1. Interacción de Agente a Agente

La transparencia y la composabilidad por defecto de las cadenas de bloques las convierten en un sustrato perfecto para la interacción de agente a agente, donde los agentes desarrollados por diferentes entidades con diferentes propósitos pueden interactuar entre sí de manera perfecta. Ya ha habido una gran experimentación deagentes enviando fondos entre sí,lanzando tokens juntos, y más. Nos encantaría ver cómo la interacción de agente a agente puede escalar tanto creando espacios de aplicación completamente nuevos, comonuevos lugares sociales impulsados ​​por interacciones de agentes, así como pormejorando los flujos de trabajo empresarialessabemos que hoy en día puede ser tedioso, desde la autenticación y verificación de la plataforma hasta los micropagos, integraciones de flujo de trabajo entre plataformas y más.

- Danny,Katie,Aadharsh,Dmitriy

aethernet y clanker lanzando un token juntos en Warpcast

2. Organizaciones Agentes Descentralizadas

La coordinación multiagente a escala es un área de investigación igualmente interesante. ¿Cómo pueden los sistemas multiagente trabajar juntos para completar tareas, resolver problemas y gobernar sistemas y protocolos? En su publicación a principios de 2024, "Las promesas y desafíos de las aplicaciones de cripto + IA", Vitalik hace referencia a la utilización de agentes de IA para los mercados de predicción y la adjudicación. A escala, postula esencialmente, los sistemas multiagente tienen una capacidad notable para encontrar la "verdad" y, en general, sistemas de gobierno autónomos. Estamos interesados en ver cómo se siguen descubriendo y experimentando las capacidades de los sistemas multiagente y las formas de "inteligencia de enjambre".

Como una extensión de la coordinación de agente a agente, la coordinación de agente a humano es un espacio de diseño interesante, específicamente cómo las comunidades interactúan alrededor de los agentes o cómo los agentes organizan a los humanos para realizar acciones colectivas. Nos encantaría ver más experimentación con agentes cuya función objetivo involucre la coordinación humana a gran escala. Esto necesitará estar emparejado con algún mecanismo de verificación, especialmente si el trabajo humano se realizó fuera de la cadena, pero podría haber comportamientos emergentes muy extraños e interesantes.

-Katie,Dmitriy,Ash

3. Entretenimiento Multimedia Agentic

El concepto de personas digitales ha existido durante décadas.Hatsune Miku(2007) ha agotado recintos de 20,000 asientos yLil Miquela (2016) tiene más de 2M de seguidores en Instagram. Ejemplos más recientes y menos conocidos incluyen el AI vtuberNeuro-sama (2022) que tiene más de 600.000 suscriptores en Twitch y el grupo de chicos de kpop seudónimo@plave_official/featured"> PLAVE (2023), que ha acumulado más de 300M+ de vistas en YouTube en menos de dos años. Con avances en la infraestructura de IA y la integración de blockchains para pagos, transferencia de valor y plataformas de datos abiertos, estamos emocionados de ver cómo estos agentes pueden volverse más autónomos y potencialmente desbloquear una nueva categoría de entretenimiento en 2025.

- Katie,Dmitriy

En sentido horario desde arriba a la izquierda: Hatsune Miku, Luna de Virtuals, Lil Miquela y PLAVE

4. Marketing de Contenido Generativo/Agente

Donde en el caso anterior, el agente esel producto, también está el caso en el que los agentes pueden complementar los productos. En una economía de atención, mantener un flujo constante de contenido convincente es crucial para el éxito de cualquier idea, producto, empresa, etc. El contenido generativo/agente es una herramienta poderosa que los equipos pueden utilizar para garantizar un canal de origen de contenido escalable las 24 horas del día, los 7 días de la semana. Este espacio de ideas ha sido acelerado porla discusión sobre lo que distingue una memecoin de un agente.Los agentes son una forma poderosa para que las criptomonedas obtengan distribución, incluso si no son estrictamente "agentes" (aún).

Como otro ejemplo,@archetype/from-players-to-gods-games-and-autonomous-worlds"> Los juegos se esperan cada vez más dinámicos para mantener el compromiso de los usuarios. Un método clásico para crear dinamismo en los juegos es cultivar contenido generado por el usuario; el contenido puramente generativo (desde objetos dentro del juego, hasta personajes no jugadores, hasta niveles enteramente generativos) es quizá la próxima era en esta evolución. Nos preguntamos qué tan lejos se extenderán los límites de la estrategia de distribución tradicional mediante las capacidades de los agentes en 2025.

-Katie

5. Herramientas/Plataformas de Arte de Próxima Generación

En 2024, lanzamos@archetype"> EN CONVERSACIÓN CON, una serie de entrevistas con artistas en/en los límites de la cripto a través de la música, el arte visual, el diseño, la curaduría y más. Una de las observaciones clave que saqué de las entrevistas de este año fue que los artistas interesados en la cripto a menudo están interesados en la tecnología fronteriza de manera más amplia, así como en que esa tecnología viva más claramente dentro de la estética o el enfoque de su práctica, es decir, objetos de AR/VR, arte basado en código y livecoding.

El arte generativo en particular ha visto históricamente sinergias con blockchains, lo que hace más claro su potencial como sustrato similar para el arte de la IA. Mostrar y exhibir estos medios de arte adecuadamente es increíblemente difícil de lograr en foros tradicionales. ArtBlocks proporcionó una visión de cómo podría ser el futuro de la presentación, almacenamiento, monetización y preservación del arte digital aprovechando blockchains, mejorando la experiencia general tanto para artistas como para espectadores. Más allá de la presentación,Las herramientas de inteligencia artificial han extendido incluso la capacidad de los legos para crear su propia arte.Será muy interesante ver cómo las cadenas de bloques pueden ampliar o potenciar estas herramientas en 2025.

-Katie

Un extracto de EN CONVERSACIÓN CON: Maya Man

6. Mercados de Datos

En los 20 años desde que Clive Humby acuñó la frase "los datos son el nuevo petróleo," las empresas han tomado medidas sólidas para acaparar y monetizar los datos de los usuarios. Los usuarios se han dado cuenta de que sus datos son la base sobre la cual se construyen estas empresas multimillonarias, sin embargo, tienen muy poco control sobre cómo se utilizan sus datos ni exposición a las ganancias que ayudan a generar. La aceleración de potentes modelos de IA hace que esta tensión sea aún más existencial. Si combatir la explotación de los usuarios es una parte de la oportunidad de los datos, la otra se refiere a solucionar la escasez de suministro de datos a medida que modelos cada vez más grandes y mejores agotan los yacimientos de petróleo fácilmente accesibles de los datos públicos en internet y demandan nuevas fuentes.

En la primera pregunta de cómo podemos usar la infraestructura descentralizada para transferir el poder de los datos de vuelta a su punto de origen (usuarios), es un amplio espacio de diseño que requiere soluciones novedosas en una variedad de áreas. Algunos de los problemas más apremiantes incluyen: dónde se almacenan los datos y cómo preservamos la privacidad (durante el almacenamiento, la transferencia y el cálculo), cómo objetivamente evaluamos, filtramos y valoramos la calidad de los datos, qué mecanismos usamos para la atribución y la monetización (especialmente al vincular el valor de vuelta a la fuente posterior a la inferencia), y qué sistemas de orquestación o recuperación de datos usamos en un ecosistema de modelos diversos.

En la segunda pregunta sobre cómo resolver las limitaciones de suministro, no se trata solo de intentar replicar Scale AI con tokens, sino de entender dónde podemos tener una ventaja dado los vientos técnicos y cómo podemos construir soluciones bien pensadas con una ventaja competitiva, ya sea en torno a la escala, la calidad o mecanismos de incentivos (y filtrado) mejores para originar un producto de datos de mayor valor. Especialmente ya que gran parte de la demanda proviene de la IA web2, pensar cómo conectamos los mecanismos reforzados de contratos inteligentes con los SLA y los instrumentos convencionales es un área importante para estar al tanto.

-Danny

7. Cómputo descentralizado

Si los datos son uno de los bloques fundamentales en el desarrollo e implementación de la IA, el cálculo es el otro. El paradigma heredado de los grandes centros de datos con acceso exclusivo a sitios, energía y hardware ha definido en gran medida la trayectoria del aprendizaje profundo y la IA en los últimos años, pero las limitaciones físicas junto con los desarrollos de código abierto están empezando a desafiar esta dinámica.

v1 de computación en inteligencia artificial descentralizada se parecía a una réplica de nubes GPU web2 sin una ventaja real en el suministro (hardware o centros de datos) y una demanda orgánica mínima. En v2, estamos empezando a ver equipos notables construir pilas tecnológicas adecuadas sobre suministros heterogéneos de computación de alto rendimiento (HPC) con competencias en torno a la orquestación, enrutamiento y fijación de precios, junto con características propietarias adicionales diseñadas para atraer demanda y combatir la compresión de márgenes, especialmente en el lado de la inferencia. Los equipos también están comenzando a divergir en casos de uso y GTM, algunos enfocados en la incorporación de marcos de compiladores para un enrutamiento de inferencia eficiente en hardware diverso, mientras que otros están pionando marcos de entrenamiento de modelos distribuidos sobre las redes de computación que están construyendo.

Incluso estamos empezando a ver surgir un mercado de IA-Fi con nuevas primitivas económicas para convertir la informática y las GPU en activos que generan rendimiento o utilizar la liquidez onchain para ofrecer a los centros de datos una fuente de capital alternativa para adquirir hardware. La pregunta principal aquí es hasta qué punto se desarrollará y desplegará DeAI en rieles informáticos descentralizados o, si como con el almacenamiento, la brecha entre la ideología y las necesidades prácticas nunca se cierra lo suficiente como para alcanzar el potencial completo de la idea.

-Danny

8. Estándares de Contabilidad de Cómputo

En relación con la incentivación de las redes de la computación descentralizada de alto rendimiento, un desafío importante en la orquestación de la computación heterogénea es la falta de un conjunto acordado de estándares para contabilizar dicha computación. Los modelos de IA añaden de forma única varias arrugas al espacio de salida de la HPC, que van desde las variantes del modelo y la cuantificación hasta los niveles ajustables de estocasticidad a través de los modelos.temperatura y hiperparámetros de muestreo. Además, el hardware de IA puede introducir más arrugas a través de salidas variadas basadas en arquitecturas de GPU y versiones deCUDA. En última instancia, esto resulta en la necesidad de estándares sobre cómo los mercados de modelos y computación suman sus capacidades cuando se cruzan con sistemas distribuidos heterogéneos.

Al menos parcialmente debido a esta falta de estándares, hemos visto numerosas instancias este año en web2 y web3 donde los modelos y los mercados de cómputo no han logrado tener en cuenta con precisión la calidad y cantidad de su cómputo. Esto ha resultado en que los usuarios tengan que auditar el rendimiento real de estas capas de IA ejecutando sus propias pruebas comparativas de modelos y realizando pruebas de trabajo mediante la limitación de velocidad de dicho mercado de cómputo.

Dado el principio fundamental de verificabilidad del espacio cripto, esperamos que la intersección de cripto y AI en 2025 sea más fácilmente verificable en comparación con la IA tradicional. Específicamente, es importante que los usuarios promedio puedan realizar comparaciones equitativas en los aspectos de un modelo o grupo determinado que definen sus salidas para auditar y evaluar el rendimiento de un sistema.

- Aadharsh

9. Primitivas de privacidad probabilística

En "El potencial y los desafíos de las aplicaciones Cripto + IAVitalik hace referencia a un desafío único en la conexión de la cripto y la IA:

“En criptografía, el código abierto es la única forma de hacer algo realmente seguro, pero en IA, un modelo (incluso sus datos de entrenamiento) que sea abierto aumenta en gran medida su vulnerabilidad a los ataques adversarios de aprendizaje automático.”

Si bien la privacidad no es un área de investigación nueva para las criptomonedas, creemos que la proliferación de la IA continuará acelerando la investigación y el uso de las primitivas criptográficas que permiten la privacidad. Este año ya ha visto avances masivos en tecnologías de mejora de la privacidad como ZK, FHE, TEEs y MPC para casos de uso como estado compartido privado para computación sobre datos encriptados para aplicaciones generales. Al mismo tiempo, hemos visto a gigantes de la IA centralizada como Nvidia y Apple utilizar TEEs propietarios para el aprendizaje federado e inferencia de IA privada al mantener el hardware, el firmware y los modelos constantes en todos los sistemas.

Con esto en mente, seguiremos de cerca los desarrollos para mantener la privacidad de las transiciones de estado estocásticas y cómo aceleran el progreso de las aplicaciones de IA descentralizadas del mundo real en sistemas heterogéneos, desde inferencias privadas descentralizadas hasta pipelines de almacenamiento/acceso para datos encriptados y entornos de ejecución completamente soberanos.

-Aadharsh

Apple’s pila de inteligencia de Apple y la GPU H100 de Nvidia

10. Intenciones agenticas e interfaces de negociación de próxima generación para usuarios

Uno de los casos de uso más cercanos a corto plazo de los agentes de inteligencia artificial es aprovecharlos para transaccionar autónomamente en la cadena en nuestro nombre. Hay que admitir que ha habido mucho lenguaje borroso en los últimos 12-16 meses en torno a lo que dicta exactamente una intención, una acción agente, una intención agente, un solucionador, un solucionador agente, etc., y cómo se diferencian del desarrollo de 'bots' más convencionales de los últimos años.

Durante los próximos 12 meses, estamos entusiasmados de ver sistemas de lenguaje cada vez más sofisticados combinados con diferentes tipos de datos y arquitecturas de redes neuronales para avanzar en el espacio de diseño general. ¿Los agentes realizarán transacciones utilizando los mismos sistemas onchain que utilizamos hoy en día o desarrollarán sus propias herramientas/métodos para realizar transacciones onchain? ¿Seguirán siendo los LLM el backend de estos sistemas de transacciones agentic o de otro sistema por completo? En la capa de interfaz, ¿los usuarios comenzarán a realizar transacciones utilizando lenguaje natural? ¿Llegará finalmente a buen término la clásica tesis de "los monederos como navegadores"?

-Danny,Katie, Aadharsh,Dmitriy

Descargo de responsabilidad:

1. Este artículo ha sido reimpreso de [Arquetipo]. Todos los derechos de autor pertenecen al autor original [Arquetipo]. Si hay objeciones a esta reimpresión, por favor contacte al Gate Learnequipo, y lo manejarán rápidamente.
2. Descargo de responsabilidad por responsabilidad: Las opiniones y puntos de vista expresados en este artículo son únicamente los del autor y no constituyen ningún consejo de inversión.
3. El equipo de Learn de gate realiza traducciones del artículo a otros idiomas. A menos que se mencione, está prohibido copiar, distribuir o plagiar los artículos traducidos.