Tiga Arah Strategis Integrasi AI dan Enkripsi

Saat ini, pertemuan antara AI dan enkripsi sedang memasuki fase eksperimen yang cepat. Artikel ini menjelaskan secara rinci tiga arah pengembangan utama dari kombinasi AI+enkripsi.

1. Membangun Ekosistem Ekonomi yang Didorong oleh Agen Cerdas

Kelayakan agen cerdas yang beroperasi di atas rantai telah terkonfirmasi. Eksperimen di bidang ini terus menerobos batasan operasi agen di atas rantai, dengan potensi yang besar dan ruang desain yang luas. Saat ini, ini telah menjadi salah satu arah paling terobosan dan eksplosif di bidang enkripsi dan AI, dan ini baru permulaan.

Di masa depan, agen cerdas mungkin akan mengelola proyek kompleks yang memerlukan koordinasi ekonomi multi-pihak. Misalnya, di bidang penelitian ilmiah, agen dapat bertanggung jawab untuk mencari senyawa terapeutik untuk penyakit tertentu:

• Mengumpulkan dana melalui platform penggalangan dana token
• Menggunakan dana yang dihimpun untuk membayar biaya akses data penelitian, biaya komputasi simulasi senyawa di jaringan komputasi terdesentralisasi.
• Merekrut manusia untuk 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 lain-lain, dengan kemungkinan aplikasi yang tak terbatas.

Enkripsi mata uang kripto memiliki keunggulan unik di beberapa bidang:

• Aplikasi pembayaran kecil
• Keuntungan kecepatan: Fitur penyelesaian instan membantu agen mencapai efisiensi modal maksimal
• Masuk ke pasar modal melalui DeFi: agen dapat dengan mudah mencetak aset, melakukan transaksi, investasi, manajemen keuangan, operasi pinjam meminjam, menggunakan leverage, dll.

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

2. Meningkatkan kemampuan model bahasa besar dalam pengembangan kode

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 dapat meningkat 2-10 kali lipat. Baru-baru ini, dengan membangun tolok ukur berkualitas tinggi untuk mengevaluasi kemampuan model bahasa besar dalam memahami dan menulis kode, ini akan membantu memahami dampak potensial mereka terhadap ekosistem. Rencana penyempurnaan model berkualitas tinggi akan diverifikasi dalam pengujian tolok ukur.

Saat ini ada beberapa tantangan yang menghalangi model bahasa besar untuk mencapai tingkat keunggulan dalam memahami domain tertentu:

• Kurangnya data pelatihan asli yang berkualitas tinggi
• Jumlah pembangunan verifikasi tidak cukup
• Kurangnya interaksi bernilai informasi tinggi di platform tanya jawab teknologi
• Perkembangan infrastruktur yang pesat menyebabkan kode lama mungkin tidak sesuai dengan kebutuhan saat ini
• Kurangnya metode untuk memahami tingkat pemodelan evaluasi

Untuk memperbaiki situasi ini, langkah-langkah berikut dapat diambil:

• Membantu mendapatkan data terkait yang lebih baik
• Mendorong lebih banyak tim untuk merilis konstruksi verifikasi
• Secara aktif mengajukan pertanyaan yang baik dan memberikan jawaban berkualitas tinggi di platform tanya jawab teknologi
• Buat pengujian benchmark berkualitas tinggi untuk mengevaluasi tingkat pemahaman model bahasa besar
• Membuat model fine-tuning yang berkinerja baik dalam pengujian benchmark

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 terletak pada:

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

Saat ini, telah ada beberapa proyek dalam ekosistem yang mendukung tumpukan teknologi AI terbuka:

• Pengumpulan data: Beberapa proyek sedang mendorong pengumpulan data
• Kekuatan komputasi terdesentralisasi: Beberapa jaringan sedang mengembangkan layanan terkait
• Kerangka pelatihan terdesentralisasi: Ada tim yang menjelajahi bidang ini

Di masa depan, kami berharap dapat membangun lebih banyak produk di semua lapisan tumpukan teknologi AI sumber terbuka:

• Pengumpulan data terdesentralisasi
• Identitas di blockchain: mendukung protokol yang memverifikasi identitas manusia melalui dompet, dan protokol yang memverifikasi respons API AI, memungkinkan pengguna untuk memastikan bahwa mereka berinteraksi dengan model bahasa besar.
• Pelatihan terdesentralisasi
• Infrastruktur IP: memungkinkan AI untuk memberikan lisensi (dan membayar) untuk konten yang digunakannya.