Tiga Arah Strategis untuk Integrasi AI dan Enkripsi

Saat ini, kombinasi antara AI dan enkripsi sedang memasuki tahap inovasi yang cepat. Berikut adalah tiga arah pengembangan utama:

1. Membangun ekosistem ekonomi yang didorong oleh agen cerdas

Agen cerdas yang beroperasi di blockchain telah terbukti efektif. Eksperimen di bidang ini terus menerobos batasan operasi agen di atas rantai, dengan potensi besar dan ruang desain yang luas. Saat ini, ini telah menjadi salah satu arah paling inovatif dan memiliki potensi besar di bidang enkripsi dan AI, dan ini baru permulaan.

Di masa depan, agen cerdas mungkin akan mengelola proyek kolaborasi multi pihak yang kompleks. Misalnya, di bidang penelitian, agen dapat bertanggung jawab untuk mencari senyawa pengobatan untuk penyakit tertentu:

• Mengumpulkan dana melalui platform penggalangan dana token
• Menggunakan dana untuk membayar biaya akses data penelitian dan biaya simulasi di jaringan komputasi terdesentralisasi
• Merekrut manusia untuk melaksanakan pekerjaan verifikasi eksperimen melalui platform bounty

Selain proyek yang kompleks, agen juga dapat melakukan tugas sederhana seperti membuat situs web pribadi, menciptakan karya seni, dan sebagainya, dengan kemungkinan aplikasi yang tidak terbatas.

enkripsi mata uang kripto memiliki keunggulan unik di beberapa bidang:

• Aplikasi pembayaran kecil
• Keunggulan kecepatan——Fungsi penyelesaian instan membantu agen mencapai efisiensi modal maksimum
• Masuk ke pasar modal melalui DeFi - agen dapat mencetak aset, berdagang, berinvestasi, meminjam, menggunakan leverage, dan lainnya secara mulus.

Dari sudut pandang perkembangan teknologi, ketergantungan jalur memainkan peran kunci. Dengan semakin banyak agen yang memperoleh keuntungan melalui enkripsi, koneksi enkripsi kemungkinan besar akan menjadi kemampuan inti agen.

Beberapa aspek arah perkembangan masa depan yang layak diperhatikan:

1. Mekanisme Pengendalian Risiko
2. Mendorong penggunaan skenario non-spekulatif
3. Persyaratan Kemajuan Pengembangan

2. Meningkatkan kemampuan model bahasa besar dalam pengembangan

Model bahasa besar telah menunjukkan kinerja yang luar biasa dalam penulisan kode, dan di masa depan akan terus meningkat. Melalui kemampuan ini, efisiensi pengembang diharapkan meningkat 2-10 kali lipat. Baru-baru ini, dengan membangun standar berkualitas tinggi untuk mengevaluasi pemahaman dan kemampuan model bahasa besar dalam menulis kode, akan membantu memahami potensi dampaknya terhadap ekosistem. Rencana penyetelan model berkualitas tinggi akan diuji dalam pengujian standar.

Namun, masih ada beberapa tantangan saat ini:

• Kekurangan data pelatihan asli yang berkualitas tinggi
• Jumlah konstruksi verifikasi tidak mencukupi
• Kurangnya interaksi dengan nilai informasi yang tinggi
• Perkembangan infrastruktur yang pesat menyebabkan kode lama mungkin tidak lagi berlaku
• Kurangnya metode untuk memahami tingkat pemodelan evaluasi

Arah perkembangan masa depan termasuk:

• Dapatkan data terkait yang lebih baik
• Rilis lebih banyak verifikasi pembangunan
• Mendorong anggota ekosistem untuk berinteraksi secara aktif di platform tanya jawab
• Membuat pengujian benchmark berkualitas tinggi
• Mengembangkan model fine-tuning yang berkinerja baik dalam pengujian referensi

Tujuan akhirnya adalah: klien node verifikasi baru yang sepenuhnya dibuat oleh AI, berkualitas tinggi, dan terdistribusi.

3. Mendukung tumpukan teknologi AI yang terbuka dan terdesentralisasi

"Tumpukan teknologi AI yang terbuka dan terdesentralisasi" mencakup elemen kunci berikut:

• Pengambilan data pelatihan
• Kemampuan komputasi pelatihan dan inferensi
• Berbagi bobot model
• Kemampuan verifikasi output model

Pentingnya tumpukan teknologi AI terbuka ini tercermin dalam:

• Mempercepat inovasi dan eksperimen pengembangan model
• Menyediakan alternatif bagi pengguna yang tidak mempercayai AI terpusat

Sudah ada beberapa proyek dalam ekosistem yang mendukung tumpukan teknologi AI terbuka, termasuk pengumpulan data, kekuatan komputasi terdesentralisasi, dan kerangka pelatihan terdesentralisasi.

Di masa depan, diharapkan dapat membangun lebih banyak produk di setiap lapisan tumpukan teknologi AI sumber terbuka:

• Pengumpulan data terdesentralisasi
• Verifikasi identitas di blockchain
• Pelatihan terdesentralisasi
• Infrastruktur IP: memungkinkan AI untuk melisensikan dan membayar konten yang digunakannya

Melalui upaya ini, kami berharap melihat integrasi AI dengan enkripsi membawa lebih banyak inovasi dan peluang pengembangan bagi seluruh industri.