Це логічна еволюція для платформ Web 3, щоб включити нативний код штучний інтелект (AI).

ШІ впливає на кожну категорію програмного забезпечення, тому Web 3 T повинен бути винятком. Але існують фундаментальні технічні перепони щодо Stacks Web 3 для впровадження технологій ШІ.

У попередніх статтях на CoinDesk я обговорював актуальність методів ШІ для децентралізованих Фінанси (DeFi) і незамінних токенів (NFT). Крім розуміння їхньої чіткої цінності, важливо побачити, як штучний інтелект може увійти в простір Web 3 у NEAR майбутньому, і які основні перешкоди зараз заважають цьому матеріалізуватися.

Хесус Родрігес є технічним директором і співзасновником блокчейн-платформи даних IntoTheBlock, а також головним науковим співробітником фірми AI Invector Labs і активним інвестором, доповідачем і автором у Крипто та штучного інтелекту.

«Програмне забезпечення з’їдає світ», – сказав у 2011 році гігант венчурного капіталу Марк Андріссен, синтезуючи ідею про те, що компанії, які працюють у фізичному світі, переходять у цифровий ONE і що програмне забезпечення буде їхнім наріжним каменем.

Читайте також: Що таке Web 3 і чому всі про нього говорять?

Тепер ми можемо сказати, що "машинне навчання (ML) пожирає програмне забезпечення", щоб визначити майбутню тенденцію, згідно з якою більшість світового програмного забезпечення буде переписано з використанням AI/ML як CORE будівельних блоків. Коли ви думаєте про всюдисущі компоненти програмних додатків, на думку спадають такі можливості, як бази даних та ідентифікація. Інтелект у формі моделей AI/ML неухильно стає ще одним фундаментальним будівельним блоком сучасних програмних додатків.

Сьогодні тенденції програмного забезпечення, зокрема хмарні обчислення, мережі та кібербезпека, переосмислюються з ML як першокласним громадянином. Враховуючи, що Web 3 є наступною ітерацією багатьох із цих програмних тенденцій, ML, ймовірно, відіграватиме основоположну роль в еволюції технологій Web 3. Розвиток тези про перетин ML і Web 3 вимагає розуміння як траєкторії впровадження можливостей ML у Stacks Web 3, так і деяких фундаментальних проблем.

Рівні інтелекту Web 3

Додавання машинного навчання в Web 3 не відбуватиметься як атомарна тенденція; скоріше, він буде розподілений між різними рівнями стеку Web 3. Інтелект, керований ML, може з’явитися на трьох ключових рівнях Web 3.

Інтелектуальні блокчейни

Сучасне покоління блокчейн-платформ зосереджено на створенні ключових розподілених обчислювальних компонентів, які забезпечують децентралізовану обробку фінансових транзакцій. Механізми консенсусу, структури mempool і оракули є одними з цих ключових будівельних блоків. Подібно до того, як CORE компоненти традиційних інфраструктур програмного забезпечення, такі як мережа та сховище, стають інтелектуальними, наступне покоління блокчейнів рівня 1 (базовий) і рівня 2 (супутній) включатиме в себе можливості, керовані ML. Наприклад, ми можемо подумати про середовище виконання блокчейну, яке використовує передбачення ML для транзакцій, щоб увімкнути широкомасштабований протокол консенсусу.

Інтелектуальні протоколи

Розумні контракти та протоколи є ще одним компонентом стеку Web 3, який почне включати можливості машинного навчання. DeFi, здається, є прототипом цієї тенденції. Ми недалеко побачимо покоління автоматизованих маркет-мейкерів DeFi (AMM) або протоколів кредитування, які включають більш інтелектуальну логіку на основі моделей ML. Наприклад, ми можемо уявити собі протокол позик, який використовує інтелектуальну оцінку для балансування типів позик з різних типів гаманців.

Інтелектуальні програми

Децентралізовані програми (dapps), ймовірно, стануть одними з найімовірніших рішень Web 3 для швидкого додавання функцій, керованих ML. Ми вже спостерігаємо цю тенденцію в NFT, але вона стане все більш поширеною. NFT наступного покоління перейдуть від статичних зображень до артефактів, які демонструють інтелектуальну поведінку. Деякі з цих NFT зможуть змінювати свою поведінку залежно від настрою аудиторії або профілю нових власників.

Зверху вниз, а не знизу вгору

Розглядаючи рівні інтелекту Web 3, ми могли б наївно припустити, що найлогічнішою є тенденція впровадження знизу вгору. Середовище виконання блокчейнів може стати інтелектуальним, і частина цього інтелекту може впливати на вищі рівні стеку, як-от протоколи DeFi або NFT. Тим не менш, існують серйозні технологічні обмеження, які змусять впровадження технологій машинного навчання в Web 3 Stacks«зверху вниз», а не «знизу вгору».

Корінь цих технологічних перешкод простежується в архітектурі поточного покоління середовища виконання блокчейнів. В принципі, блокчейни розроблені навколо розподіленої обчислювальної парадигми, яка координує різні вузли для виконання обчислень, які ведуть до консенсусу щодо обробки транзакцій.

Читайте також: Web 3 — це довга боротьба, варта боротьби

Такий підхід відрізняється від найсучасніших моделей ML, які вимагають складних тривалих обчислень для навчання та оптимізації, розроблених переважно для централізованих архітектур. Це тертя означає, що включення власних можливостей машинного навчання в середовище виконання блокчейну, хоча й можливо, потребуватиме деяких ітерацій.

Протоколи DeFi мають менше обмежень щодо застосування функцій машинного навчання, оскільки вони можуть покладатися на оракули та зовнішні інтелектуальні агенти, які можуть повністю скористатися наявними платформами машинного навчання. І це обмеження майже не існує для програм і NFT. З цієї точки зору ми вважаємо, що впровадження можливостей машинного навчання в рішеннях Web 3, швидше за все, Соціальні мережі низхідною траєкторією, що переходить від прикладних програм до протоколів до середовища виконання блокчейну, а не навпаки.

Intelligent Web3 вже тут

Письменник-фантаст Вільям Гібсон написав: «Майбутнє вже тут – воно просто розподілене нерівномірно», щоб пояснити траєкторію футуристичних Технології тенденцій. Ідея ідеально підходить для перетину ШІ та Web 3.

Швидка еволюція досліджень і Технології машинного навчання за останнє десятиліття призвела до появи величезної кількості платформ, фреймворків і API, які можна використовувати для додавання інтелектуальних можливостей до рішень Web 3. Ми вже бачимо окремі приклади інтелекту в додатках Web 3. тож ми можемо з упевненістю сказати, що інтелектуальний Web 3 уже існує, але не рівномірно розподілений.

Читайте також: Створення On-Ramp для Web 3