Reenviar el 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?'

1 Introducción: Cuatro formas de combinar Cripto con IA

La descentralización es el consenso mantenido por la cadena de bloques, asegurando que la seguridad es el principio fundamental, y la apertura es la base clave desde una perspectiva criptográfica para hacer que el comportamiento en cadena posea las características mencionadas anteriormente. Este enfoque ha sido aplicable en varias rondas de revoluciones de cripto en los últimos años. Sin embargo, cuando la inteligencia artificial entra en juego, la situación experimenta algunos cambios.

Imagina diseñar la arquitectura de la cadena de bloques o aplicaciones a través de inteligencia artificial. En este caso, el modelo necesita ser de código abierto, pero hacerlo expondría su vulnerabilidad en el aprendizaje automático adversarial. Por otro lado, no ser de código abierto resultaría en la pérdida de descentralización. Por lo tanto, es necesario considerar de qué manera y hasta qué punto se debe lograr la integración al introducir inteligencia artificial en la cadena de bloques o aplicaciones actuales.

Origen: DE UNIVERSIDAD DE ETHEREUM

En el artículo ‘Cuando Gigantes Chocan: Explorando la Convergencia de Cripto x AI'de@uethEn la UNIVERSIDAD DE ETHEREUM, se describen las diferencias en las características fundamentales entre la inteligencia artificial y la cadena de bloques. Como se muestra en la figura de arriba, las características de la inteligencia artificial son:

• Centralización
• Baja Transparencia
• Consumo de energía
• Monopolio
• Atributos de Monetización Débiles

Las características mencionadas anteriormente son completamente opuestas en blockchain en comparación con la inteligencia artificial. Este es el verdadero argumento del artículo de Vitalik. Si la inteligencia artificial y blockchain se combinan, entonces las aplicaciones nacidas de ella necesitan hacer concesiones en cuanto a la propiedad de los datos, la transparencia, las capacidades de monetización, los costos energéticos, etc. Además, también se debe considerar qué infraestructura necesita crearse para garantizar la integración efectiva de ambos.

Siguiendo los criterios anteriores y sus propios pensamientos, Vitalik categoriza las aplicaciones formadas por la combinación de inteligencia artificial y blockchain en cuatro tipos principales:

• AI como jugador en un juego
• IA como una interfaz para el juego
• IA como las reglas del juego
• IA como objetivo del juego

Entre ellos, los tres primeros representan principalmente tres formas en las que se introduce la IA en el mundo Cripto, representando tres niveles de profundidad de superficial a profunda. Según la comprensión del autor, esta clasificación representa el grado en que la IA influye en la toma de decisiones humanas, e introduce así diferentes niveles de riesgo sistémico en todo el mundo Cripto:

• La inteligencia artificial como participante en aplicaciones: la inteligencia artificial en sí misma no influye en las decisiones y comportamientos humanos, por lo que no representa riesgos para el mundo humano real. Por lo tanto, en la actualidad tiene el mayor grado de practicidad.
• La inteligencia artificial como interfaz para aplicaciones: La inteligencia artificial proporciona información o herramientas auxiliares para la toma de decisiones y el comportamiento humano, lo que mejora las experiencias de usuario y desarrollador y reduce las barreras. Sin embargo, la información incorrecta u operaciones incorrectas pueden introducir algunos riesgos en el mundo real.
• La inteligencia artificial como las reglas de las aplicaciones: La inteligencia artificial reemplaza completamente a los humanos en la toma de decisiones y operaciones. Por lo tanto, el comportamiento malicioso o los fallos de la inteligencia artificial llevarán directamente al caos en el mundo real. Actualmente, tanto en Web2 como en Web3, no es posible confiar en la inteligencia artificial para reemplazar a los humanos en la toma de decisiones.

Finalmente, la cuarta categoría de proyectos tiene como objetivo aprovechar las características de Cripto para crear una mejor inteligencia artificial. Como se mencionó anteriormente, la centralización, la baja transparencia, el consumo de energía, las tendencias monopolísticas y los atributos monetarios débiles pueden mitigarse naturalmente a través de las propiedades de Cripto. Aunque muchas personas son escépticas sobre si Cripto puede tener un impacto en el desarrollo de la inteligencia artificial, la narrativa más fascinante de Cripto siempre ha sido su capacidad para influir en el mundo real a través de la descentralización. Esta pista también se ha convertido en la parte más intensamente especulada de la pista de IA debido a su gran visión.

2 IA Como Participante

En los mecanismos en los que participa la IA, la fuente última de incentivos a menudo proviene de protocolos introducidos por humanos. Antes de que la IA se convierta en una interfaz o incluso en una regla, generalmente necesitamos evaluar el rendimiento de diferentes IA, permitiendo que la IA participe en un mecanismo y, en última instancia, reciba recompensas o penalizaciones a través de un mecanismo en cadena.

Cuando la IA actúa como participante, en comparación con ser una interfaz o regla, los riesgos para los usuarios y todo el sistema son generalmente insignificantes. Se puede considerar como una etapa necesaria antes de que la IA influya profundamente en las decisiones y el comportamiento del usuario. Por lo tanto, el costo y los compromisos requeridos para la fusión de la inteligencia artificial y la cadena de bloques en este nivel son relativamente pequeños. También es una categoría de productos en la que Vitalik cree que actualmente tienen un alto grado de practicidad.

En términos de amplitud e implementación, muchas de las aplicaciones actuales de IA caen en esta categoría, como los bots de trading y chatbots potenciados por IA. El nivel actual de implementación todavía dificulta que la IA funcione como interfaz o incluso como regla. Los usuarios están comparando y optimizando gradualmente entre diferentes bots, y los usuarios de cripto aún no han desarrollado hábitos de uso de aplicaciones de IA. En el artículo de Vitalik, los Agentes Autónomos también se clasifican en esta categoría.

Sin embargo, en un sentido más estrecho y desde una perspectiva de visión a largo plazo, tendemos a hacer distinciones más detalladas para las aplicaciones de IA o agentes de IA. Por lo tanto, dentro de esta categoría, las subcategorías representativas incluyen:

2.1 Juegos de IA

Hasta cierto punto, los juegos de IA realmente pueden clasificarse en esta categoría. Los jugadores interactúan con la IA y entrenan a sus personajes de IA para que se ajusten mejor a sus preferencias personales, como alinearse más estrechamente con los gustos individuales o volverse más competitivos dentro de la mecánica del juego. Los juegos sirven como una etapa de transición para la IA antes de ingresar al mundo real. También representan una vía con riesgos de implementación relativamente bajos y son los más fáciles de entender para los usuarios comunes. Proyectos icónicos en esta categoría incluyen AI Arena, Echelon Prime y Altered State Machine.

• AI Arena: Un juego de lucha jugador contra jugador (PVP) donde los jugadores pueden entrenar y evolucionar a sus personajes del juego utilizando IA. El juego tiene como objetivo permitir que los usuarios comunes interactúen, entiendan y experimenten la IA a través de los juegos, al mismo tiempo que proporciona a los ingenieros de IA varios algoritmos de IA para aumentar sus ingresos. Cada personaje del juego está impulsado por NFT habilitados para IA, con el Core que contiene la arquitectura y parámetros del modelo de IA almacenados en IPFS. Los parámetros en un nuevo NFT se generan aleatoriamente, lo que significa que realizará acciones aleatorias. Los usuarios deben mejorar las habilidades estratégicas de su personaje a través del aprendizaje por imitación (IL). Cada vez que un usuario entrena a un personaje y guarda el progreso, los parámetros se actualizan en IPFS.
  

• Altered State Machine: .ASM no es un juego de IA, sino un protocolo para la verificación de derechos y el comercio para agentes de IA. Se posiciona como un protocolo de IA de metaverso y actualmente se está integrando con varios juegos, incluido FIFA, introduciendo agentes de IA en juegos y el metaverso. ASM utiliza NFT para verificar y comerciar agentes de IA, con cada agente constando de tres partes: Cerebro (las características intrínsecas del agente), Memorias (almacenando las estrategias de comportamiento aprendidas del agente y el entrenamiento del modelo, vinculadas al Cerebro) y Forma (apariencia del personaje, etc.). ASM tiene un módulo Gym, que incluye un proveedor descentralizado de nube GPU, para proporcionar soporte computacional a los agentes. Los proyectos construidos actualmente en ASM incluyen AIFA (juego de fútbol de IA), Muhammed Ali (juego de boxeo de IA), AI League (juego de fútbol callejero en colaboración con FIFA), Raicers (juego de carreras impulsado por IA) y Thingies de FLUF World (NFTs generativos).
  

• Colonía Paralela (PRIME): Echelon Prime está desarrollando Colonía Paralela, un juego basado en modelos de lenguaje AI LLM (Large Language Models). Los jugadores pueden interactuar con sus avatares de IA e influir en ellos, con los avatares actuando autónomamente basados en recuerdos y trayectorias de vida. Colony es actualmente uno de los juegos de IA más esperados, y el whitepaper oficial ha sido lanzado recientemente. Además, el anuncio de migración a Solana ha generado otra ola de emoción y aumentado el valor de PRIME.

2.2 Predicción de mercado/Concurso

La capacidad predictiva es la base para que la IA tome decisiones y comportamientos futuros. Antes de que los modelos de IA se utilicen para predicciones prácticas, las competiciones de predicción comparan el rendimiento de los modelos de IA a un nivel más alto. Al proporcionar incentivos en forma de tokens para científicos de datos/modelos de IA, este enfoque tiene implicaciones positivas para el desarrollo de todo el campo de Cripto×IA. Fomenta continuamente el desarrollo de modelos y aplicaciones más eficientes y de alto rendimiento adecuados para el mundo de las criptomonedas. Antes de que la IA influya profundamente en la toma de decisiones y comportamientos, esto crea productos de mayor calidad y más seguros. Como afirmó Vitalik, los mercados de predicción son un primitivo poderoso que se puede ampliar a muchos otros tipos de problemas. Los proyectos icónicos en esta área incluyen Numerai y Ocean Protocol.

• Numerai: Numerai es una competencia de ciencia de datos de larga duración donde los científicos de datos entrenan modelos de aprendizaje automático para predecir los mercados de valores basándose en datos históricos del mercado proporcionados por Numerai. Luego apuestan sus modelos y tokens NMR en torneos, donde los modelos con mejor rendimiento reciben recompensas en tokens NMR, mientras que los tokens apostados en modelos con mal rendimiento son quemados. Hasta el 7 de marzo de 2024, se han apostado 6,433 modelos, y el protocolo ha proporcionado un total de $75,760,979 en recompensas a los científicos de datos. Numerai incentiva la colaboración global entre los científicos de datos para construir un nuevo tipo de fondo de cobertura. Los fondos lanzados hasta ahora incluyen Numerai One y Numerai Supreme. El camino de Numerai implica competencias de predicción de mercado→modelos de predicción colaborativos→ la creación de nuevos fondos de cobertura basados en modelos colaborativos.
• Ocean Protocol: Ocean Predictor se enfoca en predicciones, comenzando con predicciones colaborativas de tendencias de criptomonedas. Los jugadores pueden optar por ejecutar el bot Predictoor o el bot Trader. El bot Predictor utiliza modelos de IA para predecir el precio de las criptomonedas (por ejemplo, BTC/USDT) en el siguiente punto de tiempo (por ejemplo, cinco minutos adelante) y apuesta una cierta cantidad de tokens $OCEAN. El protocolo calcula una predicción global basada en la cantidad apostada. Los Traders compran resultados de predicción y pueden comerciar en función de ellos. Cuando la precisión de la predicción es alta, los Traders pueden obtener ganancias de ella. Los Predictors que hagan predicciones incorrectas serán penalizados, mientras que aquellos que hagan predicciones correctas recibirán una parte de los tokens apostados, así como las tarifas de compra de los Traders como recompensas. El 2 de marzo, Ocean Predictoor anunció su última dirección, el Modelo Mundo-Mundo (WWM), que comienza a explorar predicciones para escenarios del mundo real como el clima y la energía.
  

3 IA Como Interfaz

La IA puede ayudar a los usuarios a comprender lo que está sucediendo en el mundo de la cripto utilizando un lenguaje simple y fácil de entender, actuando como un mentor para los usuarios y proporcionando alertas sobre posibles riesgos para reducir las barreras de entrada y los riesgos del usuario en Cripto, mejorando así la experiencia del usuario. Las funcionalidades de los productos que pueden ser realizadas son diversas, como alertas de riesgo durante las interacciones con la billetera, operaciones con intención impulsadas por IA, chatbots de IA capaces de responder preguntas comunes de los usuarios sobre cripto, y más. La audiencia para estos servicios se está expandiendo, incluyendo no solo a usuarios comunes sino también a desarrolladores, analistas y casi todos los demás grupos, convirtiéndolos en posibles receptores de servicios de IA.

Reiteremos las similitudes de estos proyectos: aún no han reemplazado a los humanos en la ejecución de ciertas decisiones y comportamientos, pero están utilizando modelos de IA para proporcionar información y herramientas para ayudar en la toma de decisiones y el comportamiento humanos. En este nivel, los riesgos de mala conducta de la IA comienzan a ser expuestos en el sistema, proporcionando información incorrecta para interferir con el juicio humano. Este aspecto ha sido analizado a fondo en el artículo de Vitalik.

Hay muchos y variados proyectos que pueden ser clasificados bajo esta categoría, incluyendo chatbots de IA, auditorías de contratos inteligentes de IA, generación de código de IA, bots de trading de IA, y más. Se puede decir que la gran mayoría de las aplicaciones de IA se encuentran actualmente en este nivel básico. Proyectos representativos incluyen:

• Paal: PaaL es actualmente el proyecto líder en chatbots de IA y puede ser visto como un ChatGPT entrenado en conocimientos relacionados con la cripto. Integrado con plataformas como Telegram (TG) y Discord, PaaL proporciona a los usuarios funcionalidades como análisis de datos de tokens, fundamentos de tokens y análisis de economía de tokens, así como generación de texto a imagen y otras características. El bot de PaaL puede integrarse en chats grupales para responder automáticamente a cierta información. PaaL también es compatible con bots personales personalizados, lo que permite a los usuarios construir su propia base de conocimientos de IA y bots personalizados alimentando conjuntos de datos. PaaL avanza hacia los chatbots de trading de IA y, el 29 de febrero, anunció su terminal de investigación y trading de cripto compatible con IA, PaalX. Según la introducción, puede realizar auditorías de contratos inteligentes de IA, integrar y operar noticias basadas en Twitter, y proporcionar soporte para la investigación y trading de cripto. El asistente de IA puede reducir la barrera de entrada para los usuarios.

ChainGPT: ChainGPT se basa en la inteligencia artificial para desarrollar una serie de herramientas cripto, como chatbot, generador de NFT, recopilación de noticias, generación y auditoría de contratos inteligentes, asistente de transacciones, mercado de promoción e intercambio AI cross-chain. Sin embargo, el enfoque actual de ChainGPT está en la incubación de proyectos y Launchpad, y ha completado IDOs para 24 proyectos y 4 regalos gratuitos.

• Arkham: Ultra es el motor de IA dedicado de Arkham diseñado para emparejar direcciones con entidades del mundo real utilizando algoritmos, aumentando así la transparencia en la industria de cripto. Ultra fusiona datos on-chain y off-chain proporcionados por los usuarios y recopilados por sí mismo, y los presenta en una base de datos ampliable, que finalmente se muestra en forma de gráficos. Sin embargo, la documentación de Arkham no proporciona discusiones detalladas sobre el sistema Ultra. Arkham ha atraído recientemente la atención debido a la inversión personal de Sam Altman, el fundador de OpenAI, y ha experimentado un aumento de cinco veces en valor en los últimos 30 días.
• GraphLinq: GraphLinq es una solución automatizada de gestión de flujos de trabajo diseñada para permitir a los usuarios implementar y gestionar varios tipos de funciones de automatización sin necesidad de programación. Por ejemplo, los usuarios pueden enviar el precio de Bitcoin desde Coingecko a un Bot de TG cada 5 minutos. La solución de GraphLinq visualiza los procesos de automatización mediante gráficos, lo que permite a los usuarios crear tareas de automatización arrastrando nodos y utilizando el Motor de GraphLinq para ejecutarlas. Aunque no se requiere codificación, el proceso de creación de un gráfico todavía tiene una cierta curva de aprendizaje para los usuarios comunes, que incluye la selección de la plantilla adecuada y la elección y conexión de bloques lógicos adecuados entre cientos de opciones. Para abordar esto, GraphLinq está introduciendo la inteligencia artificial para permitir a los usuarios construir y gestionar tareas de automatización utilizando inteligencia artificial conversacional y lenguaje natural, simplificando así el proceso para los usuarios que pueden no estar familiarizados con aspectos técnicos.
• 0x0.ai:Los negocios relacionados con la IA de 0x0 incluyen principalmente tres aspectos: auditoría de contratos inteligentes de IA, detección de estafas de IA y centro de desarrolladores de IA. Entre ellos, la detección de estafas de IA tiene como objetivo detectar comportamientos sospechosos como impuestos excesivos o drenaje de liquidez para evitar que los usuarios sean engañados. El centro de desarrolladores de IA utiliza técnicas de aprendizaje automático para generar contratos inteligentes, lo que permite implementar contratos sin necesidad de código. Sin embargo, solo se ha lanzado preliminarmente la auditoría de contratos inteligentes de IA, mientras que las otras dos funcionalidades aún no se han desarrollado completamente.
• Zignaly: Zignaly fue fundada en 2018 con el objetivo de permitir a los inversores individuales elegir gestores de fondos para administrar sus activos de criptomonedas, similar a la lógica del copy-trading. Zignaly está utilizando tecnologías de aprendizaje automático e inteligencia artificial para establecer un sistema de evaluación de gestores de fondos. El primer producto lanzado se llama Z-Score. Sin embargo, como producto de inteligencia artificial, todavía es relativamente básico en su forma actual.
  

4 IA Como Las Reglas Del Juego

Esta es la parte más emocionante: habilitar que la IA reemplace la toma de decisiones y el comportamiento humanos. Tu IA controlará directamente tu billetera, tomando decisiones comerciales y acciones en tu nombre. En esta categoría, el autor cree que se puede dividir principalmente en tres niveles: aplicaciones de IA (especialmente aquellas con la visión de toma de decisiones autónoma, como los bots comerciales automatizados de IA, los bots de rendimiento DeFi de IA), protocolos de Agentes Autónomos, y zkML/opML.

Las aplicaciones de IA son herramientas para tomar decisiones específicas en un campo particular. Acumulan conocimiento y datos de diferentes sectores y se basan en modelos de IA adaptados a problemas específicos para la toma de decisiones. Vale la pena señalar que las aplicaciones de IA se clasifican en interfaces y reglas en este artículo. En cuanto a la visión de desarrollo, las aplicaciones de IA deberían convertirse en agentes de toma de decisiones independientes, pero actualmente, ni la efectividad de los modelos de IA ni la seguridad de la IA integrada pueden cumplir con este requisito. Incluso como interfaces, están algo forzadas. Las aplicaciones de IA todavía están en una etapa muy temprana, con proyectos específicos presentados anteriormente.

Los Agentes Autónomos, mencionados por Vitalik, se clasifican en la primera categoría (IA como participantes), pero este artículo los categoriza en la tercera categoría basándose en su visión a largo plazo. Los Agentes Autónomos utilizan una gran cantidad de datos y algoritmos para simular el pensamiento humano y los procesos de toma de decisiones, ejecutando diversas tareas e interacciones. Este artículo se centra principalmente en la infraestructura de los Agentes, como las capas de comunicación y las capas de red, que definen la propiedad de los Agentes, establecen su identidad, estándares de comunicación y métodos, conectan múltiples aplicaciones de Agentes y les permiten colaborar en la toma de decisiones y comportamiento.

zkML/opML: Asegurar que las salidas proporcionadas a través de procesos de razonamiento de modelos correctos sean creíbles a través de métodos criptográficos o económicos. Los problemas de seguridad son fatales al introducir la IA en contratos inteligentes. Los contratos inteligentes dependen de las entradas para generar salidas y automatizar una serie de funciones. Si la IA proporciona entradas erróneas, introducirá riesgos sistémicos significativos en todo el sistema Cripto. Por lo tanto, zkML/opML y una serie de soluciones potenciales son la base para permitir que la IA actúe de forma independiente y tome decisiones.

Finalmente, los tres juntos constituyen los tres niveles básicos de IA como operadores de reglas: zkml/opml como la infraestructura de nivel más bajo que garantiza la seguridad del protocolo; Los protocolos de Agente establecen el ecosistema del Agente, permitiendo la toma de decisiones colaborativa y el comportamiento; Las aplicaciones de IA, también Agentes de IA específicos, mejorarán continuamente sus capacidades en dominios específicos y realmente tomarán decisiones y acciones.

4.1 Agente Autónomo

La aplicación de Agentes de IA en el mundo de las cripto es natural. Desde contratos inteligentes hasta Bots de TG hasta Agentes de IA, el espacio cripto se está moviendo hacia una automatización más alta y barreras de usuario más bajas. Si bien los contratos inteligentes ejecutan funciones automáticamente a través de código inmutable, todavía dependen de desencadenantes externos para activarse y no pueden ejecutarse de forma autónoma o continua. Los Bots de TG reducen las barreras de usuario al permitir que los usuarios interactúen con la cadena de bloques a través de un lenguaje natural, pero solo pueden realizar tareas simples y específicas y no pueden lograr transacciones centradas en el usuario. Los Agentes de IA, sin embargo, poseen un cierto grado de capacidad de toma de decisiones independiente. Entienden el lenguaje natural y combinan de forma autónoma otros agentes y herramientas de cadena de bloques para lograr los objetivos especificados por el usuario.

Los Agentes de Inteligencia Artificial se dedican a mejorar significativamente la experiencia del usuario de los productos de cripto, mientras que la tecnología blockchain puede mejorar aún más la descentralización, transparencia y seguridad de las operaciones de los Agentes de IA. La asistencia específica incluye:

• Al incentivar a los desarrolladores con tokens para proporcionar más agentes.
• Autenticación de NFT para facilitar actividades de agente basadas en tarifas y transacciones.
• Proporcionar mecanismos de identidad y registro en cadena para agentes.
• Ofreciendo registros de actividad de agentes inmutables para el rastreo oportuno y la responsabilidad de sus acciones.

Los principales proyectos de esta pista son los siguientes:

• Autonolas: Autonolas admite la propiedad de activos y la composabilidad para agentes y componentes relacionados a través de protocolos on-chain, lo que permite descubrir y reutilizar componentes de código, agentes y servicios on-chain, al tiempo que incentiva a los desarrolladores con una compensación económica. Los desarrolladores registran su código on-chain y reciben NFT que representan la propiedad del código después de desarrollar agentes o componentes completos. Los propietarios de servicios colaboran con múltiples agentes para crear un servicio y registrarlo on-chain, atrayendo a operadores de agentes para ejecutar el servicio, al que los usuarios acceden pagando por su uso.
• Fetch.ai: Fetch.ai tiene un sólido equipo con experiencia en el campo de la IA, centrándose actualmente en la pista de agentes de IA. El protocolo consta de cuatro capas clave: agentes de IA, Agentverse, Motor de IA y Red Fetch. Los agentes de IA forman el núcleo del sistema, mientras que los demás proporcionan marcos y herramientas para ayudar en la construcción de servicios de agentes. Agentverse es una plataforma de software como servicio utilizada principalmente para crear y registrar agentes de IA. El Motor de IA tiene como objetivo interpretar las entradas de lenguaje natural del usuario y traducirlas en tareas realizables, seleccionando el agente de IA registrado más adecuado de Agentverse para ejecutar la tarea. Fetch Network es la capa blockchain del protocolo, donde los agentes de IA deben registrarse en el contrato Almanac en cadena para colaborar con otros agentes. Cabe destacar que Autonolas actualmente se centra en construir agentes en el mundo cripto y llevar operaciones de agentes fuera de línea a la cadena de bloques, mientras que el alcance de Fetch.ai incluye el mundo Web2, como reservas de viajes y pronósticos del tiempo.
• Delysium: Delysium ha transitado de los juegos a un protocolo de agente de IA, compuesto principalmente por dos capas: la capa de comunicación y la capa blockchain. La capa de comunicación sirve como la columna vertebral de Delysium, proporcionando una infraestructura segura y escalable para una comunicación eficiente entre agentes de IA. La capa blockchain verifica las identidades de los agentes y registra de forma inmutable el comportamiento de los agentes a través de contratos inteligentes. Específicamente, la capa de comunicación establece un protocolo de comunicación unificado entre agentes, facilitando la comunicación fluida mediante sistemas de mensajería estandarizados. Además, establece protocolos de descubrimiento de servicios y APIs, permitiendo a los usuarios y otros agentes descubrir y conectarse rápidamente con agentes disponibles. La capa blockchain consta principalmente de dos partes: el ID del agente y el contrato inteligente Chronicle. El ID del agente garantiza que solo los agentes legítimos puedan acceder a la red, mientras que Chronicle sirve como un repositorio de registro inmutable para todas las decisiones y acciones significativas realizadas por los agentes, garantizando una trazabilidad confiable del comportamiento de los agentes.
• Máquina de Estado Alterada: La Máquina de Estado Alterada establece estándares para la propiedad de activos y transacciones para agentes a través de NFTs. Aunque ASM se integra principalmente con juegos en la actualidad, sus especificaciones fundamentales también tienen el potencial de expandirse a otros dominios de agentes.
• Morpheous: Morpheous está construyendo una red de ecosistema de agentes de IA, con el objetivo de conectar codificadores, proveedores de computadoras, creadores de comunidades y proveedores de capital, quienes respectivamente proporcionan agentes de IA, potencia de cómputo que respalda las operaciones de los agentes, herramientas de desarrollo y desarrollo front-end, y financiamiento. MOR adoptará un modelo de Lanzamiento Justo para incentivar a los mineros que proporcionan potencia de cómputo, stETH stakers, contribuyentes al desarrollo de agentes o contratos inteligentes, y contribuyentes al desarrollo de la comunidad.

4.2 zkML/opML

La prueba de conocimiento cero actualmente tiene dos direcciones principales de aplicación:

• Prueba de computación correcta a un costo más bajo en cadena (los puentes cruzados ZK-Rollup y ZKP están aprovechando esta característica de ZK);
• Protección de la privacidad: No es necesario conocer los detalles de la computación, pero se puede demostrar que la computación se ejecutó correctamente.

Del mismo modo, la aplicación de ZKP en el aprendizaje automático también se puede dividir en dos categorías:

• Verificación de inferencia: es decir, a través de la prueba de conocimiento cero, demostrando en cadena a un menor costo que el proceso de computación densa de la inferencia del modelo de IA se ejecutó correctamente fuera de la cadena.
• Protección de la privacidad: Puede dividirse en dos categorías. Una es la protección de la privacidad de los datos, que implica utilizar datos privados para inferencia en modelos públicos, lo que se puede lograr utilizando ZKML para proteger la privacidad de los datos. La otra es la protección de la privacidad del modelo, con el objetivo de ocultar información específica como los pesos del modelo, y calcular y derivar resultados de salida a partir de entradas públicas.

El autor cree que, en la actualidad, el aspecto más importante para las criptomonedas es la verificación de la inferencia, y aquí profundizamos en los escenarios para la verificación de la inferencia. Desde la IA como participante hasta la IA como las reglas del mundo, esperamos integrar la IA en los procesos on-chain. Sin embargo, el alto costo computacional de la inferencia de modelos de IA impide la ejecución directa en cadena. Mover este proceso fuera de la cadena significa que debemos tolerar los problemas de confianza que trae esta caja negra: ¿el operador del modelo de IA manipuló mi entrada? ¿Usaron el modelo que especifiqué para la inferencia? Al convertir los modelos de ML en circuitos ZK, podemos lograr: (1) Almacenamiento en cadena de modelos más pequeños, el almacenamiento de modelos zkML pequeños en contratos inteligentes aborda directamente el problema de la opacidad; (2) Completar la inferencia fuera de la cadena mientras se generan pruebas de ZK, utilizando la ejecución en cadena de pruebas de ZK para verificar la corrección del proceso de inferencia. La infraestructura incluirá dos contratos: el contrato principal (que utiliza el modelo ML para generar resultados) y el contrato de verificación ZK-Proof.

zkML todavía está en sus etapas muy tempranas y enfrenta desafíos técnicos en la conversión de modelos de ML en circuitos ZK, así como altos costos computacionales y criptográficos. Similar al camino de desarrollo de Rollup, opML sirve como otra solución desde una perspectiva económica. opML utiliza la suposición AnyTrust de Arbitrum, lo que significa que cada afirmación tiene al menos un nodo honesto, asegurando que el remitente o al menos un verificador sea honesto. Sin embargo, OPML solo puede servir como una alternativa para la verificación de inferencia y no puede lograr protección de privacidad.

Los proyectos actuales están construyendo la infraestructura para zkML y explorando sus aplicaciones. El establecimiento de aplicaciones es igualmente importante porque necesita demostrar claramente a los usuarios de cripto el papel significativo de zkML y probar que el valor final puede superar los enormes costos. En estos proyectos, algunos se centran en el desarrollo de tecnología ZK relacionada con el aprendizaje automático (como Modulus Labs), mientras que otros se centran en la construcción de infraestructura ZK más general. Los proyectos relacionados incluyen:

• Modulus está utilizando zkML para aplicar inteligencia artificial a procesos de inferencia en cadena. El 27 de febrero, Modulus lanzó el probador zkML Remainder, logrando una mejora de eficiencia de 180 veces en comparación con la inferencia de IA tradicional en hardware equivalente. Además, Modulus está colaborando con múltiples proyectos para explorar casos de uso prácticos de zkML. Por ejemplo, se están asociando con Upshot para recopilar datos de mercado complejos, evaluar precios de NFT utilizando IA con pruebas ZK y transmitir los precios a la cadena de bloques. También están colaborando con AI Arena para demostrar que el Avatar en combate y el jugador entrenado son la misma entidad.
• Risc Zero coloca modelos en cadena, y al ejecutar modelos de aprendizaje automático en ZKVM de RISC Zero, pueden demostrar que los cálculos exactos involucrados en el modelo se ejecutan correctamente.
• Ingonyama está desarrollando hardware especializado para la tecnología ZK, lo que podría reducir la barrera de entrada al campo de la tecnología ZK. zkML también podría ser utilizado en el proceso de entrenamiento del modelo.

5 AI Como Objetivo

Si las tres categorías anteriores se centran más en cómo la IA potencia la Cripto, entonces "IA como objetivo" enfatiza la asistencia de la Cripto a la IA, es decir, cómo utilizar la Cripto para crear mejores modelos y productos de IA. Esto puede incluir múltiples criterios de evaluación como mayor eficiencia, precisión y descentralización. La IA comprende tres elementos principales: datos, potencia de cálculo y algoritmos, y en cada dimensión, la Cripto se esfuerza por proporcionar un apoyo más efectivo para la IA:

• Los datos: Los datos sirven como base para el entrenamiento de modelos, y los protocolos de datos descentralizados incentivan a individuos o empresas a proporcionar más datos privados mientras utilizan la criptografía para proteger la privacidad de los datos y prevenir la fuga de información personal sensible.
• Potencia de cómputo: La pista de potencia de cómputo descentralizada es actualmente la pista de IA más candente. Los protocolos facilitan la coincidencia de la oferta y la demanda en el mercado, promoviendo el emparejamiento de la potencia de cómputo de larga cola con las empresas de IA para el entrenamiento y la inferencia de modelos.
• Algoritmos: el empoderamiento de los algoritmos en la Cripto es el aspecto más crucial para lograr la IA descentralizada, como se describe en el artículo de Vitalik Buterin "La IA como objetivo". Al crear una IA de caja negra descentralizada y confiable, se pueden abordar problemas como el aprendizaje automático adversarial. Sin embargo, este enfoque puede enfrentar obstáculos significativos como altos costos criptográficos. Además, "utilizar incentivos criptográficos para fomentar la creación de una mejor IA" puede lograrse sin sumergirse por completo en el agujero de conejo de la criptografía.

La monopolización de datos y potencia de cálculo por parte de grandes empresas tecnológicas ha llevado a un monopolio en el proceso de entrenamiento del modelo, donde los modelos de código cerrado se convierten en impulsores clave de beneficios para estas corporaciones. Desde una perspectiva de infraestructura, la Cripto incentiva el suministro descentralizado de datos y potencia de cálculo a través de medios económicos. Además, garantiza la privacidad de datos durante el proceso a través de métodos criptográficos. Esto sirve como base para facilitar el entrenamiento de modelos descentralizado, con el objetivo de lograr un ecosistema de IA más transparente y descentralizado.

5.1 Protocolo de Datos Descentralizado

Los protocolos de datos descentralizados operan principalmente a través de la externalización de datos, incentivando a los usuarios a proporcionar conjuntos de datos o servicios de datos (como etiquetado de datos) para que las empresas los utilicen en el entrenamiento de modelos. También establecen Mercados de Datos para facilitar la coincidencia entre la oferta y la demanda. Algunos protocolos también están explorando la incentivación de los usuarios a través de los protocolos DePIN para adquirir datos de navegación o utilizar dispositivos/banda ancha de los usuarios para la extracción de datos web.

• Ocean Protocol: Tokeniza la propiedad de los datos y permite a los usuarios crear NFT para datos/algoritmos de manera sencilla en Ocean Protocol, creando simultáneamente datatokens correspondientes para controlar el acceso a los NFT de datos. Ocean Protocol garantiza la privacidad de los datos a través de Compute To Data (C2D), donde los usuarios solo pueden obtener resultados de salida basados en datos/algoritmos, sin descargas completas. Establecido en 2017 como un mercado de datos, Ocean Protocol naturalmente se subió al carro de la IA en esta tendencia actual.
• Synesis One: Este proyecto es la plataforma Train2Earn en Solana, donde los usuarios ganan recompensas $SNS al proporcionar datos de lenguaje natural y etiquetado de datos. Los usuarios apoyan la minería al proporcionar datos, que se almacenan y se colocan en cadena después de la verificación, luego son utilizados por empresas de IA para entrenamiento e inferencia. Los mineros se dividen en tres categorías: Arquitectos / Constructores / Validadores. Los Arquitectos crean nuevas tareas de datos, los Constructores proporcionan datos de texto para tareas específicas, y los Validadores verifican los conjuntos de datos proporcionados por los Constructores. Los conjuntos de datos completados se almacenan en IPFS y sus fuentes, junto con las direcciones de IPFS, se almacenan en una base de datos fuera de la cadena para que las empresas de IA (actualmente Mind AI) las utilicen.

Grass: La capa de datos descentralizada, apodada como IA, funciona esencialmente como un mercado de raspado de datos descentralizado, obteniendo datos para fines de entrenamiento de modelos de IA. Los sitios web de Internet sirven como fuentes vitales de datos de entrenamiento para la IA, con muchos sitios como Twitter, Google y Reddit que tienen un valor significativo. Sin embargo, estos sitios web imponen continuamente restricciones al raspado de datos. Grass aprovecha el ancho de banda no utilizado dentro de las redes individuales para mitigar el impacto del bloqueo de datos mediante el uso de direcciones IP diferentes para extraer datos de sitios web públicos. Realiza la limpieza inicial de datos y sirve como fuente de datos para los esfuerzos de entrenamiento de modelos de IA. Actualmente en la fase de pruebas beta, Grass permite a los usuarios ganar puntos proporcionando ancho de banda, que se pueden canjear por posibles lanzamientos aéreos.

Protocolo AIT: El Protocolo AIT es un protocolo descentralizado de etiquetado de datos diseñado para proporcionar a los desarrolladores conjuntos de datos de alta calidad para el entrenamiento de modelos. Web3 permite a las fuerzas laborales globales acceder rápidamente a la red y ganar incentivos a través del etiquetado de datos. Los científicos de datos de AIT etiquetan previamente los datos, que luego son procesados por los usuarios. Después de pasar controles de calidad por parte de los científicos de datos, los datos validados se proporcionan a los desarrolladores para su uso.

Además de los protocolos de provisión de datos y etiquetado de datos mencionados anteriormente, infraestructuras de almacenamiento descentralizado anteriores como Filecoin, Arweave y otros también contribuirán a un suministro de datos más descentralizado.

5.2 Potencia informática descentralizada

En la era de la IA, la importancia de la potencia de cálculo es evidente por sí misma. No solo ha aumentado el precio de las acciones de NVIDIA, sino que en el mundo de la cripto, la potencia de cálculo descentralizada puede considerarse la dirección de nicho más candente en la pista de la IA. De los 200 mejores proyectos de IA por capitalización de mercado, 5 proyectos (Render/Akash/AIOZ Network/Golem/Nosana) se centran en la potencia de cálculo descentralizada y han experimentado un crecimiento significativo en los últimos meses. Muchos proyectos en el rango de capitalización de mercado bajo también han visto la aparición de plataformas de potencia de cálculo descentralizada. Aunque apenas están comenzando, han ganado rápidamente impulso, especialmente con la ola de entusiasmo de la conferencia de NVIDIA.

Desde las características de la trayectoria, la lógica básica de los proyectos en esta dirección es altamente homogénea: utilizar incentivos de tokens para animar a individuos o empresas con recursos informáticos inactivos a proporcionar recursos, reduciendo así significativamente los costos de uso y estableciendo un mercado de oferta y demanda para la potencia informática. Actualmente, las principales fuentes de potencia informática provienen de centros de datos, mineros (especialmente después de que Ethereum haga la transición a PoS), potencia informática a nivel de consumidor y colaboraciones con otros proyectos. Aunque homogeneizada, esta es una trayectoria donde los proyectos líderes tienen altas barreras de entrada. Las principales ventajas competitivas de los proyectos provienen: recursos de potencia informática, precios de arrendamiento de potencia informática, tasas de utilización de potencia informática y otras ventajas técnicas. Los proyectos líderes en esta trayectoria incluyen Akash, Render, io.net y Gensyn.

Según las direcciones comerciales específicas, los proyectos pueden dividirse aproximadamente en dos categorías: inferencia de modelos de IA y entrenamiento de modelos de IA. Dado que los requisitos de potencia de cálculo y ancho de banda para el entrenamiento de modelos de IA son mucho más altos que para la inferencia, y el mercado de inferencia de modelos está expandiéndose rápidamente, los ingresos previsibles serán significativamente mayores que el entrenamiento de modelos en el futuro. Por lo tanto, actualmente, la gran mayoría de proyectos se centran en la dirección de inferencia (Akash, Render,io.net), con Gensyn centrándose en la formación. Entre ellos, Akash y Render no fueron desarrollados inicialmente para la computación de IA. Akash fue utilizado originalmente para la computación general, mientras que Render se utilizaba principalmente para la renderización de video e imágenes. io.net está diseñado específicamente para la computación de IA, pero después de que la IA aumentara el nivel de demanda computacional, todos estos proyectos han tendido a desarrollarse en la dirección de la IA.

Los dos indicadores competitivos más importantes siguen proviniendo del lado de la oferta (recursos de potencia de cálculo) y del lado de la demanda (utilización de la potencia de cálculo). Akash tiene 282 GPUs y más de 20,000 CPUs, con más de 160,000 arrendamientos completados, y una tasa de utilización de red de GPUs del 50-70%, que es una buena cifra en esta área. io.net tiene 40,272 GPUs y 5,958 CPUs, junto con 4,318 GPUs de Render y 159 CPUs, y la licencia de uso de 1,024 GPUs de Filecoin, incluyendo alrededor de 200 H100s y miles de A100s. io.net está atrayendo recursos de potencia de cálculo con expectativas de airdrop extremadamente altas, y los datos de GPU están creciendo rápidamente, lo que requiere una reevaluación de su capacidad para atraer recursos después de que se liste el token. Render y Gensyn no han revelado datos específicos. Además, muchos proyectos están mejorando su competitividad en ambos lados, tanto en la oferta como en la demanda, a través de colaboraciones en el ecosistema. Por ejemplo, io.net utiliza la potencia de cálculo de Render y Filecoin para mejorar sus propias reservas de recursos, y Render ha establecido el Programa de Cliente de Cómputo (RNP-004), permitiendo a los usuarios acceder indirectamente a los recursos de potencia de cálculo de Render a través de clientes de cómputo como io.net, Nosana, FedMl y Beam, y así pasar rápidamente del campo de renderización al cómputo de inteligencia artificial.

Además, la verificación de la computación descentralizada sigue siendo un desafío: cómo demostrar que los trabajadores con recursos computacionales ejecutan correctamente las tareas de cómputo. Gensyn está intentando establecer una capa de verificación, asegurando la corrección de los cálculos a través de pruebas de aprendizaje probabilísticas, protocolos de posicionamiento preciso basados en gráficos e incentivos. Los validadores y reporteros inspeccionan conjuntamente los cálculos en Gensyn, por lo que además de proporcionar soporte computacional para el entrenamiento descentralizado, su mecanismo de verificación establecido también tiene un valor único. El protocolo de cómputo Fluence, situado en Solana, también mejora la validación de las tareas de cómputo. Los desarrolladores pueden verificar si sus aplicaciones se ejecutan según lo esperado y si los cálculos se realizan correctamente examinando las pruebas proporcionadas por los proveedores en cadena. Sin embargo, la necesidad práctica todavía prioriza la viabilidad sobre la confiabilidad. Las plataformas informáticas deben tener primero suficiente potencia computacional para ser competitivas. Por supuesto, para los excelentes protocolos de verificación, está la opción de acceder a recursos computacionales de otras plataformas, sirviendo como capas de validación y protocolo para desempeñar un papel único.

5.3 Modelo Descentralizado

El escenario definitivo descrito por Vitalik, como se muestra en el diagrama a continuación, todavía está muy lejano. Actualmente, no podemos lograr una inteligencia artificial de caja negra confiable creada a través de tecnologías de blockchain y encriptación para abordar el aprendizaje automático adversarial. Encriptar todo el proceso de inteligencia artificial, desde los datos de entrenamiento hasta las salidas de consulta, conlleva costos significativos. Sin embargo, hay proyectos que actualmente intentan incentivar la creación de mejores modelos de inteligencia artificial. Primero, conectan los estados cerrados entre diferentes modelos, creando un entorno donde los modelos pueden aprender unos de otros, colaborar y participar en una competencia saludable. Bittensor es uno de los proyectos más representativos en este sentido.

Bittensor: Bittensor facilita la integración de varios modelos de IA, pero es importante tener en cuenta que Bittensor en sí no se involucra en el entrenamiento de modelos; en cambio, proporciona principalmente servicios de inferencia de IA. Sus 32 subredes se centran en diferentes direcciones de servicio, como la obtención de datos, la generación de texto, Text2Image, etc. Al completar una tarea, los modelos de IA pertenecientes a diferentes direcciones pueden colaborar entre sí. Los mecanismos de incentivos impulsan la competencia entre subredes y dentro de las subredes. Actualmente, las recompensas se distribuyen a una tasa de 1 TAO por bloque, totalizando aproximadamente 7200 tokens TAO al día. Los 64 validadores en SN0 (Red Raíz) determinan el ratio de distribuciónde estas recompensas entre diferentes subredes basadas en el rendimiento de la subred. Por otro lado, los validadores de la subred determinan la proporción de distribución entre diferentes mineros basada en su evaluación del trabajo. Como resultado, los servicios y modelos de mejor rendimiento reciben más incentivos, promoviendo una mejora general en la calidad de la inferencia del sistema.

6 Conclusión: ¿Es MEME Solo un Hype o una Revolución Tecnológica?

Desde los movimientos de Sam Altman que impulsan los precios disparados de ARKM y WLD hasta la conferencia de Nvidia que impulsa una serie de proyectos participantes, muchos están ajustando sus ideas de inversión en el campo de la inteligencia artificial. ¿Está el campo de la IA impulsado principalmente por la especulación de memes o por la revolución tecnológica?

Aparte de algunos temas de celebridades (como ARKM y WLD), el campo general de la IA en cripto parece más bien un “meme impulsado por la narrativa tecnológica.”

Por un lado, la especulación general en el campo de la Cripto IA está sin duda estrechamente vinculada al progreso de la IA Web2. La publicidad externa liderada por entidades como OpenAI actuará como catalizador para el campo de la Cripto IA. Por otro lado, la historia del campo de la IA sigue girando en torno a narrativas tecnológicas. Sin embargo, es crucial enfatizar la “narrativa tecnológica” en lugar de solo la tecnología en sí. Esto subraya la importancia de elegir direcciones específicas dentro del campo de la IA y prestar atención a los fundamentos del proyecto. Es necesario encontrar direcciones narrativas con valor especulativo, así como proyectos con competitividad a largo plazo y fosos.

Al observar las cuatro posibles combinaciones propuestas por Vitalik, vemos un equilibrio entre el encanto narrativo y la viabilidad. En las primeras y segundas categorías, representadas por aplicaciones de IA, observamos muchos envoltorios GPT. Si bien estos productos se implementan rápidamente, también muestran un alto grado de homogeneidad empresarial. La ventaja del primer movimiento, los ecosistemas, la base de usuarios y los ingresos se convierten en las historias contadas en el contexto de la competencia homogénea. Las terceras y cuartas categorías representan grandes narrativas que combinan la IA con la cripto, como las redes de colaboración Agent on-chain, zkML y el remodelado descentralizado de la IA. Estos todavía están en las primeras etapas, y los proyectos con innovación tecnológica atraerán rápidamente fondos, incluso si solo están en las primeras etapas de implementación.

Descargo de responsabilidad：

1. Este artículo es reimpreso de [ Metrics Ventures]. Reenviar el Título Original 'Informe de Metrics Ventures | ¿Qué subcategorías de Crypto×AI son dignas de atención, a partir del artículo de V?'. Todos los derechos de autor pertenecen al autor original [ @charlotte0211z，@BlazingKevin_，Metrics Ventures]. Si hay objeciones a esta reimpresión, por favor contacte al Gate Learnequipo, y lo resolverán rápidamente.
2. Descargo de responsabilidad: Las opiniones expresadas en este artículo son únicamente las del autor y no constituyen ningún consejo de inversión.
3. Las traducciones del artículo a otros idiomas son realizadas por el equipo de Gate Learn. A menos que se mencione, está prohibido copiar, distribuir o plagiar los artículos traducidos.