AI и шифрование: три направления развития

В настоящее время сочетание ИИ и шифрования быстро переходит в экспериментальную стадию. В этой статье будут рассмотрены три важных направления развития интеграции ИИ и шифрования.

1. Создание экономической экосистемы, управляемой интеллектуальными агентами

Умные агенты, работающие на блокчейне, уже продемонстрировали огромный потенциал. Эксперименты в этой области постоянно расширяют границы операций агентов в цепочке, показывая широкий диапазон дизайна и взрывную силу.

Будущие тенденции развития

Умные агенты могут управлять сложными многосторонними проектами сотрудничества. Например, в научной области агенты могут быть ответственны за поиск методов лечения конкретных заболеваний:

• Сбор средств через платформу для краудфандинга токенов
• Использование средств для оплаты доступа к исследовательским материалам и вычислительным расходам в децентрализованной вычислительной сети
• Нанимать людей для выполнения экспериментальных верификационных работ через платформу вознаграждений

Кроме того, агент может выполнять простые задачи, такие как создание личного веб-сайта, создание художественных произведений и т. д., области применения весьма разнообразны.

Преимущества шифрования

Хотя агенты могут одновременно использовать традиционные финансовые и шифрование системы, шифрование имеет уникальные преимущества в некоторых областях:

• Приложения для малых платежей показывают отличные результаты
• Функция мгновенного расчета помогает достичь максимальной эффективности капитала
• Бесшовный вход в капитальный рынок через DeFi, проведение разнообразных финансовых операций

С увеличением числа агентов, получающих доход через шифрование, шифрованное соединение, вероятно, станет ключевой способностью агентов.

Обратите внимание на направление

Будущие направления исследований, которые стоит учитывать, включают:

1. Установление механизма контроля рисков
2. Продвижение неспекулятивных сценариев использования
3. Ускорьте процесс разработки, чтобы как можно скорее запустить основную сеть.

2. Повышение возможностей LLM в разработке

Большие языковые модели ( LLMs ) уже продемонстрировали мощные способности в написании кода и быстро развиваются. Ожидается, что в этой области произойдет резкий прогресс, который может кардинально изменить модели разработки программного обеспечения.

Текущий вызов

В настоящее время LLMs по-прежнему сталкиваются с некоторыми проблемами в понимании определенных технологий блокчейн:

• Нехватка качественных исходных данных для обучения
• Недостаточное количество подтверждений сборки
• Недостаток взаимодействия разработчиков с высокой информационной ценностью
• Быстрое обновление и итерация технологий, исторический код может не подходить для текущих потребностей
• Недостаток методов понимания уровня оценки модели

Будущее направление развития

Для содействия применению LLM в разработке в будущем можно обратиться к следующим аспектам:

• Улучшение качества связанных данных в Интернете
• Поощрять больше команд публиковать проверенные сборки
• Активно задавайте вопросы и предоставляйте качественные ответы в сообществе разработчиков
• Создание высококачественных эталонных тестов для оценки понимания LLMs
• Разработка моделей LLM с хорошими результатами в бенчмаркинге

Долгосрочная цель состоит в том, чтобы создать совершенно новые, высококачественные и дифференцированные клиентские приложения для верификационных узлов, полностью разработанные с помощью ИИ.

3. Поддержка открытого и децентрализованного стека технологий ИИ

Долгосрочный баланс сил между открытыми и закрытыми AI моделями все еще неясен. В настоящее время ожидается, что технологические гиганты будут продвигать передовые разработки, в то время как открытые модели быстро их догонят и получат преимущества в определенных областях.

Важность

Важность поддержки открытого технологического стека AI заключается в:

1. Ускорение инновационных итераций: быстрое улучшение и доработка моделей сообществом с открытым исходным кодом эффективно продвигает границы возможностей ИИ.
2. Предоставить пользователям выбор: предложить альтернативные решения для пользователей, не доверяющих централизованному ИИ, чтобы справиться с рисками, связанными с использованием ИИ для контроля.

Экологическое состояние

В настоящее время существует множество проектов, поддерживающих различные аспекты открытого стека технологий AI:

• Сбор данных
• Децентрализованная вычислительная мощность
• Децентрализованная учебная платформа

Будущие перспективы

Ждем создания большего количества продуктов на всех уровнях стека открытых AI-технологий:

• Децентрализованный сбор данных
• Проверка идентичности на цепочке
• Децентрализованное обучение
• IP инфраструктура

С помощью этих усилий ожидается, что будет способствовано глубокому слиянию ИИ и шифрования, что откроет больше инновационного потенциала.