Projetos Web3 com conceito de IA tornam-se alvos de captação de recursos nos mercados primário e secundário.
As oportunidades do Web3 na indústria de IA manifestam-se em: o uso de incentivos distribuídos para coordenar o potencial de oferta na cauda longa - através de dados, armazenamento e computação; ao mesmo tempo, a criação de um modelo de código aberto e de um mercado descentralizado para Agentes de IA.
A IA no setor Web3 tem como principais áreas de aplicação as finanças em cadeia (pagamentos cripto, transações, análise de dados) e assistência ao desenvolvimento.
A utilidade do AI+Web3 manifesta-se na complementaridade entre ambos: o Web3 promete combater a centralização da IA, enquanto a IA promete ajudar o Web3 a expandir-se.
Introdução
Nos últimos dois anos, o desenvolvimento da IA parece ter sido acelerado, e esta onda provocada pelas asas da borboleta do Chatgpt não apenas abriu um novo mundo de inteligência artificial generativa, mas também gerou uma corrente no Web3 do outro lado.
Com o apoio do conceito de IA, a recuperação do financiamento no mercado de criptomoedas, que está a desacelerar, é evidente. Segundo estatísticas da mídia, apenas no primeiro semestre de 2024, um total de 64 projetos Web3+IA concluíram financiamentos, sendo que o sistema operativo baseado em inteligência artificial Zyber365 alcançou o montante máximo de financiamento de 100 milhões de dólares na ronda A.
O mercado secundário é mais próspero, com dados do site de agregação cripto Coingecko mostrando que, em pouco mais de um ano, a capitalização de mercado total da trilha de IA atingiu US$ 48,5 bilhões, com um volume de negociação em 24 horas de quase US$ 8,6 bilhões; Após o lançamento do modelo de texto para vídeo Sora da OpenAI, o preço médio do setor de IA aumentou 151%; O efeito de IA também irradiou para um dos setores que absorvem ouro de criptomoedas: o primeiro conceito de agente de IA da MemeCoin, GOAT, rapidamente se tornou popular e ganhou uma avaliação de US$ 1,4 bilhão, desencadeando com sucesso uma mania de memes de IA.
A pesquisa e os tópicos sobre AI+Web3 estão igualmente em alta, desde AI+Depin até AI Memecoin, passando pelos atuais AI Agent e AI DAO, a emoção de FOMO já não consegue acompanhar a velocidade da nova rotação de narrativas.
AI+Web3, esta combinação de termos cheia de dinheiro fácil, oportunidades e fantasias futuras, não pode deixar de ser vista como um casamento arranjado pelo capital; parece que é difícil discernir debaixo deste manto esplêndido, se na verdade é o palco dos especuladores ou a véspera da explosão do amanhecer?
Para responder a esta questão, uma reflexão crucial para ambas as partes é: a presença do outro tornará as coisas melhores? Será que se pode beneficiar dos modelos do outro? Neste artigo, também tentamos, à luz do que já foi feito, examinar este panorama: como o Web3 pode desempenhar um papel em cada uma das camadas da pilha tecnológica de IA, e o que a IA pode trazer de novo ao Web3?
Quais são as oportunidades do Web3 sob a pilha de IA?
Antes de abordar este tópico, precisamos entender a pilha tecnológica dos grandes modelos de IA:
Fonte da imagem: Delphi Digital
Usando uma linguagem mais acessível para descrever todo o processo: o "grande modelo" é como o cérebro humano. Nas fases iniciais, esse cérebro pertence a um bebê que acabou de chegar ao mundo, precisando observar e absorver uma enorme quantidade de informações do ambiente ao seu redor para entender este mundo, que é a fase de "coleta" de dados. Como os computadores não possuem os sentidos visuais e auditivos humanos, antes do treinamento, as grandes quantidades de informações não rotuladas do exterior precisam ser convertidas através de "pré-processamento" em um formato que os computadores possam entender e utilizar.
Após a entrada de dados, a IA construiu um modelo com capacidade de compreensão e previsão através de "treinamento", que pode ser visto como o processo pelo qual um bebê gradualmente entende e aprende sobre o mundo exterior. Os parâmetros do modelo são como a capacidade linguística que o bebê ajusta continuamente durante o processo de aprendizagem. Quando o conteúdo aprendido começa a ser especializado ou quando a comunicação com os outros fornece feedback e correções, entra-se na fase de "ajuste fino" do grande modelo.
As crianças, ao crescerem e aprenderem a falar, conseguem compreender o significado em novas conversas e expressar seus sentimentos e pensamentos. Esta fase é semelhante ao "raciocínio" de um grande modelo de IA, onde o modelo é capaz de prever e analisar novas entradas de linguagem e texto. Os bebês expressam sentimentos, descrevem objetos e resolvem diversos problemas por meio de suas habilidades linguísticas, o que também é semelhante à aplicação do grande modelo de IA, após ser treinado e utilizado, em várias tarefas específicas durante a fase de raciocínio, como classificação de imagens, reconhecimento de fala, entre outras.
O AI Agent está mais próximo da próxima forma dos grandes modelos - capaz de executar tarefas de forma independente e perseguir objetivos complexos, possuindo não apenas a capacidade de pensar, mas também de memorizar, planejar e interagir com o mundo usando ferramentas.
Atualmente, em resposta às dificuldades da IA em várias pilhas, o Web3 está a formar um ecossistema interconectado e multilayer, que abrange todas as fases do processo de modelos de IA.
Um, Camada Básica: Airbnb de Poder Computacional e Dados
poder de computação
Atualmente, um dos custos mais altos da IA é o poder de computação e a energia necessária para treinar e inferir modelos.
Um exemplo é que o LLAMA3 da Meta precisa de 16.000 H100 GPUs produzidas pela NVIDIA (que é uma unidade de processamento gráfico de topo projetada para cargas de trabalho de inteligência artificial e computação de alto desempenho). O treinamento leva 30 dias para ser concluído. O preço unitário da versão de 80 GB varia entre 30.000 e 40.000 dólares, o que exige um investimento em hardware de computação (GPU + chip de rede) de 400 a 700 milhões de dólares, enquanto o treinamento mensal consome 1,6 bilhões de quilowatts-hora, com despesas de energia mensais de quase 20 milhões de dólares.
A descompressão do poder computacional da IA é, de fato, uma das áreas onde o Web3 cruzou com a IA mais cedo - DePin (Rede de Infraestrutura Física Descentralizada). Atualmente, o site de dados DePin Ninja já listou mais de 1400 projetos, entre os quais projetos representativos de compartilhamento de poder computacional GPU incluem io.net, Aethir, Akash, Render Network, entre outros.
A sua lógica principal é: a plataforma permite que indivíduos ou entidades com recursos de GPU ociosos contribuam com sua capacidade de computação de forma descentralizada e sem necessidade de autorização, através de um mercado online semelhante ao Uber ou Airbnb, aumentando a utilização de recursos de GPU que não estão sendo plenamente aproveitados. Assim, os usuários finais também obtêm recursos de computação eficientes a um custo mais baixo; ao mesmo tempo, o mecanismo de staking também garante que, se ocorrerem violações dos mecanismos de controle de qualidade ou interrupções na rede, os provedores de recursos sofrerão as penalizações correspondentes.
As suas características são:
Reunir recursos de GPU ociosos: os fornecedores são principalmente centros de dados independentes de pequeno e médio porte, operadores de mineradoras de criptomoedas e recursos de poder computacional excedentes, com mecânica de consenso PoS, como mineradores de FileCoin e ETH. Atualmente, também há projetos dedicados a iniciar dispositivos com um limiar de entrada mais baixo, como o exolab, que utiliza MacBook, iPhone, iPad e outros dispositivos locais para estabelecer uma rede de computação para inferência de grandes modelos.
Enfrentando o mercado de cauda longa da capacidade de computação de IA: a. "Do ponto de vista técnico", o mercado de capacidade de computação descentralizada é mais adequado para os passos de inferência. O treinamento depende mais da capacidade de processamento de dados proporcionada por GPUs de escala super grande, enquanto a inferência requer menos desempenho de computação de GPU, como a Aethir, que se concentra em trabalhos de renderização de baixa latência e aplicações de inferência de IA. b. "Do ponto de vista da demanda", os pequenos e médios demandantes de capacidade de computação não vão treinar seus próprios grandes modelos separadamente, mas apenas escolherão otimizar e ajustar finamente em torno de alguns grandes modelos principais, e esses cenários são naturalmente adequados para recursos de capacidade de computação ociosa distribuída.
Propriedade descentralizada: o significado técnico da blockchain é que os proprietários de recursos mantêm sempre o controle sobre seus recursos, ajustando-se de forma flexível às demandas e, ao mesmo tempo, obtendo lucros.
dados
Os dados são a base da IA. Sem dados, os cálculos são como folhas flutuantes sem utilidade, e a relação entre dados e modelos é como o ditado "Garbage in, Garbage out". A quantidade de dados e a qualidade da entrada determinam a qualidade da saída final do modelo. Para o treinamento dos modelos de IA atuais, os dados determinam a capacidade linguística, a capacidade de compreensão, e até mesmo os valores e a humanização do modelo. Atualmente, as dificuldades na demanda por dados da IA concentram-se principalmente em quatro áreas:
Fome de dados: O treinamento de modelos de IA depende de grandes entradas de dados. Dados públicos mostram que a OpenAI treinou o GPT-4 com um número de parâmetros que chega à casa dos trilhões.
Qualidade dos dados: À medida que a IA se combina com várias indústrias, a atualidade dos dados, a diversidade dos dados, a especialização dos dados verticais e a incorporação de novas fontes de dados, como a emoção nas redes sociais, também impõem novas exigências à sua qualidade.
Questões de privacidade e conformidade: atualmente, vários países e empresas estão gradualmente a reconhecer a importância de conjuntos de dados de alta qualidade e estão a impor restrições à coleta de conjuntos de dados.
Custo elevado de processamento de dados: grande volume de dados, processo de processamento complexo. Dados públicos mostram que mais de 30% dos custos de pesquisa e desenvolvimento das empresas de IA são destinados à coleta e processamento de dados básicos.
Atualmente, as soluções web3 estão refletidas nas seguintes quatro áreas:
Coleta de dados: a disponibilidade de dados do mundo real que podem ser capturados gratuitamente está rapidamente se esgotando, e os gastos das empresas de IA com dados estão aumentando a cada ano. No entanto, ao mesmo tempo, esses gastos não estão retornando aos verdadeiros contribuintes de dados, enquanto as plataformas desfrutam inteiramente da criação de valor trazida pelos dados, como o Reddit, que gerou uma receita total de 203 milhões de dólares através de acordos de licenciamento de dados com empresas de IA.
Permitir que os usuários que realmente contribuem participem na criação de valor trazida pelos dados, assim como obter dados mais privados e valiosos dos usuários de forma de baixo custo através de redes distribuídas e mecanismos de incentivo, é a visão do Web3.
Grass é uma camada de dados e uma rede descentralizada, onde os usuários podem executar nós Grass, contribuindo com largura de banda ociosa e tráfego de retransmissão para capturar dados em tempo real de toda a internet e receber recompensas em tokens;
Vana introduziu um conceito único de pool de liquidez de dados (DLP), onde os usuários podem fazer upload de seus dados pessoais (como registros de compras, hábitos de navegação, atividades em redes sociais, etc.) para um DLP específico e escolher de forma flexível se autorizam ou não o uso desses dados por terceiros específicos;
No PublicAI, os usuários podem usar #AI 或#Web3 como etiqueta de categoria em X e @PublicAI para coletar dados.
Pré-processamento de dados: No processo de tratamento de dados da IA, devido ao fato de que os dados coletados geralmente são ruidosos e contêm erros, eles devem ser limpos e convertidos para um formato utilizável antes de treinar o modelo, envolvendo tarefas repetitivas de normalização, filtragem e tratamento de valores ausentes. Esta fase é uma das poucas etapas manuais na indústria de IA, tendo gerado a profissão de anotador de dados. À medida que as exigências de qualidade dos dados aumentam para os modelos, o nível de entrada para os anotadores de dados também se eleva, e essa tarefa é naturalmente adequada para um mecanismo de incentivo descentralizado do Web3.
Atualmente, a Grass e a OpenLayer estão a considerar a adição da anotação de dados a esta etapa crucial.
A Synesis apresentou o conceito de "Train2earn", enfatizando a qualidade dos dados, onde os usuários podem ganhar recompensas ao fornecer dados anotados, comentários ou outras formas de entrada.
O projeto de rotulagem de dados Sapien gamifica as tarefas de marcação e permite que os usuários façam staking de pontos para ganhar mais pontos.
Privacidade e segurança dos dados: É necessário esclarecer que privacidade e segurança dos dados são dois conceitos diferentes. A privacidade dos dados envolve o processamento de dados sensíveis, enquanto a segurança dos dados protege as informações contra acesso, destruição e roubo não autorizados. Assim, as vantagens da tecnologia de privacidade Web3 e os potenciais cenários de aplicação manifestam-se em dois aspectos: (1) Treinamento de dados sensíveis; (2) Colaboração de dados: Vários proprietários de dados podem participar conjuntamente do treinamento de IA, sem a necessidade de compartilhar seus dados originais.
As tecnologias de privacidade mais comuns atualmente no Web3 incluem:
Ambiente de Execução Confiável (TEE), como o Super Protocol;
Criptografia homomórfica completamente (FHE), como BasedAI, Fhenix.io ou Inco Network;
A tecnologia de conhecimento zero (zk), como o Protocolo Reclaim que utiliza a tecnologia zkTLS, gera provas de conhecimento zero para tráfego HTTPS, permitindo que os usuários importem com segurança dados de atividades, reputação e identidade de sites externos, sem expor informações sensíveis.
No entanto, atualmente este campo ainda está em uma fase inicial, a maioria dos projetos ainda está em exploração e um dos dilemas atuais é o custo de computação muito alto, alguns exemplos são:
A estrutura zkML EZKL leva cerca de 80 minutos para gerar uma prova de um modelo 1M-nanoGPT.
De acordo com os dados da Modulus Labs, o custo do zkML é mais de 1000 vezes maior do que o da computação pura.
Armazenamento de dados: Depois de ter os dados, também é necessário um lugar para armazenar os dados na cadeia, bem como o LLM gerado a partir desses dados. Com a disponibilidade de dados (DA) como a questão central, antes da atualização Danksharding do Ethereum, sua capacidade era de 0,08MB. Ao mesmo tempo, o treinamento de modelos de IA e a inferência em tempo real geralmente requerem uma capacidade de dados de 50 a 100GB por segundo. Essa diferença de magnitude torna as soluções existentes na cadeia incapazes de lidar com "aplicações de IA que consomem muitos recursos."
0g. A IA é um projeto representativo nesta categoria. É uma solução de armazenamento centralizado projetada para as necessidades de alto desempenho da IA, e seus principais recursos incluem: alto desempenho e escalabilidade, com tecnologias avançadas de fragmentação e codificação de eliminação para suportar upload e download rápidos de conjuntos de dados em grande escala com velocidades de transferência de dados de quase 5 GB por segundo.
II. Middleware: Treinamento e Inferência do Modelo
Mercado descentralizado de modelos de código aberto
A discussão sobre se os modelos de IA devem ser de código fechado ou aberto nunca desapareceu. A inovação coletiva trazida pelo código aberto é uma vantagem incomparável em relação aos modelos de código fechado, no entanto, sem um modelo de lucro, como podem os modelos de código aberto aumentar a motivação dos desenvolvedores? É uma direção que merece reflexão. O fundador da Baidu, Li Yanhong, afirmou em abril deste ano que "os modelos de código aberto vão ficando cada vez mais para trás."
Nesse sentido, o Web3 propõe a possibilidade de um mercado de modelos descentralizado e de código aberto, ou seja, a tokenização do próprio modelo, reservando uma certa proporção de tokens para a equipe e direcionando parte da receita futura do modelo para os detentores de tokens.
Como o protocolo Bittensor estabelece um mercado P2P de modelos de código aberto, composto por várias "sub-redes", onde os provedores de recursos (computação, coleta/armazenamento de dados, talentos em aprendizado de máquina) competem entre si para atender aos objetivos de proprietários de sub-rede específicos, as sub-redes podem interagir e aprender umas com as outras, resultando em uma inteligência mais poderosa. As recompensas são distribuídas por votação da comunidade e são posteriormente redistribuídas nas sub-redes com base no desempenho competitivo.
A ORA introduziu o conceito de emissão do modelo inicial (IMO), tokenizando modelos de IA que podem ser comprados, vendidos e desenvolvidos através de uma rede descentralizada.
Sentient, uma plataforma AGI descentralizada, incentiva as pessoas a colaborarem, construírem, replicarem e expandirem modelos de IA, e recompensa os contribuintes.
Spectral Nova, focado na criação e aplicação de modelos de IA e ML.
Raciocínio verificável
Para o problema do "caixa-preta" no processo de raciocínio da IA, a solução padrão do Web3 é permitir que múltiplos validadores realizem a mesma operação e comparem os resultados, mas devido à atual escassez de "chips Nvidia" de alta gama, o desafio óbvio que essa abordagem enfrenta é o alto custo do raciocínio da IA.
Uma solução mais promissora seria realizar provas ZK de cálculos de inferência de IA off-chain "provas de conhecimento zero, um protocolo criptográfico no qual um provador de parte pode provar a outro validador de parte que uma determinada declaração é verdadeira sem revelar nenhuma informação adicional além de que a declaração é verdadeira" para verificação on-chain sem permissão de cálculos de modelos de IA. Isso implica provar criptograficamente on-chain que os cálculos off-chain foram feitos corretamente (por exemplo, o conjunto de dados não foi adulterado), garantindo ao mesmo tempo que todos os dados sejam mantidos confidenciais.
Os principais benefícios incluem:
Escalabilidade: as provas de conhecimento zero podem confirmar rapidamente uma grande quantidade de cálculos off-chain. Mesmo com o aumento do número de transações, uma única prova de conhecimento zero pode validar todas as transações.
Proteção de privacidade: os detalhes dos dados e dos modelos de IA permanecem confidenciais, enquanto as partes podem verificar que os dados e os modelos não foram corrompidos.
Sem necessidade de confiança: é possível verificar os cálculos sem depender de entidades centralizadas.
Integração Web2: por definição, o Web2 é uma integração off-chain, o que significa que a inferência verificável pode ajudar a levar seus conjuntos de dados e cálculos de IA para a blockchain. Isso ajuda a aumentar a taxa de adoção do Web3.
Atualmente, as tecnologias verificáveis para raciocínio verificável em Web3 são as seguintes:
zkML: Combina provas de conhecimento zero com aprendizado de máquina para garantir a privacidade e confidencialidade dos dados e modelos, permitindo cálculos verificáveis sem revelar certas propriedades subjacentes, como a Modulus Labs, que lançou um provedor ZK baseado em ZKML para verificar efetivamente se os provedores de IA estão manipulando corretamente a execução de algoritmos na cadeia, no entanto, atualmente os clientes são basicamente DApps na cadeia.
opML: Utilizando o princípio de agregação otimista, aumenta a escalabilidade e eficiência do cálculo de ML ao verificar o tempo em que as disputas ocorrem. Neste modelo, apenas uma pequena parte dos resultados gerados pelos "verificadores" precisa ser validada, mas os custos econômicos reduzidos são definidos de forma suficientemente alta para aumentar o custo de fraude dos verificadores, economizando assim cálculos redundantes.
TeeML: executa cálculos de ML de forma segura usando ambientes de execução confiáveis, protegendo dados e modelos contra alterações e acessos não autorizados.
Três, Camada de Aplicação: Agente de IA
O desenvolvimento atual da IA já apresenta um panorama em que o foco do desenvolvimento se desloca das capacidades do modelo para os Agentes de IA. Empresas de tecnologia como OpenAI, a unicórnio Anthropic de grandes modelos de IA e a Microsoft estão todas se voltando para o desenvolvimento de Agentes de IA, tentando romper com a atual fase de plataforma tecnológica dos LLM.
A definição da OpenAI para Agente de IA é: um sistema que é impulsionado por LLM como cérebro, com a capacidade de compreensão autônoma, percepção, planejamento, memória e uso de ferramentas, capaz de automatizar a execução de tarefas complexas. Quando a IA deixa de ser uma ferramenta utilizada e se torna um sujeito que pode usar ferramentas, ela se torna um Agente de IA. Esta é também a razão pela qual o Agente de IA pode se tornar o assistente inteligente mais ideal para os humanos.
E o que o Web3 pode trazer para os Agentes?
Descentralizado
As características descentralizadas do Web3 podem tornar os sistemas de Agent mais dispersos e autônomos, estabelecendo mecanismos de incentivo e penalização para os stakers e delegadores através de mecanismos como PoS e DPoS, o que pode promover a democratização dos sistemas de Agent. GaiaNet, Theoriq e HajimeAI já fizeram tentativas.
Arranque a frio
O desenvolvimento e a iteração de Agentes de IA geralmente requerem um grande suporte financeiro, e o Web3 pode ajudar projetos de Agentes de IA promissores a obter financiamento inicial e arranque a frio.
O Virtual Protocol lançou a plataforma de criação de AI Agent e emissão de tokens fun.virtuals, onde qualquer usuário pode implantar um AI Agent com um único clique e garantir uma emissão de tokens de AI Agent 100% justa.
A Spectral propôs um conceito de produto que suporta a emissão de ativos de Agentes de IA em blockchain: através da IAO (Initial Agent Offering), os tokens são emitidos, permitindo que o Agente de IA obtenha fundos diretamente dos investidores, ao mesmo tempo em que se torna um membro da governança DAO, oferecendo aos investidores a oportunidade de participar no desenvolvimento do projeto e compartilhar os lucros futuros.
Como a IA capacita o Web3?
O impacto da IA nos projetos Web3 é evidente, pois otimiza operações em cadeia (como execução de contratos inteligentes, otimização de liquidez e decisões de governança impulsionadas por IA), beneficiando a tecnologia blockchain. Ao mesmo tempo, também pode fornecer melhores insights baseados em dados, aumentar a segurança em cadeia e estabelecer a base para novas aplicações baseadas em Web3.
Um, AI e finanças em blockchain
IA e economia cripto
No dia 31 de agosto, o CEO da Coinbase, Brian Armstrong, anunciou a realização da primeira transação de criptomoeda AI para AI na rede Base, e afirmou que os Agentes de AI agora podem negociar em USD com humanos, comerciantes ou outras AIs na Base, sendo essas transações instantâneas, globais e gratuitas.
Além de pagamentos, o Luna do Virtuals Protocol também demonstrou pela primeira vez como o Agente de IA pode executar autonomamente transações em cadeia, gerando atenção, fazendo com que o Agente de IA seja visto como uma entidade inteligente capaz de perceber o ambiente, tomar decisões e executar ações, sendo considerado o futuro das finanças em cadeia. Atualmente, os cenários potenciais do Agente de IA se manifestam nos seguintes pontos:
Coleta de informações e previsões: ajuda os investidores a coletar anúncios de bolsas, informações públicas de projetos, emoções de pânico, riscos de opinião pública, entre outros, analisando e avaliando em tempo real os fundamentos dos ativos e a situação do mercado, prevendo tendências e riscos.
Gestão de ativos: fornecer aos usuários alvos de investimento adequados, otimizar a carteira de ativos e executar transações automaticamente.
Experiência financeira: ajuda os investidores a escolher a forma de negociação em cadeia mais rápida, automatiza as operações manuais de cruzamento de cadeias, ajuste de taxas de gas, entre outros, reduzindo as barreiras e custos das atividades financeiras em cadeia.
Imagine tal cenário, você transmite as seguintes instruções para o AI Agent: "Eu tenho 1000 USDT, por favor, me ajude a encontrar o portfólio com o maior rendimento, e o tempo de bloqueio não é superior a uma semana", e o AI Agent fornecerá as seguintes sugestões: "A alocação inicial recomendada é de 50% em A, 20% em B, 20% em X e 10% em Y. Acompanharei as taxas de juro e observarei alterações nos seus níveis de risco e, se necessário, reequilibrar-me-ei.» Além disso, encontrar projetos de airdrop em potencial, bem como projetos Memecoin com sinais quentes da comunidade, são tudo coisas que o AI Agent pode alcançar no futuro.
Fonte da imagem: Biconomy
Atualmente, as carteiras AI Agent Bitte e o protocolo de interação AI Wayfinder estão fazendo esse tipo de tentativa, ambos tentando conectar-se à API do modelo OpenAI, permitindo que os usuários interajam com uma interface de chat semelhante ao ChatGPT, ordenando ao Agent que complete várias operações na blockchain, como o primeiro protótipo lançado pelo WayFinder em abril deste ano, que demonstrou quatro operações básicas: swap, send, bridge e stake nas redes principais Base, Polygon e Ethereum.
Atualmente, a plataforma de Agentes descentralizada Morpheus também suporta o desenvolvimento desse tipo de Agente, assim como a Biconomy, que demonstrou uma operação em que o Agente de IA pode trocar ETH por USDC sem a necessidade de autorização para permissões completas da carteira.
AI e segurança nas transações em blockchain
No mundo Web3, a segurança das transações on-chain é crucial. A tecnologia de IA pode ser utilizada para aumentar a segurança e a proteção da privacidade das transações on-chain, com cenários potenciais que incluem:
Monitoramento de Transações: Monitoramento técnico de dados em tempo real de atividades de transação anômalas, infraestrutura de alerta em tempo real voltada para usuários e plataformas.
Análise de risco: ajuda a plataforma a analisar os dados de comportamento de negociação dos clientes, avaliando o seu nível de risco.
Por exemplo, a plataforma de segurança Web3 SeQure utiliza IA para detectar e prevenir ataques maliciosos, fraudes e vazamentos de dados, oferecendo monitorização em tempo real e mecanismos de alerta, garantindo a segurança e estabilidade das transações na blockchain. Ferramentas de segurança 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 blockchain, como:
Web3 Analytics: é uma plataforma de análise baseada em IA, que utiliza algoritmos de aprendizado de máquina e mineração de dados para coletar, processar e analisar dados em blockchain.
MinMax AI: Oferece uma ferramenta de análise de dados em cadeia baseada em IA, ajudando os utilizadores a descobrir oportunidades e tendências de mercado potenciais.
Kaito: plataforma de busca Web3 baseada em motor de busca LLM.
Followin: Integrado com o ChatGPT, reúne e apresenta informações relevantes dispersas em diferentes sites e plataformas sociais.
Outro caso de aplicação é o oráculo, onde a IA pode obter preços de várias fontes para fornecer dados de preços precisos. Por exemplo, a Upshot utiliza IA para lidar com os preços voláteis dos NFT, realizando avaliações mais de um bilhão de vezes por hora, oferecendo preços de NFT com uma margem de erro percentual de 3-10%.
IA e Desenvolvimento & Auditoria
Recentemente, um editor de código AI Web2 chamado Cursor atraiu a atenção de muitos no círculo dos desenvolvedores. Na sua plataforma, os usuários só precisam descrever em linguagem natural, e o Cursor consegue gerar automaticamente o código HTML, CSS e JavaScript correspondente, simplificando muito o processo de desenvolvimento de software. Esta lógica também se aplica para aumentar a eficiência do desenvolvimento Web3.
Atualmente, ao implementar contratos inteligentes e DApps em uma blockchain pública, geralmente é necessário seguir linguagens de desenvolvimento específicas como Solidity, Rust, Move, etc. A visão das novas linguagens de desenvolvimento é expandir o espaço de design de blockchains descentralizadas, tornando-as mais adequadas para o desenvolvimento de DApps, mas com a grande lacuna de desenvolvedores em Web3, a educação de desenvolvedores continua a ser um problema mais desafiador.
Atualmente, a IA na assistência ao desenvolvimento Web3 pode imaginar cenários como: geração automática de código, validação e teste de contratos inteligentes, implantação e manutenção de DApps, complementação inteligente de código, respostas a perguntas de desenvolvimento através de diálogos com IA, entre outros. Com a assistência da IA, não só ajuda a aumentar a eficiência e precisão do desenvolvimento, mas também reduz a barreira de programação, permitindo que não programadores possam transformar suas ideias em aplicações reais, trazendo nova vitalidade ao desenvolvimento de tecnologias descentralizadas.
Atualmente, o que mais chama a atenção são as plataformas de tokens com um clique, como o Clanker, um "Token Bot" impulsionado por IA, projetado especificamente para a implantação rápida de tokens DIY. Você só precisa marcar o Clanker no cliente do protocolo SocialFi Farcaster, como Warpcast ou Supercast, e informar a ele a sua ideia de token, e ele iniciará o token para você na blockchain Base.
Há também plataformas de desenvolvimento de contratos, como a Spectral, que oferecem a funcionalidade de geração e implementação de contratos inteligentes com um clique, a fim de reduzir a barreira de entrada para o desenvolvimento em Web3, permitindo que até mesmo usuários iniciantes possam compilar e implementar contratos inteligentes.
Na área de auditoria, a plataforma de auditoria Web3 Fuzzland utiliza IA para ajudar os auditores a verificar vulnerabilidades de código, fornecendo explicações em linguagem natural para auxiliar o conhecimento profissional de auditoria. A Fuzzland também utiliza IA para fornecer explicações em linguagem natural sobre normas formais e código de contratos, bem como alguns códigos de exemplo, para ajudar os desenvolvedores a entenderem os problemas potenciais no código.
Três, a nova narrativa da IA e do Web3
A ascensão da IA generativa trouxe novas possibilidades para a nova narrativa do Web3.
NFT: A IA trouxe criatividade para os NFTs gerados, permitindo a criação de diversas obras de arte e personagens únicos através de tecnologia de IA. Esses NFTs gerados podem se tornar personagens, itens ou elementos de cena em jogos, mundos virtuais ou metaversos, como o Bicasso da Binance, onde os usuários podem gerar NFTs ao fazer upload de imagens e inserir palavras-chave para processamento de IA. Projetos semelhantes incluem Solvo, Nicho, IgmnAI e CharacterGPT.
GameFi: Com a geração de linguagem natural baseada em IA, geração de imagens e capacidades de NPC inteligentes, o GameFi promete aumentar a eficiência e a inovação na produção de conteúdo de jogos. Como o AI Hero, o primeiro jogo em blockchain da Binaryx, onde os jogadores podem explorar aleatoriamente diferentes opções de enredo através da IA; da mesma forma, há o jogo de companheiros virtuais Sleepless AI, que, com base em AIGC e LLM, permite que os jogadores desbloqueiem jogabilidade personalizada através de diferentes interações.
DAO: Atualmente, a IA também está sendo considerada para ser aplicada em DAOs, ajudando a rastrear interações da comunidade, registrar contribuições, recompensar os membros com mais contribuições, facilitar votações, entre outros. Por exemplo, a ai16z utiliza o AI Agent para coletar informações de mercado, tanto on-chain quanto off-chain, analisar o consenso da comunidade e tomar decisões de investimento com base nas sugestões dos membros da DAO.
Significado da combinação de AI+Web3: torres e praças
No coração da cidade de Florença, na Itália, encontra-se o mais importante local de atividades políticas locais e de reunião de cidadãos e turistas - a Praça Central. Aqui ergue-se uma torre da prefeitura com 95 metros de altura, cuja verticalidade contrasta com a horizontalidade da praça, criando um efeito estético dramático. O professor de história da Universidade de Harvard, Niall Ferguson, foi inspirado por isso e relacionou em seu livro "Praças e Torres" à história mundial das redes e das hierarquias, onde ambos se elevam e caem ao longo do tempo.
Esta magnífica metáfora não é de todo estranha quando aplicada à relação entre a IA e o Web3 hoje em dia. A partir da história de longo prazo e não linear entre os dois, podemos ver que a praça é mais propensa a gerar novas e criativas ideias, mas a torre ainda possui a sua legitimidade e forte vitalidade.
Com a capacidade de coletar dados de energia e computação de forma altamente concentrada nas empresas de tecnologia, a IA explodiu com uma imaginação sem precedentes. As grandes empresas de tecnologia estão apostando pesadamente e entrando em cena, com diferentes chatbots e versões iterativas de "modelos de base" como GPT-4, GP4-4o, surgindo uma após a outra, com o robô de programação automática (Devin) e o Sora, que possui capacidades iniciais de simulação do mundo físico real, entre outros, a imaginação da IA foi amplamente ampliada.
Ao mesmo tempo, a IA é essencialmente uma indústria de escala e centralização, e esta revolução tecnológica empurrou as empresas de tecnologia que já tinham gradualmente dominado a estrutura no "era da internet" para pontos mais estreitos. A enorme eletricidade, o fluxo de caixa monopolizado e os grandes conjuntos de dados necessários para dominar a era inteligente criaram barreiras ainda mais altas.
À medida que as torres se elevam, os tomadores de decisão nos bastidores se tornam cada vez mais restritos. A centralização da IA trouxe muitos riscos. Como as massas reunidas na praça podem evitar a sombra sob as torres? Este é precisamente o problema que o Web3 espera resolver.
Em essência, as propriedades inerentes da blockchain aprimoram os sistemas de inteligência artificial e trazem novas possibilidades, principalmente:
A era da inteligência artificial do "código é lei" - através de contratos inteligentes e verificação criptográfica, implementando regras de execução automática em sistemas transparentes, entregando recompensas a grupos mais próximos dos objetivos.
Economia de tokens - criar e coordenar o comportamento dos participantes através de mecanismos de tokens, staking, redução, recompensas e punições em tokens.
Governança descentralizada - leva-nos a questionar as fontes de informação e incentiva uma abordagem mais crítica e perspicaz em relação às tecnologias de inteligência artificial, prevenindo preconceitos, desinformação e manipulação, e, em última instância, cultivando uma sociedade mais informada e empoderada.
O desenvolvimento da IA também trouxe nova vitalidade ao Web3. Talvez o impacto do Web3 na IA precise da prova do tempo, mas o impacto da IA no Web3 é imediato: isso é evidente tanto na euforia dos Memes quanto na ajuda dos Agentes de IA para reduzir a barreira de entrada das aplicações na cadeia.
Quando o Web3 é definido como uma auto-satisfação de um pequeno grupo de pessoas e envolto em dúvidas sobre a cópia da indústria tradicional, a adição da IA traz um futuro previsível: um grupo de usuários Web2 mais estável e em maior escala, além de modelos de negócio e serviços mais inovadores.
Vivemos em um mundo onde "torres e praças" coexistem. Embora a IA e o Web3 tenham diferentes linhas do tempo e pontos de partida, seu objetivo final é como fazer as máquinas servirem melhor a humanidade. Ninguém pode definir um rio em fluxo. Esperamos ver o futuro do AI+Web3.
Esta página pode conter conteúdos de terceiros, que são fornecidos apenas para fins informativos (sem representações/garantias) e não devem ser considerados como uma aprovação dos seus pontos de vista pela Gate, nem como aconselhamento financeiro ou profissional. Consulte a Declaração de exoneração de responsabilidade para obter mais informações.
IA + Web3: Torres e Praças
Escrito por: Coinspire
TL;DR：
Projetos Web3 com conceito de IA tornam-se alvos de captação de recursos nos mercados primário e secundário.
As oportunidades do Web3 na indústria de IA manifestam-se em: o uso de incentivos distribuídos para coordenar o potencial de oferta na cauda longa - através de dados, armazenamento e computação; ao mesmo tempo, a criação de um modelo de código aberto e de um mercado descentralizado para Agentes de IA.
A IA no setor Web3 tem como principais áreas de aplicação as finanças em cadeia (pagamentos cripto, transações, análise de dados) e assistência ao desenvolvimento.
A utilidade do AI+Web3 manifesta-se na complementaridade entre ambos: o Web3 promete combater a centralização da IA, enquanto a IA promete ajudar o Web3 a expandir-se.
Introdução
Nos últimos dois anos, o desenvolvimento da IA parece ter sido acelerado, e esta onda provocada pelas asas da borboleta do Chatgpt não apenas abriu um novo mundo de inteligência artificial generativa, mas também gerou uma corrente no Web3 do outro lado.
Com o apoio do conceito de IA, a recuperação do financiamento no mercado de criptomoedas, que está a desacelerar, é evidente. Segundo estatísticas da mídia, apenas no primeiro semestre de 2024, um total de 64 projetos Web3+IA concluíram financiamentos, sendo que o sistema operativo baseado em inteligência artificial Zyber365 alcançou o montante máximo de financiamento de 100 milhões de dólares na ronda A.
O mercado secundário é mais próspero, com dados do site de agregação cripto Coingecko mostrando que, em pouco mais de um ano, a capitalização de mercado total da trilha de IA atingiu US$ 48,5 bilhões, com um volume de negociação em 24 horas de quase US$ 8,6 bilhões; Após o lançamento do modelo de texto para vídeo Sora da OpenAI, o preço médio do setor de IA aumentou 151%; O efeito de IA também irradiou para um dos setores que absorvem ouro de criptomoedas: o primeiro conceito de agente de IA da MemeCoin, GOAT, rapidamente se tornou popular e ganhou uma avaliação de US$ 1,4 bilhão, desencadeando com sucesso uma mania de memes de IA.
A pesquisa e os tópicos sobre AI+Web3 estão igualmente em alta, desde AI+Depin até AI Memecoin, passando pelos atuais AI Agent e AI DAO, a emoção de FOMO já não consegue acompanhar a velocidade da nova rotação de narrativas.
AI+Web3, esta combinação de termos cheia de dinheiro fácil, oportunidades e fantasias futuras, não pode deixar de ser vista como um casamento arranjado pelo capital; parece que é difícil discernir debaixo deste manto esplêndido, se na verdade é o palco dos especuladores ou a véspera da explosão do amanhecer?
Para responder a esta questão, uma reflexão crucial para ambas as partes é: a presença do outro tornará as coisas melhores? Será que se pode beneficiar dos modelos do outro? Neste artigo, também tentamos, à luz do que já foi feito, examinar este panorama: como o Web3 pode desempenhar um papel em cada uma das camadas da pilha tecnológica de IA, e o que a IA pode trazer de novo ao Web3?
Quais são as oportunidades do Web3 sob a pilha de IA?
Antes de abordar este tópico, precisamos entender a pilha tecnológica dos grandes modelos de IA:
Fonte da imagem: Delphi Digital
Usando uma linguagem mais acessível para descrever todo o processo: o "grande modelo" é como o cérebro humano. Nas fases iniciais, esse cérebro pertence a um bebê que acabou de chegar ao mundo, precisando observar e absorver uma enorme quantidade de informações do ambiente ao seu redor para entender este mundo, que é a fase de "coleta" de dados. Como os computadores não possuem os sentidos visuais e auditivos humanos, antes do treinamento, as grandes quantidades de informações não rotuladas do exterior precisam ser convertidas através de "pré-processamento" em um formato que os computadores possam entender e utilizar.
Após a entrada de dados, a IA construiu um modelo com capacidade de compreensão e previsão através de "treinamento", que pode ser visto como o processo pelo qual um bebê gradualmente entende e aprende sobre o mundo exterior. Os parâmetros do modelo são como a capacidade linguística que o bebê ajusta continuamente durante o processo de aprendizagem. Quando o conteúdo aprendido começa a ser especializado ou quando a comunicação com os outros fornece feedback e correções, entra-se na fase de "ajuste fino" do grande modelo.
As crianças, ao crescerem e aprenderem a falar, conseguem compreender o significado em novas conversas e expressar seus sentimentos e pensamentos. Esta fase é semelhante ao "raciocínio" de um grande modelo de IA, onde o modelo é capaz de prever e analisar novas entradas de linguagem e texto. Os bebês expressam sentimentos, descrevem objetos e resolvem diversos problemas por meio de suas habilidades linguísticas, o que também é semelhante à aplicação do grande modelo de IA, após ser treinado e utilizado, em várias tarefas específicas durante a fase de raciocínio, como classificação de imagens, reconhecimento de fala, entre outras.
O AI Agent está mais próximo da próxima forma dos grandes modelos - capaz de executar tarefas de forma independente e perseguir objetivos complexos, possuindo não apenas a capacidade de pensar, mas também de memorizar, planejar e interagir com o mundo usando ferramentas.
Atualmente, em resposta às dificuldades da IA em várias pilhas, o Web3 está a formar um ecossistema interconectado e multilayer, que abrange todas as fases do processo de modelos de IA.
Um, Camada Básica: Airbnb de Poder Computacional e Dados
poder de computação
Atualmente, um dos custos mais altos da IA é o poder de computação e a energia necessária para treinar e inferir modelos.
Um exemplo é que o LLAMA3 da Meta precisa de 16.000 H100 GPUs produzidas pela NVIDIA (que é uma unidade de processamento gráfico de topo projetada para cargas de trabalho de inteligência artificial e computação de alto desempenho). O treinamento leva 30 dias para ser concluído. O preço unitário da versão de 80 GB varia entre 30.000 e 40.000 dólares, o que exige um investimento em hardware de computação (GPU + chip de rede) de 400 a 700 milhões de dólares, enquanto o treinamento mensal consome 1,6 bilhões de quilowatts-hora, com despesas de energia mensais de quase 20 milhões de dólares.
A descompressão do poder computacional da IA é, de fato, uma das áreas onde o Web3 cruzou com a IA mais cedo - DePin (Rede de Infraestrutura Física Descentralizada). Atualmente, o site de dados DePin Ninja já listou mais de 1400 projetos, entre os quais projetos representativos de compartilhamento de poder computacional GPU incluem io.net, Aethir, Akash, Render Network, entre outros.
A sua lógica principal é: a plataforma permite que indivíduos ou entidades com recursos de GPU ociosos contribuam com sua capacidade de computação de forma descentralizada e sem necessidade de autorização, através de um mercado online semelhante ao Uber ou Airbnb, aumentando a utilização de recursos de GPU que não estão sendo plenamente aproveitados. Assim, os usuários finais também obtêm recursos de computação eficientes a um custo mais baixo; ao mesmo tempo, o mecanismo de staking também garante que, se ocorrerem violações dos mecanismos de controle de qualidade ou interrupções na rede, os provedores de recursos sofrerão as penalizações correspondentes.
As suas características são:
Reunir recursos de GPU ociosos: os fornecedores são principalmente centros de dados independentes de pequeno e médio porte, operadores de mineradoras de criptomoedas e recursos de poder computacional excedentes, com mecânica de consenso PoS, como mineradores de FileCoin e ETH. Atualmente, também há projetos dedicados a iniciar dispositivos com um limiar de entrada mais baixo, como o exolab, que utiliza MacBook, iPhone, iPad e outros dispositivos locais para estabelecer uma rede de computação para inferência de grandes modelos.
Enfrentando o mercado de cauda longa da capacidade de computação de IA: a. "Do ponto de vista técnico", o mercado de capacidade de computação descentralizada é mais adequado para os passos de inferência. O treinamento depende mais da capacidade de processamento de dados proporcionada por GPUs de escala super grande, enquanto a inferência requer menos desempenho de computação de GPU, como a Aethir, que se concentra em trabalhos de renderização de baixa latência e aplicações de inferência de IA. b. "Do ponto de vista da demanda", os pequenos e médios demandantes de capacidade de computação não vão treinar seus próprios grandes modelos separadamente, mas apenas escolherão otimizar e ajustar finamente em torno de alguns grandes modelos principais, e esses cenários são naturalmente adequados para recursos de capacidade de computação ociosa distribuída.
Propriedade descentralizada: o significado técnico da blockchain é que os proprietários de recursos mantêm sempre o controle sobre seus recursos, ajustando-se de forma flexível às demandas e, ao mesmo tempo, obtendo lucros.
dados
Os dados são a base da IA. Sem dados, os cálculos são como folhas flutuantes sem utilidade, e a relação entre dados e modelos é como o ditado "Garbage in, Garbage out". A quantidade de dados e a qualidade da entrada determinam a qualidade da saída final do modelo. Para o treinamento dos modelos de IA atuais, os dados determinam a capacidade linguística, a capacidade de compreensão, e até mesmo os valores e a humanização do modelo. Atualmente, as dificuldades na demanda por dados da IA concentram-se principalmente em quatro áreas:
Fome de dados: O treinamento de modelos de IA depende de grandes entradas de dados. Dados públicos mostram que a OpenAI treinou o GPT-4 com um número de parâmetros que chega à casa dos trilhões.
Qualidade dos dados: À medida que a IA se combina com várias indústrias, a atualidade dos dados, a diversidade dos dados, a especialização dos dados verticais e a incorporação de novas fontes de dados, como a emoção nas redes sociais, também impõem novas exigências à sua qualidade.
Questões de privacidade e conformidade: atualmente, vários países e empresas estão gradualmente a reconhecer a importância de conjuntos de dados de alta qualidade e estão a impor restrições à coleta de conjuntos de dados.
Custo elevado de processamento de dados: grande volume de dados, processo de processamento complexo. Dados públicos mostram que mais de 30% dos custos de pesquisa e desenvolvimento das empresas de IA são destinados à coleta e processamento de dados básicos.
Atualmente, as soluções web3 estão refletidas nas seguintes quatro áreas:
Permitir que os usuários que realmente contribuem participem na criação de valor trazida pelos dados, assim como obter dados mais privados e valiosos dos usuários de forma de baixo custo através de redes distribuídas e mecanismos de incentivo, é a visão do Web3.
Grass é uma camada de dados e uma rede descentralizada, onde os usuários podem executar nós Grass, contribuindo com largura de banda ociosa e tráfego de retransmissão para capturar dados em tempo real de toda a internet e receber recompensas em tokens;
Vana introduziu um conceito único de pool de liquidez de dados (DLP), onde os usuários podem fazer upload de seus dados pessoais (como registros de compras, hábitos de navegação, atividades em redes sociais, etc.) para um DLP específico e escolher de forma flexível se autorizam ou não o uso desses dados por terceiros específicos;
No PublicAI, os usuários podem usar #AI 或#Web3 como etiqueta de categoria em X e @PublicAI para coletar dados.
Atualmente, a Grass e a OpenLayer estão a considerar a adição da anotação de dados a esta etapa crucial.
A Synesis apresentou o conceito de "Train2earn", enfatizando a qualidade dos dados, onde os usuários podem ganhar recompensas ao fornecer dados anotados, comentários ou outras formas de entrada.
O projeto de rotulagem de dados Sapien gamifica as tarefas de marcação e permite que os usuários façam staking de pontos para ganhar mais pontos.
As tecnologias de privacidade mais comuns atualmente no Web3 incluem:
Ambiente de Execução Confiável (TEE), como o Super Protocol;
Criptografia homomórfica completamente (FHE), como BasedAI, Fhenix.io ou Inco Network;
A tecnologia de conhecimento zero (zk), como o Protocolo Reclaim que utiliza a tecnologia zkTLS, gera provas de conhecimento zero para tráfego HTTPS, permitindo que os usuários importem com segurança dados de atividades, reputação e identidade de sites externos, sem expor informações sensíveis.
No entanto, atualmente este campo ainda está em uma fase inicial, a maioria dos projetos ainda está em exploração e um dos dilemas atuais é o custo de computação muito alto, alguns exemplos são:
A estrutura zkML EZKL leva cerca de 80 minutos para gerar uma prova de um modelo 1M-nanoGPT.
De acordo com os dados da Modulus Labs, o custo do zkML é mais de 1000 vezes maior do que o da computação pura.
0g. A IA é um projeto representativo nesta categoria. É uma solução de armazenamento centralizado projetada para as necessidades de alto desempenho da IA, e seus principais recursos incluem: alto desempenho e escalabilidade, com tecnologias avançadas de fragmentação e codificação de eliminação para suportar upload e download rápidos de conjuntos de dados em grande escala com velocidades de transferência de dados de quase 5 GB por segundo.
II. Middleware: Treinamento e Inferência do Modelo
Mercado descentralizado de modelos de código aberto
A discussão sobre se os modelos de IA devem ser de código fechado ou aberto nunca desapareceu. A inovação coletiva trazida pelo código aberto é uma vantagem incomparável em relação aos modelos de código fechado, no entanto, sem um modelo de lucro, como podem os modelos de código aberto aumentar a motivação dos desenvolvedores? É uma direção que merece reflexão. O fundador da Baidu, Li Yanhong, afirmou em abril deste ano que "os modelos de código aberto vão ficando cada vez mais para trás."
Nesse sentido, o Web3 propõe a possibilidade de um mercado de modelos descentralizado e de código aberto, ou seja, a tokenização do próprio modelo, reservando uma certa proporção de tokens para a equipe e direcionando parte da receita futura do modelo para os detentores de tokens.
Como o protocolo Bittensor estabelece um mercado P2P de modelos de código aberto, composto por várias "sub-redes", onde os provedores de recursos (computação, coleta/armazenamento de dados, talentos em aprendizado de máquina) competem entre si para atender aos objetivos de proprietários de sub-rede específicos, as sub-redes podem interagir e aprender umas com as outras, resultando em uma inteligência mais poderosa. As recompensas são distribuídas por votação da comunidade e são posteriormente redistribuídas nas sub-redes com base no desempenho competitivo.
A ORA introduziu o conceito de emissão do modelo inicial (IMO), tokenizando modelos de IA que podem ser comprados, vendidos e desenvolvidos através de uma rede descentralizada.
Sentient, uma plataforma AGI descentralizada, incentiva as pessoas a colaborarem, construírem, replicarem e expandirem modelos de IA, e recompensa os contribuintes.
Spectral Nova, focado na criação e aplicação de modelos de IA e ML.
Raciocínio verificável
Para o problema do "caixa-preta" no processo de raciocínio da IA, a solução padrão do Web3 é permitir que múltiplos validadores realizem a mesma operação e comparem os resultados, mas devido à atual escassez de "chips Nvidia" de alta gama, o desafio óbvio que essa abordagem enfrenta é o alto custo do raciocínio da IA.
Uma solução mais promissora seria realizar provas ZK de cálculos de inferência de IA off-chain "provas de conhecimento zero, um protocolo criptográfico no qual um provador de parte pode provar a outro validador de parte que uma determinada declaração é verdadeira sem revelar nenhuma informação adicional além de que a declaração é verdadeira" para verificação on-chain sem permissão de cálculos de modelos de IA. Isso implica provar criptograficamente on-chain que os cálculos off-chain foram feitos corretamente (por exemplo, o conjunto de dados não foi adulterado), garantindo ao mesmo tempo que todos os dados sejam mantidos confidenciais.
Os principais benefícios incluem:
Escalabilidade: as provas de conhecimento zero podem confirmar rapidamente uma grande quantidade de cálculos off-chain. Mesmo com o aumento do número de transações, uma única prova de conhecimento zero pode validar todas as transações.
Proteção de privacidade: os detalhes dos dados e dos modelos de IA permanecem confidenciais, enquanto as partes podem verificar que os dados e os modelos não foram corrompidos.
Sem necessidade de confiança: é possível verificar os cálculos sem depender de entidades centralizadas.
Integração Web2: por definição, o Web2 é uma integração off-chain, o que significa que a inferência verificável pode ajudar a levar seus conjuntos de dados e cálculos de IA para a blockchain. Isso ajuda a aumentar a taxa de adoção do Web3.
Atualmente, as tecnologias verificáveis para raciocínio verificável em Web3 são as seguintes:
zkML: Combina provas de conhecimento zero com aprendizado de máquina para garantir a privacidade e confidencialidade dos dados e modelos, permitindo cálculos verificáveis sem revelar certas propriedades subjacentes, como a Modulus Labs, que lançou um provedor ZK baseado em ZKML para verificar efetivamente se os provedores de IA estão manipulando corretamente a execução de algoritmos na cadeia, no entanto, atualmente os clientes são basicamente DApps na cadeia.
opML: Utilizando o princípio de agregação otimista, aumenta a escalabilidade e eficiência do cálculo de ML ao verificar o tempo em que as disputas ocorrem. Neste modelo, apenas uma pequena parte dos resultados gerados pelos "verificadores" precisa ser validada, mas os custos econômicos reduzidos são definidos de forma suficientemente alta para aumentar o custo de fraude dos verificadores, economizando assim cálculos redundantes.
TeeML: executa cálculos de ML de forma segura usando ambientes de execução confiáveis, protegendo dados e modelos contra alterações e acessos não autorizados.
Três, Camada de Aplicação: Agente de IA
O desenvolvimento atual da IA já apresenta um panorama em que o foco do desenvolvimento se desloca das capacidades do modelo para os Agentes de IA. Empresas de tecnologia como OpenAI, a unicórnio Anthropic de grandes modelos de IA e a Microsoft estão todas se voltando para o desenvolvimento de Agentes de IA, tentando romper com a atual fase de plataforma tecnológica dos LLM.
A definição da OpenAI para Agente de IA é: um sistema que é impulsionado por LLM como cérebro, com a capacidade de compreensão autônoma, percepção, planejamento, memória e uso de ferramentas, capaz de automatizar a execução de tarefas complexas. Quando a IA deixa de ser uma ferramenta utilizada e se torna um sujeito que pode usar ferramentas, ela se torna um Agente de IA. Esta é também a razão pela qual o Agente de IA pode se tornar o assistente inteligente mais ideal para os humanos.
E o que o Web3 pode trazer para os Agentes?
As características descentralizadas do Web3 podem tornar os sistemas de Agent mais dispersos e autônomos, estabelecendo mecanismos de incentivo e penalização para os stakers e delegadores através de mecanismos como PoS e DPoS, o que pode promover a democratização dos sistemas de Agent. GaiaNet, Theoriq e HajimeAI já fizeram tentativas.
O desenvolvimento e a iteração de Agentes de IA geralmente requerem um grande suporte financeiro, e o Web3 pode ajudar projetos de Agentes de IA promissores a obter financiamento inicial e arranque a frio.
O Virtual Protocol lançou a plataforma de criação de AI Agent e emissão de tokens fun.virtuals, onde qualquer usuário pode implantar um AI Agent com um único clique e garantir uma emissão de tokens de AI Agent 100% justa.
A Spectral propôs um conceito de produto que suporta a emissão de ativos de Agentes de IA em blockchain: através da IAO (Initial Agent Offering), os tokens são emitidos, permitindo que o Agente de IA obtenha fundos diretamente dos investidores, ao mesmo tempo em que se torna um membro da governança DAO, oferecendo aos investidores a oportunidade de participar no desenvolvimento do projeto e compartilhar os lucros futuros.
Como a IA capacita o Web3?
O impacto da IA nos projetos Web3 é evidente, pois otimiza operações em cadeia (como execução de contratos inteligentes, otimização de liquidez e decisões de governança impulsionadas por IA), beneficiando a tecnologia blockchain. Ao mesmo tempo, também pode fornecer melhores insights baseados em dados, aumentar a segurança em cadeia e estabelecer a base para novas aplicações baseadas em Web3.
Um, AI e finanças em blockchain
IA e economia cripto
No dia 31 de agosto, o CEO da Coinbase, Brian Armstrong, anunciou a realização da primeira transação de criptomoeda AI para AI na rede Base, e afirmou que os Agentes de AI agora podem negociar em USD com humanos, comerciantes ou outras AIs na Base, sendo essas transações instantâneas, globais e gratuitas.
Além de pagamentos, o Luna do Virtuals Protocol também demonstrou pela primeira vez como o Agente de IA pode executar autonomamente transações em cadeia, gerando atenção, fazendo com que o Agente de IA seja visto como uma entidade inteligente capaz de perceber o ambiente, tomar decisões e executar ações, sendo considerado o futuro das finanças em cadeia. Atualmente, os cenários potenciais do Agente de IA se manifestam nos seguintes pontos:
Coleta de informações e previsões: ajuda os investidores a coletar anúncios de bolsas, informações públicas de projetos, emoções de pânico, riscos de opinião pública, entre outros, analisando e avaliando em tempo real os fundamentos dos ativos e a situação do mercado, prevendo tendências e riscos.
Gestão de ativos: fornecer aos usuários alvos de investimento adequados, otimizar a carteira de ativos e executar transações automaticamente.
Experiência financeira: ajuda os investidores a escolher a forma de negociação em cadeia mais rápida, automatiza as operações manuais de cruzamento de cadeias, ajuste de taxas de gas, entre outros, reduzindo as barreiras e custos das atividades financeiras em cadeia.
Imagine tal cenário, você transmite as seguintes instruções para o AI Agent: "Eu tenho 1000 USDT, por favor, me ajude a encontrar o portfólio com o maior rendimento, e o tempo de bloqueio não é superior a uma semana", e o AI Agent fornecerá as seguintes sugestões: "A alocação inicial recomendada é de 50% em A, 20% em B, 20% em X e 10% em Y. Acompanharei as taxas de juro e observarei alterações nos seus níveis de risco e, se necessário, reequilibrar-me-ei.» Além disso, encontrar projetos de airdrop em potencial, bem como projetos Memecoin com sinais quentes da comunidade, são tudo coisas que o AI Agent pode alcançar no futuro.
Fonte da imagem: Biconomy
Atualmente, as carteiras AI Agent Bitte e o protocolo de interação AI Wayfinder estão fazendo esse tipo de tentativa, ambos tentando conectar-se à API do modelo OpenAI, permitindo que os usuários interajam com uma interface de chat semelhante ao ChatGPT, ordenando ao Agent que complete várias operações na blockchain, como o primeiro protótipo lançado pelo WayFinder em abril deste ano, que demonstrou quatro operações básicas: swap, send, bridge e stake nas redes principais Base, Polygon e Ethereum.
Atualmente, a plataforma de Agentes descentralizada Morpheus também suporta o desenvolvimento desse tipo de Agente, assim como a Biconomy, que demonstrou uma operação em que o Agente de IA pode trocar ETH por USDC sem a necessidade de autorização para permissões completas da carteira.
AI e segurança nas transações em blockchain
No mundo Web3, a segurança das transações on-chain é crucial. A tecnologia de IA pode ser utilizada para aumentar a segurança e a proteção da privacidade das transações on-chain, com cenários potenciais que incluem:
Monitoramento de Transações: Monitoramento técnico de dados em tempo real de atividades de transação anômalas, infraestrutura de alerta em tempo real voltada para usuários e plataformas.
Análise de risco: ajuda a plataforma a analisar os dados de comportamento de negociação dos clientes, avaliando o seu nível de risco.
Por exemplo, a plataforma de segurança Web3 SeQure utiliza IA para detectar e prevenir ataques maliciosos, fraudes e vazamentos de dados, oferecendo monitorização em tempo real e mecanismos de alerta, garantindo a segurança e estabilidade das transações na blockchain. Ferramentas de segurança 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 blockchain, como:
Web3 Analytics: é uma plataforma de análise baseada em IA, que utiliza algoritmos de aprendizado de máquina e mineração de dados para coletar, processar e analisar dados em blockchain.
MinMax AI: Oferece uma ferramenta de análise de dados em cadeia baseada em IA, ajudando os utilizadores a descobrir oportunidades e tendências de mercado potenciais.
Kaito: plataforma de busca Web3 baseada em motor de busca LLM.
Followin: Integrado com o ChatGPT, reúne e apresenta informações relevantes dispersas em diferentes sites e plataformas sociais.
Outro caso de aplicação é o oráculo, onde a IA pode obter preços de várias fontes para fornecer dados de preços precisos. Por exemplo, a Upshot utiliza IA para lidar com os preços voláteis dos NFT, realizando avaliações mais de um bilhão de vezes por hora, oferecendo preços de NFT com uma margem de erro percentual de 3-10%.
IA e Desenvolvimento & Auditoria
Recentemente, um editor de código AI Web2 chamado Cursor atraiu a atenção de muitos no círculo dos desenvolvedores. Na sua plataforma, os usuários só precisam descrever em linguagem natural, e o Cursor consegue gerar automaticamente o código HTML, CSS e JavaScript correspondente, simplificando muito o processo de desenvolvimento de software. Esta lógica também se aplica para aumentar a eficiência do desenvolvimento Web3.
Atualmente, ao implementar contratos inteligentes e DApps em uma blockchain pública, geralmente é necessário seguir linguagens de desenvolvimento específicas como Solidity, Rust, Move, etc. A visão das novas linguagens de desenvolvimento é expandir o espaço de design de blockchains descentralizadas, tornando-as mais adequadas para o desenvolvimento de DApps, mas com a grande lacuna de desenvolvedores em Web3, a educação de desenvolvedores continua a ser um problema mais desafiador.
Atualmente, a IA na assistência ao desenvolvimento Web3 pode imaginar cenários como: geração automática de código, validação e teste de contratos inteligentes, implantação e manutenção de DApps, complementação inteligente de código, respostas a perguntas de desenvolvimento através de diálogos com IA, entre outros. Com a assistência da IA, não só ajuda a aumentar a eficiência e precisão do desenvolvimento, mas também reduz a barreira de programação, permitindo que não programadores possam transformar suas ideias em aplicações reais, trazendo nova vitalidade ao desenvolvimento de tecnologias descentralizadas.
Atualmente, o que mais chama a atenção são as plataformas de tokens com um clique, como o Clanker, um "Token Bot" impulsionado por IA, projetado especificamente para a implantação rápida de tokens DIY. Você só precisa marcar o Clanker no cliente do protocolo SocialFi Farcaster, como Warpcast ou Supercast, e informar a ele a sua ideia de token, e ele iniciará o token para você na blockchain Base.
Há também plataformas de desenvolvimento de contratos, como a Spectral, que oferecem a funcionalidade de geração e implementação de contratos inteligentes com um clique, a fim de reduzir a barreira de entrada para o desenvolvimento em Web3, permitindo que até mesmo usuários iniciantes possam compilar e implementar contratos inteligentes.
Na área de auditoria, a plataforma de auditoria Web3 Fuzzland utiliza IA para ajudar os auditores a verificar vulnerabilidades de código, fornecendo explicações em linguagem natural para auxiliar o conhecimento profissional de auditoria. A Fuzzland também utiliza IA para fornecer explicações em linguagem natural sobre normas formais e código de contratos, bem como alguns códigos de exemplo, para ajudar os desenvolvedores a entenderem os problemas potenciais no código.
Três, a nova narrativa da IA e do Web3
A ascensão da IA generativa trouxe novas possibilidades para a nova narrativa do Web3.
NFT: A IA trouxe criatividade para os NFTs gerados, permitindo a criação de diversas obras de arte e personagens únicos através de tecnologia de IA. Esses NFTs gerados podem se tornar personagens, itens ou elementos de cena em jogos, mundos virtuais ou metaversos, como o Bicasso da Binance, onde os usuários podem gerar NFTs ao fazer upload de imagens e inserir palavras-chave para processamento de IA. Projetos semelhantes incluem Solvo, Nicho, IgmnAI e CharacterGPT.
GameFi: Com a geração de linguagem natural baseada em IA, geração de imagens e capacidades de NPC inteligentes, o GameFi promete aumentar a eficiência e a inovação na produção de conteúdo de jogos. Como o AI Hero, o primeiro jogo em blockchain da Binaryx, onde os jogadores podem explorar aleatoriamente diferentes opções de enredo através da IA; da mesma forma, há o jogo de companheiros virtuais Sleepless AI, que, com base em AIGC e LLM, permite que os jogadores desbloqueiem jogabilidade personalizada através de diferentes interações.
DAO: Atualmente, a IA também está sendo considerada para ser aplicada em DAOs, ajudando a rastrear interações da comunidade, registrar contribuições, recompensar os membros com mais contribuições, facilitar votações, entre outros. Por exemplo, a ai16z utiliza o AI Agent para coletar informações de mercado, tanto on-chain quanto off-chain, analisar o consenso da comunidade e tomar decisões de investimento com base nas sugestões dos membros da DAO.
Significado da combinação de AI+Web3: torres e praças
No coração da cidade de Florença, na Itália, encontra-se o mais importante local de atividades políticas locais e de reunião de cidadãos e turistas - a Praça Central. Aqui ergue-se uma torre da prefeitura com 95 metros de altura, cuja verticalidade contrasta com a horizontalidade da praça, criando um efeito estético dramático. O professor de história da Universidade de Harvard, Niall Ferguson, foi inspirado por isso e relacionou em seu livro "Praças e Torres" à história mundial das redes e das hierarquias, onde ambos se elevam e caem ao longo do tempo.
Esta magnífica metáfora não é de todo estranha quando aplicada à relação entre a IA e o Web3 hoje em dia. A partir da história de longo prazo e não linear entre os dois, podemos ver que a praça é mais propensa a gerar novas e criativas ideias, mas a torre ainda possui a sua legitimidade e forte vitalidade.
Com a capacidade de coletar dados de energia e computação de forma altamente concentrada nas empresas de tecnologia, a IA explodiu com uma imaginação sem precedentes. As grandes empresas de tecnologia estão apostando pesadamente e entrando em cena, com diferentes chatbots e versões iterativas de "modelos de base" como GPT-4, GP4-4o, surgindo uma após a outra, com o robô de programação automática (Devin) e o Sora, que possui capacidades iniciais de simulação do mundo físico real, entre outros, a imaginação da IA foi amplamente ampliada.
Ao mesmo tempo, a IA é essencialmente uma indústria de escala e centralização, e esta revolução tecnológica empurrou as empresas de tecnologia que já tinham gradualmente dominado a estrutura no "era da internet" para pontos mais estreitos. A enorme eletricidade, o fluxo de caixa monopolizado e os grandes conjuntos de dados necessários para dominar a era inteligente criaram barreiras ainda mais altas.
À medida que as torres se elevam, os tomadores de decisão nos bastidores se tornam cada vez mais restritos. A centralização da IA trouxe muitos riscos. Como as massas reunidas na praça podem evitar a sombra sob as torres? Este é precisamente o problema que o Web3 espera resolver.
Em essência, as propriedades inerentes da blockchain aprimoram os sistemas de inteligência artificial e trazem novas possibilidades, principalmente:
A era da inteligência artificial do "código é lei" - através de contratos inteligentes e verificação criptográfica, implementando regras de execução automática em sistemas transparentes, entregando recompensas a grupos mais próximos dos objetivos.
Economia de tokens - criar e coordenar o comportamento dos participantes através de mecanismos de tokens, staking, redução, recompensas e punições em tokens.
Governança descentralizada - leva-nos a questionar as fontes de informação e incentiva uma abordagem mais crítica e perspicaz em relação às tecnologias de inteligência artificial, prevenindo preconceitos, desinformação e manipulação, e, em última instância, cultivando uma sociedade mais informada e empoderada.
O desenvolvimento da IA também trouxe nova vitalidade ao Web3. Talvez o impacto do Web3 na IA precise da prova do tempo, mas o impacto da IA no Web3 é imediato: isso é evidente tanto na euforia dos Memes quanto na ajuda dos Agentes de IA para reduzir a barreira de entrada das aplicações na cadeia.
Quando o Web3 é definido como uma auto-satisfação de um pequeno grupo de pessoas e envolto em dúvidas sobre a cópia da indústria tradicional, a adição da IA traz um futuro previsível: um grupo de usuários Web2 mais estável e em maior escala, além de modelos de negócio e serviços mais inovadores.
Vivemos em um mundo onde "torres e praças" coexistem. Embora a IA e o Web3 tenham diferentes linhas do tempo e pontos de partida, seu objetivo final é como fazer as máquinas servirem melhor a humanidade. Ninguém pode definir um rio em fluxo. Esperamos ver o futuro do AI+Web3.