En los últimos dos años, la velocidad de desarrollo de la IA ha aumentado notablemente. La ola de inteligencia artificial generativa provocada por ChatGPT no solo ha abierto la puerta a un nuevo mundo, sino que también ha generado ondas en el ámbito de Web3.
Impulsado por el concepto de IA, la actividad de financiación en el mercado de criptomonedas ha mostrado una clara recuperación. Según las estadísticas, solo en la primera mitad de 2024 se completaron 64 proyectos Web3+AI, entre los cuales el sistema operativo basado en inteligencia artificial Zyber365 estableció un récord de 100 millones de dólares en la ronda de financiación A.
El mercado secundario es más activo, y los datos de sitios de agregación de criptomonedas muestran que en poco más de un año, la capitalización total del sector de IA ha alcanzado los 48,5 mil millones de dólares, con un volumen de transacciones de 24 horas cercano a los 8,6 mil millones de dólares. Los avances en las tecnologías de IA han traído beneficios evidentes; después del lanzamiento del modelo de OpenAI Sora para convertir texto en video, el precio promedio del sector de IA aumentó un 151%. El efecto de la IA también se ha extendido al sector de recaudación de criptomonedas; el primer concepto de Agente de IA, el MemeCoin - GOAT, se ha vuelto rápidamente popular y ha alcanzado una valoración de 1.400 millones de dólares, desatando la fiebre de los Memes de IA.
La investigación y discusión sobre AI+Web3 también está en auge, desde AI+Depin hasta AI Memecoin y, actualmente, AI Agent y AI DAO, surgen nuevos conceptos sin cesar.
La combinación de AI+Web3, llena de dinero caliente, oportunidades y visiones del futuro, inevitablemente se ve como un matrimonio de capital. Nos resulta difícil discernir bajo esta apariencia deslumbrante si es el carnaval de los especuladores o el preludio de una nueva era.
Para responder a esta pregunta, la clave está en considerar si ambas partes pueden promoverse mutuamente. Este artículo intenta examinar este patrón: ¿cómo puede Web3 desempeñar un papel en cada etapa de la pila tecnológica de la IA, y qué nuevas oportunidades puede traer la IA a Web3?
Parte.1 ¿Qué oportunidades hay para Web3 bajo la pila de IA?
Antes de iniciar la discusión, necesitamos entender la pila tecnológica de los grandes modelos de IA:
Los grandes modelos de IA pueden compararse con el cerebro humano; en su etapa inicial, necesitan absorber una gran cantidad de información externa para comprender el mundo, esta es la fase de "recolección de datos". Dado que las computadoras no poseen sentidos humanos, se requiere "preprocesamiento" antes del entrenamiento para convertir la información no etiquetada en un formato utilizable.
Después de ingresar los datos, la IA construye un modelo con capacidad de comprensión y predicción a través del "entrenamiento", similar al proceso de aprendizaje de un bebé para entender el mundo exterior. Cuando el contenido de aprendizaje se especializa o se obtiene retroalimentación a través de la comunicación y se corrige, se entra en la fase de "ajuste fino".
Los niños, al crecer, pueden entender y expresar ideas en el diálogo, similar a la fase de "razonamiento" de un gran modelo de IA, pudiendo predecir y analizar nuevas entradas. La IA expresa sentimientos, describe cosas y resuelve problemas a través de su capacidad lingüística, similar a cómo los grandes modelos se aplican en tareas específicas como la clasificación de imágenes y el reconocimiento de voz después de ser entrenados.
El Agente de IA se acerca más a la próxima forma de los grandes modelos: puede ejecutar tareas de forma independiente y perseguir objetivos complejos, no solo posee capacidad de pensamiento, sino que también puede recordar, planificar y utilizar herramientas para interactuar con el mundo.
Actualmente, en respuesta a los puntos débiles de las pilas de IA, Web3 ha comenzado a formar un ecosistema de múltiples niveles y conexiones, que abarca todas las etapas del proceso del modelo de IA.
Uno, Capa básica: Airbnb de poder computacional y datos
Poder de cómputo
Actualmente, uno de los principales costos de la IA es la potencia de cálculo y la energía necesarias para entrenar e inferir modelos.
Por ejemplo, el LLAMA3 de Meta necesita 16,000 GPUs NVIDIA H100 durante 30 días para completar el entrenamiento. El precio unitario de la versión H100 de 80GB es de 30,000 a 40,000 dólares, lo que requiere una inversión en hardware de entre 400 y 700 millones de dólares, y el entrenamiento mensual también consume 1,600 millones de kilovatios hora, con un gasto energético cercano a los 20 millones de dólares.
Para aliviar la presión de la potencia de cálculo de IA, DePin( la red de infraestructura física descentralizada) se ha convertido en uno de los primeros campos en cruzar Web3 con IA. El sitio de datos DePin Ninja ha enumerado más de 1400 proyectos, entre los cuales los proyectos representativos de compartir potencia de GPU incluyen io.net, Aethir, Akash, Render Network, entre otros.
La lógica principal es: la plataforma permite a los propietarios de recursos de GPU ociosos contribuir con su potencia de cálculo de manera descentralizada, aumentando la utilización de recursos a través de un mercado en línea similar a Uber o Airbnb, y los usuarios finales obtienen recursos de cálculo eficientes a un costo más bajo; al mismo tiempo, un mecanismo de garantía asegura el castigo de los infractores.
Características incluyen:
Reunir recursos de GPU ociosos: principalmente de la potencia de cálculo excedente de centros de datos pequeños y medianos, granjas de criptomonedas, así como del hardware de minería del mecanismo de consenso PoS. Algunos proyectos como exolab también utilizan dispositivos locales como MacBook, iPhone, etc. para establecer una red de potencia de inferencia.
Orientado al mercado de potencia de cálculo de IA de cola larga:
a. Parte técnica: más adecuada para los pasos de inferencia. El entrenamiento depende de un clúster de GPU de gran escala, mientras que la inferencia tiene requisitos de rendimiento de GPU más bajos.
b. Lado de la demanda: los demandantes de capacidad de cálculo de pequeña y mediana escala se centran principalmente en la optimización y ajuste fino de los principales modelos, lo que se adapta naturalmente a la capacidad de cálculo distribuido e inactiva.
Propiedad descentralizada: La tecnología blockchain asegura que los propietarios de recursos mantengan el control, ajusten de manera flexible y obtengan beneficios.
Datos
Los datos son la piedra angular de la IA. Sin datos, los cálculos no tienen sentido; la calidad de los datos determina la calidad de la salida del modelo. Para el entrenamiento de los modelos de IA actuales, los datos determinan la capacidad lingüística, la capacidad de comprensión, los valores y la expresión humanizada. Actualmente, la dificultad en la demanda de datos de la IA se manifiesta principalmente en:
Hambre de datos: el entrenamiento de modelos de IA depende de la entrada masiva de datos. OpenAI entrenó GPT-4 con un número de parámetros en la escala de billones.
Calidad de datos: A medida que la IA se combina con diversas industrias, aumenta la demanda de la puntualidad, diversidad, especialización y nuevas fuentes de datos como las emociones de las redes sociales.
Privacidad y cumplimiento: los países y las empresas están limitando gradualmente la recopilación de conjuntos de datos.
Alto costo de procesamiento de datos: gran volumen de datos y complejidad en el procesamiento. Las empresas de IA dedican más del 30% de sus costos de I+D a la recopilación y procesamiento de datos básicos.
Las soluciones de Web3 se reflejan principalmente en:
Recopilación de datos: permitir que los verdaderos contribuyentes participen en la creación de valor, obteniendo datos más privados y valiosos a bajo costo a través de una red distribuida y mecanismos de incentivos.
Grass: capa y red de datos descentralizados, los usuarios ejecutan nodos para contribuir con ancho de banda capturando datos en tiempo real y obteniendo recompensas.
Vana: Introducción del concepto de piscina de liquidez de datos (DLP), donde los usuarios pueden cargar datos privados y autorizar de manera flexible su uso por parte de terceros.
PublicAI: Los usuarios pueden utilizar la etiqueta Web3 #AI或# en X y @PublicAI para realizar la recolección de datos.
Preprocesamiento de datos: Pocos elementos manuales en la industria de la IA, adecuados para mecanismos de incentivos descentralizados de Web3.
Grass y OpenLayer consideran añadir una etapa de etiquetado de datos.
Synesis presentó el concepto "Train2earn", que recompensa con datos de anotación de alta calidad.
Sapien gamifica las tareas de etiquetado, los usuarios apuestan puntos para ganar más puntos.
Privacidad y seguridad de los datos: Las ventajas de la tecnología de privacidad de Web3 se reflejan en el entrenamiento de datos sensibles y la colaboración de múltiples partes.
Las principales tecnologías de privacidad incluyen:
Entorno de Ejecución Confiable(TEE), como Super Protocol
Criptografía homomórfica completamente homomórfica ( FHE ), como BasedAI, Fhenix.io, Inco Network
Tecnología de conocimiento cero (zk), como el Protocolo Reclaim que utiliza la tecnología zkTLS
Actualmente, todavía se encuentra en una etapa temprana y enfrenta desafíos como el alto costo de cálculo.
Almacenamiento de datos: resolver el problema del almacenamiento de datos de IA en la cadena y la generación de LLM.
0g.AI: Solución de almacenamiento centralizado diseñada para satisfacer las altas demandas de rendimiento de la IA, que admite la carga y descarga rápida de grandes conjuntos de datos, con velocidades de transferencia cercanas a 5GB/s.
II. Middleware: Entrenamiento e inferencia del modelo
Mercado descentralizado de modelos de código abierto
Web3 propone la posibilidad de un mercado de modelos descentralizados y de código abierto, a través de la tokenización para que el equipo retenga una parte de los tokens, dirigiendo parte de los ingresos futuros del modelo hacia los titulares de tokens.
Bittensor: Establecer un mercado P2P de modelos de código abierto, compuesto por múltiples "subredes", donde los proveedores de recursos compiten entre sí para cumplir con los objetivos de la subred.
ORA: Introducir el concepto de emisión del modelo inicial (IMO), tokenizando modelos de IA.
Sentient: plataforma AGI descentralizada que incentiva la colaboración para construir modelos de IA y recompensa a los contribuyentes.
Spectral Nova: Enfocado en la creación y aplicación de modelos de IA y ML.
Razonamiento verificable
Para el problema de "caja negra" de la inferencia de IA, la solución estándar de Web3 es comparar los resultados de las operaciones repetidas de múltiples validadores, pero enfrenta el desafío de altos costos.
Una solución más prometedora es ejecutar pruebas ZK para el cálculo de inferencia de IA fuera de la cadena y verificar el cálculo en la cadena. Principales ventajas:
Escalabilidad: confirmación rápida de un gran volumen de cálculos fuera de la cadena.
Protección de la privacidad: proteger los datos y los detalles del modelo.
Sin confianza: no es necesario depender de una parte centralizada para confirmar los cálculos.
Integración Web2: ayuda a aumentar la tasa de adopción de Web3.
Las tecnologías verificables actuales incluyen:
zkML: combina pruebas de conocimiento cero y aprendizaje automático, como el probador de IA publicado por Modulus Labs basado en ZKML.
opML: Utilizar el principio de resumen optimista para mejorar la eficiencia del cálculo de ML.
TeeML: Utiliza un entorno de ejecución confiable para ejecutar cálculos de ML de manera segura.
Tres, Capa de Aplicación: Agente de IA
El enfoque actual del desarrollo de la IA se ha trasladado de la capacidad del modelo a los Agentes de IA. OpenAI define un Agente de IA como: un sistema impulsado por LLM que tiene la capacidad de comprensión, percepción, planificación, memoria y uso de herramientas de forma autónoma, capaz de ejecutar automáticamente tareas complejas.
Web3 puede traer a los Agentes:
Descentralizado
Las características de Web3 hacen que los sistemas de agentes sean más descentralizados y autónomos, estableciendo mecanismos de incentivos y penalizaciones a través de mecanismos como PoS y DPoS para fomentar la democratización, como GaiaNet, Theoriq y HajimeAI.
Arranque en frío
Web3 ayuda a los proyectos de AI Agent a obtener financiamiento inicial.
Virtual Protocol lanza la plataforma de creación de Agentes de IA y emisión de tokens fun.virtuals.
Spectral propone la idea de la Oferta Inicial de Agentes (IAO) ( para emitir activos de Agentes de IA en la cadena.
) Parte 2 ¿Cómo empodera la IA a Web3?
La IA tiene un impacto significativo en los proyectos de Web3, optimizando las operaciones en cadena ### como la ejecución de contratos inteligentes, la optimización de la liquidez y las decisiones de gobernanza impulsadas por IA (, beneficiando a la blockchain, proporcionando información basada en datos, mejorando la seguridad en la cadena y sentando las bases para nuevas aplicaciones de Web3.
![AI+Web3: Torres y plazas])https://img-cdn.gateio.im/webp-social/moments-b11096083013a66b04deba27ffb64663.webp(
)# Uno, IA y finanzas en la cadena
IA y economía criptográfica
El CEO de Coinbase anunció la primera transacción de criptomonedas entre IA en la red Base, donde los Agentes de IA pueden usar USD para comerciar con humanos, comerciantes u otras IA.
El protocolo Virtuals de Luna demostró que el agente de IA puede ejecutar de manera autónoma transacciones en la cadena, y el agente de IA es considerado el futuro de las finanzas en la cadena. Los escenarios potenciales incluyen:
Recopilación de información y predicción: recopilar anuncios de la bolsa, información del proyecto, riesgos de opinión pública, etc., analizar y evaluar los fundamentos de los activos, la situación del mercado, predecir tendencias y riesgos.
Gestión de activos: proporcionar objetivos de inversión, optimizar la cartera de activos, ejecutar transacciones automáticamente.
Experiencia financiera: elige la forma de transacción en cadena más rápida, automatiza el intercambio entre cadenas, ajusta las tarifas de gas, etc., para reducir la barrera y el costo de las actividades financieras en la cadena.
Actualmente, las billeteras AI Agent como Bitte y el protocolo de interacción AI Wayfinder están intentando conectarse a la API del modelo OpenAI, permitiendo a los usuarios darle comandos al agente a través de una interfaz de chat para realizar operaciones en la cadena. La plataforma de agentes descentralizada Morpheus apoya el desarrollo de este tipo de agentes, y Biconomy demostró que un agente de IA puede realizar operaciones de swap sin necesidad de permisos completos de billetera.
Seguridad de las transacciones en cadena con IA
La tecnología de IA puede mejorar la seguridad y la protección de la privacidad en las transacciones en cadena, los escenarios potenciales incluyen:
Monitoreo de transacciones: monitoreo en tiempo real de actividades anómalas, proporcionando alertas.
Análisis de riesgos: analizar el comportamiento de transacción del cliente, evaluar riesgos.
La plataforma de seguridad Web3 SeQure utiliza IA para detectar y prevenir ataques, fraudes y filtraciones de datos, ofreciendo monitoreo y alertas en tiempo real. Herramientas similares incluyen Sentinel impulsado por IA.
Dos, IA e infraestructuras en cadena
IA y datos en cadena
La tecnología de IA juega un papel importante en la recopilación y análisis de datos en la cadena, como:
Web3 Analytics: Plataforma de análisis basada en IA, que utiliza algoritmos de aprendizaje automático y minería de datos para analizar datos en cadena.
MinMax AI: proporciona herramientas de análisis de datos en cadena basadas en IA, para descubrir oportunidades y tendencias en el mercado.
Kaito: Plataforma de búsqueda Web3 basada en LLM.
Seguimiento: Integración de ChatGPT, integración de información de diferentes plataformas.
La IA también se puede utilizar en oráculos, como Upshot, que utiliza IA para proporcionar datos de precios precisos para NFT.
IA y Desarrollo&Auditoría
La IA puede mejorar la eficiencia del desarrollo de Web3 y reducir la barrera de entrada a la programación. Los escenarios potenciales incluyen: generación automática de código, verificación y prueba de contratos inteligentes, mantenimiento y despliegue de DApps, autocompletado de código inteligente, resolución de problemas de desarrollo, etc.
Actualmente hay plataformas de tokens de inicio con un solo clic como Clanker y plataformas de desarrollo de contratos como Spectral que ofrecen funciones de generación y despliegue de contratos inteligentes con un solo clic.
En el ámbito de la auditoría, la plataforma de auditoría Web3 Fuzzland utiliza IA para ayudar a revisar vulnerabilidades en el código y ofrece explicaciones en lenguaje 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 me gusta
Recompensa
13
4
Compartir
Comentar
0/400
ProposalDetective
· hace5h
Tener dinero es poder hacer lo que se quiera.
Ver originalesResponder0
SelfCustodyIssues
· hace9h
Invertir ciegamente en AI eventualmente resultará en pérdidas.
Ver originalesResponder0
BTCBeliefStation
· hace9h
Aprovechando el calor de la zona de IA, ¡he comenzado!
Ver originalesResponder0
GasWaster
· hace9h
ugh otro pump de ia... apuesto a que las tarifas de gas serán una locura cuando todos se lancen a la fomo
AI y Web3: análisis de oportunidades en toda la cadena desde la infraestructura hasta las aplicaciones
AI+Web3: Torres y Plazas
Introducción
En los últimos dos años, la velocidad de desarrollo de la IA ha aumentado notablemente. La ola de inteligencia artificial generativa provocada por ChatGPT no solo ha abierto la puerta a un nuevo mundo, sino que también ha generado ondas en el ámbito de Web3.
Impulsado por el concepto de IA, la actividad de financiación en el mercado de criptomonedas ha mostrado una clara recuperación. Según las estadísticas, solo en la primera mitad de 2024 se completaron 64 proyectos Web3+AI, entre los cuales el sistema operativo basado en inteligencia artificial Zyber365 estableció un récord de 100 millones de dólares en la ronda de financiación A.
El mercado secundario es más activo, y los datos de sitios de agregación de criptomonedas muestran que en poco más de un año, la capitalización total del sector de IA ha alcanzado los 48,5 mil millones de dólares, con un volumen de transacciones de 24 horas cercano a los 8,6 mil millones de dólares. Los avances en las tecnologías de IA han traído beneficios evidentes; después del lanzamiento del modelo de OpenAI Sora para convertir texto en video, el precio promedio del sector de IA aumentó un 151%. El efecto de la IA también se ha extendido al sector de recaudación de criptomonedas; el primer concepto de Agente de IA, el MemeCoin - GOAT, se ha vuelto rápidamente popular y ha alcanzado una valoración de 1.400 millones de dólares, desatando la fiebre de los Memes de IA.
La investigación y discusión sobre AI+Web3 también está en auge, desde AI+Depin hasta AI Memecoin y, actualmente, AI Agent y AI DAO, surgen nuevos conceptos sin cesar.
La combinación de AI+Web3, llena de dinero caliente, oportunidades y visiones del futuro, inevitablemente se ve como un matrimonio de capital. Nos resulta difícil discernir bajo esta apariencia deslumbrante si es el carnaval de los especuladores o el preludio de una nueva era.
Para responder a esta pregunta, la clave está en considerar si ambas partes pueden promoverse mutuamente. Este artículo intenta examinar este patrón: ¿cómo puede Web3 desempeñar un papel en cada etapa de la pila tecnológica de la IA, y qué nuevas oportunidades puede traer la IA a Web3?
Parte.1 ¿Qué oportunidades hay para Web3 bajo la pila de IA?
Antes de iniciar la discusión, necesitamos entender la pila tecnológica de los grandes modelos de IA:
Los grandes modelos de IA pueden compararse con el cerebro humano; en su etapa inicial, necesitan absorber una gran cantidad de información externa para comprender el mundo, esta es la fase de "recolección de datos". Dado que las computadoras no poseen sentidos humanos, se requiere "preprocesamiento" antes del entrenamiento para convertir la información no etiquetada en un formato utilizable.
Después de ingresar los datos, la IA construye un modelo con capacidad de comprensión y predicción a través del "entrenamiento", similar al proceso de aprendizaje de un bebé para entender el mundo exterior. Cuando el contenido de aprendizaje se especializa o se obtiene retroalimentación a través de la comunicación y se corrige, se entra en la fase de "ajuste fino".
Los niños, al crecer, pueden entender y expresar ideas en el diálogo, similar a la fase de "razonamiento" de un gran modelo de IA, pudiendo predecir y analizar nuevas entradas. La IA expresa sentimientos, describe cosas y resuelve problemas a través de su capacidad lingüística, similar a cómo los grandes modelos se aplican en tareas específicas como la clasificación de imágenes y el reconocimiento de voz después de ser entrenados.
El Agente de IA se acerca más a la próxima forma de los grandes modelos: puede ejecutar tareas de forma independiente y perseguir objetivos complejos, no solo posee capacidad de pensamiento, sino que también puede recordar, planificar y utilizar herramientas para interactuar con el mundo.
Actualmente, en respuesta a los puntos débiles de las pilas de IA, Web3 ha comenzado a formar un ecosistema de múltiples niveles y conexiones, que abarca todas las etapas del proceso del modelo de IA.
Uno, Capa básica: Airbnb de poder computacional y datos
Poder de cómputo
Actualmente, uno de los principales costos de la IA es la potencia de cálculo y la energía necesarias para entrenar e inferir modelos.
Por ejemplo, el LLAMA3 de Meta necesita 16,000 GPUs NVIDIA H100 durante 30 días para completar el entrenamiento. El precio unitario de la versión H100 de 80GB es de 30,000 a 40,000 dólares, lo que requiere una inversión en hardware de entre 400 y 700 millones de dólares, y el entrenamiento mensual también consume 1,600 millones de kilovatios hora, con un gasto energético cercano a los 20 millones de dólares.
Para aliviar la presión de la potencia de cálculo de IA, DePin( la red de infraestructura física descentralizada) se ha convertido en uno de los primeros campos en cruzar Web3 con IA. El sitio de datos DePin Ninja ha enumerado más de 1400 proyectos, entre los cuales los proyectos representativos de compartir potencia de GPU incluyen io.net, Aethir, Akash, Render Network, entre otros.
La lógica principal es: la plataforma permite a los propietarios de recursos de GPU ociosos contribuir con su potencia de cálculo de manera descentralizada, aumentando la utilización de recursos a través de un mercado en línea similar a Uber o Airbnb, y los usuarios finales obtienen recursos de cálculo eficientes a un costo más bajo; al mismo tiempo, un mecanismo de garantía asegura el castigo de los infractores.
Características incluyen:
Reunir recursos de GPU ociosos: principalmente de la potencia de cálculo excedente de centros de datos pequeños y medianos, granjas de criptomonedas, así como del hardware de minería del mecanismo de consenso PoS. Algunos proyectos como exolab también utilizan dispositivos locales como MacBook, iPhone, etc. para establecer una red de potencia de inferencia.
Orientado al mercado de potencia de cálculo de IA de cola larga: a. Parte técnica: más adecuada para los pasos de inferencia. El entrenamiento depende de un clúster de GPU de gran escala, mientras que la inferencia tiene requisitos de rendimiento de GPU más bajos. b. Lado de la demanda: los demandantes de capacidad de cálculo de pequeña y mediana escala se centran principalmente en la optimización y ajuste fino de los principales modelos, lo que se adapta naturalmente a la capacidad de cálculo distribuido e inactiva.
Propiedad descentralizada: La tecnología blockchain asegura que los propietarios de recursos mantengan el control, ajusten de manera flexible y obtengan beneficios.
Datos
Los datos son la piedra angular de la IA. Sin datos, los cálculos no tienen sentido; la calidad de los datos determina la calidad de la salida del modelo. Para el entrenamiento de los modelos de IA actuales, los datos determinan la capacidad lingüística, la capacidad de comprensión, los valores y la expresión humanizada. Actualmente, la dificultad en la demanda de datos de la IA se manifiesta principalmente en:
Hambre de datos: el entrenamiento de modelos de IA depende de la entrada masiva de datos. OpenAI entrenó GPT-4 con un número de parámetros en la escala de billones.
Calidad de datos: A medida que la IA se combina con diversas industrias, aumenta la demanda de la puntualidad, diversidad, especialización y nuevas fuentes de datos como las emociones de las redes sociales.
Privacidad y cumplimiento: los países y las empresas están limitando gradualmente la recopilación de conjuntos de datos.
Alto costo de procesamiento de datos: gran volumen de datos y complejidad en el procesamiento. Las empresas de IA dedican más del 30% de sus costos de I+D a la recopilación y procesamiento de datos básicos.
Las soluciones de Web3 se reflejan principalmente en:
Recopilación de datos: permitir que los verdaderos contribuyentes participen en la creación de valor, obteniendo datos más privados y valiosos a bajo costo a través de una red distribuida y mecanismos de incentivos.
Preprocesamiento de datos: Pocos elementos manuales en la industria de la IA, adecuados para mecanismos de incentivos descentralizados de Web3.
Privacidad y seguridad de los datos: Las ventajas de la tecnología de privacidad de Web3 se reflejan en el entrenamiento de datos sensibles y la colaboración de múltiples partes.
Las principales tecnologías de privacidad incluyen:
Actualmente, todavía se encuentra en una etapa temprana y enfrenta desafíos como el alto costo de cálculo.
Almacenamiento de datos: resolver el problema del almacenamiento de datos de IA en la cadena y la generación de LLM.
II. Middleware: Entrenamiento e inferencia del modelo
Mercado descentralizado de modelos de código abierto
Web3 propone la posibilidad de un mercado de modelos descentralizados y de código abierto, a través de la tokenización para que el equipo retenga una parte de los tokens, dirigiendo parte de los ingresos futuros del modelo hacia los titulares de tokens.
Razonamiento verificable
Para el problema de "caja negra" de la inferencia de IA, la solución estándar de Web3 es comparar los resultados de las operaciones repetidas de múltiples validadores, pero enfrenta el desafío de altos costos.
Una solución más prometedora es ejecutar pruebas ZK para el cálculo de inferencia de IA fuera de la cadena y verificar el cálculo en la cadena. Principales ventajas:
Las tecnologías verificables actuales incluyen:
Tres, Capa de Aplicación: Agente de IA
El enfoque actual del desarrollo de la IA se ha trasladado de la capacidad del modelo a los Agentes de IA. OpenAI define un Agente de IA como: un sistema impulsado por LLM que tiene la capacidad de comprensión, percepción, planificación, memoria y uso de herramientas de forma autónoma, capaz de ejecutar automáticamente tareas complejas.
Web3 puede traer a los Agentes:
Descentralizado
Las características de Web3 hacen que los sistemas de agentes sean más descentralizados y autónomos, estableciendo mecanismos de incentivos y penalizaciones a través de mecanismos como PoS y DPoS para fomentar la democratización, como GaiaNet, Theoriq y HajimeAI.
Arranque en frío
Web3 ayuda a los proyectos de AI Agent a obtener financiamiento inicial.
) Parte 2 ¿Cómo empodera la IA a Web3?
La IA tiene un impacto significativo en los proyectos de Web3, optimizando las operaciones en cadena ### como la ejecución de contratos inteligentes, la optimización de la liquidez y las decisiones de gobernanza impulsadas por IA (, beneficiando a la blockchain, proporcionando información basada en datos, mejorando la seguridad en la cadena y sentando las bases para nuevas aplicaciones de Web3.
![AI+Web3: Torres y plazas])https://img-cdn.gateio.im/webp-social/moments-b11096083013a66b04deba27ffb64663.webp(
)# Uno, IA y finanzas en la cadena
IA y economía criptográfica
El CEO de Coinbase anunció la primera transacción de criptomonedas entre IA en la red Base, donde los Agentes de IA pueden usar USD para comerciar con humanos, comerciantes u otras IA.
El protocolo Virtuals de Luna demostró que el agente de IA puede ejecutar de manera autónoma transacciones en la cadena, y el agente de IA es considerado el futuro de las finanzas en la cadena. Los escenarios potenciales incluyen:
Recopilación de información y predicción: recopilar anuncios de la bolsa, información del proyecto, riesgos de opinión pública, etc., analizar y evaluar los fundamentos de los activos, la situación del mercado, predecir tendencias y riesgos.
Gestión de activos: proporcionar objetivos de inversión, optimizar la cartera de activos, ejecutar transacciones automáticamente.
Experiencia financiera: elige la forma de transacción en cadena más rápida, automatiza el intercambio entre cadenas, ajusta las tarifas de gas, etc., para reducir la barrera y el costo de las actividades financieras en la cadena.
Actualmente, las billeteras AI Agent como Bitte y el protocolo de interacción AI Wayfinder están intentando conectarse a la API del modelo OpenAI, permitiendo a los usuarios darle comandos al agente a través de una interfaz de chat para realizar operaciones en la cadena. La plataforma de agentes descentralizada Morpheus apoya el desarrollo de este tipo de agentes, y Biconomy demostró que un agente de IA puede realizar operaciones de swap sin necesidad de permisos completos de billetera.
Seguridad de las transacciones en cadena con IA
La tecnología de IA puede mejorar la seguridad y la protección de la privacidad en las transacciones en cadena, los escenarios potenciales incluyen:
La plataforma de seguridad Web3 SeQure utiliza IA para detectar y prevenir ataques, fraudes y filtraciones de datos, ofreciendo monitoreo y alertas en tiempo real. Herramientas similares incluyen Sentinel impulsado por IA.
Dos, IA e infraestructuras en cadena
IA y datos en cadena
La tecnología de IA juega un papel importante en la recopilación y análisis de datos en la cadena, como:
La IA también se puede utilizar en oráculos, como Upshot, que utiliza IA para proporcionar datos de precios precisos para NFT.
IA y Desarrollo&Auditoría
La IA puede mejorar la eficiencia del desarrollo de Web3 y reducir la barrera de entrada a la programación. Los escenarios potenciales incluyen: generación automática de código, verificación y prueba de contratos inteligentes, mantenimiento y despliegue de DApps, autocompletado de código inteligente, resolución de problemas de desarrollo, etc.
Actualmente hay plataformas de tokens de inicio con un solo clic como Clanker y plataformas de desarrollo de contratos como Spectral que ofrecen funciones de generación y despliegue de contratos inteligentes con un solo clic.
En el ámbito de la auditoría, la plataforma de auditoría Web3 Fuzzland utiliza IA para ayudar a revisar vulnerabilidades en el código y ofrece explicaciones en lenguaje natural.
Tres, IA y