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?'

1 Introdução: Quatro maneiras de combinar Cripto com IA

A descentralização é o consenso mantido pelo blockchain, garantindo que a segurança seja o princípio central, e a abertura é a base fundamental do ponto de vista criptográfico para fazer com que o comportamento on-chain possua as características mencionadas. Esta abordagem tem sido aplicável em várias rodadas de revoluções blockchain nos últimos anos. No entanto, quando a inteligência artificial se envolve, a situação passa por algumas mudanças.

Imagine projetar a arquitetura de blockchain ou aplicativos por meio de inteligência artificial. Nesse caso, o modelo precisa ser de código aberto, mas fazê-lo exporia sua vulnerabilidade no aprendizado de máquina adversário. Por outro lado, não ser de código aberto resultaria na perda da descentralização. Portanto, é necessário considerar de que forma e em que medida a integração deve ser realizada ao introduzir inteligência artificial nos atuais blockchain ou aplicativos.

Origem: UNIVERSIDADE DE ETHEREUM

No artigo ‘Quando Gigantes Colidem: Explorando a Convergência de Cripto x IAde@uethNa UNIVERSIDADE DE ETHEREUM, as diferenças nas características principais entre inteligência artificial e blockchain são delineadas. 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 dela 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 aplicações formadas pela combinação de inteligência artificial e blockchain em quatro tipos principais:

• IA como um jogador em um jogo
• IA como uma interface para o jogo
• IA como as regras do jogo
• IA como objetivo do jogo

Dentre eles, os três primeiros representam principalmente três maneiras pelas quais a IA é introduzida no mundo da Cripto, representando três níveis de profundidade, do raso ao profundo. De acordo com a compreensão do autor, essa classificação representa o grau em que a IA influencia a tomada de decisão humana e, assim, introduz diferentes níveis de risco sistêmico para todo o mundo da Cripto:

• Inteligência artificial como participante em aplicações: A inteligência artificial em si não influencia as decisões e comportamentos humanos, portanto, não representa riscos para o mundo real. Portanto, atualmente, ela 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 o comportamento humano, o que melhora a experiência do usuário e do desenvolvedor e reduz as barreiras. No entanto, informações ou operações incorretas podem introduzir alguns riscos no mundo real.
• Inteligência artificial como as regras de aplicativos: 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 quanto 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 de energia, 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. Esta pista também se tornou a parte mais intensamente especulada da pista de IA devido à sua grande visão.

2 AI Como Participante

Em mecanismos em que a IA participa, a fonte final de incentivos muitas vezes vem de protocolos inseridos por humanos. Antes que a IA se torne uma interface ou até mesmo uma regra, normalmente 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, comparativamente a ser uma interface ou regra, os riscos para os usuários e para todo o sistema são geralmente negligenciáveis. Pode ser considerado como uma etapa necessária antes que a IA influencie profundamente as decisões e comportamentos do usuário. Portanto, os custos e compensações necessários para a fusão de inteligência artificial e blockchain neste nível são relativamente pequenos. Isso também é uma categoria de produtos que Vitalik acredita atualmente ter um alto grau de praticidade.

Em termos de amplitude e implementação, muitas das atuais aplicações de IA se enquadram nessa categoria, como bots de negociação e chatbots potencializados por IA. O nível atual de implementação ainda torna difícil para a IA servir como uma interface ou até mesmo uma regra. Os usuários estão comparando e otimizando gradualmente entre diferentes bots, e os usuários de cripto ainda não desenvolveram o hábito de usar aplicações de IA. No artigo de Vitalik, Agentes Autônomos também são classificados nessa categoria.

No entanto, em um sentido mais restrito e a partir de uma perspectiva 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 IA

Até certo ponto, os jogos de IA podem, de fato, ser classificados nesta categoria. Os jogadores interagem com a IA e treinam seus personagens de IA para se adequarem melhor às suas preferências pessoais, como alinhar-se mais estreitamente com os gostos individuais ou tornar-se mais competitivos dentro das mecânicas do jogo. Os jogos servem como um estágio de transição para a IA antes de entrar no mundo real. Eles também representam uma trilha com riscos de implementação relativamente baixos e são os mais fáceis para os usuários comuns entenderem. Projetos icônicos 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 do jogo usando IA. O jogo tem como objetivo permitir que usuários comuns interajam, entendam e experimentem a IA por meio de jogos, ao mesmo tempo em que fornece aos engenheiros de IA vários algoritmos de IA para aumentar sua renda. Cada personagem do jogo é alimentado por NFTs habilitados para IA, com o Core contendo a arquitetura e parâmetros do modelo de IA 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 seu personagem por meio do aprendizado por imitação (IL). Cada vez que um usuário treina um personagem e salva o progresso, os parâmetros são atualizados no IPFS.
  

• Máquina de Estado Alterada: .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 com vários jogos, incluindo FIFA, introduzindo agentes de IA em jogos e no metaverso. A 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 do agente e treinamento do modelo, vinculadas ao Cérebro) e Forma (aparência do personagem, etc.). A ASM possui um módulo Gym, incluindo um provedor de nuvem GPU descentralizado, para fornecer suporte computacional para os agentes. Os projetos atualmente construídos na ASM incluem AIFA (jogo de futebol de IA), Muhammed Ali (jogo de boxe de IA), AI League (jogo de futebol de rua em parceria com a FIFA), Raicers (jogo de corrida movido a IA) e Thingies do FLUF World (NFTs generativos).
  

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

2.2 Previsão de Mercado/Concurso

A capacidade preditiva é a base para a IA tomar decisões e comportamentos futuros. Antes que os modelos de IA sejam usados para previsões práticas, competições de previsão comparam o desempenho dos modelos de IA em um nível mais alto. 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 de Cripto×IA. Isso continua a promover o desenvolvimento de modelos e aplicações mais eficientes e de alto desempenho adequados para o mundo cripto. Antes que a IA influencie profundamente a tomada de decisões e comportamentos, isso cria produtos de maior qualidade e mais seguros. Como Vitalik afirmou, os mercados de previsão são um primitivo poderoso que pode ser expandido para muitos outros tipos de problemas. Projetos icônicos nessa trajetória incluem Numerai e Ocean Protocol.

• Numerai: Numerai é uma competição de ciência de dados em execução há muito tempo, 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 de bom desempenho recebendo recompensas em tokens NMR, enquanto tokens apostados em modelos de 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 crowdsourced→a criação de novos fundos de hedge baseados em modelos crowdsourced.
• Ocean Protocol: Ocean Predictor foca em previsões, começando com previsões crowdsourced de tendências de criptomoedas. Os jogadores podem escolher executar o bot Predictoor 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 na quantidade apostada. Os Traders compram os resultados das previsões e podem negociar com base nelas. 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 clima e energia.
  

3 IA Como Uma Interface

A IA pode ajudar os usuários a entender o que está acontecendo no mundo cripto usando linguagem simples e fácil de entender, atuando como mentor para os usuários e fornecendo alertas para riscos potenciais para reduzir as barreiras de entrada e os riscos do usuário na Cripto, melhorando assim a experiência do usuário. As funcionalidades dos produtos que podem ser realizadas são diversas, como alertas de risco durante interações com carteira, negociação de intenções impulsionada por IA, chatbots de IA capazes de responder perguntas comuns dos usuários sobre cripto e muito mais. A audiência para esses serviços está se expandindo, incluindo não apenas usuários comuns, mas também desenvolvedores, analistas e quase todos os outros grupos, tornando-os potenciais receptores de serviços de IA.

Vamos reiterar as semelhanças desses projetos: eles 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 totalmente 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 estão 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 conhecimento relacionado a criptomoedas. Integrado com plataformas como Telegram (TG) e Discord, o PaaL fornece aos usuários funcionalidades como análise de dados de tokens, análise de fundamentos de tokens e análise de economia 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 reduzir a barreira de entrada para os usuários.

ChainGPT: ChainGPT depende de inteligência artificial para desenvolver uma série de ferramentas de cripto, como chatbot, gerador NFT, coletor de notícias, geração e auditoria de contratos inteligentes, assistente de transações, mercado Prompt e troca cruzada de IA. No entanto, o foco atual do ChainGPT está na incubação de projetos e Launchpad, e ele 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 mescla 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 na forma de gráfico. No entanto, a documentação da Arkham não fornece discussões detalhadas sobre o sistema Ultra. 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 gerenciamento de fluxo de trabalho automatizada projetada para permitir que os usuários implantem e gerenciem vários tipos de funções de automação sem programação. Por exemplo, os usuários podem enviar o preço do Bitcoin do Coingecko para um Bot do TG a cada 5 minutos. A solução do GraphLinq visualiza processos de automação usando gráficos, permitindo aos usuários criar tarefas de automação arrastando nós e usando o Motor GraphLinq para executá-las. Embora não seja necessário codificação, o processo de criação de um gráfico ainda possui uma certa curva de aprendizado para usuários comuns, incluindo a seleção do modelo apropriado e a escolha e conexão de blocos lógicos adequados entre centenas de opções. Para resolver isso, o GraphLinq está introduzindo IA para permitir que os usuários construam e gerenciem tarefas de automação usando inteligência artificial conversacional e linguagem natural, simplificando assim o processo para usuários que possam não estar familiarizados com aspectos técnicos.
• 0x0.ai:Os negócios relacionados à IA da 0x0 incluem principalmente três aspectos: auditoria de contratos inteligentes de IA, detecção de anti-Rug de IA e centro de desenvolvedores de IA. Dentre eles, a detecção de anti-Rug de IA visa detectar comportamentos suspeitos como impostos excessivos ou drenagem de liquidez para evitar que os usuários sejam enganados. O centro de desenvolvedores de IA utiliza técnicas de aprendizado de máquina para gerar contratos inteligentes, permitindo a implantação 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 gerenciar seus ativos de criptomoeda, semelhante à lógica do copy-trading. Zignaly está utilizando tecnologias de machine learning e inteligência artificial para estabelecer um sistema de avaliação de gestores de fundos. O primeiro produto lançado chama-se Z-Score. No entanto, como um produto de inteligência artificial, ainda é relativamente básico em sua forma atual.
  

4 IA Como As Regras Do Jogo

Esta é a parte mais emocionante—habilitar a IA para substituir a tomada de decisão e comportamento humano. Sua IA irá controlar diretamente sua carteira, tomando decisões de negociação e ações em seu nome. Nesta categoria, o autor acredita que pode ser principalmente dividido em três níveis: aplicações de IA (especialmente aquelas com a visão de tomada de decisão autônoma, como bots de negociação automatizados de IA, bots de rendimento DeFi de IA), protocolos de Agente Autônomo e zkML/opML.

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

Agentes Autônomos, mencionados por Vitalik, são classificados na primeira categoria (IA como participantes), mas este artigo os categoriza na terceira categoria com base em sua visão de longo prazo. Agentes Autônomos 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 se concentra principalmente na infraestrutura dos Agentes, como camadas de comunicação e camadas de rede, que definem a propriedade dos Agentes, estabelecem sua identidade, padrões de comunicação e métodos, conectam várias aplicações de Agentes e os capacitam a colaborar na tomada de decisões e comportamentos.

zkML/opML: Garantir que as saídas fornecidas por meio de processos de raciocínio do modelo correto sejam credíveis por meio de métodos criptográficos ou econômicos. As questões de segurança são fatais ao introduzir IA em contratos inteligentes. Os contratos inteligentes dependem de entradas para gerar saídas e automatizar uma série de funções. Se a IA fornecer entradas incorretas, ela 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 aja 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; Protocolos de Agent estabelecem o ecossistema do Agente, permitindo a tomada de decisões e comportamentos colaborativos; 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 Autônomo

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 se movendo em direção à automação superior e barreiras de usuários inferiores. Enquanto os contratos inteligentes executam funções automaticamente através de código imutável, ainda dependem de gatilhos externos para ativar e não podem funcionar autonomamente ou continuamente. Os Bots TG reduzem as barreiras do usuário permitindo que os usuários interajam com o 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 atingir metas especificadas pelo usuário.

Os Agentes de IA são dedicados a melhorar significativamente a experiência do usuário de produtos de cripto, enquanto a tecnologia blockchain pode aprimorar ainda mais a descentralização, transparência e segurança das operações do Agente 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 on-chain para agentes.
• Oferecendo logs de atividade de agentes imutáveis para rastreamento oportuno e responsabilidade de suas ações.

Os principais projetos deste rastreamento são os seguintes:

• Autonolas: Autonolas suporta a propriedade de ativos e composabilidade para agentes e componentes relacionados por meio 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 registram seu código on-chain e recebem NFTs representando a propriedade do código após desenvolverem agentes ou componentes completos. Os proprietários de serviços colaboram com vários agentes para criar um serviço e o registram on-chain, atraindo operadores de agentes para executar o serviço, que os usuários acessam pagando por seu uso.
• Fetch.ai: Fetch.ai possui uma forte formação de equipe e experiência de desenvolvimento no campo de IA, atualmente focando na área de agentes de IA. O protocolo é composto por quatro camadas principais: 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 agente. O Agentverse é uma plataforma de software como serviço usada principalmente para criar e registrar agentes de IA. O Motor de IA tem como objetivo interpretar entradas de linguagem natural do usuário e traduzi-las em tarefas acionáveis, selecionando o agente de IA registrado mais adequado do Agentverse para executar a tarefa. A Rede Fetch é a camada blockchain do protocolo, onde os agentes de IA devem se registrar no contrato Almanaque on-chain para colaborar com outros agentes. Vale ressaltar que a 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 do tempo.
• 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, fornecendo uma infraestrutura segura e escalável para comunicação eficiente entre agentes de IA. A camada de blockchain verifica identidades de agentes e registra o comportamento dos agentes de forma imutável por meio de contratos inteligentes. Especificamente, a camada de comunicação estabelece um protocolo de comunicação unificado entre agentes, facilitando a comunicação sem falhas usando sistemas de mensagens padronizados. Além disso, estabelece protocolos de descoberta de serviços e APIs, permitindo que usuários e outros agentes descubram e se conectem rapidamente a agentes disponíveis. A camada de blockchain consiste principalmente em duas partes: ID do Agente e o contrato inteligente Chronicle. O ID do Agente garante que apenas agentes legítimos possam acessar a rede, enquanto o Chronicle serve como um repositório de log imutável para todas as decisões e ações significativas feitas pelos agentes, garantindo rastreabilidade confiável do comportamento do agente.
• Máquina de Estado Alterada: Máquina de Estado Alterada estabelece padrões para propriedade de ativos e transações para agentes por meio de NFTs. Embora a ASM integre principalmente jogos atualmente, suas especificações fundamentais também têm potencial para expansão para outros domínios de agentes.
• Morpheous: Morpheous está construindo uma rede de ecossistema de agentes de IA, com o objetivo de conectar programadores, provedores de computação, construtores de comunidades e provedores de capital, que fornecem respectivamente agentes de IA, potência de computação para suportar operações de agentes, ferramentas de desenvolvimento e front-end, e financiamento. MOR adotará um modelo de Fair Launch para incentivar os mineradores que fornecem potência de computação, stETH stakers, contribuidores para o desenvolvimento de agentes ou contratos inteligentes e contribuidores para o desenvolvimento da comunidade.

4.2 zkML/opML

Prova de conhecimento zero atualmente tem duas principais direções de aplicação:

• Prova de cálculo correto a um custo menor on-chain (ZK-Rollup e pontes cross-chain ZKP estão alavancando esse recurso de ZK);
• Proteção da privacidade: Não é necessário conhecer os detalhes da computação, mas é possível provar 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, por meio de prova de conhecimento zero, comprovando na cadeia a um custo menor que o processo de computação densa de inferência de 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 nós elaboramos ainda 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. Movendo esse processo off-chain significa que devemos tolerar os problemas de confiança trazidos por essa caixa preta - o operador do modelo de IA alterou minha entrada? Eles usaram o modelo que especifiquei para a inferência? Convertendo modelos de ML em circuitos ZK, podemos alcançar: (1) Armazenamento on-chain de modelos menores, armazenando pequenos modelos zkML em contratos inteligentes aborda diretamente o problema de opacidade; (2) Completando a inferência off-chain enquanto geramos 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 custos gerais criptográficos. Semelhante ao caminho de desenvolvimento da 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 remetente 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.

Projetos atuais estão construindo a infraestrutura para zkML e explorando suas aplicações. O estabelecimento de aplicações é igualmente importante porque precisa demonstrar claramente aos usuários de cripto o papel significativo do zkML e provar que o valor final pode superar os custos enormes. Nesses projetos, alguns se concentram no desenvolvimento de tecnologia ZK relacionada à aprendizagem de máquinas (como Modulus Labs), enquanto outros se concentram na construção de infraestrutura ZK mais geral. Projetos relacionados incluem:

• Modulus está utilizando 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 colaborando com vários projetos para explorar casos de uso práticos do zkML. Por exemplo, eles estão se associando à Upshot para coletar dados de mercado complexos, avaliar preços de NFT usando IA com provas ZK e transmitir os preços para a blockchain. Eles também estão colaborando com a AI Arena para comprovar que o Avatar em combate e o jogador treinado são a mesma entidade.
• Risc Zero coloca modelos on-chain e, ao executar modelos de aprendizado de máquina no ZKVM da RISC Zero, eles podem provar que os cálculos exatos envolvidos no modelo são executados corretamente.
• Ingonyama está desenvolvendo hardware especializado para a tecnologia ZK, o que pode reduzir a barreira de entrada para o campo da tecnologia ZK. zkML também poderia ser usado no processo de treinamento do modelo.

5 IA Como Um Objetivo

Se as três categorias anteriores focam 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 base para o treinamento de modelos e os protocolos de dados descentralizados incentivam indivíduos ou empresas a fornecerem mais dados privados, enquanto utilizam a criptografia para proteger a privacidade dos dados e evitar o vazamento de informações pessoais sensíveis.
• Poder de Computação: A faixa de poder de computação descentralizada é atualmente a faixa de IA mais quente. Os protocolos facilitam a correspondência entre oferta e demanda no mercado, promovendo o pareamento do poder de computação de longo prazo com empresas de IA para treinamento e inferência de modelos.
• Algoritmos: O empoderamento dos algoritmos pela criptografia é o aspecto mais crucial para alcançar a IA descentralizada, conforme descrito no artigo "AI as a Goal", de Vitalik Buterin. Ao criar IA de caixa preta descentralizada e confiável, questões como o aprendizado de máquina adversário podem ser abordadas. No entanto, essa abordagem pode enfrentar obstáculos significativos, como altos custos criptográficos. Além disso, "usar incentivos criptográficos para incentivar a criação de melhor IA" 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 de modelos, 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, visando alcançar um ecossistema de IA mais transparente e descentralizado.

5.1 Protocolo de Dados Descentralizado

Protocolos de dados descentralizados operam principalmente por meio da colaboração de dados, incentivando os usuários a fornecer conjuntos de dados ou serviços de dados (como rotulagem de dados) para empresas usarem no treinamento de modelos. Eles também estabelecem Mercados de Dados para facilitar a correspondência entre oferta e demanda. Alguns protocolos também estão explorando a incentivização dos usuários por meio de protocolos DePIN para adquirir dados de navegação ou utilizar dispositivos/largura de banda dos usuários para raspagem de dados da web.

• Ocean Protocol: Tokeniza a propriedade de dados e permite que os usuários criem NFTs para dados/algoritmos de forma sem código 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 usuários só podem obter resultados de saída com base em dados/algoritmos, sem downloads completos. Estabelecido em 2017 como um mercado de dados, o Ocean Protocol naturalmente aproveitou a onda da IA nessa tendência atual.
• Synesis One: Este projeto é a plataforma Train2Earn na Solana, onde os usuários ganham recompensas $SNS fornecendo dados de linguagem natural e rotulagem de dados. Os usuários apoiam a mineração fornecendo dados, que são armazenados e colocados on-chain após verificação, e depois usados por empresas de IA para treinamento e inferência. Os mineradores são divididos em três categorias: Arquitetos/Construtores/Validadores. Arquitetos criam novas tarefas de dados, Construtores fornecem dados de texto para tarefas específicas, e Validadores verificam os conjuntos de dados fornecidos pelos Construtores. Os conjuntos de dados concluídos são armazenados no IPFS e suas fontes, juntamente com os endereços do IPFS, são armazenados em um banco de dados off-chain para que as empresas de IA (atualmente Mind AI) usem.

Grass: A camada de dados descentralizada, apelidada de IA, funciona essencialmente como um mercado de raspagem 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 tendo um valor significativo. No entanto, esses sites impõem continuamente restrições à raspagem de dados. O Grass aproveita a largura de banda não utilizada em redes individuais para mitigar o impacto do bloqueio de dados, empregando diferentes endereços IP para raspar dados de sites públicos. Ele realiza a limpeza inicial dos 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 de rotulagem de dados descentralizado projetado para fornecer aos desenvolvedores conjuntos de dados de alta qualidade para treinamento de modelos. O Web3 permite que forças de trabalho globais acessem rapidamente a rede e ganhem incentivos através da rotulagem de dados. Os cientistas de dados da AIT pré-rotulam os dados, que são então processados posteriormente pelos usuários. Após passar por verificações de qualidade pelos cientistas de dados, os dados validados são fornecidos aos desenvolvedores para uso.

Além dos protocolos de fornecimento de dados e rotulagem de dados mencionados anteriormente, infraestruturas de armazenamento descentralizadas anteriores, como Filecoin, Arweave e outros, 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 autoevidente. Não apenas 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 trilha de IA - dos 200 principais projetos de IA por capitalização de mercado, 5 projetos (Render/Akash/AIOZ Network/Golem/Nosana) focam 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 começando, eles rapidamente ganharam impulso, especialmente com a onda de entusiasmo da conferência da NVIDIA.

Das características da trilha, a lógica básica dos projetos nessa direção é altamente homogênea - usando 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 de energia de computação. Atualmente, as principais fontes de energia de computação vêm de centros de dados, mineradores (especialmente após a transição do Ethereum para PoS), energia de computação de nível do consumidor e colaborações com outros projetos. Embora homogeneizado, este é um campo onde os principais projetos têm grandes fossos. As principais vantagens competitivas dos projetos vêm de: recursos de energia de computação, preços de locação de energia de computação, taxas de utilização de energia de computação e outras vantagens técnicas. Os principais projetos nessa trilha incluem Akash, Render, io.net e Gensyn.

De acordo com direções específicas de negócios, os projetos podem ser 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 o treinamento de modelo de IA são muito maiores do que para a inferência, e o mercado de inferência de modelo está se expandindo rapidamente, a renda previsível será significativamente maior do que o treinamento de modelo no futuro. Portanto, atualmente, a grande maioria dos projetos se concentra na direção da inferência (Akash, Render,io.net) com Gensyn focando em treinamento. Entre eles, Akash e Render inicialmente não foram 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 após a IA elevar o nível da demanda de computação, esses projetos todos tendem a se desenvolver na direção da IA.

Os dois indicadores competitivos mais importantes ainda vêm do lado da oferta (recursos de potência de computação) e do lado da demanda (utilização de potência de computação). Akash possui 282 GPUs e mais de 20.000 CPUs, com mais de 160.000 locações concluídas e uma taxa de utilização de rede de GPU de 50-70%, que é um bom número nessa área. io.net possui 40.272 GPUs e 5.958 CPUs, juntamente com 4.318 GPUs da Render e 159 CPUs, e a licença de uso de 1.024 GPUs do Filecoin, incluindo cerca de 200 H100s e milhares de A100s. io.net está atraindo recursos de potência de computação com expectativas de airdrop extremamente altas, e os dados de GPU estão crescendo rapidamente, exigindo uma reavaliação de sua capacidade de atrair recursos após a listagem do token. Render e Gensyn não divulgaram dados específicos. Além disso, muitos projetos estão aprimorando sua competitividade nos lados da oferta e da demanda por meio de colaborações no ecossistema. Por exemplo, io.net usa a potência de computação da Render e do Filecoin para aprimorar suas próprias reservas de recursos, e a Render estabeleceu o Programa de Cliente de Computação (RNP-004), permitindo que os usuários acessem indiretamente os recursos de potência de computação da Render por meio de clientes de computação comoio.net, Nosana, FedMl e Beam, assim fazendo a transição rapidamente do campo de renderização para o processamento 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 tentando estabelecer uma camada de verificação, garantindo a correção das computações por meio de provas de aprendizado probabilísticas, protocolos de posicionamento preciso baseados em gráficos e incentivos. Validadores e repórteres inspecionam conjuntamente as computações na Gensyn, então, além de fornecer suporte computacional para treinamento descentralizado, seu mecanismo de verificação estabelecido também possui valor único. O protocolo de computação Fluence, situado na Solana, também aprimora a validação de tarefas de computação. Os desenvolvedores podem verificar se suas aplicações funcionam conforme o esperado e se as computações são executadas corretamente examinando as provas fornecidas pelos provedores on-chain. No entanto, a necessidade prática ainda prioriza a viabilidade em relação à confiabilidade. As plataformas de computação devem primeiro ter poder computacional suficiente para serem competitivas. Claro, para protocolos de verificação excelentes, há a opção de acessar recursos computacionais de outras plataformas, servindo como camadas de validação e protocolo para desempenhar um papel único.

5.3 Modelo Descentralizado

O cenário final descrito por Vitalik, como representado no diagrama abaixo, ainda está muito distante. Atualmente, não conseguimos alcançar uma IA de caixa preta confiável criada por meio de tecnologias de blockchain e criptografia para abordar a aprendizagem de máquina adversarial. A criptografia de todo o processo de IA, desde os dados de treinamento até as saídas da consulta, 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 ambiente onde os modelos podem aprender uns com os outros, colaborar e se envolver em uma competição saudável. Bittensor é um dos projetos mais representativos a esse respeito.

Bittensor: A Bittensor está facilitando a integração de vários modelos de IA, mas é importante notar que a Bittensor em si não se envolve no treinamento de modelos; em vez disso, fornece principalmente serviços de inferência de IA. Suas 32 sub-redes se concentram em diferentes direções de serviço, como busca de dados, geração de texto, Text2Image, etc. Ao concluir 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 no SN0 (Rede Raiz) determinam otaxa de distribuiçãodestas recompensas entre diferentes sub-redes com base no desempenho da sub-rede. Os validadores da sub-rede, por outro lado, determinam a proporção de distribuição entre diferentes mineradores com base na avaliação do seu trabalho. Como resultado, serviços e modelos com melhor desempenho recebem mais incentivos, promovendo a melhoria geral na qualidade da inferência do sistema.

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

Dos movimentos de Sam Altman impulsionando os preços disparados de ARKM e WLD 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 primariamente impulsionado pela especulação de memes ou pela revolução tecnológica?

Além de alguns temas de celebridades (como ARKM e WLD), o campo de IA como um todo na cripto parece mais um "meme impulsionado por narrativa tecnológica."

Por um lado, a especulação global no campo da Cripto IA está indiscutivelmente intimamente ligada ao progresso da IA Web2. O hype externo liderado por entidades como a OpenAI servirá como o 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 de longo prazo e vantagens competitivas.

Ao olhar para 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 wrappers GPT. Embora esses produtos sejam implantados rapidamente, eles também exibem um alto grau de homogeneidade de negócios. A vantagem do primeiro a entrar no mercado, os ecossistemas, a base de usuários e a receita se tornam as histórias contadas no contexto da competição homogênea. As terceira e quarta categorias representam narrativas grandiosas que combinam IA com cripto, como redes de colaboração on-chain do Agente, zkML e remodelação descentralizada da IA. Estes ainda estão em 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 reimpresso de [GateMetrics Ventures]. Encaminhe o Título Original 'Relatório de Pesquisa da Metrics Ventures | A partir do artigo de V, quais são as sub-áreas valiosas para a atenção de Crypto×AI?' Todos os direitos autorais pertencem ao autor original [@charlotte0211z，@BlazingKevin_，Metrics Ventures]. Se houver objeções a essa reedição, entre em contato com o Gate Learnequipe e eles vão lidar com isso prontamente.
2. Aviso de responsabilidade: As opiniões e pontos de vista expressos neste artigo são exclusivamente do autor e não constituem nenhum 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.