За последние два года скорость развития ИИ явно ускорилась. Волна генеративного искусственного интеллекта, поднятая ChatGPT, не только открыла двери в новый мир, но и вызвала волнения в области Web3.
Под воздействием концепции ИИ активность финансирования на крипторынке явно возобновилась. Согласно статистике, только в первой половине 2024 года 64 проекта Web3+AI завершили финансирование, среди которых операционная система на базе искусственного интеллекта Zyber365 установила рекорд в 100 миллионов долларов в раунде финансирования A.
Вторичный рынок стал более активным, данные с криптоагрегаторов показывают, что всего за чуть больше года общая капитализация AI-сектора достигла 48,5 миллиарда долларов, а объем торгов за 24 часа близок к 8,6 миллиарда долларов. Значительные успехи в основных AI-технологиях принесли явные выгоды: после выпуска модели OpenAI Sora для преобразования текста в видео средняя цена в AI-секторе выросла на 151%. Эффект AI также распространился на сектор криптовалют, привлекающий капитал: первая концепция AI Agent - MemeCoin GOAT быстро стала популярной и получила оценку в 1,4 миллиарда долларов, вызвав волну AI Meme.
Исследования и обсуждения по теме AI+Web3 также активно развиваются, от AI+Depin до AI Memecoin, а затем к текущим AI Agent и AI DAO, новые концепции появляются одна за другой.
Сочетание AI+Web3, наполненное горячими деньгами, трендами и будущими представлениями, неизбежно воспринимается как брак, устроенный капиталом. Нам сложно разграничить, под этой великолепной оболочкой скрывается ли праздник спекулянтов или же начало новой эры.
Чтобы ответить на этот вопрос, важно подумать о том, могут ли стороны взаимно способствовать друг другу. Эта статья пытается рассмотреть эту схему: как Web3 может играть роль на различных этапах технологического стека ИИ, и какие новые возможности ИИ может предоставить Web3?
Часть 1 Каковы возможности Web3 в рамках AI-стека?
Перед тем как начать обсуждение, нам нужно понять технологический стек больших моделей ИИ:
AI большие модели можно сравнить с человеческим мозгом, на начальном этапе они, как младенцы, должны впитывать огромное количество внешней информации для понимания мира, это этап "сбора" данных. Поскольку компьютеры не обладают человеческими чувствами, перед обучением необходимо "предобработать" неразмеченную информацию в пригодный формат.
После ввода данных ИИ строит модель с пониманием и предсказательными способностями через "обучение", что похоже на процесс, когда младенец учится понимать окружающий мир. Когда учебный материал разделяется на категории или обратная связь получена через общение и корректировка, происходит этап "тонкой настройки".
Дети, повзрослев, могут понимать и выражать свои мысли в диалоге, аналогично этапу "умозаключения" в больших AI моделях, могут предсказывать и анализировать новые входные данные. Искусственный интеллект выражает чувства, описывает вещи и решает проблемы с помощью языковых навыков, подобно тому, как большие модели применяются для конкретных задач, таких как классификация изображений и распознавание речи после обучения.
AI-агент ближе к следующей форме больших моделей - способный самостоятельно выполнять задачи и стремиться к сложным целям, обладая не только способностью к мышлению, но и памятью, планированием, а также способностью использовать инструменты для взаимодействия с миром.
В настоящее время, в ответ на проблемы различных стеков ИИ, Web3 в значительной степени сформировала многоуровневую, взаимосвязанную экосистему, охватывающую все этапы процесса моделей ИИ.
Один. Базовый уровень: вычислительная мощность и данные Airbnb
Мощность вычислений
В настоящее время одна из основных затрат ИИ связана с вычислительной мощностью и энергией, необходимыми для обучения и вывода моделей.
Например, для обучения Meta's LLAMA3 требуется 16000 графических процессоров NVIDIA H100 на протяжении 30 дней. Цена одной модели H100 80GB составляет 30-40 тысяч долларов, что требует инвестиций в оборудование в размере от 400 до 700 миллионов долларов. Каждый месяц на обучение также потребуется 1,6 миллиарда киловатт-часов, а расходы на энергопотребление составят почти 20 миллионов долларов.
Чтобы облегчить нагрузку на вычислительные мощности ИИ, децентрализованная сеть физической инфраструктуры DePin( стала одной из первых областей пересечения Web3 и ИИ. На сайте данных DePin Ninja перечислено более 1400 проектов, среди которых проекты, представляющие совместное использование вычислительных мощностей GPU, включают io.net, Aethir, Akash, Render Network и другие.
Основная логика заключается в том, что платформа позволяет владельцам неиспользуемых GPU-ресурсов децентрализованно вносить вычислительную мощность, повышая эффективность использования ресурсов через онлайн-рынок, подобный Uber или Airbnb, а конечные пользователи получают более дешевые высокоэффективные вычислительные ресурсы; в то же время механизм залога обеспечивает наказание для нарушителей.
Особенности включают:
Сбор неиспользуемых ресурсов GPU: в основном из средних и малых дата-центров, избытка вычислительной мощности из криптомайнинга, а также аппаратного обеспечения для майнинга с механизмом согласования PoS. Некоторые проекты, такие как exolab, также используют локальные устройства, такие как MacBook и iPhone, для создания сети вычислительной мощности для вывода.
Ориентирован на рынок длинного хвоста вычислительной мощности ИИ:
a. Техническая сторона: больше подходит для этапов вывода. Обучение требует использования огромных кластеров GPU, в то время как для вывода требования к производительности GPU значительно ниже.
b. Сторона спроса: малые и средние потребители вычислительной мощности в основном сосредоточены на оптимизации и дообучении крупных моделей, что естественно подходит для распределенной неиспользуемой вычислительной мощности.
Децентрализованное владение: Технология блокчейн обеспечивает сохранение контроля за ресурсами у владельцев, позволяя им гибко регулировать и получать прибыль.
Данные
Данные являются основой ИИ. Без данных вычисления не имеют смысла, качество данных определяет качество выходных данных модели. Для текущего обучения моделей ИИ данные определяют языковые способности, способности к пониманию, ценности и гуманитарные проявления. В настоящее время проблемы с потребностью ИИ в данных в основном проявляются в:
Данные в дефиците: Обучение моделей ИИ зависит от огромного объема данных. Параметры, использованные для обучения GPT-4 компанией OpenAI, достигают триллионов.
Качество данных: с объединением ИИ и различных отраслей растут требования к актуальности, разнообразию, профессионализму данных, а также к новым источникам данных, таким как эмоции в социальных медиа.
Конфиденциальность и соблюдение: страны и компании постепенно ограничивают сбор данных.
Высокие затраты на обработку данных: большой объем данных, сложная обработка. Более 30% затрат на исследования и разработки в AI-компаниях направляется на сбор и обработку базовых данных.
Решения Web3 в основном проявляются в:
Сбор данных: вовлечение настоящих участников в создание ценности, получение более конфиденциальных и более ценных данных с низкими затратами через распределенную сеть и механизмы стимулирования.
Grass:Децентрализованный слой данных и сеть, пользователи запускают узлы, вносят вклад в пропускную способность, захватывают реальные данные и получают вознаграждение.
Vana: Введение в концепцию пула ликвидности данных )DLP(, пользователи могут загружать личные данные и гибко разрешать третьим сторонам их использование.
PublicAI: Пользователи могут собирать данные, используя ) тег Web3 на X и упомянув @PublicAI.
Предобработка данных: В AI-отрасли есть немного ручных процессов, что подходит для децентрализованной модели стимулирования Web3.
Grass и OpenLayer рассматривают возможность добавления этапа аннотирования данных.
Synesis представил концепцию "Train2earn", которая вознаграждает за предоставление высококачественных аннотированных данных.
Sapien превращает задания в игру, пользователи ставят свои очки на кон, чтобы зарабатывать больше очков.
Конфиденциальность данных и безопасность: Преимущества технологий конфиденциальности Web3 проявляются в обучении с использованием чувствительных данных и многопартнерском сотрудничестве данных.
Основные технологии конфиденциальности включают:
Доверенная среда выполнения#AI或#TEE(, такая как Super Protocol
Полностью гомоморфное шифрование )FHE(, такие как BasedAI, Fhenix.io, Inco Network
Технология нулевого знания ) zk (, такая как Reclaim Protocol использующая технологию zkTLS
На данный момент все еще на ранней стадии, сталкиваясь с такими проблемами, как высокая стоимость вычислений.
Хранение данных: решение проблемы хранения данных ИИ на блокчейне и генерации LLM.
0g.AI: Централизованное хранилище, разработанное для высокопроизводительных требований ИИ, поддерживает быструю загрузку и скачивание больших объемов данных, скорость передачи близка к 5 ГБ/с.
)# 2. Промежуточное ПО: обучение и вывод модели
Открытая модель децентрализованного рынка
Web3 предлагает возможность децентрализованных открытых моделей рынка, сохраняя часть токенов для команды через токенизацию, направляя часть будущих доходов от моделей к держателям токенов.
Bittensor: создание открытого P2P рынка моделей, состоящего из нескольких "подсетей", где поставщики ресурсов конкурируют за удовлетворение целей подсетей.
ORA: введение концепции первичного выпуска модели ###IMO(, токенизация AI модели.
Sentient: децентрализованная платформа AGI, стимулирующая сотрудничество по созданию AI моделей и вознаграждающая участников.
Spectral Nova: Сосредоточение на создании и применении моделей ИИ и МЛ.
Проверяемое умозаключение
Для решения проблемы "черного ящика" в AI-выводах стандартное решение Web3 заключается в сравнении результатов многими валидаторами, однако это сталкивается с высокими затратами.
Более обнадеживающим решением является выполнение ZK-доказательства для вычислений AI за пределами цепочки и проверка вычислений в цепочке. Основные преимущества:
Масштабируемость: быстрая проверка большого объема вычислений вне цепи.
Защита конфиденциальности: защита данных и деталей модели.
Не требует доверия: не нужно полагаться на централизованные стороны для подтверждения расчетов.
Интеграция Web2: способствует увеличению уровня принятия Web3.
Текущие проверяемые технологии включают:
zkML: сочетание нулевых знаний и машинного обучения, например, AI-просветитель от Modulus Labs на основе ZKML.
opML: Использование принципа оптимистичного агрегирования для повышения эффективности расчетов ML.
TeeML: Использование безопасных вычислений ML в надежной среде выполнения.
)# Три, уровень приложений: AI Agent
Текущий акцент в развитии ИИ смещается от возможностей модели к ИИ-агентам. OpenAI определяет ИИ-агента как: систему, движимую LLM, обладающую способностью к самостоятельному пониманию, восприятию, планированию, памяти и использованию инструментов, которая может автоматически выполнять сложные задачи.
Web3 может принести Agent:
Децентрализованный
Особенности Web3 делают систему Агентов более децентрализованной и автономной, устанавливая механизмы стимулов и наказаний через PoS, DPoS и другие механизмы для содействия демократии, такие как GaiaNet, Theoriq, HajimeAI.
Холодный запуск
Web3 помогает проекту AI Agent привлечь раннее финансирование.
Virtual Protocol запустил платформу создания и выпуска токенов AI Agent fun.virtuals.
Spectral предложил концепцию IAO### Initial Agent Offering(, поддерживающую выпуск активов AI Agent на блокчейне.
) Часть 2 Как ИИ может усилить Web3?
Влияние ИИ на проекты Web3 значительно, оптимизируя операции на цепочке ###, такие как выполнение смарт-контрактов, оптимизация ликвидности и принятие решений на основе ИИ (, блокчейн получает выгоду, предоставляя основанные на данных инсайты, повышая безопасность на цепочке и закладывая основу для новых приложений Web3.
! [AI+Web3: Башни и площади])https://img-cdn.gateio.im/webp-social/moments-b11096083013a66b04deba27ffb64663.webp(
)# Раздел 1. ИИ и финансовые технологии на блокчейне
Искусственный интеллект и криптоэкономика
Генеральный директор Coinbase объявил о первой AI-to-AI криптоторговле в сети Base, AI Agent может использовать USD для торговли с людьми, торговцами или другими AI.
Виртуальный протокол Luna продемонстрировал автономное выполнение на-chain транзакций AI Agent, который рассматривается как будущее финансов на базе блокчейна. Потенциальные сценарии включают:
Сбор информации и прогнозирование: сбор объявлений биржи, информации о проектах, рисках общественного мнения и т.д., анализ и оценка основных факторов активов, рыночной ситуации, прогнозирование тенденций и рисков.
Управление активами: предоставление инвестиционных объектов, оптимизация портфеля активов, автоматическое выполнение сделок.
Финансовый опыт: выберите самый быстрый способ транзакций в цепочке, автоматизированный межцепочный обмен, настройка gas fee и т.д., снизьте барьеры и затраты на финансовую деятельность в цепочке.
В настоящее время такие кошельки, как AI Agent Bitte и протокол взаимодействия AI Wayfinder, пытаются интегрировать API модели OpenAI, позволяя пользователям командовать Agent выполнять операции в блокчейне через интерфейс чата. Децентрализованная платформа Agent Morpheus поддерживает разработку таких Agents, а Biconomy продемонстрировала, что AI Agent может выполнять операции обмена без полного доступа к кошельку.
Искусственный интеллект и безопасность транзакций в блокчейне
Технологии ИИ могут повысить безопасность и защиту конфиденциальности транзакций в блокчейне, потенциальные сценарии включают:
Анализ рисков: анализ поведения клиентов при торговле, оценка рисков.
Платформа безопасности Web3 SeQure использует ИИ для обнаружения и предотвращения атак, мошенничества и утечки данных, обеспечивая мониторинг в реальном времени и предупреждения. Подобные инструменты включают в себя AI-powered Sentinel.
Два, ИИ и инфраструктура на блокчейне
ИИ и данные на блокчейне
Искусственный интеллект играет важную роль в сборе и анализе данных на блокчейне, например:
Web3 Аналитика: AI-основная аналитическая платформа, использующая алгоритмы машинного обучения и добычи данных для анализа данных на блокчейне.
MinMax AI: предоставляет инструмент анализа данных на основе AI для выявления рыночных возможностей и тенденций.
Kaito: веб3 поисковая платформа на основе LLM.
Следующее: интеграция ChatGPT, объединение информации с разных платформ.
ИИ также может использоваться в качестве оракула, как Upshot, который использует ИИ для предоставления точных данных о ценах на NFT.
ИИ и разработка&аудит
Искусственный интеллект может повысить эффективность разработки Web3 и снизить порог программирования. Потенциальные сценарии включают: автоматическую генерацию кода, тестирование верификации смарт-контрактов, развертывание и обслуживание DApp, интеллектуальное дополнение кода, ответы на вопросы разработчиков и т.д.
В настоящее время существуют платформы для запуска токенов с одним нажатием кнопки, такие как Clanker, а также платформы для разработки контрактов, такие как Spectral, которые предлагают функцию генерации и развертывания смарт-контрактов одним нажатием.
В области аудита платформа Web3 Fuzzland использует ИИ для помощи в проверке уязвимостей кода и предоставляет объяснения на естественном языке.
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.
14 Лайков
Награда
14
4
Поделиться
комментарий
0/400
ProposalDetective
· 11ч назад
Быть богатым значит делать все, что угодно.
Посмотреть ОригиналОтветить0
SelfCustodyIssues
· 16ч назад
Слепое инвестирование в ai рано или поздно приведет к убыткам
Посмотреть ОригиналОтветить0
BTCBeliefStation
· 16ч назад
Пока зона ИИ на пике популярности, я начал действовать.
Посмотреть ОригиналОтветить0
GasWaster
· 16ч назад
уф, еще один ai памп... ставлю, что плата за газ будет безумной, когда все начнут фомо.
Искусственный интеллект и глубокая интеграция Web3: Анализ возможностей на всем цепочке от инфраструктуры до приложений
AI+Web3: Башни и площади
Введение
За последние два года скорость развития ИИ явно ускорилась. Волна генеративного искусственного интеллекта, поднятая ChatGPT, не только открыла двери в новый мир, но и вызвала волнения в области Web3.
Под воздействием концепции ИИ активность финансирования на крипторынке явно возобновилась. Согласно статистике, только в первой половине 2024 года 64 проекта Web3+AI завершили финансирование, среди которых операционная система на базе искусственного интеллекта Zyber365 установила рекорд в 100 миллионов долларов в раунде финансирования A.
Вторичный рынок стал более активным, данные с криптоагрегаторов показывают, что всего за чуть больше года общая капитализация AI-сектора достигла 48,5 миллиарда долларов, а объем торгов за 24 часа близок к 8,6 миллиарда долларов. Значительные успехи в основных AI-технологиях принесли явные выгоды: после выпуска модели OpenAI Sora для преобразования текста в видео средняя цена в AI-секторе выросла на 151%. Эффект AI также распространился на сектор криптовалют, привлекающий капитал: первая концепция AI Agent - MemeCoin GOAT быстро стала популярной и получила оценку в 1,4 миллиарда долларов, вызвав волну AI Meme.
Исследования и обсуждения по теме AI+Web3 также активно развиваются, от AI+Depin до AI Memecoin, а затем к текущим AI Agent и AI DAO, новые концепции появляются одна за другой.
Сочетание AI+Web3, наполненное горячими деньгами, трендами и будущими представлениями, неизбежно воспринимается как брак, устроенный капиталом. Нам сложно разграничить, под этой великолепной оболочкой скрывается ли праздник спекулянтов или же начало новой эры.
Чтобы ответить на этот вопрос, важно подумать о том, могут ли стороны взаимно способствовать друг другу. Эта статья пытается рассмотреть эту схему: как Web3 может играть роль на различных этапах технологического стека ИИ, и какие новые возможности ИИ может предоставить Web3?
! AI+Web3: Башни и площади
Часть 1 Каковы возможности Web3 в рамках AI-стека?
Перед тем как начать обсуждение, нам нужно понять технологический стек больших моделей ИИ:
AI большие модели можно сравнить с человеческим мозгом, на начальном этапе они, как младенцы, должны впитывать огромное количество внешней информации для понимания мира, это этап "сбора" данных. Поскольку компьютеры не обладают человеческими чувствами, перед обучением необходимо "предобработать" неразмеченную информацию в пригодный формат.
После ввода данных ИИ строит модель с пониманием и предсказательными способностями через "обучение", что похоже на процесс, когда младенец учится понимать окружающий мир. Когда учебный материал разделяется на категории или обратная связь получена через общение и корректировка, происходит этап "тонкой настройки".
Дети, повзрослев, могут понимать и выражать свои мысли в диалоге, аналогично этапу "умозаключения" в больших AI моделях, могут предсказывать и анализировать новые входные данные. Искусственный интеллект выражает чувства, описывает вещи и решает проблемы с помощью языковых навыков, подобно тому, как большие модели применяются для конкретных задач, таких как классификация изображений и распознавание речи после обучения.
AI-агент ближе к следующей форме больших моделей - способный самостоятельно выполнять задачи и стремиться к сложным целям, обладая не только способностью к мышлению, но и памятью, планированием, а также способностью использовать инструменты для взаимодействия с миром.
В настоящее время, в ответ на проблемы различных стеков ИИ, Web3 в значительной степени сформировала многоуровневую, взаимосвязанную экосистему, охватывающую все этапы процесса моделей ИИ.
! AI+Web3: Башни и площади
Один. Базовый уровень: вычислительная мощность и данные Airbnb
Мощность вычислений
В настоящее время одна из основных затрат ИИ связана с вычислительной мощностью и энергией, необходимыми для обучения и вывода моделей.
Например, для обучения Meta's LLAMA3 требуется 16000 графических процессоров NVIDIA H100 на протяжении 30 дней. Цена одной модели H100 80GB составляет 30-40 тысяч долларов, что требует инвестиций в оборудование в размере от 400 до 700 миллионов долларов. Каждый месяц на обучение также потребуется 1,6 миллиарда киловатт-часов, а расходы на энергопотребление составят почти 20 миллионов долларов.
Чтобы облегчить нагрузку на вычислительные мощности ИИ, децентрализованная сеть физической инфраструктуры DePin( стала одной из первых областей пересечения Web3 и ИИ. На сайте данных DePin Ninja перечислено более 1400 проектов, среди которых проекты, представляющие совместное использование вычислительных мощностей GPU, включают io.net, Aethir, Akash, Render Network и другие.
Основная логика заключается в том, что платформа позволяет владельцам неиспользуемых GPU-ресурсов децентрализованно вносить вычислительную мощность, повышая эффективность использования ресурсов через онлайн-рынок, подобный Uber или Airbnb, а конечные пользователи получают более дешевые высокоэффективные вычислительные ресурсы; в то же время механизм залога обеспечивает наказание для нарушителей.
Особенности включают:
Сбор неиспользуемых ресурсов GPU: в основном из средних и малых дата-центров, избытка вычислительной мощности из криптомайнинга, а также аппаратного обеспечения для майнинга с механизмом согласования PoS. Некоторые проекты, такие как exolab, также используют локальные устройства, такие как MacBook и iPhone, для создания сети вычислительной мощности для вывода.
Ориентирован на рынок длинного хвоста вычислительной мощности ИИ: a. Техническая сторона: больше подходит для этапов вывода. Обучение требует использования огромных кластеров GPU, в то время как для вывода требования к производительности GPU значительно ниже. b. Сторона спроса: малые и средние потребители вычислительной мощности в основном сосредоточены на оптимизации и дообучении крупных моделей, что естественно подходит для распределенной неиспользуемой вычислительной мощности.
Децентрализованное владение: Технология блокчейн обеспечивает сохранение контроля за ресурсами у владельцев, позволяя им гибко регулировать и получать прибыль.
Данные
Данные являются основой ИИ. Без данных вычисления не имеют смысла, качество данных определяет качество выходных данных модели. Для текущего обучения моделей ИИ данные определяют языковые способности, способности к пониманию, ценности и гуманитарные проявления. В настоящее время проблемы с потребностью ИИ в данных в основном проявляются в:
Данные в дефиците: Обучение моделей ИИ зависит от огромного объема данных. Параметры, использованные для обучения GPT-4 компанией OpenAI, достигают триллионов.
Качество данных: с объединением ИИ и различных отраслей растут требования к актуальности, разнообразию, профессионализму данных, а также к новым источникам данных, таким как эмоции в социальных медиа.
Конфиденциальность и соблюдение: страны и компании постепенно ограничивают сбор данных.
Высокие затраты на обработку данных: большой объем данных, сложная обработка. Более 30% затрат на исследования и разработки в AI-компаниях направляется на сбор и обработку базовых данных.
Решения Web3 в основном проявляются в:
Сбор данных: вовлечение настоящих участников в создание ценности, получение более конфиденциальных и более ценных данных с низкими затратами через распределенную сеть и механизмы стимулирования.
Предобработка данных: В AI-отрасли есть немного ручных процессов, что подходит для децентрализованной модели стимулирования Web3.
Конфиденциальность данных и безопасность: Преимущества технологий конфиденциальности Web3 проявляются в обучении с использованием чувствительных данных и многопартнерском сотрудничестве данных.
Основные технологии конфиденциальности включают:
На данный момент все еще на ранней стадии, сталкиваясь с такими проблемами, как высокая стоимость вычислений.
Хранение данных: решение проблемы хранения данных ИИ на блокчейне и генерации LLM.
)# 2. Промежуточное ПО: обучение и вывод модели
Открытая модель децентрализованного рынка
Web3 предлагает возможность децентрализованных открытых моделей рынка, сохраняя часть токенов для команды через токенизацию, направляя часть будущих доходов от моделей к держателям токенов.
Проверяемое умозаключение
Для решения проблемы "черного ящика" в AI-выводах стандартное решение Web3 заключается в сравнении результатов многими валидаторами, однако это сталкивается с высокими затратами.
Более обнадеживающим решением является выполнение ZK-доказательства для вычислений AI за пределами цепочки и проверка вычислений в цепочке. Основные преимущества:
Текущие проверяемые технологии включают:
)# Три, уровень приложений: AI Agent
Текущий акцент в развитии ИИ смещается от возможностей модели к ИИ-агентам. OpenAI определяет ИИ-агента как: систему, движимую LLM, обладающую способностью к самостоятельному пониманию, восприятию, планированию, памяти и использованию инструментов, которая может автоматически выполнять сложные задачи.
Web3 может принести Agent:
Децентрализованный
Особенности Web3 делают систему Агентов более децентрализованной и автономной, устанавливая механизмы стимулов и наказаний через PoS, DPoS и другие механизмы для содействия демократии, такие как GaiaNet, Theoriq, HajimeAI.
Холодный запуск
Web3 помогает проекту AI Agent привлечь раннее финансирование.
) Часть 2 Как ИИ может усилить Web3?
Влияние ИИ на проекты Web3 значительно, оптимизируя операции на цепочке ###, такие как выполнение смарт-контрактов, оптимизация ликвидности и принятие решений на основе ИИ (, блокчейн получает выгоду, предоставляя основанные на данных инсайты, повышая безопасность на цепочке и закладывая основу для новых приложений Web3.
! [AI+Web3: Башни и площади])https://img-cdn.gateio.im/webp-social/moments-b11096083013a66b04deba27ffb64663.webp(
)# Раздел 1. ИИ и финансовые технологии на блокчейне
Искусственный интеллект и криптоэкономика
Генеральный директор Coinbase объявил о первой AI-to-AI криптоторговле в сети Base, AI Agent может использовать USD для торговли с людьми, торговцами или другими AI.
Виртуальный протокол Luna продемонстрировал автономное выполнение на-chain транзакций AI Agent, который рассматривается как будущее финансов на базе блокчейна. Потенциальные сценарии включают:
Сбор информации и прогнозирование: сбор объявлений биржи, информации о проектах, рисках общественного мнения и т.д., анализ и оценка основных факторов активов, рыночной ситуации, прогнозирование тенденций и рисков.
Управление активами: предоставление инвестиционных объектов, оптимизация портфеля активов, автоматическое выполнение сделок.
Финансовый опыт: выберите самый быстрый способ транзакций в цепочке, автоматизированный межцепочный обмен, настройка gas fee и т.д., снизьте барьеры и затраты на финансовую деятельность в цепочке.
В настоящее время такие кошельки, как AI Agent Bitte и протокол взаимодействия AI Wayfinder, пытаются интегрировать API модели OpenAI, позволяя пользователям командовать Agent выполнять операции в блокчейне через интерфейс чата. Децентрализованная платформа Agent Morpheus поддерживает разработку таких Agents, а Biconomy продемонстрировала, что AI Agent может выполнять операции обмена без полного доступа к кошельку.
Искусственный интеллект и безопасность транзакций в блокчейне
Технологии ИИ могут повысить безопасность и защиту конфиденциальности транзакций в блокчейне, потенциальные сценарии включают:
Платформа безопасности Web3 SeQure использует ИИ для обнаружения и предотвращения атак, мошенничества и утечки данных, обеспечивая мониторинг в реальном времени и предупреждения. Подобные инструменты включают в себя AI-powered Sentinel.
Два, ИИ и инфраструктура на блокчейне
ИИ и данные на блокчейне
Искусственный интеллект играет важную роль в сборе и анализе данных на блокчейне, например:
ИИ также может использоваться в качестве оракула, как Upshot, который использует ИИ для предоставления точных данных о ценах на NFT.
ИИ и разработка&аудит
Искусственный интеллект может повысить эффективность разработки Web3 и снизить порог программирования. Потенциальные сценарии включают: автоматическую генерацию кода, тестирование верификации смарт-контрактов, развертывание и обслуживание DApp, интеллектуальное дополнение кода, ответы на вопросы разработчиков и т.д.
В настоящее время существуют платформы для запуска токенов с одним нажатием кнопки, такие как Clanker, а также платформы для разработки контрактов, такие как Spectral, которые предлагают функцию генерации и развертывания смарт-контрактов одним нажатием.
В области аудита платформа Web3 Fuzzland использует ИИ для помощи в проверке уязвимостей кода и предоставляет объяснения на естественном языке.
Три, ИИ и