Discusión sobre direcciones y estrategias de desarrollo de Web3 AI

El precio de las acciones de Nvidia alcanzó un nuevo máximo, y el avance de los modelos multimodales ha profundizado la barrera tecnológica de la IA en Web2. Desde la alineación semántica hasta la comprensión visual, desde la incrustación de alta dimensión hasta la fusión de características, los modelos complejos están integrando de manera unprecedented diversas formas de expresión a una velocidad sin precedentes, construyendo una alta tierra de IA cada vez más cerrada. El mercado de valores de EE. UU. ha respondido positivamente, y las acciones de criptomonedas y de IA han mostrado un pequeño mercado alcista.

Sin embargo, este auge está poco relacionado con el campo de las criptomonedas. Recientemente, los intentos de Web3 AI, especialmente en la dirección de los Agentes, presentan desviaciones: intentan ensamblar un sistema modular multimodal al estilo Web2 con una estructura descentralizada, lo que en realidad es un desajuste tanto técnico como de pensamiento. En un contexto donde la acoplabilidad de los módulos es fuerte, la distribución de características es inestable y la demanda de potencia de cálculo es centralizada, es difícil que la modularidad multimodal tenga un lugar en Web3.

El futuro de Web3 AI no está en la imitación, sino en la estrategia de rodeo. Desde la alineación semántica en espacios de alta dimensión, hasta el cuello de botella de información en mecanismos de atención, y la alineación de características bajo potencia de cálculo heterogénea, Web3 AI necesita utilizar la táctica de "la aldea rodeando la ciudad" como guía.

Web3 AI se basa en modelos multimodales aplanados, y la dificultad de alinear los semánticos provoca un bajo rendimiento. El espacio de incrustación de alta dimensión es un requisito previo para lograr una reducción de costos y una mejora de eficiencia modular, pero el protocolo Web3 Agent tiene dificultades para lograr incrustaciones de alta dimensión, convirtiendo la modularidad en una ilusión. La mayoría de los Web3 Agents solo encapsulan APIs existentes, careciendo de un espacio de incrustación central unificado y de un mecanismo de atención entre módulos, lo que impide la formación de una optimización de ciclo cerrado.

En un espacio de baja dimensión, es difícil diseñar mecanismos de atención con precisión. La IA de Web2, al diseñar mecanismos de atención, se representa mediante el decodificador Transformer, cuyo núcleo es el mecanismo de Consulta-Clave-Valor. La IA de Web3 tiene dificultades para implementar una programación de atención unificada debido a la falta de una representación vectorial común, así como a la capacidad de ponderación y agregación paralela.

La modularidad discreta de los módulos conduce a que la fusión de características se quede en una etapa superficial de ensamblaje estático. La IA de Web2 tiende a un entrenamiento conjunto de extremo a extremo, mientras que la IA de Web3 utiliza predominantemente un ensamblaje modular discreto, careciendo de un objetivo de entrenamiento unificado y de un flujo de gradiente entre módulos.

Las barreras en la industria de la IA están profundizándose, pero los puntos de dolor aún no se han manifestado. Los sistemas multimodales de IA de Web2 son proyectos de ingeniería extremadamente grandes, que requieren enormes cantidades de datos, gran capacidad de cálculo y entrenamiento a largo plazo. Esto constituye una fuerte barrera en la industria, pero también deja oportunidades para el desarrollo de la IA de Web3 en el futuro.

La IA de Web3 debería desarrollarse con la táctica de "la zona rural rodeando la ciudad", realizando pruebas a pequeña escala en escenarios periféricos y esperando que surjan oportunidades en los escenarios centrales. La ventaja de la IA de Web3 radica en su descentralización, lo que la hace adecuada para tareas ligeras, fáciles de paralelizar y que se pueden incentivar, como el ajuste fino de LoRA, el entrenamiento después de la alineación del comportamiento y el procesamiento de datos de crowdsourcing.

Actualmente, las barreras de la IA de Web2 aún se están formando en una etapa inicial, y la IA de Web3 necesita elegir cuidadosamente sus puntos de entrada. Se debe prestar atención a los proyectos que pueden iterar continuamente en pequeños escenarios y que tienen flexibilidad, para adaptarse a las barreras y puntos de dolor potenciales que cambian dinámicamente. La dependencia excesiva de la infraestructura o de protocolos con arquitecturas de red grandes puede enfrentar el riesgo de ser eliminada.