Aperçus de Hack Seasons Singapore : les intervenants expliquent comment l'IA peut accélérer Web3 Développement

Début octobre, le Conférence Hack Seasons s'est tenu à Singapour, réunissant des professionnels de premier plan pour examiner les dernières tendances en matière d'IA, Web3, blockchain et cryptomonnaie. L'un des panels les plus marquants de la journée, intitulé « IA : la couche logique et intelligence » Web3 Besoins ? », s'est concentré sur la manière dont l'analyse basée sur l'IA peut améliorer l'activité sur la chaîne, créant ainsi des écosystèmes plus rapides, plus intelligents et plus adaptatifs. La discussion, animée par Igor Lessio , Chef de la direction Flux AIFlow , featured des personnalités importantes, notamment Carter , CTO de Lamine1 ; Rouissage des voies , responsable de la recherche chez Près de la Fondation ; Dillon Chen , Fondateur et PDG de Commun Et Aaron Ramirez , Ingénieur logiciel IA chez Côté opposé .

La discussion a commencé par la reconnaissance du fait que Web2 et Web3 diffèrent dans la vitesse de développement, ce qui soulève la question de ce qui empêche actuellement Web3 d’atteindre le même rythme que le Web2.

Les panélistes ont convenu que Web3 évolue plus lentement que le Web2, mais a souligné que ce n'est pas nécessairement un inconvénient ; il s'agit, à bien des égards, d'une fonctionnalité. Contrairement au Web2, Web3 accorde la priorité à la sécurité et à la finalité. Web3 nécessite une mise en œuvre minutieuse de garde-fous pour garantir que la décentralisation soit préservée et que le recours à des systèmes opaques, tels que les grands modèles de langage de type boîte noire, n’introduise pas de nouveaux risques. Web3 les développeurs doivent résoudre des défis uniques que le Web2 ne rencontre même pas.

Le panel a également souligné que les systèmes humains Web3 Reproduisent fidèlement les systèmes techniques. Dans une application Web2 centralisée, les développeurs peuvent s'appuyer sur une base de données ou un oracle central pour atteindre un débit élevé, des transactions rapides et une évolutivité optimale, mais cela se fait au détriment de la centralisation. En revanche, l'utilisation d'une blockchain Web3 L'IA est plus lente et plus coûteuse, mais elle offre l'immuabilité et d'autres fonctionnalités décentralisées essentielles. Ce ralentissement s'étend également à la couche sociale, où les processus de gouvernance décentralisés et la prise de décision communautaire contribuent à de meilleurs résultats à long terme, même s'ils ralentissent le développement. Le panel a noté que les agents d'IA peuvent contribuer à atténuer certaines de ces inefficacités en automatisant les tâches répétitives ou en soutenant la gouvernance, accélérant ainsi efficacement certains aspects des processus décentralisés.

Un autre point soulevé concernait le fait que les innovations dans le domaine des cryptomonnaies restent souvent invisibles pour les utilisateurs finaux. Des mécanismes tels que les protocoles de consensus et les couches de gouvernance sociale opèrent en coulisses, à l'instar des développements de la communauté de l'IA open source, qui peuvent accuser des mois de retard sur les dernières recherches de pointe.

Un thème récurrent était la sécurité. Contrairement au Web2, où la vitesse prime souvent sur la sécurité, Web3L'accent principal est mis sur la sécurité et la fiabilité, ce qui ralentit naturellement les cycles de lancement des produits. Les panélistes ont suggéré que Web3 les équipes peuvent exploiter les outils d'IA de manière stratégique pour rationaliser le développement et accélérer les lancements sans compromettre la sécurité, combinant ainsi les avantages de la décentralisation avec une production plus efficace.

Équilibrer la décentralisation et l'IA : confidentialité, transparence et systèmes multi-agents Web3

La conversation s’est déplacée vers le sujet de la décentralisation, un principe fondamental de Web3, et son intersection avec l'IA, qui représente souvent une intelligence centralisée. Les intervenants ont exploré des stratégies pour maintenir la décentralisation de l'intelligence tout en tirant parti des technologies d'IA.

La confidentialité des modèles d'IA reste un défi, notamment lorsque les systèmes fonctionnent à distance. En pratique, la plupart des développeurs privilégient la performance à la confidentialité pour de nombreuses applications. L'IA embarquée offre un moyen de préserver les données utilisateur pour des cas d'usage limités, mais les appareils comme les smartphones ne peuvent exécuter que des modèles de taille limitée, ce qui crée un compromis entre performances, capacités et confidentialité. Le panel a constaté que le grand public privilégie souvent la commodité à la confidentialité, optant pour des plateformes susceptibles d'exploiter les données utilisateur, citant des exemples comme WhatsApp et TikTok. Cependant, des outils plus petits et ciblés, comme les applications d'intégration, peuvent bénéficier de cadres d'IA locaux qui traduisent les données techniques en interactions conviviales et basées sur l'intention. Malgré ces solutions, les modèles d'IA restent largement opaques, et des alternatives plus transparentes sont nécessaires.

Les intervenants ont souligné l'importance d'un apprentissage de modèles ouvert et vérifiable, incluant des preuves cryptographiques garantissant la fiabilité des pipelines d'IA et des processus d'inférence sur appareil. Ils ont admis qu'il y a deux ans, ils avaient été excessivement optimistes quant aux préoccupations du public en matière de confidentialité et de vérifiabilité. Aujourd'hui, si la sensibilisation du public reste limitée, certains segments de marché accordent une importance primordiale à la confidentialité, ce qui représente une opportunité significative sur un marché potentiellement évalué à mille milliards de dollars.

Au-delà de la confidentialité, les intervenants ont discuté des limites actuelles des modèles d’IA, notant que même les systèmes avancés comme ChatGPT Les résultats peuvent être incohérents pour les mêmes requêtes. L'expérience utilisateur, les systèmes multi-agents et les processus décisionnels sont des domaines clés nécessitant des améliorations. Concernant la confiance, le panel a souligné la nécessité pour les entreprises d'assurer la transparence sur les données utilisées par les agents d'IA.

À l'avenir, la discussion a suggéré que s'appuyer sur un seul fournisseur d'IA est risqué. Il est conseillé de diversifier ses activités auprès de plusieurs fournisseurs, notamment des modèles open source. Plusieurs entreprises émergentes développent des produits d'IA qui ne stockent aucune donnée utilisateur et utilisent des modèles open source, ouvrant ainsi la voie à une concurrence accrue et à des solutions d'IA plus décentralisées et respectueuses de la vie privée au cours des cinq prochaines années.

En conclusion de la discussion, les intervenants ont réfléchi à l'évolution de l'expérience utilisateur (UX), notant une nette évolution vers des interfaces basées sur le chat. Ils ont souligné que la prochaine grande vague de consommation DeFi sera façonné par des expériences similaires à ChatGPT, où les utilisateurs peuvent accéder à l'information en quelques fractions de seconde. Ils ont également souligné que cette évolution nécessitera de repenser les approches opérationnelles pour adopter pleinement cette nouvelle expérience utilisateur simplifiée, d'autant plus que la plupart des interactions se déroulent désormais sur des appareils mobiles.

Le panel a constaté que les utilisateurs sont de plus en plus conditionnés à attendre des réponses immédiates, ce qui rend la rapidité et la précision cruciales. Parallèlement, ils ont souligné l'importance de la maîtrise des compétences utilisateur, soulignant que chacun doit encore comprendre le fonctionnement des grands modèles linguistiques (MLL), y compris leurs limites, et que les résultats doivent toujours être vérifiés.