A fusão da IA e da Blockchain: explorando as perspetivas e desafios da combinação entre Web3 e inteligência artificial

Nos últimos anos, o rápido desenvolvimento da inteligência artificial (AI) e da tecnologia de Blockchain fez com que AI+Crypto se tornasse um ponto quente de investimento. A descentralização, alta transparência e características anti-monopólio do Blockchain compensam as deficiências dos sistemas de IA, e a combinação de ambos nos traz novas oportunidades.

Especialistas da indústria classificam a aplicação da combinação de IA e Blockchain em quatro categorias: como participantes da aplicação, interface, regras e objetivos. Eles acreditam que a IA em Crypto deve ser mais considerada sob a perspectiva de "aplicação", incluindo a otimização do poder de cálculo, algoritmos e dados.

As instituições de pesquisa classificam os projetos AI+Crypto em três camadas: camada básica, camada de execução e camada de aplicação. Na camada básica, a tecnologia zkML combina provas de conhecimento zero e Blockchain, oferecendo soluções seguras e verificáveis para o comportamento dos agentes de IA. Na camada de execução, a IA demonstra potencial em processamento de dados, desenvolvimento automatizado, segurança de transações em cadeia, entre outros. Na camada de aplicação, robôs de negociação impulsionados por IA, ferramentas de análise preditiva e gestão de liquidez AMM desempenham papéis importantes no espaço DeFi.

Este artigo irá explorar as direções de investimento na área de AI+Crypto, com foco na inovação e desenvolvimento em infraestrutura e aplicações, analisando as perspectivas e desafios da combinação entre AI e Blockchain.

Direções principais na área de IA

Especialistas classificam as aplicações que combinam AI e Blockchain em 4 grandes categorias:

1. A IA como participante na aplicação
2. IA como interface de aplicação
3. A IA como regras de aplicação
4. AI como objetivo da aplicação

Do ponto de vista da produtividade vs relações de produção, o Crypto fornece principalmente relações de produção. Pode ser considerado a partir de três direções:

1. Otimização de poder computacional: fornecer recursos de computação descentralizados e eficientes, reduzir o risco de falhas de ponto único e melhorar a eficiência computacional.
2. Algoritmos de otimização: promover a open source, o compartilhamento e a inovação de algoritmos ou modelos.
3. Otimização de Dados: implementar o armazenamento, contribuição, utilização e gestão de segurança de dados de forma descentralizada.

As instituições de pesquisa dividem projetos de AI+Web3 em camada base, camada de execução e camada de aplicação:

• Camada base: inclui treinamento de modelos, dados, poder de computação descentralizado e hardware, com foco na combinação de tecnologia zk com tecnologia ML.
• Camada de execução: processamento e transmissão de dados, agente de IA, zkML, FHE, etc.
• Camada de aplicação: AI+DeFi, AI+GameFi, Metaverso, AIGC e Meme, entre outros, assim como RAAS, oráculos, coprocessadores, UBI, etc.

Entre os projetos que se desenvolveram rapidamente nas camadas de infraestrutura e aplicação, destacam-se Io.net na camada de poder computacional, Flock na camada de modelos básicos, a infraestrutura de blockchain ZeroGravity, o agente de IA Myshell e a camada de aplicação 0xScope.

Os seguintes direções merecem uma exploração especial:

Um, direção zkML

A tecnologia zkML combina provas de conhecimento zero e tecnologia de Blockchain para fornecer soluções seguras, verificáveis e transparentes para monitorar e restringir o comportamento de agentes de IA. Ela inaugura novos métodos para usar modelos públicos ao validar dados privados ou usar dados públicos ao validar modelos privados. Esta inovação torna os contratos inteligentes mais flexíveis, capazes de se adaptar a uma variedade maior de cenários de aplicação.

projeto típico de tecnologia zkML

1. Modulus Labs: Um dos projetos mais diversificados no campo do ZKML, construindo exemplos de aplicações de IA em blockchain, como RockyBot e Leela vs. the World.

2. Giza: um protocolo que permite a implementação de modelos de IA na blockchain, utilizando o formato ONNX, Giza Transpiler, ONNX Cairo Runtime e outras tecnologias.

3. Zkaptcha: Focado em questões de robôs no Web3, fornece serviços de captcha para contratos inteligentes, utilizando provas de conhecimento zero para criar contratos inteligentes resistentes a ataques de bruxa.

Dois, Direção de Processamento de Dados

A IA na execução de níveis de avanço manifesta-se principalmente nas seguintes áreas:

a. IA e análise de dados em blockchain: utilizar tecnologia IA para explorar profundamente os dados do blockchain e obter mais insights.

b. Desenvolvimento de dApps com AI e automação: projetos de infraestrutura voltados para Devops, ajudando os desenvolvedores a escrever contratos inteligentes mais rapidamente e a corrigir erros automaticamente.

c. AI e segurança das transações em blockchain: implementar agentes de AI na blockchain para aumentar a segurança e a confiabilidade das aplicações de AI.

Caso de projeto: SeQure é uma plataforma de segurança que utiliza IA para monitorização e análise em tempo real, garantindo a estabilidade e a segurança das transações em blockchain.

Três, Direção AI+DeFi

A combinação de AI e DeFi reflete-se principalmente nos seguintes aspectos:

1. Robô de negociação impulsionado por IA: execução rápida e precisa de negociações, análise de dados de mercado e tendências de preços.

2. Análise preditiva: fornece previsões confiáveis sobre tendências de mercado e potenciais movimentos de preços.

3. Gestão de liquidez AMM: através da integração de IA, ajuste inteligente da faixa de liquidez, otimizando a eficiência e os rendimentos do AMM.

4. Proteção de liquidação e gestão de posições de dívida: combinar dados on-chain e off-chain para implementar estratégias inteligentes de proteção de liquidação.

5. Design de produtos estruturados DeFi complexos: depende de modelos de IA financeira para projetar mecanismos de tesouraria, aumentando a inteligência e flexibilidade do produto.

Quatro, direção AI+GameFi

A aplicação da IA em projetos de GameFi manifesta-se principalmente nas seguintes áreas:

1. Otimização de estratégia de jogo: Ajustar em tempo real a dificuldade e a estratégia do jogo, aprendendo os hábitos dos jogadores.

2. Gestão de utilização de ativos de jogos: ajudar os jogadores a gerir e negociar de forma mais eficaz os ativos virtuais dentro do jogo.

3. Aumentar a interação no jogo: Criar NPCs mais inteligentes e responsivos, melhorando a imersão no jogo e a satisfação dos jogadores.

Dimensão temporal da estratégia de investimento

• Curto prazo: Focar na IA nas áreas onde a Crypto está a ser aplicada pela primeira vez, como aplicações de IA conceituais e memes.
• Intermediário: Focar na combinação de AI Agent com Intent, bem como na combinação com contratos inteligentes.
• A longo prazo: preste atenção na combinação das tecnologias AI e zkML, que afetará finalmente o campo Crypto.