ชื่อดั้งเดิม: endoftheworld.txt: Crypto x AI

ผู้เขียนต้นฉบับ: Accelxr

ปัญญาประดิษฐ์เป็นเทคโนโลยีที่เร่งตัวขึ้น ซึ่งจะเปลี่ยนแปลงแนวโน้มทางสังคมไปอย่างมาก ในขณะเดียวกันก็เปลี่ยนแปลงเศรษฐกิจ ปรับรูปโฉมอุตสาหกรรม และมอบปฏิสัมพันธ์ออนไลน์รูปแบบใหม่

แม้ว่าหลายคนเชื่อว่าการบุกรุกของ Crypto เข้าสู่โลกแห่งปัญญาประดิษฐ์นั้นไม่จำเป็น แต่เราเชื่อว่านี่เป็นความสัมพันธ์ที่ทำงานร่วมกันที่สำคัญ เนื่องจากข้อจำกัดในการผลิตและจำหน่ายโมเดล AI เข้มงวดมากขึ้น ชุมชนโอเพ่นซอร์สที่ดำเนินไปอย่างรวดเร็วและต่อต้านเผด็จการก็กำลังเกิดขึ้นอย่างรวดเร็ว โดยเข้าจัดการแผนงานแบบรวมศูนย์และรัฐบาลที่ได้รับทุนสนับสนุนอย่างดี Crypto เป็นเครื่องมือที่ดีที่สุดในการระดมทุนและจัดการเครื่องมือโอเพ่นซอร์ส เมื่อเทียบกับแรงกดดันจากภายนอก นั่นเป็นการจับคู่ที่สมบูรณ์แบบ และก่อนที่จะคำนึงถึงผลกระทบของ AI ต่อความถูกต้อง แหล่งที่มา เอกลักษณ์ และพื้นที่อื่น ๆ ที่ Crypto มีจุดแข็งในการแก้ไขหรือปรับปรุง

มีหลุมกระต่ายทุกประเภทที่ควรค่าแก่การสำรวจที่นี่ และบทความนี้พยายามที่จะครอบคลุมพื้นที่ให้มากที่สุดเท่าที่จะเป็นไปได้ ดังนั้นบทความนี้จึงถือเป็นภาพรวมที่รุนแรงของพื้นที่เกิดใหม่ของ Crypto x AI จนถึงตอนนี้และในอนาคตอันใกล้ . .

ความคิดสร้างสรรค์

คลื่นลูกแรกที่สนใจในด้านปัญญาประดิษฐ์ในช่วงไม่กี่ครั้งที่ผ่านมาคือในด้านเครื่องมือสร้างแนวคิด Generative AI ช่วยลดการพึ่งพาทักษะทางเทคนิคของผู้ใช้ เช่น การเขียนโปรแกรมหรือความเชี่ยวชาญด้านซอฟต์แวร์ขั้นสูง ช่วยให้ทุกคนที่มีประสบการณ์ด้านอิเล็กทรอนิกส์ขั้นพื้นฐานสามารถผลิตงานที่ซับซ้อนในขณะเดียวกันก็สร้างผลงานระดับมืออาชีพด้วยต้นทุนที่ต่ำที่สุด

สิ่งนี้อาจส่งผลกระทบอย่างมากต่ออุตสาหกรรมสร้างสรรค์ เช่น:

• ตอนนี้ ใครๆ ก็สามารถเป็นผู้สร้างได้ และเมื่อจำนวนสถานการณ์ที่ผู้คนสร้างผลงานร่วมกับเครื่องมือเหล่านี้มีความเป็นผู้ใหญ่มากขึ้นเรื่อยๆ โมเดลที่สร้างสรรค์ของเกมที่มีผู้เล่นหลายคนก็จะเจริญรุ่งเรืองอย่างที่ไม่เคยมีมาก่อน

• ชุมชนเฉพาะกลุ่มสามารถผลิตงานคุณภาพสูงซึ่งก่อนหน้านี้มีศักยภาพในเชิงพาณิชย์จำกัดเนื่องจากขนาดผู้ชม

• จะมีการหลั่งไหลของเนื้อหาเชิงสร้างสรรค์ที่จะแซงหน้างานของมนุษย์อย่างมาก ซึ่งนำไปสู่การประเมินมูลค่าเนื้อหาของมนุษย์ทางออนไลน์อีกครั้ง

ต่อไปนี้คือการอภิปรายเกี่ยวกับสื่อเชิงนวัตกรรมที่มีการโต้ตอบกับ AI ในระดับสูง

ศิลปะ

“ศิลปะ AI ไม่ใช่ศิลปะ” เป็นสโลแกนทั่วไปในหมู่ผู้ที่ต่อต้านการมาของเครื่องมือ AI อย่างดื้อรั้น การเปิดตัว generative model พบกับฟันเฟืองและการประท้วงอย่างรวดเร็ว เช่นสิ่งที่เราเห็นใน ArtStation อย่างไรก็ตาม ฟิลด์นี้ได้จุดประกายให้เกิดฟิลด์ย่อยของครีเอทีฟโฆษณาแนวดิ่งที่น่าสนใจที่สุดใน web3

ศิลปะ AI มาในหลายรูปแบบ โดยเฉพาะอย่างยิ่งโมเดล generative ที่ได้รับความนิยมในปัจจุบัน รวมถึง DALL-E, Stable Diffusion และ Midjourney นอกจากนี้ยังมีคู่แข่งของ web3 เช่น ImgnAI ที่มุ่งมั่นที่จะมอบประสบการณ์ทางสังคมที่ดีขึ้นแก่ผู้ใช้เกี่ยวกับการสร้างภาพที่ขับเคลื่อนโดยเศรษฐศาสตร์โทเค็น ซึ่งจำเป็นมากในการสร้างคูเมืองของชุมชนรอบ ๆ โมเดลกำเนิดเหล่านี้

อย่างไรก็ตาม ศิลปิน AI ที่ได้รับการยกย่องอย่างสูงในสาขานี้มักจะออกแบบและปรับแต่งโมเดลของตนด้วยวิธีที่ไม่เหมือนใคร ส่งผลให้ได้ผลงานที่มีเอกลักษณ์มากกว่าการแจ้งแบบง่ายๆ ซึ่งอาจต้องมีการฝึกอบรมการฝังใหม่ หรือใช้ LoRA เพื่อทำให้สไตล์บางอย่างสมบูรณ์แบบ หรือแม้แต่สร้างโมเดลของคุณเองทั้งหมด

ศิลปินยอดนิยมที่ใช้โมเดลที่ซับซ้อนและเป็นส่วนตัวมากขึ้นเพื่อเผยแพร่งานศิลปะ AI ในรูปแบบ NFT ได้แก่ Claire Silver, Ivona Tau, Roope Rainisto, Pindar van Arman, Refik Anadol, Gene Kogan และอีกมากมาย ศิลปินเหล่านี้ได้สำรวจการใช้ตลาดต่างๆ เพื่อการจัดจำหน่าย โดยเฉพาะตลาดเฉพาะงานศิลปะ AI ที่โดดเด่นที่สุด เช่น Braindrops, Mirage Gallery และ FellowshipAI รวมถึงแพลตฟอร์มกิจกรรมที่เน้นรูปแบบศิลปะโดยเฉพาะ เช่น Bright Moments

สาขาย่อยแนวตั้งของงานศิลปะ AI ก็ถูกสร้างขึ้นเช่นกัน เช่น โพสต์การถ่ายภาพและศิลปะข้อมูล ศิลปะหลังการถ่ายภาพส่วนใหญ่ประกอบด้วยFellowship.aiทีมงานกำลังผลักดันผ่านการร่วมมือกับ Roope Rainsto เพื่อนำศิลปินที่สำรวจสื่อนี้สู่สายตาสาธารณะมากขึ้น สุนทรียภาพหลังการถ่ายภาพส่วนใหญ่มุ่งมั่นที่จะยอมรับสิ่งประดิษฐ์ทางการมองเห็นที่พบได้ทั่วไปในเครื่องมือสร้างยุคแรกๆ จากการตีพิมพ์ซีรีส์ Roope Rainistos Life in West America ทาง Braindrops งานศิลปะหลังการถ่ายภาพจึงเริ่มได้รับความสนใจมากขึ้นบนโซเชียลมีเดีย

ในด้านศิลปะข้อมูล Refik Anadol เป็นศิลปินที่มีชื่อเสียงในสาขานี้ โดยเป็นที่รู้จักจากงานศิลปะจัดวางที่สมจริงซึ่งใช้ข้อมูล อัลกอริธึม และปัญญาประดิษฐ์เพื่อสร้างงานศิลปะแบบไดนามิกและโต้ตอบได้ มีตัวอย่างที่น่าสนใจในงานของเขา เช่น Unsupervised ซึ่งแปลงข้อมูลเมตาของ MoMA ให้เป็นผลงานที่สร้างรูปแบบใหม่แบบเรียลไทม์ อีกตัวอย่างหนึ่งคือ Sense of Place ซึ่งใช้ข้อมูลสิ่งแวดล้อมแบบเรียลไทม์ เช่น ลม อุณหภูมิ และความชื้น รวมถึงข้อมูลสัญญาณจาก Bluetooth, Wifi และ LTE เพื่อจัดหาแหล่งข้อมูลสำหรับการทำงาน

ฟิลด์ย่อยแนวตั้งที่น่าสนใจอีกประการหนึ่งคือสื่อเนื้อหาใหม่ที่เปิดใช้งานโดยคุณสมบัติของ Crypto: ศิลปินอิสระในเครือ ตัวอย่างที่โด่งดังที่สุดคือ Botto ซึ่งเป็นศิลปินรุ่นเยาว์ที่ปกครองโดยชุมชน ซึ่งสร้างสรรค์ผลงานศิลปะ 350 ชิ้นทุกสัปดาห์ในแต่ละรอบ โดยแต่ละชิ้นมีชิ้นส่วนหลายชิ้น ) ในแต่ละสัปดาห์ ชุมชน BottoDAO จะโหวตให้กับ ชิ้นส่วน เหล่านี้ โดยใช้ความชอบด้านสุนทรียภาพของพวกเขาเพื่อเป็นแนวทางในอัลกอริธึมการสร้างของ Botto สำหรับการสร้างสรรค์งานศิลปะในอนาคต เพื่อให้มั่นใจว่างานศิลปะจะพัฒนาภายใต้อิทธิพลของชุมชนเมื่อเวลาผ่านไป ในแต่ละสัปดาห์ เศษ ที่ได้รับการโหวตนั้นจะถูกสร้างและประมูลบน SuperRare โดยรายได้จะคืนให้กับชุมชน หลังจากเสร็จสิ้น Fragmentation และ Paradox Periods ปัจจุบัน Botto อยู่ใน ยุคกบฏ โดยผสานรวมเทคโนโลยีใหม่ เช่น Stable Diffusion 2.1 และ Kandinsky 2.1 และในการร่วมมือ Explore แต่ละรายการและคอลเลกชันที่คัดสรรในรอบรายสัปดาห์ Botto เป็นหนึ่งในศิลปินที่ได้รับค่าตอบแทนสูงสุดใน SuperRare และยังรวบรวมนักสะสม DAO ของเขาเองที่เรียกว่า CyborgDAO อีกด้วย เช่นกันครับv 0 โครงการดังกล่าวยังสำรวจการบูรณาการเศรษฐศาสตร์โทเค็นและโมเดลศิลปะ AI โดยมีเป้าหมายเพื่อให้เป็นสถานที่สำหรับศิลปินหลายคนในการสร้างเครื่องมือศิลปะออนไลน์ของตนเอง และอยู่ภายใต้การควบคุมของชุมชนผู้ถือ

เมื่อสัมภาษณ์นักสะสมงานศิลปะ AI ทุกรูปแบบ การโต้ตอบที่พบบ่อยที่สุดจากพื้นที่ crypto ก็คือการดูแลจัดการของศิลปินจะลดการโต้ตอบกับบล็อกเชน ซึ่งแตกต่างจากงานศิลปะดั้งเดิมแบบคลาสสิก (Art Block) แทนที่จะสุ่มจากอินพุตเฉพาะของเชน ผลลัพธ์เหล่านี้จะถูกเลือกโดยศิลปินเองและสับเปลี่ยนหลายครั้งก่อนที่จะ ปลูกฝัง ลงในคอลเลกชัน แม้ว่านี่จะเป็นกระบวนการสร้างงานศิลปะแบบดิจิทัล แต่ก็ต้องลงมือด้วยมือ

งานศิลปะ AI แบบออนไลน์เต็มรูปแบบเป็นเรื่องยากเนื่องจากข้อจำกัดของสภาพแวดล้อมการดำเนินการและความซับซ้อนในการคำนวณของโมเดลการสร้างภาพที่ใช้ ตัวอย่างบางส่วนของเอาต์พุตแบบน้ำหนักเบา เช่น byteGAN ของ Pindar van Arman จะถูกจัดเก็บแบบออนไลน์ แต่เราคาดว่าสำหรับโมเดลที่ซับซ้อนมากขึ้น รูปแบบที่ใกล้เคียงที่สุดในระยะสั้นจะเป็นกลไกการตรวจสอบแบบออฟไลน์ ตัวอย่างเช่น เมื่อเร็วๆ นี้ Modulus Labs ร่วมมือกับ Polychain Monsters เพื่อสร้างโมเดล GAN ที่ผ่านการตรวจสอบด้วย zkML สำหรับสร้าง Pixel Monsters ที่รวบรวมได้ การใช้ zk proof ทำให้ NFT ที่สร้างขึ้นแต่ละรายการสามารถตรวจสอบด้วยการเข้ารหัสว่ามาจากโมเดลอาร์ตเวิร์ก Polychain Monsters จริง ซึ่งเป็นก้าวสำคัญสำหรับงานศิลปะ AI

ดนตรี

นอกเหนือจากงานศิลปะที่มีพื้นฐานจากรูปภาพแล้ว ความเคลื่อนไหวสำคัญกำลังก่อตัวขึ้นในดนตรี ความสำเร็จของเพลงฮิต AI Drake ของ ghostwriter ดูเหมือนจะเป็นที่รู้จักกันดีในตอนนี้ ภายใน 2 วัน มีการเข้าชมมากกว่า 20 ล้านครั้งและ UMG แบนอย่างรวดเร็ว ปรากฏการณ์ที่เกิดขึ้นในช่วงสั้นๆ นี้ทำให้สาธารณชนตระหนักว่าความสัมพันธ์ระหว่างศิลปินกับผลงานกำลังอยู่ระหว่างการเปลี่ยนแปลงขั้นพื้นฐาน

ภายในไม่กี่ปี ดนตรีเจเนอเรชั่นจะก้าวแซงหน้าดนตรีที่มนุษย์สร้างขึ้นอย่างไม่ต้องสงสัย Boomy เป็นสตาร์ทอัพด้านดนตรีแนวสร้างสรรค์ที่ก่อตั้งขึ้นในช่วงปลายปี 2018 ผู้ใช้ได้สร้างเพลงที่บันทึกไว้เกือบ 14% ของโลก (ประมาณมากกว่า 14 ล้านเพลง) ในช่วงเวลาสั้น ๆ นี่เป็นเพียงแพลตฟอร์มเดียวเท่านั้น และนั่นคือก่อนที่ความสนใจของสาธารณชนจะพุ่งสูงขึ้นเมื่อเร็วๆ นี้

เนื่องจากเนื้อหาเชิงสร้างสรรค์จะมีมากกว่าผลงานที่มนุษย์สร้างขึ้น และการใช้แบบจำลองคำพูดจะทำให้การตรวจสอบความถูกต้องของผลงานทำได้ยากขึ้น กล่าวคือ วิธีการตรวจสอบว่าผลงานนั้นสร้างขึ้นโดยศิลปิน ศิลปินจึงจำเป็นต้องมีการตรวจสอบความถูกต้อง แน่นอนว่าวิธีที่ดีที่สุดในการเผยแพร่และตรวจสอบความถูกต้องของสื่อทางศิลปะคือผ่านการเข้ารหัสแบบดั้งเดิม

อย่างไรก็ตาม เป็นที่น่าสังเกตว่านี่ไม่ใช่เรื่องเลวร้ายสำหรับศิลปิน โดยเฉพาะอย่างยิ่งผู้ที่ยินดียอมรับเทรนด์ที่หลีกเลี่ยงไม่ได้นี้ Holly Herndon เป็นผู้ริเริ่มรูปแบบเสียงแบบเปิด ซึ่งช่วยให้ชุมชนของเธอ (Holly+) สามารถสร้างและเผยแพร่ผลงานโดยใช้เสียงของเธอ คำกล่าวอ้างของ Holly ตอนเปิดตัวนั้นง่ายมาก:

“ในขณะที่ความแตกต่างระหว่างโมเดลคำพูดที่ละเมิดลิขสิทธิ์และเป็นทางการอาจมีเพียงเล็กน้อย ณ จุดนี้ เนื่องจากความสามารถในการสร้างคำพูดที่ซับซ้อนและสมจริงมากขึ้นได้รับการปรับปรุง ความต้องการของผู้ใช้สำหรับข้อมูลการฝึกอบรมเสียงที่ครอบคลุมและมีความเที่ยงตรงสูงขึ้น และความจำเป็นในการระบุแหล่งที่มาก็จะเพิ่มขึ้นเช่นกัน ด้วยเหตุผลเหล่านี้ ฉันเชื่อว่าโมเดลเสียงที่เป็นทางการและมีความเที่ยงตรงสูงของบุคคลสาธารณะจะกลายเป็นสิ่งจำเป็น ดังนั้นทำไมไม่ลองดูล่ะ?”

DAO ดูแลโมเดลเสียงของ Holly+ และสามารถลงคะแนนในการสร้างและการอนุมัติผลงานใหม่ได้ ผู้ถือโทเค็นของ DAO มีแรงจูงใจเพื่อให้แน่ใจว่าเฉพาะงานคุณภาพสูงเท่านั้นที่ได้รับการอนุมัติ เพื่อป้องกันการลดค่าเงินเนื่องจากงานศิลปะที่ไม่ดีหรือความหมายเชิงลบ โมเดลเสียงจะถูกใช้ในการผลิตงานศิลปะอย่างเป็นทางการในจำนวนจำกัด และผู้ถือโทเค็น DAO จะได้รับผลกำไรอย่างต่อเนื่องจากการขายต่อผลงานเหล่านี้

เมื่อเร็วๆ นี้ Grimes ได้เปิดตัว elf.tech ซึ่งเป็นแพลตฟอร์มที่ช่วยให้ศิลปินใช้ พิมพ์เสียงของ GrimesAI ในเพลงต้นฉบับได้ หลังจากได้รับการอนุมัติจาก Grimes แล้ว พวกเขาจะต้องแบ่งค่าลิขสิทธิ์ 50% ให้กับ Grimes Elf.Tech ขับเคลื่อนโดย AI ของ CreateSafe และทำงานร่วมกับ TuneCore เพื่ออำนวยความสะดวกในการจัดจำหน่ายอย่างมืออาชีพและรับรองการจัดการค่าลิขสิทธิ์ที่เหมาะสม หากรูปแบบสุดท้ายของเพลงเป็น NFT แบบออนไลน์ การกระจายผลกำไรจะได้รับการจัดการผ่านสกุลเงิน fiat หรือผ่านการแบ่งค่าลิขสิทธิ์แบบออนไลน์แบบอัตโนมัติ Hume เป็นสตูดิโอเพลง web3 ที่เน้นศิลปินเสมือนจริง เป็นหนึ่งในบริษัทแรกๆ ที่ใช้โมเดล Grimes เพื่อเผยแพร่ Grimes AI โดยร่วมมือกับศิลปินเสมือน angelbaby

แฟชั่นและสินค้ากายภาพ

ก่อนหน้านี้ ฉันได้สำรวจแนวคิดของการผลิตเชิงกำเนิดสำหรับสินค้าอุปโภคบริโภคและผลิตภัณฑ์แฟชั่นโดยใช้อัลกอริธึมการเขียนโปรแกรมเชิงสร้างสรรค์และปัญญาประดิษฐ์ในโพสต์นี้:https://mirror.xyz/1kx.eth/oBuaEp 5 jgGbe 2 gCsa 6 Z-_mLAeMRUhsIdZsaScHQNXS0。

กล่าวโดยสรุปคือ generative AI และการเขียนโปรแกรมเชิงสร้างสรรค์สร้างข้อกำหนดเบื้องต้นสำหรับอนาคตของผลิตภัณฑ์และประสบการณ์ผู้ใช้ที่มีความเป็นส่วนตัวสูง ช่วยให้เราสามารถสร้างการออกแบบ รูปแบบ และงานศิลปะที่เป็นเอกลักษณ์เฉพาะตามความต้องการส่วนบุคคลของเรา เทคโนโลยีนี้สามารถนำไปใช้ในทุกสิ่งตั้งแต่แฟชั่นไปจนถึงการตกแต่งบ้าน และยังใช้ประโยชน์จากข้อดีของมันเพิ่มเติมโดยให้ผู้ใช้ปรับแต่งเอาต์พุตได้ตามความต้องการ เครื่องมือการผลิตใหม่ๆ มักจะช่วยให้เราเชื่อมต่อโค้ดเข้ากับเครื่องจักรได้โดยตรงเพื่อสร้างผลผลิตที่เป็นอัตโนมัติ ซึ่งจะช่วยแก้ปัญหาคอขวดทางเทคนิคหลายประการในการผลิตสินค้าเฉพาะบุคคลโดยพื้นฐาน

โครงการ Web3 ที่กำลังสำรวจพื้นที่นี้ ได้แก่ Deep Objects, RSTLSS และ Little Swag World เป็นที่น่าสังเกตว่าโปรเจ็กต์แฟชั่นดิจิทัลส่วนใหญ่มีแนวโน้มที่จะสำรวจเครื่องมือและสื่อสร้างสรรค์เชิงสร้างสรรค์ โดยมี Draup, Tribute Brand และคนอื่นๆ พูดคุยถึงการใช้งานโดยละเอียด

ผลลัพธ์โมเดลที่สร้างโดยชุมชนคล้ายกับ Botto เป็นแนวคิดที่น่าสนใจที่ Deep Objects กำลังสำรวจ พวกเขาใช้เครื่องมือดูแลจัดการโดยชุมชนเพื่อลดการออกแบบ 1 ล้านครั้งที่สร้างโดยโมเดล GAN AI ให้เหลือเพียงชิ้นเดียวที่ชุมชนเลือก ชิ้นสุดท้ายนี้จะถูกพิมพ์แบบ 3 มิติเพื่อแสดงการสร้างสรรค์ผลิตภัณฑ์เชิงสร้างสรรค์ DeepObjects สามารถขยายการออกแบบการดูแลจัดการประเภทนี้ไปยังสินค้าทางกายภาพอื่นๆ ได้อย่างง่ายดายเช่นกัน

RSTLSS ได้ร่วมมือกับศิลปิน AI Claire Silver เพื่อเปิดตัวผลงานชื่อ Pixelgeist ซึ่งการคัดเลือกนักแสดงแต่ละครั้งจะรวมถึงเครื่องแต่งกายดิจิทัลที่มีงานศิลปะ อวาตาร์ของเกมพร้อมเครื่องแต่งกาย และการซื้อสิทธิ์ในการซื้อสิทธิ์ที่เกี่ยวข้อง งานทางกายภาพ การผสมผสานระหว่างแฟชั่นทางกายภาพทางดิจิทัลและเอาต์พุต AI ที่เป็นเอกลักษณ์นี้เป็นหนึ่งในการทดลองที่น่าสนใจที่นำเกม แฟชั่น และ AI มารวมกัน Claire Silver ยังฝึกฝนการถ่ายภาพแฟชั่นด้วยซีรีส์ล่าสุดของเธอ ซึ่งเกิดขึ้นได้บน Braindrops หากต้องการข้อมูลเพิ่มเติมเกี่ยวกับหัวข้อแฟชั่นดิจิทัล โปรดดูบทความของฉัน:https://medium.com/1kx network/augmenting-culture-the-emerging-field-of-digital-fashion-bead 627 c 8 dcd。

Little Swag World เป็นตัวอย่างที่ดีของการใช้โมเดล GAN ในเวิร์กโฟลว์เชิงสร้างสรรค์ ตั้งแต่การออกแบบไปจนถึงผลิตภัณฑ์ที่จับต้องได้ บ๊อช ศิลปินผู้อยู่เบื้องหลังโปรเจ็กต์นี้ ได้สร้างการออกแบบเบื้องต้นด้วยตัวเอง จากนั้นจึงดำเนินการผ่าน Stable Diffusion/Controlnet เพื่อสร้างชิ้นงานเหนือจริงที่มีเอกลักษณ์ เทคโนโลยีนี้ทำให้มีความสวยงามสม่ำเสมอในระดับสูง และขั้นตอนต่อไปในโครงการคือการรวมโมเดลกำเนิดเหล่านี้เข้ากับเซรามิกเพื่อสร้างสินค้าทางกายภาพ NFT ที่ปรับปรุงด้วย AI

โดยรวมแล้ว เราคาดหวังว่าจะมีโครงการ Crypto x AI ที่น่าตื่นเต้นมากมายเกิดขึ้น ตั้งแต่แบรนด์ที่มีการกระจายอำนาจที่ดูแลผลิตภัณฑ์ที่สร้างขึ้น ไปจนถึง NFT ที่แบ่งแยกได้สำหรับนักออกแบบตัวแทน AI

ความบันเทิง

หลังจากกระแสความฮือฮาในช่วงแรกๆ ของ Nothing Forever ความบันเทิงเชิงสร้างสรรค์ก็ได้รับการพัฒนาอย่างเต็มที่มากขึ้นเช่นกัน Nothing Forever เป็นซิทคอมแอนิเมชั่นเชิงโต้ตอบที่สร้างจาก Seinfeld ซึ่งถ่ายทอดสดทุกวันตลอด 24 ชั่วโมงบน Twitch สิ่งที่น่าสนใจคือมันแสดงให้เห็นถึงพลังของสื่อ ด้วยการเล่าเรื่องของรายการเปลี่ยนไปตามการตอบกลับแชทของ Twitch และอนุญาตให้ผู้บริจาคนำเข้าความคล้ายคลึงของพวกเขาในฐานะตัวละครเข้ามาในรายการ

การจำลองจาก Fable ขยายการวิจัยนี้ด้วย SHOW-1 ซึ่งเป็นแบบจำลองสำหรับรายการโทรทัศน์ที่สร้างขึ้นโดยพร้อมเพรียง ซึ่งการเขียน แอนิเมชั่น การกำกับ การแสดงด้วยเสียง และการตัดต่อล้วนถูกนำไปใช้ผ่านการแจ้ง พวกเขาสาธิตสิ่งนี้เป็นครั้งแรกในตอนหนึ่งของ South Park แต่สามารถขยายไปยัง IP ใดก็ได้ได้อย่างง่ายดาย ฉันคาดหวังเป็นอย่างยิ่งว่า IP รูปแบบที่ไม่ได้รับอนุญาตจะมีมากขึ้นในการทดลองกับเครื่องมือสร้างเนื้อหาประเภทนี้มากขึ้น ดังที่เราได้เห็นใน web3

เมื่อเร็วๆ นี้ Upstreet ได้เริ่มทดลองกับรายการทีวีทั่วไป โดยใช้โมเดลตัวแทน AI ที่พวกเขาพัฒนาขึ้นสำหรับแพลตฟอร์มโลกเสมือนจริง (ดูข้อมูลเพิ่มเติมด้านล่าง) ช่วยให้ผู้สร้างสามารถเพิ่มอวตาร VRM ของตนเอง และสร้างปฏิสัมพันธ์และการละเล่นที่ไม่ซ้ำใครผ่านข้อความแจ้ง

ประเด็นที่น่ากังวลอีกประการหนึ่งคือทรัพย์สินทางปัญญา โครงการต่างๆ เช่น Story Protocol กำลังมองหาการใช้การลงทะเบียน IP แบบกระจายอำนาจ เพื่ออำนวยความสะดวกในการสร้าง การจัดจำหน่าย และการสร้างรายได้ของ IP สิ่งนี้มีประโยชน์สำหรับผู้สร้าง มันราบรื่นกว่าการออกใบอนุญาต IP แบบเดิม และมีเอกลักษณ์เฉพาะในยุคของ generative AI NFT IP, มีม และโปรเจ็กต์ความบันเทิงอื่นๆ สามารถได้รับอนุญาตและชำระค่าธรรมเนียมลิขสิทธิ์เพื่อสร้างอนุพันธ์ต่างๆ ซึ่งสามารถปลดล็อกการขยายมูลค่าผลงานของผู้สร้างได้อย่างมาก

คุณเป็นหุ่นยนต์หรือเปล่า?

ในไม่ช้าเราอาจประสบปัญหา: ดีพเฟค ตัวอย่าง ได้แก่ แชทบอทที่ได้รับการฝึกให้อินฟลูเอนเซอร์โต้ตอบกับแฟนๆ และสแปมที่สร้างบนโซเชียลมีเดีย เป็นต้น ในไม่ช้า การตรวจสอบว่าใครคือมนุษย์ที่แท้จริงจึงเป็นเรื่องสำคัญ

Web3 ได้ใช้ความพยายามอย่างมากในการป้องกันแม่มด (แม้ว่าปัญหาจะยังไม่หมดสิ้นไปก็ตาม) อย่างไรก็ตาม ระบบชื่อเสียง การออกแบบกลไกการรับรองบุคลิกภาพ หนังสือเดินทางของผู้ใช้ NFT ที่ผูกพันกับจิตวิญญาณ และเศรษฐกิจโทเค็นทั้งหมด ล้วนทำงานเพื่อแก้ไขปัญหานี้

ฮาร์ดแวร์การรับรองความถูกต้อง, zkML และหลักฐานบุคลิกภาพ

ก่อนหน้านี้ฉันได้พูดคุยถึงผลกระทบในทางปฏิบัติและกรณีการใช้งานที่เป็นไปได้ของ zkML โดยละเอียดในโพสต์นี้:https://mirror.xyz/1kx.eth/q0s9RCH43JCDq8Z2w2Zo6S5SYcFt9ZQaRITzR4G7a_k。

มีหลายทีม เช่น Modulus Labs, EZKL และ Giza ที่มุ่งเน้นการใช้ zk เพื่อพิสูจน์เหตุผลของแบบจำลองมากขึ้น ความพยายามเหล่านี้ในการใช้ ZK เพื่อตรวจสอบเอาต์พุตโมเดลมีแอปพลิเคชันที่หลากหลาย และทำให้การทดลองใหม่ๆ ใน DeFi ข้อมูลประจำตัว งานศิลปะ และเกมใช้โมเดลเหล่านี้ในลักษณะที่ลดความน่าเชื่อถือลง

แม้ว่าจะมีโปรเจ็กต์นับไม่ถ้วนที่เน้นการพิสูจน์บุคลิกภาพ แต่หนึ่งในแอปพลิเคชั่นที่น่าสนใจที่สุดคือ Worldcoin อย่างไม่ต้องสงสัย Worldcoin ใช้โมเดล AI เพื่อแปลงการสแกนม่านตาเป็นแฮชแบบสั้น เพื่อให้สามารถตรวจสอบข้ามได้อย่างง่ายดายเพื่อตรวจสอบความคล้ายคลึงหรือข้อขัดแย้งในกรณีของการโจมตีของ Sybil เนื่องจากม่านตาแต่ละอันมีเอกลักษณ์เฉพาะตัว โมเดลจึงสามารถระบุได้ว่าผู้ใช้นั้นมีตัวตนอยู่จริงและมีเอกลักษณ์เฉพาะตัว ใช้การตั้งค่าฮาร์ดแวร์ที่เชื่อถือได้ (ซึ่งเป็นทรงกลมที่เป็นที่รู้จักอย่างสูง) เพื่อให้แน่ใจว่าโมเดลจะยอมรับเฉพาะอินพุตที่เซ็นชื่อแบบเข้ารหัสจากกล้องเท่านั้น

ในทำนองเดียวกัน ทีมงานไมโครโฟน zk ได้สาธิตวิธีใช้ไมโครโฟนที่ผ่านการรับรองเพื่อสร้างและเซ็นชื่อเนื้อหาเสียงแบบดิจิทัลเพื่อตรวจสอบความถูกต้องของการบันทึก คีย์จะถูกจัดเก็บไว้ในพื้นที่ปลอดภัยของไมโครโฟน ซึ่งมีการลงนามเพื่อรับประกันความถูกต้องของเสียงที่บันทึก เนื่องจากการบันทึกส่วนใหญ่ได้รับการประมวลผลหรือแก้ไข ซอฟต์แวร์แก้ไขเสียงที่ขับเคลื่อนโดย SNARK จึงสามารถแปลงเสียงได้ในขณะที่ยังคงพิสูจน์แหล่งที่มาของเสียง Daniel Kang ยังร่วมมือกับ Anna Rose และ Kobi Gurkan ในการพิสูจน์แนวคิดสำหรับการบันทึกเสียงที่ได้รับการรับรอง

ผู้มีอิทธิพลตลอดไป

อีกด้านหนึ่งของการตรวจสอบบุคลิกภาพหรือเนื้อหาที่มนุษย์สร้างขึ้นคือการเปิดรับความเป็นไปได้ของ Deepfakes เช่นเดียวกับโมเดลการโคลนเสียงด้านบน ผู้มีอิทธิพลบางคนเลือกที่จะสร้างแชทบอทเพื่อดึงดูดผู้ชม ตัวอย่างที่โด่งดังอย่างหนึ่งคือ Caryn Marjorie ซึ่งเปิดตัวผลิตภัณฑ์สำหรับแฟนสาวด้วย AI โดยใช้เสียงของเธอ และฝึกฝนวิดีโอ YouTube ความยาวหลายพันชั่วโมงเพื่อถ่ายทอดบุคลิก กิริยาท่าทาง และเสียงของเธอได้อย่างสมบูรณ์แบบ ด้วยค่าบริการ 1 ดอลลาร์ต่อนาที ผู้ใช้สามารถแชทกับอวาตาร์ของเธอในช่อง Telegram ส่วนตัว เพื่อรับส่งข้อความเสียงที่มีรูปร่างเหมือนเธอ ในสัปดาห์แรกของการเปิดตัว Caryn Marjorie สร้างรายได้ 72,000 ดอลลาร์ และเมื่อการสมัครรับข้อมูลเพิ่มขึ้น เธอคาดว่าจะมีรายได้มากกว่า 5 ล้านดอลลาร์ต่อเดือน

CarynAI เป็นเพียงตัวอย่างหนึ่งของผลิตภัณฑ์ AI Girl (ดูคำแนะนำเพิ่มเติมด้านล่าง) ลองนึกภาพว่าคุณสามารถเล่นเกมด้วยโมเดล AI ของผู้ประกาศเกมที่คุณชื่นชอบ สนทนาแบบเรียลไทม์ และจำลองประสบการณ์จริง หรือ KOL สามารถใช้อวตาร Anthropomorphic AI+ ที่สามารถได้รับอนุญาตให้ใช้ในงานแฟชั่นโชว์หรือสิ่งพิมพ์ ฯลฯ

˚✧₊⁎( ˘ω˘ )⁎⁺˳✧༚ Uwu-ral Networks น่ารักจังเลย(ノ◕ヮ◕)ノ:・゚✧*

ความจริงที่เถียงไม่ได้ก็คือ 79% ของผู้ใหญ่อายุ 18 ถึง 24 ปีรายงานว่ารู้สึกเหงา 42% ของผู้ที่มีอายุ 18 ถึง 34 ปีรายงานว่ารู้สึก “ถูกลืม” “ตลอดเวลา”; 63% ของผู้ชายอายุต่ำกว่า 30 ปีคิดว่าตัวเองเป็นโสดเมื่อเปรียบเทียบ โดยผู้หญิง 34% ในกลุ่มอายุเดียวกัน ผู้ชายเพียง 21% เท่านั้นที่บอกว่าพวกเขาได้รับการสนับสนุนทางอารมณ์จากเพื่อน ๆ ในสัปดาห์ที่ผ่านมา

ผู้คนต่างเหงา ในยุคที่ความเหงาแพร่หลายมากขึ้น โดยเฉพาะอย่างยิ่งในหมู่คนหนุ่มสาว การเกิดขึ้นของมิตรภาพด้านปัญญาประดิษฐ์นำเสนอวิธีแก้ปัญหาที่มีเอกลักษณ์เฉพาะตัว แม้ว่าจะดูเป็นดิสโทเปียเล็กน้อยก็ตาม สหาย AI พร้อมใช้งานเสมอ ไม่มีการตัดสิน และเป็นส่วนตัวสูง พวกเขาสามารถทำหน้าที่เป็นนักบำบัดหรือช่องทางสำหรับความต้องการได้ พวกเขาสามารถเป็นเพื่อนร่วมงานที่สร้างสรรค์หรือโค้ชด้านไลฟ์สไตล์ พวกเขามักจะรอที่จะพูดคุยกับคุณเกี่ยวกับสิ่งที่คุณต้องการ

โครงสร้างพื้นฐานในการดำเนินการนี้อาจเป็น: ปรับแต่งแบบจำลองโดยใช้สัญญาณบุคลิกภาพเพื่อสรุปพฤติกรรม รูปลักษณ์ ลักษณะ รูปแบบการสื่อสาร ฯลฯ ผลลัพธ์ของการรันโมเดลผ่านโมเดลเสียง เช่น elevenlabs สร้างภาพเซลฟี่ตามคำขอโดยใช้โมเดลตัวสร้างภาพและคำแนะนำลักษณะที่ปรากฏ สร้างอวตาร vrm ที่เหมาะสมและวางไว้ในสภาพแวดล้อมแบบโต้ตอบ ตอนนี้คุณมีสหายไฮเปอร์มีเดียที่เหมาะกับคุณแล้ว หากคุณรวม Crypto คุณจะสามารถทำให้พวกเขาเป็นเจ้าของ แลกเปลี่ยนได้ เช่าได้ ฯลฯ

สหาย

การตั้งค่าข้างต้นสามารถทำได้ทั้งหมดผ่าน DIY แต่คุณสามารถใช้แอปที่ออกแบบมาเพื่อแนวคิดนี้โดยเฉพาะได้ Replika เป็นตัวอย่างที่มีชื่อเสียงที่สุด ซึ่งช่วยให้เราสามารถสื่อสารแบบเรียลไทม์กับพันธมิตรเสมือนโดยไม่ต้องมีทักษะทางเทคนิคใดๆ โดยทั่วไปแอปเหล่านี้ทำงานในรูปแบบการสมัครสมาชิก โดยผู้ใช้จ่ายเงินเพื่อโต้ตอบกับเพื่อนเสมือนของตน ผลิตภัณฑ์ดังกล่าวไม่เพียงสร้างผลกำไรเท่านั้น แต่ยังแสดงให้เห็นถึงผลกระทบอย่างมากที่เทรนด์นี้มีต่อจิตวิทยามนุษย์ด้วย ตัวอย่างเช่น โพสต์หนึ่งบน Reddit แสดงการสนทนาของบุคคลกับคู่หูเสมือนเป็นเวลา 2,000 วันติดต่อกัน และเรายังเห็นข้อเสนอ การสร้างเซลฟี่ AR , และอื่น ๆ. เกร็ดน่ารู้ที่น่าสนใจ: เมื่อสื่อลามกถูกลบออกจากแพลตฟอร์ม ผู้ดูแล subreddit จะต้องปักหมุดสายด่วนการฆ่าตัวตายไว้ที่ด้านบนสุดของชุมชนเพื่อเอาใจสมาชิกในชุมชนที่ปั่นป่วน

แพลตฟอร์มตามบทบาทก็เริ่มปรากฏให้เห็นเช่นกัน ซึ่งทำให้ผู้ใช้สามารถใช้หลายบทบาทได้ (มักจะอยู่ในรูปแบบการสมัครสมาชิกด้วย) แม้ว่าในCharacter.aiและChub.aiมีตัวละครสำเร็จรูปมากมายให้เลือกบนแพลตฟอร์มอื่น แต่ความแปลกใหม่ที่แท้จริงอยู่ที่การสร้างตัวละครหรือฉากของคุณเองทั้งหมดผ่านการแจ้งตัวละคร + การฝึกตอบรับ

โปรเจ็กต์ web3 จำนวนมากพยายามมอบประสบการณ์ร่วมเหล่านี้ เช่น Belong Hearts, MoeMate และ Imgnai

Belong Hearts เป็นผู้บุกเบิกการเล่นเกม NFT minting แบบใหม่ที่ให้ผู้ใช้สามารถสนทนากับตัวละครที่พวกเขาให้มาได้จนกว่าผู้ใช้จะได้รับหมายเลขโทรศัพท์ของเธอ เพื่อที่เธอจะได้อยู่ในไวท์ลิสต์สำหรับ NFT minting เมื่อได้รับแล้ว NFT จะอนุญาตให้ผู้ใช้เพลิดเพลินกับประสบการณ์การแชทกับตัวละคร รวมถึงการสวมบทบาทที่เร้าอารมณ์และภาพเซลฟี่ที่เกิดขึ้น ในขณะที่ทิศทางในอนาคตของผลิตภัณฑ์ยังไม่ได้รับการพิจารณา แต่ก็มีการถกเถียงกันมากมายเกี่ยวกับโทเค็นเพื่อเป็นกลไกสำหรับผู้เล่นในการมอบไอเท็มหรือโทเค็นให้กับแชทบอทเพื่อส่งผลต่ออารมณ์และระดับความสัมพันธ์ของเธอ

MoeMate สร้างขึ้นโดยทีมงานที่อยู่เบื้องหลัง Webaverse โดยนำเสนอแอปพลิเคชันทั้งเวอร์ชันเดสก์ท็อปและเบราว์เซอร์ ช่วยให้ผู้ใช้สามารถนำเข้าโมเดล vrm ได้อย่างง่ายดาย จากนั้นจึงกำหนดลักษณะเฉพาะและโต้ตอบด้วยได้ เวอร์ชันเดสก์ท็อปชวนให้นึกถึงผู้ช่วย AI รุ่นก่อนที่เรียกว่าผู้ช่วยคลิปหนีบกระดาษแบบเก่า

นอกจากนี้ยังมี Imgnai ซึ่งนอกเหนือจากการเป็นโมเดลสร้างภาพคุณภาพสูงที่กล่าวถึงข้างต้นแล้ว ยังแก้ปัญหาการสร้างตัวละคร Nai ให้เป็นมนุษย์ด้วยประสบการณ์แชทบอทแบบครบวงจร

ท้ายที่สุดแล้ว ศักยภาพของโทคีโนมิกส์มีอยู่มากมายในพื้นที่สหาย ด้วย API โทเค็น การแจ้งบุคลิกภาพที่สามารถซื้อขายได้ (ดูด้านล่าง) สกุลเงินในเกมแบบออนไลน์ การชำระเงินผ่านพร็อกซี เครื่องประดับเล็ก ๆ ที่แลกเปลี่ยนได้ กลไกการเล่นตามบทบาท และสถานการณ์การเข้าถึงที่จำกัดโทเค็น เช่น เนื่องจากสิ่งเหล่านี้เป็นเพียงส่วนเล็กๆ ของขอบเขตที่เป็นไปได้สำหรับการสำรวจในอนาคต

ตลาดส่วนบุคคล

สิ่งที่น่าสนใจคือ การเพิ่มขึ้นของแอปคู่หูยังทำให้เกิดมาตรฐานในการแจ้งเตือนบุคลิกภาพ รวมถึงแพลตฟอร์มสำหรับการแลกเปลี่ยนบุคลิกภาพดั้งเดิมอีกด้วย สาขานี้มีแนวโน้มที่จะก้าวไปสู่การจัดหาทางการเงินของการแจ้งเตือนและสถานการณ์คุณภาพสูง ตัวอย่างเช่น หาก LLM โอเพ่นซอร์สที่ไม่ถูกเซ็นเซอร์สามารถอ่านข้อมูลเมตาจาก NFT ที่มีบุคลิกภาพที่เป็นมาตรฐานได้ บุคลิกภาพ NFT ก็จะได้รับประโยชน์จากค่าลิขสิทธิ์ที่สร้างขึ้นจากสิ่งดังกล่าวเพื่อเป็นประโยชน์ต่อผู้สร้าง

แต่นี่ก็ทำให้เกิดคำถามที่ยังไม่ได้รับการแก้ไขอีกข้อหนึ่ง: เนื่องจากโมเดลชั้นนำจำนวนมากถูกจำกัดโดยเนื้อหา NSFW จึงจำเป็นต้องสร้างโมเดลโอเพ่นซอร์สที่ใช้งานได้ ซึ่งเป็นโอกาสที่สมบูรณ์แบบสำหรับการระดมทุนและการกำกับดูแลโดยใช้โทเค็น

คุณสามารถดูบทความนี้ที่ฉันเขียนเพื่อทำความเข้าใจแนวคิดบางอย่างที่กล่าวถึงในบทนี้ให้ลึกซึ้งยิ่งขึ้น:https://medium.com/1kx network/virtual-beings-51606 c 041 acf。

เสริมสร้างธรรมาภิบาล

ประวัติความเป็นมาของการกำกับดูแล DAO แท้จริงแล้วคือวิวัฒนาการของประวัติศาสตร์อันยาวนานของการทำงานร่วมกันของมนุษย์ ท้ายที่สุดแล้ว เราค้นพบว่าเป็นเรื่องยากมากที่จะจัดระเบียบทรัพยากรอย่างมีประสิทธิผล ลดการขยายตัวของธรรมาภิบาล ลดการประมง และระบุความไร้ประสิทธิภาพของพลังงานอ่อนหรือปัญหาคอขวด

การทดลองโดยใช้ AI เป็นเลเยอร์การปรับปรุงสำหรับ DAO เพิ่งเริ่มต้น แต่ผลกระทบที่อาจเกิดขึ้นนั้นยังกว้างขวาง รูปแบบที่พบบ่อยที่สุดคือการใช้ LLM ที่ได้รับการฝึกอบรมเพื่อช่วยควบคุมเงินทุนแรงงานภายใน DAO ไปสู่เรื่องที่มีประสิทธิภาพมากขึ้น ระบุปัญหาในข้อเสนอ และเปิดกว้างการมีส่วนร่วมในการสนับสนุนและการลงคะแนนเสียงให้กว้างขึ้น นอกจากนี้ยังมีเครื่องมือที่เรียบง่ายกว่า เช่น AwesomeQA ซึ่งปรับปรุงประสิทธิภาพของ DAO ผ่านการค้นหาและการตอบกลับอัตโนมัติ ท้ายที่สุดแล้ว เราคาดหวังว่า ความเป็นอิสระ ใน DAO จะมีความสำคัญมากขึ้นเมื่อเวลาผ่านไป

สภาปกครองตนเองและตัวแทนลงคะแนนเสียง

Upstreetได้ใช้ระบบหลายตัวแทน (เช่น AutoGPT ฯลฯ) กับกระบวนการกำกับดูแลเป็นการทดลองขั้นต้น ตัวแทนแต่ละรายถูกกำหนดโดยกลุ่มย่อยของ DAO เช่น ศิลปิน นักพัฒนา นักยุทธศาสตร์ BD ประชาสัมพันธ์ ผู้จัดการชุมชน ฯลฯ ตัวแทนเหล่านี้ได้รับมอบหมายให้วิเคราะห์ข้อเสนอจากผู้ร่วมให้ข้อมูลและหารือเกี่ยวกับข้อดีและข้อเสียของพวกเขา จากนั้นตัวแทนจะได้รับคะแนนตามผลกระทบที่มีต่อขอบเขตที่เกี่ยวข้อง และคะแนนจะถูกรวบรวม ผู้ร่วมให้ข้อมูลที่เป็นมนุษย์สามารถประเมินการอภิปรายและให้คะแนนก่อนที่จะลงคะแนนในผลลัพธ์ ดังนั้นจึงให้บริการตรวจสอบแบบคู่ขนานที่หลากหลาย

สิ่งนี้น่าสนใจเป็นพิเศษเพราะกระบวนการนี้สามารถนำเสนอแง่มุมต่างๆ ของข้อเสนอที่มนุษย์อาจพลาดไป หรือทำให้มนุษย์สามารถอภิปรายกับตัวแทน AI เกี่ยวกับผลกระทบที่ตามมา

ระบบการประสานงานขั้นสูง

MakerDAOหัวข้อที่คล้ายกันได้รับการพูดคุยโดยละเอียดเพื่อให้บรรลุเป้าหมายของการตัดสินใจด้านการกำกับดูแลแบบอัตโนมัติโดยอาศัยข้อมูลจากมนุษย์น้อยที่สุด พวกเขาเสร็จสิ้นภาพรวมของ Atlas ซึ่งแสดงให้เห็นศูนย์กลางข้อมูลแบบเรียลไทม์ที่มีทุกสิ่งที่เกี่ยวข้องกับการกำกับดูแลของ Maker หน่วยข้อมูลเหล่านี้ได้รับการจัดระเบียบในรูปแบบของแผนผังเอกสาร ซึ่งให้บริบทเพื่อป้องกันการตีความที่ผิด Atlas จะอยู่ในรูปแบบ JSON และได้มาตรฐานเพื่อให้ AI และเครื่องมือการเขียนโปรแกรมใช้งานได้ง่ายขึ้น

Atlas สามารถใช้งานได้โดยเครื่องมือการกำกับดูแลปัญญาประดิษฐ์ (GAIT) ต่างๆ ที่มีส่วนร่วมในการกำกับดูแลโดยการโต้ตอบอัตโนมัติและจัดลำดับความสำคัญของงานของผู้เข้าร่วม ตัวอย่างการใช้งานได้แก่:

• การเสนอราคาโครงการ: GAIT สามารถปรับปรุงกระบวนการสำหรับผู้เข้าร่วมระบบนิเวศในการเสนอราคาสำหรับโครงการโดยการจัดการเอกสารและรับรองว่าข้อเสนอจะบรรลุเป้าหมายเชิงกลยุทธ์

• ติดตามการละเมิดกฎ: GAIT สามารถช่วยตรวจสอบการส่งมอบและการปฏิบัติตามกฎ โดยแจ้งปัญหาที่อาจเกิดขึ้นสำหรับการตรวจสอบโดยมนุษย์

• การบูรณาการคำแนะนำอย่างมืออาชีพ: GAIT สามารถเปลี่ยนคำแนะนำอย่างมืออาชีพให้เป็นข้อเสนอที่มีรูปแบบ เชื่อมช่องว่างระหว่างการกำกับดูแลและความเชี่ยวชาญ

• การบูรณาการข้อมูล: GAIT สามารถบูรณาการข้อมูลและประสบการณ์ใหม่ได้อย่างง่ายดาย ช่วยให้ DAO เรียนรู้และปรับตัวเข้ากับสถานการณ์ใหม่โดยไม่เกิดข้อผิดพลาดซ้ำ

• การผนวกรวมทางภาษา: GAIT สามารถทำหน้าที่เป็นนักแปล ดังนั้นการกำกับดูแลจึงสามารถดำเนินการได้ในหลายภาษา ซึ่งจะช่วยส่งเสริมสภาพแวดล้อมที่หลากหลายและครอบคลุม

• SubDAO: Atlas และ GAIT สามารถนำไปใช้กับ SubDAO ได้ ช่วยให้สามารถทดลองและพัฒนาอย่างรวดเร็ว และมีความสามารถในการเรียนรู้จากความล้มเหลว

• 🧠 <> 🎮

ขอบเขตของ Crypto x AI ที่ฉันตื่นเต้นเป็นพิเศษคือการเล่นเกม มีเกมแปลกใหม่มากมายให้สำรวจในสาขานี้ เช่น เกมเนื้อหาตามขั้นตอน โลกเสมือนจริงเชิงสร้างสรรค์ การเล่าเรื่องแบบ LLM เกมความร่วมมือที่ตัวแทน AI ร่วมมือกัน และอื่นๆ

แม้ว่าจะมีตัวอย่างเกมใหม่ๆ ดีๆ มากมายใน web2 แต่เราจะเน้นที่ตัวอย่างจาก web3 ที่นี่ เป็นที่น่าสังเกตว่าบทความทางวิชาการเรื่อง Generative Agents: Interactive Simulacra of Human Behavior ได้ปลุกให้ผู้คนจำนวนมากได้สำรวจความเป็นไปได้ของสภาพแวดล้อมในเกมที่มีเอเจนต์เทียมหลายตัว นักวิจัยจากมหาวิทยาลัยสแตนฟอร์ดและ Google แสดงให้เห็นถึงศักยภาพนี้โดยการประยุกต์ใช้ LLM กับตัวแทนในสภาพแวดล้อมการเล่นเกมแบบแซนด์บ็อกซ์ เจ้าหน้าที่ที่ขับเคลื่อนโดย LLM แสดงพฤติกรรมที่น่าประทับใจ เช่น การแจกคำเชิญเข้าร่วมปาร์ตี้ การสร้างมิตรภาพ การออกเดท และการประสานงานให้ทุกคนไปงานปาร์ตี้ตรงเวลา ฯลฯ ทั้งหมดนี้อิงตามคำแนะนำที่ผู้ใช้ระบุ แนวทางนี้ใช้ประโยชน์จากสถาปัตยกรรมที่ขยาย LLM เพื่อจัดเก็บและสังเคราะห์ผลตอบรับในระดับที่สูงขึ้น ช่วยให้ตัวแทนสามารถบรรลุการวางแผนพฤติกรรมแบบไดนามิกมากขึ้น

การวิจัยนี้เป็นพื้นฐานสำหรับเกมที่มีการสำรวจมากที่สุด (แต่ยังคงเป็นการทดลอง) ใน web3 จนถึงปัจจุบัน แนวคิดหลักคือวิธีที่เราสามารถใช้ตัวแทน AI ที่มีความเป็นอิสระหรือคุณลักษณะระดับสูงในสภาพแวดล้อมจำลอง และสร้างเกมที่สนุกสนานและมีส่วนร่วมรอบตัวพวกเขา

Parallel Colony จากทีม Parallel TCG สำรวจแนวคิดนี้โดยให้เจ้าหน้าที่ AI รวบรวมทรัพยากรและโทเค็นสำหรับผู้เล่นในเกม เมื่อใช้มาตรฐาน ERC-6551 ตัวแทน AI คือกระเป๋าเงิน NFT ที่สามารถทำธุรกรรมในเกมในนามของผู้ใช้ได้ เจ้าหน้าที่ AI สามารถสร้าง สร้าง และจัดเก็บไอเท็มเกมใหม่ๆ และยังมีบุคลิกที่กำหนดโดย LLM ที่ได้รับการปรับแต่งอย่างละเอียดซึ่งสร้างโดยทีม ทำให้พวกเขามีพฤติกรรมและลักษณะที่ไม่ได้มาตรฐานซึ่งสามารถมีอิทธิพลต่อการกระทำของพวกเขาในเกมได้

ตามแนวคิดแล้ว เกมที่ใช้เอเจนต์ AI ที่น่าสนใจที่สุดคือ Upstreet Upstreet เป็นโปรเจ็กต์โลกเสมือนจริงที่มีไอเดียเจ๋งๆ เช่น AI agent SDK, งานขั้นตอน, เบราว์เซอร์ + VR, การทำงานร่วมกันแบบลากและวาง และฟีเจอร์โซเชียลในสภาพแวดล้อมที่เรียกว่า The Street ซึ่งผู้เล่นสามารถสร้างประสบการณ์ของตนเองและโต้ตอบได้ กับพวกเขา. นอกจากผู้เล่นแล้ว ยังมีตัวแทนปัญญาประดิษฐ์ที่นักพัฒนา (และผู้เล่น) สามารถปรับใช้ตามบุคลิกและเป้าหมายที่มีอิทธิพลต่อสภาพแวดล้อมของเกม สิ่งที่น่าสนใจที่สุดคือการวิจัยและพัฒนา AI Director ซึ่งเป็นตัวแทน AI ที่ตัดสินเป้าหมาย เช่น โดดร่มจากตึกที่สูงที่สุด หรือ เริ่มต้นศาสนาใหม่ ซึ่งผู้ใช้และตัวแทนมีส่วนร่วมในฐานะผู้ท้าชิง ผู้อำนวยการจะตัดสินผู้ชนะเมื่อสิ้นสุดแต่ละรอบ โดยให้รางวัลแก่ผู้เล่นและตัวแทนด้วยรางวัล โทเค็น และ NFT สิ่งนี้อาจนำไปสู่การโต้ตอบระหว่างตัวแทนและผู้เล่นที่น่าสนใจและซับซ้อนและเรารู้สึกตื่นเต้นมากที่ได้เห็นการพัฒนา โดยเฉพาะอย่างยิ่ง มันสามารถนำไปสู่การวิจัยและข้อมูลสภาพแวดล้อม 3 มิติที่มีมูลค่าสูงโดยตรงสำหรับโมเดลขั้นสูงเพิ่มเติมในอนาคต ตาม ข้อมูล OpenAI ดูเหมือนจะสนใจที่จะรับเกมสไตล์ Minecraft แบบโอเพ่นซอร์ส

การสร้างเครื่องมือสำหรับการสร้างโลกเสมือนจริงเป็นอีกด้านหนึ่งของการเล่นเกมที่ได้รับการปรับปรุง ตัวอย่างเช่น Today ให้ผู้เล่นออกแบบเกาะเสมือนจริงของตนเองและดูแลสหาย AI NPC สิ่งที่ไม่เหมือนใครเป็นพิเศษคือการใช้เครื่องมือสร้างสรรค์เชิงสร้างสรรค์เพื่ออำนวยความสะดวกในการพัฒนา UGC ในเกม เนื่องจากเกมดังกล่าวมีพื้นฐานมาจากเกาะที่ผู้ใช้สร้างขึ้นเหล่านี้ จึงเป็นเรื่องสำคัญที่จะต้องมอบโอกาสในการพัฒนาเนื้อหาที่นุ่มนวลสำหรับผู้เล่นที่ไม่มีการพัฒนาเกม 3 มิติหรือทักษะด้านศิลปะ อาจเป็นไปได้ว่าธรรมชาติที่น่าเบื่อส่วนใหญ่ที่เกี่ยวข้องกับการเล่นเกมสไตล์ Metaverse นั้นเกิดจากการขาดเนื้อหา และในระยะสั้น สิ่งนี้สามารถแก้ไขได้อย่างแม่นยำผ่านการใช้เครื่องมือสร้าง

เจ้าหน้าที่ AI ต้องการการฝึกอบรม และการฝึกฝนเองก็อาจกลายเป็นเกมที่สนุกสำหรับผู้เล่นในการสำรวจ AI Arena มีวิธีการฝึกอบรมตัวแทน AI ใหม่ที่ช่วยให้ผู้เล่นเล่นเกมสไตล์ Super Smash Bros และค่อยๆ สอนตัวแทน AI ให้เข้าร่วมการแข่งขันผ่านการฝึกอบรมเลียนแบบ เนื่องจากตัวแทน AI ไม่จำเป็นต้องพักผ่อน จึงสามารถเล่นทัวร์นาเมนต์การแข่งขันได้ตลอดเวลากับผู้แข่งขันที่กระตือรือร้นตลอดเวลาเพื่อรับรางวัล ในขณะที่ผู้เล่นสามารถปรับแต่งสไตล์การเล่นของตนแบบอะซิงโครนัสได้ สิ่งนี้เปลี่ยนการฝึกอบรมให้กลายเป็นเกมและขยายประสิทธิผลผ่านเศรษฐศาสตร์โทเค็น

การเล่นเกมความร่วมมือขนาดใหญ่ระหว่างมนุษย์และผู้เล่น AI ที่ทรงพลังนั้นเกิดขึ้นได้ในอดีต แต่ด้วยการบูรณาการของเศรษฐศาสตร์โทเค็น มันถูกยกระดับขึ้นไปอีกระดับหนึ่ง Leela vs. the World จาก Modulus Labs เป็นการทดลองในรูปแบบเกมประเภทนี้ ในการทดลองนี้ โมดูลัสใช้กลไกหมากรุก Leela และตรวจสอบเอาต์พุตผ่านวงจร zk ผู้เล่นสามารถลงทุนเงินเพื่อเดิมพันในเกมระหว่างมนุษย์กับปัญญาประดิษฐ์ ซึ่งทำให้เกิดตลาดการทำนายที่น่าสนใจ แม้ว่าเวลาในการตรวจสอบของโมเดลนี้จะใช้เวลานานเมื่อพิจารณาถึงสถานะปัจจุบันของ zk แต่ก็เปิดโอกาสความเป็นไปได้ของตลาดการทำนายกีฬาอิเล็กทรอนิกส์และกลไกการกำกับดูแลผู้เล่น AI ที่ตรวจสอบได้และซับซ้อนโดยอิงจากการทำงานร่วมกันขนาดใหญ่อย่างไม่ต้องสงสัย

ในที่สุด เกมเครือแท้หรือโลกอิสระก็จะได้รับการปรับปรุงโดยปัญญาประดิษฐ์เช่นกัน สิ่งที่โดดเด่นที่สุดในหัวข้อนี้คือแบบจำลองความรู้ขนาดใหญ่ (Large Lore Models) ซึ่งมุ่งเน้นไปที่การใช้เลเยอร์โปรโตคอล LLM เพื่อสร้างความรู้ถาวรที่สามารถทำงานร่วมกันในสภาพแวดล้อมของเกมที่ปรับเปลี่ยนได้และเชื่อมโยงถึงกัน การกระทำของผู้เล่นส่งผลกระทบต่อสภาพแวดล้อมของเกมหลาย ๆ อย่างพร้อมกันในโลกที่เป็นอิสระ ดังนั้น จึงควรถ่ายทอดความรู้ในมิติสูงมากขึ้นเพื่ออำนวยความสะดวกในเนื้อเรื่อง สิ่งนี้เหมาะอย่างยิ่งสำหรับการสร้างเลเยอร์ LLM แบบนามธรรมในสภาพแวดล้อมการเล่นเกมแบบหลายสายโซ่

โครงสร้างพื้นฐาน

โครงสร้างพื้นฐาน AI x Crypto สมควรได้รับบทความแยกต่างหากในตัวเอง แต่ที่นี่ ผมจะกล่าวถึงแนวคิดบางอย่างที่เราเห็นว่ากำลังเป็นรูปเป็นร่างโดยย่อ

คอมพิวเตอร์แบบกระจาย

เพื่อทำความเข้าใจข้อกำหนดด้านการคำนวณของระบบเศรษฐกิจเข้ารหัส เราต้องเข้าใจปัญหาหลักก่อน ในปัจจุบัน ความจุของ GPU มีปัญหาคอขวดอย่างมาก โดยต้องรอนานถึงหนึ่งปีสำหรับฮาร์ดแวร์ที่ดีที่สุด เช่น H 100 ในขณะเดียวกัน บริษัทสตาร์ทอัพกำลังระดมเงินจำนวนมหาศาลเพื่อซื้อฮาร์ดแวร์ รัฐบาลกำลังดิ้นรนเพื่อจัดซื้อมันเพื่อวัตถุประสงค์ในการป้องกัน และแม้แต่ทีมที่ได้รับทุนสนับสนุนที่ดีที่สุดอย่าง OpenAI ก็ยังต้องหยุดการเปิดตัวฟีเจอร์ชั่วคราวเนื่องจากพลังการประมวลผลที่จำกัด

หลายทีมที่มุ่งเน้นไปที่การประมวลผลแบบกระจายอำนาจและ DePIN มองเห็นโอกาสที่นี่: บูตคลัสเตอร์ที่ไม่ได้รับอนุญาตเพื่อตอบสนองความต้องการ ในขณะที่ให้สิ่งจูงใจในการเข้ารหัสลับและผลกำไรขั้นต่ำ เพื่อทำให้เครือข่ายมีการแข่งขันสูงในด้านการกำหนดราคากับคู่แข่งของ web2 ในขณะที่ให้ซัพพลายเออร์ฮาร์ดแวร์ให้ผลตอบแทนที่ดีกว่า

การเรียนรู้ของเครื่องสามารถแบ่งคร่าวๆ ได้เป็น 4 เวิร์กโหลดการประมวลผลหลักๆ:

• การประมวลผลข้อมูลล่วงหน้า: เตรียมข้อมูลดิบและแปลงเป็นรูปแบบที่ใช้งานได้

• การฝึกอบรม: ให้โมเดล ML ฝึกฝนชุดข้อมูลขนาดใหญ่เพื่อเรียนรู้รูปแบบและความสัมพันธ์ในข้อมูล

• การปรับแต่งอย่างละเอียด: โมเดล ML สามารถเพิ่มประสิทธิภาพเพิ่มเติมได้โดยใช้ชุดข้อมูลขนาดเล็กเพื่อปรับปรุงประสิทธิภาพในงานเฉพาะ

• การอนุมาน: เรียกใช้โมเดลที่ได้รับการฝึกอบรมและปรับแต่งมาอย่างดีเพื่อทำการคาดการณ์

เราได้เห็นสิ่งต่าง ๆ เช่นRenderและAkashด้วยวิธีนี้ เครือข่ายการประมวลผลทั่วไปจึงหันมาให้บริการการประมวลผลแบบพิเศษมากขึ้น เช่น AI/ML ตัวอย่างเช่น Render ได้ใช้ประโยชน์จากผู้ให้บริการที่สร้างขึ้นบนเครือข่ายของตน เช่นio.netเพื่อให้บริการลูกค้า AI ได้โดยตรงมากขึ้น ผู้จำหน่ายอย่าง Akash ได้เริ่มนำเข้าผู้จำหน่ายฮาร์ดแวร์ที่เป็นเจ้าของความต้องการและแสดงให้เห็นถึงพลังของเครือข่ายโดยการฝึกโมเดลของตนเองโดยตรง กรณีแรกคือ โมเดลที่มีเฉพาะในวัสดุที่ไม่มีลิขสิทธิ์เท่านั้น เสถียร ส้อมกระจายผ่านการฝึกอบรมLivepeerยังมุ่งเน้นไปที่การประมวลผลวิดีโอ AI เนื่องจากมีเครือข่ายขนาดใหญ่ที่ให้บริการกรณีการใช้งานการแปลงรหัสวิดีโออยู่แล้ว

นอกจากนี้ เครือข่ายที่ทุ่มเทให้กับการประมวลผล AI กำลังก่อตัวขึ้น ซึ่งทำให้เราตระหนักว่าความท้าทายหลักเกี่ยวกับการทำงานร่วมกันและการตรวจสอบความถูกต้องสามารถแก้ไขได้โดยตรงมากขึ้นโดยการสร้างห่วงโซ่หรือแบบจำลองเกี่ยวกับ AI ตัวอย่างที่โดดเด่นอีกประการหนึ่งคือ Gensyn ซึ่งสร้าง L1 ที่ใช้วัสดุพิมพ์ซึ่งออกแบบมาเพื่อการขนานและการตรวจสอบ โปรโตคอลนี้ใช้การทำงานแบบขนานเพื่อแบ่งปริมาณงานการประมวลผลขนาดใหญ่ออกเป็นงานต่างๆ และพุชงานเหล่านั้นไปยังเครือข่ายแบบอะซิงโครนัส เพื่อแก้ปัญหาการตรวจสอบ Gensyn ใช้หลักฐานการเรียนรู้ที่น่าจะเป็น โปรโตคอลระบุตำแหน่งตามกราฟ และระบบสิ่งจูงใจตามการปักหลักและการเฉือนอย่างเจ็บแสบ แม้ว่าเครือข่าย Gensyn จะยังไม่เปิดใช้งาน แต่ทีมงานคาดการณ์ว่าค่าใช้จ่ายรายชั่วโมงของ GPU V1 00 ที่เทียบเท่าบนเครือข่ายจะอยู่ที่ประมาณ 0.40 เหรียญสหรัฐ

นอกเหนือจากการจัดเก็บข้อมูลแล้ว โมเดลการฝึกอบรมทางเลือกยังเกิดขึ้น เช่น การเรียนรู้แบบสหพันธรัฐ ซึ่งกำลังเพลิดเพลินกับยุคฟื้นฟูศิลปวิทยาใน web3 หลังจากที่ตระหนักว่าบล็อกเชนสามารถจูงใจโมเดลเหล่านี้ได้อย่างเหมาะสมมากขึ้น กล่าวโดยสรุป การเรียนรู้แบบสหพันธรัฐเป็นวิธีการที่หลายฝ่ายฝึกฝนโมเดลอย่างอิสระและอัปเดตเป็นชุดเป็นระยะๆ และส่งไปยังโมเดลระดับโลก มีตัวอย่างที่เป็นประโยชน์มากมาย เช่น อัลกอริธึมการทำนายข้อความบนแป้นพิมพ์ของ Google ใน web3 FedML และ FLock กำลังพยายามรวมวิธีการเรียนรู้แบบรวมศูนย์เข้ากับสิ่งจูงใจโทเค็น

นอกจากนี้ ยังเป็นที่น่าสังเกตว่าการจัดเก็บข้อมูลแบบกระจายอำนาจ เช่น Filecoin และ Arweave รวมถึงฐานข้อมูล เช่น Space and Time สามารถมีบทบาทสำคัญในการประมวลผลข้อมูลล่วงหน้าได้

ML บนพื้นฐานของฉันทามติ

โครงสร้างพื้นฐานรูปแบบใหม่อีกรูปแบบหนึ่งที่ใช้บล็อคเชนคือแนวคิดของการเรียนรู้ของเครื่องตามฉันทามติ (ML)Bittensorเป็นตัวอย่างที่โดดเด่นที่สุดของแนวคิดนี้: บล็อกเชน L1 ที่ใช้ Substrate ซึ่งออกแบบมาเพื่อเพิ่มประสิทธิภาพและการทำงานร่วมกันของการเรียนรู้ของเครื่องผ่านการใช้เครือข่ายย่อยเฉพาะแอปพลิเคชัน แต่ละเครือข่ายย่อยมีระบบแรงจูงใจของตัวเองเพื่อรองรับกรณีการใช้งานที่หลากหลาย ตั้งแต่ LLM ไปจนถึงแบบจำลองการคาดการณ์ ไปจนถึงนวัตกรรมเชิงสร้างสรรค์ Bittensor มีเอกลักษณ์เฉพาะในการใช้ตัวขุดเพื่อจัดการเอาต์พุตที่มีคุณภาพ: นักขุดจะได้รับ TAO (โทเค็นดั้งเดิม) โดยการจัดเตรียมเอาต์พุตอัจฉริยะของโมเดล ML ของพวกเขา (จัดอันดับโดยผู้ตรวจสอบความถูกต้อง) เนื่องจากนักขุดได้รับแรงจูงใจเพื่อให้ได้ผลผลิตที่ดีที่สุด พวกเขาจะปรับปรุงโมเดลของตนอย่างต่อเนื่องเพื่อให้สามารถแข่งขันได้และให้ความช่วยเหลือBittensorเสร็จสิ้นเพื่อให้บรรลุกระบวนการเรียนรู้ที่รวดเร็วยิ่งขึ้นซึ่งประสานงานโดยเศรษฐศาสตร์โทเค็น

การพัฒนาที่น่าตื่นเต้นล่าสุดในระบบนิเวศของ TAO คือข้อเสนอของ TAO แบบไดนามิกในการเปลี่ยน Bittensor ไปสู่การออกแบบกลไกที่ขับเคลื่อนด้วยตลาดแบบอัตโนมัติมากขึ้นเกี่ยวกับการปล่อยโทเค็น และการเปิดตัวเครือข่ายย่อย Nous เพื่อมอบการปรับแต่งโมเดลแรงจูงใจอย่างละเอียดเพื่อแข่งขันกับบริษัทอย่าง OpenAI ที่แข่งขันกัน .

เราอาจเห็นความพยายามมากขึ้นในระบบดังกล่าว เช่น การมีการขุดหรือฉันทามติควบคุมเอาต์พุตของแบบจำลองในลักษณะที่เอื้อต่อคุณภาพ

ความตั้งใจคือสิ่งที่คุณต้องการ

ใน DeFi ข้อโต้แย้งล่าสุดในพื้นที่ MEV นั้นเกี่ยวกับความตั้งใจของผู้ใช้และการใช้เครื่องดีโมดูเลเตอร์ที่มีแนวทางเศรษฐกิจเพื่อดำเนินการตามความตั้งใจเหล่านั้น การอภิปรายเกี่ยวกับเจตนามักจะผสมปนเปกัน แต่มีสิ่งหนึ่งที่ชัดเจนมากขึ้น: จุดประสงค์ของผู้ใช้ต้องการบริบทเชิงความหมายที่มีลำดับสูงกว่าเพื่อแยกวิเคราะห์เป็นโค้ดที่ปฏิบัติการได้ LLM อาจจัดเตรียมเลเยอร์ความหมายนี้ไว้

Propellerheads นำเสนอวิสัยทัศน์ที่ชัดเจนที่สุดสำหรับการใช้ LLM ในพื้นที่เจตนา:https://www.propellerheads.xyz/blog/blockchain-and-llms。

กล่าวโดยสรุป LLM สามารถเปลี่ยนความตั้งใจในการจับคู่ที่ใกล้ชิดให้เป็นความตั้งใจที่ตรงกันโดยสมบูรณ์ผ่านความเข้าใจเชิงความหมาย ซึ่งช่วยให้เราค้นหาโอกาสสำหรับความบังเอิญของความต้องการ (CoWs) ซึ่งสามารถทำได้โดยการประเมินเจตนาภายในใหม่ (เช่น เป็นไปได้ไหมที่จะซื้อ LUSD แทน USDC ฉันพบคำสั่งจำกัดที่ตรงกัน และคุณจะประหยัดค่าธรรมเนียมการซื้อขายได้ 0.3% ด้วย CoW นี้) และการประเมินเจตนาภายนอกอีกครั้ง (เช่น ฉันต้องการซื้อ BAYC นี้ที่คุณเป็นเจ้าของ คุณยินดีขายให้กับ X ETH หรือไม่?) เพื่อทำสิ่งนั้น

แน่นอนว่ายังมีโครงสร้างอื่นๆ ที่เป็นไปได้ ซึ่งมีความน่าสนใจเป็นพิเศษในบริบทของกระเป๋าสตางค์และนามธรรมหลังบัญชีของ multisig โปรเจ็กต์อย่าง DAIN และ Autonolas ได้ทดลองโดยใช้พรอกซีเป็นผู้ลงนามสำหรับกระเป๋าเงิน เป็นต้น เพื่อให้การพูดคุยกับกระเป๋าเงินของคุณและให้ทำธุรกรรมในนามของคุณกำลังจะกลายเป็นความจริง

สิ่งที่ควรค่าแก่การเอาใจใส่คือกรณีการใช้งาน DeFi ขนาดใหญ่ เช่น ตลาดการคาดการณ์ตามเอเจนต์ โมเดลทางเศรษฐกิจที่จัดการโดย AI และแอปพลิเคชัน DeFi ที่กำหนดพารามิเตอร์ ML ซึ่งบทความ zkML ของฉันมีการแนะนำโดยละเอียดมากขึ้น

เศรษฐกิจหน่วยงาน

หนึ่งในโครงสร้างพื้นฐานที่ฉันชื่นชอบในปัจจุบันคือระบบเศรษฐกิจตัวแทน AI มันเกิดจากวิสัยทัศน์ของฉันเกี่ยวกับโลกที่ทุกคนมีตัวแทนของตัวเองและเราจ้างตัวแทนคุณภาพสูงและการฝึกอบรมมาอย่างดีเพื่อให้บริการเราหรือให้ตัวแทนอิสระตระหนักถึงความต้องการของเราในพฤติกรรมทางเศรษฐกิจที่ซับซ้อน เป้าหมาย ในการดำเนินการนี้ ตัวแทนจะต้องมีวิธีในการชำระเงินและรับชำระค่าบริการของตน มีความเป็นไปได้อย่างแน่นอนที่รูปแบบการชำระเงินแบบดั้งเดิมจะเปิดสำหรับตัวแทนเหล่านี้ แต่มีแนวโน้มมากขึ้นที่ตัวแทนจะทำธุรกรรมในสกุลเงินดิจิทัล เนื่องจากความสะดวกในการใช้งาน ความเร็วในการชำระเงิน และลักษณะที่ไม่ได้รับอนุญาต

Autonolas และ DAIN เป็นตัวอย่างทั่วไปในสาขานี้ ใน Autonolas เจ้าหน้าที่คือโหนดในเครือข่ายที่ทุ่มเทเพื่อให้บรรลุเป้าหมายเฉพาะ โหนดเหล่านี้ได้รับการดูแลโดยผู้ให้บริการ คล้ายกับเครือข่าย Keeper ตัวแทนเหล่านี้สามารถนำไปใช้กับบริการต่างๆ เช่น Oracles ตลาดการทำนาย การส่งข้อความ ฯลฯ DAIN ใช้แนวทางที่คล้ายกัน ซึ่งช่วยให้ตัวแทนสามารถ ค้นพบ โต้ตอบ ธุรกรรม และทำงานร่วมกับตัวแทนอื่น ๆ ในเครือข่าย

ความคิดอื่น ๆ

นอกเหนือจากที่กล่าวมาข้างต้น เรายังเห็น:

• ฐานข้อมูลเวกเตอร์แบบกระจายอำนาจสำหรับโมเดลการปรับแต่งอย่างละเอียด เช่น BagelDB

• Wallet สำหรับคีย์ API และ SIWE สำหรับแอปพลิเคชัน AI เช่นWindow.ai

• บริการจัดเตรียมข้อมูล

• เครื่องมือสร้างดัชนีและการค้นหาเช่น Kaito

• บล็อกนักสำรวจและแดชบอร์ด เช่น แดชบอร์ดการตรวจสอบความถูกต้องของ AI ของ Modulus Labs ซึ่งขณะนี้กำลังตรวจสอบชุดของการอนุมานจากโมเดล Upshot

• ผู้ช่วยด้านการพัฒนา เช่น โมเดลคิวรี SQL แบบออนไลน์ของ Dune

• สภาพแวดล้อมการทดสอบเอเจนต์จำลอง

• แบนด์วิธที่ใช้สำหรับการขูดข้อมูล เช่น Grass Network

• ข้อมูลสังเคราะห์และแพลตฟอร์ม RLHF ของมนุษย์

• แอปพลิเคชัน DeSci เช่น LabDAO จัดจำหน่ายเครื่องมือ bioML สำหรับการพับโปรตีน

มีแนวคิดมากมายนับไม่ถ้วนที่ผุดขึ้นมาใน web3 เพื่อรองรับด้านต่างๆ ของ AI ดังนั้นจึงมีเพียงไฮไลต์เท่านั้นที่นี่ แต่ฉันขอแนะนำให้สำรวจโปรเจ็กต์ข้างต้นเพื่อทำความเข้าใจภาพรวมให้ลึกซึ้งยิ่งขึ้น

จุดตัดของมันทั้งหมด

AI และ Crypto ทำงานร่วมกัน ทั้งสองมีแนวโน้มที่จะเป็นโอเพ่นซอร์ส ต่อต้านการเซ็นเซอร์ และกำลังสร้างการถ่ายโอนความมั่งคั่งครั้งใหญ่ที่สุดในประวัติศาสตร์ พวกเขาต้องการกันและกันและแก้ปัญหาความท้าทายหลักของกันและกัน

สำหรับ Crypto นั้น AI จะแก้ปัญหาในประสบการณ์ของผู้ใช้ อำนวยความสะดวกในการใช้งาน on-chain ที่สร้างสรรค์มากขึ้น เพิ่มขีดความสามารถขององค์กรที่กระจายอำนาจและสัญญาอัจฉริยะ และปลดล็อกนวัตกรรมที่แท้จริงในเลเยอร์แอปพลิเคชันและโครงสร้างพื้นฐาน

สำหรับ AI นั้น Crypto แก้ไขปัญหาความถูกต้องและแหล่งที่มา เพิ่มการประสานงานเกี่ยวกับโมเดลโอเพ่นซอร์สและชุดข้อมูล ช่วยแนะนำการคำนวณและข้อมูล และช่วยให้ผู้สร้างและตัวแทนมีส่วนร่วมโดยตรงมากขึ้นในเศรษฐกิจหลัง AI

ความท้าทายในขณะนี้คือการที่แฮกเกอร์ ทีม และโครงการ crypto จะต้องเข้าใจและยอมรับการเปลี่ยนแปลงนี้ ความคิดสร้างสรรค์ไม่มีขีดจำกัด และเรายืนอยู่ที่จุดตัดของทุกสิ่ง

หากคุณสนใจที่จะเรียนรู้เพิ่มเติมเกี่ยวกับทางแยกเหล่านี้ เข้าร่วมกับเราที่เซสชั่น Convergence ของเราที่ ETHDenver