Завьялов Илья Николаевич про AI.

Artificial Intelligence — Искусственный интеллект (в переводе с англ.). ИИ — это имитиация человеческого интеллекта компьютерными системами.

Если вы в первый раз сталкиваетесь с этим термином (в чем я сомневаюсь), то легче всего будет объяснить это словосочетание через следующий пример.

Каждый раз, когда мы в первый раз открывали клиент, то всегда возникала проблема с первичной настройкой. Нажать туда, нажать сюда, и вроде бы есть “подсказки”, но так или иначе приходится разбираться самому.

А теперь представьте умного ассистента, в мозгах которого лежит вся игра и все возможные сценарии поведения геймера. По вашему запросу, он даст конкретные указания по настройке и в конечном счете, обеспечит низкий уровень входа в ваш игровой процесс.

Этот “Умный ассистент” называется — Искусственным Интеллектом.

А процесс, где в его “мозги” загружается информация в нужном вам контексте называется — Machine Learning (ML).

Этот же ассистент, который поможет вам настроить игру и решить задачу по математике 3 класса, тоесть имеет под собой сложный фундамент из информации будет называться Искусственным Интеллектом оснащенный большой языковой моделью — Large Language Model (LLM). Этот “ассистент” загружают огромной базой данных по таким мелочным вещам как: “Что будет если сброситься со стула?”. Чем больше информации, тем более обученным будет наш ИИ ассистент. И тем более конструктивными будут ответы на основе личных предпочтений конечного клиента.

Самое главное, что нужно понять по LLM — специфический тип ИИ, который способен понимать и генерировать текст на естественном языке. Он может анализировать и создавать текст, что делает его полезным для множества задач, включая те, что мы отметили выше.

ChatGPT первый флагманский инструмент, который запустил тренд для остальных чат-ботов. Уже сегодня мы можем взаимодействовать с тем же chatgpt прсредством голоса или создать изображение в MidJourney, если этого вам недостаточно, то можно к примеру воспользоваться приложением от GitHub «Copilot», который будет давать вам советы по написанию кода и проведет аудит, вдруг если вы пишите программное обеспечение.

Как они этого достигли?

Основной элемент технологии, который питает ChatGPT и другие инструменты на базе ИИ, известен как большая языковая модель или LLM. Эти сложные элементы технологии ИИ по сути являются комбинацией методов глубокого обучения / алгоритмов и очень больших наборов данных, которые работают вместе, чтобы создать модель искусственного интеллекта, способную предсказывать и обобщать знания.

Взаимодействия между людьми и LLM обрабатываются на естественном языке, при этом большинство LLM создаются специально с учетом обработки естественного языка (NLP). Пользователь задает чат-боту вопрос на естественном языке, а чат-бот затем использует свою базовую технологию, данные обучения и возможности, чтобы предоставить ответ пользователю наилучшим образом.

Меня зовут Завьялов Илья Николаевич. Я предприниматель и увлекаюсь финансами. Добро пожаловать в мой блог.

Medium — medium.com/@IliaNicolaevichZavialov 

Substack — ilianicolaevichzavialov.substack.com/

После того как Chatgpt вышел в «майннет», корпорации поняли, что теряют целевую аудиторию и им нужно включаться. Так, в свет выходит Bing, NVIDIA Canvas, Copilot, DALL-E2, Яндекс Алиса и тд.

Рассматривая здесь и сейчас, я вижу как и положительные так и отрицательные стороны ИИ. Разберем по порядку:

Преимущества:

• Облегчение рутинной работы
• Делегирование своих незначительных задач в руки ИИ
• Большая база данных + быстрый фидбек экономят часы времени на поиск нужной информации
• Быстрая адаптация в сторонних клиентах
• Отсутствие человеческого фактора
• Круглосуточная консультация

Недостатки:

• Обработка персональных данных
• Отстутствие понимания контекста (на слабом уровне)
• Ограниченность знаний
• Сложность и стоимость (при разработке)
• Проблемы безопасности и приватности

We still early, это важно понимать. AI сектор стремительно развивается, и у нас есть уникальная возможность занять место под тенью венчурных капиталистов, которые закидывают свои $ лопатами. Предлагаю прочитать мнение личностей, которые активно притягивают свое внимание инвестициями и покупками стартапов на ранних стадиях:

Artur Hayes:

Грядет бум фиатной ликвидности.

Искусственный интеллект переживает активное принятие. Это направление исследуется с тех пор, как в середине 20 века были изобретены компьютеры, но только сейчас, почти 70 лет спустя, приложения ИИ становятся полезными для сотен миллионов людей. Рост и скорость, с которой изменится наша жизнь благодаря думающим машинам, будут поразительными.

Имея на руках десятки триллионов бесплатного фиата, все —от политиков и хедж-фондов до венчурных инвесторов — будут вкладывать его в то, что косвенно связано с искусственным интеллектом. На самом деле бум ИИ еще даже не начался.

Просто подождите, пока крупные центральные банки начнут печатать деньги, чтобы спасти свои национальные правительства от банкротства. Огромное количество капитала и внимание, сосредоточенные на этой «новой» технологии, будет чем-то невиданным ранее.

Напечатанные бумажные деньги и стремительное внедрение искусственного интеллекта создадут самый большой финансовый пузырь из когда-либо существовавших.

Но к черту все это — давайте веселиться, как в 2019 году!

Marc Andreessen:

Вместо того чтобы позволять необоснованным паникам относительно убийственного ИИ, «вредного» ИИ, разрушающего рабочие места ИИ и порождающего неравенство ИИ поставить нас на задние ноги, мы в Соединенных Штатах и на Западе должны настоятельно поддерживать ИИ и вкладываться в него так сильно, как только можем.

Мы должны стремиться выиграть гонку к глобальному технологическому превосходству в области ИИ и гарантировать, что Китай этого не делает.

В процессе мы должны внедрять ИИ в нашу экономику и общество так быстро и решительно, как только можем, чтобы максимизировать его выгоды для экономической продуктивности и человеческого потенциала.

Это лучший способ как компенсировать реальные риски ИИ, так и гарантировать, что наш образ жизни не будет заменен тем гораздо темнее видением Китая.

Применение AI в крипте.

На самом деле приятно видеть как формируется контекст и возрастающая неэффективность с недооценкой AI как полноценного сектора. Понятное дело, что у большинства из нас нет возможности инвестировать в стартапы которые что-то там разрабатывают. И тут в игру вступает крипта.

Для начала выделим основные трудности с которыми сталкивается крипта сегодня и сразу решения от машинного обучения AI:

• Волатильность

• Безопасность

• Масштабируемость

• Управление

• Обучение

• Прозрачность

Программирование AI сосредоточено на 3-х когнитивных навыках:

1. Рассуждении.
2. Обучении.
3. Самокоррекции.

Сам AI делится на 2 типа:

• Сильный AI — системы с сильным ИИ могут выполнять задачи, подобные человеческим: Распознование речи, Обработка естественного языка (NLP), Компьютерное зрение. Как пример, автономные машины (tesla).
• Слабый AI — разработка для выполнения конкретной работы. Такие как персональные помощники (Siri [пока что нет полноценной интеграции ИИ], Bing, MidJourney).

AI x Web3

Складывая пазл представим, как простые юзеры используя открытые журналы блокчейнов в связке с AI могли бы извлекать пользу от этого непростого слияния.

Начнем с продвинутого DeFi протокола, который оценивает риски пользователя при покупке/продаже своих активов с учетом спреда, impact и агрегатором в то же время, который предложит сторонний клиент для более выгодного обмена. И еще несколько направлений.

Социальные сети. Персонализированный контент на основе предпочтений пользователя, продвинутый UX дизайн клиентов на основе рекомендаций AI, с огромной базой данных опыта успешных/провальных стартапов в этой области.

Игры на блокчейне. Представьте продвинутых ботов которые встречаются при прохождении квестов, увеличивая положительный опыт геймера от процесса (Создание реалистичной среды NPC)

LLM для индексации данных и извлечения метрик. Предполагается, что на основе LLM извлечение информации из блокчейна для анализа данных будет иметь огромный потенциал для торговых возможностей. Открытая природа публичных блокчейнов + продвинутые языковые модели ИИ приведут к увеличению прозрачности, безопасности и эффективности в области цифровых транзакций, что, в свою очередь, может способствовать более широкому принятию и использованию технологии блокчейн в различных отраслях.

Интеллектуальные dapps. Мы не далеко от того, чтобы увидеть компьютеризованные маркет-мейкеры DeFi (AMM) или протоколы кредитования с более интеллектуальной логикой, основанной на моделях ML.

Если Web3 масштабирует создание сообщества, то ИИ более легко масштабирует производство контента. Вместе они создают быстрорастущий контент, созданный быстрорастущим сообществом. И это означает огромные перспективы, которые открываются перед нами.

Децентрализованный AI

Децентрализованный AI — это подход, который сочетает в себе мощь искусственного интеллекта с децентрализованными технологиями, такими как блокчейн и распределенные вычисления. Используя децентрализованные вычислительные ресурсы и хранение данных, модели AI могут быть обучены и использованы в распределенном порядке. Этот подход предлагает несколько преимуществ, включая улучшенную конфиденциальность, безопасность и уменьшенную зависимость от централизованных сущностей.

Децентрализованный AI также может использовать вычислительные ресурсы множества устройств или узлов в распределенной сети для выполнения сложных вычислений, таких как обучение больших моделей AI или проведение симуляций. Это может привести к более эффективным и масштабируемым системам AI и уменьшить зависимость от централизованной вычислительной инфраструктуры.

Использование множества вычислительных устройств или узлов в распределенной сети, это критически важная составляющая для ИИ.

Сегодня, модели обучаются на базе корпоративных серверов. Они централизованны, не подотчетны и не прозрачны. В свою очередь, это создает трудность для простых пользователей, которые используют клиент и рискуют своей личной информацией, на базе которой обучается ИИ.

Рынки прогнозов

Тут скрещиваются 2 фактора: автоматизация и оптимизация. ИИ-бот может давать прогноз по рынку на основе своей большой языковой модели, которой он обучен.

Например, на платформе Omen три типа агентов: создатель рынка, AI Mech и торговый агент работают вместе для создания, анализа и торговли на рынках.

Оценка влияния

ИИ может давать оценку влияния того или иного голоса для DAO. Зачастую бывает так, что мы можем упустить критически важный элемент при принятии решении, + ко всему эмоциональный фон, играет злую шутку в последствии (когда человек уже принял для себя решение и хочет ее обосновать) ИИ лишен эмоций и человеческого фактора, единственное упущение которое он может допустить связано с его языковой моделью откуда вытекает недостаточно хорошую обученность, которую должен был контролировать разработчик.

Olas Contribute, служащий инструментом координации Olas DAO, использует автономные услуги для AI-ификации операций DAO. Одной из функций является автономная, AI-ифицированная оценка вклада сообщества.

AI-Управляемая делегация DAO

Согласитесь, не все из нас идут активно голосовать на DAO и ломать свою голову над пропоузалом, который нужен для разработчиков. Этот процесс можно упростить путем доверия незначительных (для сообщества голосов) ИИ-агенту, который будет оценивать риски/возможности, а затем предоставлять эту информацию широкой аудитории и тем самым облегчить процесс голосования.

Valory’s Governatooorr — это экспериментальная автономная служба, действующая в качестве AI-делегата управления в более чем 14 000 DAO.

Используя LLM, он может активно следить, а затем анализировать предложения DAO, применять избирательные предпочтения пользователя и голосовать, потенциально укрепляя управление DAO AI для крупнейших DAO в Web3.