốn tối đa
• Tham gia vào thị trường vốn thông qua DeFi: đại lý có thể dễ dàng tạo ra tài sản, giao dịch, đầu tư tài chính, cho vay, sử dụng đòn bẩy, v.v.

Ngành công nghiệp hy vọng thấy các đại lý được trang bị ví mã hóa có thể thực hiện các thí nghiệm đổi mới trên chuỗi. Đặc biệt chú ý đến các hướng sau:

1. Cơ chế kiểm soát rủi ro
2. Thúc đẩy các trường hợp sử dụng không đầu cơ
3. Yêu cầu tiến độ phát triển: ít nhất đạt giai đoạn nguyên mẫu mạng thử nghiệm, tốt nhất là đã chạy trên mạng chính.

2. Nâng cao khả năng của LLM trong phát triển mã

Mô hình ngôn ngữ lớn thể hiện xuất sắc trong việc viết mã, và trong tương lai sẽ còn được cải thiện hơn nữa. Nhờ vào những khả năng này, hiệu suất của các nhà phát triển có thể được nâng cao từ 2-10 lần. Gần đây, việc thiết lập các tiêu chuẩn chất lượng cao để đánh giá khả năng hiểu và viết mã của LLMs sẽ giúp hiểu rõ hơn về tác động tiềm tàng của LLMs đối với hệ sinh thái.

Tuy nhiên, hiện tại có một số thách thức cản trở LLMs đạt được trình độ xuất sắc trong việc hiểu biết:

• Thiếu dữ liệu huấn luyện gốc chất lượng cao
• Số lượng xác thực xây dựng không đủ
• Thiếu sự tương tác có giá trị thông tin cao trên một số nền tảng
• Hạ tầng phát triển nhanh chóng, mã cũ có thể không phù hợp với nhu cầu hiện tại.
• Thiếu phương pháp đánh giá mức độ hiểu biết về mô hình

Ngành công nghiệp hy vọng thấy:

• Giúp nhận được dữ liệu liên quan tốt hơn
• Nhiều đội ngũ phát hành xác thực xây dựng
• Nhiều người trong hệ sinh thái tích cực đưa ra những câu hỏi hay và cung cấp câu trả lời chất lượng cao trên các nền tảng liên quan.
• Tạo các bài kiểm tra chuẩn chất lượng cao, đánh giá mức độ hiểu biết của các LLMs
• Tạo ra mô hình LLM tinh chỉnh có hiệu suất tốt trong các bài kiểm tra chuẩn.

Thành tựu quan trọng cuối cùng sẽ là: một khách hàng nút xác thực hoàn toàn mới, chất lượng cao và khác biệt được tạo ra hoàn toàn bởi AI.

3. Hỗ trợ công nghệ AI mở và phi tập trung

"Công nghệ AI mở và phi tập trung" bao gồm các yếu tố then chốt sau:

• Thu thập dữ liệu huấn luyện
• Năng lực tính toán huấn luyện và suy diễn
• Chia sẻ trọng số mô hình
• Khả năng xác thực đầu ra của mô hình

Tầm quan trọng của công nghệ AI mở này được thể hiện trong:

• Thúc đẩy đổi mới và thử nghiệm trong phát triển mô hình
• Cung cấp giải pháp thay thế cho người dùng không tin tưởng vào AI phi tập trung

Hiện tại trong hệ sinh thái đã có nhiều dự án hỗ trợ công nghệ mở AI.

• Thu thập dữ liệu
• Điện toán phi tập trung
• Khung đào tạo phi tập trung

Ngành công nghiệp kỳ vọng có thể xây dựng nhiều sản phẩm hơn ở tất cả các cấp độ của công nghệ AI mã nguồn mở:

• Thu thập dữ liệu phi tập trung
• Danh tính trên chuỗi: hỗ trợ giao thức ví xác thực danh tính con người, giao thức xác thực phản hồi API AI
• Đào tạo phi tập trung
• Cơ sở hạ tầng IP: cho phép AI cấp phép (và thanh toán) cho nội dung mà nó sử dụng.