Palestra pós-aniversário do ChatGPT: o gargalo da IA generativa e a oportunidade da Web3

Autores: @chenyangjamie, @GryphsisAcademy

TL; DR:

1. As aplicações comerciais de IA generativa tomaram o mundo de assalto em 2022, mas à medida que a novidade desaparece, alguns dos problemas atuais com IA generativa estão se tornando aparentes. O amadurecimento do campo Web3, com a natureza totalmente transparente, verificável e descentralizada do blockchain, fornece novas ideias para resolver problemas de IA generativa.
2. A IA generativa é uma tecnologia emergente nos últimos anos, que se baseia na estrutura de rede neural do deep learning, e o modelo de disseminação para geração de imagens e o modelo de linguagem grande para ChatGPT mostraram grande potencial para comercialização.
3. A arquitetura de implementação da IA generativa na Web3 inclui infraestrutura, modelos, aplicações e dados, entre os quais a parte de dados é particularmente importante quando combinada com a Web3, e tem enorme espaço para desenvolvimento, especialmente o modelo de dados on-chain, projetos de proxy de IA e aplicações verticais, que têm o potencial de se tornarem direções de desenvolvimento chave no futuro.
4. Atualmente, os projetos populares na trilha de IA na Web3 no mercado mostraram as características de fundamentos insuficientes e fraca capacidade de captura de valor de token, e eles estão principalmente ansiosos por novos calor ou atualizações da economia de tokens no futuro.
5. A IA generativa tem um grande potencial no espaço Web3, e há muitas novas narrativas para esperar no futuro.

1. Por que a IA generativa e a Web3 precisam uma da outra?

2022 pode ser chamado de o ano em que a IA generativa (Inteligência Artificial) tomou o mundo de assalto, antes da qual a IA generativa se limitava apenas às ferramentas auxiliares dos trabalhadores profissionais, e após o surgimento sucessivo de Dalle-2, Stable Diffusion, Imagen, e Midjourney, AI-Generated Content (abreviação). Como a mais recente aplicação de tecnologia, AIGC gerou uma grande onda de conteúdo da moda nas mídias sociais. E o ChatGPT, que foi lançado pouco depois, foi uma bomba, levando essa tendência ao seu pico. Como a primeira ferramenta de IA que pode responder a quase qualquer pergunta com a entrada de um simples comando de texto (ou seja, ), o ChatGPT há muito se tornou um assistente de trabalho diário para muitas pessoas. Pela primeira vez, as pessoas podem sentir a “inteligência” da inteligência artificial, pois ela pode lidar com uma variedade de tarefas diárias, como escrita de documentos, ajuda de lição de casa, assistente de e-mail, revisão de redação e até tutoria emocional, e a Internet está pesquisando entusiasticamente vários mistérios usados para otimizar os resultados gerados pelo ChatGPT. De acordo com um relatório da equipe macro do Goldman Sachs, a IA generativa pode ser um impulsionador para o crescimento da produtividade do trabalho nos Estados Unidos, impulsionando o crescimento do PIB global em 7% (ou quase US$ 7 trilhões) e aumentando o crescimento da produtividade em 1,5 ponto percentual dentro de 10 anos após o desenvolvimento da IA generativa.

** **

O campo Web3 também sentiu a brisa da primavera da AIGC, e o setor de IA subiu em toda a linha em janeiro de 2023

Fonte:

No entanto, depois que a novidade inicial desapareceu, o tráfego global do ChatGPT diminuiu pela primeira vez desde seu lançamento em junho de 2023 (Fonte: SimilarWeb), e é hora de repensar o que significa IA generativa e quais são suas limitações. A partir da situação atual, os dilemas encontrados pela IA generativa incluem (mas não estão limitados a): primeiro, as mídias sociais estão cheias de conteúdo AIGC não licenciado e não rastreável, em segundo lugar, o alto custo de manutenção do ChatGPT forçou a OpenAI a optar por reduzir a qualidade da geração para reduzir custos e aumentar a eficiência e, finalmente, mesmo os maiores modelos do mundo ainda são tendenciosos em alguns aspetos dos resultados gerados.

** **

Tráfego global de desktop e dispositivos móveis do ChatGPT

Fonte: Similarweb

Ao mesmo tempo, a Web3, que está amadurecendo gradualmente, com suas características descentralizadas, totalmente transparentes e verificáveis, fornece uma nova solução para o dilema atual da IA generativa:

1. A total transparência e rastreabilidade da Web3 pode resolver os desafios de direitos autorais e privacidade dos dados trazidos pela IA generativa. Esses dois recursos do Web3 permitem que a fonte e a autenticidade do conteúdo sejam efetivamente verificadas, aumentando significativamente o custo de conteúdo falso ou infrator gerado por IA, como remixes curtos que confundem direitos autorais ou vídeos de troca de rosto DeepFake que violam a privacidade de outras pessoas. Além disso, espera-se que a aplicação de contratos inteligentes na gestão de conteúdos resolva questões de direitos de autor e garanta que os criadores de conteúdos possam obter uma compensação mais justa pelo conteúdo que criam.

** **

DeepFake Video: Este não é Morgan Freeman

Fonte: Youtube

2. A descentralização da Web3 pode reduzir o risco de centralização do poder de computação da IA. **A IA generativa requer enormes recursos de computação, com estimativas que custam pelo menos US $ 2 milhões para treinar um ChatGPT baseado em GPT-3 e cerca de US $ 47.000 por dia para eletricidade, um número que aumenta exponencialmente à medida que a tecnologia e a escala evoluem. Os recursos computacionais ainda estão fortemente concentrados nas mãos das grandes empresas, o que leva a custos significativos de pesquisa e desenvolvimento, manutenção e operação, bem como ao risco de centralização, dificultando a concorrência das empresas menores. Enquanto o treinamento de grandes modelos ainda pode precisar ocorrer em um ambiente centralizado no curto prazo, já que o treinamento de grandes modelos requer muitos recursos de computação, na Web3, a tecnologia blockchain possibilita a inferência de modelos distribuídos, a governança de votação da comunidade e a tokenização de modelos, entre outras coisas. Usando uma exchange descentralizada existente como um caso maduro, podemos projetar um sistema de inferência de modelo grande de IA descentralizado orientado pela comunidade, no qual a propriedade do grande modelo pertence à comunidade e é governada pela comunidade.

Mesmo com o mais recente H100 para treinar GPT-3, o custo por FLOPs ainda é alto

Fonte: substake.com

3. Aproveite os recursos da Web3 para otimizar a diversidade de conjuntos de dados de IA e a interpretabilidade de modelos de IA. **Os métodos tradicionais de recolha de dados baseiam-se basicamente em conjuntos de dados públicos ou nos próprios criadores de modelos, e os dados recolhidos são frequentemente limitados pela geografia e cultura. Isso pode levar ao conteúdo gerado pelo programa AIGC e às respostas geradas pelo ChatGPT com o viés subjetivo de determinados grupos étnicos, como alterar a cor da pele da tarefa alvo. E com o modelo de incentivo de token da Web3, podemos otimizar a maneira como coletamos dados, coletando e ponderando dados de todos os cantos do mundo. Ao mesmo tempo, a total transparência e rastreabilidade da Web3 pode aumentar ainda mais a interpretabilidade do modelo e incentivar a saída de diversos backgrounds para enriquecer o modelo.

Uma IA projetada para aumentar a resolução transformaria Obama em um homem branco

Fonte: Twitter

4. **Você pode usar os enormes dados on-chain da Web3 para treinar modelos exclusivos de IA. **Os métodos atuais de design e treinamento de modelos de IA geralmente são baseados na construção da estrutura de dados de destino (texto, fala, imagem ou vídeo). Uma direção de desenvolvimento futura única para a combinação de Web3 e IA é referir-se aos métodos de construção e treinamento de modelos grandes de linguagem natural e usar a estrutura de dados exclusiva de dados on-chain Web3 para estabelecer modelos grandes de dados on-chain. Isso fornece aos usuários uma perspetiva única que outras análises de dados não podem alcançar (rastreamento de dinheiro inteligente, tendências de financiamento de projetos, etc.), e a IA tem a vantagem de ser capaz de processar grandes quantidades de dados simultaneamente em comparação com a análise manual on-chain.

Análise on-chain automatizada, monitoramento de informações on-chain pode obter informações em primeira mão

Fonte: nansen.ai

5. A IA generativa tem o potencial de ser uma força poderosa na redução da barreira de entrada para as pessoas participarem no mundo Web3. **O atual modelo de participação mainstream de projetos Web3 requer que os participantes tenham uma compreensão considerável de vários conceitos on-chain complexos e lógica de operação da carteira, o que aumenta muito o custo de aprendizagem e o risco de mau funcionamento para os usuários, enquanto aplicações semelhantes na Web2 implementaram o princípio do “princípio do homem preguiçoso” de design de produto por muitos anos, para que os usuários possam facilmente e sem riscos começar. Espera-se que a IA generativa alimente projetos centrados na intenção que podem melhorar drasticamente a experiência do usuário dos produtos Web3, agindo como um “assistente inteligente” entre usuários e protocolos na Web3.

6. A Web3 também criou uma enorme demanda por conteúdo, e a IA generativa tornou-se um meio fundamental de preencher essa demanda. A IA generativa pode criar uma infinidade de artigos, imagens, áudio e conteúdo de vídeo para a Web3, impulsionando o desenvolvimento de aplicativos descentralizados, de mercados NFT a documentos para contratos inteligentes, todos os quais podem se beneficiar de conteúdo diversificado gerado por IA.

Embora a IA generativa e a Web3 tenham seus próprios desafios, suas necessidades mútuas e soluções colaborativas moldarão o futuro do mundo digital. Esta colaboração melhorará a qualidade e a credibilidade da criação de conteúdos, impulsionando o desenvolvimento do ecossistema digital e, ao mesmo tempo, proporcionando aos utilizadores uma experiência digital mais valiosa. A coevolução da IA generativa e da Web3 criará um novo capítulo emocionante na era digital.

Em segundo lugar, um resumo técnico da IA generativa

2.1 Antecedentes técnicos da IA generativa

Desde que o conceito de IA foi introduzido na década de 50 do século 20, houve vários altos e baixos, e cada inovação tecnológica chave traz uma nova onda, e desta vez a IA generativa não é exceção. Como um conceito emergente que só foi proposto nos últimos 10 anos, a IA generativa se destacou de muitas subdireções de pesquisa da IA devido ao desempenho deslumbrante de tecnologias e produtos recentes, e atraiu a atenção do mundo da noite para o dia. Antes de irmos mais longe na arquitetura técnica da IA generativa, precisamos primeiro explicar o significado específico da IA generativa discutida neste artigo e revisar brevemente os principais componentes técnicos da IA generativa, que explodiu recentemente.

A IA generativa é um tipo de IA que pode ser usada para criar novos conteúdos e ideias, incluindo conversas, histórias, imagens, vídeos e música, e é um modelo construído sobre uma estrutura de rede neural baseada em aprendizagem profunda, treinada com grandes quantidades de dados e repleta de um grande número de parâmetros. Os produtos de IA generativa que recentemente chamaram a atenção das pessoas podem ser simplesmente divididos em duas categorias: uma é produtos de geração de imagem (vídeo) com entrada de texto ou estilo, e a outra são produtos ChatGPT com entrada de texto. Estes dois tipos de produtos têm a mesma tecnologia central, ou seja, um modelo de linguagem pré-treinado (LLM) baseado na arquitetura Transformer. Com base nisso, o primeiro tipo de produto adiciona um modelo de difusão que combina entrada de texto para gerar imagens ou vídeos de alta qualidade, e o segundo tipo de produto adiciona aprendizado de reforço com feedback humano (RLHF) para alcançar um nível lógico de resultados de saída próximo ao dos humanos.

2.2 Arquitetura Técnica Atual da IA Generativa:

Muitos dos melhores artigos no passado discutiram a importância da IA generativa para as arquiteturas técnicas existentes de diferentes perspetivas, como este artigo da A16z, “Who Owns the Generative AI Platform?”, que resume de forma abrangente a arquitetura técnica atual da IA generativa:

** **

A principal arquitetura técnica da IA generativa

Fonte: Quem é o proprietário da plataforma de IA generativa?

Neste artigo de pesquisa, a arquitetura atual da IA generativa Web2 é dividida em três níveis: infraestrutura (poder de computação), modelo e aplicação, e dá visões sobre o desenvolvimento atual desses três níveis.

Para infraestrutura, embora a lógica de construção de infraestrutura na Web2 ainda seja a base, ainda existem muito poucos projetos de infraestrutura que realmente combinam Web3 e IA. Ao mesmo tempo, a infraestrutura também é a parte que captura mais valor nesta fase, e os oligarcas da tecnologia Web2 obtiveram ganhos consideráveis ao “vender pás” no atual estágio de exploração de IA em virtude de suas décadas de cultivo profundo no campo de armazenamento e computação.

Para os modelos, eles devem ser os verdadeiros criadores e proprietários da IA, mas, nesta fase, há muito poucos modelos de negócios que podem apoiar os autores do modelo a obter o valor de negócios correspondente.

Para aplicativos, várias verticais acumularam mais de centenas de milhões de dólares em receita, mas altos custos de manutenção e baixa retenção de usuários não são suficientes para suportar um modelo de negócios de longo prazo.

2.3 Exemplos de aplicações generativas de IA e Web3

2.3.1 Aplicando IA para analisar dados massivos da Web3

**Os dados estão no centro da construção de barreiras técnicas no futuro do desenvolvimento da IA. Para entender por que isso é importante, vamos olhar para um estudo sobre as fontes de desempenho de modelos grandes. Este estudo mostra que grandes modelos de IA exibem uma capacidade única de emergir: ao aumentar o tamanho do modelo, a precisão do modelo explodirá repentinamente quando um determinado limiar for excedido. Como mostrado na figura abaixo, cada gráfico representa uma tarefa de treinamento e cada linha atende ao desempenho (precisão) de um modelo grande. Experimentos em diferentes modelos grandes chegaram à mesma conclusão: depois que o tamanho do modelo excede um determinado limite, o desempenho em diferentes tarefas mostra um crescimento revolucionário.

A relação entre o tamanho do modelo e o desempenho do modelo

Fonte: Raciocínio Analógico Emergente em Grandes Modelos de Linguagem

Em termos simples, as mudanças quantitativas na escala do modelo levam a uma mudança qualitativa no desempenho do modelo. **O tamanho do modelo está relacionado com o número de parâmetros do modelo, o tempo de treino e a qualidade dos dados de treino. Nesta fase, no caso do número de parâmetros do modelo (grandes empresas têm equipes de P&D de topo responsáveis pelo design) e do tempo de treinamento (hardware de computação é comprado pela NVIDIA) não pode fechar a lacuna, se você quiser construir um produto que lidere a concorrência, uma maneira é encontrar os melhores pontos problemáticos de demanda no campo de subdivisão para criar uma aplicação assassina, mas isso requer uma compreensão profunda do campo alvo e excelente insight, enquanto a outra maneira é mais prática e viável, ou seja, coletar dados cada vez mais abrangentes do que os concorrentes. **

Isso também encontra um bom ponto de entrada para modelos de IA generativa entrarem no espaço Web3. Os grandes modelos de IA existentes ou modelos básicos são treinados com base em enormes quantidades de dados em diferentes campos, e a exclusividade dos dados on-chain na Web3 torna o modelo de dados on-chain um caminho viável que vale a pena esperar. Existem atualmente duas lógicas de produto para hierarquias de dados na Web3: a primeira é fornecer incentivos para que os provedores de dados protejam a privacidade e a propriedade dos proprietários de dados, incentivando os usuários a compartilhar o direito de usar os dados uns com os outros. O Ocean Protocol oferece uma ótima maneira de compartilhar dados. O segundo é integrar dados e aplicativos pela equipe do projeto para fornecer aos usuários serviços para uma determinada tarefa. **Por exemplo, a Trusta Lab coleta e analisa os dados on-chain dos usuários e pode fornecer serviços como análise de conta bruxa e análise de risco de ativos on-chain por meio de seu sistema exclusivo de pontuação MEDIA.

2.3.2 Aplicações de proxy AI para Web3

**O aplicativo on-chain AI Agent acima mencionado também está no centro das atenções - com a ajuda de um modelo de linguagem grande, fornece aos usuários serviços on-chain quantificáveis com a premissa de garantir a privacidade do usuário. **De acordo com uma postagem no blog de Lilian Weng, Chefe de Pesquisa de IA da OpenAI, o Agente de IA pode ser dividido em quatro componentes, ou seja, Agente = LLM + Planejamento + Memória + Uso de ferramentas. Como o núcleo do agente de IA, LLM é responsável por interagir com o mundo exterior, aprender grandes quantidades de dados e expressá-los logicamente em linguagem natural. A parte Planejamento + Memória é semelhante aos conceitos de ação, política e recompensa no treinamento da técnica de aprendizagem por reforço do AlphaGo. O objetivo da tarefa é desmontado em cada alvo pequeno, e a solução otimizada de um objetivo de tarefa é aprendida passo a passo a partir dos resultados e feedback de vários treinamentos repetidos, e as informações obtidas são armazenadas em diferentes tipos de memória para diferentes funções. Quanto ao uso de ferramentas, refere-se ao uso de ferramentas como invocar ferramentas modulares, recuperar informações da Internet, conectar-se a fontes de informação proprietárias ou APIs, etc., e vale a pena notar que a maioria dessas informações será difícil de mudar após o pré-treinamento.

Diagrama global do Agente de IA

Fonte: LLM Powered Autonomous Agents

Combinado com a lógica de implementação específica do AI Agent, podemos ousar imaginar que a combinação de Web3 + AI Agent trará imaginação infinita, como:

1. O modo AI Agent pode ser adicionado ao aplicativo de negociação atual, que pode fornecer aos clientes uma interface interativa de nível de linguagem natural, incluindo, mas não limitado a, previsão de preços, estratégia de transação, estratégia de stop loss, ajuste dinâmico de alavancagem, cópia inteligente KOL, empréstimos, etc.
2. Ao executar a estratégia quantitativa, a estratégia pode ainda ser decomposta em cada subtarefa e entregue a diferentes agentes de IA para implementação, e cada agente de IA coopera entre si, o que pode não só melhorar a segurança da proteção da privacidade, mas também monitorizar em tempo real para evitar que a contraparte explore vulnerabilidades para reverter o robô.
3. Um grande número de NPCs em jogos em cadeia também é um ajuste natural para AI Agent, e agora há um projeto para aplicar GPT para gerar dinamicamente conteúdo de diálogo de personagens do jogo, e no futuro, espera-se que ele não se limite a texto predefinido, mas seja atualizado para uma interação NPC (ou mesmo humana digital) de jogo em tempo real mais realista, que pode realizar a autointeração sem envolver a intervenção do jogador. A “Cidade Virtual” da Universidade de Stanford é um ótimo exemplo disso.

Embora o atual centro de projetos Web3 + AI Agent ainda esteja concentrado no mercado primário ou do lado da infraestrutura de IA, e ainda não haja uma aplicação assassina de To C, acredita-se que os projetos Web3 + AI que mudarão o jogo no futuro valem a pena esperar combinando várias características do blockchain, como governança distribuída on-chain, inferência de prova de conhecimento zero, distribuição de modelos, melhoria da interpretabilidade, etc.

2.3.3 Potenciais aplicações verticais da Web3 + AI

A. Aplicações no domínio da educação

A combinação de Web3 e IA inaugurou uma revolução na educação, onde as salas de aula de realidade virtual generativa são uma inovação atraente. Ao incorporar a tecnologia de IA em uma plataforma de aprendizagem on-line, os alunos podem obter uma experiência de aprendizagem personalizada que gera conteúdo educacional personalizado com base em seu histórico de aprendizagem e interesses. Espera-se que esta abordagem personalizada aumente a motivação e a eficácia dos alunos na aprendizagem, aproximando a educação das necessidades individuais.

Alunos participam de aulas de realidade virtual por meio de dispositivos imersivos de RV

Fonte: Equipa V-SENSE

Além disso, o incentivo de crédito do modelo token também é uma prática inovadora no campo da educação. Através da tecnologia blockchain, os créditos e conquistas dos alunos podem ser codificados em tokens para formar um sistema de crédito digital. Tais incentivos incentivam os alunos a participar ativamente nas atividades de aprendizagem, criando um ambiente de aprendizagem mais participativo e motivador.

Ao mesmo tempo, inspirado pelo recentemente popular projeto SocialFi FriendTech, uma lógica de preços chave semelhante ligada a IDs também pode ser usada para construir um sistema de avaliação por pares, que também traz mais elementos sociais para a educação. Com a ajuda da imutabilidade do blockchain, a avaliação entre os alunos é mais justa e transparente. Este mecanismo de avaliação mútua não só ajuda a cultivar o trabalho em equipa e as competências sociais dos alunos, mas também proporciona uma avaliação mais abrangente e multi-ângulo do desempenho dos alunos, introduzindo métodos de avaliação mais diversificados e abrangentes no sistema educativo.

B. Aplicações médicas

Na área da saúde, a combinação de Web3 e IA está impulsionando o desenvolvimento de aprendizagem federada e inferência distribuída. Ao federar computação distribuída e aprendizagem automática, os profissionais de saúde podem partilhar dados em grande escala para uma aprendizagem em grupo mais profunda e abrangente. Esta abordagem de inteligência coletiva pode acelerar o desenvolvimento de opções de diagnóstico e tratamento de doenças e avançar no campo da medicina.

A proteção da privacidade é uma questão-chave que não pode ser ignorada em aplicações médicas. Através da descentralização da Web3 e da imutabilidade da blockchain, os dados médicos dos pacientes podem ser armazenados e transmitidos de forma mais segura. Os contratos inteligentes podem obter controle preciso e gerenciamento de permissões de dados médicos, garantindo que apenas pessoal autorizado possa acessar informações confidenciais dos pacientes, mantendo assim a privacidade dos dados médicos.

C. Aplicações no domínio dos seguros

No setor de seguros, espera-se que a integração da Web3 e da IA traga soluções mais eficientes e inteligentes para os negócios tradicionais. Por exemplo, nos seguros automóvel e residencial, a utilização da tecnologia de visão computacional permite que as seguradoras avaliem de forma mais eficiente o valor e o nível de risco dos imóveis através da análise e avaliação de imagens. Isso proporciona às seguradoras estratégias de preços mais refinadas e personalizadas, além de melhorar o nível de gestão de riscos no setor de seguros.

Use a tecnologia de IA para avaliação de sinistros

Fonte: Tractable Inc

Ao mesmo tempo, a liquidação automatizada de sinistros on-chain é também uma inovação no setor dos seguros. Com base em contratos inteligentes e tecnologia blockchain, o processo de sinistros pode ser mais transparente e eficiente, reduzindo a possibilidade de procedimentos complicados e intervenção humana. Isso não só aumenta a velocidade de liquidação de sinistros, mas também reduz os custos operacionais, resultando em uma melhor experiência para seguradoras e clientes.

O ajuste dinâmico de prêmios é outra prática inovadora, através de análise de dados em tempo real e algoritmos de aprendizado de máquina, as seguradoras são capazes de ajustar os prêmios com mais precisão e em tempo hábil, e personalizar a precificação de acordo com o perfil de risco real do segurado. Isso não só torna os prêmios mais equitativos, mas também incentiva os segurados a adotarem comportamentos mais saudáveis e seguros, promovendo a gestão de riscos e medidas preventivas para a sociedade como um todo.

D. Aplicações no domínio dos direitos de autor

No campo dos direitos autorais, a combinação de Web3 e IA trouxe um novo paradigma para a criação de conteúdo digital, propostas de curadoria e desenvolvimento de código. Através de contratos inteligentes e armazenamento descentralizado, as informações de direitos autorais para conteúdo digital podem ser mais bem protegidas e os criadores de obras podem rastrear e gerenciar mais facilmente sua propriedade intelectual. Ao mesmo tempo, através da tecnologia blockchain, podem ser estabelecidos registos criativos transparentes e invioláveis, proporcionando um meio mais fiável para a rastreabilidade e autenticação das obras.

A inovação do modelo de trabalho é também uma mudança importante no domínio dos direitos de autor. A colaboração de trabalho incentivada por tokens incentiva criadores, planejadores e desenvolvedores a participar do projeto, combinando contribuições de trabalho com incentivos de token. Isso não só promove a colaboração entre as equipes criativas, mas também oferece aos participantes a oportunidade de se beneficiar diretamente do sucesso do projeto, levando a mais um ótimo trabalho.

Por outro lado, a aplicação do token como prova de direitos autorais remodela o modelo de distribuição de benefícios. Através do mecanismo de dividendos executado automaticamente por contratos inteligentes, cada participante no trabalho pode obter a participação nos lucros correspondente em tempo real quando o trabalho é usado, vendido ou transferido. Este modelo de dividendos descentralizados resolve eficazmente os problemas de opacidade e atraso no modelo tradicional de direitos de autor e proporciona um mecanismo de distribuição de benefícios mais justo e eficiente para os criadores.

E. Aplicações do metaverso

No campo do metaverso, a integração da Web3 e da IA oferece novas possibilidades para a criação de conteúdo de jogos em cadeia de baixo custo e cheio de AIGC. O ambiente virtual e os personagens gerados por algoritmos de IA podem enriquecer o conteúdo do jogo em cadeia, proporcionar aos usuários uma experiência de jogo mais vívida e diversificada e reduzir a mão de obra e o custo de tempo no processo de produção.

A produção humana digital é uma inovação em aplicações de metaverso. Combinado com a geração de aparência até o cabelo e a construção do pensamento com base em grandes modelos de linguagem, os humanos digitais gerados podem desempenhar vários papéis no metaverso, interagir com os usuários e até mesmo participar de gêmeos digitais de cenários do mundo real. Isso fornece uma experiência mais realista e profunda para o desenvolvimento da realidade virtual e promove a ampla aplicação da tecnologia humana virtual digital em entretenimento, educação e outros campos.

Gerar automaticamente conteúdo publicitário de acordo com retratos de usuário on-chainÉ uma aplicação criativa de publicidade inteligente no campo do metaverso. Ao analisar o comportamento e as preferências dos usuários no metaverso, os algoritmos de IA podem gerar conteúdo de anúncio mais personalizado e envolvente, melhorando as taxas de cliques e o envolvimento do usuário nos anúncios. Este método de geração de anúncios não só está mais alinhado com os interesses dos utilizadores, como também proporciona aos anunciantes uma forma mais eficiente de promover.

Os NFTs interativos generativos são uma tecnologia atraente no espaço do metaverso. Ao combinar NFTs com design generativo, os usuários podem participar da criação de sua própria arte NFT no metaverso, dando-lhe interatividade e exclusividade. Isso abre novas possibilidades para a criação e negociação de ativos digitais, impulsionando o desenvolvimento da arte digital e da economia virtual no metaverso.

III. Web3 Alvos Relacionados

Aqui o autor selecionou cinco projetos, Render Network e Akash Network como os líderes veteranos da infraestrutura geral de IA e trilha de IA, Bittensor como o projeto popular na categoria de modelo, Alethea.ai como o forte projeto de aplicação de IA generativa, Fetch.ai como o projeto de referência no campo da agência de IA, para ter um vislumbre do status atual de projetos de IA generativa no campo da Web3.

3.1 Rede de renderização($RNDR)

A Render Network foi fundada em 2017 por Jules Urbach, fundador da sua empresa-mãe, a OTOY. O principal negócio da OTOY é a renderização gráfica na nuvem, e ela trabalhou em projetos de cinema e televisão vencedores do Oscar, com cofundadores do Google e da Mozilla como consultores, e trabalhou em vários projetos com a Apple. O objetivo da Render Network, que se estende do OTOY ao campo Web3, é usar a natureza distribuída da tecnologia blockchain para conectar renderização em menor escala e demanda e recursos de IA a uma plataforma descentralizada, economizando assim em pequenas oficinas o custo de alugar recursos de computação centralizados caros (como AWS, MS Azure e Alibaba Cloud), e também fornecer geração de renda para aqueles com recursos de computação ociosos.

Como a Render é uma empresa OTOY que desenvolveu de forma independente o renderizador de alto desempenho Octane Render, juntamente com uma lógica de negócios definida, foi considerado um projeto Web3 com suas próprias necessidades e fundamentos no início de seu lançamento. Durante o período em que a IA generativa estava em alta, a demanda por verificação distribuída e tarefas de inferência distribuídas era um ajuste perfeito para a arquitetura técnica da Render, e foi considerada uma de suas direções de desenvolvimento promissoras no futuro. Ao mesmo tempo, Render tem ocupado a posição de liderança na pista de IA no campo Web3 por muitos anos nos últimos anos, e derivou um certo grau de natureza meme.

Em fevereiro de 2023, a Render Network anunciou uma próxima atualização para os novos níveis de preços e um mecanismo de estabilização de preços $RNDR votado pela comunidade (no entanto, ainda não foi confirmado quando entrará em operação) e, ao mesmo tempo, anunciou que o projeto será transferido do Polygon para Solana (juntamente com a atualização de tokens $RNDR para tokens $RENDER baseados no padrão Solana SPL, que já foi concluído em novembro de 2023).

O novo sistema de classificação de preços lançado pela Render Network divide os serviços on-chain em três níveis, de alto a baixo, correspondendo a diferentes faixas de preço e qualidade dos serviços prestados, que podem ser selecionados pelo demandante de prestação.

Três níveis do novo nível de preços da Render Network

O mecanismo de estabilização de preços do $RNDR, que foi votado pela comunidade, foi alterado da anterior recompra irregular para o uso do modelo “Burn-and-Mint Equilibrium (BME)”, tornando mais óbvio o posicionamento do $RNDR como um token de pagamento de estabilidade de preços em vez de manter ativos por muito tempo. O processo de negócios específico em uma época BME é mostrado no diagrama a seguir:

1. Criação de Produtos. “Criadores de produtos” em Renderizar, ou seja, provedores de recursos de renderização, que empacotam recursos de renderização ociosos em produtos (nós) e aguardam para serem usados na rede.
2. “Compra de Produto”. Os clientes com necessidades de renderização queimarão diretamente tokens como pagamento por serviços se tiverem tokens $RNDR e, se não tiverem, primeiro comprarão tokens $RNDR com moeda fiduciária no DEX. O preço pago pelo serviço é registado publicamente em cadeia.
3. Mint o token “Mint Token”. De acordo com as regras predefinidas, um novo token é alocado.

Nota: A Render Network recolhe 5% das taxas pagas pelo comprador do produto de cada transação para a operação do projeto.

Época de Equilíbrio Burn-and-Mint

Crédito a Petar Atanasovski

Fonte: Médio

De acordo com as regras predefinidas, em cada época executada pelo BME, um número predefinido de novos tokens será cunhado (o número predefinido diminuirá gradualmente ao longo do tempo). Os tokens recém-cunhados serão distribuídos para as três partes:

1. Criador de produto. O criador do produto obtém de duas maneiras:

2. Recompensas por completar missões. É fácil entender que cada nó de produto é recompensado de acordo com o número de tarefas de renderização concluídas.

3. Recompensas Online. As recompensas serão dadas de acordo com o mercado de espera on-line de cada nó de produto, e mais trabalho on-line será incentivado para limitar os recursos.

4. Compradores de produtos. Semelhante ao desconto de produtos de shopping, os compradores podem obter até 100% do desconto de token de $RNDR para incentivar o uso contínuo da Rede de Renderização no futuro.

5. Provedor de liquidez DEX (Câmbio Descentralizado). Os fornecedores de liquidez em DEXs cooperativas podem ser recompensados de acordo com a quantidade de $RNDR apostados, garantindo que podem comprar uma quantidade suficiente de $RNDR a um preço razoável quando precisam queimar $RNDR.

** **

Fonte: coingecko.com

A partir da tendência de preços do $RNDR no ano passado, pode-se ver que, como o principal projeto da pista de IA na Web3 por muitos anos, $RNDR comeu os dividendos de uma onda de boom de IA impulsionada pelo ChatGPT no final de 2022 e início de 2023 e, ao mesmo tempo, com o lançamento do novo mecanismo de token, o preço do $RNDR atingiu um ponto alto no primeiro semestre de 2023. Depois de um segundo semestre lateral, o preço do $RNDR atingiu um ponto alto nos últimos anos com a recuperação da IA trazida pela nova conferência de imprensa da OpenAI, a migração da Render Network para Solana e a implementação iminente de um novo mecanismo de token. Uma vez que as mudanças fundamentais de $RNDR são mínimas, para os investidores, o investimento futuro de $RNDR precisa ser mais prudente na gestão de posições e na gestão de riscos.

O número de nós de rede de renderização por mês

** **

Renderizar rede: o número de cenas renderizadas por mês

Fonte: Dune.com

Ao mesmo tempo, como você pode ver no painel do Dune, o número total de trabalhos de renderização aumentou desde o início de 2023, mas o número de nós de renderização não aumentou. Combinado com o boom da IA generativa no final de 2022, é razoável inferir que as tarefas de renderização adicionais são todas tarefas relacionadas à IA generativa. Atualmente, é difícil dizer se esta parte da procura é uma procura a longo prazo e que tem de ser acompanhada para ser observada.

3.2 Rede Akash ($AKT)

A Akash Network é uma plataforma de computação em nuvem descentralizada que visa fornecer aos desenvolvedores e empresas uma solução de computação em nuvem mais flexível, eficiente e econômica. A plataforma de “super nuvem” construída pelo projeto é construída sobre a tecnologia blockchain distribuída, que aproveita a natureza descentralizada do blockchain para fornecer aos usuários uma infraestrutura de nuvem descentralizada que pode implantar e executar aplicativos em escala global, incluindo diversos recursos de computação, incluindo CPUs, GPUs e armazenamento.

Os fundadores da Akash Network, Greg Osuri e Adam Bozanich, são empreendedores em série que trabalharam juntos por muitos anos, cada um com anos de experiência em projetos, tendo cofundado o projeto Overclock Labs, que ainda é um participante central na Akash Network. A equipe fundadora tinha uma visão clara da missão principal da Akash Network, que era reduzir os custos de computação em nuvem, aumentar a disponibilidade e aumentar o controle do usuário sobre os recursos de computação. Através de licitações abertas, que incentivam os provedores de recursos a abrir recursos de computação ociosos em suas redes, a Akash Network permite um uso mais eficiente dos recursos, proporcionando preços mais competitivos para os demandantes de recursos.

A Akash Network iniciou o programa de atualização Akash Network Economics 2.0 em janeiro de 2023, com o objetivo de abordar muitas das deficiências da atual economia de tokens, incluindo:

1. O preço de mercado do token $AKT flutua, fazendo com que o preço do contrato de longo prazo não corresponda ao valor
2. Os incentivos para os fornecedores de recursos não são suficientes para libertar a grande quantidade de poder de computação nas suas mãos
3. A insuficiência dos incentivos comunitários prejudica o desenvolvimento a longo prazo do projeto Akash
4. A captura insuficiente do valor do token $AKT tem o risco de afetar a estabilidade do projeto

De acordo com as informações fornecidas no site oficial, as soluções propostas pelo plano Akash Network Economics 2.0 incluem a introdução de pagamentos de stablecoin, a adição de taxas de pedido de fabricante e de comer ovos para aumentar a receita do protocolo, o aumento de incentivos para provedores de recursos e o aumento na quantidade de incentivos comunitários, etc., entre os quais a função de pagamento stablecoin e função de taxa de tomador de fabricante foram lançadas e implementadas.

Como o token nativo da Akash Network, $AKT tem uma variedade de usos no protocolo, incluindo verificação de staking (segurança), incentivos, governança de rede e pagamento de taxas de transação. De acordo com os dados fornecidos no site oficial, o fornecimento total de $AKT é de 388M, e em novembro de 2023, 229M foi desbloqueado até agora, representando cerca de 59%. Os tokens fundadores distribuídos no lançamento do projeto foram totalmente desbloqueados em março de 2023 e entrarão em circulação no mercado secundário. A taxa de distribuição dos tokens de gênese é a seguinte:

Notavelmente, em termos de captura de valor, um recurso que $AKT propõe implementar que ainda não foi implementado, mas é mencionado no whitepaper é que Akash planeja cobrar uma “taxa de cobrança” por cada locação bem-sucedida. Posteriormente, envia essas taxas para o Take Income Pool para que possam ser distribuídas aos titulares. O programa prevê uma taxa de 10% para transações $AKT e uma taxa de 20% para transações usando outras criptomoedas. Além disso, Akash também planeja recompensar os detentores que trancam suas $AKT por um longo período de tempo. Como resultado, os investidores que detêm por um longo período de tempo serão elegíveis para recompensas mais generosas. Se este projeto for lançado com sucesso no futuro, ele definitivamente se tornará uma grande força motriz para o preço da moeda, e também ajudará a estimar melhor o valor do projeto.

** **

Fonte: coingecko.com

Como pode ser visto pela tendência de preços mostrada em coingecko.com, o preço do $AKT também inaugurou um aumento em meados de agosto e final de novembro de 2023, respectivamente, mas ainda não é tão bom quanto o mesmo aumento de período de outros projetos na trilha de IA, o que pode estar relacionado à atual tendência de sentimento de capital. No geral, o projeto de Akash, como um dos vários projetos de alta qualidade na trilha de IA, tem fundamentos melhores do que a maioria dos concorrentes na trilha de IA. Com o desenvolvimento da indústria de IA e a intensificação dos recursos de computação em nuvem, acredita-se que a Akash Network será capaz de subir na próxima onda de IA no futuro.

3.3 Bittensor ($TAO)

Se o leitor estiver familiarizado com a arquitetura técnica do $BTC, será muito fácil entender o design do Bittensor. Na verdade, ao projetar o Bittensor, seus autores pegaram emprestado muitas das características do $BTC veterano das criptomoedas, incluindo: um total de 21 milhões de tokens, uma redução pela metade da produção a cada quatro anos, um mecanismo de consenso envolvendo PoW, e assim por diante. Especificamente, vamos imaginar um processo inicial de produção de BTC e, em seguida, substituir o processo de “mineração” para calcular números aleatórios que não podem criar valor real com treinamento e validação de modelos de IA e incentivar os mineradores a trabalhar com base no desempenho e confiabilidade dos modelos de IA, que é um resumo simples da arquitetura de projeto da Bittensor ($TAO).

O projeto Bittensor foi fundado em 2019 por dois pesquisadores de IA, Jacob Steeves e Ala Shaabana, e sua estrutura principal é baseada no conteúdo de um white paper escrito por um autor misterioso, Yuma Rao. Em resumo, ele projeta um protocolo de código aberto sem permissão e constrói uma arquitetura de rede composta por muitas sub-redes conectadas por diferentes sub-redes responsáveis por diferentes tarefas (tradução automática, reconhecimento e geração de imagens, grandes modelos de linguagem, etc.), e a excelente conclusão de tarefas será incentivada, permitindo que as sub-redes interajam e aprendam umas com as outras.

Olhando para os grandes modelos de IA atualmente no mercado, sem exceção, todos eles vêm da enorme quantidade de recursos de computação e dados investidos pelos gigantes da tecnologia. Embora seja verdade que os produtos de IA treinados dessa forma têm um desempenho impressionante, eles também vêm com um alto risco de concentração se tornar maligna. A infraestrutura Bittensor foi projetada para permitir que uma rede de especialistas em comunicação se comunique e aprenda uns com os outros, o que estabelece a base para o treinamento descentralizado de grandes modelos. A visão de longo prazo da Bittensor é competir com os modelos de código fechado de gigantes como OpenAI, Meta, Google, etc., a fim de alcançar um desempenho de inferência correspondente, mantendo a natureza descentralizada do modelo.

O núcleo técnico da rede Bittensor vem do mecanismo de consenso projetado exclusivamente por Yuma Rao, também conhecido como consenso Yuma, que é um mecanismo de consenso que mistura PoW e PoS. Os principais participantes do lado da oferta são divididos em “servidores” (ou seja, mineradores) e “validadores”, e os participantes do lado da demanda são “clientes” (ou seja, clientes) que usam os modelos na rede. Os mineradores são responsáveis por fornecer modelos pré-treinados para a tarefa de sub-rede atual, e os incentivos recebidos dependem da qualidade dos modelos fornecidos, enquanto os validadores são responsáveis por verificar o desempenho do modelo e agir como intermediários perante mineradores e clientes. O processo específico é o seguinte:

** **

1. O cliente envia os requisitos para usar o modelo em uma sub-rede e os dados que precisam ser computados para o validador
2. O validador aloca os dados para cada minerador sob a sub-rede
3. Os mineradores retornam resultados após a inferência do modelo usando seus próprios modelos e dados aceitos
4. O validador classifica os resultados de inferência recebidos de acordo com sua qualidade, e os resultados de classificação são armazenados na cadeia
5. O resultado de inferência ideal é devolvido ao usuário, o minerador é classificado de acordo com a ordem e o validador é recompensado de acordo com a carga de trabalho

Deve-se notar que na grande maioria das sub-redes, o Bittensor em si não treina nenhum modelo, e seu papel é mais como ligar provedores de modelos e demandadores de modelos, e com base nisso, ele ainda usa a interação entre pequenos modelos para melhorar o desempenho em diferentes tarefas. Atualmente, existem 30 sub-redes que estiveram online (ou estiveram online), correspondendo a diferentes modelos de tarefas.

Como token nativo da Bittensor, $TAO desempenha um papel fundamental no ecossistema, criando sub-redes, registrando-se em sub-redes, pagando por serviços, validadores de staking e muito mais. Ao mesmo tempo, devido à prática do projeto Bittensor de homenagear o espírito do BTC, $TAO escolheu um começo justo, ou seja, todos os tokens serão gerados contribuindo para a rede. Atualmente, a produção diária de $TAO é de cerca de 7200, que é dividida igualmente entre mineradores e validadores. Desde o lançamento do projeto, cerca de 26,3% do montante total de 21 milhões foram gerados, dos quais 87,21% dos tokens foram usados para staking e verificação. Ao mesmo tempo, o projeto é projetado para reduzir pela metade a produção (o mesmo que o BTC) a cada 4 anos, o mais recente dos quais ocorrerá em 20 de setembro de 2025, o que também será um grande impulsionador de aumentos de preços.

Crédito: taostats.io

** **

A partir da tendência de preço, podemos ver que o preço do $TAO experimentou um aumento acentuado desde o final de outubro de 2023, e especula-se que a principal força motriz seja uma nova rodada de boom de IA provocada pela conferência de imprensa da OpenAI, que fez o setor de capital girar para o setor de IA. Ao mesmo tempo, $TAO Como um projeto emergente na trilha Web3 + IA, sua excelente qualidade de projeto e visão de projeto de longo prazo também são um dos principais motivos para atrair fundos. No entanto, temos que admitir que, como outros projetos de IA, embora a combinação de Web3 + IA tenha grande potencial, sua aplicação em negócios reais não é suficiente para apoiar um projeto lucrativo de longo prazo.

3.4 Alethea.ai($ALI)

Fundada em 2020, a Alethea.ai é um projeto dedicado a trazer propriedade descentralizada e governança descentralizada para conteúdo generativo usando a tecnologia blockchain. Os fundadores da Alethea.ai acreditam que a IA generativa nos colocará em uma era em que o conteúdo generativo leva à redundância de informações, onde grandes quantidades de conteúdo eletrônico são simplesmente copiadas e coladas ou geradas com um clique, e as pessoas que criaram o valor em primeiro lugar não poderão se beneficiar disso. Ao conectar primitivos on-chain (como NFTs) com IA generativa, a propriedade da IA generativa e seu conteúdo pode ser assegurada, e a governança da comunidade pode ser realizada com base nisso.

Impulsionados por essa filosofia, os primeiros Alethea.ai introduziram um novo padrão NFT, o iNFT, que aproveita o Intelligence Pod para criar animações de IA incorporadas, síntese de fala e até IA generativa em imagens. Além disso, Alethea.ai fez parceria com artistas para transformar suas obras de arte em iNFTs, que arrecadaram US$ 478.000 na Sotheby’s.

Injete alma em NFTs

Fonte: Alethea.ai

Mais tarde, Alethea.ai lançou o AI Protocol, que permite que qualquer desenvolvedor e criador de IA generativa crie com o padrão iNFT sem permissão. Ao mesmo tempo, a fim de fazer uma amostra para outros projetos em seu próprio protocolo de IA, Alethea.ai também pegou emprestado a teoria do grande modelo do GPT para lançar o CharacterGPT, uma ferramenta para fazer NFTs interativos. Além disso, Alethea.ai também lançou recentemente o Open Fusion, que permite que qualquer NFT ERC-721 no mercado seja combinado com um Intelligence e liberado para o AI Protocol.

O token nativo .ai Alethea é $ALI, e seus principais usos são quatro:

1. Bloqueie uma certa quantidade de $ALI para criar iNFTs
2. Quanto mais bloqueado, maior o nível do Pod de Inteligência
3. $ALI participam na governação comunitária
4. $ALI pode ser usado como uma credencial para participar de interações entre iNFTs (ainda não há casos de uso no mundo real)

Fonte: coingecko.com

Como pode ser visto no caso de uso do $ALI, a captura de valor atual deste token ainda está no nível narrativo, e essa inferência também pode ser confirmada pela mudança no preço da moeda dentro de um ano: $ALI colheu os dividendos do boom de IA generativa liderado pelo ChatGPT desde dezembro de 2022. Ao mesmo tempo, em junho deste ano, quando a Alethea.ai anunciou o lançamento de seu mais recente recurso Open Fusion, também trouxe uma onda de crescimento. Além disso, o preço do $ALI tem estado em tendência de queda, e mesmo o boom da IA no final de 2023 não conseguiu elevar o preço para o nível médio de projetos no mesmo caminho.

Além do token nativo, vamos dar uma olhada no desempenho dos projetos NFT, iNFTs da Alethea.ai (incluindo coleções lançadas oficialmente) no mercado NFT.

Vendas diárias de Intelligence Pods no Opensea

** **

Vendas diárias de Revenants Collection no Opensea

Fonte: Dune.com

Pelas estatísticas do painel de Duna, podemos ver que tanto o Intelligence Pod, que foi vendido a terceiros, quanto a coleção Revenants, que foi lançada pela primeira parte Alethea.ai, desapareceram gradualmente após algum tempo após o lançamento inicial. A principal razão para isso, o autor pensa, deve ser depois que a novidade inicial desaparece, não há valor real ou popularidade da comunidade para reter os usuários.

3.5 Fetch.ai($FET)

Fetch.ai é um projeto dedicado a promover a convergência da inteligência artificial e da tecnologia blockchain. O objetivo da empresa é construir uma economia descentralizada e inteligente que alimente a atividade econômica entre agentes inteligentes por meio de uma combinação de aprendizado de máquina, blockchain e tecnologia de livro-razão distribuído.

Fetch.ai foi fundada em 2019 por cientistas do Reino Unido, Humayun Sheikh, Toby Simpson e Thomas Hain. Os três fundadores vêm de uma ampla gama de origens, incluindo Humayun Sheikh como um dos primeiros investidores da Deepmind, Toby Simpson como executivo em várias empresas e Thomas Hain como professor de inteligência artificial na Universidade de Sheffield. Fetch.ai A profunda experiência da equipe fundadora trouxe ricos recursos da indústria para a empresa, abrangendo empresas de TI tradicionais, projetos de estrelas de blockchain, projetos médicos e de supercomputação e outros campos.

A missão da Fetch.ai é construir uma plataforma web descentralizada composta por agentes económicos autónomos e aplicações de IA, permitindo aos programadores realizar tarefas alvo predefinidas através da criação de agentes autónomos. A tecnologia central da plataforma é a sua arquitetura única de três camadas:

• Subjacente: Uma rede de contrato inteligente subjacente baseada em PoS-uD (ou seja, um mecanismo de consenso de prova de participação sem permissão) que suporta colaboração entre mineradores e treinamento e inferência básicos de aprendizado de máquina
• Camada intermediária: OEF (Open Economic Framework) fornece um espaço compartilhado para AEAs interagirem uns com os outros, permitindo que AEAs interajam com o protocolo subjacente, e também apoiando AEAs para pesquisar, descobrir e negociar uns com os outros
• Superior: AEA (Agente Económico Autónomo), que é a componente central da Fetch.ai. Cada AEA é um software de agente inteligente que permite diferentes funções através de uma variedade de módulos de habilidade para completar tarefas pré-definidas em nome do usuário. Em vez de ser executado diretamente no blockchain, o software do agente interage com o blockchain e contratos inteligentes por meio de uma camada intermediária OEF. Este tipo de software de agente inteligente pode ser puro software, ou pode ser ligado a hardware real, como telefones celulares, computadores, carros, etc. Oficialmente, um kit de desenvolvimento baseado em Python, o framework AEA, está disponível, que é composable, permitindo que os desenvolvedores construam seu próprio software de agente inteligente com ele.

Com base nessa arquitetura, a Fetch.ai também lançou vários produtos e serviços de acompanhamento, como o Co-Learn (um modelo de aprendizado de máquina compartilhado entre agentes) e o Metaverse (um serviço de hospedagem em nuvem de agente inteligente) para permitir que os usuários desenvolvam seus próprios agentes inteligentes em sua plataforma.

Em termos de tokens, $FET, como o token nativo da Fetch.ai, cobre o papel regular de pagar gás, verificar staking e comprar serviços dentro da rede. Mais de 90% dos tokens foram desbloqueados até agora pela $FET, que é distribuída da seguinte forma:

Desde o lançamento do projeto, Fetch.ai recebeu várias rodadas de financiamento na forma de participações de tokens diluídas, mais recentemente em 29 de março de 2023, quando Fetch.ai recebeu US$ 30 milhões em financiamento do DWF Lab. Como o token $FET não captura o valor do projeto em termos de receita, a força motriz para o aumento de preço é principalmente a atualização do projeto e o sentimento do mercado em relação à trilha de IA. Pode-se ver que o preço do Fetch.ai disparou mais de 100% no início de 2023 e no final de 2023.

Fonte: coingecko.com

Comparado com outras maneiras para projetos de blockchain se desenvolverem e ganharem atenção, o caminho de desenvolvimento do Fetch.ai é mais como um projeto de startup de IA na Web2.0, com foco em polir o nível técnico, fazer um nome para si mesmo e encontrar pontos de lucro através de financiamento contínuo e ampla cooperação. Esta abordagem deixa muito espaço para futuras aplicações a serem desenvolvidas com base em Fetch.ai, mas o modelo de desenvolvimento também torna menos atraente para outros projetos de blockchain ativar o ecossistema (um dos fundadores da Fetch.ai fundou pessoalmente o projeto DEX baseado em Fetch.ai Mettalex DEX, que acabou fracassando). Sendo um projeto orientado para as infraestruturas, é difícil melhorar o valor intrínseco do projeto Fetch.ai devido ao definhamento da ecologia.

Em quarto lugar, a IA generativa tem um futuro promissor

O CEO da Nvidia, Jensen Huang, chama o lançamento de modelos generativos de o momento “iPhone” da IA, e o recurso escasso para produzir IA nesta fase é a infraestrutura centrada em chips de computação de alto desempenho. Como a subpista de IA que bloqueia a maioria dos fundos na Web3, os projetos de infraestrutura de IA sempre foram o foco do investimento e da pesquisa de longo prazo dos investidores. É previsível que, com a atualização gradual dos equipamentos de poder de computação por gigantes de chips, a melhoria gradual do poder de computação de IA e o desbloqueio de recursos de IA, é previsível que mais projetos de infraestrutura de IA em campos subdivididos na Web3 surjam no futuro, e pode-se até esperar que chips especialmente projetados e produzidos para treinamento de IA na Web3 saiam no futuro. **

Embora o desenvolvimento dos produtos de IA generativa da ToC ainda esteja em fase experimental, alguns de seus produtos de nível industrial ToB mostraram grande potencial. Uma delas é a tecnologia de “gêmeos digitais” que migra cenários do mundo real para o mundo digital, combinada com a plataforma de computação científica de gêmeos digitais lançada pela NVIDIA para a visão do metaverso, considerando que ainda há uma enorme quantidade de valor de dados na indústria que ainda não foi lançada, a IA generativa se tornará uma ajuda importante para gêmeos digitais em cenários industriais. Avançar ainda mais no campo da Web3, incluindo o metaverso, a criação de conteúdo digital, os ativos do mundo real, etc., será afetado pela tecnologia de gêmeos digitais alimentada por IA.

O desenvolvimento de novo hardware interativo também é um link que não pode ser ignorado. Historicamente, cada inovação de hardware no mundo dos computadores trouxe uma mudança sísmica e novas oportunidades de desenvolvimento, como o mouse de computador que é comum hoje, ou o iPhone 4 com uma tela capacitiva multi-touch. O Apple Vision Pro, que foi anunciado para ser lançado no primeiro trimestre de 2024, já atraiu muita atenção em todo o mundo com sua impressionante demonstração, que deve trazer mudanças inesperadas e oportunidades para vários setores quando for realmente lançado. Com as vantagens da produção rápida de conteúdo, rápida divulgação e ampla gama, o campo do entretenimento é muitas vezes o primeiro a se beneficiar após cada atualização de tecnologia de hardware. Claro, isso também inclui várias faixas de entretenimento visual, como o metaverso, jogos em cadeia e NFTs na Web3, que são dignos da atenção e pesquisa de longo prazo dos leitores no futuro.

A longo prazo, o desenvolvimento da IA generativa é um processo de mudança quantitativa que conduz a mudanças qualitativas. A essência do ChatGPT é uma solução para o problema das perguntas e respostas de raciocínio, que é um problema que tem sido amplamente observado e estudado na academia por um longo tempo. Após iteração de longo prazo de dados e modelos, finalmente atingiu o nível de GPT-4, o que surpreendeu o mundo. O mesmo é verdade para aplicações de IA na Web3, que ainda estão na fase de introdução de modelos da Web2 na Web3, e modelos desenvolvidos inteiramente com base em dados Web3 ainda não surgiram. No futuro, partes de projetos perspicazes e muitos recursos precisarão ser investidos na pesquisa de problemas práticos na Web3, para que o próprio aplicativo assassino de nível ChatGPT da Web3 possa se aproximar gradualmente.

Nesta fase, há muitas direções que valem a pena explorar sob o fundo técnico da IA generativa, uma das quais é a tecnologia Chain-of-Thought da qual a implementação da lógica depende. Para simplificar, através da cadeia de tecnologia de pensamento, grandes modelos de linguagem foram capazes de dar um salto qualitativo no raciocínio em várias etapas. No entanto, o uso da cadeia de pensamento não foi resolvido ou, em certa medida, levou ao problema da insuficiente capacidade de raciocínio de grandes modelos em lógica complexa. Os leitores interessados neste aspeto devem ler o artigo do autor original da corrente de pensamento.

O sucesso do ChatGPT levou ao surgimento de várias cadeias GPT populares na Web3, mas a combinação simples e grosseira de GPT e contratos inteligentes não pode realmente resolver as necessidades dos usuários. Já se passou cerca de um ano desde o lançamento do ChatGPT, e a longo prazo, é apenas um estalar de dedos, e os produtos futuros também devem começar a partir das necessidades reais dos próprios usuários da Web3, e com a tecnologia Web3 cada vez mais madura, acredito que a aplicação da IA generativa na Web3 tem infinitas possibilidades que valem a pena esperar.

Referências

Google Cloud Tech - Introdução à IA generativa

AWS - O que é IA generativa

A Economia dos Grandes Modelos Linguísticos

Assim que o Modelo de Difusão é forçado, o GAN torna-se obsoleto???

Ilustrando a Aprendizagem por Reforço a partir do Feedback Humano (RLHF)

IA generativa e Web3

Quem é o proprietário da plataforma de IA generativa?

Apple Vision Pro Full Moon repensa: XR, RNDR e o futuro da computação espacial

Como a IA é cunhada como um NFT?

Raciocínio Analógico Emergente em Grandes Modelos de Linguagem

Cronograma de desbloqueio do Akash Network Token (AKT) Genesis e estimativas de fornecimento