Forward the Original Title：’Metrics Ventures研报 | 从V神文章出发，Crypto×AI有哪些值得关注的细分赛道？’

1 บทนำ: สี่วิธีในการผสม Crypto กับ AI

การกระจายอำนาจคือความเห็นร่วมที่ถูกรักษาโดยบล็อกเชน การรักษาความปลอดภัยเป็นหลักการหลักและความเปิดเปิดเป็นรากฐานสำคัญจากมุมมองของการเข้ารหัสเพื่อทำให้พฤติกรรมบนเชนมีลักษณะดังกล่าว วิธีการนี้ได้ถูกใช้ในการปฏิวัติบล็อกเชนหลายรอบในหลายปีที่ผ่านมา อย่างไรก็ตาม เมื่อปัญญาประดิษฐ์มีบทบาทเข้าไป สถานการณ์ก็มีการเปลี่ยนแปลงบ้าง

Imagine designing the architecture of blockchain or applications through artificial intelligence. In this case, the model needs to be open source, but doing so will expose its vulnerability in adversarial machine learning. Conversely, not being open source would result in losing decentralization. Therefore, it is necessary to consider in what way and to what extent the integration should be accomplished when introducing artificial intelligence into current blockchain or applications.

แหล่งที่มา: มหาวิทยาลัยอีเธอเรียม

ในบทความ ‘เมื่อยั่งยึดคริปโต: สำรวจการรวมตัวระหว่างคริปโต x AIจาก@ueth"ที่มหาวิทยาลัยอีเธอเรียม ระบุความแตกต่างในลักษณะหลักระหว่างปัญญาประดิษฐ์และบล็อกเชน ดังแสดงในภาพด้านบน ลักษณะของปัญญาประดิษฐ์คือ

• การกระจายอำนาจ
• ความไม่โปร่งใส
• การบริโภคพลังงาน
• Monopoly
• คุณลักษณะในการทำเงินอย่างอ่อนแอ

ลักษณะที่กล่าวถึงข้างต้นนั้นต่างกันอย่างสิ้นเชิงในบล็อกเชนเมื่อเปรียบเทียบกับปัญหาปัญญาประดิษฐ์ นี่คือข้อสรุปจริงของบทความของ Vitalik หากปัญหาปัญญาประดิษฐ์และบล็อกเชนถูกผสมกัน แอปพลิเคชันที่เกิดจากนั้นจำเป็นต้องทำการต่อรองในเรื่องการเป็นเจ้าของข้อมูล ความ๏งใจในการใช้งาน ความสามารถในการทำเงิน ค่าใช้จ่ายในพลังงาน เป็นต้น นอกจากนี้ จะต้องพิจารณาว่า ความต้องการโครงสร้างพื้นฐานใดที่จะต้องสร้างขึ้นเพื่อให้การผสมผสานที่มีประสิทธิภาพของทั้งสองด้าน

ตามเกณฑ์ข้างต้นและความคิดของเขาเอง วิทาลิคจัดประเภทแอปพลิเคชันที่เกิดจากการผสมผสานระหว่างปัญญาประดิษฐ์และบล็อกเชนเป็น 4 ประเภทหลัก

• AI เป็นผู้เล่นในเกม
• AI เป็นอินเทอร์เฟซกับเกม
• AI เป็นกฎของเกม
• AI เป็นวัตถุประสงค์ของเกม

ในนั้น สามอันดับแรกส่วนใหญ่แทนการเสนอสามทางที่ AI ถูกนำเข้ามาในโลกคริปโต แทนการแทนสามระดับความลึกจากตื้นจนถึงลึก ตามความเข้าใจของผู้เขียน การจัดอันดับนี้แทนความถี่ที่ AI มีผลต่อการตัดสินใจของมนุษย์ และจึงนำเข้ามาสู่ระดับความเสี่ยงระบบที่แตกต่างกันสำหรับโลกคริปโตทั้งหมด

• ปัญญาประดิษฐ์เป็นผู้เข้าร่วมในการประยุกต์ใช้: ปัญญาประดิษฐ์เองไม่มีผลต่อการตัดสินใจและพฤติกรรมของมนุษย์ ดังนั้น มันไม่เสี่ยงต่อโลกมนุษย์จริง ๆ ดังนั้น ณ ปัจจุบันมันมีความประยุกต์สูงสุด
• ปัญญาประดิษฐ์เป็นอินเทอร์เฟซสำหรับแอปพลิเคชัน: ปัญญาประดิษฐ์ให้ข้อมูลหรือเครื่องมือช่วยสำหรับการตัดสินใจและพฤติกรรมของมนุษย์ ซึ่งทำให้ประสบการณ์ของผู้ใช้และนักพัฒนาดียิ่งขึ้น และลดอุปสรรคที่เกิดขึ้น อย่างไรก็ตาม ข้อมูลหรือการดำเนินการที่ไม่ถูกต้องอาจนำเข้ามาบางความเสี่ยงในโลกแห่งความจริง
• ปัญญาประดิษฐ์เป็นกฎของการใช้งาน: ปัญญาประดิษฐ์สามารถที่จะแทนมนุษย์โดยสิ้นเชิงในการตัดสินใจและดำเนินการ ดังนั้นพฤติกรรมที่ไม่ดีหรือความล้มเหลวของปัญญาประดิษฐ์จะส่งผลต่อความ混ลองในโลกจริงๆ ในปัจจุบัน ทั้งใน Web2 และ Web3 ไม่สามารถมั่นใจในปัญญาประดิษฐ์ที่จะแทนมนุษย์ในการตัดสินใจ

ในที่สุด หมวดหมู่ที่สี่ของโครงการมีวัตถุประสงค์ที่จะใช้ข้อเสียของคริปโตโดยทั่วไปเพื่อสร้างประสิทธิภาพในการสร้างปัญญาประดิษฐ์ที่ดีขึ้น ตามที่กล่าวไว้ก่อนหน้านี้ การใช้คริปโต สามารถช่วยลดภาวะกึกกัก ความโปร่งใสต่ำ การใช้พลังงาน แนวโน้มของการมีลิขสิทธิ และลักษณะเงินที่อ่อนแอได้โดยธรรมชาติผ่านคุณสมบัติของคริปโต อย่างไรก็ตาม มีผู้คนหลายคนที่เชื่อว่าคริปโตสามารถมีผลต่อการพัฒนาปัญญาประดิษฐ์ ดนตรีที่น่าสนใจที่สุดของคริปโตเสมอไปที่ความสามารถของมันในการมีอิทธิพลต่อโลกในโลกจริงผ่านการกระจายอำนาจ ช่องนี้ยังเป็นส่วนที่ได้รับความสนใจมากที่สุดในช่อง AI เนื่องจากวิสัยทัศน์ที่ยิ่งใหญ่

2 AI เป็นผู้ร่วม

ในกลไกที่ AI เข้าร่วม แหล่งเริ่มต้นสุดท้ายของสิ่งสร้างสรรค์มักมาจากโปรโตคอลที่มนุษย์ป้อนเข้ามา ก่อนที่ AI จะกลายเป็นอินเทอร์เฟซหรือแม้แต่กฎ โดยทั่วไปเราต้องประเมินประสิทธิภาพของ AI ที่แตกต่างกัน ทำให้ AI เข้าร่วมในกลไก และสุดท้ยได้รับรางวัลหรือโทษผ่านกลไก on-chain

เมื่อ AI ทำหน้าที่เป็นผู้เข้าร่วมเปรียบเทียบกับการเป็นอินเทอร์เฟซหรือกฎ ความเสี่ยงต่อผู้ใช้และระบบทั้งหมดมักเล็กน้อย เราสามารถพิจารณาว่าเป็นขั้นตอนที่จำเป็นก่อนที่ AI จะมีผลกระทบต่อการตัดสินใจและพฤติกรรมของผู้ใช้อย่างลึกซึ้ง ดังนั้น ต้นทุนและการแลกเปลี่ยนที่ต้องการสำหรับการผสานประสิทธิภาพระหว่างปัญญาประดิษฐ์และบล็อกเชนในระดับนี้มีขนาดเล็ก นี่เป็นหมวดหมู่ของผลิตภัณฑ์ที่ Vitalik เชื่อว่าในปัจจุบันมีระดับความเป็นไปได้สูง

ในเชิงความกว้างขวางและการนำไปใช้ แอปพลิเคชัน AI ปัจจุบันหลายตัวตกอยู่ในหมวดหมู่นี้ เช่น บอทการซื้อขายและแชทบอทที่มีพลังงาน AI ระดับการนำไปใช้ขณะนี้ยังทำให้ AI ยากที่จะทำหน้าที่เป็นอินเทอร์เฟซหรือแม้กระทั่งกฎกติกาผู้ใช้กำลังเปรียบเทียบและปรับปรุงอย่างละเอียดในหมวดหมู่ของบอทต่าง ๆ และผู้ใช้คริปโตยังไม่เคยพัฒนานิสัยในการใช้แอปพลิเคชัน AI ในบทความของ Vitalik ยังจะมีตัวตนอิสระที่จำแนกเข้าในหมวดหมู่นี้

อย่างไรก็ตามในความหมายที่แคบยิ่งและจากมุมมองทิศทางระยะยาว เรามักจะทำการแยกแยะอย่างละเอียดมากขึ้นสำหรับการใช้งาน AI หรือตัวแทน AI ดังนั้นภายใต้หมวดหมู่นี้ หมวดหมู่ย่อยที่เป็นตัวแทนรวมถึง:

2.1 เกม AI

ในบางกรณี เกม AI จริง ๆ ก็สามารถจัดประเภทเข้าไปในหมวดหมู่นี้ได้ ผู้เล่นจะมีปฏิสัมพันธ์กับ AI และฝึกฝนตัวละคร AI ของพวกเขาให้เข้ากันได้ดียิ่งขึ้นกับความชอบส่วนตัว เช่น การปรับให้เข้ากับรสนิยมของแต่ละบุคคลหรือกลายเป็นคู่แข่งที่ดีขึ้นภายในเกมเมคคานิก เกมเป็นส่วนที่ใช้เป็นขั้นตอนทดแทนสำหรับ AI ก่อนที่จะเข้าสู่โลกจริง พวกเขายังแทนอยู่ในเส้นทางที่มีความเสี่ยงในการนำมาใช้ต่าง ๆ ที่ต่ำและเป็นที่เข้าใจสำหรับผู้ใช้ทั่วไปที่สุด โครงการตระกูลฉลองในหมวดหมู่นี้รวมถึง AI Arena, Echelon Prime และ Altered State Machine

• AI Arena: เกมต่อสู้ระหว่างผู้เล่นกับผู้เล่น (PVP) ที่ผู้เล่นสามารถฝึกฝนและพัฒนาตัวละครในเกมโดยใช้ AI เกมดังกล่าวมีจุดมุ่งหมายเพื่อให้ผู้ใช้ทั่วไปสามารถโต้ตอบเข้าใจและสัมผัสกับ AI ผ่านการเล่นเกมในขณะเดียวกันก็ให้วิศวกร AI ด้วยอัลกอริทึม AI ที่หลากหลายเพื่อเพิ่มรายได้ ตัวละครในเกมแต่ละตัวขับเคลื่อนโดย NFT ที่เปิดใช้งาน AI โดย Core มีสถาปัตยกรรมและพารามิเตอร์ของโมเดล AI ที่เก็บไว้ใน IPFS พารามิเตอร์ใน NFT ใหม่ถูกสร้างขึ้นแบบสุ่มซึ่งหมายความว่าจะดําเนินการแบบสุ่ม ผู้ใช้จําเป็นต้องปรับปรุงความสามารถเชิงกลยุทธ์ของตัวละครผ่านการเรียนรู้เลียนแบบ (IL) ทุกครั้งที่ผู้ใช้ฝึกตัวละครและบันทึกความคืบหน้าพารามิเตอร์จะได้รับการอัปเดตบน IPFS \
  

• เครื่องสถานะที่เปลี่ยนแปลง: . ASM ไม่ใช่เกม AI แต่เป็นโปรโตคอลสําหรับการตรวจสอบสิทธิ์และการซื้อขายสําหรับตัวแทน AI มันถูกวางตําแหน่งเป็นโปรโตคอล AI metaverse และกําลังรวมเข้ากับเกมหลายเกมรวมถึง FIFA แนะนําตัวแทน AI ในเกมและ metaverse ASM ใช้ NFT เพื่อตรวจสอบและแลกเปลี่ยนตัวแทน AI โดยตัวแทนแต่ละคนประกอบด้วยสามส่วน: สมอง (ลักษณะที่แท้จริงของตัวแทน), ความทรงจํา (การจัดเก็บกลยุทธ์พฤติกรรมที่เรียนรู้ของตัวแทนและการฝึกอบรมแบบจําลองที่เชื่อมโยงกับสมอง) และแบบฟอร์ม (ลักษณะตัวละคร ฯลฯ ) ASM มีโมดูลยิมรวมถึงผู้ให้บริการคลาวด์ GPU แบบกระจายอํานาจเพื่อให้การสนับสนุนการคํานวณสําหรับตัวแทน โครงการที่สร้างขึ้นในปัจจุบัน ASM ได้แก่ AIFA (เกมฟุตบอล AI), Muhammed Ali (เกมมวย AI), AI League (เกมสตรีทซอกเกอร์ร่วมกับ FIFA), Raicers (เกมแข่งรถที่ขับเคลื่อนด้วย AI) และ FLUF World's Thingies (NFT กําเนิด) \
  

• Parallel Colony (PRIME): Echelon Prime กำลังพัฒนา Parallel Colony เกมที่มี AI LLM (Large Language Models) เป็นฐาน. ผู้เล่นสามารถโต้ตอบกับเอวาตาร์ AI ของพวกเขาและมีอิทธิพลต่อพวกเขา, โดยที่เอวาตาร์จะทำงานโดยอัตโนมัติตามความทรงจำและเส้นทางชีวิต. Colony ในปัจจุบันเป็นหนึ่งในเกม AI ที่ทุกคนรอคอย, และขณะนี้ได้เปิดเผย whitepaper อย่างเป็นทางการ. นอกจากนี้, ประกาศการย้ายไปยัง Solana ได้กระตุ้นความตื่นเต้นอีกครั้งและเพิ่มมูลค่าสำหรับ PRIME ไปอีก

2.2 การพยากรณ์ตลาด/การเล่นเกม

ความสามารถในการคาดการณ์เป็นรากฐานสําหรับ AI ในการตัดสินใจและพฤติกรรมในอนาคต ก่อนที่โมเดล AI จะถูกใช้สําหรับการคาดการณ์ในทางปฏิบัติการแข่งขันการทํานายจะเปรียบเทียบประสิทธิภาพของแบบจําลอง AI ในระดับที่สูงขึ้น ด้วยการให้สิ่งจูงใจในรูปแบบของโทเค็นสําหรับนักวิทยาศาสตร์ข้อมูล / โมเดล AI วิธีการนี้มีผลในเชิงบวกต่อการพัฒนาสาขา Crypto × AI ทั้งหมด มันส่งเสริมการพัฒนาโมเดลและแอพพลิเคชั่นที่มีประสิทธิภาพและมีประสิทธิภาพสูงซึ่งเหมาะสําหรับโลกของ crypto อย่างต่อเนื่อง ก่อนที่ AI จะมีอิทธิพลต่อการตัดสินใจและพฤติกรรมอย่างลึกซึ้งสิ่งนี้จะสร้างผลิตภัณฑ์ที่มีคุณภาพสูงและปลอดภัยยิ่งขึ้น ดังที่ Vitalik กล่าวว่าตลาดการคาดการณ์เป็นตลาดดั้งเดิมที่ทรงพลังซึ่งสามารถขยายไปยังปัญหาประเภทอื่น ๆ อีกมากมาย โครงการที่โดดเด่นในแทร็กนี้ ได้แก่ Numerai และ Ocean Protocol

• Numerai: Numerai เป็นการแข่งขันด้านวิทยาศาสตร์ข้อมูลที่มีมายาวนานซึ่งนักวิทยาศาสตร์ข้อมูลจะฝึกโมเดลแมชชีนเลิร์นนิงเพื่อทํานายตลาดหุ้นตามข้อมูลตลาดในอดีตที่ Numerai จัดหาให้ จากนั้นพวกเขาจะเดิมพันโมเดลและโทเค็น NMR รายการในทัวร์นาเมนต์ โดยโมเดลที่มีประสิทธิภาพดีจะได้รับรางวัลโทเค็น NMR โทเค็น ในขณะที่โทเค็นที่เดิมพันกับโมเดลที่มีประสิทธิภาพต่ําจะถูกเผา ณ วันที่ 7 มีนาคม 2024 มีโมเดลเดิมพัน 6,433 รุ่นและโปรโตคอลได้ให้รางวัลรวม 75,760,979 ดอลลาร์แก่นักวิทยาศาสตร์ข้อมูล Numerai จูงใจให้เกิดความร่วมมือระดับโลกระหว่างนักวิทยาศาสตร์ข้อมูลเพื่อสร้างกองทุนป้องกันความเสี่ยงรูปแบบใหม่ กองทุนที่ปล่อยออกมาจนถึงตอนนี้ ได้แก่ Numerai One และ Numerai Supreme เส้นทางของ Numerai เกี่ยวข้องกับการแข่งขันทํานายตลาด →แบบจําลองการทํานายแบบฝูงชน→ การสร้างกองทุนป้องกันความเสี่ยงใหม่ตามแบบจําลองแบบฝูงชน
• Ocean Protocol: Ocean Predictor มุ่งเน้นไปที่การคาดการณ์โดยเริ่มจากการคาดการณ์แนวโน้มสกุลเงินดิจิทัลจากฝูงชน ผู้เล่นสามารถเลือกเรียกใช้บอท Predictoor หรือบอทเทรดเดอร์ได้ บอท Predictor ใช้โมเดล AI เพื่อทํานายราคาของสกุลเงินดิจิทัล (เช่น BTC/USDT) ณ จุดเวลาถัดไป (เช่น ล่วงหน้าห้านาที) และเดิมพันโทเค็น $OCEAN จํานวนหนึ่ง โปรโตคอลคํานวณการคาดการณ์ทั่วโลกตามจํานวนเงินที่เดิมพัน ผู้ค้าซื้อผลการคาดการณ์และสามารถซื้อขายตามพวกเขา เมื่อความแม่นยําในการทํานายสูงผู้ค้าสามารถทํากําไรจากมันได้ ผู้ทํานายที่ทําการคาดการณ์ที่ไม่ถูกต้องจะถูกลงโทษในขณะที่ผู้ที่ทําการคาดการณ์ที่ถูกต้องจะได้รับส่วนหนึ่งของโทเค็นที่เดิมพันรวมถึงค่าธรรมเนียมการซื้อจากผู้ค้าเป็นรางวัล เมื่อวันที่ 2 มีนาคม Ocean Predictoor ได้ประกาศทิศทางล่าสุด World-World Model (WWM) ซึ่งเริ่มสํารวจการคาดการณ์สําหรับสถานการณ์ในโลกแห่งความเป็นจริงเช่นสภาพอากาศและพลังงาน
  

3 ประสิทธิภาพ AI เป็นอินเตอร์เฟซ

AI สามารถช่วยให้ผู้ใช้เข้าใจสิ่งที่เกิดขึ้นในโลกของ crypto โดยใช้ภาษาที่เรียบง่ายและเข้าใจง่ายทําหน้าที่เป็นที่ปรึกษาสําหรับผู้ใช้และให้การแจ้งเตือนสําหรับความเสี่ยงที่อาจเกิดขึ้นเพื่อลดอุปสรรคในการเข้าและความเสี่ยงของผู้ใช้ใน Crypto ซึ่งจะช่วยปรับปรุงประสบการณ์ของผู้ใช้ ฟังก์ชันการทํางานของผลิตภัณฑ์ที่สามารถรับรู้ได้นั้นมีความหลากหลายเช่นการแจ้งเตือนความเสี่ยงระหว่างการโต้ตอบกระเป๋าเงินการซื้อขายเจตนาที่ขับเคลื่อนด้วย AI แชทบอท AI ที่สามารถตอบคําถามผู้ใช้ทั่วไปเกี่ยวกับ crypto และอื่น ๆ ผู้ชมสําหรับบริการเหล่านี้กําลังขยายตัวรวมถึงไม่เพียง แต่ผู้ใช้ทั่วไป แต่ยังรวมถึงนักพัฒนานักวิเคราะห์และกลุ่มอื่น ๆ เกือบทั้งหมดทําให้พวกเขาเป็นผู้รับบริการ AI ที่มีศักยภาพ

ขอย้ําถึงความธรรมดาของโครงการเหล่านี้: พวกเขายังไม่ได้แทนที่มนุษย์ในการตัดสินใจและพฤติกรรมบางอย่าง แต่กําลังใช้แบบจําลอง AI เพื่อให้ข้อมูลและเครื่องมือสําหรับช่วยในการตัดสินใจและพฤติกรรมของมนุษย์ ในระดับนี้ความเสี่ยงของการทุจริต AI เริ่มถูกเปิดเผยในระบบ - ให้ข้อมูลที่ไม่ถูกต้องเพื่อแทรกแซงการตัดสินของมนุษย์ แง่มุมนี้ได้รับการวิเคราะห์อย่างละเอียดในบทความของ Vitalik

มีโครงการมากมายและหลากหลายที่สามารถจัดหมวดหมู่ได้ในหมวดหมู่นี้ ซึ่งรวมถึงบอทแชท AI, การตรวจสอบสมาร์ทคอนแทรคต์ AI, การสร้างโค้ด AI, บอทซื้อขาย AI และอื่น ๆ สามารถบอกได้ว่าส่วนใหญ่ของการประยุกต์ AI ณ ขณะนี้อยู่ในระดับพื้นฐานนี้ โครงการแทนที่สำคัญ ๆ รวมถึง:

• Paal: ปัจจุบัน PaaL เป็นโครงการชั้นนําในแชทบอท AI และสามารถเห็นได้ว่าเป็น ChatGPT ที่ได้รับการฝึกอบรมเกี่ยวกับความรู้ที่เกี่ยวข้องกับการเข้ารหัสลับ เมื่อรวมเข้ากับแพลตฟอร์มเช่น Telegram (TG) และ Discord PaaL มอบฟังก์ชันการทํางานให้กับผู้ใช้เช่นการวิเคราะห์ข้อมูลโทเค็นพื้นฐานโทเค็นและการวิเคราะห์เศรษฐศาสตร์โทเค็นรวมถึงการสร้างข้อความเป็นภาพและคุณสมบัติอื่น ๆ PaaL Bot สามารถรวมเข้ากับการแชทเป็นกลุ่มเพื่อตอบสนองต่อข้อมูลบางอย่างโดยอัตโนมัติ PaaL ยังรองรับบอทส่วนบุคคลที่กําหนดเองทําให้ผู้ใช้สามารถสร้างฐานความรู้ AI และบอทที่กําหนดเองได้โดยการป้อนชุดข้อมูล PaaL กําลังก้าวไปสู่ AI Trading Bots และในวันที่ 29 กุมภาพันธ์ได้ประกาศ PaalX ซึ่งเป็นเทอร์มินัลการวิจัยและการซื้อขาย crypto ที่รองรับ AI ตามการแนะนํามันสามารถทําการตรวจสอบสัญญาอัจฉริยะ AI รวมและแลกเปลี่ยนข่าวตาม Twitter และให้การสนับสนุนการวิจัยและการซื้อขาย crypto ผู้ช่วย AI สามารถลดอุปสรรคในการเข้าสําหรับผู้ใช้

ChainGPT: ChainGPT พึงพอใจในการพัฒนาเครื่องมือคริปโตภัณฑ์ต่าง ๆ ด้วยปัญญาประดิษฐ์ เช่น chatbot, NFT generator, การรวบรวมข่าว, การสร้างและตรวจสอบสัญญาฉลอง, ผู้ช่วยทำธุรกรรม, Prompt market และ AI cross-chain exchange อย่างไรก็ตาม ในปัจจุบัน ChainGPT ให้ความสำคัญกับการฟังก์ชันการ孵化โครงการและ Launchpad และเสร็จสิ้น IDOs สำหรับโครงการทั้งหมด 24 โครงการและ 4 การแจกสิ่งของฟรี

• Arkham: Ultra เป็นเครื่องมือ AI เฉพาะของ Arkham ที่ออกแบบมาเพื่อจับคู่ที่อยู่กับเอนทิตีในโลกแห่งความเป็นจริงโดยใช้อัลกอริทึมซึ่งจะช่วยเพิ่มความโปร่งใสในอุตสาหกรรมการเข้ารหัสลับ Ultra ผสานข้อมูล on-chain และ off-chain ที่จัดทําโดยผู้ใช้และรวบรวมด้วยตัวเองและส่งออกไปยังฐานข้อมูลที่ขยายได้ซึ่งในที่สุดจะถูกนําเสนอในรูปแบบแผนภูมิ อย่างไรก็ตามเอกสาร Arkham ไม่ได้ให้การอภิปรายโดยละเอียดเกี่ยวกับระบบ Ultra เมื่อเร็ว ๆ นี้ Arkham ได้รับความสนใจเนื่องจากการลงทุนส่วนบุคคลจาก Sam Altman ผู้ก่อตั้ง OpenAI และมีมูลค่าเพิ่มขึ้นห้าเท่าในช่วง 30 วันที่ผ่านมา
• GraphLinq:GraphLinq เป็นโซลูชันการจัดการเวิร์กโฟลว์อัตโนมัติที่ออกแบบมาเพื่อให้ผู้ใช้ปรับใช้และจัดการฟังก์ชันอัตโนมัติประเภทต่างๆโดยไม่ต้องเขียนโปรแกรม ตัวอย่างเช่นผู้ใช้สามารถผลักดันราคาของ Bitcoin จาก Coingecko ไปยัง TG Bot ทุก 5 นาที โซลูชันของ GraphLinq แสดงภาพกระบวนการอัตโนมัติโดยใช้กราฟทําให้ผู้ใช้สามารถสร้างงานอัตโนมัติโดยการลากโหนดและใช้ GraphLinq Engine เพื่อดําเนินการ แม้ว่าจะไม่จําเป็นต้องเขียนโค้ด แต่กระบวนการสร้างกราฟยังคงมีช่วงการเรียนรู้ที่แน่นอนสําหรับผู้ใช้ทั่วไปรวมถึงการเลือกเทมเพลตที่เหมาะสมและการเลือกและเชื่อมต่อบล็อกตรรกะที่เหมาะสมจากตัวเลือกหลายร้อยรายการ เพื่อแก้ไขปัญหานี้ GraphLinq กําลังแนะนํา AI เพื่อให้ผู้ใช้สามารถสร้างและจัดการงานอัตโนมัติโดยใช้ปัญญาประดิษฐ์เชิงสนทนาและภาษาธรรมชาติซึ่งจะช่วยลดความซับซ้อนของกระบวนการสําหรับผู้ใช้ที่อาจไม่คุ้นเคยกับด้านเทคนิค
• 0x0.ai:ธุรกิจที่เกี่ยวข้องกับ AI ของ 0x0 ส่วนใหญ่ประกอบด้วยสามด้าน: การตรวจสอบสัญญาอัจฉริยะ AI, การตรวจจับ AI anti-Rug และศูนย์นักพัฒนา AI ในหมู่พวกเขาการตรวจจับ AI anti-Rug มีจุดมุ่งหมายเพื่อตรวจจับพฤติกรรมที่น่าสงสัยเช่นภาษีที่มากเกินไปหรือการระบายสภาพคล่องเพื่อป้องกันไม่ให้ผู้ใช้ถูกหลอก ศูนย์นักพัฒนา AI ใช้เทคนิคแมชชีนเลิร์นนิงเพื่อสร้างสัญญาอัจฉริยะ ทําให้สามารถปรับใช้สัญญาแบบไม่ต้องเขียนโค้ดได้ อย่างไรก็ตามมีเพียงการตรวจสอบสัญญาอัจฉริยะ AI เท่านั้นที่เปิดตัวในเบื้องต้นในขณะที่อีกสองฟังก์ชันยังไม่ได้รับการพัฒนาอย่างสมบูรณ์
• Zignaly: Zignaly ถูกก่อตั้งขึ้นในปี 2018 ด้วยเจตจำนงที่จะทำให้นักลงทุนรายบุคคลสามารถเลือกผู้จัดการกองทุนเพื่อจัดการสินทรัพย์ทางดิจิทัลของพวกเขา โดยใช้ตรรกะเดียวกับการคัดลอกการซื้อขาย Zignaly กำลังใช้เทคโนโลยีการเรียนรู้ของเครื่องและปัญญาประดิษฐ์เพื่อสร้างระบบในการประเมินผู้จัดการกองทุน ผลิตภัณฑ์แรกที่เปิดตัวคือ Z-Score อย่างไรก็ตาม ในฐานะผลิตภัณฑ์ปัญญาประดิษฐ์ มันยังคงเป็นรูปแบบพื้นฐานในปัจจุบัน
  

4 AI เป็นกฎเกม

นี่คือส่วนที่ท้าทายมากที่สุด - การเปิดใช้งาน AI เพื่อแทนการตัดสินใจและพฤติกรรมของมนุษย์ AI ของคุณจะควบคุมกระเป๋าเงินของคุณโดยตรง ทำการตัดสินใจในการเทรดและดำเนินการแทนคุณ ในหมวดหมู่นี้ ผู้เขียนเชื่อว่ามันสามารถแบ่งเป็นสามระดับหลักๆได้ คือ การประยุกต์ใช้ AI (โดยเฉพาะอย่างยิ่งสำหรับผู้มีวิสัยทัศน์ในการตัดสินใจอิสระ เช่น บอทซื้อขายอัตโนมัติ AI, บอทเก็บผลตอบแทน DeFi AI), โปรโตคอลอัตโนมัติเอเจนต์ และ zkML/opML

แอปพลิเคชัน AI เป็นเครื่องมือสําหรับการตัดสินใจเฉพาะในสาขาใดสาขาหนึ่ง พวกเขาสะสมความรู้และข้อมูลจากภาคส่วนต่างๆ และพึ่งพาโมเดล AI ที่ปรับให้เหมาะกับปัญหาเฉพาะสําหรับการตัดสินใจ เป็นที่น่าสังเกตว่าแอปพลิเคชัน AI แบ่งออกเป็นทั้งอินเทอร์เฟซและกฎในบทความนี้ ในแง่ของวิสัยทัศน์การพัฒนาแอปพลิเคชัน AI ควรกลายเป็นตัวแทนการตัดสินใจที่เป็นอิสระ แต่ในปัจจุบันประสิทธิภาพของโมเดล AI หรือความปลอดภัยของ AI แบบบูรณาการไม่สามารถตอบสนองความต้องการนี้ได้ แม้จะเป็นอินเทอร์เฟซแต่ก็ถูกบังคับบ้าง แอปพลิเคชัน AI ยังอยู่ในช่วงเริ่มต้นโดยมีโครงการเฉพาะที่เปิดตัวก่อนหน้านี้

ตัวแทนอิสระที่กล่าวถึงโดย Vitalik จัดอยู่ในประเภทแรก (AI ในฐานะผู้เข้าร่วม) แต่บทความนี้จัดหมวดหมู่เป็นหมวดหมู่ที่สามตามวิสัยทัศน์ระยะยาวของพวกเขา ตัวแทนอิสระใช้ข้อมูลและอัลกอริธึมจํานวนมากเพื่อจําลองกระบวนการคิดและการตัดสินใจของมนุษย์โดยดําเนินงานและการโต้ตอบต่างๆ บทความนี้มุ่งเน้นไปที่โครงสร้างพื้นฐานของตัวแทนเป็นหลักเช่นเลเยอร์การสื่อสารและเลเยอร์เครือข่ายซึ่งกําหนดความเป็นเจ้าของของตัวแทนสร้างข้อมูลประจําตัวมาตรฐานการสื่อสารและวิธีการเชื่อมต่อแอปพลิเคชันตัวแทนหลายตัวและช่วยให้พวกเขาทํางานร่วมกันในการตัดสินใจและพฤติกรรม

zkML/opML: ให้แน่ใจว่าผลลัพธ์ที่ให้ผ่านกระบวนการเหตุผลโมเดลที่ถูกต้องนั้นน่าเชื่อถือผ่านวิธีการทางคริปโต หรือทางเศรษฐศาสตร์ ปัญหาด้านความปลอดภัยเป็นสาเหตุที่ร้ายแรงเมื่อนำเอา AI เข้ามาในสมาร์ทคอนแทรคต์ สมาร์ทคอนแทรคต์พึงการณ์ต่อข้อมูลนำเข้าเพื่อสร้างผลลัพธ์และอัตโนมัติตามลำดับของฟังก์ชัน หาก AI ให้ข้อมูลนำเข้าที่ผิดพลาด มันจะเสนอความเสี่ยงระบบที่สำคัญต่อระบบ Crypto ทั้งหมด ดังนั้น zkML/opML และชุดของวิธีการที่เป็นไปได้เป็นพื้นฐานสำหรับการทำให้ AI สามารถดำเนินการอย่างอิสระและตัดสินใจได้

ในที่สุด สามสิ่งที่ร่วมกันนี้เป็นสามระดับพื้นฐานของ AI เป็นผู้ดำเนินการกฏ: zkml/opml เป็นพื้นฐานระดับต่ำที่สุดที่รักษาความปลอดภัยของโปรโตคอล; โปรโตคอลของเอเจ้นต์จะสร้างระบบนิเวศเอเจ้นต์เพื่อสนับสนุนการตัดสินใจและพฤติกรรมร่วมกัน; แอพลิเคชั่น AI ซึ่งเป็นเอเจ้นต์ AI ที่เฉพาะเจาะจงจะพัฒนาความสามารถของตนเองในเขตการทำงานที่เฉพาะเจาะจงและจริงจังตัดสินใจและดำเนินการ

4.1 ตัวตนอิสระ

การประยุกต์ใช้ AI Agents ในโลกของ crypto นั้นเป็นธรรมชาติ ตั้งแต่สัญญาอัจฉริยะไปจนถึง TG Bots ไปจนถึง AI Agents พื้นที่ crypto กําลังก้าวไปสู่ระบบอัตโนมัติที่สูงขึ้นและลดอุปสรรคของผู้ใช้ แม้ว่าสัญญาอัจฉริยะจะรันฟังก์ชันโดยอัตโนมัติผ่านโค้ดที่ไม่เปลี่ยนรูป แต่พวกเขายังคงพึ่งพาทริกเกอร์ภายนอกเพื่อเปิดใช้งานและไม่สามารถทํางานโดยอัตโนมัติหรือต่อเนื่องได้ TG Bots ลดอุปสรรคของผู้ใช้โดยอนุญาตให้ผู้ใช้โต้ตอบกับบล็อกเชนผ่านภาษาธรรมชาติ แต่พวกเขาสามารถทํางานที่เรียบง่ายและเฉพาะเจาะจงเท่านั้นและไม่สามารถบรรลุธุรกรรมที่เน้นผู้ใช้เป็นศูนย์กลางได้ อย่างไรก็ตาม AI Agents มีความสามารถในการตัดสินใจที่เป็นอิสระในระดับหนึ่ง พวกเขาเข้าใจภาษาธรรมชาติและรวมตัวแทนอื่น ๆ และเครื่องมือบล็อกเชนเข้าด้วยกันโดยอัตโนมัติเพื่อให้บรรลุเป้าหมายที่ผู้ใช้กําหนด

เอไอ เอเจนท์มุ่งมั่นที่จะปรับปรุงประสบการณ์การใช้งานของผู้ใช้ผลิตภัณฑ์คริปโตอย่างมีนัยสำคัญ ในขณะเดียวกัน เทคโนโลยีบล็อกเชนสามารถเสริมสร้างความกระจายและความโปร่งใสและความปลอดภัยของการดำเนินงานของเอเจนท์เอไอ การช่วยเหลือเฉพาะด้านรวมถึง:

• โดยให้สิทธิให้นักพัฒนาด้วยโทเค็นเพื่อให้เอเจนต์มากขึ้น
• การยืนยัน NFT เพื่อให้สะดวกต่อการดำเนินกิจกรรมของตัวแทนที่เกี่ยวกับค่าธรรมเนียมและธุรกรรม
• การให้บริการตัวตนของตัวแทนบนโซนและกลไกการลงทะเบียน
• การ提供บันทึกกิจกรรมของเอเจ้นต์ที่ไม่สามารถเปลี่ยนแปลงได้เพื่อการติดตามทันเวลาและความรับผิดชอบของการกระทำของพวกเขา

โครงการหลักของทางช่องนี้คือ ดังนี้

• Autonolas: Autonolas สนับสนุนการเป็นเจ้าของสินทรัพย์และความสามารถในการประกอบสําหรับตัวแทนและส่วนประกอบที่เกี่ยวข้องผ่านโปรโตคอลแบบ on-chain ทําให้สามารถค้นพบส่วนประกอบรหัสตัวแทนและบริการและนํากลับมาใช้ใหม่ได้ในขณะที่จูงใจนักพัฒนาด้วยค่าตอบแทนทางเศรษฐกิจ นักพัฒนาลงทะเบียนโค้ดของตนแบบ on-chain และรับ NFT ที่แสดงถึงความเป็นเจ้าของโค้ดหลังจากพัฒนาเอเจนต์หรือส่วนประกอบที่สมบูรณ์ เจ้าของบริการร่วมมือกับตัวแทนหลายรายเพื่อสร้างบริการและลงทะเบียนแบบ on-chain ดึงดูดผู้ให้บริการตัวแทนให้ดําเนินการบริการซึ่งผู้ใช้เข้าถึงได้โดยชําระเงินสําหรับการใช้งาน
• Fetch.ai: Fetch.ai มีภูมิหลังของทีมที่แข็งแกร่งและประสบการณ์การพัฒนาในด้าน AI ซึ่งปัจจุบันมุ่งเน้นไปที่การติดตามตัวแทน AI โปรโตคอลประกอบด้วยสี่ชั้นหลัก: ตัวแทน AI, Agentverse, AI Engine และ Fetch Network ตัวแทน AI เป็นแกนหลักของระบบในขณะที่คนอื่น ๆ มีกรอบและเครื่องมือเพื่อช่วยในการสร้างบริการตัวแทน Agentverse เป็นแพลตฟอร์มซอฟต์แวร์เป็นบริการที่ใช้เป็นหลักในการสร้างและลงทะเบียนตัวแทน AI AI Engine มีจุดมุ่งหมายเพื่อตีความอินพุตภาษาธรรมชาติของผู้ใช้และแปลเป็นงานที่สามารถดําเนินการได้โดยเลือกตัวแทน AI ที่ลงทะเบียนที่เหมาะสมที่สุดจาก Agentverse เพื่อดําเนินงาน Fetch Network เป็นเลเยอร์บล็อกเชนของโปรโตคอล ซึ่งตัวแทน AI ต้องลงทะเบียนในสัญญา Almanac แบบ on-chain เพื่อทํางานร่วมกับตัวแทนรายอื่น เป็นที่น่าสังเกตว่าปัจจุบัน Autonolas มุ่งเน้นไปที่การสร้างตัวแทนในโลก crypto และนําการดําเนินงานของตัวแทนออฟไลน์มาสู่บล็อกเชนในขณะที่ขอบเขตของ Fetch.ai รวมถึงโลก Web2 เช่นการจองการเดินทางและการพยากรณ์อากาศ
• Delysium: Delysium ได้เปลี่ยนจากการเล่นเกมเป็นโปรโตคอลตัวแทน AI โดยส่วนใหญ่ประกอบด้วยสองชั้น: เลเยอร์การสื่อสารและเลเยอร์บล็อกเชน เลเยอร์การสื่อสารทําหน้าที่เป็นแกนหลักของ Delysium ซึ่งเป็นโครงสร้างพื้นฐานที่ปลอดภัยและปรับขนาดได้สําหรับการสื่อสารที่มีประสิทธิภาพระหว่างตัวแทน AI เลเยอร์บล็อกเชนจะตรวจสอบข้อมูลประจําตัวของตัวแทนและบันทึกพฤติกรรมของตัวแทนอย่างไม่เปลี่ยนแปลงผ่านสัญญาอัจฉริยะ โดยเฉพาะอย่างยิ่งเลเยอร์การสื่อสารจะสร้างโปรโตคอลการสื่อสารแบบครบวงจรระหว่างตัวแทนอํานวยความสะดวกในการสื่อสารที่ราบรื่นโดยใช้ระบบการส่งข้อความที่ได้มาตรฐาน นอกจากนี้ยังสร้างโปรโตคอลการค้นพบบริการและ API ทําให้ผู้ใช้และตัวแทนอื่น ๆ สามารถค้นหาและเชื่อมต่อกับตัวแทนที่มีอยู่ได้อย่างรวดเร็ว เลเยอร์บล็อกเชนส่วนใหญ่ประกอบด้วยสองส่วน: ID ตัวแทนและสัญญาอัจฉริยะ Chronicle รหัสตัวแทนช่วยให้มั่นใจได้ว่ามีเพียงตัวแทนที่ถูกต้องตามกฎหมายเท่านั้นที่สามารถเข้าถึงเครือข่ายได้ในขณะที่ Chronicle ทําหน้าที่เป็นที่เก็บบันทึกที่ไม่เปลี่ยนรูปสําหรับการตัดสินใจและการดําเนินการที่สําคัญทั้งหมดที่ทําโดยตัวแทนเพื่อให้มั่นใจถึงการตรวจสอบย้อนกลับที่น่าเชื่อถือของพฤติกรรมของตัวแทน
• เครื่องจักรสถานะที่ถูกเปลี่ยนแปลง: เครื่องจักรสถานะที่ถูกเปลี่ยนแปลงสร้างมาตรฐานสำหรับการเป็นเจ้าของทรัพย์สินและธุรกรรมสำหรับตัวแทนผ่าน NFTs อย่างไรก็ตาม ASM รวมถึงการผสมรวมกับเกมในปัจจุบัน มีโอกาสในมาตรฐานพื้นฐานที่ยังสามารถขยายเข้าสู่โดเมนตัวแทนอื่น ๆ ได้
• Morpheous: Morpheous กำลังสร้างระบบเครือข่ายนักพัฒนา AI agent เพื่อเชื่อมต่อกับโปรแกรมเมอร์ ผู้ให้บริการคอมพิวเตอร์ ผู้สร้างชุมชน และผู้ให้ทุน ซึ่งในแต่ละกรณีจะมีการให้บริการ AI agents, พลังการคำนวณที่รองรับการดำเนินการของตัวแทน, เครื่องมือด้านหน้าและการพัฒนา, และทุน MOR จะนำรูปแบบ Fair Launch มาใช้เพื่อสร้างสิ่งสร้างสรรค์ให้กับผู้ทำเหมืองที่ให้พลังการคำนวณ, stETH stakers, ผู้มีส่วนร่วมในการพัฒนาตัวตัวแทนหรือสมาร์ทคอนแทรคต่างๆ, และผู้มีส่วนร่วมในการพัฒนาชุมชน

4.2 zkML/opML

ศาสตร์พิสูจน์ที่ไม่เปิดเผย ปัจจุบันมีทิศทางในการใช้งานสำคัญ 2 ทิศทางหลัก

• การพิสูจน์ความถูกต้องของการคำนวณในราคาที่ต่ำบนเชน (ZK-Rollup และสะพาน跨เชน ZKP ใช้คุณสมบัตินี้ของ ZK เป็นหลัก);
• การป้องกันความเป็นส่วนตัว: ไม่จำเป็นต้องทราบรายละเอียดของการคำนวณ แต่สามารถพิสูจน์ได้ว่าการคำนวณถูกดำเนินการอย่างถูกต้อง

โดยเช่นเดียวกัน การใช้ ZKP ใน machine learning c สามารถแบ่งเป็นสองประเภทได้เช่นกัน:

• การยืนยันการอนุมัติ: นั่นคือ ผ่าน ZK-proof, การพิสูจน์บนเชื่อมโยงในราคาที่ต่ำว่ากระบวนการคำนวณที่หนาของการสร้างรายการข้อมูล AI ที่ดำเนินการถูกต้องนอกเชือมโยง
• การป้องกันความเป็นส่วนตัว: สามารถแบ่งออกเป็นสองประเภท หนึ่งคือการป้องกันความเป็นส่วนตัวของข้อมูล ซึ่งเกี่ยวข้องกับการใช้ข้อมูลส่วนบุคคลเพื่อการอ่านเพื่อการพัฒนารูปแบบสาธารณะ ซึ่งสามารถทำได้โดยการใช้ ZKML เพื่อป้องกันความเป็นส่วนตัวของข้อมูล อีกอย่างคือการป้องกันความเป็นส่วนตัวของรูปแบบ มีจุดมุ่งหมายที่จะซ่อนข้อมูลที่เฉพาะเจาะจง เช่น น้ำหนักของรูปแบบ และคำนวณและสรุปผลลัพธ์จากข้อมูลสาธารณะ

ผู้เขียนเชื่อว่าในปัจจุบันสิ่งสําคัญที่สุดสําหรับ crypto คือการตรวจสอบการอนุมานและที่นี่เราอธิบายเพิ่มเติมเกี่ยวกับสถานการณ์สําหรับการตรวจสอบการอนุมาน เริ่มต้นจาก AI ในฐานะผู้เข้าร่วม AI ในฐานะกฎของโลกเราหวังว่าจะรวม AI เข้ากับกระบวนการแบบ on-chain อย่างไรก็ตาม ต้นทุนการคํานวณที่สูงของการอนุมานโมเดล AI จะป้องกันการดําเนินการแบบ on-chain โดยตรง การย้ายกระบวนการนี้ออกนอกเครือข่ายหมายความว่าเราต้องทนต่อปัญหาความไว้วางใจที่เกิดจากกล่องดํานี้—ผู้ให้บริการโมเดล AI แทรกแซงการป้อนข้อมูลของฉันหรือไม่? พวกเขาใช้โมเดลที่ฉันระบุสําหรับการอนุมานหรือไม่? ด้วยการแปลงโมเดล ML เป็นวงจร ZK เราสามารถบรรลุ: (1) การจัดเก็บแบบ On-chain ของโมเดลขนาดเล็กการจัดเก็บโมเดล zkML ขนาดเล็กในสัญญาอัจฉริยะจะแก้ไขปัญหาความทึบโดยตรง (2) เสร็จสิ้นการอนุมานนอกห่วงโซ่ในขณะที่สร้างการพิสูจน์ ZK โดยใช้การดําเนินการแบบ on-chain ของหลักฐาน ZK เพื่อตรวจสอบความถูกต้องของกระบวนการอนุมาน โครงสร้างพื้นฐานจะประกอบด้วยสัญญาสองสัญญา ได้แก่ สัญญาหลัก (ซึ่งใช้โมเดล ML เพื่อส่งออกผลลัพธ์) และสัญญาการตรวจสอบ ZK-Proof

zkML ยังอยู่ในช่วงเริ่มต้นและเผชิญกับความท้าทายทางเทคนิคในการแปลงโมเดล ML เป็นวงจร ZK รวมถึงต้นทุนค่าใช้จ่ายในการคํานวณและการเข้ารหัสที่สูง เช่นเดียวกับเส้นทางการพัฒนาของ Rollup opML ทําหน้าที่เป็นอีกทางออกหนึ่งจากมุมมองทางเศรษฐกิจ opML ใช้สมมติฐาน AnyTrust ของ Arbitrum ซึ่งหมายความว่าการอ้างสิทธิ์แต่ละครั้งมีโหนดที่ซื่อสัตย์อย่างน้อยหนึ่งโหนดเพื่อให้แน่ใจว่าผู้ส่งหรือผู้ตรวจสอบอย่างน้อยหนึ่งคนมีความซื่อสัตย์ อย่างไรก็ตาม OPML สามารถใช้เป็นทางเลือกสําหรับการตรวจสอบการอนุมานเท่านั้นและไม่สามารถบรรลุการปกป้องความเป็นส่วนตัวได้

โครงการปัจจุบันกำลังสร้างพื้นฐานสำหรับ zkML และสำรวจการใช้งานของมัน การสร้างแอปพลิเคชันเชิงพื้นฐานเช่นนี้เป็นเรื่องสำคัญเช่นเดียวกับการต้องการแสดงให้ผู้ใช้คริปโตเห็นบทบาทที่สำคัญของ zkML และพิสูจน์ว่ามูลค่าสุดท้ายสามารถเหนือกว่าค่าใช้จ่ายที่ใหญ่มาก ในโครงการเหล่านี้ บางโครงการเน้นการพัฒนาเทคโนโลยี ZK ที่เกี่ยวข้องกับการเรียนรู้ของเครื่อง (เช่น Modulus Labs) ในขณะที่อื่นๆ เน้นการสร้างพื้นฐาน ZK ที่เป็นทั่วไปมากขึ้น โครงการที่เกี่ยวข้องรวมถึง:

• Modulus กำลังใช้ zkML เพื่อประยุกต์ปัญญาประดิษฐ์ในกระบวนการอินเฟอเรนซ์บนเชน ในวันที่ 27 กุมภาพันธ์ Modulus ได้เปิดตัว zkML prover Remainder ซึ่งสามารถเพิ่มประสิทธิภาพถึง 180 เท่าเมื่อเปรียบเทียบกับการใช้ประสิทธิภาพของ AI แบบเดิมบนฮาร์ดแวร์เทียบเท่า นอกจากนี้ Modulus กำลังร่วมมือกับโครงการหลายๆ โครงการเพื่อสำรวจกรณีการใช้ zkML ในชีวิตจริง ตัวอย่างเช่น พวกเขากำลังร่วมงานกับ Upshot เพื่อรวบรวมข้อมูลตลาดที่ซับซ้อน ประเมินราคา NFT โดยใช้ประสิทธิภาพ AI กับ ZK proofs และส่งราคาลงบนเชน พวกเขายังร่วมมือกับ AI Arena เพื่อพิสูจน์ว่า Avatar ในการต่อสู้และผู้เล่นที่ฝึกฝนเป็นอิสระเดียวกัน
• Risc Zero นำรูปแบบไปยังเชือกและโดยการเรียกใช้โมเดลเรียนรู้ของเครื่องใน ZKVM ของ RISC Zero พวกเขาสามารถพิสูจน์ว่าการคำนวณที่แนบมาในโมเดลถูกดำเนินการได้อย่างถูกต้อง
• Ingonyama กำลังพัฒนาฮาร์ดแวร์ที่เฉพาะเจาะจงสำหรับเทคโนโลยี ZK ซึ่งอาจลดขีดจำกัดในการเข้าสู่วงการเทคโนโลยี ZK ลง zkML ยังสามารถใช้ในกระบวนการฝึกอบรมโมเดลได้

5 AI เป็นเป้าหมาย

หากหมวดหมู่ที่ผ่านมาสามหมวดหมู่เน้นไปที่ว่า AI ให้กำลังให้ความสามารถให้ Crypto แล้ว “AI เป็นเป้าหมาย” หมายถึงการให้ความช่วยเหลือของ Crypto ต่อ AI นั่นคือว่าจะใช้ Crypto อย่างไรเพื่อสร้างโมเดลและผลิตภัณฑ์ AI ที่ดีขึ้น ซึ่งอาจรวมถึงเกณฑ์การประเมินหลายอย่าง เช่น ประสิทธิภาพที่มากขึ้น ความแม่นยำ และการกระจายอำนาจ AI ประกอบด้วยสามองค์ประกอบหลัก: ข้อมูล พลังการคำนวณ และอัลกอริทึม และในแต่ละมิติ Crypto กำลังพยายามที่จะให้การสนับสนุนที่มีประสิทธิภาพมากขึ้นสำหรับ AI:

• ข้อมูล: ข้อมูลเป็นพื้นฐานสำหรับการฝึกโมเดล และโปรโตคอลข้อมูลที่ไม่มีศูนย์กลางสร้างสรรค์แรงบันดาลใจให้บุคคลหรือองค์กรให้ข้อมูลส่วนตัวมากขึ้นโดยใช้การเข้ารหัสข้อมูลเพื่อป้องกันความเป็นส่วนตัวของข้อมูลและป้องกันการรั่วไหลของข้อมูลส่วนบุคคลที่อ่อนไหว
• พลังคอมพิวเตอร์: ติดตามพลังคอมพิวเตอร์ที่กระจายอยู่ในปัจจุบันเป็นเส้นทาง AI ที่ฮอตที่สุด โปรโตคอลช่วยให้การจับคู่ของการจำหน่ายและความต้องการในตลาดเป็นไปอย่างราบร้อย ส่งเสริมการจับคู่ระหว่างพลังคอมพิวเตอร์ที่ยาวนานกับองค์กร AI สำหรับการฝึกอบรมและการอยู่ในสมมติ
• อัลกอริทึม: การทรงพลังของคริปโตสำคัญที่สุดในการบรรลุเป้าหมายของ AI แบบกระจาย ตามที่ได้ถูกอธิบายไวทาลิก บุเทรินในบทความ “AI as a Goal” โดยการสร้าง AI แบบกล่องดำที่เชื่อถือได้และกระจายได้ ปัญหาเช่นการเรียนรู้ของเครื่องในลักษณะที่เป็นศัตรูสามารถจะถูกแก้ไขได้ อย่างไรก็ตาม วิธีการนี้อาจเผชิญกับอุปสรรคที่สำคัญอย่างมาก เช่น ค่าที่สูงของการเข้ารหัสทางคริปโต นอกจากนี้ “การใช้สิทธิแบบคริปโตเพื่อส่งเสริมให้เกิด AI ที่ดีขึ้น” สามารถทำได้โดยไม่ต้องลงรากลึกในรู้สึกหวาดกั้นทางคริปโต

การจัดการข้อมูลและพลังการคำนวณโดย บริษัท เทคโนโลยีขนาดใหญ่ ได้ทำให้เกิดการจุดจำหน่ายในกระบวนการการฝึกโมเดล ที่โมเดลแหล่งที่มีที่มาปิดกั้นเป็นตัวขับเคลื่อนกำไรสำคัญสำหรับบริษัทเหล่านี้ จากมุมมองโครงสร้างพื้นฐาน คริปโต สร้างสิทธิแรงจูงในการจัดหาข้อมูลและพลังการคำนวณแบบกระจายผ่านทางทางเศรษฐศาสตร์ อันจะทำให้มั่นใจได้ว่าความเป็นส่วนตัวของข้อมูล ระหว่างกระบวนการ ผ่านวิธีการเข้ารหัสทวิภาค นี้ยังคงอยู่ ซึ่งเป็นรากฐานในการสนับสนุนการฝึกโมเดลแบบกระจาย ซึ่งมีเป้าหมายที่จะบรรลุระบบนิเวศปัจจุบันที่โปร่งใสและแบบกระจายมากขึ้น

5.1 โปรโตคอลข้อมูลที่ไม่ centralize

โปรโตคอลข้อมูลที่ไม่มีศูนย์กลางทำงานหลักโดยการรวบรวมข้อมูลจากชุมชนเพื่อแสดงให้ผู้ใช้ได้รับแรงบันดาลใจให้ข้อมูลหรือบริการข้อมูล (เช่นการติดตัวข้อมูล) สำหรับองค์กรใช้ในการฝึกโมเดล พวกเขายังจัดตั้งตลาดข้อมูลเพื่อสะดวกตรงกันระหว่างการจับคู่ระหว่างการจำหน่ายและการอุปการะ บางโปรโตคอลยังกำลังสำรวจให้แรงบันดาลใจผู้ใช้ผ่านโปรโตคอล DePIN เพื่อเข้าถึงข้อมูลการเรียกดูหรือใช้งานอุปกรณ์ของผู้ใช้/แบนด์วิธข้อมูลของเว็บ

• Ocean Protocol: Tokenizes ความเป็นเจ้าของข้อมูลและอนุญาตให้ผู้ใช้สร้าง NFT สําหรับข้อมูล/อัลกอริทึมในลักษณะที่ไม่มีโค้ดบน Ocean Protocol พร้อมกันสร้าง datatokens ที่สอดคล้องกันเพื่อควบคุมการเข้าถึง NFT ข้อมูล Ocean Protocol รับประกันความเป็นส่วนตัวของข้อมูลผ่าน Compute To Data (C2D) ซึ่งผู้ใช้สามารถรับผลลัพธ์เอาต์พุตตามข้อมูล/อัลกอริทึมโดยไม่ต้องดาวน์โหลดทั้งหมด ก่อตั้งขึ้นในปี 2017 ในฐานะตลาดข้อมูล Ocean Protocol ได้กระโดดเข้าสู่ AI bandwagon ในแนวโน้มปัจจุบันนี้
• Synesis One: โครงการนี้เป็นแพลตฟอร์ม Train2Earn บน Solana ซึ่งผู้ใช้ได้รับรางวัล$SNS จากการให้ข้อมูลภาษาธรรมชาติและการติดฉลากข้อมูล ผู้ใช้สนับสนุนการขุดโดยการให้ข้อมูลซึ่งจัดเก็บและวางบนเครือข่ายหลังจากการตรวจสอบจากนั้นใช้โดย บริษัท AI สําหรับการฝึกอบรมและการอนุมาน คนงานเหมืองแบ่งออกเป็นสามประเภท: สถาปนิก / ผู้สร้าง / ผู้ตรวจสอบความถูกต้อง สถาปนิกสร้างงานข้อมูลใหม่ Builders ให้ข้อมูลข้อความสําหรับงานเฉพาะ และ Validators จะตรวจสอบชุดข้อมูลที่ Builders จัดเตรียมไว้ให้ ชุดข้อมูลที่เสร็จสมบูรณ์จะถูกเก็บไว้ใน IPFS และแหล่งที่มาพร้อมกับที่อยู่ IPFS จะถูกเก็บไว้ในฐานข้อมูลนอกเครือข่ายสําหรับ บริษัท AI (ปัจจุบันคือ Mind AI) ที่จะใช้

หญ้า: เลเยอร์ข้อมูลแบบกระจายอํานาจซึ่งขนานนามว่า AI โดยพื้นฐานแล้วทําหน้าที่เป็นตลาดขูดเครือข่ายแบบกระจายอํานาจรับข้อมูลเพื่อวัตถุประสงค์ในการฝึกอบรมโมเดล AI เว็บไซต์อินเทอร์เน็ตทําหน้าที่เป็นแหล่งข้อมูลการฝึกอบรมที่สําคัญสําหรับ AI โดยมีเว็บไซต์หลายแห่งเช่น Twitter, Google และ Reddit มีมูลค่าสูง อย่างไรก็ตามเว็บไซต์เหล่านี้กําหนดข้อ จํากัด ในการขูดข้อมูลอย่างต่อเนื่อง Grass ใช้ประโยชน์จากแบนด์วิดท์ที่ไม่ได้ใช้ภายในแต่ละเครือข่ายเพื่อลดผลกระทบของการบล็อกข้อมูลโดยใช้ที่อยู่ IP ที่แตกต่างกันสําหรับการขูดข้อมูลจากเว็บไซต์สาธารณะ ดําเนินการล้างข้อมูลเบื้องต้นและทําหน้าที่เป็นแหล่งข้อมูลสําหรับความพยายามในการฝึกอบรมแบบจําลอง AI ขณะนี้อยู่ในขั้นตอนการทดสอบเบต้า Grass ช่วยให้ผู้ใช้ได้รับคะแนนโดยให้แบนด์วิดท์ซึ่งสามารถแลกเป็น airdrops ที่มีศักยภาพ

โปรโตคอล AIT: โปรโตคอล AIT เป็นโปรโตคอลการติดป้ายข้อมูลแบบกระจายที่ออกแบบมาเพื่อให้นักพัฒนาได้รับชุดข้อมูลคุณภาพสูงสำหรับการฝึกโมเดล Web3 ช่วยให้แรงงานระดับโลกสามารถเข้าถึงเครือข่ายและรับสิ่งตอบแทนผ่านการติดป้ายข้อมูลอย่างรวดเร็ว AIT's นักวิทยาศาสตร์ข้อมูลติดป้ายข้อมูลล่วงหน้าข้อมูลซึ่งจะถูกประมวลผลต่อไปโดยผู้ใช้ หลังจากที่ผ่านการตรวจสอบคุณภาพโดยนักวิทยาศาสตร์ข้อมูลข้อมูลที่ผ่านการตรวจสอบถูกนำเสนอให้นักพัฒนาใช้งาน

นอกจากโปรโตคอลการจัดหาข้อมูลและการติดป้ายกำกับข้อมูลที่กล่าวถึงข้างต้นแล้ว โครงสร้างพื้นฐานที่จัดเก็บข้อมูลแบบกระจายเช่น Filecoin, Arweave และอื่น ๆ ยังจะมีส่วนสำคัญในการเพิ่มการจัดหาข้อมูลที่กระจายกว่า

5.2 ความสามารถในการคำนวณแบบกระจาย

ในยุคของ AI ความสําคัญของพลังการประมวลผลนั้นชัดเจนในตัวเอง ไม่เพียง แต่ราคาหุ้นของ NVIDIA พุ่งสูงขึ้น แต่ในโลกของ crypto พลังการประมวลผลแบบกระจายอํานาจอาจกล่าวได้ว่าเป็นทิศทางเฉพาะที่ร้อนแรงที่สุดในแทร็ก AI จากโครงการ AI 200 อันดับแรกตามมูลค่าตลาด 5 โครงการ (Render / Akash / AIOZ Network / Golem / Nosana) มุ่งเน้นไปที่พลังการประมวลผลแบบกระจายอํานาจและมีการเติบโตอย่างมากในช่วงไม่กี่เดือนที่ผ่านมา หลายโครงการในช่วงมูลค่าตลาดต่ํายังได้เห็นการเกิดขึ้นของแพลตฟอร์มพลังงานการประมวลผลแบบกระจายอํานาจ แม้ว่าพวกเขาจะเพิ่งเริ่มต้น แต่พวกเขาก็ได้รับแรงผลักดันอย่างรวดเร็วโดยเฉพาะอย่างยิ่งกับคลื่นแห่งความกระตือรือร้นจากการประชุม NVIDIA

จากลักษณะของแทร็กตรรกะพื้นฐานของโครงการในทิศทางนี้เป็นเนื้อเดียวกันอย่างมากโดยใช้สิ่งจูงใจโทเค็นเพื่อส่งเสริมบุคคลหรือองค์กรที่มีทรัพยากรการประมวลผลที่ไม่ได้ใช้งานเพื่อจัดหาทรัพยากรซึ่งจะช่วยลดต้นทุนการใช้งานและสร้างตลาดอุปสงค์อุปทานสําหรับพลังการประมวลผล ปัจจุบันแหล่งพลังงานการประมวลผลหลักมาจากศูนย์ข้อมูลนักขุด (โดยเฉพาะอย่างยิ่งหลังจาก Ethereum เปลี่ยนเป็น PoS) พลังการประมวลผลระดับผู้บริโภคและการร่วมมือกับโครงการอื่น ๆ แม้ว่าจะเป็นเนื้อเดียวกัน แต่ก็เป็นเส้นทางที่โครงการชั้นนํามีคูน้ําสูง ข้อได้เปรียบในการแข่งขันหลักของโครงการมาจาก: ทรัพยากรพลังงานคอมพิวเตอร์ราคาเช่าพลังงานคอมพิวเตอร์อัตราการใช้พลังงานคอมพิวเตอร์และข้อได้เปรียบทางเทคนิคอื่น ๆ โครงการชั้นนําในแทร็กนี้ ได้แก่ Akash, Render, io.net และ Gensyn

ตามทิศทางธุรกิจที่เฉพาะเจาะจงโครงการสามารถแบ่งออกเป็นสองประเภทโดยประมาณ: การอนุมานแบบจําลอง AI และการฝึกอบรมแบบจําลอง AI เนื่องจากข้อกําหนดสําหรับพลังการประมวลผลและแบนด์วิดท์สําหรับการฝึกอบรมโมเดล AI นั้นสูงกว่าการอนุมานมากและตลาดสําหรับการอนุมานแบบจําลองกําลังขยายตัวอย่างรวดเร็วรายได้ที่คาดการณ์ได้จะสูงกว่าการฝึกอบรมแบบจําลองในอนาคตอย่างมาก ดังนั้นในปัจจุบันโครงการส่วนใหญ่จึงมุ่งเน้นไปที่ทิศทางการอนุมาน (Akash, Render, io.net) เมื่อ Gensyn ให้ความสำคัญกับการฝึกอบรม ในนั้น Akash และ Render ไม่ได้ถูกพัฒนาขึ้นมาเพื่อการคำนวณ AI ในตอนแรก Akash ถูกใช้เป็นการคำนวณทั่วไป ในขณะที่ Render ถูกใช้เป็นหลักการทำภาพและการเรนเดอร์วิดีโอ io.net ถูกออกแบบมาเพื่อการคำนวณ AI แต่หลังจากที่ AI เพิ่มระดับความต้องการในการคำนวณ โครงการเหล่านี้จึงมีแนวโน้มที่จะพัฒนาในทิศทางของ AI ทั้งหมด

ตัวบ่งชี้การแข่งขันสองตัวที่สําคัญที่สุดยังคงมาจากด้านอุปทาน (ทรัพยากรพลังงานคอมพิวเตอร์) และด้านอุปสงค์ (การใช้พลังงานคอมพิวเตอร์) Akash มี GPU 282 ตัวและซีพียูมากกว่า 20,000 ตัวโดยมีสัญญาเช่ามากกว่า 160,000 รายการและอัตราการใช้เครือข่าย GPU 50-70% ซึ่งเป็นตัวเลขที่ดีในแทร็กนี้ io.net มี GPU 40,272 ตัวและซีพียู 5,958 ตัวพร้อมกับ GPU 4,318 ตัวของ Render และซีพียู 159 ตัวและใบอนุญาตการใช้งาน GPU 1,024 ตัวของ Filecoin รวมถึง H100 ประมาณ 200 ตัวและ A100 หลายพันตัว io.net กําลังดึงดูดทรัพยากรพลังงานการประมวลผลด้วยความคาดหวัง airdrop ที่สูงมากและข้อมูล GPU กําลังเติบโตอย่างรวดเร็วโดยต้องมีการประเมินความสามารถในการดึงดูดทรัพยากรอีกครั้งหลังจากแสดงรายการโทเค็น Render และ Gensyn ไม่ได้เปิดเผยข้อมูลเฉพาะ นอกจากนี้ หลายโครงการยังเพิ่มขีดความสามารถในการแข่งขันทั้งด้านอุปสงค์และอุปทานผ่านความร่วมมือด้านระบบนิเวศ ตัวอย่างเช่น io.net ใช้พลังการประมวลผลของ Render และ Filecoin เพื่อเพิ่มการสํารองทรัพยากรของตนเอง และ Render ได้จัดตั้ง Computing Client Program (RNP-004) ทําให้ผู้ใช้สามารถเข้าถึงทรัพยากรพลังงานการประมวลผลของ Render ทางอ้อมผ่านไคลเอนต์คอมพิวเตอร์เช่น io.net, Nosana, FedMl, และ Beam, ดังนั้นการเปลี่ยนแปลงไปอย่างรวดเร็วจากฟิลด์การแสดงผลเป็นการคำนวณปัญญาประดิษฐ์

นอกจากนี้การตรวจสอบการประมวลผลแบบกระจายอํานาจยังคงเป็นความท้าทาย - วิธีการพิสูจน์ว่าคนงานที่มีทรัพยากรการคํานวณทํางานคอมพิวเตอร์อย่างถูกต้อง Gensyn พยายามสร้างเลเยอร์การตรวจสอบดังกล่าวเพื่อให้มั่นใจถึงความถูกต้องของการคํานวณผ่านการพิสูจน์การเรียนรู้ที่น่าจะเป็นไปได้โปรโตคอลการกําหนดตําแหน่งที่แม่นยําตามกราฟและสิ่งจูงใจ ผู้ตรวจสอบความถูกต้องและผู้สื่อข่าวร่วมกันตรวจสอบการคํานวณใน Gensyn ดังนั้นนอกเหนือจากการให้การสนับสนุนด้านการคํานวณสําหรับการฝึกอบรมแบบกระจายอํานาจแล้วกลไกการตรวจสอบที่จัดตั้งขึ้นยังมีคุณค่าเฉพาะ โปรโตคอลคอมพิวเตอร์ Fluence ซึ่งตั้งอยู่บน Solana ยังช่วยเพิ่มการตรวจสอบความถูกต้องของงานคอมพิวเตอร์ นักพัฒนาสามารถตรวจสอบว่าแอปพลิเคชันของตนทํางานตามที่คาดไว้หรือไม่ และการคํานวณดําเนินการอย่างถูกต้องหรือไม่โดยการตรวจสอบหลักฐานที่ได้รับจากผู้ให้บริการแบบ on-chain อย่างไรก็ตามความต้องการในทางปฏิบัติยังคงให้ความสําคัญกับความเป็นไปได้มากกว่าความน่าเชื่อถือ แพลตฟอร์มคอมพิวเตอร์ต้องมีพลังการคํานวณเพียงพอที่จะแข่งขันได้ก่อน แน่นอนว่าสําหรับโปรโตคอลการตรวจสอบที่ยอดเยี่ยมมีตัวเลือกในการเข้าถึงทรัพยากรการคํานวณจากแพลตฟอร์มอื่น ๆ ซึ่งทําหน้าที่เป็นการตรวจสอบความถูกต้องและเลเยอร์โปรโตคอลเพื่อมีบทบาทเฉพาะ

5.3 โมเดลที่ไม่มีส่วนกลาง

สถานการณ์สุดท้ายที่อธิบายโดย Vitalik ตามที่ปรากฎในแผนภาพด้านล่างยังคงห่างไกลมาก ขณะนี้เราไม่สามารถบรรลุ AI กล่องดําที่เชื่อถือได้ซึ่งสร้างขึ้นผ่านเทคโนโลยีบล็อกเชนและการเข้ารหัสเพื่อจัดการกับการเรียนรู้ของเครื่องที่เป็นปฏิปักษ์ การเข้ารหัสกระบวนการ AI ทั้งหมดตั้งแต่ข้อมูลการฝึกอบรมไปจนถึงผลลัพธ์การสืบค้นมีค่าใช้จ่ายจํานวนมาก อย่างไรก็ตามมีโครงการที่พยายามจูงใจให้สร้างแบบจําลอง AI ที่ดีขึ้น พวกเขาเชื่อมโยงรัฐปิดระหว่างโมเดลต่างๆก่อนสร้างภูมิทัศน์ที่โมเดลสามารถเรียนรู้จากกันและกันทํางานร่วมกันและมีส่วนร่วมในการแข่งขันที่ดีต่อสุขภาพ Bittensor เป็นหนึ่งในโครงการที่เป็นตัวแทนมากที่สุดในเรื่องนี้

Bittensor: Bittensor กําลังอํานวยความสะดวกในการรวมโมเดล AI ต่างๆ แต่สิ่งสําคัญคือต้องทราบว่า Bittensor เองไม่ได้มีส่วนร่วมในการฝึกอบรมโมเดล ค่อนข้างให้บริการอนุมาน AI เป็นหลัก เครือข่ายย่อย 32 เครือข่ายมุ่งเน้นไปที่ทิศทางการบริการที่แตกต่างกันเช่นการดึงข้อมูลการสร้างข้อความ Text2Image เป็นต้น เมื่อเสร็จสิ้นภารกิจโมเดล AI ที่อยู่ในทิศทางที่แตกต่างกันสามารถทํางานร่วมกันได้ กลไกจูงใจขับเคลื่อนการแข่งขันระหว่างเครือข่ายย่อยและภายในเครือข่ายย่อย ปัจจุบันรางวัลจะถูกแจกจ่ายในอัตรา 1 TAO ต่อบล็อกรวมประมาณ 7200 TAO โทเค็นต่อวัน 64 validators ใน SN0 (Root Network) กําหนด อัตราส่วนการแจกจ่าย ระหว่างโซเน็ตที่แตกต่างกันโดยอ้างอิงจากประสิทธิภาพของโซเน็ต ส่วนผู้ตรวจสอบโซเน็ตก็กำหนดอัตราส่วนการแจกแจงระหว่างนักขุดที่แตกต่างกันโดยอ้างอิงจากการประเมินงานของพวกเขา ผลลัพธ์คือการบริการและโมเดลที่มีประสิทธิภาพดีขึ้นจะได้รับสิทธิส่งเสริมมากขึ้นซึ่งส่งเสริมการปรับปรุงโดยรวมในคุณภาพของการอุทยานระบบ

6 สรุป: MEME เพียงแค่ฮายป์หรือเป็นการปฏิวัติทางเทคโนโลยี?

จากการเคลื่อนไหวของ Sam Altman ที่เป็นเหตุให้ราคาของ ARKM และ WLD พุ่งสูง ไปจนถึงการประชุมของ Nvidia ที่เสนอโครงการที่เข้าร่วมต่อเนื่อง มีผู้หลายคนกำลังปรับเปลี่ยนไอเดียการลงทุนของตนเองในฟิลด์ AI ฟิลด์ AI มีการขับเคลื่อนโดยการพูดถึงโมเมอหรือการปฏิวัติทางเทคโนโลยีในที่สุด?

นอกจากหัวข้อบางประการที่เป็นที่นิยม (เช่น ARKM และ WLD) ด้านภาคภูมิปัญญาปัจจุบันในโลกคริปโตดูเหมือนมีลักษณะที่คล้ายกับ "มีมที่ถูกขับเคลื่อนด้วยนิเวศเทคโนโลยี"

ในอีกด้านหนึ่งการเก็งกําไรโดยรวมในสาขา Crypto AI นั้นเชื่อมโยงอย่างใกล้ชิดกับความคืบหน้าของ Web2 AI อย่างไม่ต้องสงสัย โฆษณาภายนอกที่นําโดยหน่วยงานเช่น OpenAI จะทําหน้าที่เป็นตัวเร่งปฏิกิริยาสําหรับฟิลด์ Crypto AI ในทางกลับกันเรื่องราวของสาขา AI ยังคงหมุนรอบการเล่าเรื่องทางเทคโนโลยี อย่างไรก็ตาม สิ่งสําคัญคือต้องเน้น "การเล่าเรื่องทางเทคโนโลยี" มากกว่าแค่ตัวเทคโนโลยีเอง สิ่งนี้เน้นย้ําถึงความสําคัญของการเลือกทิศทางเฉพาะภายในฟิลด์ AI และให้ความสนใจกับพื้นฐานของโครงการ จําเป็นต้องหาทิศทางการเล่าเรื่องที่มีมูลค่าการเก็งกําไรเช่นเดียวกับโครงการที่มีความสามารถในการแข่งขันในระยะยาวและคูน้ํา

เมื่อมองไปที่ชุดค่าผสมที่เป็นไปได้สี่แบบที่เสนอโดย Vitalik เราจะเห็นความสมดุลระหว่างเสน่ห์ของการเล่าเรื่องและความเป็นไปได้ ในประเภทที่หนึ่งและสองซึ่งแสดงโดยแอปพลิเคชัน AI เราสังเกตห่อ GPT จํานวนมาก แม้ว่าผลิตภัณฑ์เหล่านี้จะถูกปรับใช้อย่างรวดเร็ว แต่ก็แสดงให้เห็นถึงความเป็นเนื้อเดียวกันทางธุรกิจในระดับสูง ข้อได้เปรียบของผู้เสนอญัตติแรกระบบนิเวศฐานผู้ใช้และรายได้กลายเป็นเรื่องราวที่บอกเล่าในบริบทของการแข่งขันที่เป็นเนื้อเดียวกัน หมวดหมู่ที่สามและสี่แสดงถึงการเล่าเรื่องที่ยิ่งใหญ่ที่รวม AI เข้ากับ crypto เช่น เครือข่ายการทํางานร่วมกันแบบออนเชนของ Agent, zkML และการปรับโฉม AI แบบกระจายอํานาจ สิ่งเหล่านี้ยังอยู่ในช่วงเริ่มต้นและโครงการที่มีนวัตกรรมทางเทคโนโลยีจะดึงดูดเงินทุนได้อย่างรวดเร็วแม้ว่าจะเป็นเพียงช่วงแรกของการดําเนินการก็ตาม

ข้อความปฏิเสธความรับผิดชอบ：

1. บทความนี้ถูกพิมพ์ซ้ำจาก [ Metrics Ventures]. Forward the Original Title‘Metrics Ventures研报 | 从V神文章出发，Crypto×AI有哪些值得关注的细分赛道？’.All copyrights belong to the original author [ @charlotte0211z，@BlazingKevin_，Metrics Ventures]. หากมีข้อขัดแย้งเรื่องการพิมพ์ฉีดนี้ กรุณาติดต่อ Gate เรียนทีม และพวกเขาจะดำเนินการให้ทันที
2. คำโต้แย้งความรับผิด: มุมมองและความเห็นที่แสดงในบทความนี้เป็นส่วนตัวของผู้เขียนเท่านั้น และไม่เกิดขึ้นเป็นคำแนะนำในการลงทุนใดๆ
3. การแปลบทความเป็นภาษาอื่น ๆ ทำโดยทีม Gate Learn หากไม่ได้กล่าวถึง การคัดลอก การแจกจ่าย หรือการลอกเลียนบทความที่แปลไว้นั้นถือเป็นการละเมิด