AI та шифрування технологій: три напрямки розвитку

Наразі поєднання AI та шифрування швидко переходить у стадію експериментів. У цій статті буде розглянуто три важливі напрямки розвитку інтеграції AI та шифрування.

1. Створення економічної екосистеми, керованої розумними агентами

Розумні агенти, що працюють на блокчейні, вже продемонстрували величезний потенціал. Експерименти в цій області постійно розширюють межі операцій агентів на ланцюгу, демонструючи широкий простір для дизайну та вибуховий потенціал.

Майбутні тенденції розвитку

Розумні агенти можуть управляти складними багатосторонніми проектами. Наприклад, у сфері наукових досліджень агенти можуть відповідати за пошук лікувальних методів для конкретних захворювань:

• Збір коштів через платформу збору коштів за допомогою токенів
• Використання коштів для оплати доступу до дослідницьких матеріалів та витрат на обчислення в децентралізованій обчислювальній мережі
• Залучення людей для виконання експериментальних верифікаційних робіт через платформу винагород.

Крім того, агенти можуть виконувати прості завдання, такі як створення особистих веб-сайтів, створення художніх творів тощо, застосування яких є дуже широким.

Переваги шифрування

Хоча агенти можуть одночасно використовувати традиційні фінансові та шифрувальні системи, шифрування має унікальні переваги в певних сферах:

• Застосування малих платежів показує відмінні результати
• Функція миттєвих розрахунків допомагає досягти максимальної капітальної ефективності
• Безшовний вхід на капітальні ринки через DeFi, проведення різноманітних фінансових активностей

Зі зростанням числа агентів, які отримують прибуток через шифрування, шифроване з'єднання, ймовірно, стане основною можливістю агентів.

Зверніть увагу на напрямок

Кілька напрямків досліджень, на які варто звернути увагу в майбутньому, включають:

1. Встановлення механізму контролю ризиків
2. Сприяння нефінансовим сценаріям використання
3. Прискорити темпи розробки, якомога швидше забезпечити роботу основної мережі

2. Підвищення можливостей LLM у розробці

Великі мовні моделі (LLMs ) вже продемонстрували потужні можливості в написанні коду та швидко прогресують. Очікується, що в цій галузі з'явиться крута крива прогресу, що може кардинально змінити моделі розробки програмного забезпечення.

Поточний виклик

В даний час LLMs все ще стикаються з певними викликами в розумінні специфічних технологій блокчейн:

• Брак якісних вихідних навчальних даних
• Недостатня кількість перевірок побудови
• Відсутність взаємодії з розробниками з високою інформаційною цінністю
• Технічні оновлення та ітерації відбуваються швидко, історичний код може не відповідати сучасним вимогам
• Відсутність методів оцінки ступеня розуміння моделів

Майбутні напрямки розвитку

Для сприяння використанню LLM у розробці в майбутньому можна звернути увагу на такі аспекти:

• Покращення якості відповідних даних в Інтернеті
• Заохочення більше команд до публікації перевірених побудов
• Активно ставити питання та надавати високоякісні відповіді у спільноті розробників
• Створення високоякісних бенчмарків для оцінки зрозумілості LLMs
• Розробка LLM моделі з тонкої настройки, яка показала хороші результати в бенчмаркінгу

Довгострокова мета полягає в досягненні абсолютно нових, високоякісних, диференційованих клієнтів валідаційних вузлів, створених повністю за допомогою ШІ.

3. Підтримка відкритого та децентралізованого технологічного стеку ШІ

Довгостроковий баланс сил між відкритими і закритими AI моделями залишається невизначеним. Поточні очікування полягають у тому, що технологічні гіганти сприятимуть передовому розвитку, а відкриті моделі швидко наздоженуть і здобудуть перевагу в конкретних галузях.

Важливість

Важливість підтримки відкритого технологічного стеку AI проявляється в:

1. Прискорення інноваційних ітерацій: швидке покращення та доопрацювання моделей відкритою спільнотою, що ефективно просуває межі можливостей AI
2. Надання користувачам вибору: пропонувати альтернативи для користувачів, які не довіряють централізованому ШІ, щоб протидіяти ризикам, пов'язаним із використанням ШІ для контролю.

Екологічний стан

Наразі вже існує кілька проектів, які підтримують усі етапи відкритого AI технологічного стеку:

• Збір даних
• Децентралізоване обчислення
• Децентралізована навчальна рамка

Перспективи майбутнього

Очікую на створення більше продуктів на всіх рівнях відкритої технології штучного інтелекту:

• Децентралізований збір даних
• Ідентифікація на ланцюгу
• Децентралізоване навчання
• IP інфраструктура

Цими зусиллями можна сподіватися на глибоку інтеграцію AI та шифрування, що звільнить більше інноваційного потенціалу.