Tác giả gốc: Archetype
Biên soạn gốc: Deep Chao TechFlow
1. Tương tác giữa tác nhân với tác nhân
Do tính minh bạch tự nhiên và khả năng kết hợp của nó, blockchain đã trở thành một nền tảng lý tưởng để đạt được sự tương tác liền mạch giữa các tác nhân thông minh. Trong sự tương tác này, các tác nhân được phát triển bởi các tổ chức khác nhau cho các mục đích khác nhau có thể cộng tác để hoàn thành nhiệm vụ. Hiện đã có một số nỗ lực thú vị, chẳng hạn như chuyển tiền giữa các đại lý và cùng nhau phát hành mã thông báo . Chúng tôi hy vọng sự tương tác giữa các đại lý sẽ được mở rộng hơn nữa: một mặt, tạo ra các kịch bản ứng dụng mới, chẳng hạn như các nền tảng xã hội mới do các đại lý điều khiển ; mặt khác, tối ưu hóa quy trình làm việc của doanh nghiệp hiện có , chẳng hạn như xác thực nền tảng, thanh toán vi mô và liên kết chéo. nền tảng hoạt động. Tích hợp luồng, v.v., từ đó đơn giản hóa các quy trình hoạt động phức tạp và rườm rà ngày nay. - Danny , Katie , Aadharsh , Dmitriy
aethernet và clanker cùng phát hành Token trên Warpcast
2. Tổ chức đại lý phi tập trung
Hợp tác đa tác nhân quy mô lớn là một hướng nghiên cứu thú vị khác. Làm thế nào để các hệ thống đa tác nhân cộng tác để hoàn thành nhiệm vụ, giải quyết vấn đề và thậm chí quản lý các giao thức và hệ thống? Trong bài viết “Lời hứa và thách thức của ứng dụng tiền điện tử + AI” đầu năm 2024, Vitalik đã đề xuất ý tưởng sử dụng tác nhân AI để dự đoán thị trường và phán quyết. Ông tin rằng trong các ứng dụng quy mô lớn, các hệ thống đa tác nhân có tiềm năng rất lớn trong việc khám phá “sự thật” và quản trị tự chủ. Chúng tôi mong muốn được xem các khả năng của hệ thống đa tác nhân này có thể được khám phá thêm như thế nào và “trí thông minh bầy đàn” có thể tiết lộ nhiều khả năng hơn trong các thử nghiệm như thế nào.
Ngoài ra, sự hợp tác giữa các tác nhân thông minh và con người cũng là một hướng đáng để khám phá. Ví dụ: cách cộng đồng tương tác xung quanh các tác nhân thông minh hoặc cách các tác nhân thông minh tổ chức con người để hoàn thành các hành động tập thể. Chúng tôi hy vọng sẽ thấy nhiều thử nghiệm hơn với các tác nhân nhắm tới sự hợp tác của con người trên quy mô lớn. Tất nhiên, điều này đòi hỏi một số loại cơ chế xác minh, đặc biệt nếu nhiệm vụ được hoàn thành ngoài chuỗi. Nhưng cuộc khám phá này có thể dẫn đến một số kết quả bất ngờ và tuyệt vời. -Katie , Dmitriy , Ash
3. Giải trí đa phương tiện theo hướng Agent (Agentic Multimedia Entertainment)
Khái niệm avatar kỹ thuật số đã có từ nhiều năm nay. Ví dụ, Hatsune Miku (2007) đã tổ chức những buổi hòa nhạc cháy vé ở những địa điểm có sức chứa 20.000 chỗ ngồi; Lil Miquela (2016) có hơn 2 triệu người theo dõi trên Instagram. Các ví dụ gần đây bao gồm AI virtual streaminger Neuro-sama (2022), có số lượng người đăng ký trên Twitch đã vượt quá 600.000; và nhóm nhạc nam K-pop ẩn danh PLAVE (2023), có lượt xem trên YouTube đã vượt quá 600.000 trong vòng chưa đầy hai năm. triệu lần. Với sự tiến bộ của công nghệ AI và ứng dụng blockchain trong thanh toán, chuyển giao giá trị và nền tảng dữ liệu mở, các đại lý này dự kiến sẽ trở nên tự chủ hơn và có thể mở ra một danh mục giải trí chính thống mới vào năm 2025. -Katie , Dmitriy
Theo chiều kim đồng hồ từ trên cùng bên trái: Hatsune Miku, Luna từ Virtuals, Lil Miquela và PLAVE
4. Tiếp thị nội dung sáng tạo/tác nhân
Trong một số trường hợp, tác nhân chính là sản phẩm, trong khi trong các trường hợp khác, tác nhân có thể là phần bổ sung cho sản phẩm. Trong nền kinh tế chú ý, việc đưa ra nội dung hấp dẫn một cách nhất quán là chìa khóa thành công của bất kỳ ý tưởng, sản phẩm hoặc công ty nào. Nội dung do tác nhân điều khiển/sáng tạo cung cấp cho các nhóm một công cụ mạnh mẽ để đảm bảo quy trình tạo nội dung 24/7 có thể mở rộng. Lĩnh vực này đã được đẩy nhanh nhờ các cuộc thảo luận về “memecoin so với đại lý”. Đại lý là một công cụ mạnh mẽ để memecoin lan truyền, ngay cả khi chúng chưa hoàn toàn “thông minh”.
Một ví dụ khác, ngành công nghiệp trò chơi đang ngày càng theo đuổi sự năng động để thu hút người dùng . Cách tiếp cận cổ điển là dẫn dắt nội dung do người dùng tạo và nội dung mang tính sáng tạo thuần túy (chẳng hạn như vật phẩm trong trò chơi, NPC hoặc thậm chí các cấp độ được tạo hoàn chỉnh) có thể là giai đoạn tiếp theo của xu hướng này. Chúng tôi tò mò muốn biết khả năng của các đại lý vào năm 2025 sẽ mở rộng hơn nữa ranh giới phân phối nội dung và tương tác của người dùng như thế nào. -Katie
5. Công cụ/Nền tảng nghệ thuật thế hệ tiếp theo
Vào năm 2024, chúng tôi đã ra mắt chuỗi chương trình IN CONVERSATION WITH , một chương trình phỏng vấn trò chuyện với các nghệ sĩ tiền điện tử trong lĩnh vực âm nhạc, nghệ thuật thị giác, thiết kế, giám tuyển, v.v. Các cuộc phỏng vấn năm nay đã khiến tôi nhận thấy một xu hướng: các nghệ sĩ quan tâm đến tiền điện tử thường đam mê các công nghệ tiên tiến và muốn những công nghệ này được tích hợp sâu hơn vào thực tiễn của họ, chẳng hạn như các đối tượng AR/VR, nghệ thuật tạo mã và mã hóa thời gian thực (livecoding).
Sự kết hợp giữa nghệ thuật sáng tạo và công nghệ blockchain đã có từ lâu, điều này cũng khiến blockchain trở thành phương tiện vận chuyển lý tưởng cho nghệ thuật AI. Việc trưng bày và trình bày các loại hình nghệ thuật này rất khó khăn trên các nền tảng truyền thống. ArtBlocks cung cấp khám phá sơ bộ về cách nghệ thuật kỹ thuật số có thể được hiển thị, lưu trữ, kiếm tiền và bảo tồn thông qua chuỗi khối, cải thiện đáng kể trải nghiệm của nghệ sĩ và khán giả. Ngoài ra, các công cụ AI còn cho phép người bình thường dễ dàng tạo ra những tác phẩm nghệ thuật của riêng mình . Chúng tôi rất mong đợi blockchain sẽ nâng cao hơn nữa khả năng của các công cụ này như thế nào vào năm 2025. -Katie
KC: Với những thất vọng và bất đồng của bạn với văn hóa tiền điện tử, điều gì thúc đẩy bạn vẫn chọn tham gia Web3? Web3 mang lại giá trị gì cho hoạt động sáng tạo của bạn? Đó là sự khám phá thử nghiệm, phần thưởng tài chính hay cái gì khác?
MM: Đối với tôi, Web3 đã có tác động tích cực đến cá nhân tôi và các nghệ sĩ khác về nhiều mặt. Cá nhân tôi, các nền tảng hỗ trợ xuất bản nghệ thuật tổng quát đặc biệt quan trọng đối với hoạt động của tôi. Ví dụ: bạn có thể tải lên tệp JavaScript và khi ai đó đúc hoặc sưu tập một mảnh, mã sẽ chạy trong thời gian thực và tạo ra một tác phẩm nghệ thuật độc đáo trong hệ thống bạn thiết kế. Quá trình tạo thời gian thực này là một phần cốt lõi trong quá trình thực hành sáng tạo của tôi. Việc đưa tính ngẫu nhiên vào các hệ thống mà tôi viết và xây dựng đã tác động sâu sắc đến cách tôi nghĩ về nghệ thuật, cả về mặt khái niệm lẫn kỹ thuật. Tuy nhiên, thường rất khó để truyền tải quá trình này đến khán giả nếu nó không được trình bày trên nền tảng được thiết kế riêng cho loại hình nghệ thuật này hoặc trong một phòng trưng bày truyền thống.
Trong phòng trưng bày, một thuật toán có thể được hiển thị đang chạy trong thời gian thực thông qua trình chiếu hoặc màn hình hoặc các tác phẩm được chọn từ nhiều đầu ra do thuật toán tạo ra và bằng cách nào đó được chuyển sang dạng vật lý để triển lãm. Nhưng đối với những khán giả ít quen thuộc với mã như một phương tiện nghệ thuật, có thể khó nắm bắt được tầm quan trọng của tính ngẫu nhiên này trong quá trình sáng tạo, vốn là một phần quan trọng trong quá trình thực hành của tất cả các nghệ sĩ sử dụng phần mềm theo cách sáng tạo. Đôi khi tôi cảm thấy khó khăn khi nhấn mạnh ý tưởng cốt lõi của “mật mã như một phương tiện sáng tạo” với khán giả khi hình thức cuối cùng của tác phẩm chỉ là một bức ảnh đăng trên Instagram hoặc một bản in thực tế.
Sự xuất hiện của NFT khiến tôi phấn khích vì nó không chỉ cung cấp nền tảng để giới thiệu nghệ thuật sáng tạo mà còn giúp phổ biến khái niệm mã như một phương tiện nghệ thuật để nhiều người có thể hiểu được tính độc đáo và giá trị của cách sáng tạo này.
Trích từ ĐỐI THOẠI VỚI: Maya Man
6.Thị trường dữ liệu
Kể từ khi Clive Humby đề xuất ý tưởng “dữ liệu là loại dầu mới”, các công ty đã thực hiện các bước để tích trữ và kiếm tiền từ dữ liệu người dùng. Tuy nhiên, người dùng đang dần nhận ra rằng dữ liệu của họ là nền tảng cho sự tồn tại của những công ty khổng lồ này, nhưng họ có rất ít quyền kiểm soát cách sử dụng dữ liệu và không thu được lợi ích từ nó. Với sự phát triển nhanh chóng của các mô hình AI mạnh mẽ, mâu thuẫn này ngày càng trở nên gay gắt. Một mặt, chúng ta cần giải quyết vấn đề dữ liệu người dùng bị lạm dụng; mặt khác, khi các mô hình có quy mô lớn hơn và chất lượng cao hơn làm cạn kiệt “tài nguyên” dữ liệu Internet công cộng, các nguồn dữ liệu mới cũng đặc biệt quan trọng.
Để trả lại quyền kiểm soát dữ liệu cho người dùng, cơ sở hạ tầng phi tập trung cung cấp một không gian thiết kế rộng rãi. Điều này đòi hỏi các giải pháp đổi mới trong nhiều lĩnh vực như lưu trữ dữ liệu, bảo vệ quyền riêng tư, đánh giá chất lượng dữ liệu, cơ chế phân bổ giá trị và kiếm tiền. Đồng thời, để đối phó với tình trạng thiếu nguồn cung cấp dữ liệu, chúng ta cần nghĩ đến cách sử dụng lợi thế công nghệ để xây dựng các giải pháp cạnh tranh, như tạo ra các sản phẩm dữ liệu có giá trị cao hơn thông qua cơ chế khuyến khích và phương pháp lọc tốt hơn. Đặc biệt trong bối cảnh hiện nay Web2 AI vẫn đang chiếm ưu thế, việc kết hợp hợp đồng thông minh với các thỏa thuận dịch vụ truyền thống (SLA) là một hướng đi đáng để tìm hiểu sâu. - Danny
7. Điện toán phi tập trung
Trong quá trình phát triển và triển khai AI, ngoài dữ liệu, sức mạnh tính toán cũng là yếu tố then chốt. Trong vài năm qua, các trung tâm dữ liệu lớn đã thống trị sự phát triển của deep learning và AI, dựa vào quyền truy cập độc quyền vào không gian, năng lượng và phần cứng. Tuy nhiên, với những hạn chế về nguồn lực vật chất và sự phát triển của công nghệ nguồn mở, mô hình này đang dần bị phá vỡ.
Giai đoạn tính toán v1 của AI phi tập trung tương tự như đám mây GPU của Web2, nhưng nó không có lợi thế rõ ràng về cung và cầu phần cứng. Ở giai đoạn v2, chúng tôi thấy một số nhóm bắt đầu xây dựng một nhóm công nghệ hoàn chỉnh hơn, bao gồm các hệ thống điều phối, định tuyến và định giá điện toán hiệu suất cao, đồng thời phát triển các tính năng độc quyền để thu hút nhu cầu và cải thiện hiệu quả suy luận. Một số nhóm tập trung vào việc tối ưu hóa định tuyến suy luận trên phần cứng thông qua khung trình biên dịch, trong khi những nhóm khác phát triển khung đào tạo mô hình phân tán trên mạng điện toán của họ.
Ngoài ra, một thị trường mới nổi có tên AI-Fi đang hình thành, sử dụng các cơ chế kinh tế đổi mới để chuyển đổi sức mạnh tính toán và GPU thành tài sản tạo thu nhập hoặc sử dụng tính thanh khoản trên chuỗi để cung cấp các cách tài trợ phần cứng mới cho trung tâm dữ liệu. Tuy nhiên, liệu điện toán phi tập trung có thể thực sự nhận ra tiềm năng của nó hay không vẫn phụ thuộc vào việc liệu khoảng cách giữa ý tưởng và nhu cầu thực tế có thể được thu hẹp hay không. - Danny
8. Tính chuẩn mực kế toán
Trong các mạng điện toán hiệu năng cao (HPC) phi tập trung, cách phối hợp các tài nguyên điện toán không đồng nhất là một thách thức quan trọng và việc thiếu các tiêu chuẩn kế toán thống nhất hiện nay khiến vấn đề này trở nên phức tạp hơn. Kết quả đầu ra của mô hình AI rất đa dạng, chẳng hạn như biến thể mô hình, lượng tử hóa, tính ngẫu nhiên thông qua nhiệt độ và điều chỉnh siêu tham số lấy mẫu, v.v. Ngoài ra, kiến trúc GPU và phiên bản CUDA khác nhau cũng sẽ dẫn đến sự khác biệt về kết quả đầu ra phần cứng. Những yếu tố này làm cho việc làm thế nào để mô hình thống kê chính xác và tính toán năng lực thị trường trong các hệ thống phân tán không đồng nhất trở thành một vấn đề cấp bách cần giải quyết.
Do thiếu các tiêu chuẩn này, chúng tôi đã nhiều lần thấy trên thị trường máy tính Web2 và Web3 trong năm nay hiệu suất mô hình cũng như chất lượng và số lượng tài nguyên máy tính đã bị tính toán sai. Điều này buộc người dùng phải xác minh hiệu suất thực tế của hệ thống AI bằng cách chạy các tiêu chuẩn riêng của họ hoặc giới hạn tỷ lệ sử dụng của thị trường máy tính.
Lĩnh vực mã hóa luôn nhấn mạnh đến khả năng xác minh, vì vậy chúng tôi hy vọng đến năm 2025, sự kết hợp giữa mã hóa và AI sẽ giúp hiệu năng hệ thống trở nên minh bạch hơn. Người dùng thông thường có thể dễ dàng so sánh các đặc điểm đầu ra chính của một mô hình hoặc cụm máy tính để kiểm tra và đánh giá hiệu suất thực tế của hệ thống. - Aadharsh
9. Nguyên tắc bảo mật xác suất
Vitalik đã đề cập đến một mâu thuẫn độc đáo trong bài viết Lời hứa và thách thức của ứng dụng tiền điện tử + AI : Trong mật mã, nguồn mở là cách duy nhất để đạt được bảo mật, nhưng trong AI, việc công khai mô hình (hoặc thậm chí dữ liệu đào tạo) sẽ làm tăng đáng kể nguy cơ xảy ra các cuộc tấn công học máy đối nghịch.”
Mặc dù bảo vệ quyền riêng tư không phải là hướng nghiên cứu mới trong blockchain nhưng với sự phát triển nhanh chóng của AI, việc ứng dụng các công nghệ mật mã liên quan đến quyền riêng tư đang tăng tốc. Năm nay đã chứng kiến sự tiến bộ đáng kể trong các công nghệ nâng cao quyền riêng tư như bằng chứng không có kiến thức (ZK), mã hóa đồng hình hoàn toàn (FHE), môi trường thực thi đáng tin cậy (TEE) và tính toán nhiều bên (MPC). Những kỹ thuật này được sử dụng trong các tình huống như trạng thái chia sẻ riêng tư để tính toán cho mục đích chung trên dữ liệu được mã hóa. Đồng thời, những gã khổng lồ công nghệ như Nvidia và Apple cũng đang tận dụng công nghệ TEE độc quyền để đạt được khả năng học tập liên kết và suy luận AI riêng tư trong khi vẫn giữ được phần cứng, chương trình cơ sở và mô hình nhất quán.
Trong tương lai, chúng tôi sẽ tập trung vào cách bảo vệ quyền riêng tư trong quá trình chuyển đổi trạng thái ngẫu nhiên và cách các kỹ thuật này có thể tạo điều kiện thuận lợi cho các ứng dụng thực tế của AI phi tập trung trên các hệ thống không đồng nhất, chẳng hạn như suy luận riêng tư phi tập trung, đường dẫn lưu trữ và truy cập cho dữ liệu được mã hóa và Xây dựng một hệ thống môi trường thực thi hoàn toàn tự động. - Aadharsh
Ngăn xếp Apple Intelligence của Apple và GPU H100 của Nvidia
10. Ý định đại lý và giao diện giao dịch người dùng thế hệ tiếp theo
Một ứng dụng quan trọng của tác nhân AI là giúp người dùng hoàn thành giao dịch một cách tự động trên chuỗi. Tuy nhiên, trong 12-16 tháng qua, định nghĩa của các thuật ngữ như “ý định của tác nhân”, “hành vi của tác nhân” và “người giải quyết” còn mơ hồ và sự khác biệt so với cách phát triển “robot” truyền thống là chưa đủ rõ ràng.
Trong năm tới, chúng tôi hy vọng sẽ thấy các hệ thống ngôn ngữ phức tạp hơn được kết hợp với nhiều loại dữ liệu và kiến trúc mạng thần kinh sẽ thúc đẩy lĩnh vực này phát triển. Các đại lý sẽ tiếp tục sử dụng các hệ thống trên chuỗi hiện có để hoàn thành giao dịch hay họ sẽ phát triển các công cụ và phương pháp hoàn toàn mới? Liệu các mô hình ngôn ngữ lớn (LLM) có còn là cốt lõi của các hệ thống này hay chúng sẽ được thay thế bằng các công nghệ khác? Ở cấp độ giao diện người dùng, liệu người dùng có tương tác với hệ thống thông qua ngôn ngữ tự nhiên để hoàn tất giao dịch không? Liệu lý thuyết “ví như trình duyệt” cổ điển có trở thành hiện thực không? Đây là những câu hỏi đáng để khám phá. - Danny , Katie , Aadharsh , Dmitriy
