Editörün notu: Bu makale, aracılar arası etkileşim, merkezi olmayan temsilci organizasyonları, yapay zeka odaklı eğlence, oluşturulan içerik pazarlaması, veri pazarları, merkezi olmayan bilgi işlem vb. dahil olmak üzere, 2025'te şifrelemeyi yapay zeka ile birleştirecek çok sayıda yenilik alanını tartışıyor. Makale, birden fazla sektörde yeni fırsatlar yaratmak, gizliliğin korunmasını, yapay zeka donanım gelişimini ve merkezi olmayan teknolojinin uygulanmasını teşvik etmek için blockchain ve yapay zeka teknolojisinin nasıl kullanılacağını araştırıyor. Aynı zamanda akıllı aracıların nasıl ortaya çıkabileceğine daha fazla dikkat edilmesi gerekiyor. işlemler, sanatsal yaratım ve diğer alanlarda ilerlemek.

Orijinal içerik aşağıdadır (orijinal içerik, okuma ve anlama kolaylığı için düzenlenmiştir):

Aracılar arasındaki etkileşim

Blockchain'in varsayılan şeffaflığı ve şekillendirilebilirliği, onu aracılar arasındaki etkileşimler için ideal bir platform haline getiriyor.

Bu senaryoda, farklı varlıklar tarafından farklı amaçlar için geliştirilen aracılar birbirleriyle sorunsuz bir şekilde etkileşime girebilmektedir. Temsilcilerin birbirlerine fon göndermesi, ortaklaşa token başlatması vb. ile ilgili birçok deney yapıldı.

Hem temsilci etkileşimleriyle desteklenen yeni sosyal alanlar gibi yeni uygulama alanlarının yaratılması hem de platform kimlik doğrulaması, doğrulama, mikro ödemeler, Çapraz ödemeler gibi mevcut kurumsal iş akışlarında yapılan iyileştirmeler yoluyla temsilciler arası etkileşimlerin nasıl genişlediğini görmekten heyecan duyuyoruz. verimliliği artırmak ve bazı mevcut hantal sorunları çözmek için platform iş akışı entegrasyonu vb.)

—Danny, Katie, Aadharsh, Dmitriy

Merkezi olmayan acente organizasyonu

Büyük ölçekli çoklu ajan koordinasyonu da aynı derecede heyecan verici bir araştırma alanıdır.

Çok etmenli sistemler görevleri tamamlamak, sorunları çözmek, sistem ve protokolleri yönetmek için birlikte nasıl çalışır? Vitalik, 2024'ün başlarında yayınlanan "Şifreleme ve Yapay Zeka Uygulamalarının Vaadi ve Zorlukları" başlıklı makalesinde, AI ajanlarının tahmin pazarları ve kararlar için kullanılabileceğini belirtti. Kendisi aslında büyük ölçekli uygulamalarda, çok etmenli sistemlerin önemli "gerçeği" keşfetme yeteneklerine sahip olduğuna ve evrensel özerk yönetişim sistemlerine ulaşabileceğine inanıyor. Çok etmenli sistemlerin yeteneklerinin ve "sürü zekası" biçimlerinin sürekli keşfedilmesi ve denenmesiyle ilgileniyoruz.

Etmenler arası koordinasyonun bir uzantısı olarak, etmenler ve insanlar arasındaki koordinasyon da ilginç bir tasarım alanıdır; özellikle etmenler etrafında bir topluluk olarak nasıl etkileşimde bulunulacağı veya etmenler aracılığıyla insanların kolektif eylem için nasıl organize edileceği. Büyük ölçekli insan koordinasyonunu hedefleyen ajanlarla daha fazla deney görmeyi umuyoruz. Bu, özellikle insan işinin bir kısmı zincir dışında yapılıyorsa, bazı doğrulama mekanizmaları gerektirecektir, ancak aynı zamanda çok tuhaf ve ilginç ortaya çıkan davranışlara da yol açabilir.

—Katie, Dmitriy, Ash

Akıllı multimedya eğlencesi

Dijital karakterler kavramı onlarca yıldır ortalıkta dolaşıyor.

Hatsune Miku (2007) 20.000 kişilik mekanların tamamını satarken, Lil Miquela'nın (2016) Instagram'da 2 milyondan fazla takipçisi var. Daha yeni, daha az bilinen örnekler arasında, Twitch'te 600.000'den fazla abonesi olan yapay zekalı sanal sunucu Neuro-sama (2022) ve ikiden az sayıda anonim olarak çıkış yapan Koreli erkek grubu PLAVE (2023) yer alıyor. 300 milyondan fazla görüntüleme aldı. yalnızca bir yıl içinde YouTube'da.

Yapay zeka altyapısı geliştikçe ve blockchain ödemelere, değer aktarımına ve açık veri platformlarına entegre edildikçe, bu aracıların nasıl daha özerk hale geldiğini ve 2025 yılına kadar potansiyel olarak yeni bir tür yapay zekanın kilidini açabileceğini görmek bizi çok heyecanlandırıyor. Ana akım eğlence kategorileri.

—Katie, Dmitriy

Üretken/aracı içerik pazarlaması

Yukarıda bahsedilen durumda, aracı ürünün kendisi iken, başka bir senaryoda aracı, mevcut bir ürünü tamamlamaktadır. Dikkat ekonomisinde ilgi çekici içeriğin sürekli akışını sürdürmek herhangi bir fikrin, ürünün, şirketin vb. başarısı için kritik öneme sahiptir.

İçerik Oluşturma/Ajan İçeriği, ekiplerin ölçeklenebilir, 7x24 içerik oluşturma hattı sağlamasını sağlayan güçlü bir araçtır. Bu kavramın gelişimi, mecoin'leri aracılardan ayıran şeyin ne olduğu konusundaki tartışmalarla hızlandırılmıştır. Aracılar, memecoin'ler henüz tam olarak "akıllı" olmasalar bile (ama öyle olabilirler), memecoin'leri dağıtmak için güçlü bir araç sağlarlar.

Diğer bir örnek ise, kullanıcıların ilgisini canlı tutmak için oyunların daha dinamik olmasına yönelik artan ihtiyaçtır. Oyun dinamikleri yaratmanın klasik yollarından biri, kullanıcı tarafından oluşturulan içeriği geliştirmektir; tamamen oluşturulmuş içerik (oyun içi öğelerden NPC'lere ve tamamen oluşturulmuş seviyelere kadar) bu evrimin bir sonraki aşaması olabilir. 2025 yılında acentelerin geleneksel dağıtım stratejilerinin sınırlarını nasıl genişleteceklerini merak ediyoruz.

—Katie

Yeni nesil sanat araçları/platformu

2024'te müzik, görsel sanatlar, tasarım, küratörlük ve daha pek çok alanda kripto sanatçılarla bir röportaj serisi olan IN CONVERSATION İLE'yi başlattık. Bu yılki röportajlardan edindiğim önemli bir gözlem, kriptoyla ilgilenen birçok sanatçının aynı zamanda en son teknolojilere de güçlü bir ilgi duyması ve bu teknolojileri kendi sanatsal uygulamalarına dahil etmek istemesi. Başka bir deyişle, AR/VR nesnelerine dayalı. Kodlama Sanatı ve Canlı Kodlama ve daha fazlası.

Özellikle üretken sanatın blockchain ile doğal bir sinerjisi var ve bu da onun yapay zeka sanatı için potansiyel bir temel platform olduğunu daha da netleştiriyor. Bu sanat formlarının geleneksel platformlarda düzgün bir şekilde sergilenmesi son derece zordur. ArtBlocks, dijital sanatı sergilemek, depolamak, para kazanmak ve korumak için gelecekte Blockchain'in nasıl kullanılacağına dair bir vizyon sunarak hem sanatçılar hem de izleyiciler için genel deneyimi geliştiriyor. Yapay zeka araçları, sunumun ötesinde sıradan insanların kendi sanatlarını yaratma yeteneklerini bile genişletiyor. Blockchain'in 2025'te bu araçları nasıl ölçeklendireceği veya desteklediği çok ilginç bir konu olacak.

—Katie

veri pazarı

Clive Humby'nin "veri yeni petroldür" açıklamasını yapmasından bu yana geçen 20 yılda şirketler, kullanıcı verilerini istiflemek ve paraya dönüştürmek için güçlü önlemler aldı. Kullanıcılar, verilerinin bu milyarlarca dolarlık şirketlerin üzerine inşa edildiği temel olduğunun giderek daha fazla farkına varıyor, ancak verilerinin nasıl kullanıldığı üzerinde çok az kontrole sahipler ve bunun getirdiği kârdan hiçbir payları yok.

veri pazarı

Clive Humby'nin "veri yeni petroldür" açıklamasını yapmasından bu yana geçen 20 yıl içinde şirketler, kullanıcı verilerini istiflemek ve paraya dönüştürmek için güçlü önlemler aldı. Kullanıcılar, verilerinin bu milyarlarca dolarlık şirketlerin üzerine inşa edildiği temel olduğunun giderek daha fazla farkına varıyor, ancak verilerinin nasıl kullanıldığı üzerinde çok az kontrole sahipler ve bunun getirdiği kârdan hiçbir payları yok.

Güçlü yapay zeka modellerinin hızlanan gelişimi, bu çelişkiyi daha da şiddetli hale getiriyor. Kullanıcı sömürüsünün çözülmesi veri fırsatının bir parçasıysa, daha büyük ve daha güçlü modeller kullanıma hazır hale geldikçe ve tüketildiğinden, bir diğer önemli konu da veri arzı sıkıntısının çözülmesidir. yeni veri kaynaklarına ihtiyaç vardır.

Verilerin kontrolünü şirketten veri kaynağına (kullanıcıya) aktarmak için merkezi olmayan altyapıdan nasıl yararlanılacağı konusunda birçok alanda yenilikçi çözümler içeren devasa bir tasarım alanı var. En acil sorular şunlardır: Verilerin nerede depolandığı ve depolama, iletim ve hesaplama sırasında gizliliğin nasıl korunduğu; veri kalitesinin nesnel olarak nasıl karşılaştırılacağı, filtreleneceği ve değerlendirileceği ve ilişkilendirme ve para kazanma için hangi mekanizmaları kullandığımız (özellikle değerin değerlendirilmesi gerektiğinde); çıkarım sırasında çıkarım yapılması) kaynağa geri dönülmesi); çeşitli bir model ekosisteminde ne tür bir koordinasyon veya veri alma sistemi kullandığımız.

Tedarik darboğazları sorununun çözümüne gelince, konu yalnızca Scale AI'yi tokenler aracılığıyla kopyalamakla ilgili değil, daha çok teknolojik rüzgârların yardımıyla nerede avantaj elde edebileceğimizi ve rekabetçi bir yapı oluşturmak için ölçek, kalite veya daha iyi teşvik (ve filtreleme) mekanizmalarının nasıl etrafında olduğunu anlamakla ilgilidir. çözümler, daha yüksek değerli veri ürünleriyle sonuçlanır. Özellikle talep taraflarının çoğunun web2 AI'dan geldiği durumlarda, akıllı sözleşme uygulama mekanizmasının geleneksel hizmet düzeyi anlaşmaları (SLA) ve araçlarla nasıl birleştirileceği, dikkat edilmesi gereken önemli bir alandır.

—Danny

merkezi olmayan bilgi işlem

Veriler, yapay zeka geliştirme ve konuşlandırmanın temel yapı taşlarından biriyse, bilgi işlem gücü de başka bir yapı taşıdır. Alan, enerji ve donanım üzerinde kontrol de dahil olmak üzere benzersiz erişime sahip geleneksel büyük ölçekli veri merkezleri, son birkaç yılda derin öğrenme ve yapay zekanın yörüngesine hakim oldu, ancak fiziksel kısıtlamalar ve açık kaynak gelişmeleri ilerledikçe, bu model değişmeye başlıyor. meydan okunmak.

Merkezi olmayan yapay zekadaki bilgi işlemin v1 sürümü, web2 GPU bulutunun karbon kopyası gibi görünüyor; gerçek bir tedarik avantajı (donanım veya veri merkezi) yok ve organik talep yok. Ve v2'de, bazı mükemmel ekiplerin, heterojen yüksek performanslı bilgi işlem (HPC) tedariğine dayalı, orkestrasyon, yönlendirme, fiyatlandırma vb. yeteneklerin yanı sıra talebi çekmek ve anlaşma yapmak için bazı özel özellikler içeren eksiksiz bir teknoloji yığını oluşturduğunu görmeye başladık. marj sıkıştırmasıyla, özellikle akıl yürütmede. Ekipler aynı zamanda farklı kullanım durumları ve pazara sunma stratejileri (GTM) konusunda da ayrılmaya başladı; bazıları derleme çerçevelerini çeşitli donanımlar üzerinde verimli çıkarım yönlendirmeye entegre etmeye odaklanırken, diğer ekipler oluşturdukları bilgi işlem ağlarında dağıtılmış çıkarımlara öncülük etti. çerçeve.

Bilgi işlem ve GPU'ları gelir getirici varlıklara dönüştüren veya veri merkezlerine donanım satın almak için başka bir sermaye kaynağı sağlamak üzere zincir içi likiditeden yararlanan yeni ekonomik ilkellere sahip bir AI-Fi pazarının ortaya çıkışını bile görmeye başlıyoruz. Buradaki önemli soru, merkezi olmayan yapay zekanın (DeAI) merkezi olmayan bilgi işlem yolunda ne ölçüde gelişeceği ve konuşlandırılacağı veya depolama alanı gibi, ideoloji ile pratik ihtiyaçlar arasındaki uçurumun her zaman kapatılamaz kalıp kalmayacağı ve bu nedenle tam anlamıyla gerçekleşmenin başarısız olup olmayacağıdır. Bu fikrin potansiyeli.

—Danny

Hesaplama ve muhasebe standartları

Merkezi olmayan yüksek performanslı bilgi işlem ağlarının teşvik mekanizmasıyla ilgili olarak, heterojen bilgi işlem kaynaklarının koordine edilmesindeki önemli bir zorluk, bu bilgi işlem güçlerini hesaba katacak birleşik bir standardın bulunmamasıdır. Yapay zeka modelleri, yüksek performanslı bilgi işlem (HPC) çıktı alanına, model varyasyonu ve nicemlemeden, modelin sıcaklığı ve örnekleme hiperparametreleri yoluyla stokastiklik düzeyinin ayarlanmasına kadar çok sayıda karmaşıklık faktörünü benzersiz bir şekilde ekler. Ayrıca yapay zeka donanımı, GPU mimarilerinin çeşitliliği ve CUDA'nın farklı sürümleri aracılığıyla daha fazla karmaşıklığa neden olabilir. Sonuçta bu, heterojen dağıtılmış sistemlerde zamanın çapraz hesaplamasının nasıl yapılacağına ilişkin muhasebe modellerine ve bilgi işlem piyasası yeteneklerine ihtiyaç duyulmasına yol açmaktadır.

Kısmen standartların eksikliğinden dolayı, web2 ve web3 dünyasında modellerin ve bilgi işlem pazarlarının bilgi işlem güçlerinin nitelik ve niceliğini doğru bir şekilde hesaba katmada başarısız olduğu çok sayıda durum gördük. Bu, kullanıcıların kendi karşılaştırmalı model kıyaslamalarını çalıştırarak ve hız sınırlama yoluyla bilgi işlem pazarlarında iş kanıtı gerçekleştirerek bu yapay zeka katmanlarının gerçek performansını denetlemek zorunda kalmasıyla sonuçlanır.

Kısmen standartların eksikliği nedeniyle, web2 ve web3 dünyasında modellerin ve bilgi işlem pazarlarının bilgi işlem güçlerinin niteliğini ve niceliğini doğru bir şekilde hesaba katmada başarısız olduğu çok sayıda durum gördük. Bu, kullanıcıların kendi karşılaştırmalı model kıyaslamalarını çalıştırarak ve hız sınırlama yoluyla bilgi işlem pazarlarında iş kanıtı gerçekleştirerek bu yapay zeka katmanlarının gerçek performansını denetlemek zorunda kalmasına neden olur.

Kripto alanındaki temel prensibin doğrulanabilirlik olduğu göz önüne alındığında, 2025'te kripto ve yapay zekanın kesişimini doğrulamanın geleneksel yapay zekaya göre daha kolay olacağını umuyoruz. Spesifik olarak, sistemin performansını denetlemek ve kıyaslamak için ortalama kullanıcının belirli bir model veya kümenin çeşitli yönlerini, özellikle de çıktıyı tanımlayan özellikleri karşılaştırabilmesi önemlidir.

—Aadharsh

Olasılıksal Gizlilik İlkeleri

Vitalik, "Şifreleme ve Yapay Zeka Uygulamalarının Vaatleri ve Zorlukları" başlıklı makalesinde, şifreleme ve yapay zeka çözümünün benzersiz zorluklarından bahsetti:

"Kriptolojide işleri gerçekten güvenli hale getirmenin tek yolu açık kaynaktır, ancak yapay zekada bir modelin (ve hatta eğitim verilerinin) açıklığı, onun rakip makine öğrenimi saldırılarına karşı savunmasızlığını büyük ölçüde artırır."

Her ne kadar gizlilik, blockchain alanında yeni bir araştırma yönü olmasa da, yapay zekanın popülaritesinin, gizlilik şifreleme temellerinin araştırılmasını ve uygulanmasını hızlandırmaya devam edeceğine inanıyoruz. Bu yıl ZK, FHE, TEE ve MPC gibi gizliliği artıran teknolojiler, şifrelenmiş veriler üzerinde hesaplamaya yönelik özel paylaşımlı durum gibi genel uygulamaları içeren uygulama senaryolarıyla önemli ilerleme kaydetti. Aynı zamanda, Nvidia ve Apple gibi merkezi yapay zeka devlerinin, sistemler arasında donanım, ürün yazılımı ve modellerin tutarlılığını korumak amacıyla ortak öğrenme ve özel yapay zeka çıkarımı için özel TEE'ler kullandığını da gördük.

Bunu aklımızda tutarak, rastgele durum aktarımlarının heterojen sistemlerde nasıl gizli tutulabileceğine ve bunların, merkezi olmayan özel çıkarımlardan veri depolama/erişimine kadar gerçek dünyadaki merkezi olmayan yapay zeka uygulamalarının gelişimini nasıl hızlandırabileceğine yakından bakacağız. şifrelenmiş verileri tamamen bağımsız bir yürütme ortamına aktarır.

—Aadharsh

Aracı Amacı ve Yeni Nesil Kullanıcı İşlem Arayüzleri

Yapay zeka aracıları için en yakın uygulama senaryosu, onları bizim adımıza zincirde otonom işlemler yürütmek için kullanmaktır. Kuşkusuz, geçtiğimiz 12 ila 16 ay boyunca, "niyetlerin", "temsilci eylemlerinin", "temsilci niyetlerinin", "çözücülerin", "temsilci çözümleyicilerin" vb. ne olduğu konusunda pek çok belirsizlik yaşandı ve bunlar farklı. son yıllardaki daha geleneksel "robot" geliştirmesinden.

Önümüzdeki 12 ay boyunca, giderek daha karmaşık hale gelen dil sistemlerinin farklı veri türleri ve sinir ağı mimarileriyle birleştirilerek genel tasarım alanını ileriye taşımasını bekliyoruz. Temsilciler bugün kullandığımız aynı zincir üstü sistemleri kullanarak ticaret yapmaya devam edecekler mi, yoksa kendi bağımsız ticaret araçlarını/yöntemlerini mi geliştirecekler? Büyük dil modelleri (LLM'ler) bu aracı ticaret sistemleri için arka uç olarak hizmet vermeye devam edecek mi, yoksa bunların yerini başka sistemler mi alacak? Arayüz düzeyinde kullanıcılar işlemleri gerçekleştirmek için doğal dili kullanmaya başlayacak mı? Klasik "tarayıcı olarak cüzdan" teorisi nihayet gerçek olacak mı?

—Danny, Katie, Aadharsh, Dmitriy