TL;DR:

• Los proyectos conceptuales de IA Web3 se han convertido en atractivos objetivos de inversión en los mercados primario y secundario.
• Las oportunidades para Web3 en la industria de la IA radican en: utilizar incentivos distribuidos para coordinar la oferta potencial en la larga cola - a lo largo de datos, almacenamiento y computación; mientras tanto, establecer un modelo de código abierto y un mercado descentralizado para Agentes de IA.
• La inteligencia artificial juega un papel clave en la industria de la Web3, principalmente en las finanzas en cadena (pagos con criptomonedas, comercio, análisis de datos) y la asistencia al desarrollo.
• La utilidad de AI+Web3 radica en la complementariedad de los dos: se espera que Web3 contrarreste la centralización de AI, y se espera que AI ayude a Web3 a liberarse de la confinación.

Introducción

En los últimos dos años, el desarrollo de la IA se ha acelerado, como un efecto mariposa instigado por Chatgpt, no solo abriendo un nuevo mundo de inteligencia artificial generativa sino también provocando una tendencia en la lejana Web3.

Con la bendición del concepto de IA, la financiación del mercado de criptomonedas ha aumentado significativamente en comparación con la desaceleración. Según las estadísticas de los medios de comunicación, solo en la primera mitad de 2024, un total de 64 proyectos Web3+IA completaron la financiación, y el sistema operativo basado en IA Zyber365 logró la mayor cantidad de financiación de 100 millones de dólares en la ronda Serie A.

El mercado secundario es más próspero, y los datos del sitio web de agregación cifrada Coingecko muestran que en poco más de un año, el valor de mercado total de la pista de IA ha alcanzado los $485 mil millones, con un volumen de negociación de 24 horas de casi $86 mil millones; los beneficios evidentes que trajo el progreso de la tecnología de IA convencional, después de que se lanzara el modelo de texto a video Sora de OpenAI, el precio promedio del sector de IA aumentó un 151%; el efecto de IA también se irradió a uno de los sectores de criptomonedas de absorción de oro Meme: el primer MemeCoin de concepto de Agente de IA - GOAT rápidamente se hizo popular y logró una valoración de $1.4 mil millones, desencadenando con éxito la locura de los Memes de IA.

Las investigaciones y temas sobre IA+Web3 están igualmente candentes. Desde IA+Depin hasta IA Memecoin y hasta el actual Agente de IA y IA DAO, la emoción FOMO ya ha quedado atrás en velocidad respecto a la nueva rotación narrativa.

AI+Web3, esta combinación de términos llena de dinero caliente, tendencias y fantasías futuras, inevitablemente se ve como un matrimonio concertado por el capital. Parece difícil para nosotros distinguir si es el terreno de los especuladores o la víspera del amanecer bajo esta hermosa bata.

Para responder a esta pregunta, una consideración clave para ambas partes es si la otra mejorará. ¿Pueden beneficiarse de los patrones del otro? En este artículo, también intentamos examinar esta situación desde la perspectiva de estar sobre los hombros de los predecesores: ¿Cómo puede Web3 desempeñar un papel en varios aspectos de la pila tecnológica de IA y qué nueva vitalidad puede aportar la IA a Web3?

¿Qué oportunidades tiene Web3 bajo la pila de IA?

Antes de adentrarnos en este tema, necesitamos entender el stack técnico de los modelos grandes de IA:

Fuente de la imagen: Delphi Digital

En términos más simples, el “gran modelo” es como el cerebro humano. En las primeras etapas, este cerebro es como un recién nacido que acaba de llegar al mundo, necesitando observar y absorber grandes cantidades de información externa para entender el mundo. Esta es la etapa de “recopilación” de datos; dado que las computadoras no poseen múltiples sentidos como los humanos, antes del entrenamiento, la gran cantidad de información externa no anotada necesita ser “preprocesada” para ser transformada en un formato que las computadoras puedan entender y utilizar.

Después de ingresar datos, la IA construye un modelo que tiene la capacidad de comprender y predecir a través del 'entrenamiento', que puede ser visto como el proceso de un bebé comprendiendo gradualmente y aprendiendo sobre el mundo externo. Los parámetros del modelo son como la habilidad lingüística que un bebé ajusta continuamente durante el proceso de aprendizaje. Cuando el contenido de aprendizaje comienza a especializarse, o cuando recibe retroalimentación al interactuar con las personas y realiza correcciones, entra en la etapa de 'ajuste fino' de modelos grandes.

A medida que los niños crecen y aprenden a hablar, pueden entender significados y expresar sus sentimientos y pensamientos en nuevas conversaciones, lo cual es similar a la 'inferencia' de los modelos AI grandes. El modelo puede predecir y analizar nuevos idiomas y entradas de texto. Los bebés expresan sus sentimientos, describen objetos y resuelven diversos problemas a través de habilidades lingüísticas, lo cual también es similar a la aplicación de modelos AI grandes en varias tareas específicas durante la etapa de inferencia después de completar el entrenamiento, como la clasificación de imágenes, el reconocimiento de voz, etc.

Mientras que el Agente de IA está más cerca de la próxima forma de modelos grandes, pudiendo ejecutar tareas de forma independiente y perseguir objetivos complejos, no solo poseyendo capacidad de pensamiento, sino también pudiendo memorizar, planificar e interactuar con el mundo utilizando herramientas.

Actualmente, abordando los puntos críticos de la IA en varias pilas, Web3 ha formado inicialmente un ecosistema multicapa e interconectado, que abarca varias etapas de los procesos de modelos de IA.

Primero, Capa Base: Airbnb de potencia informática y datos

Potencia de cálculo

Actualmente, uno de los costos más altos de la IA es la potencia informática y la energía requerida para entrenar modelos y modelos de inferencia.

Un ejemplo es que LLAMA3 de Meta requiere 16.000 H100GPUs producidas por NVIDIA (una unidad de procesamiento gráfico de primera diseñada específicamente para cargas de trabajo de inteligencia artificial y computación de alto rendimiento) para completar la capacitación en 30 días. La versión de 80GB de este último tiene un precio entre $30,000 y $40,000, lo que requiere una inversión en hardware de $4-7 mil millones (GPU + chips de red). Además, la capacitación mensual consume 16 mil millones de kilovatios-hora, con un gasto energético de casi $20 millones al mes.

Para la descompresión de la potencia informática de la IA, también es el campo más temprano donde Web3 se cruza con la IA - DePin (red de infraestructura física descentralizada). Actualmente, el sitio web de datos DePin Ninja ha mostrado más de 1400 proyectos, incluidos proyectos representativos de compartición de potencia informática de GPU como io.net, Aethir, Akash, Render Network, y así sucesivamente.

La lógica principal es: La plataforma permite a individuos o entidades con recursos de GPU inactivos contribuir con su potencia informática de forma descentralizada sin permiso, aumentando la utilización de recursos de GPU subutilizados a través de un mercado en línea similar a Uber o Airbnb para compradores y vendedores, permitiendo a los usuarios finales obtener recursos informáticos más rentables y eficientes; al mismo tiempo, el mecanismo de participación también garantiza que si hay violaciones de los mecanismos de control de calidad o interrupciones de red, los proveedores de recursos enfrentarán sanciones correspondientes.

Sus características son:

• Agrupación de recursos de GPU inactivos: Los proveedores son principalmente pequeños y medianos centros de datos independientes de terceros, recursos de energía informática excedente de operadores como minas cifradas, y hardware minero con mecanismos de consenso PoS, como mineros de FileCoin y ETH. Actualmente, también hay proyectos dedicados a lanzar dispositivos con barreras de entrada más bajas, como exolab que utiliza dispositivos locales como MacBook, iPhone, iPad para establecer una red de energía informática para ejecutar inferencias de modelos a gran escala.
• Frente al mercado de larga cola de la potencia informática de IA: a. "En términos de tecnología", el mercado de potencia informática descentralizada es más adecuado para los pasos de razonamiento. El entrenamiento depende más de la capacidad de procesamiento de datos proporcionada por los supergrandes GPU a escala de clúster, mientras que el razonamiento es relativamente bajo en rendimiento de cómputo de GPU, como Aethir que se centra en el trabajo de renderizado de baja latencia y aplicaciones de inferencia de IA. b. "En términos de demanda", los demandantes de potencia informática pequeños y medianos no capacitarán individualmente sus propios modelos grandes, sino que solo elegirán optimizar y ajustar alrededor de unos pocos modelos principales, y estos escenarios son naturalmente adecuados para los recursos distribuidos de potencia informática inactiva.
• Propiedad descentralizada: La importancia tecnológica de la cadena de bloques es que los propietarios de recursos siempre mantienen el control sobre sus recursos, se ajustan de manera flexible según la demanda y obtienen beneficios al mismo tiempo.

Datos

Los datos son la base de la IA. Sin datos, la computación es inútil, y la relación entre los datos y los modelos es como el proverbio 'Basura entra, basura sale'. La cantidad y la calidad de los datos determinan la calidad de salida del modelo final. Para el entrenamiento de los modelos actuales de IA, los datos determinan la capacidad lingüística, la capacidad de comprensión e incluso los valores y el rendimiento humanizado del modelo. En la actualidad, el dilema de la demanda de datos de la IA se centra principalmente en los siguientes cuatro aspectos:

• Hambre de datos: el entrenamiento del modelo de IA depende en gran medida de grandes cantidades de datos de entrada. La información pública muestra que el número de parámetros para el entrenamiento del GPT-4 por OpenAI ha alcanzado el nivel de billones.
• Calidad de los datos: Con la combinación de la inteligencia artificial y diversas industrias, se han propuesto nuevos requisitos para la puntualidad, diversidad, profesionalismo de los datos específicos de la industria y la incorporación de fuentes de datos emergentes como el sentimiento en las redes sociales.
• Problemas de privacidad y cumplimiento: Actualmente, varios países y empresas están dándose cuenta gradualmente de la importancia de conjuntos de datos de alta calidad y están imponiendo restricciones a la recopilación de datos.
• Altos costos de procesamiento de datos: grandes cantidades de datos, procesamiento complejo. La información pública muestra que más del 30% de los costos de I+D de las empresas de IA se utilizan para la recolección y procesamiento de datos básicos.

Actualmente, la solución de web3 se refleja en los siguientes cuatro aspectos:

1. Recopilación de datos: Los datos del mundo real disponibles de forma gratuita para el raspado se están agotando rápidamente, y los gastos de las empresas de inteligencia artificial en datos han ido aumentando año tras año. Sin embargo, al mismo tiempo, este gasto no se ha devuelto a los verdaderos contribuyentes de los datos; las plataformas han disfrutado completamente de la creación de valor aportada por los datos, como Reddit generando un total de $203 millones en ingresos a través de acuerdos de licencia de datos con empresas de inteligencia artificial.

La visión de Web3 es permitir a los usuarios que realmente contribuyen a participar también en la creación de valor generada por los datos, y obtener datos más personales y valiosos de los usuarios de manera rentable a través de redes distribuidas y mecanismos de incentivos.

• Como Grass es una capa de datos y red descentralizada, los usuarios pueden capturar datos en tiempo real de todo Internet ejecutando nodos de Grass, contribuyendo ancho de banda inactivo y relé de tráfico, y recibir recompensas en tokens;
• Vana introduce un concepto único de Pool de Liquidez de Datos (DLP), donde los usuarios pueden cargar sus datos privados (como registros de compras, hábitos de navegación, actividades en redes sociales, etc.) a un DLP específico y elegir selectivamente si autorizar o no estos datos para un uso específico de terceros;
• En PublicAI, los usuarios pueden usar #AI o #Web3 como etiquetas de clasificación en X@PublicAILa recopilación de datos se puede lograr.

2. Preprocesamiento de datos: En el procesamiento de datos de IA, como los datos recopilados suelen ser ruidosos y contienen errores, deben limpiarse y convertirse en un formato utilizable antes de entrenar el modelo, lo que implica tareas repetitivas de estandarización, filtrado y manejo de valores perdidos. Esta etapa es uno de los pocos procesos manuales en la industria de la IA, que ha dado lugar a la industria de los anotadores de datos. A medida que los requisitos del modelo para la calidad de los datos aumentan, también aumenta el umbral para los anotadores de datos. Esta tarea se presta naturalmente al mecanismo de incentivos descentralizado de Web3.

• Actualmente, Grass y OpenLayer están considerando agregar la anotación de datos como un paso clave.
• Synesis propuso el concepto de 'Train2earn', enfatizando la calidad de los datos, donde los usuarios pueden ser recompensados por proporcionar datos anotados, comentarios u otras formas de aportaciones.
• El proyecto de etiquetado de datos Sapien gamifica las tareas de etiquetado y permite a los usuarios apostar puntos para ganar más puntos.

3. Privacidad y seguridad de los datos: Es necesario aclarar que la privacidad y la seguridad de los datos son dos conceptos diferentes. La privacidad de los datos implica el manejo de datos sensibles, mientras que la seguridad de los datos protege la información de los datos de accesos no autorizados, destrucción y robo. Como resultado, las ventajas y los posibles escenarios de aplicación de las tecnologías de privacidad de Web3 se reflejan en dos aspectos: (1) entrenamiento de datos sensibles; (2) colaboración de datos: varios propietarios de datos pueden participar juntos en el entrenamiento de IA sin compartir sus datos originales.

Las tecnologías de privacidad comunes en Web3 actualmente incluyen:

• Entorno de Ejecución Confiable (TEE), como Super Protocol;
• Cifrado completamente homomórfico (FHE), como BasedAI, Fhenix.io, o Inco Network;
• La tecnología de conocimiento cero (zk), como Reclaim Protocol que utiliza la tecnología zkTLS, genera pruebas de conocimiento cero del tráfico HTTPS, lo que permite a los usuarios importar de forma segura actividad, reputación y datos de identidad de sitios web externos sin exponer información sensible.

Sin embargo, el campo todavía está en sus primeras etapas, con la mayoría de los proyectos aún en fase de exploración. Actualmente, uno de los dilemas es que los costos de computación son demasiado altos, con algunos ejemplos siendo:

• El marco zkML EZKL tarda aproximadamente 80 minutos en generar una prueba de un modelo 1M-nanoGPT.
• Según los datos de Modulus Labs, el sobrecargo de zkML es más de 1000 veces mayor que el cálculo puro.

4. Almacenamiento de datos: Después de obtener los datos, es necesario tener un lugar para almacenar los datos en la cadena y utilizar el LLM generado por los datos. Con la disponibilidad de datos (DA) como problema central, antes de la actualización de Ethereum Danksharding, su rendimiento era de 0.08MB. Al mismo tiempo, el entrenamiento y la inferencia en tiempo real de modelos de IA suelen requerir un rendimiento de datos de 50 a 100GB por segundo. Esta diferencia de orden de magnitud hace que las soluciones en cadena existentes sean inadecuadas cuando se enfrentan a 'aplicaciones de IA intensivas en recursos'.

• 0g.AI es un proyecto representativo en esta categoría. Es una solución de almacenamiento centralizada diseñada para requisitos de IA de alto rendimiento, con características clave que incluyen alto rendimiento y escalabilidad, soportando la carga y descarga rápida de conjuntos de datos a gran escala a través de tecnologías avanzadas de fragmentación y codificación de borrado, con velocidades de transferencia de datos de aproximadamente 5GB por segundo.

Dos, Middleware: Entrenamiento e Inferencia del Modelo

Modelo de mercado descentralizado de código abierto

El debate sobre si los modelos de IA deben ser de código abierto o cerrado nunca ha cesado. La innovación colectiva que aporta el código abierto es una ventaja que los modelos de código cerrado no pueden igualar. Sin embargo, bajo la premisa de un modelo sin ánimo de lucro, ¿cómo pueden los modelos de código abierto mejorar la motivación de los desarrolladores? Esta es una dirección que merece la pena reflexionar. El fundador de Baidu, Robin Li, afirmó en abril de este año: 'Los modelos de código abierto quedarán cada vez más rezagados'.

En este sentido, Web3 propone la posibilidad de un mercado de modelo descentralizado de código abierto, es decir, tokenizar el propio modelo, reservar una cierta proporción de tokens para el equipo y dirigir parte de los ingresos futuros del modelo a los titulares de tokens.

• El protocolo Bittensor establece un modelo de código abierto de un mercado P2P, que consta de docenas de 'subredes', donde los proveedores de recursos (cómputo, recopilación/almacenamiento de datos, talento en aprendizaje automático) compiten entre sí para cumplir los objetivos de los propietarios de subredes específicas. Las subredes pueden interactuar y aprender entre sí, logrando así una mayor inteligencia. Las recompensas se distribuyen mediante votación comunitaria y se asignan entre las subredes en función del rendimiento competitivo.
• ORA introduce el concepto de Oferta de Modelo Inicial (IMO), tokenizando modelos de IA para compra, venta y desarrollo en redes descentralizadas.
• Sentient, una plataforma descentralizada de AGI, incentiva a las personas a colaborar, construir, replicar y ampliar modelos de IA, recompensando a los contribuyentes.
• Spectral Nova se enfoca en la creación y aplicación de modelos de IA y ML.

Inferencia Verificable

Para el dilema de la 'caja negra' en el proceso de razonamiento de la IA, la solución estándar de Web3 es tener múltiples validadores repitiendo la misma operación y comparando los resultados. Sin embargo, debido a la escasez actual de 'chips Nvidia' de alta gama, el desafío evidente que enfrenta este enfoque es el alto costo del razonamiento de la IA.

Una solución más prometedora es realizar pruebas de conocimiento cero (ZK proofs) de cálculos de inferencia de IA fuera de la cadena, donde un probador puede demostrar a otro verificador que una declaración dada es verdadera sin revelar ninguna información adicional aparte de la veracidad de la declaración, lo que permite la verificación sin permiso de cálculos de modelos de IA en la cadena. Esto requiere demostrar en la cadena de forma cifrada que los cálculos fuera de la cadena se han completado correctamente (por ejemplo, el conjunto de datos no ha sido manipulado), garantizando al mismo tiempo que todos los datos permanezcan confidenciales.

Las principales ventajas incluyen:

• Escalabilidad: Las pruebas de conocimiento cero pueden confirmar rápidamente un gran número de cálculos fuera de la cadena. Incluso a medida que el número de transacciones aumenta, una sola prueba de conocimiento cero puede verificar todas las transacciones.
• Protección de la privacidad: La información detallada sobre los datos y los modelos de IA se mantiene confidencial, mientras que todas las partes pueden verificar que los datos y los modelos no han sido manipulados.
• No es necesario confiar: Puedes confirmar el cálculo sin depender de partes centralizadas.
• Integración de Gate2: Por definición, Gate2 está integrado fuera de la cadena, lo que significa que el razonamiento verificable puede ayudar a llevar sus conjuntos de datos y cálculos de IA a la cadena. Esto ayuda a mejorar la adopción de Gate3.

Actualmente, la tecnología verificable de Web3 para el razonamiento verificable es la siguiente:

• ZKML: Combinando la prueba de conocimiento cero con el aprendizaje automático para garantizar la privacidad y confidencialidad de los datos y modelos, permitiendo la computación verificable sin revelar ciertas propiedades subyacentes. Modulus Labs ha lanzado un probador ZK basado en ZKML para la construcción de IA, para verificar efectivamente si los proveedores de IA en la cadena manipulan algoritmos ejecutados correctamente, pero actualmente los clientes son principalmente DApps en la cadena.
• opML: Utilizando el principio de agregación optimista, verificando el momento de la ocurrencia de disputas, mejorando la escalabilidad y eficiencia de los cálculos de ML, en este modelo, solo una pequeña parte de los resultados generados por el 'validador' necesita ser verificada, pero la reducción del costo económico se establece lo suficientemente alto como para aumentar el costo del engaño por parte de los validadores y ahorrar cálculos redundantes.
• TeeML: Use trusted execution environment to securely execute ML calculations, protecting data and models from tampering and unauthorized access.

Tres, Capa de Aplicación: Agente de IA

El desarrollo actual de la IA ya ha mostrado un cambio en el enfoque de las capacidades del modelo hacia el panorama de los Agentes de IA. Empresas de tecnología como OpenAI, el unicornio de la IA Anthropic, Microsoft, etc., se están volcando al desarrollo de Agentes de IA, intentando superar el actual plateau técnico de LLM.

OpenAI define AI Agent como un sistema impulsado por LLM como su cerebro, con la capacidad de entender de forma autónoma la percepción, planificar, recordar y usar herramientas, y puede completar automáticamente tareas complejas. Cuando la IA pasa de ser una herramienta utilizada a un sujeto que puede usar herramientas, se convierte en un Agente de IA. Esta es también la razón por la cual los Agentes de IA pueden convertirse en el asistente inteligente más ideal para los humanos.

¿Qué puede Web3 traer a Gate.io?

1. Descentralización
La descentralización de Web3 puede hacer que el sistema de Agent sea más descentralizado y autónomo. Los mecanismos de incentivos y penalizaciones para validadores y delegados pueden promover la democratización del sistema de Agent, con GaiaNet, Theoriq y HajimeAI intentando hacerlo.

2, Inicio en frío
El desarrollo y la iteración de AI Agent a menudo requieren una gran cantidad de apoyo financiero, y Web3 puede ayudar a los proyectos prometedores de AI Agent a obtener financiamiento en etapas tempranas y un inicio en frío.

• Virtual Protocol lanza la plataforma de creación de agentes de inteligencia artificial y emisión de tokens fun.virtuals, donde cualquier usuario puede implementar agentes de IA con un solo clic y lograr una distribución 100% justa de tokens de agentes de IA.
• Spectral ha propuesto un concepto de producto que respalda la emisión de activos de Agente de IA en la cadena: emitiendo tokens a través de IAO (Oferta Inicial de Agente), los Agentes de IA pueden obtener fondos directamente de los inversores, al mismo tiempo que se convierten en miembros de la gobernanza de DAO, brindando a los inversores la oportunidad de participar en el desarrollo del proyecto y compartir los beneficios futuros.

¿Cómo potencia la IA a Web3?

El impacto de la inteligencia artificial en los proyectos de Web3 es evidente, ya que beneficia a la tecnología blockchain al optimizar las operaciones en cadena (como la ejecución de contratos inteligentes, la optimización de liquidez y las decisiones de gobernanza impulsadas por IA). Al mismo tiempo, también puede proporcionar mejores perspectivas impulsadas por datos, mejorar la seguridad en cadena y sentar las bases para nuevas aplicaciones basadas en Web3.

Uno, IA y finanzas on-chain

IA y Criptoeconomía

El 31 de agosto, el CEO de Coinbase, Brian Armstrong, anunció la primera transacción encriptada de IA a IA en la red Base, afirmando que los Agentes de IA ahora pueden realizar transacciones con humanos, comerciantes u otras IA en Base utilizando USD, con transacciones instantáneas, globales y gratuitas.

Además de los pagos, Luna de Virtuals Protocol también demostró por primera vez cómo los Agentes de IA ejecutan de forma autónoma transacciones en cadena, atrayendo atención y posicionando a los Agentes de IA como entidades inteligentes capaces de percibir el entorno, tomar decisiones y acciones, siendo vistos como el futuro de las finanzas en cadena. Actualmente, los escenarios potenciales para los Agentes de IA son los siguientes:

1. Recopilación y predicción de información: Ayuda a los inversores a recopilar anuncios de intercambio, información pública del proyecto, emociones de pánico, riesgos de opinión pública, etc., analizar y evaluar fundamentos de activos, condiciones del mercado en tiempo real, y predecir tendencias y riesgos.

2. Gestión de activos: Proporcionar a los usuarios objetivos de inversión adecuados, optimizar la asignación de activos y ejecutar automáticamente operaciones.

3. Experiencia financiera: Ayudar a los inversores a elegir el método de negociación más rápido en cadena, automatizar operaciones manuales como transacciones entre cadenas y ajustar las tarifas de gas, reducir el umbral y el costo de las actividades financieras en cadena.

Imagina este escenario: le indicas al Agente de IA lo siguiente: 'Tengo 1000USDT, por favor ayúdame a encontrar la combinación de mayor rendimiento con un período de bloqueo de no más de una semana'. El Agente de IA te dará el siguiente consejo: 'Te sugiero una asignación inicial del 50% en A, 20% en B, 20% en X y 10% en Y. Voy a monitorear las tasas de interés y observar cambios en sus niveles de riesgo, y reequilibrar cuando sea necesario'. Además, buscar proyectos potenciales de airdrop y señales populares de la comunidad de proyectos Memecoin son todas posibles acciones futuras para el Agente de IA.

Fuente de la imagen: Biconomy

Actualmente, las carteras de Agentes de IA Bitte y el protocolo de interacción de IA Wayfinder están realizando tales intentos. Todos están tratando de acceder a la API del modelo de OpenAI, lo que permite a los usuarios ordenar a los agentes que completen varias operaciones en cadena en una interfaz de ventana de chat similar a ChatGPT. Por ejemplo, el primer prototipo lanzado por WayFinder en abril de este año demostró cuatro operaciones básicas: intercambio, envío, puente y participación en las mainnets de Base, Polygon y Ethereum.

Actualmente, la plataforma descentralizada de Agentes Morpheus también admite el desarrollo de dichos Agentes, como lo demuestra Biconomy, mostrando un proceso donde no se requieren permisos de billetera para autorizar al Agente de IA a intercambiar ETH por USDC.

IA y seguridad de transacciones en cadena

En el mundo de Web3, la seguridad de las transacciones en cadena es crucial. La tecnología de inteligencia artificial se puede utilizar para mejorar la seguridad y protección de la privacidad de las transacciones en cadena, con escenarios potenciales que incluyen:

Monitoreo comercial: La tecnología de datos en tiempo real monitorea actividades comerciales anormales, proporcionando infraestructura de alerta en tiempo real para usuarios y plataformas.

Análisis de riesgo: Ayude a la plataforma a analizar los datos de comportamiento comercial de los clientes y evaluar su nivel de riesgo.

Por ejemplo, la plataforma de seguridad Web3 SeQure utiliza inteligencia artificial para detectar y prevenir ataques maliciosos, comportamientos fraudulentos y fugas de datos, y proporciona mecanismos de monitoreo y alerta en tiempo real para garantizar la seguridad y estabilidad de las transacciones en cadena. Herramientas de seguridad similares incluyen Sentinel impulsado por inteligencia artificial.

Segundo, IA e infraestructura on-chain

AI y datos on-chain

La tecnología de IA juega un papel importante en la recolección y análisis de datos en cadena, como:

• Web3 Analytics: una plataforma de análisis basada en IA que utiliza algoritmos de aprendizaje automático y minería de datos para recopilar, procesar y analizar datos on-chain.
• MinMax AI: Proporciona herramientas de análisis de datos en cadena basadas en IA para ayudar a los usuarios a descubrir oportunidades y tendencias potenciales en el mercado.
• Kaito: plataforma de búsqueda Web3 basada en el motor de búsqueda LLM.
• A continuación: Integrado con ChatGPT, recopila e integra información relevante dispersa en diferentes sitios web y plataformas comunitarias para su presentación.
• Otro escenario de aplicación es el oráculo, la IA puede obtener precios de múltiples fuentes para proporcionar datos de precios precisos. Por ejemplo, Upshot utiliza la IA para evaluar los precios volátiles de los NFT, proporcionando un error porcentual del 3-10% a través de más de cien millones de evaluaciones por hora.

AI y Desarrollo&Auditoría

Recientemente, un editor de código Web2 AI, Cursor, ha atraído mucha atención en la comunidad de desarrolladores. En su plataforma, los usuarios solo necesitan describir en lenguaje natural, y Cursor puede generar automáticamente el código HTML, CSS y JavaScript correspondiente, simplificando en gran medida el proceso de desarrollo de software. Esta lógica también se aplica para mejorar la eficiencia del desarrollo Web3.

Actualmente, desplegar contratos inteligentes y DApps en cadenas públicas generalmente requiere seguir lenguajes de desarrollo exclusivos como Solidity, Rust, Move, y así sucesivamente. La visión de los nuevos lenguajes de desarrollo es expandir el espacio de diseño de las cadenas de bloques descentralizadas, haciéndolo más adecuado para el desarrollo de DApps. Sin embargo, dada la escasez significativa de desarrolladores de Web3, la educación de los desarrolladores siempre ha sido un problema más desafiante.

Actualmente, la IA en la asistencia al desarrollo Web3 puede imaginarse en escenarios que incluyen: generación automática de código, verificación y prueba de contratos inteligentes, implementación y mantenimiento de DApps, completado inteligente de código, respuesta de diálogo de IA a problemas de desarrollo difíciles, etc. Con la asistencia de la IA, no solo ayuda a mejorar la eficiencia y precisión del desarrollo, sino que también reduce el umbral de programación, permitiendo a no programadores transformar sus ideas en aplicaciones prácticas, aportando nueva vitalidad al desarrollo de la tecnología descentralizada.

Actualmente, lo más llamativo es una plataforma de tokens de lanzamiento con un clic, como Clanker, un 'Token Bot' impulsado por IA diseñado para una implementación rápida de tokens DIY. Solo necesitas etiquetar a Clanker en los clientes del protocolo SocialFi Farcaster como Warpcast o Supercast, decirle tu idea de token, y lanzará el token por ti en la cadena pública Base.

También existen plataformas de desarrollo de contratos, como Spectral, que proporcionan funciones de generación y implementación con un clic para contratos inteligentes para reducir el umbral del desarrollo de Web3, permitiendo incluso a usuarios novatos compilar e implementar contratos inteligentes.

En cuanto a la auditoría, la plataforma de auditoría Web3 Fuzzland utiliza la inteligencia artificial para ayudar a los auditores a verificar las vulnerabilidades del código, proporcionando explicaciones en lenguaje natural para ayudar a los profesionales de la auditoría. Fuzzland también utiliza la inteligencia artificial para proporcionar explicaciones en lenguaje natural para las especificaciones formales y el código del contrato, así como algunos ejemplos de código para ayudar a los desarrolladores a comprender los posibles problemas en el código.

Tres, IA y la Nueva Narrativa Web3

El surgimiento de la IA generativa trae nuevas posibilidades a la nueva narrativa de Web3.

NFT: La IA inyecta creatividad en los NFT generativos. A través de la tecnología de IA, se pueden generar diversas y únicas obras de arte y personajes. Estos NFT generativos pueden convertirse en personajes, accesorios o elementos de escena en juegos, mundos virtuales o metaversos, como Bicasso bajo Binance, donde los usuarios pueden generar NFT al subir imágenes e ingresar palabras clave para la computación de IA. Proyectos similares incluyen Solvo, Nicho, IgmnAI y CharacterGPT.

GameFi: Con la generación de lenguaje natural, generación de imágenes y capacidades de NPC inteligentes en torno a la IA, se espera que GameFi mejore la eficiencia e innovación en la producción de contenido de juegos. Por ejemplo, el primer juego de cadena de Binaryx AI Hero permite a los jugadores explorar diferentes opciones de trama a través de la aleatoriedad de la IA; de manera similar, está el juego de compañero virtual Sleepless AI, donde los jugadores pueden desbloquear jugabilidad personalizada a través de diferentes interacciones basadas en AIGC y LLM.

DAO: Actualmente, también se prevé que la IA se aplique a las DAO, ayudando a rastrear las interacciones de la comunidad, registrar las contribuciones, recompensar a los miembros más contribuyentes, votar por poder, etc. Por ejemplo, ai16z utiliza AI Agent para recopilar información de mercado dentro y fuera de la cadena, analizar el consenso de la comunidad y tomar decisiones de inversión en combinación con las sugerencias de los miembros de la DAO.

El significado de la integración de AI+Web3: Torre y Plaza

En el corazón de Florencia, Italia, se encuentra la plaza central, el lugar de reunión política más importante para los lugareños y turistas. Aquí se encuentra una torre del ayuntamiento de 95 metros de altura, creando un efecto estético dramático con la plaza, inspirando al profesor de historia de la Universidad de Harvard, Neil Ferguson, a explorar la historia mundial de redes y jerarquías en su libro 'Square and Tower', mostrando el flujo y reflujo de ambas a lo largo del tiempo.

Esta excelente metáfora no está fuera de lugar cuando se aplica a la relación entre la IA y la Web3 hoy. Al observar la relación histórica a largo plazo y no lineal entre los dos, se puede ver que los cuadrados son más propensos a producir cosas nuevas y creativas que las torres, pero las torres aún tienen su legitimidad y una fuerte vitalidad.

Con la capacidad de agrupar la potencia informática de energía en empresas tecnológicas, la IA ha desatado una imaginación sin precedentes, llevando a grandes gigantes tecnológicos a realizar apuestas importantes, introduciendo diversas iteraciones desde diferentes chatbots hasta 'grandes modelos subyacentes' como GPT-4, GP4-4o. Un robot de programación automática (Devin) y Sora, con habilidades preliminares para simular el mundo físico real, han surgido uno tras otro, amplificando infinitamente la imaginación de la IA.

Al mismo tiempo, la IA es esencialmente una industria a gran escala y centralizada, y esta revolución tecnológica empujará a las empresas tecnológicas que han ganado gradualmente dominio estructural en la 'era de Internet' a un punto más estrecho. El enorme poder, el flujo de efectivo monopolístico y los vastos conjuntos de datos necesarios para dominar la era inteligente forman barreras más altas para ella.

A medida que la torre crece en altura y los tomadores de decisiones detrás de escena se reducen, la centralización de la IA trae consigo muchos peligros ocultos. ¿Cómo pueden las masas reunidas en la plaza evitar las sombras bajo la torre? Este es el problema que Web3 espera abordar.

Esencialmente, las propiedades inherentes de la cadena de bloques mejoran los sistemas de inteligencia artificial y aportan nuevas posibilidades, principalmente:

• En la era de la inteligencia artificial, 'code is law'—logrando reglas de ejecución automática del sistema transparente a través de contratos inteligentes y verificación de cifrado, entregando recompensas a la audiencia más cercana al objetivo.
• Economía de tokens: crear y coordinar el comportamiento de los participantes a través del mecanismo de tokens, staking, reducción, recompensas de tokens y penalizaciones.
• Gobernanza descentralizada - nos lleva a cuestionar las fuentes de información y fomenta un enfoque más crítico y perspicaz hacia la tecnología de inteligencia artificial, previniendo el sesgo, la desinformación y la manipulación, y en última instancia, fomentando una sociedad más informada y empoderada.

El desarrollo de la IA también ha traído nueva vitalidad a Web3, quizás el impacto de Web3 en la IA necesite tiempo para probarse, pero el impacto de la IA en Web3 es inmediato: ya sea la locura de los Memes o el Agente de IA que ayuda a reducir la barrera de entrada para las aplicaciones en cadena, todo es evidente.

Cuando Web3 es definido como autocomplacencia por un pequeño grupo de personas, así como estar atrapado en dudas sobre la replicación de industrias tradicionales, la adición de IA trae un futuro previsible: una base de usuarios de Web2 más estable y escalable, modelos de negocio más innovadores y servicios.

Vivimos en un mundo donde las 'torres y plazas' coexisten, aunque la IA y la Web3 tienen líneas de tiempo y puntos de partida diferentes, su objetivo final es cómo hacer que las máquinas sirvan mejor a la humanidad, y nadie puede definir un río apresurado. Esperamos ver el futuro de la IA+Web3.

Declaración:

1. Este artículo es reproducido de [ TechFlow]，la autoría pertenece al autor original [Coinspire]，如对转载有异议，请联系 Equipo de aprendizaje de Gate, el equipo lo procesará lo antes posible de acuerdo con los procedimientos relevantes.
2. Descargo de responsabilidad: Las opiniones expresadas en este artículo son únicamente las del autor y no constituyen ningún consejo de inversión.
3. El artículo es traducido a otros idiomas por el equipo de Gate Learn, si no se mencionaGate.ioEn ningún caso se pueden copiar, distribuir o plagiar los artículos traducidos.