Ito ay isang lohikal na ebolusyon para sa mga platform ng Web 3 upang isama ang katutubong artificial intelligence (AI).

Naiimpluwensyahan ng AI ang bawat kategorya ng software kaya T dapat maging exception ang Web 3. Ngunit may mga pangunahing, teknikal na mga hadlang tungkol sa Web 3 Stacks para sa pag-aampon ng mga teknolohiya ng AI.

Sa mga nakaraang artikulo sa CoinDesk, tinalakay ko ang kaugnayan ng mga diskarte ng AI para sa desentralisadong Finance (DeFi) at mga non-fungible token (NFT). Higit pa sa pag-unawa sa kanilang malinaw na halaga, mahalagang makita kung paano makapasok ang AI sa puwang sa Web 3 sa NEAR na hinaharap, at kung anong mga pangunahing hadlang sa daan ang kasalukuyang pumipigil dito na magkatotoo.

Si Jesus Rodriguez ay CTO at co-founder ng blockchain data platform na IntoTheBlock, pati na rin ang punong siyentipiko ng AI firm na Invector Labs at isang aktibong mamumuhunan, tagapagsalita at may-akda sa Crypto at artificial intelligence.

"Kinakain ng software ang mundo" ang venture capital giant na si Marc Andreessen ay nagsabi noong 2011, na pinagsasama-sama ang ideya na ang mga kumpanyang tumatakbo sa pisikal na mundo ay lumipat sa ONE digital at ang software na iyon ang kanilang mga pundasyon.

Read More: Ano ang Web 3 at Bakit Pinag-uusapan Ito ng Lahat?

Ngayon, masasabi natin na ang “ machine learning (ML) ay kumakain ng software” para matukoy ang paparating na trend kung saan karamihan sa software ng mundo ay muling isusulat gamit ang AI/ML bilang CORE mga bloke ng pagbuo nito. Kapag iniisip mo ang tungkol sa omnipresent na mga bahagi ng mga software application, naiisip ang mga kakayahan gaya ng mga database at pagkakakilanlan. Ang katalinuhan, sa anyo ng mga modelo ng AI/ML, ay patuloy na nagiging isa pang pundasyon ng pagbuo ng mga modernong application ng software.

Sa mga araw na ito, ang mga uso sa software, kabilang ang cloud computing, networking at cyber security ay muling naiisip sa ML bilang isang first-class na mamamayan. Dahil ang Web 3 ang susunod na pag-ulit ng marami sa mga trend ng software na iyon, malamang na gaganap ang ML ng isang pangunahing papel sa ebolusyon ng mga teknolohiya ng Web 3. Ang pagbuo ng isang thesis tungkol sa intersection ng ML at Web 3 ay nangangailangan ng pag-unawa sa parehong trajectory ng pagpapatibay ng mga kakayahan ng ML sa Web 3 Stacks pati na rin ang ilan sa mga pangunahing hamon.

Ang pagdaragdag ng ML sa Web 3 ay hindi mangyayari bilang isang atomic trend; sa halip, ikakalat ito sa iba't ibang layer ng Web 3 stack. Maaaring lumabas ang ML-driven na intelligence sa tatlong pangunahing layer ng Web 3.

Mga matalinong blockchain

Ang kasalukuyang henerasyon ng mga platform ng blockchain ay nakatuon sa pagbuo ng mga pangunahing bahagi ng computing na ipinamamahagi na nagbibigay-daan sa desentralisadong pagproseso ng mga transaksyong pinansyal. Ang mga mekanismo ng pinagkasunduan, mga istruktura ng mempool at mga orakulo ay ilan sa mga pangunahing bloke na ito. Kung paanong nagiging matalino ang mga CORE bahagi ng mga tradisyunal na imprastraktura ng software tulad ng networking at storage, ang susunod na henerasyon ng layer 1 (base) at layer 2 (kasama) na mga blockchain ay katutubong isasama ang mga kakayahan na hinihimok ng ML. Halimbawa, maiisip natin ang runtime ng blockchain na gumagamit ng hula sa ML para sa mga transaksyon upang paganahin ang isang napakalaking nasusukat na consensus protocol.

Mga matalinong protocol

Ang mga matalinong kontrata at protocol ay isa pang bahagi ng Web 3 stack na magsisimulang isama ang mga kakayahan ng ML. Tila ang DeFi ang prototypical na halimbawa para sa trend na ito. Hindi na tayo malayong makakita ng henerasyon ng mga DeFi automated market maker (AMM) o mga protocol sa pagpapahiram na nagsasama ng mas matalinong lohika batay sa mga modelo ng ML. Halimbawa, maaari nating isipin ang isang protocol sa pagpapautang na gumagamit ng isang matalinong marka upang balansehin ang mga uri ng mga pautang mula sa iba't ibang uri ng mga wallet.

Matalinong dapps

Ang mga desentralisadong application (dapps) ay malamang na maging kabilang sa mga pinaka-malamang na solusyon sa Web 3 upang mabilis na magdagdag ng mga feature na hinimok ng ML. Nakikita na natin ang trend na ito sa mga NFT, ngunit lalo itong laganap. Ang mga susunod na henerasyong NFT ay lilipat mula sa mga static na larawan patungo sa mga artifact na nagpapakita ng matalinong pag-uugali. Mababago ng ilan sa mga NFT na ito ang kanilang pag-uugali batay sa mood ng kanilang audience o sa profile ng mga bagong may-ari.

Sa pagsasaalang-alang sa mga layer ng Web 3 intelligence, maaari nating ipagpalagay na ang trend ng bottom-up na adoption ay pinaka-lohikal. Maaaring maging matalino ang mga runtime ng Blockchain, at ang ilan sa intelligence na iyon ay maaaring makaimpluwensya sa mas matataas na layer ng stack tulad ng mga DeFi protocol o NFT. Gayunpaman, may mga seryosong limitasyon sa teknolohiya na magpipilit sa isang top-down, sa halip na bottom-up, na pag-ampon ng mga teknolohiya ng ML sa Web 3 Stacks.

Ang ugat ng mga teknolohikal na hadlang na ito ay bakas sa arkitektura ng kasalukuyang henerasyon ng mga runtime ng blockchain. Sa prinsipyo, ang mga blockchain ay idinisenyo sa paligid ng isang distributed computing paradigm na nag-coordinate ng iba't ibang mga node upang magsagawa ng mga computations na humahantong sa isang consensus tungkol sa pagproseso ng mga transaksyon.

Read More: Ang Web 3 ay Isang Mahabang Labanan na Karapat-dapat Labanan

Ang diskarteng iyon ay kaibahan sa mga makabagong modelo ng ML na nangangailangan ng kumplikado, matagal na pag-compute para sa pagsasanay at pag-optimize na kadalasang idinisenyo para sa mga sentralisadong arkitektura. Ang friction na ito ay nangangahulugan na ang pagsasama ng mga native na kakayahan ng ML sa mga runtime ng blockchain, bagama't posible, ay mangangailangan ng ilang mga pag-ulit.

Ang mga protocol ng DeFi ay may mas kaunting mga limitasyon mula sa pagtanggap ng mga feature ng ML dahil maaari silang umasa sa mga orakulo at external na intelligent na ahente na ganap na makikinabang sa mga kasalukuyang platform ng ML. At ang limitasyon ay halos wala para sa mga dapps at NFT. Mula sa pananaw na ito, sa tingin namin ang paggamit ng mga kakayahan ng ML sa mga solusyon sa Web 3 ay malamang na Social Media sa isang top-down na trajectory mula sa mga dapps hanggang sa mga protocol hanggang sa mga runtime ng blockchain sa halip na sa kabaligtaran.

Isinulat ng manunulat ng science fiction na si William Gibson, "Narito na ang hinaharap - hindi ito pantay na ipinamahagi" upang ipaliwanag ang tilapon ng mga uso sa futuristic Technology . Ang ideya ay ganap na naaangkop sa intersection ng AI at Web 3.

Ang mabilis na ebolusyon ng pananaliksik at Technology ng ML sa nakalipas na dekada ay isinalin sa napakaraming bilang ng mga platform, framework, at API ng ML na maaaring magamit upang magdagdag ng matatalinong kakayahan sa mga solusyon sa Web 3. Nakakakita na kami ng mga nakahiwalay na halimbawa ng katalinuhan sa mga Web 3 na application. kaya ligtas nating masasabi na narito na ang matalinong Web 3, hindi lang pantay-pantay.

Read More: Paglikha ng On-Ramp para sa Web 3