Fuente original: IOSG Ventures
Prefacio
El reciente y rápido desarrollo de grandes modelos de lenguaje (LLM) ha despertado el interés en el uso de la inteligencia artificial (IA) para transformar diversas industrias. La industria blockchain no es inmune, y el surgimiento de la narrativa AI x Crypto la ha puesto en el centro de atención. Este artículo explora tres formas principales de fusionar la IA y la criptografía, y explora las oportunidades únicas de la tecnología blockchain para resolver los problemas de la industria de la IA.
Los tres enfoques de AIxCrypto incluyen:
- Integración de IA en productos existentes: empresas como Dune están utilizando IA para mejorar sus productos, como la introducción del copiloto SQL para ayudar a los usuarios a escribir consultas complejas.
- Creación de infraestructura de IA para el ecosistema criptográfico: empresas emergentes como Ritual y Autonolas se centran en desarrollar una infraestructura impulsada por IA adaptada a las necesidades del ecosistema criptográfico.
- Uso de blockchain para resolver problemas de la industria de la IA: proyectos como Gensyn, EZKL e io.net están explorando cómo la tecnología blockchain puede resolver los desafíos que enfrenta la industria de la IA, como la privacidad, la seguridad y la transparencia de los datos.
Lo único de AI x Crypto es que se espera que la tecnología blockchain resuelva los problemas inherentes de la industria de la IA. Esta intersección única abre nuevas posibilidades para soluciones innovadoras que benefician a las comunidades de IA y blockchain.
Al profundizar en el espacio AI x Crypto, nuestro objetivo es identificar y mostrar las aplicaciones más prometedoras de la tecnología blockchain para resolver los desafíos de la industria de la IA. Al asociarnos con expertos de la industria de la IA y creadores de criptomonedas, nos comprometemos a promover el desarrollo de soluciones de vanguardia que aprovechen las fortalezas de ambas tecnologías.
1. Descripción general de la industria
El campo AI x Crypto se puede dividir en dos categorías: infraestructura y aplicaciones. Si bien parte de la infraestructura existente continúa admitiendo casos de uso de IA, nuevos actores están lanzando al mercado arquitecturas nativas de IA completamente nuevas.
1. 1 Red informática
En el campo de AIxCrypto, las redes informáticas desempeñan un papel crucial al proporcionar la infraestructura necesaria para las aplicaciones de IA. Estas redes se pueden dividir en dos tipos según las tareas que soportan: redes informáticas de propósito general y redes informáticas especializadas.
1.1.1 Red informática general
Las redes informáticas generales como IO.net y Akash ofrecen a los usuarios la oportunidad de acceder a las máquinas a través de SSH y proporcionan una interfaz de línea de comandos (CLI) que permite a los usuarios crear sus propias aplicaciones. Estas redes son similares a los servidores privados virtuales (VPS) y proporcionan un entorno informático personal en la nube.
IO.net se basa en el ecosistema Solana y se centra en el arrendamiento de GPU y clústeres informáticos, mientras que Akash, basado en el ecosistema Cosmos, proporciona principalmente servidores en la nube de CPU y varias plantillas de aplicaciones.
La opinión de IOSG Ventures:
En comparación con el mercado maduro de la nube Web2, las redes informáticas aún se encuentran en sus primeras etapas. Las redes informáticas Web3 no alcanzan los componentes básicos “Lego” de Web2, como funciones sin servidor, VPS y proyectos de bases de datos en la nube basados en los principales proveedores de la nube, como AWS, Azure y Google Cloud.
Las ventajas de las redes informáticas incluyen:
- La tecnología Blockchain puede utilizar recursos informáticos y computadoras personales no utilizados para hacer que la red sea más sostenible.
- El diseño peer-to-peer (P2P) permite a las personas monetizar los recursos informáticos no utilizados y proporcionar informática de menor costo, lo que potencialmente reduce los costos entre un 75 % y un 90 %.
Sin embargo, es difícil que las redes informáticas entren en producción real y reemplacen los servicios en la nube Web2 debido a los siguientes desafíos:
- El precio es sin duda la principal ventaja de las redes informáticas generales, pero sigue siendo un desafío competir con empresas maduras de nube Web2 en términos de funcionalidad, seguridad y estabilidad.
- El estilo peer-to-peer puede limitar la capacidad de estas redes para ofrecer rápidamente productos maduros y sólidos. La naturaleza descentralizada aumentará los costos de desarrollo y mantenimiento.
1.1.2 Red informática privada
Las redes informáticas privadas añaden una capa adicional a las redes informáticas de propósito general, permitiendo a los usuarios implementar aplicaciones específicas a través de archivos de configuración. Estas redes están diseñadas para satisfacer casos de uso específicos, como renderizado 3D o inferencia y entrenamiento de IA.
Render es una red informática profesional que se centra en el renderizado 3D. En el campo de la IA, nuevos jugadores como Bittensor, Hyperbolic, Ritual y fetch.ai se centran en la inferencia de IA, mientras que Flock y Gensyn se centran principalmente en el entrenamiento de IA.
Fuente: IOSG Ventures
Si bien las redes informáticas de entrenamiento e inferencia de IA dedicadas aún se encuentran en sus primeras etapas, anticipamos que las aplicaciones de IA Web3 priorizarán el uso de la infraestructura de IA Web3. Esta tendencia ya es evidente en colaboraciones como Story Protocol y la asociación de Ritual con MyShell para introducir modelos de IA como propiedad intelectual.
Aunque aún no han surgido aplicaciones innovadoras construidas sobre estas infraestructuras emergentes de AI x Web3, el potencial de crecimiento es enorme. A medida que el ecosistema madure, esperamos ver aplicaciones más innovadoras que aprovechen las capacidades únicas de las redes informáticas de IA descentralizadas.
2. Datos
Los datos desempeñan un papel vital en los modelos de IA y están involucrados en todas las etapas del desarrollo de modelos de IA, incluida la recopilación de datos, el almacenamiento de conjuntos de datos de entrenamiento y el almacenamiento de modelos.
2.1 Almacenamiento de datos
El almacenamiento descentralizado de modelos de IA es fundamental para proporcionar API de inferencia de forma descentralizada. Los nodos de inferencia deberían poder recuperar estos modelos desde cualquier lugar y en cualquier momento. Dado que los modelos de IA pueden alcanzar un tamaño de cientos de gigabytes, se necesita una potente red de almacenamiento descentralizada. Los líderes en almacenamiento descentralizado, como Filecoin y Arweave, pueden ofrecer esta funcionalidad.
La opinión de IOSG Ventures:
Hay enormes oportunidades en esta área.
- Una red de almacenamiento de datos descentralizada optimizada para modelos de IA, que proporciona funciones como control de versiones, almacenamiento de diferentes modelos de cuantificación de baja precisión y descarga rápida de modelos grandes.
- Las bases de datos vectoriales descentralizadas, ya que a menudo están incluidas con modelos, brindan respuestas más precisas al insertar el conocimiento necesario y relevante para la pregunta. Las bases de datos SQL existentes también se pueden agregar con soporte de búsqueda vectorial.
2.2 Recopilación de datos y etiquetado
La recopilación de datos de alta calidad es fundamental para la formación en IA. Los proyectos basados en blockchain, como Grass, utilizan el crowdsourcing para recopilar datos para el entrenamiento de IA, aprovechando las redes personales. Con incentivos y mecanismos adecuados, los formadores de IA pueden obtener datos de alta calidad a un costo menor. Proyectos como Tai-da y Saipen se centran en el etiquetado de datos.
La opinión de IOSG Ventures:
Algunas de nuestras observaciones sobre este mercado:
- La mayoría de los proyectos de etiquetado de datos están inspirados en GameFi, lo que atrae a usuarios con el concepto de “etiqueta para ganar” y a desarrolladores con la promesa de reducir los costos de los datos etiquetados de alta calidad.
- Actualmente no existe un líder claro en esta área y Scale AI domina el mercado de etiquetado de datos Web2.
2.3 Datos de la cadena de bloques
Al entrenar modelos de IA específicamente para blockchain, los desarrolladores necesitan datos de blockchain de alta calidad que quieran poder utilizar directamente en su proceso de capacitación. Spice AI y Space and Time proporcionan datos de blockchain de alta calidad con SDK, lo que permite a los desarrolladores integrar fácilmente los datos en sus canales de datos de capacitación.
La opinión de IOSG Ventures:
A medida que crece la demanda de modelos de IA relacionados con blockchain, aumentará la demanda de datos de blockchain de alta calidad. Sin embargo, la mayoría de las herramientas de análisis de datos actualmente solo ofrecen la capacidad de exportar datos en formato CSV, lo que no es ideal para fines de capacitación en IA.
Para facilitar el desarrollo de modelos de IA específicos de blockchain, es crucial mejorar la experiencia del desarrollador proporcionando más capacidades de operaciones de aprendizaje automático (MLOP) relacionadas con blockchain. Estas características deberían permitir a los desarrolladores integrar sin problemas los datos de blockchain directamente en sus canales de capacitación de IA basados en Python.
##3.ZKML
Los proveedores de IA centralizada enfrentan problemas de confianza debido a los incentivos para utilizar modelos menos complejos para reducir los costos computacionales. Por ejemplo, el año pasado hubo momentos en los que los usuarios pensaron que ChatGPT tenía un rendimiento inferior. Posteriormente, esto se atribuyó a una actualización de OpenAI destinada a mejorar el rendimiento del modelo.
Además, los creadores de contenido han planteado preocupaciones sobre derechos de autor a las empresas de inteligencia artificial. A estas empresas les resulta difícil demostrar que no se incluyeron datos específicos en su proceso de formación.
El aprendizaje automático de conocimiento cero (ZKML) es un enfoque innovador que resuelve los problemas de confianza asociados con los proveedores de inteligencia artificial centralizados. Al aprovechar las pruebas de conocimiento cero, ZKML permite a los desarrolladores demostrar la exactitud de sus procesos de inferencia y entrenamiento de IA sin revelar datos confidenciales o detalles del modelo.
3.1 Formación
Los desarrolladores pueden realizar tareas de capacitación en una máquina virtual de conocimiento cero (ZKVM), como la que proporciona Risc Zero. Este proceso genera una prueba que verifica que la capacitación se realizó correctamente y solo se utilizaron datos autorizados. Esta certificación sirve como evidencia de que el desarrollador cumplió con las especificaciones de capacitación y los permisos de uso de datos adecuados.
La opinión de IOSG Ventures:
- ZKML proporciona una solución única para demostrar el uso de datos autorizado en el entrenamiento de modelos, lo que a menudo es difícil de lograr dada la naturaleza de caja negra de los modelos de IA.
*Esta tecnología aún se encuentra en sus primeras etapas. La sobrecarga computacional es enorme. La comunidad está explorando activamente más casos de uso para la formación ZK.
3.2 Razonamiento
ZKML tarda mucho más en inferir que su contraparte de entrenamiento. Ya están surgiendo varias empresas reconocidas en este espacio, cada una con un enfoque único para hacer que la inferencia del aprendizaje automático sea transparente y confiable.
Giza se centra en construir una plataforma integral de operaciones de aprendizaje automático (MLOP) y construir una comunidad vibrante a su alrededor. Su objetivo es proporcionar a los desarrolladores herramientas y recursos para integrar ZKML en flujos de trabajo de inferencia.
EZKL, por otro lado, prioriza la experiencia de desarrollo mediante la creación de un marco ZKML fácil de usar que proporciona un buen rendimiento. Su solución está diseñada para simplificar el proceso de implementación de la inferencia ZKML y hacerlo fácilmente accesible para más desarrolladores.
Modulus Labs adopta un enfoque diferente y desarrolla su propio sistema de prueba. Su principal objetivo es reducir significativamente la sobrecarga computacional asociada con la inferencia ZKML. Al reducir la sobrecarga en un factor de 10, Modulus Labs intenta hacer que la inferencia ZKML sea más práctica y eficiente para aplicaciones del mundo real.
La opinión de IOSG Ventures:
- ZKML es particularmente útil en escenarios GameFi y DeFi donde la falta de confianza es crucial.
- La sobrecarga computacional introducida por ZKML dificulta la ejecución eficiente de grandes modelos de IA.
- La industria todavía está buscando pioneros de DeFi y GameFi para utilizar intensamente ZKML en sus productos para demostrar sus escenarios de aplicación práctica.
4. Red proxy + otras aplicaciones
4.1 Red proxy
Una red de agentes consta de numerosos agentes de inteligencia artificial equipados con las herramientas y el conocimiento para realizar tareas específicas, como ayudar con transacciones en cadena. Estos agentes pueden colaborar entre sí para lograr objetivos más complejos. Varias empresas conocidas están desarrollando activamente agentes y redes de agentes similares a chatbots.
Sleepless, Siya, Myshell, CharacterX y Delysium son jugadores importantes que están creando agentes de chatbot. Autonolas y ChainML están creando redes proxy para casos de uso más potentes.
La opinión de IOSG Ventures:
Los agentes son cruciales para las aplicaciones del mundo real. Pueden realizar tareas específicas mejor que la inteligencia artificial general. Blockchain ofrece varias oportunidades únicas para los agentes de inteligencia artificial.
- Tiene un mecanismo de incentivo: Blockchain proporciona un mecanismo de incentivo a través de tecnologías como los tokens no fungibles (NFT). Con estructuras claras de propiedad e incentivos, los creadores están incentivados a desarrollar agentes en cadena más interesantes e innovadores.
- Componibilidad de los contratos inteligentes: los contratos inteligentes en blockchain son altamente componibles y funcionan como bloques de Lego. La API abierta proporcionada por los contratos inteligentes permite a los agentes realizar tareas complejas que son difíciles de lograr en los sistemas financieros tradicionales. Esta capacidad de composición permite a los agentes interactuar y aprovechar la funcionalidad de una variedad de aplicaciones descentralizadas (dApps).
- Apertura inherente: al construir servidores proxy en blockchains, heredan la apertura y transparencia inherentes de estas redes. Esto crea importantes oportunidades de componibilidad entre diferentes agentes, permitiéndoles cooperar y combinar sus capacidades para resolver tareas más complejas.
4.2 Otras aplicaciones
Además de las categorías principales analizadas anteriormente, hay varias aplicaciones de IA interesantes que están recibiendo atención en el espacio Web3, aunque es posible que no sean lo suficientemente grandes como para formar categorías separadas. Estas aplicaciones abarcan una variedad de campos y demuestran la diversidad y el potencial de la inteligencia artificial en el ecosistema blockchain.
- Generación de imágenes: ImgnAI
- Realización de mensajes de imagen: NF
- Generación de imágenes de IA entrenada por la comunidad: Botto
- Chatbots: Kaito, Supersight, Galaxy, Kn n3, Awesome QA, Qna3
- Finanzas: Número AI
- Cartera: Amanecer_billetera
- Juego: JCC paralelo
- Educación: Enganchado
- Seguridad: Fuerte
- HIZO: Worldcoin
- Herramientas de creador: Plai Lab
5. Promocionar AIxCrypto entre los usuarios de Web2 para su adopción masiva
AI x Crypto es único porque resuelve los problemas más difíciles de la inteligencia artificial. A pesar de la brecha entre el producto AIxCrypto actual y los productos de IA Web2 y su falta de atractivo para los usuarios de Web2, AIxCrypto todavía tiene algunas características únicas que solo AIxCrypto puede ofrecer.
5.1 Recursos informáticos rentables:
Una ventaja importante de AIxCrypto es la provisión de recursos informáticos rentables. A medida que aumenta la demanda de LLM y hay más desarrolladores en el mercado, la disponibilidad y el precio de la GPU se vuelven más desafiantes. Los precios de las GPU han aumentado significativamente y hay escasez.
Las redes informáticas descentralizadas, como el proyecto DePIN, pueden ayudar a aliviar este problema aprovechando la potencia informática inactiva, las GPU en pequeños centros de datos y los dispositivos informáticos personales. Aunque la potencia informática descentralizada puede no ser tan estable como los servicios centralizados en la nube, estas redes proporcionan equipos informáticos rentables en una variedad de geografías. Este enfoque descentralizado minimiza la latencia del borde, lo que garantiza una infraestructura más distribuida y resistente.
Al aprovechar el poder de las redes informáticas descentralizadas, AIxCrypto puede proporcionar a los usuarios de Web2 recursos informáticos asequibles y accesibles. Esta ventaja de costos es atractiva para que los usuarios de Web2 adopten soluciones AIxCrypto, especialmente a medida que la demanda de computación con IA continúa creciendo.
5.2 Otorgar propiedad a los creadores:
Otro beneficio importante de AI x Crypto es la protección de los derechos de propiedad de los creadores. En el campo actual de la inteligencia artificial, algunos agentes se copian fácilmente. Estos agentes se pueden replicar fácilmente simplemente escribiendo indicaciones similares. Además, los proxies en las tiendas GPT suelen ser propiedad de empresas centralizadas y no de creadores, lo que limita el control de los creadores sobre sus obras y su capacidad para monetizarlas de manera efectiva.
AI x Crypto resuelve este problema aprovechando la tecnología NFT madura que es omnipresente en el campo de las criptomonedas. Al representar la agencia como NFT, los creadores pueden verdaderamente poseer sus creaciones y recibir ingresos reales de ellas. Cada vez que un usuario interactúa con un agente, los creadores pueden obtener incentivos, lo que garantiza una recompensa justa por sus esfuerzos. El concepto de propiedad basada en NFT se aplica no sólo a los agentes, sino que también puede utilizarse para proteger otros activos importantes en el campo de la inteligencia artificial, como bases de conocimientos y consejos.
5.3 Proteger la privacidad y reconstruir la confianza:
Los usuarios y creadores tienen preocupaciones sobre la privacidad de las empresas de inteligencia artificial centralizadas. A los usuarios les preocupa que sus datos se utilicen indebidamente para entrenar modelos futuros, mientras que a los creadores les preocupa que su trabajo se utilice sin la atribución o compensación adecuada. Además, las empresas de IA centralizadas pueden sacrificar la calidad del servicio para reducir los costos de infraestructura.
Estos problemas son difíciles de resolver con la tecnología Web2 y AIxCrypto aprovecha las soluciones avanzadas de Web3. La capacitación y la inferencia de conocimiento cero brindan transparencia al probar los datos utilizados y garantizar que se aplique el modelo correcto. Tecnologías como Trusted Execution Environment (TEE), aprendizaje federado y cifrado totalmente homomórfico (FHE) permiten una formación e inferencia de IA seguras y que preservan la privacidad.
Al priorizar la privacidad y la transparencia, AIxCrypto permite a las empresas de inteligencia artificial recuperar la confianza del público y brindar servicios de inteligencia artificial que respeten los derechos de los usuarios, diferenciándolos de las soluciones tradicionales Web2.
5.3 Proteger la privacidad y reconstruir la confianza:
Los usuarios y creadores tienen preocupaciones sobre la privacidad de las empresas de inteligencia artificial centralizadas. A los usuarios les preocupa que sus datos se utilicen indebidamente para entrenar modelos futuros, mientras que a los creadores les preocupa que su trabajo se utilice sin la atribución o compensación adecuada. Además, las empresas de IA centralizadas pueden sacrificar la calidad del servicio para reducir los costos de infraestructura.
Estos problemas son difíciles de resolver con la tecnología Web2 y AIxCrypto aprovecha las soluciones avanzadas de Web3. La capacitación y la inferencia de conocimiento cero brindan transparencia al probar los datos utilizados y garantizar que se aplique el modelo correcto. Tecnologías como Trusted Execution Environment (TEE), aprendizaje federado y cifrado totalmente homomórfico (FHE) permiten una formación e inferencia de IA seguras y que preservan la privacidad.
Al priorizar la privacidad y la transparencia, AIxCrypto permite a las empresas de IA recuperar la confianza del público y brindar servicios de IA que respeten los derechos de los usuarios, diferenciándolos de las soluciones Web2 tradicionales.
5.4 Seguimiento de fuentes de contenido
A medida que el contenido generado por IA se vuelve cada vez más sofisticado, se vuelve más difícil diferenciar entre texto, imágenes o videos escritos por humanos y generados por IA. Para evitar el uso indebido del contenido generado por IA, las personas necesitan una forma confiable de determinar la fuente del contenido.
Blockchain se destaca en el seguimiento de la procedencia del contenido, tal como lo ha hecho con éxito en la gestión de la cadena de suministro y las NFT. En la industria de la cadena de suministro, blockchain rastrea todo el ciclo de vida de un producto y los usuarios pueden identificar al fabricante y los hitos clave. Asimismo, blockchain rastrea a los creadores y previene la piratería en el caso de las NFT, que son particularmente vulnerables a la piratería debido a su naturaleza pública. A pesar de esta vulnerabilidad, el uso de blockchain puede minimizar las pérdidas de NFT falsos porque los usuarios pueden diferenciar fácilmente entre tokens reales y falsos.
Al aplicar la tecnología blockchain para rastrear el origen del contenido generado por IA, AIxCrypto brinda a los usuarios la capacidad de verificar si los creadores de contenido son IA o humanos, reduciendo así el potencial de abuso y aumentando la confianza en la autenticidad del contenido.
5.5 Desarrollar modelos utilizando criptomonedas
Diseñar y entrenar modelos, especialmente modelos grandes, es un proceso costoso y que requiere mucho tiempo. También existe incertidumbre en torno al nuevo modelo y los desarrolladores no pueden predecir su rendimiento.
Las criptomonedas brindan una forma fácil de recopilar datos previos a la capacitación, recopilar comentarios sobre el aprendizaje de refuerzo y realizar recaudaciones de fondos de las partes interesadas. El proceso es similar al ciclo de vida de un proyecto típico de criptomonedas: recaudar fondos a través de inversión privada o una plataforma de lanzamiento, y liberar tokens a los contribuyentes activos tras el lanzamiento.
Los modelos pueden adoptar un enfoque similar, recaudando fondos para capacitación vendiendo tokens y lanzando tokens desde el aire a quienes aportan datos y comentarios. Con un modelo económico de tokens bien diseñado, este flujo de trabajo ayuda a los desarrolladores individuales a entrenar nuevos modelos más fácilmente que nunca.
6. Desafíos de la Tokennomics
El proyecto AI x Crypto comenzó a apuntar a los desarrolladores de Web2 como clientes potenciales porque el cifrado tiene una propuesta de valor única y el tamaño de mercado de la industria de la inteligencia artificial de Web2 es considerable. Sin embargo, los tokens pueden ser un obstáculo para los desarrolladores de Web2 que no están familiarizados con los tokens y son reacios a involucrarse con sistemas basados en tokens.
Para atender a los desarrolladores de Web2, reducir o eliminar la utilidad de los tokens puede causar confusión a los entusiastas de Web3, porque puede cambiar la postura fundamental del proyecto AI x Crypto. Cuando se trabaja para integrar tokens valiosos en plataformas AI SaaS, encontrar el equilibrio entre atraer desarrolladores Web2 y mantener la utilidad del token es una tarea desafiante.
Para cerrar la brecha entre los modelos de negocio Web2 y Web3 manteniendo al mismo tiempo el valor simbólico, existen varios enfoques potenciales que podrían considerarse:
- Aprovechar tokens dentro de la red de infraestructura distribuida del proyecto. Implementar mecanismos de participación, recompensa y penalización para proteger la red subyacente.
- Utilice tokens como método de pago y proporcione acceso a los usuarios de Web2
- Implementar una gobernanza basada en tokens
- Compartir ganancias con los poseedores de tokens
- Utilice los ingresos para recomprar o destruir tokens
- Servicios brindados al proyecto, ofreciendo descuentos y características adicionales a los poseedores de tokens.
Al diseñar cuidadosamente un modelo económico de tokens que se alinee con los intereses de Web2 y Web3, el proyecto AI x Crypto puede atraer con éxito a los desarrolladores de Web2 manteniendo el valor y la utilidad de su token.
7. Nuestros escenarios favoritos de IA x Cripto
Nuestro escenario favorito de AI x Crypto aprovecha el poder de la colaboración del usuario para realizar tareas en el campo de la inteligencia artificial con la ayuda de la tecnología blockchain. Algunos ejemplos específicos incluyen:
-
Contribución de datos colectivos para la capacitación, alineación y evaluación comparativa de la IA (como Chatbot Arena)
-
Colaborar para construir una gran base de conocimientos compartidos que puedan utilizar varios agentes (por ejemplo, Sahara)
-
Utilice recursos personales para capturar datos de la red (por ejemplo, Grass)
Al aprovechar los esfuerzos colectivos de los usuarios basados en los incentivos y la coordinación de blockchain, estos modelos demuestran el potencial de un enfoque descentralizado e impulsado por la comunidad para el desarrollo y la implementación de la IA.
en conclusión
Estamos en los albores de la IA y la Web3, y la integración de la IA y la cadena de bloques aún se encuentra en sus primeras etapas en comparación con otras industrias. Entre los 50 principales productos Gen AI, no hay productos relacionados con Web3. Las principales herramientas de LLM están relacionadas con la creación y edición de contenido, principalmente para ventas, reuniones y notas/bases de conocimiento. Teniendo en cuenta la extensa investigación, documentación, ventas y esfuerzos comunitarios en el ecosistema Web3, existe un enorme potencial para el desarrollo de herramientas LLM personalizadas.
Actualmente, los desarrolladores se están centrando en construir infraestructura para llevar modelos avanzados de IA a la cadena, aunque todavía no hemos llegado a ese punto. A medida que continuamos desarrollando esta infraestructura, también estamos explorando los mejores escenarios de usuario para realizar inferencias de IA en la cadena de manera segura y sin confianza, lo que brinda oportunidades únicas en el espacio blockchain. Otras industrias pueden utilizar directamente la infraestructura LLM existente para inferencias y ajustes. Sólo la industria blockchain necesita su propia infraestructura de IA nativa.
En un futuro próximo, esperamos que la tecnología blockchain aproveche sus ventajas entre pares para resolver los problemas más desafiantes en la industria de la inteligencia artificial, haciendo que los modelos de IA sean más asequibles, accesibles y rentables para todos. También esperamos que el espacio criptográfico siga la narrativa de la industria de la IA, aunque con un ligero retraso. Durante el año pasado, hemos visto a desarrolladores combinar modelos Crypto, proxy y LLM. En los próximos meses, es posible que veamos más modelos multimodales, generación de videos de texto y generación 3D impactando el espacio criptográfico.
Toda la industria de la IA y Web3 no ha recibido suficiente atención en la actualidad. Esperamos con ansias el momento explosivo de la IA en Web3, una aplicación asesina de CryptoxAI.
