Encaminhar o Título Original: 'Relatório de Pesquisa da Metrics Ventures | Quais são as Subcategorias de Valor em Crypto×AI que Valem a Pena Serem Observadas, Partindo do Artigo de V神?'

1 Introdução: Quatro maneiras de combinar Cripto com IA

A descentralização é o consenso mantido pela blockchain, garantindo que a segurança é o princípio fundamental, e a abertura é a base chave do ponto de vista criptográfico para fazer com que o comportamento on-chain possua as características mencionadas anteriormente. Esta abordagem tem sido aplicável em várias rondas de revoluções blockchain nos últimos anos. No entanto, quando a inteligência artificial entra em jogo, a situação sofre algumas alterações.

Imagina projetar a arquitetura da blockchain ou aplicações através de inteligência artificial. Neste caso, o modelo precisa ser de código aberto, mas fazê-lo exporá a sua vulnerabilidade na aprendizagem de máquinas adversária. Por outro lado, não ser de código aberto resultaria na perda de descentralização. Portanto, é necessário considerar de que forma e em que medida a integração deve ser realizada ao introduzir inteligência artificial na blockchain atual ou aplicações.

Origem: UNIVERSIDADE DE ETHEREUM

No artigo ‘Quando Gigantes Colidem: Explorando a Convergência da Cripto x IAde@uethNa UNIVERSIDADE DE ETHEREUM, são delineadas as diferenças nas características principais entre inteligência artificial e blockchain. Como mostrado na figura acima, as características da inteligência artificial são:

• Centralização
• Baixa Transparência
• Consumo de energia
• Monopólio
• Atributos de Monetização Fracos

As características mencionadas acima são completamente opostas na blockchain quando comparadas à inteligência artificial. Este é o verdadeiro argumento do artigo de Vitalik. Se a inteligência artificial e a blockchain forem combinadas, então as aplicações nascidas a partir disso precisam fazer concessões em termos de propriedade de dados, transparência, capacidades de monetização, custos de energia, etc. Além disso, que infraestrutura precisa ser criada para garantir a integração efetiva de ambos também precisa ser considerada.

Seguindo os critérios acima e seus próprios pensamentos, Vitalik categoriza as aplicações formadas pela combinação de inteligência artificial e blockchain em quatro tipos principais:

• IA como jogador num jogo
• AI como interface para o jogo
• IA como as regras do jogo
• IA como objetivo do jogo

Entre eles, os três primeiros representam principalmente três formas pelas quais a IA é introduzida no mundo da Cripto, representando três níveis de profundidade de superficial a profunda. Segundo a compreensão do autor, esta classificação representa a extensão em que a IA influencia a tomada de decisão humana e, assim, introduz diferentes níveis de risco sistémico em todo o mundo da Cripto:

• Inteligência artificial como participante em aplicações: A inteligência artificial em si não influencia as decisões e comportamento humanos, portanto, não representa riscos para o mundo real. Portanto, atualmente possui o mais alto grau de praticidade.
• Inteligência artificial como interface para aplicações: A inteligência artificial fornece informações ou ferramentas auxiliares para a tomada de decisões e comportamento humano, o que melhora as experiências do utilizador e do programador e reduz as barreiras. No entanto, informações ou operações incorretas podem introduzir alguns riscos no mundo real.
• Inteligência artificial como as regras das aplicações: A inteligência artificial substitui totalmente os humanos na tomada de decisões e operações. Portanto, comportamentos maliciosos ou falhas da inteligência artificial levarão diretamente ao caos no mundo real. Atualmente, tanto na Web2 como na Web3, não é possível confiar na inteligência artificial para substituir os humanos na tomada de decisões.

Finalmente, a quarta categoria de projetos visa aproveitar as características da Cripto para criar uma inteligência artificial melhor. Como mencionado anteriormente, a centralização, baixa transparência, consumo energético, tendências monopolistas e atributos monetários fracos podem naturalmente ser mitigados através das propriedades da Cripto. Embora muitas pessoas sejam céticas sobre se a Cripto pode ter um impacto no desenvolvimento da inteligência artificial, a narrativa mais fascinante da Cripto sempre foi sua capacidade de influenciar o mundo real através da descentralização. Este caminho também se tornou a parte mais intensamente especulada do caminho da IA devido à sua grande visão.

2 IA Como Participante

Em mecanismos em que a IA participa, a fonte final de incentivos muitas vezes vem de protocolos inseridos por humanos. Antes de a IA se tornar uma interface ou até mesmo uma regra, geralmente precisamos avaliar o desempenho de diferentes IAs, permitindo que a IA participe de um mecanismo e, por fim, receba recompensas ou penalidades por meio de um mecanismo on-chain.

Quando a IA atua como participante, em comparação com ser uma interface ou regra, os riscos para os utilizadores e para todo o sistema são geralmente negligenciáveis. Pode ser considerada como uma etapa necessária antes da IA influenciar profundamente as decisões e comportamento do utilizador. Portanto, o custo e os compromissos necessários para a fusão de inteligência artificial e blockchain neste nível são relativamente pequenos. Este é também uma categoria de produtos que Vitalik acredita ter atualmente um alto grau de praticidade.

Em termos de abrangência e implementação, muitas das atuais aplicações de IA se enquadram nesta categoria, como bots de negociação e chatbots potencializados por IA. O nível atual de implementação ainda torna difícil para a IA servir como interface ou até mesmo como regra. Os utilizadores comparam e otimizam gradualmente entre diferentes bots, e os utilizadores de criptomoeda ainda não desenvolveram o hábito de usar aplicações de IA. No artigo de Vitalik, os Agentes Autônomos também são classificados nesta categoria.

No entanto, num sentido mais restrito e de uma perspetiva de visão de longo prazo, tendemos a fazer distinções mais detalhadas para aplicações de IA ou agentes de IA. Portanto, nesta categoria, as subcategorias representativas incluem:

2.1 Jogos de Inteligência Artificial

Até certo ponto, os jogos de IA podem de facto ser classificados nesta categoria. Os jogadores interagem com a IA e treinam as suas personagens de IA para se adequarem melhor às suas preferências pessoais, como alinharem-se mais estreitamente com os gostos individuais ou tornarem-se mais competitivas dentro das mecânicas do jogo. Os jogos servem como uma fase de transição para a IA antes de entrar no mundo real. Representam também uma via com riscos de implementação relativamente baixos e são os mais fáceis para os utilizadores comuns entenderem. Projetos icónicos nesta categoria incluem AI Arena, Echelon Prime e Altered State Machine.

• AI Arena: Um jogo de luta jogador-contra-jogador (PVP) onde os jogadores podem treinar e evoluir seus personagens no jogo usando IA. O jogo tem como objetivo permitir que mais usuários comuns interajam, compreendam e experimentem a IA através de jogos, ao mesmo tempo que fornece aos engenheiros de IA vários algoritmos de IA para aumentar sua renda. Cada personagem no jogo é alimentado por NFTs habilitados para IA, com o Core contendo a arquitetura do modelo de IA e os parâmetros armazenados no IPFS. Os parâmetros em um novo NFT são gerados aleatoriamente, o que significa que ele executará ações aleatórias. Os usuários precisam melhorar as habilidades estratégicas de seus personagens através da aprendizagem por imitação (IL). Cada vez que um usuário treina um personagem e salva o progresso, os parâmetros são atualizados no IPFS.
  

• Altered State Machine: .ASM não é um jogo de IA, mas um protocolo para verificação de direitos e negociação para agentes de IA. É posicionado como um protocolo de IA metaverso e está atualmente integrando-se com vários jogos, incluindo FIFA, introduzindo agentes de IA em jogos e no metaverso. ASM utiliza NFTs para verificar e negociar agentes de IA, sendo que cada agente é composto por três partes: Cérebro (as características intrínsecas do agente), Memórias (armazenando as estratégias de comportamento aprendidas e treinamento do modelo do agente, ligadas ao Cérebro) e Forma (aparência do personagem, etc.). ASM possui um módulo Gym, incluindo um provedor de nuvem GPU descentralizado, para fornecer suporte computacional para os agentes. Projetos atualmente construídos em ASM incluem AIFA (jogo de futebol de IA), Muhammed Ali (jogo de boxe de IA), Liga de IA (jogo de futebol de rua em parceria com a FIFA), Raicers (jogo de corrida impulsionado por IA) e Thingies do Mundo FLUF (NFTs gerativos). \r
  

• Colônia Paralela (PRIME): Echelon Prime está a desenvolver a Colônia Paralela, um jogo baseado em modelos de linguagem AI LLM (Large Language Models). Os jogadores podem interagir com os seus avatares de AI e influenciá-los, com os avatares a agirem autonomamente com base em memórias e trajetórias de vida. Colônia é atualmente um dos jogos de AI mais aguardados, e o whitepaper oficial foi recentemente lançado. Além disso, o anúncio da migração para Solana desencadeou outra onda de entusiasmo e aumento de valor para PRIME.

2.2 Previsão de Mercado/Concurso

A capacidade preditiva é a base para a IA tomar decisões e comportamentos futuros. Antes de os modelos de IA serem usados para previsões práticas, competições de previsão comparam o desempenho dos modelos de IA em um nível mais elevado. Ao fornecer incentivos na forma de tokens para cientistas de dados/modelos de IA, essa abordagem tem implicações positivas para o desenvolvimento de todo o campo Cripto×IA. Ela promove continuamente o desenvolvimento de modelos e aplicações mais eficientes e de alto desempenho adequados para o mundo cripto. Antes de a IA influenciar profundamente a tomada de decisões e comportamentos, isso cria produtos de maior qualidade e mais seguros. Como Vitalik afirmou, os mercados de previsão são uma primitiva poderosa que pode ser expandida para muitos outros tipos de problemas. Projetos icônicos nesse segmento incluem Numerai e Ocean Protocol.

• Numerai: Numerai é uma competição de ciência de dados de longa data onde cientistas de dados treinam modelos de aprendizado de máquina para prever mercados de ações com base em dados de mercado históricos fornecidos pela Numerai. Eles então apostam seus modelos e tokens NMR em torneios, com modelos bem-sucedidos recebendo recompensas em tokens NMR, enquanto tokens apostados em modelos com baixo desempenho são queimados. Até 7 de março de 2024, houve 6.433 modelos apostados, e o protocolo forneceu um total de $75.760.979 em recompensas para cientistas de dados. Numerai incentiva a colaboração global entre cientistas de dados para construir um novo tipo de fundo de hedge. Os fundos lançados até agora incluem Numerai One e Numerai Supreme. O caminho da Numerai envolve competições de previsão de mercado → modelos de previsão colaborativos → criação de novos fundos de hedge com base em modelos colaborativos.
• Ocean Protocol: O Ocean Predictor foca-se em previsões, começando com previsões de tendências de criptomoedas feitas por multidões. Os jogadores podem escolher executar o bot Predictor ou o bot Trader. O bot Predictor usa modelos de IA para prever o preço das criptomoedas (por exemplo, BTC/USDT) no próximo ponto no tempo (por exemplo, cinco minutos à frente) e aposta uma certa quantidade de tokens $OCEAN. O protocolo calcula uma previsão global com base no montante apostado. Os Traders compram os resultados das previsões e podem negociar com base neles. Quando a precisão da previsão é alta, os Traders podem lucrar com isso. Os Predictors que fazem previsões incorretas serão penalizados, enquanto aqueles que fazem previsões corretas receberão uma parte dos tokens apostados, bem como as taxas de compra dos Traders como recompensas. Em 2 de março, o Ocean Predictoor anunciou sua última direção, o Modelo Mundo-Mundo (WWM), que começa a explorar previsões para cenários do mundo real, como meteorologia e energia.
  

3 AI Como Interface

A IA pode ajudar os utilizadores a compreender o que está a acontecer no mundo da cripto usando uma linguagem simples e fácil de entender, atuando como um mentor para os utilizadores e fornecendo alertas para riscos potenciais para reduzir as barreiras de entrada e os riscos dos utilizadores na Cripto, melhorando assim a experiência do utilizador. As funcionalidades dos produtos que podem ser realizadas são diversas, como alertas de risco durante interações de carteira, negociação impulsiva impulsionada por IA, chatbots de IA capazes de responder a perguntas comuns dos utilizadores sobre cripto e muito mais. O público-alvo para estes serviços está a expandir, incluindo não apenas utilizadores comuns, mas também desenvolvedores, analistas e quase todos os outros grupos, tornando-os potenciais destinatários de serviços de IA.

Vamos reiterar as semelhanças desses projetos: ainda não substituíram os humanos na execução de certas decisões e comportamentos, mas estão utilizando modelos de IA para fornecer informações e ferramentas para auxiliar na tomada de decisões e comportamentos humanos. Neste nível, os riscos de má conduta da IA estão começando a ser expostos no sistema - fornecendo informações incorretas para interferir no julgamento humano. Este aspecto foi minuciosamente analisado no artigo de Vitalik.

Existem muitos e variados projetos que podem ser classificados sob esta categoria, incluindo chatbots de IA, auditorias de contratos inteligentes de IA, geração de código de IA, bots de negociação de IA e muito mais. Pode-se dizer que a grande maioria das aplicações de IA está atualmente neste nível básico. Projetos representativos incluem:

• Paal: PaaL é atualmente o principal projeto em chatbots de IA e pode ser visto como um ChatGPT treinado em conhecimentos relacionados a criptomoedas. Integrado com plataformas como Telegram (TG) e Discord, o PaaL fornece aos usuários funcionalidades como análise de dados de tokens, fundamentos de tokens e análise econômica de tokens, bem como geração de texto para imagem e outras funcionalidades. O Bot PaaL pode ser integrado em chats em grupo para responder automaticamente a certas informações. O PaaL também suporta bots pessoais personalizados, permitindo aos usuários construir sua própria base de conhecimento de IA e bots personalizados alimentando conjuntos de dados. O PaaL está avançando em direção aos Bots de Negociação de IA e, em 29 de fevereiro, anunciou seu terminal de pesquisa e negociação de criptomoedas com suporte de IA, PaalX. De acordo com a introdução, ele pode realizar auditorias inteligentes de contratos de IA, integrar e negociar notícias com base no Twitter e fornecer suporte para pesquisa e negociação de criptomoedas. O assistente de IA pode diminuir a barreira de entrada para os usuários.

ChainGPT: A ChainGPT baseia-se na inteligência artificial para desenvolver uma série de ferramentas de cripto, como chatbot, gerador de NFT, recolha de notícias, geração e auditoria de contratos inteligentes, assistente de transações, mercado Prompt e troca cruzada de IA. No entanto, o foco atual da ChainGPT está na incubação de projetos e Launchpad, e já completou IDOs para 24 projetos e 4 brindes gratuitos.

• Arkham: Ultra é o motor de IA dedicado da Arkham projetado para corresponder endereços a entidades do mundo real usando algoritmos, aumentando assim a transparência na indústria de cripto. Ultra combina dados on-chain e off-chain fornecidos pelos usuários e coletados por si próprio, e os apresenta em um banco de dados expansível, que é finalmente apresentado em forma de gráfico. No entanto, a documentação da Arkham não fornece discussões detalhadas sobre o sistema Ultra. A Arkham recentemente atraiu atenção devido ao investimento pessoal de Sam Altman, fundador da OpenAI, e experimentou um aumento de cinco vezes no valor nos últimos 30 dias.
• GraphLinq: GraphLinq é uma solução de gestão de fluxo de trabalho automatizado projetada para permitir aos utilizadores implementar e gerir vários tipos de funções de automação sem programação. Por exemplo, os utilizadores podem enviar o preço do Bitcoin da Coingecko para um Bot TG a cada 5 minutos. A solução da GraphLinq visualiza os processos de automação usando gráficos, permitindo aos utilizadores criar tarefas de automação arrastando nós e usando o Motor GraphLinq para os executar. Embora não seja necessário programar, o processo de criação de um gráfico ainda tem uma certa curva de aprendizagem para utilizadores comuns, incluindo a seleção do modelo apropriado e a escolha e conexão de blocos lógicos adequados a partir de centenas de opções. Para resolver isto, a GraphLinq está a introduzir IA para permitir aos utilizadores construir e gerir tarefas de automação utilizando inteligência artificial conversacional e linguagem natural, simplificando assim o processo para utilizadores que possam não estar familiarizados com aspetos técnicos.
• 0x0.ai:Os negócios relacionados com a IA da 0x0 incluem principalmente três aspectos: auditoria de contratos inteligentes de IA, deteção anti-Rug de IA e centro de desenvolvimento de IA. Entre eles, a deteção anti-Rug de IA visa detetar comportamentos suspeitos, como impostos excessivos ou drenagem de liquidez, para evitar que os utilizadores sejam enganados. O centro de desenvolvimento de IA utiliza técnicas de aprendizagem automática para gerar contratos inteligentes, permitindo a implementação de contratos sem código. No entanto, apenas a auditoria de contratos inteligentes de IA foi lançada preliminarmente, enquanto as outras duas funcionalidades ainda não foram totalmente desenvolvidas.
• Zignaly: Zignaly foi fundada em 2018 com o objetivo de permitir que investidores individuais escolham gestores de fundos para gerir os seus ativos de criptomoeda, semelhante à lógica de cópia de negociação. A Zignaly está a utilizar tecnologias de aprendizagem automática e inteligência artificial para estabelecer um sistema de avaliação de gestores de fundos. O primeiro produto lançado chama-se Z-Score. No entanto, como produto de inteligência artificial, ainda é relativamente básico na sua forma atual.
  

4 IA Como As Regras Do Jogo

Esta é a parte mais emocionante - permitir que a IA substitua a tomada de decisões e comportamentos humanos. A sua IA controlará diretamente a sua carteira, tomando decisões de negociação e ações em seu nome. Nesta categoria, o autor acredita que pode ser principalmente dividida em três níveis: aplicações de IA (especialmente aquelas com a visão de tomada de decisões autónomas, como bots de negociação automatizados de IA, bots de rendimento DeFi de IA), protocolos de Agente Autónomo e zkML/opML.

As aplicações de IA são ferramentas para tomar decisões específicas num campo particular. Elas acumulam conhecimento e dados de diferentes setores e dependem de modelos de IA adaptados a problemas específicos para tomar decisões. Vale ressaltar que as aplicações de IA são classificadas tanto em interfaces como em regras neste artigo. Em termos de visão de desenvolvimento, as aplicações de IA devem tornar-se agentes independentes de tomada de decisão, mas atualmente, nem a eficácia dos modelos de IA nem a segurança da IA integrada conseguem cumprir este requisito. Mesmo como interfaces, elas são de certa forma forçadas. As aplicações de IA ainda estão numa fase muito inicial, com projetos específicos introduzidos anteriormente.

Agentes Autónomos, mencionados por Vitalik, são classificados na primeira categoria (IA como participantes), mas este artigo categoriza-os na terceira categoria com base na sua visão de longo prazo. Os Agentes Autónomos usam uma grande quantidade de dados e algoritmos para simular o pensamento humano e processos de tomada de decisão, executando várias tarefas e interações. Este artigo foca principalmente na infraestrutura dos Agentes, como camadas de comunicação e camadas de rede, que definem a propriedade dos Agentes, estabelecem a sua identidade, padrões de comunicação e métodos, conectam várias aplicações de Agentes e permitem que colaborem na tomada de decisões e comportamento.

zkML/opML: Garantir que as saídas fornecidas através de processos de raciocínio do modelo correto sejam credíveis por meio de métodos criptográficos ou econômicos. As questões de segurança são fatais ao introduzir a IA nos contratos inteligentes. Os contratos inteligentes dependem de entradas para gerar saídas e automatizar uma série de funções. Se a IA fornecer entradas errôneas, isso introduzirá riscos sistêmicos significativos em todo o sistema de Cripto. Portanto, zkML/opML e uma série de soluções potenciais são a base para permitir que a IA atue de forma independente e tome decisões.

Finalmente, os três juntos constituem os três níveis básicos de IA como operadores de regras: zkml/opml como a infraestrutura de nível mais baixo que garante a segurança do protocolo; Os protocolos do Agente estabelecem o ecossistema do Agente, possibilitando a tomada de decisões e comportamentos colaborativos; As aplicações de IA, também Agentes de IA específicos, irão melhorar continuamente suas capacidades em domínios específicos e efetivamente tomar decisões e agir.

4.1 Agente Autónomo

A aplicação de Agentes de IA no mundo cripto é natural. Dos contratos inteligentes aos Bots TG aos Agentes de IA, o espaço cripto está caminhando para uma automação mais elevada e barreiras de usuário mais baixas. Enquanto os contratos inteligentes executam funções automaticamente através de código imutável, ainda dependem de gatilhos externos para ativar e não podem funcionar de forma autônoma ou contínua. Os Bots TG reduzem as barreiras do usuário, permitindo que os usuários interajam com a blockchain através de linguagem natural, mas só podem realizar tarefas simples e específicas e não podem alcançar transações centradas no usuário. Os Agentes de IA, no entanto, possuem um certo grau de capacidade de tomada de decisão independente. Eles entendem a linguagem natural e combinam autonomamente outros agentes e ferramentas de blockchain para alcançar objetivos especificados pelo usuário.

Os Agentes de IA estão dedicados a melhorar significativamente a experiência do usuário dos produtos de cripto, enquanto a tecnologia blockchain pode aprimorar ainda mais a descentralização, transparência e segurança das operações dos Agentes de IA. A assistência específica inclui:

• Ao incentivar os desenvolvedores com tokens para fornecer mais agentes.
• Autenticação de NFT para facilitar atividades de agente baseadas em taxas e transações.
• Fornecendo mecanismos de identidade e registro de agentes na cadeia.
• Oferecendo registos de atividade de agente imutáveis para rastreamento oportuno e responsabilização de suas ações.

Os principais projetos desta faixa são os seguintes:

• Autonolas: Autonolas suporta a propriedade de ativos e composabilidade para agentes e componentes relacionados através de protocolos on-chain, permitindo que componentes de código, agentes e serviços sejam descobertos e reutilizados on-chain, enquanto incentivam os desenvolvedores com compensação econômica. Os desenvolvedores registam o seu código on-chain e recebem NFTs que representam a propriedade do código após desenvolverem agentes ou componentes completos. Os proprietários de serviços colaboram com vários agentes para criar um serviço e registá-lo on-chain, atraindo operadores de agentes para executar o serviço, que os utilizadores acedem pagando pela sua utilização.
• Fetch.ai: Fetch.ai tem uma forte equipa de background e experiência de desenvolvimento no campo da IA, focando atualmente na pista de agentes de IA. O protocolo é composto por quatro camadas-chave: agentes de IA, Agentverse, Motor de IA e Rede Fetch. Os agentes de IA formam o núcleo do sistema, enquanto os outros fornecem estruturas e ferramentas para auxiliar na construção de serviços de agentes. Agentverse é uma plataforma de software como serviço usada principalmente para criar e registar agentes de IA. O Motor de IA tem como objetivo interpretar as entradas de linguagem natural do utilizador e traduzi-las em tarefas acionáveis, selecionando o agente de IA registado mais adequado do Agentverse para executar a tarefa. Fetch Network é a camada blockchain do protocolo, onde os agentes de IA devem registar-se no contrato on-chain Almanac para colaborar com outros agentes. Vale ressaltar que Autonolas atualmente se concentra na construção de agentes no mundo cripto e traz operações de agentes offline para o blockchain, enquanto o escopo da Fetch.ai inclui o mundo Web2, como reservas de viagens e previsões meteorológicas.
• Delysium: Delysium fez a transição de jogos para um protocolo de agente de IA, composto principalmente por duas camadas: a camada de comunicação e a camada de blockchain. A camada de comunicação serve como a espinha dorsal do Delysium, proporcionando uma infraestrutura segura e escalável para comunicação eficiente entre agentes de IA. A camada de blockchain verifica identidades de agentes e regista o comportamento do agente de forma imutável através de contratos inteligentes. Especificamente, a camada de comunicação estabelece um protocolo de comunicação unificado entre agentes, facilitando a comunicação contínua usando sistemas de mensagens padronizados. Adicionalmente, estabelece protocolos de descoberta de serviços e APIs, permitindo aos utilizadores e outros agentes descobrir e ligar rapidamente a agentes disponíveis. A camada de blockchain consiste principalmente em duas partes: ID de Agente e o contrato inteligente Chronicle. O ID de Agente garante que apenas agentes legítimos possam aceder à rede, enquanto o Chronicle serve como um repositório de registo imutável para todas as decisões e ações significativas tomadas pelos agentes, garantindo a rastreabilidade confiável do comportamento do agente.
• Altered State Machine: Altered State Machine estabelece padrões para a propriedade de ativos e transações para agentes através de NFTs. Embora ASM integre principalmente com jogos no presente, as suas especificações fundamentais também têm o potencial de expansão para outros domínios de agentes.
• Morpheous: Morpheous está a construir uma rede de ecossistema de agentes de IA, com o objetivo de ligar codificadores, fornecedores de computadores, construtores de comunidades e fornecedores de capital, que, respetivamente, fornecem agentes de IA, poder computacional que suporta as operações dos agentes, ferramentas de desenvolvimento e de front-end, e financiamento. MOR irá adotar um modelo de lançamento justo para incentivar os mineiros que fornecem poder computacional, stETH stakers, contribuidores para o desenvolvimento de agentes ou contratos inteligentes, e contribuidores para o desenvolvimento da comunidade.

4.2 zkML/opML

A prova de conhecimento zero atualmente tem duas direções principais de aplicação:

• Prova de cálculo correto a um custo inferior on-chain (as pontes cruzadas ZK-Rollup e ZKP estão a aproveitar esta funcionalidade do ZK);
• Proteção de privacidade: Não é necessário conhecer os detalhes da computação, mas pode ser provado que a computação foi executada corretamente.

Da mesma forma, a aplicação de ZKP em aprendizado de máquina também pode ser dividida em duas categorias:

• Verificação de inferência: Ou seja, através de prova de conhecimento zero, provando na cadeia a um custo mais baixo que o processo de computação densa da inferência do modelo de IA executado corretamente fora da cadeia.
• Proteção da privacidade: Pode ser dividida em duas categorias. Uma é a proteção da privacidade dos dados, que envolve o uso de dados privados para inferência em modelos públicos, o que pode ser alcançado usando ZKML para proteger a privacidade dos dados. A outra é a proteção da privacidade do modelo, com o objetivo de ocultar informações específicas, como pesos do modelo, e calcular e derivar resultados de saída a partir de entradas públicas.

O autor acredita que atualmente, o aspecto mais importante para a cripto é a verificação de inferência, e aqui elaboramos mais sobre os cenários para a verificação de inferência. Começando a partir da IA como participante para a IA como as regras do mundo, esperamos integrar a IA nos processos on-chain. No entanto, o alto custo computacional da inferência do modelo de IA impede a execução direta on-chain. Mover este processo off-chain significa que devemos tolerar os problemas de confiança trazidos por esta caixa-preta - será que o operador do modelo de IA adulterou minha entrada? Eles usaram o modelo que especifiquei para inferência? Ao converter modelos de ML em circuitos ZK, podemos alcançar: (1) Armazenamento on-chain de modelos menores, armazenar pequenos modelos zkML em contratos inteligentes aborda diretamente a questão da opacidade; (2) Completar inferências off-chain enquanto gera provas ZK, usando a execução on-chain de provas ZK para verificar a correção do processo de inferência. A infraestrutura incluirá dois contratos - o contrato principal (que usa o modelo de ML para produzir resultados) e o contrato de verificação de ZK-Proof.

zkML ainda está em seus estágios iniciais e enfrenta desafios técnicos na conversão de modelos de ML em circuitos ZK, bem como altos custos computacionais e criptográficos. Semelhante ao caminho de desenvolvimento do Rollup, opML serve como outra solução do ponto de vista econômico. opML usa a suposição AnyTrust do Arbitrum, significando que cada reivindicação tem pelo menos um nó honesto, garantindo que o submetedor ou pelo menos um verificador seja honesto. No entanto, o OPML só pode servir como uma alternativa para verificação de inferência e não pode alcançar proteção de privacidade.

Os projetos atuais estão a construir a infraestrutura para zkML e a explorar as suas aplicações. A criação de aplicações é igualmente importante porque precisa de demonstrar claramente aos utilizadores de cripto o papel significativo do zkML e provar que o valor final pode superar os custos enormes. Nestes projetos, alguns focam-se no desenvolvimento de tecnologia ZK relacionada com aprendizagem automática (como Modulus Labs), enquanto outros se concentram mais na construção de infraestruturas ZK mais gerais. Os projetos relacionados incluem:

• A Modulus está a utilizar zkML para aplicar inteligência artificial aos processos de inferência on-chain. Em 27 de fevereiro, a Modulus lançou o provador zkML Remainder, alcançando uma melhoria de eficiência de 180x em comparação com a inferência de IA tradicional em hardware equivalente. Além disso, a Modulus está a colaborar com vários projetos para explorar casos de uso práticos do zkML. Por exemplo, estão a colaborar com a Upshot para recolher dados de mercado complexos, avaliar preços de NFT usando IA com provas ZK e transmitir os preços para a blockchain. Também estão a colaborar com a AI Arena para provar que o Avatar em combate e o jogador treinado são a mesma entidade.
• O Risc Zero coloca modelos on-chain e, ao executar modelos de machine learning no ZKVM do RISC Zero, eles podem provar que os cálculos exatos envolvidos no modelo estão sendo executados corretamente.
• Ingonyama está a desenvolver hardware especializado para a tecnologia ZK, o que pode baixar a barreira de entrada para o campo da tecnologia ZK. zkML também poderia ser usado no processo de treino do modelo.

5 IA Como Objetivo

Se as três categorias anteriores se concentram mais em como a IA capacita a Cripto, então “IA como objetivo” enfatiza a assistência da Cripto à IA, ou seja, como utilizar a Cripto para criar melhores modelos e produtos de IA. Isso pode incluir múltiplos critérios de avaliação, como maior eficiência, precisão e descentralização. A IA é composta por três elementos principais: dados, potência de computação e algoritmos, e em cada dimensão, a Cripto está se esforçando para fornecer suporte mais eficaz para a IA.

• Dados: Os dados servem como a base para o treino de modelos, e os protocolos de dados descentralizados incentivam indivíduos ou empresas a fornecerem mais dados privados enquanto usam criptografia para salvaguardar a privacidade dos dados e evitar o vazamento de informações pessoais sensíveis.
• Poder de computação: A trilha de poder de computação descentralizada é atualmente a trilha de IA mais quente. Os protocolos facilitam a correspondência entre oferta e demanda no mercado, promovendo a combinação de poder de computação de longa cauda com empresas de IA para treinamento e inferência de modelos.
• Algoritmos: O empoderamento da Cripto pelos algoritmos é o aspecto mais crucial para alcançar a IA descentralizada, conforme descrito no artigo de Vitalik Buterin "IA como um Objetivo". Ao criar uma IA de caixa preta descentralizada e confiável, questões como o aprendizado de máquina adversarial podem ser abordadas. No entanto, essa abordagem pode enfrentar obstáculos significativos, como altos custos criptográficos. Além disso, "usar incentivos criptográficos para encorajar a criação de uma IA melhor" pode ser alcançado sem mergulhar completamente na toca do coelho da criptografia.

A monopolização de dados e poder de computação por grandes empresas de tecnologia levou a um monopólio no processo de treinamento do modelo, onde os modelos de código fechado se tornam os principais impulsionadores de lucro para essas corporações. Do ponto de vista da infraestrutura, a Cripto incentiva o fornecimento descentralizado de dados e poder de computação por meio de meios econômicos. Além disso, garante a privacidade dos dados durante o processo por meio de métodos criptográficos. Isso serve como base para facilitar o treinamento de modelos descentralizados, com o objetivo de alcançar um ecossistema de IA mais transparente e descentralizado.

5.1 Protocolo de Dados Descentralizado

Os protocolos de dados descentralizados operam principalmente através da colaboração de dados, incentivando os utilizadores a fornecer conjuntos de dados ou serviços de dados (como rotulagem de dados) para empresas usarem no treino de modelos. Também estabelecem Mercados de Dados para facilitar a correspondência entre oferta e procura. Alguns protocolos também estão a explorar a incentivização de utilizadores através de protocolos DePIN para adquirir dados de navegação ou utilizar dispositivos/largura de banda dos utilizadores para raspagem de dados web.

• Ocean Protocol: Tokeniza a propriedade dos dados e permite aos utilizadores criar NFTs para dados/algoritmos de forma simplificada no Ocean Protocol, criando simultaneamente datatokens correspondentes para controlar o acesso aos NFTs de dados. O Ocean Protocol garante a privacidade dos dados através do Compute To Data (C2D), onde os utilizadores apenas podem obter resultados de saída com base em dados/algoritmos, sem descarregamentos completos. Estabelecido em 2017 como um mercado de dados, o Ocean Protocol naturalmente aderiu à moda da IA nesta tendência atual.
• Synesis One: Este projeto é a plataforma Train2Earn em Solana, onde os usuários ganham recompensas $SNS fornecendo dados em linguagem natural e rotulagem de dados. Os usuários suportam a mineração fornecendo dados, que são armazenados e colocados on-chain após a verificação, depois usados por empresas de IA para treinamento e inferência. Os mineiros são divididos em três categorias: Arquitetos/Construtores/Validadores. Os arquitetos criam novas tarefas de dados, os construtores fornecem dados de texto para tarefas específicas e os validadores verificam os conjuntos de dados fornecidos pelos construtores. Os conjuntos de dados concluídos são armazenados em IPFS e suas fontes, juntamente com endereços IPFS, são armazenados em um banco de dados off-chain para empresas de IA (atualmente Mind AI) usarem.

Grass: A camada de dados descentralizada, apelidada de IA, funciona essencialmente como um mercado de scraping de rede descentralizada, obtendo dados para fins de treinamento de modelos de IA. Os sites da Internet servem como fontes vitais de dados de treinamento para IA, com muitos sites como Twitter, Google e Reddit detendo um valor significativo. No entanto, esses sites impõem continuamente restrições ao scraping de dados. O Grass aproveita a largura de banda não utilizada dentro de redes individuais para mitigar o impacto do bloqueio de dados, empregando diferentes endereços IP para scrappear dados de sites públicos. Ele realiza a limpeza inicial de dados e serve como fonte de dados para empreendimentos de treinamento de modelos de IA. Atualmente na fase de teste beta, o Grass permite que os usuários ganhem pontos fornecendo largura de banda, que podem ser resgatados para possíveis airdrops.

Protocolo AIT: O Protocolo AIT é um protocolo descentralizado de etiquetagem de dados projetado para fornecer aos desenvolvedores conjuntos de dados de alta qualidade para treinamento de modelos. A Web3 permite que forças de trabalho globais acessem rapidamente a rede e ganhem incentivos através da etiquetagem de dados. Os cientistas de dados da AIT pré-rotulam os dados, que são posteriormente processados pelos utilizadores. Após passar por verificações de qualidade realizadas pelos cientistas de dados, os dados validados são fornecidos aos desenvolvedores para uso.

Para além dos protocolos de provisionamento de dados e de rotulagem de dados acima mencionados, antigas infraestruturas de armazenamento descentralizado, como Filecoin, Arweave e outras, também contribuirão para um fornecimento de dados mais descentralizado.

5.2 Poder de Computação Descentralizado

Na era da IA, a importância do poder de computação é evidente por si só. Não só o preço das ações da NVIDIA disparou, mas no mundo da cripto, o poder de computação descentralizado pode ser considerado a direção de nicho mais quente na área de IA - dos 200 principais projetos de IA por capitalização de mercado, 5 projetos (Render/Akash/AIOZ Network/Golem/Nosana) concentram-se no poder de computação descentralizado, e tiveram um crescimento significativo nos últimos meses. Muitos projetos na faixa de baixa capitalização de mercado também viram o surgimento de plataformas de poder de computação descentralizado. Embora estejam apenas a começar, rapidamente ganharam impulso, especialmente com a onda de entusiasmo da conferência da NVIDIA.

Das características da trilha, a lógica básica dos projetos nesta direção é altamente homogênea - utilizando incentivos de token para encorajar indivíduos ou empresas com recursos de computação ociosos a fornecer recursos, reduzindo significativamente os custos de uso e estabelecendo um mercado de oferta e demanda para energia computacional. Atualmente, as principais fontes de energia computacional vêm de centros de dados, mineradores (especialmente após a transição do Ethereum para PoS), energia computacional de nível de consumidor e colaborações com outros projetos. Apesar de homogeneizado, esta é uma trilha onde os principais projetos têm altas vantagens competitivas. As principais vantagens competitivas dos projetos vêm de: recursos de energia computacional, preços de locação de energia computacional, taxas de utilização de energia computacional e outras vantagens técnicas. Os principais projetos nesta trilha incluem Akash, Render, io.net e Gensyn.

De acordo com direções de negócios específicas, os projetos podem ser aproximadamente divididos em duas categorias: inferência de modelo de IA e treinamento de modelo de IA. Uma vez que os requisitos de potência de computação e largura de banda para treinamento de modelo de IA são muito mais altos do que para inferência, e o mercado para inferência de modelo está a expandir-se rapidamente, os rendimentos previsíveis serão significativamente mais altos do que para treinamento de modelos no futuro. Portanto, atualmente, a grande maioria dos projetos concentra-se na direção de inferência (Akash, Render, io.net) com Gensyn focando em treinamento. Entre eles, Akash e Render não foram inicialmente desenvolvidos para computação de IA. Akash era originalmente usado para computação geral, enquanto Render era principalmente usado para renderização de vídeo e imagem. io.net é especificamente projetado para computação de IA, mas depois que a IA elevou o nível da demanda de computação, esses projetos todos tenderam a se desenvolver na direção da IA.

Os indicadores competitivos mais importantes ainda vêm do lado da oferta (recursos de potência de computação) e do lado da procura (utilização de potência de computação). Akash tem 282 GPUs e mais de 20.000 CPUs, com mais de 160.000 arrendamentos concluídos e uma taxa de utilização de rede de GPU de 50-70%, que é uma boa figura neste setor. io.net tem 40.272 GPUs e 5.958 CPUs, juntamente com 4.318 GPUs e 159 CPUs da Render, e a licença de utilização de 1.024 GPUs da Filecoin, incluindo cerca de 200 H100s e milhares de A100s. io.net está a atrair recursos de potência de computação com expectativas extremamente elevadas de airdrop, e os dados da GPU estão a crescer rapidamente, exigindo uma reavaliação da sua capacidade de atrair recursos após a listagem do token. Render e Gensyn não divulgaram dados específicos. Além disso, muitos projetos estão a aumentar a sua competitividade tanto do lado da oferta como da procura através de colaborações no ecossistema. Por exemplo, io.net utiliza a potência de computação da Render e da Filecoin para fortalecer as suas próprias reservas de recursos, e a Render estabeleceu o Programa de Cliente de Computação (RNP-004), permitindo aos utilizadores aceder indiretamente aos recursos de potência de computação da Render através de clientes de computação como io.net, Nosana, FedMl e Beam, assim passando rapidamente do campo de renderização para a computação de inteligência artificial.

Além disso, a verificação da computação descentralizada continua a ser um desafio — como provar que os trabalhadores com recursos computacionais executam corretamente as tarefas de computação. A Gensyn está a tentar estabelecer uma camada de verificação, garantindo a correção das computações através de provas de aprendizagem probabilísticas, protocolos de posicionamento preciso baseados em grafos e incentivos. Os validadores e os repórteres inspecionam em conjunto as computações na Gensyn, pelo que, para além de fornecer suporte computacional para o treino descentralizado, o seu mecanismo de verificação estabelecido também detém um valor único. O protocolo de computação Fluence, situado na Solana, também melhora a validação das tarefas de computação. Os programadores podem verificar se as suas aplicações funcionam conforme esperado e se as computações são executadas corretamente examinando as provas fornecidas pelos fornecedores on-chain. No entanto, a necessidade prática ainda prioriza a viabilidade em detrimento da confiabilidade. As plataformas de computação devem primeiro ter poder computacional suficiente para serem competitivas. Claro, para excelentes protocolos de verificação, há a opção de aceder a recursos computacionais de outras plataformas, desempenhando um papel único como camadas de validação e protocolo.

5.3 Modelo Descentralizado

O cenário final descrito por Vitalik, conforme representado no diagrama abaixo, ainda está muito distante. Atualmente, não conseguimos alcançar uma IA em caixa preta confiável criada por meio de tecnologias de blockchain e criptografia para lidar com a aprendizagem de máquina adversária. Criptografar todo o processo de IA, desde os dados de treinamento até as saídas das consultas, incorre em custos significativos. No entanto, existem projetos atualmente tentando incentivar a criação de modelos de IA melhores. Eles primeiro conectam os estados isolados entre diferentes modelos, criando um cenário onde os modelos podem aprender uns com os outros, colaborar e se envolver em uma competição saudável. O Bittensor é um dos projetos mais representativos a esse respeito.

Bittensor: Bittensor está a facilitar a integração de vários modelos de IA, mas é importante notar que o próprio Bittensor não se envolve no treino de modelos; em vez disso, fornece principalmente serviços de inferência de IA. As suas 32 sub-redes focam-se em diferentes direções de serviço, tais como obtenção de dados, geração de texto, Text2Image, etc. Ao completar uma tarefa, os modelos de IA pertencentes a diferentes direções podem colaborar entre si. Mecanismos de incentivo impulsionam a competição entre sub-redes e dentro das sub-redes. Atualmente, as recompensas são distribuídas a uma taxa de 1 TAO por bloco, totalizando aproximadamente 7200 tokens TAO por dia. Os 64 validadores em SN0 (Rede Principal) determinam o taxa de distribuiçãodestas recompensas entre diferentes sub-redes com base no desempenho da sub-rede. Por outro lado, os validadores da sub-rede determinam a taxa de distribuição entre diferentes mineradores com base na sua avaliação do trabalho. Como resultado, os serviços e modelos com melhor desempenho recebem mais incentivos, promovendo a melhoria geral na qualidade da inferência do sistema.

6 Conclusão: É MEME Apenas um Hype ou uma Revolução Tecnológica?

Desde as ações de Sam Altman impulsionando os preços em alta da ARKM e WLD até à conferência da Nvidia impulsionando uma série de projetos participantes, muitos estão ajustando suas ideias de investimento no campo da IA. O campo da IA é impulsionado principalmente pela especulação de memes ou pela revolução tecnológica?

Para além de alguns temas de celebridades (como ARKM e WLD), o campo geral da IA na cripto parece mais um “meme impulsionado por narrativas tecnológicas.”

Por um lado, a especulação geral no campo da Cripto IA está, sem dúvida, intimamente ligada ao progresso da IA Web2. O hype externo liderado por entidades como a OpenAI servirá como catalisador para o campo da Cripto IA. Por outro lado, a história do campo da IA ainda gira em torno de narrativas tecnológicas. No entanto, é crucial enfatizar a “narrativa tecnológica” em vez de apenas a tecnologia em si. Isso sublinha a importância de escolher direções específicas dentro do campo da IA e prestar atenção aos fundamentos do projeto. É necessário encontrar direções narrativas com valor especulativo, bem como projetos com competitividade a longo prazo e vantagens competitivas.

Ao analisar as quatro combinações potenciais propostas por Vitalik, vemos um equilíbrio entre o encanto narrativo e a viabilidade. Nas primeiras e segundas categorias, representadas por aplicações de IA, observamos muitos invólucros GPT. Embora esses produtos sejam rapidamente implementados, também exibem um alto grau de homogeneidade de negócios. A vantagem do primeiro a chegar, ecossistemas, base de usuários e receitas tornam-se as histórias contadas no contexto da competição homogênea. As terceiras e quartas categorias representam grandes narrativas que combinam IA com cripto, como redes de colaboração on-chain do Agente, zkML e remodelagem descentralizada da IA. Estes ainda estão nos estágios iniciais, e projetos com inovação tecnológica atrairão rapidamente fundos, mesmo que estejam apenas nos estágios iniciais de implementação.

Aviso legal：

1. Este artigo é reproduzido a partir de [Metrics Ventures]. Encaminhe o Título Original ‘Metrics Ventures研报 | 从V神文章出发，Crypto×AI有哪些值得关注的细分赛道？’. Todos os direitos autorais pertencem ao autor original [‘@charlotte0211z，@BlazingKevin_，Metrics Ventures]Se houver objeções a esta reimpressão, por favor contacte o Gate Learnequipa e eles tratarão disso prontamente.
2. Isenção de Responsabilidade: As opiniões expressas neste artigo são exclusivamente do autor e não constituem qualquer conselho de investimento.
3. As traduções do artigo para outros idiomas são feitas pela equipe Gate Learn. Salvo indicação em contrário, é proibido copiar, distribuir ou plagiar os artigos traduzidos.