Discussão sobre Direções e Estratégias de Desenvolvimento de Web3 AI

As ações da Nvidia atingiram um novo recorde, e os avanços nos modelos multimodais aprofundaram as barreiras tecnológicas da IA do Web2. Desde o alinhamento semântico até a compreensão visual, desde a incorporação de alta dimensão até a fusão de características, modelos complexos estão integrando, a uma velocidade sem precedentes, diversas formas de expressão, construindo uma fortaleza de IA cada vez mais fechada. O mercado de ações dos EUA respondeu positivamente, com ações de criptomoedas e de IA apresentando um pequeno mercado em alta.

No entanto, esta onda está pouco relacionada com o campo das criptomoedas. As tentativas recentes no sentido da Web3 AI, especialmente na direção dos Agentes, apresentam um desvio de rumo: tentam montar um sistema modular multimodal à moda da Web2 usando uma estrutura descentralizada, na verdade é um desencontro duplo de tecnologia e pensamento. Com a forte acoplamento dos módulos, distribuição instável das características e demanda concentrada de poder computacional, a modularidade multimodal tem dificuldade em se estabelecer na Web3.

O futuro da Web3 AI não está na imitação, mas sim na manobra estratégica. Desde o alinhamento semântico em espaços de alta dimensão, passando pelo gargalo de informação nos mecanismos de atenção, até o alinhamento de características sob computação heterogênea, a Web3 AI precisa se guiar pela tática de "cercar a cidade a partir do campo".

A Web3 AI baseia-se em modelos multimodais achatados, e a dificuldade de alinhar semântica resulta em baixo desempenho. Um espaço de incorporação de alta dimensão é o pré-requisito para a modularização e a redução de custos, mas o protocolo Web3 Agent tem dificuldade em alcançar a incorporação de alta dimensão, tornando a modularização uma ilusão. A maioria dos Web3 Agents é apenas uma encapsulação de APIs prontas, carecendo de um espaço de incorporação central unificado e de um mecanismo de atenção entre módulos, não conseguindo formar uma otimização de ciclo fechado.

Em espaços de baixa dimensão, é difícil projetar mecanismos de atenção de forma precisa. A IA do Web2, ao projetar mecanismos de atenção, tem como representante o decodificador Transformer, cujo núcleo é o mecanismo Query-Key-Value. A IA do Web3 tem dificuldade em implementar uma programação unificada de atenção, devido à falta de representações vetoriais comuns, capacidade de ponderação paralela e agregação.

A modularização discreta resulta na fusão de características permanecendo na fase superficial de montagem estática. A IA do Web2 tende a treinos conjuntos de ponta a ponta, enquanto a IA do Web3 utiliza predominantemente a montagem de módulos discretos, carecendo de um objetivo de treino unificado e de um fluxo de gradiente entre módulos.

As barreiras da indústria de IA estão se aprofundando, mas os pontos de dor ainda não se manifestaram. Os sistemas multimodais de IA do Web2 são projetos de engenharia extremamente grandes, que requerem enormes quantidades de dados, muito poder de computação e treinamento prolongado. Isso constitui uma forte barreira de entrada na indústria, mas também deixa oportunidades para o desenvolvimento futuro da IA do Web3.

A Web3 AI deve desenvolver-se com a tática de "zonas rurais cercando as cidades", testando em pequena escala em cenários periféricos e aguardando a oportunidade de cenários centrais. A vantagem do Web3 AI reside na descentralização, sendo adequado para tarefas leves, de fácil paralelização e que possam ser incentivadas, como ajuste fino de LoRA, treinamento após alinhamento comportamental, processamento de dados por crowdsourcing, entre outros.

Atualmente, as barreiras da IA Web2 ainda estão em formação inicial, e a IA Web3 precisa escolher cuidadosamente seus pontos de entrada. É importante focar em projetos que possam iterar continuamente em pequenos cenários e que sejam flexíveis, a fim de se adaptar às barreiras e pontos críticos potenciais que mudam dinamicamente. A dependência excessiva de protocolos com infraestrutura ou arquitetura de rede grandes pode acarretar riscos de eliminação.