Nos últimos dois anos, a velocidade de desenvolvimento da IA acelerou-se claramente. A onda de inteligência artificial generativa desencadeada pelo ChatGPT não apenas abriu as portas para um novo mundo, mas também gerou ondas no campo do Web3.
Impulsionado pelo conceito de IA, a atividade de financiamento no mercado de criptomoedas está claramente a aquecer. De acordo com estatísticas, apenas no primeiro semestre de 2024, 64 projetos Web3+IA completaram financiamento, entre os quais o sistema operativo baseado em inteligência artificial Zyber365 estabeleceu um recorde máximo de 100 milhões de dólares na rodada de financiamento da série A.
O mercado secundário está mais ativo, com dados de sites de agregação de criptomoedas mostrando que, em pouco mais de um ano, o valor total de mercado da área de IA alcançou 48,5 bilhões de dólares, com um volume de negociação de quase 8,6 bilhões de dólares nas últimas 24 horas. Os avanços nas tecnologias de IA estão trazendo benefícios evidentes, e após o lançamento do modelo Sora da OpenAI para conversão de texto em vídeo, o preço médio do setor de IA subiu 151%. O efeito da IA também se espalhou para o setor de captação de criptomoedas, com o primeiro conceito de MemeCoin - GOAT - com o conceito de Agente de IA, que rapidamente se tornou popular e obteve uma avaliação de 1,4 bilhões de dólares, gerando uma onda de memes de IA.
A pesquisa e discussão sobre AI+Web3 também estão em alta, desde AI+Depin até AI Memecoin e atualmente AI Agent e AI DAO, novos conceitos surgem a cada momento.
A combinação de AI+Web3, cheia de dinheiro quente, oportunidades e imaginação futura, não pode deixar de ser vista como um casamento forçado entre capitais. É difícil distinguir sob essa fachada glamorosa se é uma celebração de especuladores ou o prelúdio de uma nova era.
Para responder a esta questão, a chave está em pensar se ambas as partes podem promover-se mutuamente. Este artigo tenta examinar este padrão: como a Web3 pode desempenhar um papel em cada etapa da pilha tecnológica de IA, e que novas oportunidades a IA pode trazer à Web3?
Parte.1 Quais são as oportunidades do Web3 sob a pilha de IA?
Antes de iniciar a discussão, precisamos entender a pilha tecnológica dos grandes modelos de IA:
Os grandes modelos de IA podem ser comparados ao cérebro humano, onde no início, como um bebê, precisam absorver uma enorme quantidade de informações externas para entender o mundo, esta é a fase de "coleta" de dados. Como os computadores não possuem os sentidos humanos, é necessário "pré-processar" as informações não rotuladas antes do treinamento para transformá-las em um formato utilizável.
Após a entrada de dados, a IA constrói um modelo com capacidade de compreensão e previsão através de "treinamento", semelhante ao processo de um bebê aprendendo a entender o mundo exterior. Quando o conteúdo de aprendizado é dividido em áreas ou obtém feedback através da comunicação e é corrigido, entra na fase de "ajuste fino".
Crianças, ao crescerem, conseguem compreender e expressar pensamentos em diálogos, semelhante à fase de "raciocínio" dos grandes modelos de IA, podendo prever e analisar novas entradas. A IA expressa sentimentos, descreve coisas e resolve problemas através da capacidade linguística, semelhante à aplicação de grandes modelos após o treinamento em tarefas específicas como classificação de imagens e reconhecimento de voz.
O Agente de IA está mais próximo da próxima forma do grande modelo - capaz de executar tarefas de forma independente e buscar objetivos complexos, possuindo não apenas capacidade de pensamento, mas também memória, planejamento e a habilidade de usar ferramentas para interagir com o mundo.
Atualmente, em resposta aos pontos críticos de todas as pilhas de IA, o Web3 está a formar um ecossistema de múltiplos níveis e interconectado, abrangendo todas as fases do processo dos modelos de IA.
Uma, Camada Básica: Airbnb de Poder de Cálculo e Dados
poder de cálculo
Atualmente, um dos principais custos da IA é a potência computacional e a energia necessária para treinar e inferir modelos.
Por exemplo, o LLAMA3 da Meta precisa de 16.000 GPUs NVIDIA H100 durante 30 dias para completar o treinamento. A versão H100 de 80GB tem um preço unitário de 30.000 a 40.000 dólares, o que requer um investimento em hardware de 400 a 700 milhões de dólares, e o treinamento mensal também consome 1,6 mil milhões de quilowatts-hora, com despesas de energia próximas a 20 milhões de dólares.
Para aliviar a pressão do poder de computação da IA, a rede de infraestrutura física descentralizada DePin( tornou-se uma das primeiras áreas de interseção entre Web3 e IA. O site de dados DePin Ninja listou mais de 1400 projetos, entre os quais os projetos representativos de compartilhamento de poder de computação GPU incluem io.net, Aethir, Akash, Render Network, entre outros.
A lógica principal é: a plataforma permite que os proprietários de recursos de GPU ociosos contribuam com poder de computação de forma descentralizada, aumentando a utilização dos recursos através de um mercado online semelhante ao Uber ou Airbnb, enquanto os usuários finais obtêm recursos de computação eficientes a um custo mais baixo; ao mesmo tempo, um mecanismo de staking assegura a punição dos infratores.
Características incluem:
Agregar recursos de GPU ociosos: principalmente provenientes de centros de dados de pequeno e médio porte, fazendas de criptomoedas e hardware de mineração de mecanismos de consenso PoS. Alguns projetos como o exolab também utilizam dispositivos locais como MacBook e iPhone para estabelecer uma rede de poder de inferência.
Voltado para o mercado de longo alcance de poder de computação de IA:
a. Lado técnico: mais adequado para etapas de inferência. O treinamento depende de um cluster de GPU de grande escala, enquanto a inferência tem requisitos de desempenho de GPU mais baixos.
b. Lado da demanda: os pequenos e médios demandantes de poder de computação concentram-se na otimização e ajuste fino de grandes modelos, sendo naturalmente adequados para a computação distribuída ociosa.
Propriedade descentralizada: A tecnologia blockchain garante que os proprietários de recursos mantenham o controle, ajustem flexivelmente e obtenham lucros.
Dados
Os dados são a pedra angular da IA. Sem dados, o cálculo não tem sentido, e a qualidade dos dados determina a qualidade da saída do modelo. Para o treinamento atual de modelos de IA, os dados determinam a capacidade linguística, a capacidade de compreensão, os valores e a expressão humanizada. Atualmente, a dificuldade da demanda por dados na IA manifesta-se principalmente em:
Fome de dados: O treinamento de modelos de IA depende de uma enorme quantidade de dados de entrada. A OpenAI treinou o GPT-4 com um número de parâmetros na ordem dos trilhões.
Qualidade dos dados: Com a combinação da IA com vários setores, aumentam as exigências quanto à atualidade, diversidade, especialização dos dados e novas fontes de dados, como a emoção nas redes sociais.
Privacidade e conformidade: países e empresas estão gradualmente restringindo a coleta de conjuntos de dados.
Alto custo de processamento de dados: grandes volumes de dados e complexidade no processamento. As empresas de IA gastam mais de 30% do custo de P&D na coleta e processamento de dados básicos.
As soluções Web3 manifestam-se principalmente em:
Coleta de dados: permitir que os verdadeiros contribuidores participem da criação de valor, obtendo dados mais privados e valiosos a baixo custo através de redes distribuídas e mecanismos de incentivo.
Grass: Camada de dados e rede descentralizada, os usuários executam nós que contribuem com largura de banda para capturar dados em tempo real e receber recompensas.
Vana: Introduz o conceito de pool de liquidez de dados )DLP(, onde os usuários podem enviar dados privados e autorizar de forma flexível o uso por terceiros.
PublicAI: Os usuários podem coletar dados usando a etiqueta )Web3 no X e @PublicAI.
Pré-processamento de dados: O setor de IA tem poucos elementos manuais, adequado para mecanismos de incentivo descentralizados do Web3.
Grass e OpenLayer estão considerando adicionar uma etapa de anotação de dados.
A Synesis apresenta o conceito "Train2earn", recompensando a oferta de dados anotados de alta qualidade.
Sapien gamifica a tarefa de marcar, permitindo que os usuários apostem pontos para ganhar mais pontos.
Privacidade e segurança dos dados: As vantagens das tecnologias de privacidade Web3 manifestam-se no treinamento de dados sensíveis e na colaboração de múltiplos dados.
As principais tecnologias de privacidade incluem:
Ambiente de Execução Confiável#AI或#TEE(, como o Super Protocol
Tecnologia de conhecimento zero ) zk (, como o Protocolo Reclaim que utiliza a tecnologia zkTLS
Atualmente ainda está em estágio inicial, enfrentando desafios como altos custos computacionais.
Armazenamento de dados: resolver o problema de armazenamento de dados de IA na cadeia e gerar LLM.
0g.AI: Solução de armazenamento centralizado projetada para atender a altas demandas de desempenho em IA, suportando upload e download rápidos de grandes conjuntos de dados, com velocidade de transmissão próxima a 5GB/segundo.
)# II. Middleware: Treinamento e Inferência do Modelo
Mercado descentralizado de modelos de código aberto
O Web3 propõe a possibilidade de um mercado de modelos descentralizado e de código aberto, retendo parte dos tokens para a equipe através da tokenização, direcionando parte da receita futura do modelo para os detentores de tokens.
Bittensor: criar um mercado P2P de modelos de código aberto, composto por várias "sub-redes", onde os provedores de recursos competem entre si para atender aos objetivos da sub-rede.
ORA: Introduzir o conceito de emissão do modelo inicial ###IMO(, tokenizando modelos de IA.
Sentient: Plataforma AGI descentralizada que incentiva a colaboração na construção de modelos de IA e recompensa os contribuidores.
Spectral Nova: Foco na criação e aplicação de modelos de IA e ML.
Raciocínio verificável
Para o problema do "caixa-preta" da inferência de IA, a solução padrão do Web3 é comparar os resultados de operações repetidas de múltiplos validadores, mas enfrenta desafios de custos elevados.
Uma solução mais promissora é executar provas ZK para cálculos de inferência de IA off-chain, validando os cálculos on-chain. Principais vantagens:
Escalabilidade: confirmação rápida de um grande volume de cálculos off-chain.
Proteção de privacidade: proteger dados e detalhes do modelo.
Sem necessidade de confiança: não é necessário depender de entidades centralizadas para confirmar cálculos.
Integração Web2: ajuda a aumentar a taxa de adoção do Web3.
As tecnologias verificáveis atuais incluem:
zkML: Combina provas de zero conhecimento e aprendizado de máquina, como o provedor de IA da Modulus Labs baseado em ZKML.
opML: Aumentar a eficiência do cálculo de ML utilizando o princípio de agregação otimista.
TeeML: Executa cálculos de ML de forma segura usando um ambiente de execução confiável.
)# Três, Camada de Aplicação: Agente AI
O foco atual do desenvolvimento da IA mudou de capacidades de modelo para Agente de IA. A OpenAI define Agente de IA como: um sistema impulsionado por LLM, com capacidade de compreensão, percepção, planejamento, memória e uso de ferramentas de forma autônoma, capaz de executar automaticamente tarefas complexas.
O Web3 pode trazer para os Agentes:
Descentralizado
As características do Web3 tornam o sistema Agent mais descentralizado e autônomo, estabelecendo mecanismos de incentivo e punição através de PoS, DPoS e outros mecanismos para promover a democratização, como GaiaNet, Theoriq, HajimeAI.
Arranque a Frio
Web3 ajuda projetos de agentes de IA potenciais a obter financiamento inicial.
O Virtual Protocol lançou a plataforma de criação de Agentes de IA e emissão de tokens fun.virtuals.
A Spectral propôs o conceito de IAO###Oferta Inicial de Agentes( para suportar a emissão de ativos de Agentes de IA na blockchain.
) Parte.2 Como a IA capacita o Web3?
A IA tem um impacto significativo nos projetos Web3, otimizando operações na cadeia ###, como a execução de contratos inteligentes, a otimização de liquidez e a tomada de decisões de governança impulsionadas por IA (, beneficiando a blockchain, proporcionando insights baseados em dados, aumentando a segurança na cadeia e estabelecendo as bases para novas aplicações Web3.
![AI+Web3: Torres e Praças])https://img-cdn.gateio.im/webp-social/moments-b11096083013a66b04deba27ffb64663.webp(
)# Um, AI e Finanças em Blockchain
IA e Economia Cripto
O CEO da Coinbase anunciou a realização da primeira transação de criptomoeda AI para AI na rede Base, onde o agente de IA pode usar USD para negociar com humanos, comerciantes ou outras IA.
O Luna do Virtuals Protocol demonstrou a execução autônoma de transações na blockchain por um Agente de IA, sendo o Agente de IA visto como o futuro das finanças na blockchain. Cenários potenciais incluem:
Coleta de informações e previsões: coletar anúncios de bolsas, informações sobre projetos, riscos de opinião pública, etc., analisar e avaliar os fundamentos dos ativos, a situação do mercado, prever tendências e riscos.
Gestão de ativos: fornece oportunidades de investimento, otimiza a carteira de ativos, executa transações automaticamente.
Experiência financeira: escolha a forma de transação em cadeia mais rápida, automação de cross-chain, ajuste de taxas de gas, etc., reduzindo as barreiras e custos das atividades financeiras em cadeia.
Atualmente, carteiras AI Agent como Bitte, o protocolo de interação AI Wayfinder, estão tentando integrar a API do modelo OpenAI, permitindo que os usuários commandem o Agent para realizar operações na blockchain através de uma interface de chat. A plataforma descentralizada de Agent Morpheus suporta o desenvolvimento desse tipo de Agent, enquanto a Biconomy demonstrou que o AI Agent pode realizar operações de swap sem a necessidade de permissões completas da carteira.
IA e segurança nas transações em blockchain
A tecnologia de IA pode aumentar a segurança e a proteção da privacidade nas transações em blockchain, com cenários potenciais incluindo:
Monitoramento de Transações: monitoramento em tempo real de atividades anormais, fornecendo alertas.
Análise de Risco: analisar o comportamento de negociação do cliente, avaliar o risco.
A plataforma de segurança Web3 SeQure utiliza IA para detectar e prevenir ataques, fraudes e vazamentos de dados, oferecendo monitorização e alertas em tempo real. Ferramentas semelhantes incluem o Sentinel alimentado por IA.
Dois, IA e infraestrutura em cadeia
IA e dados em cadeia
A tecnologia de IA desempenha um papel importante na coleta e análise de dados em cadeia, como:
Web3 Analytics: Plataforma de análise baseada em IA, que utiliza algoritmos de aprendizado de máquina e mineração de dados para analisar dados na blockchain.
MinMax AI: fornece uma ferramenta de análise de dados em cadeia baseada em IA, para descobrir oportunidades e tendências de mercado.
Kaito: Plataforma de pesquisa Web3 baseada em LLM.
Followin: Integração do ChatGPT, integrando informações de diferentes plataformas.
A IA também pode ser utilizada em oráculos, como o Upshot que utiliza IA para fornecer dados de preços precisos para NFTs.
IA e Desenvolvimento & Auditoria
A IA pode aumentar a eficiência do desenvolvimento Web3 e reduzir a barreira de programação. Cenários potenciais incluem: geração automática de código, verificação e teste de contratos inteligentes, manutenção e implantação de DApps, complementação inteligente de código, resposta a questões de desenvolvimento, entre outros.
Atualmente, existem plataformas de tokens com um clique como Clanker, e plataformas de desenvolvimento de contratos como Spectral que oferecem a funcionalidade de geração e implantação de contratos inteligentes com um clique.
Na área de auditoria, a plataforma de auditoria Web3 Fuzzland utiliza IA para auxiliar na verificação de vulnerabilidades de código, fornecendo explicações em linguagem natural.
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
13 Curtidas
Recompensa
13
4
Compartilhar
Comentário
0/400
ProposalDetective
· 9h atrás
Ter dinheiro é poder fazer o que se quer.
Ver originalResponder0
SelfCustodyIssues
· 13h atrás
Negociar AI de forma cega, mais cedo ou mais tarde, resultará em perdas totais.
Ver originalResponder0
BTCBeliefStation
· 13h atrás
Aproveitando a popularidade da zona de IA, comecei a atacar.
Ver originalResponder0
GasWaster
· 13h atrás
ugh outro pump de ai... aposto que as taxas de gás vão ser insanas quando toda a gente entrar em fomo
AI e Web3 Profundidade: Análise das oportunidades em toda a cadeia, desde a infraestrutura até as aplicações
AI+Web3: Torres e Praças
Introdução
Nos últimos dois anos, a velocidade de desenvolvimento da IA acelerou-se claramente. A onda de inteligência artificial generativa desencadeada pelo ChatGPT não apenas abriu as portas para um novo mundo, mas também gerou ondas no campo do Web3.
Impulsionado pelo conceito de IA, a atividade de financiamento no mercado de criptomoedas está claramente a aquecer. De acordo com estatísticas, apenas no primeiro semestre de 2024, 64 projetos Web3+IA completaram financiamento, entre os quais o sistema operativo baseado em inteligência artificial Zyber365 estabeleceu um recorde máximo de 100 milhões de dólares na rodada de financiamento da série A.
O mercado secundário está mais ativo, com dados de sites de agregação de criptomoedas mostrando que, em pouco mais de um ano, o valor total de mercado da área de IA alcançou 48,5 bilhões de dólares, com um volume de negociação de quase 8,6 bilhões de dólares nas últimas 24 horas. Os avanços nas tecnologias de IA estão trazendo benefícios evidentes, e após o lançamento do modelo Sora da OpenAI para conversão de texto em vídeo, o preço médio do setor de IA subiu 151%. O efeito da IA também se espalhou para o setor de captação de criptomoedas, com o primeiro conceito de MemeCoin - GOAT - com o conceito de Agente de IA, que rapidamente se tornou popular e obteve uma avaliação de 1,4 bilhões de dólares, gerando uma onda de memes de IA.
A pesquisa e discussão sobre AI+Web3 também estão em alta, desde AI+Depin até AI Memecoin e atualmente AI Agent e AI DAO, novos conceitos surgem a cada momento.
A combinação de AI+Web3, cheia de dinheiro quente, oportunidades e imaginação futura, não pode deixar de ser vista como um casamento forçado entre capitais. É difícil distinguir sob essa fachada glamorosa se é uma celebração de especuladores ou o prelúdio de uma nova era.
Para responder a esta questão, a chave está em pensar se ambas as partes podem promover-se mutuamente. Este artigo tenta examinar este padrão: como a Web3 pode desempenhar um papel em cada etapa da pilha tecnológica de IA, e que novas oportunidades a IA pode trazer à Web3?
Parte.1 Quais são as oportunidades do Web3 sob a pilha de IA?
Antes de iniciar a discussão, precisamos entender a pilha tecnológica dos grandes modelos de IA:
Os grandes modelos de IA podem ser comparados ao cérebro humano, onde no início, como um bebê, precisam absorver uma enorme quantidade de informações externas para entender o mundo, esta é a fase de "coleta" de dados. Como os computadores não possuem os sentidos humanos, é necessário "pré-processar" as informações não rotuladas antes do treinamento para transformá-las em um formato utilizável.
Após a entrada de dados, a IA constrói um modelo com capacidade de compreensão e previsão através de "treinamento", semelhante ao processo de um bebê aprendendo a entender o mundo exterior. Quando o conteúdo de aprendizado é dividido em áreas ou obtém feedback através da comunicação e é corrigido, entra na fase de "ajuste fino".
Crianças, ao crescerem, conseguem compreender e expressar pensamentos em diálogos, semelhante à fase de "raciocínio" dos grandes modelos de IA, podendo prever e analisar novas entradas. A IA expressa sentimentos, descreve coisas e resolve problemas através da capacidade linguística, semelhante à aplicação de grandes modelos após o treinamento em tarefas específicas como classificação de imagens e reconhecimento de voz.
O Agente de IA está mais próximo da próxima forma do grande modelo - capaz de executar tarefas de forma independente e buscar objetivos complexos, possuindo não apenas capacidade de pensamento, mas também memória, planejamento e a habilidade de usar ferramentas para interagir com o mundo.
Atualmente, em resposta aos pontos críticos de todas as pilhas de IA, o Web3 está a formar um ecossistema de múltiplos níveis e interconectado, abrangendo todas as fases do processo dos modelos de IA.
Uma, Camada Básica: Airbnb de Poder de Cálculo e Dados
poder de cálculo
Atualmente, um dos principais custos da IA é a potência computacional e a energia necessária para treinar e inferir modelos.
Por exemplo, o LLAMA3 da Meta precisa de 16.000 GPUs NVIDIA H100 durante 30 dias para completar o treinamento. A versão H100 de 80GB tem um preço unitário de 30.000 a 40.000 dólares, o que requer um investimento em hardware de 400 a 700 milhões de dólares, e o treinamento mensal também consome 1,6 mil milhões de quilowatts-hora, com despesas de energia próximas a 20 milhões de dólares.
Para aliviar a pressão do poder de computação da IA, a rede de infraestrutura física descentralizada DePin( tornou-se uma das primeiras áreas de interseção entre Web3 e IA. O site de dados DePin Ninja listou mais de 1400 projetos, entre os quais os projetos representativos de compartilhamento de poder de computação GPU incluem io.net, Aethir, Akash, Render Network, entre outros.
A lógica principal é: a plataforma permite que os proprietários de recursos de GPU ociosos contribuam com poder de computação de forma descentralizada, aumentando a utilização dos recursos através de um mercado online semelhante ao Uber ou Airbnb, enquanto os usuários finais obtêm recursos de computação eficientes a um custo mais baixo; ao mesmo tempo, um mecanismo de staking assegura a punição dos infratores.
Características incluem:
Agregar recursos de GPU ociosos: principalmente provenientes de centros de dados de pequeno e médio porte, fazendas de criptomoedas e hardware de mineração de mecanismos de consenso PoS. Alguns projetos como o exolab também utilizam dispositivos locais como MacBook e iPhone para estabelecer uma rede de poder de inferência.
Voltado para o mercado de longo alcance de poder de computação de IA: a. Lado técnico: mais adequado para etapas de inferência. O treinamento depende de um cluster de GPU de grande escala, enquanto a inferência tem requisitos de desempenho de GPU mais baixos. b. Lado da demanda: os pequenos e médios demandantes de poder de computação concentram-se na otimização e ajuste fino de grandes modelos, sendo naturalmente adequados para a computação distribuída ociosa.
Propriedade descentralizada: A tecnologia blockchain garante que os proprietários de recursos mantenham o controle, ajustem flexivelmente e obtenham lucros.
Dados
Os dados são a pedra angular da IA. Sem dados, o cálculo não tem sentido, e a qualidade dos dados determina a qualidade da saída do modelo. Para o treinamento atual de modelos de IA, os dados determinam a capacidade linguística, a capacidade de compreensão, os valores e a expressão humanizada. Atualmente, a dificuldade da demanda por dados na IA manifesta-se principalmente em:
Fome de dados: O treinamento de modelos de IA depende de uma enorme quantidade de dados de entrada. A OpenAI treinou o GPT-4 com um número de parâmetros na ordem dos trilhões.
Qualidade dos dados: Com a combinação da IA com vários setores, aumentam as exigências quanto à atualidade, diversidade, especialização dos dados e novas fontes de dados, como a emoção nas redes sociais.
Privacidade e conformidade: países e empresas estão gradualmente restringindo a coleta de conjuntos de dados.
Alto custo de processamento de dados: grandes volumes de dados e complexidade no processamento. As empresas de IA gastam mais de 30% do custo de P&D na coleta e processamento de dados básicos.
As soluções Web3 manifestam-se principalmente em:
Coleta de dados: permitir que os verdadeiros contribuidores participem da criação de valor, obtendo dados mais privados e valiosos a baixo custo através de redes distribuídas e mecanismos de incentivo.
Pré-processamento de dados: O setor de IA tem poucos elementos manuais, adequado para mecanismos de incentivo descentralizados do Web3.
Privacidade e segurança dos dados: As vantagens das tecnologias de privacidade Web3 manifestam-se no treinamento de dados sensíveis e na colaboração de múltiplos dados.
As principais tecnologias de privacidade incluem:
Atualmente ainda está em estágio inicial, enfrentando desafios como altos custos computacionais.
Armazenamento de dados: resolver o problema de armazenamento de dados de IA na cadeia e gerar LLM.
)# II. Middleware: Treinamento e Inferência do Modelo
Mercado descentralizado de modelos de código aberto
O Web3 propõe a possibilidade de um mercado de modelos descentralizado e de código aberto, retendo parte dos tokens para a equipe através da tokenização, direcionando parte da receita futura do modelo para os detentores de tokens.
Raciocínio verificável
Para o problema do "caixa-preta" da inferência de IA, a solução padrão do Web3 é comparar os resultados de operações repetidas de múltiplos validadores, mas enfrenta desafios de custos elevados.
Uma solução mais promissora é executar provas ZK para cálculos de inferência de IA off-chain, validando os cálculos on-chain. Principais vantagens:
As tecnologias verificáveis atuais incluem:
)# Três, Camada de Aplicação: Agente AI
O foco atual do desenvolvimento da IA mudou de capacidades de modelo para Agente de IA. A OpenAI define Agente de IA como: um sistema impulsionado por LLM, com capacidade de compreensão, percepção, planejamento, memória e uso de ferramentas de forma autônoma, capaz de executar automaticamente tarefas complexas.
O Web3 pode trazer para os Agentes:
Descentralizado
As características do Web3 tornam o sistema Agent mais descentralizado e autônomo, estabelecendo mecanismos de incentivo e punição através de PoS, DPoS e outros mecanismos para promover a democratização, como GaiaNet, Theoriq, HajimeAI.
Arranque a Frio
Web3 ajuda projetos de agentes de IA potenciais a obter financiamento inicial.
) Parte.2 Como a IA capacita o Web3?
A IA tem um impacto significativo nos projetos Web3, otimizando operações na cadeia ###, como a execução de contratos inteligentes, a otimização de liquidez e a tomada de decisões de governança impulsionadas por IA (, beneficiando a blockchain, proporcionando insights baseados em dados, aumentando a segurança na cadeia e estabelecendo as bases para novas aplicações Web3.
![AI+Web3: Torres e Praças])https://img-cdn.gateio.im/webp-social/moments-b11096083013a66b04deba27ffb64663.webp(
)# Um, AI e Finanças em Blockchain
IA e Economia Cripto
O CEO da Coinbase anunciou a realização da primeira transação de criptomoeda AI para AI na rede Base, onde o agente de IA pode usar USD para negociar com humanos, comerciantes ou outras IA.
O Luna do Virtuals Protocol demonstrou a execução autônoma de transações na blockchain por um Agente de IA, sendo o Agente de IA visto como o futuro das finanças na blockchain. Cenários potenciais incluem:
Coleta de informações e previsões: coletar anúncios de bolsas, informações sobre projetos, riscos de opinião pública, etc., analisar e avaliar os fundamentos dos ativos, a situação do mercado, prever tendências e riscos.
Gestão de ativos: fornece oportunidades de investimento, otimiza a carteira de ativos, executa transações automaticamente.
Experiência financeira: escolha a forma de transação em cadeia mais rápida, automação de cross-chain, ajuste de taxas de gas, etc., reduzindo as barreiras e custos das atividades financeiras em cadeia.
Atualmente, carteiras AI Agent como Bitte, o protocolo de interação AI Wayfinder, estão tentando integrar a API do modelo OpenAI, permitindo que os usuários commandem o Agent para realizar operações na blockchain através de uma interface de chat. A plataforma descentralizada de Agent Morpheus suporta o desenvolvimento desse tipo de Agent, enquanto a Biconomy demonstrou que o AI Agent pode realizar operações de swap sem a necessidade de permissões completas da carteira.
IA e segurança nas transações em blockchain
A tecnologia de IA pode aumentar a segurança e a proteção da privacidade nas transações em blockchain, com cenários potenciais incluindo:
A plataforma de segurança Web3 SeQure utiliza IA para detectar e prevenir ataques, fraudes e vazamentos de dados, oferecendo monitorização e alertas em tempo real. Ferramentas semelhantes incluem o Sentinel alimentado por IA.
Dois, IA e infraestrutura em cadeia
IA e dados em cadeia
A tecnologia de IA desempenha um papel importante na coleta e análise de dados em cadeia, como:
A IA também pode ser utilizada em oráculos, como o Upshot que utiliza IA para fornecer dados de preços precisos para NFTs.
IA e Desenvolvimento & Auditoria
A IA pode aumentar a eficiência do desenvolvimento Web3 e reduzir a barreira de programação. Cenários potenciais incluem: geração automática de código, verificação e teste de contratos inteligentes, manutenção e implantação de DApps, complementação inteligente de código, resposta a questões de desenvolvimento, entre outros.
Atualmente, existem plataformas de tokens com um clique como Clanker, e plataformas de desenvolvimento de contratos como Spectral que oferecem a funcionalidade de geração e implantação de contratos inteligentes com um clique.
Na área de auditoria, a plataforma de auditoria Web3 Fuzzland utiliza IA para auxiliar na verificação de vulnerabilidades de código, fornecendo explicações em linguagem natural.
Três, AI e