Es una evolución lógica que las plataformas Web 3 incorporen inteligencia artificial (IA) nativa.

La IA está influyendo en todas las categorías de software, por lo que la Web 3 no debería ser una excepción. Pero existen obstáculos técnicos fundamentales sobre las Stacks de Web 3 para la adopción de tecnologías de inteligencia artificial.

En artículos anteriores de CoinDesk, hablé de la relevancia de las técnicas de inteligencia artificial para las Finanzas descentralizadas (DeFi) y los tokens no fungibles (NFT). Más allá de comprender su valor claro, es importante ver cómo la IA puede ingresar al espacio de la Web 3 en un futuro NEAR , y qué principales obstáculos impiden actualmente que esto se materialice.

Jesús Rodríguez es CTO y cofundador de la plataforma de datos blockchain IntoTheBlock, además de científico jefe de la firma de inteligencia artificial Invector Labs e inversionista activo, orador y autor en Cripto e inteligencia artificial.

“El software se está comiendo el mundo”, dijo el gigante del capital de riesgo Marc Andreessen en 2011, sintetizando la idea de que las empresas que operan en el mundo físico estaban haciendo la transición a ONE digital y que el software sería su piedra angular.

Sigue leyendo: ¿Qué es la Web 3 y por qué todo el mundo habla de ella?

Ahora, podemos decir que “ el aprendizaje automático (ML) se está comiendo el software” para señalar una tendencia inminente en la que la mayor parte del software del mundo se reescribirá con AI/ML como sus componentes CORE . Cuando piensas en los componentes omnipresentes de las aplicaciones de software, te vienen a la mente capacidades como las bases de datos y la identidad. La inteligencia, en forma de modelos de IA/ML, se está convirtiendo constantemente en otro componente fundamental de las aplicaciones de software modernas.

Hoy en día, las tendencias de software, incluida la computación en la nube, las redes y la seguridad cibernética, se están reinventando con ML como un ciudadano de primera clase. Dado que la Web 3 es la próxima versión de muchas de esas tendencias de software, el aprendizaje automático probablemente desempeñará un papel fundamental en la evolución de las tecnologías Web 3. Desarrollar una tesis sobre la intersección de ML y Web 3 requiere comprender tanto la trayectoria de adopción de capacidades de ML en las Stacks de Web 3 como algunos de los desafíos fundamentales.

La incorporación de ML en la Web 3 no ocurrirá como una tendencia atómica; más bien, se distribuirá en diferentes capas de la pila Web 3. La inteligencia impulsada por ML puede surgir en tres capas clave de la Web 3.

Cadenas de bloques inteligentes

La generación actual de plataformas blockchain se ha centrado en construir componentes informáticos distribuidos clave que permitan el procesamiento descentralizado de transacciones financieras. Los mecanismos de consenso, las estructuras de mempool y los oráculos son algunos de estos componentes clave. Así como los componentes CORE de las infraestructuras de software tradicionales, como las redes y el almacenamiento, se están volviendo inteligentes, la próxima generación de cadenas de bloques de capa 1 (base) y capa 2 (complementaria) incorporará de forma nativa capacidades impulsadas por ML. Por ejemplo, podemos pensar en el tiempo de ejecución de blockchain que utiliza una predicción de ML para transacciones para permitir un protocolo de consenso enormemente escalable.

Protocolos inteligentes

Los contratos y protocolos inteligentes son otro componente de la pila Web 3 que comenzará a incorporar capacidades de ML. DeFi parece ser el ejemplo prototípico de esta tendencia. No estamos lejos de ver una generación de creadores de mercado automatizados (AMM) de DeFi o protocolos de préstamos que incorporen una lógica más inteligente basada en modelos de ML. Por ejemplo, podemos imaginar un protocolo de préstamos que utilice una puntuación inteligente para equilibrar los tipos de préstamos de diferentes tipos de billeteras.

aplicaciones inteligentes

Es probable que las aplicaciones descentralizadas (dapps) se conviertan en una de las soluciones Web 3 con más probabilidades de agregar rápidamente funciones impulsadas por ML. Ya estamos viendo esta tendencia en las NFT, pero será cada vez más generalizada. Las NFT de próxima generación pasarán de imágenes estáticas a artefactos que muestren un comportamiento inteligente. Algunos de estos NFT podrán cambiar su comportamiento en función del estado de ánimo de su audiencia o del perfil de los nuevos propietarios.

Al considerar las capas de inteligencia de la Web 3, podríamos suponer ingenuamente que una tendencia de adopción ascendente es lo más lógico. Los tiempos de ejecución de blockchain pueden volverse inteligentes, y parte de esa inteligencia puede influir en capas superiores de la pila, como los protocolos DeFi o NFT. Sin embargo, existen serias limitaciones tecnológicas que obligarían a una adopción descendente, en lugar de ascendente, de tecnologías de aprendizaje automático en las Stacks Web 3.

La raíz de estos obstáculos tecnológicos se remonta a la arquitectura de la generación actual de tiempos de ejecución de blockchain. En principio, las cadenas de bloques están diseñadas en torno a un paradigma de computación distribuida que coordina diferentes nodos para realizar cálculos que conduzcan a un consenso sobre el procesamiento de transacciones.

Sigue leyendo: Web 3 es una larga lucha que vale la pena librar

Ese enfoque contrasta con los modelos de aprendizaje automático de última generación que requieren cálculos complejos y de larga duración para el entrenamiento y la optimización, que han sido diseñados principalmente para arquitecturas centralizadas. Esta fricción significa que incorporar capacidades nativas de ML en los tiempos de ejecución de blockchain, aunque es posible, requerirá algunas iteraciones.

Los protocolos DeFi tienen menos limitaciones a la hora de adoptar funciones de ML, ya que pueden depender de oráculos y agentes inteligentes externos que pueden beneficiarse plenamente de las plataformas de ML existentes. Y la limitación es casi inexistente para dapps y NFT. Desde esta perspectiva, creemos que la adopción de capacidades de aprendizaje automático en las soluciones Web 3 probablemente Síguenos una trayectoria de arriba hacia abajo que vaya desde dapps hasta protocolos y tiempos de ejecución de blockchain en lugar de lo contrario.

El escritor de ciencia ficción William Gibson escribió: “El futuro ya está aquí, pero no está distribuido uniformemente” para explicar la trayectoria de las tendencias Tecnología futuristas. La idea se aplica perfectamente a la intersección de la IA y la Web 3.

La rápida evolución de la investigación y la Tecnología de ML en la última década se ha traducido en una cantidad abrumadora de plataformas, marcos y API de ML que se pueden utilizar para agregar capacidades inteligentes a las soluciones Web 3. Ya estamos viendo ejemplos aislados de inteligencia en aplicaciones Web 3. por lo que podemos decir con seguridad que la Web 3 inteligente ya está aquí, sólo que no distribuida de manera uniforme.

Sigue leyendo: Creación de la rampa de acceso para Web 3