Machine Translated by Google

Investigación de galaxias

Comprender la
intersección de las
criptomonedas y la IA
14 DE FEBRERO DE 2022
Machine Translated by Google

Comprender la intersección de las criptomonedas y la IA 2

Autor &
Agradecimientos

Lucas Tcheyan
Investigación de galaxias

Este informe es un producto de Galaxy Research, una organización de investigación dentro de Galaxy, el proveedor líder de servicios financieros en el
sector de activos digitales, criptomonedas y tecnología blockchain. Galaxy Research ofrece comentarios de mercado de primer nivel, vistas temáticas, conocimientos
tácticos e investigación de protocolos en profundidad.

Este informe fue escrito en febrero de 2024.

Vea nuestra investigación disponible públicamente en www.galaxy.com/research. Contáctenos en research@galaxy.com.

Machine Translated by Google

Comprender la intersección de las criptomonedas y la IA 3

Contenido
Introducción 4

Conclusiones clave 4

Terminología 5

Mapa del mercado de criptomonedas/IA 6

Computación descentralizada 7
Descripción general 7

Verticales de computación descentralizada 7

Computación generalizada 8

Mercados secundarios 8

Capacitación en aprendizaje automático descentralizado 10

Inteligencia generalizada descentralizada 12

Creación de una pila informática descentralizada para modelos de IA 13

Otras ofertas descentralizadas 14

panorama 15

Contratos inteligentes y zkML dieciséis

Aprendizaje automático de conocimiento cero (zkML) dieciséis

Infraestructura y herramientas dieciséis

Coprocesadores 18

Aplicaciones 18
panorama 19

Agentes de IA 20

Proveedores de agentes 20

Agentes de Bitcoin e IA 20
panorama 21

Conclusión 22
Machine Translated by Google

Comprender la intersección de las criptomonedas y la IA 4

Introducción
La llegada de las cadenas de bloques públicas es uno de los avances más profundos en la historia de la informática. Pero el desarrollo de la

inteligencia artificial tendrá, y ya está teniendo, un profundo impacto en nuestro mundo. Si la tecnología blockchain proporciona una nueva plantilla
para la liquidación de transacciones, el almacenamiento de datos y el diseño de sistemas, la inteligencia artificial es una revolución en la computación,
el análisis y la entrega de contenidos.
La innovación en las dos industrias está desbloqueando nuevos casos de uso que podrían acelerar la adopción de ambas en los próximos años.
Este informe explora las integraciones en curso de criptografía e inteligencia artificial con un enfoque en casos de uso novedosos que intentan
cerrar la brecha entre los dos, aprovechando el poder de ambos. Específicamente, este informe examina proyectos que desarrollan protocolos
informáticos descentralizados, infraestructura de aprendizaje automático de conocimiento cero (zkML) y agentes de inteligencia artificial.

Crypto proporciona a la IA una capa de liquidación sin permiso, sin confianza y componible. Esto desbloquea casos de uso como hacer que el hardware

sea más accesible a través de sistemas informáticos descentralizados, crear agentes de inteligencia artificial que puedan ejecutar tareas complejas
que requieren el intercambio de valor y desarrollar soluciones de identidad y procedencia para combatir los ataques de Sybil y las falsificaciones
profundas.

La IA aporta a las criptomonedas muchos de los mismos beneficios que vemos en la Web 2.
Esto incluye una experiencia de usuario (UX) mejorada tanto para usuarios como para desarrolladores gracias a modelos de lenguaje grande (es
decir, versiones especialmente entrenadas de ChatGPT y Copilot), así como el potencial de mejorar significativamente la funcionalidad y
automatización de los contratos inteligentes. Las cadenas de bloques son los entornos transparentes y ricos en datos que necesita la IA.
Pero las cadenas de bloques también tienen una capacidad computacional limitada, un obstáculo importante para la integración

directa de los modelos de IA.

La fuerza impulsora detrás de la experimentación en curso y la eventual adopción en la intersección de las criptomonedas y la IA es la misma que
impulsa muchos de los casos de uso más prometedores de las criptomonedas: el acceso a una capa de coordinación sin permiso y sin confianza que
facilita mejor la transferencia de valor. Dado el enorme potencial, los participantes en el espacio deben comprender las formas fundamentales
en que se cruzan las dos tecnologías.

Conclusiones clave
• La integración de las criptomonedas y la IA en el futuro inmediato (de 6 meses a 1 año) estará dominada por aplicaciones de IA que
mejoren la eficiencia de los desarrolladores, la auditabilidad y seguridad de los contratos inteligentes y la accesibilidad de los usuarios.

Estas integraciones no son específicas de las criptomonedas, sino que mejoran la experiencia del usuario y del desarrollador en cadena.

• Las ofertas de computación descentralizada están implementando ofertas de GPU adaptadas a la IA justo cuando hay una escasez
significativa de GPU de alto rendimiento, lo que proporciona un viento de cola para la adopción.

• La experiencia del usuario y la regulación siguen siendo obstáculos para incorporar clientes de computación descentralizada.
Sin embargo , los recientes desarrollos en OpenAI , así como las revisiones regulatorias en curso en los Estados Unidos, resaltan la propuesta de
valor de las redes de IA descentralizadas, resistentes a la censura y sin permiso.

• Integraciones de IA en cadena, especialmente para contratos inteligentes capaces de utilizar modelos de IA,
Requieren mejoras en la tecnología zkML y otros métodos computacionales que verifiquen la computación fuera de la cadena
dentro de la cadena. La falta de herramientas integrales y talento de desarrollador, así como los altos costos, son barreras para la
adopción.

• Los agentes de IA son muy adecuados para las criptomonedas, donde los usuarios (o los propios agentes) pueden crear billeteras para
realizar transacciones con otros servicios, agentes o personas. Actualmente, esto no es posible utilizando los rieles financieros tradicionales.
Se necesita una integración adicional con productos no criptográficos para una adopción más amplia.
Machine Translated by Google

Comprender la intersección de las criptomonedas y la IA 5

Terminología
La Inteligencia Artificial es el uso de la computación y las máquinas para imitar las capacidades de razonamiento y resolución de
problemas de los seres humanos.

Las redes neuronales son un método de entrenamiento para modelos de IA. Ejecutan entradas a través de capas
discretas de algoritmos, refinándolas hasta que se produce la salida deseada. Las redes neuronales se componen de
ecuaciones que tienen pesos que pueden modificarse para cambiar la salida. Pueden requerir cantidades increíbles de

Se deben capacitar datos y cálculos para que sus resultados sean precisos. Es una de las formas más comunes en que se
desarrollan los modelos de IA (ChatGPT utiliza un proceso de red neuronal que depende de transformadores).

El entrenamiento es el proceso mediante el cual se desarrollan redes neuronales y otros modelos de IA. Se requieren grandes
cantidades de datos para entrenar modelos para que interpreten correctamente las entradas y produzcan resultados precisos.
Durante el proceso de entrenamiento, los pesos de la ecuación del modelo se modifican continuamente hasta que se produce un
resultado satisfactorio. La formación puede resultar muy costosa. ChatGPT, por ejemplo, utiliza decenas de miles de sus
propias GPU para procesar sus datos. Los equipos con menos recursos a menudo dependen de proveedores informáticos
dedicados como Amazon Web Services, Azure y Google Cloud Providers.

La inferencia es el uso real de un modelo de IA para obtener un resultado (por ejemplo, usar ChatGPT para crear un
esquema para un artículo sobre la intersección de las criptomonedas y la IA). Las inferencias se utilizan durante todo el proceso
de formación y en el producto final. Su ejecución puede ser costosa, incluso después de completar la capacitación, debido a los
costos computacionales, pero son menos intensivas en términos computacionales que la capacitación.

Las pruebas de conocimiento cero (ZKP) permiten la verificación de un reclamo sin revelar la información subyacente. Esto
es útil en criptografía por dos razones principales: 1) privacidad y 2) escalabilidad. Por razones de privacidad, esto permite a
los usuarios realizar transacciones sin revelar información confidencial, como cuánto ETH hay en su billetera.
Para escalar, permite probar el cálculo fuera de la cadena dentro de la cadena más rápidamente que tener que volver a ejecutar el
cálculo. Esto permite que las cadenas de bloques y las aplicaciones ejecuten cálculos de forma económica fuera de la cadena y
luego los verifiquen dentro de la cadena. Para obtener más información sobre el conocimiento cero y su papel en la máquina
virtual Ethereum, consulte el informe zkEVMs: The Future of Ethereum Scalability de Christine Kim.
Machine Translated by Google
Mapa del mercado de criptomonedas/IA
Mapa del mercado de criptomonedas/IA
Fuente: Investigación de galaxias
Los proyectos en la intersección de la IA y las criptomonedas todavía están
construyendo la infraestructura subyacente necesaria para respaldar las
interacciones de la IA en cadena a escala.
Están surgiendo mercados informáticos descentralizados para suministrar grandes
cantidades de hardware físico, principalmente en forma de unidades de
procesamiento gráfico (GPU), necesarias para entrenar e inferir modelos de IA.
Estos mercados bilaterales conectan a quienes alquilan y buscan alquilar
computación, facilitando la transferencia de valor y la verificación de la computación.
Dentro de la computación descentralizada están surgiendo varias subcategorías que
brindan funcionalidad adicional. Además de los mercados bilaterales, este
informe examinará los proveedores de capacitación en aprendizaje automático que
se especializan en brindar servicios de capacitación verificables y ajustar resultados,
así como proyectos que trabajan para conectar la computación y la generación de
modelos para lograr inteligencia artificial general, también conocida como Redes
de incentivos de inteligencia.
Comprender la intersección de las criptomonedas y la IA 6
zkML es un área de enfoque emergente para proyectos que desean proporcionar
resultados de modelos verificables en cadena de manera rentable y oportuna.
Estos proyectos permiten principalmente que las aplicaciones manejen solicitudes
informáticas pesadas fuera de la cadena y luego publiquen en la cadena un resultado
verificable que demuestre que la carga de trabajo fuera de la cadena es completa
y precisa. zkML es costoso y requiere mucho tiempo en su creación de instancias
actual, pero se utiliza cada vez más como solución. Esto es evidente en el creciente
número de integraciones entre proveedores de zkML y aplicaciones DeFi/Juegos
que desean aprovechar los modelos de IA.
La amplia oferta de computación y la capacidad de verificar que la computación en
cadena abre la puerta a los agentes de IA en cadena. Los agentes son
modelos entrenados capaces de ejecutar solicitudes en nombre de un usuario.
Los agentes ofrecen la oportunidad de mejorar significativamente la experiencia en
cadena, permitiendo a los usuarios ejecutar transacciones complejas con solo hablar con
un chatbot. Sin embargo, tal como existen hoy, los proyectos de Agent todavía se
centran en desarrollar la infraestructura y las herramientas para una implementación
fácil y rápida.
Machine Translated by Google

Comprender la intersección de las criptomonedas y la IA 7

Computación descentralizada
Descripción general Verticales de computación descentralizada

La IA requiere grandes cantidades de computación, tanto para entrenar En los últimos años han surgido varios modelos de computación
modelos como para ejecutar inferencias. Durante la última década, a medida descentralizada, cada uno con su propio enfoque y compensaciones.
que los modelos se volvieron más sofisticados, los requisitos informáticos
aumentaron exponencialmente. OpenAI, por ejemplo, descubrió que entre
2012 y 2018 los requisitos informáticos para sus modelos pasaron de
Verticales de computación descentralizada
duplicarse cada dos años a cada tres meses y medio. Esto ha provocado un Fuente: Investigación de galaxias

aumento en la demanda de GPU y algunos mineros criptográficos incluso

han reutilizado sus GPU para brindar servicios de computación en la nube
(lea más sobre esto en nuestro informe anual de minería de Bitcoin). A
medida que aumenta la competencia para acceder a la computación y aumentan
los costos, varios proyectos están utilizando criptomonedas para proporcionar
soluciones informáticas descentralizadas. Ofrecen computación bajo demanda a
precios competitivos para que los equipos puedan entrenar y ejecutar
modelos de manera asequible. En algunos casos, la compensación puede ser el rendimiento y la seguridad.

Las GPU de última generación, como las producidas por Nvidia, tienen una
gran demanda. En septiembre, Tether adquirió una participación en Northern
Data, un minero alemán de Bitcoin, y supuestamente pagó 420 millones de
dólares para adquirir 10.000 GPU H100 (una de las GPU más avanzadas para
entrenamiento de IA). Los tiempos de espera para obtener el mejor hardware de
su clase pueden ser de al menos seis meses y, en muchos casos, más. Para
empeorar aún más la situación, a menudo se exige a las empresas que firmen
contratos a largo plazo por cantidades de computación que tal vez ni siquiera
utilicen. Esto puede llevar a situaciones en las que hay computación disponible,
pero no está disponible en el mercado. Los sistemas informáticos descentralizados
ayudan a abordar estas ineficiencias del mercado, creando un mercado secundario
donde los propietarios de informática pueden subarrendar su exceso de
capacidad en cualquier momento, desbloqueando nueva oferta.

Más allá de los precios competitivos y la accesibilidad, la propuesta de

valor clave de la computación descentralizada es la resistencia a la censura. El
desarrollo de IA de vanguardia está cada vez más dominado por grandes empresas
de tecnología con acceso incomparable a computación y datos. El primer tema
clave destacado en el informe anual AI Index Report 2023 es que la industria está
superando cada vez más a la academia en el desarrollo de modelos de IA,
centralizando el control en manos de unos pocos líderes tecnológicos. Esto ha
generado preocupación sobre su capacidad de tener una influencia enorme
a la hora de dictar las normas y valores que sustentan los modelos de IA,
especialmente tras las presiones regulatorias de estas mismas empresas
tecnológicas para restringir el desarrollo de la IA fuera de su control.
Machine Translated by Google

Comprender la intersección de las criptomonedas y la IA 8

Los validadores Akash mantienen la integridad de la red. El conjunto de validadores está

Computación generalizada
actualmente limitado a 100 y se planea aumentarlo gradualmente con el tiempo.
Cualquiera puede convertirse en validador apostando más AKT que el validador
Proyectos como Akash, io.net, iExec, Cudos y muchos otros son aplicaciones
actual con la menor cantidad de AKT apostado. AKT
informáticas descentralizadas que ofrecen acceso, o pronto ofrecerán acceso, a
Los titulares también pueden delegar su AKT a validadores. Las tarifas de transacción y
informática especializada para entrenamiento e inferencias de IA, además de datos
las recompensas en bloque para la red se distribuyen en AKT. Además, por cada
y soluciones informáticas generalizadas.
arrendamiento, la red Akash gana una "tarifa de adquisición" a una tasa determinada
por la comunidad que se distribuye a los titulares de AKT.
Akash es actualmente la única plataforma de “supernube” de código abierto.
Es una red de prueba de participación que utiliza Cosmos SDK. AKT, el token nativo
de Akash, se utiliza para proteger la red, como forma de pago e incentivar la participación.
Akash lanzó su primera red principal en 2020 centrada en proporcionar un mercado de Mercados secundarios
computación en la nube sin permiso que inicialmente ofrece servicios de
almacenamiento y arrendamiento de CPU. Los mercados informáticos descentralizados tienen como objetivo colmar las
En junio de 2023, Akash lanzó una nueva red de prueba centrada en GPU y en septiembre ineficiencias en el mercado informático existente. Las limitaciones de suministro están

lanzó su red principal de GPU que permite a los usuarios alquilar GPU para llevando a las empresas a acumular computación más allá de lo que pueden necesitar,

entrenamiento e inferencias de IA. y el suministro se ve aún más limitado debido a la estructura de los contratos con los
proveedores de la nube que encierran a los clientes en contratos a largo plazo aunque

Hay dos actores principales en el ecosistema Akash: inquilinos y proveedores. Los no se requiera un acceso continuo. Las plataformas informáticas descentralizadas

inquilinos son usuarios de la red Akash que desean comprar recursos computacionales. Los desbloquean nueva oferta, lo que permite que cualquier persona en el mundo con la

proveedores son los proveedores de computación. informática demandada se convierta en proveedor.

Para unir inquilinos y proveedores, Akash se basa en un proceso de subasta inversa. Los
inquilinos envían sus requisitos informáticos, dentro de los cuales pueden especificar ciertas Queda por ver si la creciente demanda de GPU para entrenamiento de IA se traducirá

condiciones, como la ubicación de los servidores o el tipo de hardware que realiza el en el uso de la red a largo plazo en Akash. Akash ha proporcionado durante mucho tiempo

cálculo, y la cantidad que están dispuestos a pagar. Luego, los proveedores envían su un mercado para CPU, por ejemplo, ofreciendo servicios similares como alternativas

precio de venta y la oferta más baja recibe la tarea. centralizadas con un descuento del 70­80% .

Sin embargo, los precios más bajos no han resultado en una aceptación significativa.

Suministro y arrendamiento de GPU Akash

Fuente: Investigación de galaxias

Datos: métricas de monedas

Machine Translated by Google

Comprender la intersección de las criptomonedas y la IA 9

Los arrendamientos activos en la red se han estabilizado, con un promedio de solo el adopción. Una señal de demanda es que la utilización promedio de la GPU hasta la fecha
33 % de cómputo, el 16 % de la memoria y el 13 % del almacenamiento para el segundo es del 44 % y superior a la de las CPU, la memoria y el almacenamiento. Esto se debe
de 2023. Si bien estas son métricas impresionantes para la adopción en cadena (como principalmente a la demanda de GPU de la más alta calidad (como las A100), con más del 90%
referencia, el proveedor líder de almacenamiento Filecoin tenía 12,6% de utilización del arrendado, alquilado.

almacenamiento en el tercer trimestre de 2023), demuestra que la oferta sigue

superando la demanda de estos productos. El gasto diario en Akash también ha aumentado, casi duplicándose en relación con las
GPU anteriores. Esto puede atribuirse en parte a un aumento en el uso de otros servicios,
Ha pasado poco más de medio año desde que Akash lanzó su red GPU y todavía es especialmente CPU, pero es principalmente el resultado del nuevo uso de GPU.
demasiado pronto para evaluar con precisión el largo plazo.

Suministro y arrendamiento de GPU Akash

Fuente: Investigación de galaxias

Datos: Cloudmos.io

Suministro y arrendamiento de GPU Akash

Fuente: Investigación de galaxias

Datos: Cloudmos.io
Machine Translated by Google

Comprender la intersección de las criptomonedas y la IA 10

Comparación de precios de GPU

Fuente: Investigación de galaxias

Proveedor H100 (80 GB) A100 (80 GB) A100 (40 GB) RTX A600 RTX 4090 RTX 3090

Akash $1.99 $1.50 $1.10 $0.80 $0.39 $0.30

– – – –
Nube de Google $5.07 $3.67

Amazon Web – – – –
$5.12 $4.10
Servicios

MicrosoftAzure – – – – –
$3.67

Nube Lamda – – –
$1.99 $1.50 $1.10

Tejido central – – –
$4.25 $2.21 $2.06

Vasta IA – –
$1.35 $1.00 $0.35 $0.31

Datos: Cloud­gpus.com, akashml.com

Nota: Los precios son estimaciones basadas en información pública. El precio real puede variar según el proveedor.

Los precios igualan (o en algunos casos son un poco más caros) a sus competidores centralizados El protocolo tiene cuatro actores principales: remitentes, solucionadores, verificadores y

como Lambda Cloud y Vast.ai. La increíble demanda de GPU de gama alta (como H100 y denunciantes. Los remitentes envían tareas a la red con

A100) significa que la mayoría de los propietarios de esos equipos tienen poco interés en solicitudes de formación. Estas tareas incluyen el objetivo de capacitación, el modelo a
cotizar en mercados donde enfrentan precios competitivos. entrenar y los datos de capacitación. Como parte del proceso de envío, los remitentes pagan
una tarifa por adelantado por el cálculo estimado requerido por el solucionador.

Si bien el interés inicial es prometedor, persisten barreras para la adopción (que se analizan
más adelante). Las redes informáticas descentralizadas deberán hacer más para generar Una vez enviadas, las tareas se asignan a los solucionadores que llevan a cabo el

demanda y oferta, y los equipos están experimentando la mejor manera de atraer nuevos usuarios. entrenamiento real de los modelos. Luego, los solucionadores envían las tareas completadas a los

A principios de 2024, por ejemplo, Akash aprobó la Propuesta 240 para aumentar las emisiones verificadores, quienes son responsables de verificar la capacitación para garantizar que se haya
de AKT para los proveedores de GPU e incentivar una mayor oferta, específicamente dirigida realizado correctamente. Los denunciantes son responsables de garantizar que los verificadores
a GPU de gama alta. Los equipos también están trabajando en la implementación de modelos de se comporten con honestidad. Para incentivar a los denunciantes a participar en la red,

prueba de concepto para demostrar a los posibles usuarios las capacidades en tiempo real Gensyn planea proporcionar periódicamente pruebas intencionalmente incorrectas que

de sus redes. Akash está entrenando su propio modelo fundamental y ya ha lanzado ofertas recompensen a los denunciantes por detectarlas.

de chatbot y generación de imágenes que crean resultados utilizando las GPU Akash.

Más allá de proporcionar computación para cargas de trabajo relacionadas con la IA, la

De manera similar, io.net ha desarrollado un modelo de difusión estable y está implementando propuesta de valor clave de Gensyn es su sistema de verificación, que aún está en

nuevas funcionalidades de red que imitan mejor el rendimiento y la escala de los centros de datos desarrollo. La verificación es necesaria para garantizar que los cálculos externos
de GPU tradicionales. realizados por los proveedores de GPU se realicen correctamente (es decir, para garantizar

que el modelo de un usuario esté entrenado de la manera que ellos desean).

Gensyn aborda este problema con un enfoque único, aprovechando métodos de verificación
Capacitación en aprendizaje automático descentralizado novedosos llamados "Prueba de aprendizaje probabilística, protocolo de localización basado

en gráficos y juegos de incentivos estilo Truebit".

Además de las plataformas informáticas generalizadas que pueden satisfacer las Este es un modo de resolución optimista que permite a un verificador confirmar que un

necesidades de IA, también está surgiendo un conjunto de proveedores de GPU de solucionador ha ejecutado correctamente un modelo sin tener que volver a ejecutarlo por completo,

IA especializados centrados en el entrenamiento de modelos de aprendizaje automático. lo cual es un proceso costoso e ineficiente.

Gensyn, por ejemplo, está “coordinando electricidad y hardware para construir inteligencia

colectiva” con la visión de que “si alguien quiere entrenar algo y alguien está dispuesto a Además de su innovador método de verificación, Gensyn también afirma

entrenarlo, entonces se debe permitir que se lleve a cabo ese entrenamiento”. ser rentable en relación con las alternativas centralizadas y los competidores criptográficos:

brinda capacitación en aprendizaje automático hasta un 80% más barato que AWS y, al mismo

tiempo, supera a proyectos similares como Truebit en las pruebas.

Machine Translated by Google

Comprender la intersección de las criptomonedas y la IA 11

Comparación de precios de formación

Fuente: Investigación de galaxias

Proveedor Costo aproximado por hora para Escalabilidad

Trabajo de formación de ML (equivalente a V100)

Etereum $15,700 Bajo

Truebit (+Ethereum) $12.00 Bajo

GCP bajo demanda $2.50 Medio

AWS bajo demanda $2.00 Medio

Red de golems $1.20 Bajo

vasto.ai $1.20 Bajo

Instancias puntuales de AWS (no confiables) $0.90 Medio

Instancias puntuales de GCP (poco confiables) $0,75 Medio

Gensyn (proyectado) $0.40 Alto

GPU única en centro de datos $0.40 Ninguno

GPU para una sola persona $0.28 Ninguno

Datos: https://docs.gensyn.ai/litepaper/

Comparación del rendimiento del entrenamiento

Fuente: Investigación de galaxias

https://docs.gensyn.ai/litepaper/
Machine Translated by Google

Comprender la intersección de las criptomonedas y la IA 12

Queda por ver si estos resultados iniciales se pueden replicar a escala en una red Hay dos actores principales en la red Bittensor: validadores y mineros. Los validadores tienen la

descentralizada. Gensyn quiere aprovechar el exceso de computación de proveedores tarea de enviar solicitudes de inferencia a los mineros, revisar sus resultados y clasificarlos
como pequeños centros de datos, usuarios minoristas y, en el futuro, dispositivos móviles según la calidad de sus respuestas. Para garantizar que sus clasificaciones sean confiables,
incluso más pequeños, como teléfonos móviles. Sin embargo, como ha admitido el propio equipo los validadores reciben puntuaciones "vtrust" en función de qué tan bien se alinean sus

de Gensyn , depender de proveedores informáticos heterogéneos introduce varios desafíos clasificaciones con las clasificaciones de otros validadores. Cuanto mayor sea la

nuevos. puntuación vtrust de un validador, más emisiones TAO obtendrá. Esto tiene como objetivo
incentivar a los validadores a llegar a un consenso sobre el modelo.

Para proveedores centralizados como Google Cloud Providers y Coreweave, la

computación es costosa, mientras que la comunicación entre esa computación (ancho de banda clasificaciones a lo largo del tiempo, ya que cuantos más validadores lleguen a un acuerdo sobre
y latencia) es barata. Estos sistemas están diseñados para permitir la comunicación entre hardware las clasificaciones, mayores serán sus puntuaciones de vtrust individuales.

lo más rápido posible. Gensyn le da la vuelta a ese marco, reduciendo los costos de computación

al permitir que cualquier persona en el mundo suministre GPU, pero aumentando los costos Los mineros, también llamados servidores, son participantes de la red que ejecutan los modelos

de comunicación, ya que la red ahora debe coordinar los trabajos de computación a través reales de aprendizaje automático. Los mineros compiten entre sí para proporcionar a los

de hardware heterogéneo ubicado muy lejos. Gensyn aún no se ha lanzado, pero es una validadores los resultados más precisos para una consulta determinada, obteniendo más

prueba de concepto de lo que podría ser posible cuando se trata de crear protocolos de capacitación emisiones de TAO cuanto más preciso sea su resultado. Los mineros pueden generar esos
de aprendizaje automático descentralizados. resultados como quieran. Por ejemplo, es completamente posible en un escenario futuro que un
minero de Bittensor haya entrenado previamente modelos en Gensyn que utilice para obtener

emisiones de TAO.

Inteligencia generalizada descentralizada Hoy en día, la mayoría de las interacciones ocurren directamente entre validadores y mineros.

Los validadores envían entradas a los mineros y solicitan salidas (es decir, entrenan el

Las plataformas informáticas descentralizadas también están abriendo posibilidades de modelo). Una vez que un validador ha consultado a los mineros en la red y ha recibido sus

diseño para métodos de creación de inteligencia artificial. Bittensor es un protocolo informático respuestas, clasifica a los mineros y envía sus clasificaciones a la red.

descentralizado construido sobre Substrate que intenta responder a la pregunta de "¿cómo

podemos convertir la IA en un enfoque colaborativo?" Bittensor tiene como objetivo descentralizar

y mercantilizar la generación de inteligencia artificial. Lanzado en 2021, el protocolo quiere Esta interacción entre validadores (que dependen de PoS) y mineros (que dependen de Prueba

aprovechar el poder de los modelos colaborativos de aprendizaje automático para iterar de modelo, una forma de PoW) se llama Consenso de Yuma. Busca incentivar a los

continuamente y producir una mejor inteligencia artificial. mineros a producir los mejores resultados para obtener emisiones TAO y a los validadores

a clasificar con precisión los resultados de los mineros para obtener una puntuación vtrust más

alta y aumentar sus recompensas TAO formando el mecanismo de consenso de la red.

Bittensor se inspira en Bitcoin, con un suministro de veintiún millones de su moneda nativa TAO

y un ciclo de reducción a la mitad de cuatro años (la primera reducción a la mitad será en

2025). En lugar de utilizar Prueba de trabajo para generar el nonce correcto y obtener una Subredes y aplicaciones
recompensa en bloque, Bittensor se basa en la "Prueba de inteligencia", que requiere que Las interacciones en Bittensor consisten principalmente en que los validadores envían solicitudes

los mineros ejecuten modelos que produzcan resultados en respuesta a solicitudes de inferencia. a los mineros y evalúan sus resultados. Sin embargo, a medida que aumenta la calidad de los

mineros que contribuyen y crece la inteligencia general de la red, Bittensor creará una capa

de aplicación encima de su pila existente para que los desarrolladores puedan crear

Incentivar la inteligencia aplicaciones que consulten la red Bittensor.

Bittensor originalmente se basó en un modelo de Mezcla de Expertos (MoE) para producir

resultados. Cuando se envían solicitudes de inferencia, en lugar de depender de un

modelo generalizado, los modelos MoE transmiten la solicitud de inferencia a los modelos En octubre de 2023, Bittensor dio un paso importante para lograrlo con la introducción de

más precisos para un tipo de entrada determinado. Piense en construir una casa en la que subredes a través de su actualización Revolution. Las subredes son redes

contrate una variedad de especialistas para diferentes aspectos del proceso de construcción individuales en Bittensor que incentivan comportamientos específicos. Revolution abre la red

(por ejemplo, arquitectos, ingenieros, pintores, trabajadores de la construcción, etc.). MoE a cualquier persona interesada en crear una subred. En los meses transcurridos desde su

aplica esto a los modelos de aprendizaje automático, intentando aprovechar los resultados de lanzamiento, se han lanzado más de 32 subredes , incluidas aquellas para mensajes de

diferentes modelos dependiendo de la entrada. Como explicó el fundador de Bittensor, Ala texto, extracción de datos, generación de imágenes y almacenamiento. A medida que las

Shaabana , es como "hablar en una sala de gente inteligente y obtener la mejor respuesta en subredes maduren y estén listas para el producto, los creadores de subredes también crearán

lugar de hablar con una sola persona". Debido a los desafíos para garantizar el enrutamiento integraciones de aplicaciones, lo que permitirá a los equipos crear aplicaciones que consulten una

adecuado, la sincronización de mensajes con el modelo correcto y la incentivación, este subred específica. Algunas aplicaciones (chatbot, generador de imágenes, bot de respuesta de

enfoque se ha dejado de lado hasta que el proyecto esté más desarrollado. Twitter, mercado de predicción) existen hoy en día, pero no existen incentivos formales para

que los validadores acepten y transmitan esas consultas más allá de las subvenciones de la
fundación Bittensor.
Machine Translated by Google

Comprender la intersección de las criptomonedas y la IA 13

Para proporcionar una ilustración más clara, aquí hay un ejemplo de cómo podría funcionar Bittensor una vez que las aplicaciones se integran en la red.

Proceso de inferencia de Bittensor

Fuente: Investigación de galaxias

*No aplicable a todas las subredes

Las subredes obtienen TAO según su desempeño evaluado por la red raíz. En un artículo publicado recientemente por un desarrollador principal
La red raíz se encuentra encima de todas las subredes, actuando esencialmente llamado "Bittensor Paradigm", el equipo expone su visión de que Bittensor
como un tipo especial de subred y es administrada por los 64 validadores de eventualmente evolucione para ser "agnóstico a lo que se está midiendo". En
subredes más grandes por participación. Los validadores de redes raíz clasifican teoría, esto podría permitir a Bittensor desarrollar subredes que incentiven cualquier
las subredes según su rendimiento y distribuyen periódicamente las emisiones tipo de comportamiento, todo ello impulsado por TAO. Siguen existiendo limitaciones
de TAO a las subredes. De esta manera, las subredes individuales actúan como prácticas considerables, sobre todo demostrar que estas redes son capaces
mineros de la red raíz. de escalar para manejar un conjunto tan diverso de procesos y que los
incentivos subyacentes impulsan un progreso que supera las ofertas centralizadas.
Perspectivas de Bittensor
Bittensor todavía está experimentando problemas crecientes a medida que
expande la funcionalidad del protocolo para incentivar la generación de
inteligencia en múltiples subredes. Los mineros continúan ideando nuevas Construyendo un sistema descentralizado
formas de atacar la red para ganar más recompensas TAO, por ejemplo, Pila de computación para modelos de IA
modificando ligeramente el resultado de una inferencia altamente calificada
ejecutada por su modelo y luego enviando múltiples variaciones. Las propuestas
Las secciones anteriores proporcionan una descripción general de alto nivel de
de gobernanza que afecten a toda la red solo pueden ser presentadas e
los distintos tipos de protocolos informáticos de inteligencia artificial
implementadas por el Triunvirato, que está compuesto en su totalidad por partes
descentralizados que se están desarrollando. Si bien se encuentran en una etapa
interesadas de la Fundación Opentensor (es importante tener en cuenta que las
temprana de su desarrollo y adopción, proporcionan la base de un ecosistema que
propuestas requieren la aprobación del Senado de Bittensor compuesto por
eventualmente podría facilitar la creación de “bloques de construcción de IA”,
validadores de Bittensor antes de su implementación). Y la tokenómica del proyecto
como el concepto de “Legos de dinero” de DeFi. La componibilidad de las cadenas
está en proceso de renovación para mejorar los incentivos para el uso de TAO en
de bloques sin permiso abre la posibilidad de que cada protocolo se
todas las subredes. El proyecto también está ganando notoriedad rápidamente
construya sobre el otro para proporcionar un ecosistema de inteligencia artificial
por su enfoque único, y el director ejecutivo de uno de los sitios web de
descentralizado más completo.
inteligencia artificial más populares, HuggingFace , indicó que Bittensor debería
agregar sus recursos al sitio web.
Machine Translated by Google
Por ejemplo, aquí hay una forma en la que Akash, Gensyn y Bittensor podrían interactuar para responder a una solicitud de inferencia.
Pila de IA descentralizada
Fuente: Investigación de galaxias
Para ser claros, esto es simplemente un ejemplo de lo que podría ser posible en el
futuro, no una representación del ecosistema actual, las asociaciones existentes o los
resultados probables. Las limitaciones a la interoperabilidad, así como otras
consideraciones que se describen a continuación, limitan considerablemente las
posibilidades de integración en la actualidad. Más allá de eso, la fragmentación de la
liquidez y la necesidad de utilizar múltiples tokens pueden ser perjudiciales para la
experiencia del usuario, algo que han señalado los fundadores de Akash y Bittensor.
Otras ofertas descentralizadas
Además de la informática, se están implementando varios otros servicios de
infraestructura descentralizados para respaldar el ecosistema emergente de
inteligencia artificial de las criptomonedas. Enumerarlos todos está fuera del alcance de
este informe, pero algunos ejemplos interesantes e ilustrativos incluyen:
• Ocean: un mercado de datos descentralizado. Los usuarios pueden crear NFT
de datos representativos de sus datos que se pueden comprar utilizando tokens
de datos. Los usuarios pueden monetizar sus datos y tener mayor soberanía sobre
ellos, al tiempo que brindan a los equipos que trabajan en IA acceso a los datos
necesarios para desarrollar y entrenar modelos.
Comprender la intersección de las criptomonedas y la IA 14
• Grass: un mercado de ancho de banda descentralizado. Los usuarios pueden
vender su exceso de ancho de banda a empresas de inteligencia artificial que
lo utilizan para extraer datos de Internet. Construido sobre Wynd Network, esto
no sólo permite a las personas monetizar su ancho de banda, sino que también
proporciona a los compradores de ancho de banda un conjunto más diverso de puntos
de vista sobre lo que los usuarios individuales ven en línea (ya que el acceso a
Internet de un individuo generalmente se adapta específicamente a su dirección IP). ).
• HiveMapper: creación de una oferta de mapas descentralizados
compuesto por información recopilada de conductores de automóviles cotidianos.
HiveMapper se basa en la IA para interpretar las imágenes recopiladas de las cámaras
del tablero de los usuarios y los recompensa con tokens.
por ayudar a ajustar el modelo de IA a través de retroalimentación de aprendizaje
humano reforzada (RHLF).
En conjunto, estos apuntan hacia oportunidades casi infinitas para explorar modelos
de mercado descentralizados que admitan modelos de IA, o la infraestructura
circundante necesaria para desarrollarlos. Por ahora, estos proyectos se encuentran en
su mayoría en la etapa de prueba de concepto y se necesita mucha más investigación
y desarrollo para demostrar que pueden operar a la escala necesaria para brindar
servicios integrales de IA.
Machine Translated by Google

Comprender la intersección de las criptomonedas y la IA 15

panorama • Censura. La regulación va en ambos sentidos y las ofertas informáticas descentralizadas

podrían beneficiarse de las medidas adoptadas para limitar el acceso a la IA. Además
de la Orden Ejecutiva, el fundador de OpenAI, Sam Altman, ha testificado en el Congreso
Las ofertas de computación descentralizada aún se encuentran en las primeras etapas
sobre la necesidad de que las agencias reguladoras expidan licencias para el desarrollo de la
de desarrollo. Recién están comenzando a implementar el acceso a computación de última
IA. El debate sobre la regulación de la IA apenas está comenzando, pero cualquier
generación capaz de entrenar los modelos de IA más potentes en producción. Para que ganen
intento de restringir el acceso o censurar lo que se puede hacer con la IA puede
una participación de mercado significativa, deberán demostrar ventajas prácticas en
acelerar la adopción de plataformas descentralizadas que no tengan tales barreras. La
comparación con las alternativas centralizadas. Los posibles desencadenantes de una
reestructuración del liderazgo de OpenAI de noviembre
adopción más amplia incluyen:

• Oferta/Demanda de GPU. La escasez de GPU y la rápida (o la falta de ella) demuestra aún más los riesgos de empoderar a unos pocos la toma de

La creciente demanda informática está provocando una carrera armamentista de GPU. decisiones para el modelo de IA más poderoso existente. Además, todos los modelos de IA

OpenAI ya ha limitado una vez el acceso a su plataforma debido a limitaciones de GPU. reflejan necesariamente los prejuicios de quienes los crearon, ya sea intencionalmente o no.

Plataformas como Akash y Gensyn pueden proporcionar alternativas competitivas en costos Una forma de eliminar esos sesgos es hacer que los modelos estén lo más abiertos posible al

para los equipos que necesitan computación de alto rendimiento. Los próximos ajuste y al entrenamiento, garantizando que cualquier persona en cualquier lugar pueda

6 a 12 meses son una oportunidad especialmente única para que los proveedores de acceder a los modelos de todas las variedades y sesgos.

computación descentralizada incorporen nuevos usuarios que se ven obligados a

considerar ofertas descentralizadas debido a la falta de acceso en el mercado más
• Privacidad de datos. Cuando se integra con datos externos y soluciones de privacidad que
amplio. Junto con modelos de código abierto cada vez más eficientes como LLaMA 2 de
brindan a los usuarios autonomía sobre sus datos, la computación descentralizada
Meta, los usuarios ya no enfrentan las mismas barreras para implementar modelos
puede volverse más atractiva que las alternativas centralizadas. Samsung fue víctima
efectivos y ajustados, lo que convierte a los recursos informáticos en el principal cuello de
de esto cuando se dieron cuenta de que los ingenieros estaban usando ChatGPT para
botella. Sin embargo, la existencia de las plataformas en sí no garantiza una oferta
ayudar con el diseño de chips y filtrando información confidencial a ChatGPT. Phala
adecuada de computación y la correspondiente demanda por parte de los consumidores.
Network e iExec afirman ofrecer a los usuarios enclaves seguros SGX para proteger
Obtener GPU de alta gama sigue siendo difícil y el costo no siempre es la principal
los datos de los usuarios y la investigación en curso sobre cifrado totalmente homomórfico
motivación por el lado de la demanda. Estas plataformas tendrán el desafío de
podría desbloquear aún más la privacidad garantizada en la computación descentralizada.
demostrar el beneficio práctico de utilizar una opción informática descentralizada (ya
A medida que la IA se integre más en nuestras vidas, los usuarios darán mayor importancia
sea por costo, resistencia a la censura, tiempo de actividad y resiliencia o accesibilidad)
a poder ejecutar modelos en aplicaciones que tengan privacidad incorporada. Los usuarios
para acumular usuarios persistentes. Tendrán que actuar rápido.
también exigirán servicios que permitan la componibilidad de los datos para que puedan
transferirlos sin problemas de un modelo a otro.

La inversión y el desarrollo de infraestructura de GPU se están produciendo a un ritmo

extraordinario.
• Experiencia de Usuario (UX). UX sigue siendo una barrera importante para una adopción
más amplia de todo tipo de infraestructura y aplicaciones criptográficas. Esto no es
• Regulación. La regulación sigue siendo un obstáculo para la
diferente para las ofertas informáticas descentralizadas y, en algunos casos, se ve
movimiento informático descentralizado. En el corto plazo, la falta de una regulación
exacerbado por la necesidad de que los desarrolladores comprendan tanto las
clara significa que tanto los proveedores como los usuarios enfrentan riesgos
criptomonedas como la IA. Se necesitan mejoras desde lo básico, como incorporar y abstraer
potenciales al utilizar estos servicios. ¿Qué pasa si un proveedor proporciona
la interacción con la cadena de bloques, hasta proporcionar los mismos resultados de
computación o un comprador compra computación a una entidad sancionada sin
alta calidad que los líderes actuales del mercado. Esto es evidente dado el hecho de
saberlo? Los usuarios pueden dudar en utilizar una plataforma descentralizada que carece
que muchos protocolos operativos de computación descentralizada que ofrecen ofertas
de los controles y la supervisión de una entidad centralizada. Los protocolos han intentado
más económicas tienen dificultades para lograr un uso regular.
mitigar estas preocupaciones incorporando controles en sus plataformas o agregando
filtros para acceder únicamente a proveedores informáticos conocidos (es decir, han
proporcionado información de "Conozca a su cliente" (KYC), pero se utilizarán
métodos más sólidos que protejan la privacidad y al mismo tiempo garanticen el cumplimiento.

necesario para la adopción. En el corto plazo, es probable que veamos el surgimiento de

KYC y plataformas que cumplen con las regulaciones y que limitan el acceso a sus

protocolos para abordar estas preocupaciones.

Además, las discusiones sobre posibles nuevos marcos regulatorios estadounidenses,

mejor ilustradas por la publicación de la Orden Ejecutiva sobre el Desarrollo y Uso
Seguro y Confiable de la Inteligencia Artificial, resaltan el potencial de acciones regulatorias

que restringen aún más el acceso a las GPU.

Machine Translated by Google
Contratos inteligentes y zkML
Los contratos inteligentes son un componente central de cualquier
ecosistema blockchain. Dado un conjunto específico de condiciones, se
ejecutan automáticamente y reducen o eliminan la necesidad de un tercero
confiable, lo que permite la creación de aplicaciones descentralizadas complejas
como las que se ven en DeFi. Sin embargo, tal como existen en su mayor parte hoy
en día, los contratos inteligentes todavía tienen una funcionalidad limitada, ya
que se ejecutan en función de parámetros preestablecidos que deben actualizarse.
Por ejemplo, se implementa un contrato inteligente de protocolo de préstamo/
préstamo con especificaciones sobre cuándo liquidar una posición en función
de ciertas relaciones préstamo­valor. Si bien son útiles en un entorno estático, en
una situación dinámica donde el riesgo cambia constantemente, estos contratos
inteligentes deben actualizarse continuamente para tener en cuenta los cambios
en la tolerancia al riesgo, lo que crea desafíos para los contratos que no se
rigen a través de procesos centralizados. Las DAO, por ejemplo, que dependen de
procesos de gobernanza descentralizados, pueden no ser capaces de reaccionar
con la suficiente rapidez para responder a los riesgos sistémicos.
Los contratos inteligentes que integran IA (es decir, modelos de aprendizaje
automático) son una forma posible de mejorar la funcionalidad, la seguridad y la
eficiencia al tiempo que mejoran la experiencia general del usuario. Sin embargo,
estas integraciones también introducen riesgos adicionales, ya que es imposible
garantizar que los modelos que sustentan estos contratos inteligentes no puedan
explotarse o dar cuenta de situaciones de cola larga (que son notoriamente difíciles
de entrenar modelos dada la escasez de datos para ellos).
Aprendizaje automático de conocimiento cero (zkML)
El aprendizaje automático requiere grandes cantidades de computación
para ejecutar modelos complejos, lo que impide que los modelos de IA se
ejecuten directamente dentro de contratos inteligentes debido a los altos
costos. Un protocolo DeFi que brinde a los usuarios acceso a un modelo de
optimización del rendimiento, por ejemplo, tendría dificultades para ejecutar
ese modelo en la cadena sin tener que pagar tarifas de gas prohibitivamente
altas. Una solución es aumentar el poder computacional de la cadena de bloques
subyacente. Sin embargo, esto también aumenta las demandas sobre el conjunto de
validadores de la cadena, lo que potencialmente socava las propiedades de
descentralización. En cambio, algunos proyectos están explorando el uso de
zkML para verificar los resultados sin confianza y sin necesidad de un cálculo intensivo en cadena.
Un ejemplo comúnmente compartido que ilustra la utilidad de zkML es cuando
un usuario necesita que otra persona ejecute datos a través de un modelo y
también verifique que su contraparte realmente ejecutó el modelo correcto. Tal
vez un desarrollador esté utilizando un proveedor de computación descentralizado
para entrenar sus modelos y le preocupe que el proveedor esté tratando de reducir
costos utilizando un modelo más barato con una diferencia casi imperceptible
en el rendimiento. zkML permite al proveedor de computación ejecutar los datos a
través de sus modelos y luego generar una prueba que se puede verificar en
cadena para demostrar que la salida del modelo para la entrada dada es
correcta. En este caso, el proveedor del modelo tendría el añadido
Comprender la intersección de las criptomonedas y la IA 16
ventaja de poder ofrecer sus modelos sin tener que revelar los pesos
subyacentes que producen el resultado.
También se podría hacer lo contrario. Si un usuario desea ejecutar un modelo
utilizando sus datos pero no quiere que el proyecto que proporciona el modelo
tenga acceso a sus datos debido a preocupaciones de privacidad (es decir, en
el caso de un examen médico o información comercial patentada), entonces
el usuario podría ejecute el modelo con sus datos sin compartirlos y luego
verifique que ejecutaron el modelo correcto con una prueba. Estas posibilidades
amplían considerablemente el espacio de diseño para la integración de la
IA y la funcionalidad de contratos inteligentes al abordar restricciones
informáticas prohibitivas.
Infraestructura y herramientas
Dado el estado inicial del espacio zkML, el desarrollo se centra principalmente en
construir la infraestructura y las herramientas necesarias para que los equipos
conviertan sus modelos y resultados en pruebas que puedan verificarse en
cadena. Estos productos abstraen al máximo el aspecto de conocimiento
cero del desarrollo.
EZKL y Giza son dos proyectos que construyen esta herramienta proporcionando
pruebas verificables de la ejecución del modelo de aprendizaje automático.
Ambos equipos ayudan a construir modelos de aprendizaje automático para
garantizar que esos modelos puedan ejecutarse de manera que los resultados
puedan verificarse en cadena de manera confiable. Ambos proyectos utilizan
Open Neural Network Exchange (ONNX) para transformar modelos de aprendizaje
automático escritos en lenguajes comunes como TensorFlow y Pytorch a un
formato estándar. Luego generan versiones de esos modelos que también
producen pruebas zk cuando se ejecutan. EZKL es de código abierto y produce
zk­SNARKS, mientras que Giza es de código cerrado y produce zk­STARKS.
Actualmente, ambos proyectos solo son compatibles con EVM.
EZKL ha demostrado un progreso significativo en los últimos meses en la
mejora de su solución zkML, centrándose principalmente en reducir costos,
mejorar la seguridad y acelerar la generación de pruebas. En noviembre de
2023, por ejemplo, EZKL integró una nueva biblioteca de GPU de código abierto
que reduce el tiempo de prueba agregado en un 35 % y en enero EZKL anunció
Lilith, una solución de software para integrar clústeres de computación de alto
rendimiento y orquestar trabajos simultáneos cuando se utiliza la prueba EZKL.
sistema. Giza es único en el sentido de que, además de proporcionar
herramientas para crear modelos de aprendizaje automático verificables, también
planea implementar un equivalente web3 de Hugging Face, abriendo un
mercado de usuarios para la colaboración zkML y el intercambio de modelos,
así como también integrando eventualmente ofertas informáticas
descentralizadas. En enero, EZKL publicó una evaluación comparativa que
compara el desempeño de EZKL, Giza y RiscZero (que se analiza a
continuación). EZKL demostró tiempos de prueba y uso de memoria más
rápidos.
Machine Translated by Google

Comprender la intersección de las criptomonedas y la IA 17

Tiempo de prueba zkML

Fuente: Investigación de galaxias

Datos: https://blog.ezkl.xyz/post/benchmarks/

Uso de memoria zkML

Fuente: Investigación de galaxias

Datos: https://blog.ezkl.xyz/post/benchmarks/
Machine Translated by Google

Comprender la intersección de las criptomonedas y la IA 18

Modulus Labs también está desarrollando una nueva técnica a prueba de zk personalizada para Durante el próximo año, el equipo de Ritual planea implementar funciones adicionales que
modelos de IA. Modulus publicó un artículo llamado El costo de la inteligencia (que insinúa los formen una capa de infraestructura base llamada Ritual Superchain. Muchos de los

costos increíblemente altos de ejecutar modelos de IA en cadena), que comparó los sistemas a proyectos discutidos anteriormente podrían conectarse a Ritual como proveedores de servicios.
prueba de zk existentes en ese momento para identificar capacidades y cuellos de botella para El equipo de Ritual ya se ha integrado con EZKL para la generación de pruebas y

mejorar las pruebas de zk de los modelos de IA. Publicado en enero de 2023, el documento probablemente pronto agregará funcionalidades de otros proveedores líderes. Los nodos de
demuestra que las ofertas existentes son simplemente demasiado caras e ineficientes Infernet en Ritual también podrían usar GPU Akash o io.net y modelos de consulta entrenados en
para permitir aplicaciones de IA a escala. Sobre la base de su investigación inicial, en subredes Bittensor. Su objetivo final es ser el proveedor de referencia para una infraestructura

noviembre Modulus presentó Remainder, un probador de conocimiento cero especializado de IA abierta, capaz de atender el aprendizaje automático y otras tareas relacionadas con la IA
creado específicamente para reducir los costos y el tiempo de prueba de los modelos de desde cualquier red y en cualquier carga de trabajo.
IA con el objetivo de hacer económicamente viable que los proyectos integren modelos en
sus contratos inteligentes a escala.

Su trabajo es de código cerrado y, por lo tanto, no se puede comparar con las soluciones
Aplicaciones
anteriores, pero recientemente se hizo referencia a él en la publicación del blog de Vitalik
sobre criptografía e inteligencia artificial.
zkML ayuda a reconciliar la contradicción entre blockchains e IA, donde las primeras tienen
recursos inherentemente limitados y la segunda requiere grandes cantidades de
El desarrollo de herramientas e infraestructura es fundamental para el crecimiento futuro
computación y datos. Como lo expresó uno de los fundadores de Giza : “Los casos de uso
del espacio zkML porque reduce significativamente la fricción para los equipos que
son tan abundantes…
necesitan implementar circuitos zk necesarios para ejecutar cálculos fuera de cadena
es como preguntar en los primeros días de Ethereum cuáles son los casos de uso de los
verificables. La creación de interfaces seguras que permitan a los constructores nativos no
contratos inteligentes... lo que estamos haciendo es simplemente expandir los casos de
criptográficos que trabajan en aprendizaje automático incorporar sus modelos a la cadena
uso de los contratos inteligentes”. Sin embargo, como se destacó anteriormente, el desarrollo
permitirá una mayor experimentación de aplicaciones con casos de uso verdaderamente
actual se produce principalmente a nivel de herramientas e infraestructura. Las
novedosos. Las herramientas también abordan un obstáculo importante para una adopción
aplicaciones aún se encuentran en la fase de exploración, y los equipos tienen el desafío de
más amplia de zkML: la falta de desarrolladores con conocimientos e interesados en trabajar
demostrar que el valor generado al implementar modelos que utilizan zkML supera la
en la intersección del conocimiento cero, el aprendizaje automático y la criptografía.
complejidad y los costos de hacerlo.

Algunas aplicaciones hoy incluyen:

Coprocesadores
• Finanzas Descentralizadas. zkML actualiza el espacio de diseño para DeFi mejorando las

Las soluciones adicionales en desarrollo, denominadas "coprocesadores", incluyen RiscZero, capacidades de contratos inteligentes. Los protocolos DeFi proporcionan modelos de

Axiom y Ritual. El término coprocesador es principalmente semántico: estas redes cumplen aprendizaje automático con grandes cantidades de datos verificables e inmutables

muchas funciones diferentes, incluida la verificación de la computación fuera de la cadena que se pueden utilizar para generar estrategias comerciales o de generación de rendimiento,

dentro de la cadena. Al igual que EZKL, Giza y Modulus, su objetivo es abstraer análisis de riesgos, UX y mucho más. Giza, por ejemplo, se ha asociado con Yearn

completamente el proceso de generación de pruebas de conocimiento cero, creando esencialmente Finance para crear un motor de evaluación de riesgos automatizado de prueba de

máquinas virtuales de conocimiento cero capaces de ejecutar programas fuera de la cadena concepto para las nuevas bóvedas v3 de Yearn. Modulus Labs ha trabajado con Lyra

y generar pruebas para la verificación en la cadena. RiscZero y Axiom pueden dar servicio Finance para incorporar el aprendizaje automático en sus AMM, está asociado con Ion

Protocol para implementar un modelo para analizar el riesgo del validador y está ayudando

modelos de IA simples, ya que están destinados a ser coprocesadores de uso más general, a Upshot a verificar sus precios de NFT impulsados por IA. Protocolos como NOYA (que

mientras que Ritual está diseñado específicamente para su uso con modelos de IA. aprovecha EZKL) y Mozaic brindan acceso a modelos patentados fuera de la cadena que
brindan a los usuarios acceso a una agricultura de rendimiento automatizada y al mismo

Infernet es la primera instancia de Ritual e incluye un SDK de Infernet que permite a los tiempo les permiten verificar las entradas de datos y las pruebas en la cadena. Spectral

desarrolladores enviar solicitudes de inferencia a la red y recibir un resultado y una prueba Finance está creando motores de calificación crediticia en cadena para predecir la

(opcional) a cambio. probabilidad de que los prestatarios de Compound o Aave incumplan sus préstamos.

Un nodo Infernet recibe estas solicitudes y maneja el cálculo fuera de la cadena antes Es probable que estos productos denominados “De­Ai­Fi” se vuelvan mucho más frecuentes

de devolver una salida. Por ejemplo, una DAO podría crear un proceso para garantizar que en los próximos años gracias a zkML.

todas las nuevas propuestas de gobernanza cumplan ciertas condiciones previas antes de
ser presentadas.
Cada vez que se envía una nueva propuesta, el contrato de gobernanza activa una solicitud de
• Juegos de azar. Durante mucho tiempo se ha considerado que los juegos están listos para la disrupción
inferencia a través de Infernet que llama a un modelo de IA entrenado en gobernanza
y mejora mediante cadenas de bloques públicas (para obtener más información sobre
específico de DAO. El modelo revisa la propuesta para garantizar que se hayan enviado
criptomonedas y juegos, consulte este informe de Galaxy Digital: La historia de los juegos y
todos los criterios necesarios y devuelve el resultado y la prueba, ya sea aprobando o
su futuro Web3). zkML hace posible los juegos en cadena con inteligencia artificial. Modulus
rechazando la presentación de la propuesta.
Labs ya ha implementado
Machine Translated by Google

Comprender la intersección de las criptomonedas y la IA 19

Prueba de conceptos para juegos simples en cadena. Leela vs the World es panorama
un juego de ajedrez de teoría de juegos en el que los usuarios se enfrentan a un
modelo de ajedrez de IA, en el que zkML verifica que cada movimiento que hace
zkML todavía se encuentra en la etapa experimental y la mayoría de los proyectos se
Leela se basa en el modelo que el juego dice que está ejecutando.
centran en la construcción de primitivas de infraestructura y pruebas de conceptos.
De manera similar, los equipos han utilizado marcos EZKL para crear concursos
Los desafíos actuales incluyen costos computacionales, limitaciones de memoria,
de canto simples y tictactos en cadena. Cartucho está utilizando Giza para permitir
complejidad del modelo, herramientas e infraestructura limitadas y talento de los
que los equipos implementen juegos completamente en cadena, destacando más
desarrolladores. En pocas palabras, queda mucho más trabajo por hacer antes de
recientemente un simple juego de conducción con IA en el que los usuarios
que zkML pueda implementarse a la escala necesaria para los productos de
compiten para crear mejores modelos para un automóvil que intenta evitar obstáculos.
consumo.
Si bien son simples, estas pruebas de concepto apuntan hacia Sin embargo, a medida que el campo madure y se aborden estas limitaciones, zkML se
implementaciones futuras que permitirán verificaciones en cadena más complejas,
convertirá en un componente crítico de la integración de la IA y las criptomonedas.
como actores NPC sofisticados capaces de interactuar con las economías del
En esencia, zkML promete la capacidad de llevar la computación fuera de la cadena de
juego, como se ve en AI Arena, un juego tipo Super Smash Brothers donde los
cualquier tamaño a la cadena manteniendo las mismas o casi las mismas garantías de
jugadores entrenan a sus luchadores. Luego se implementan como modelos
seguridad que si la computación se hubiera ejecutado en la cadena.
de IA para luchar.
Sin embargo, hasta que esa visión se haga realidad, los primeros usuarios de la
tecnología seguirán teniendo que equilibrar las compensaciones entre la privacidad y
• Identidad, Procedencia y Privacidad. Las criptomonedas ya se están utilizando
seguridad de zkML y la eficiencia de las alternativas.
como medio para verificar la autenticidad y combatir la creciente cantidad de
contenido generado/manipulado por IA y falsificaciones profundas. zkML puede
avanzar en esos esfuerzos. WorldCoin es una solución de prueba de personalidad
que requiere que los usuarios escaneen su iris para generar una identificación
única. En el futuro, las identificaciones biométricas podrían guardarse automáticamente
en dispositivos personales mediante almacenamiento cifrado y los modelos
necesarios para verificar esos datos biométricos se ejecutarán localmente. Luego,
los usuarios podrían proporcionar pruebas de sus datos biométricos sin necesidad de
revelar quiénes son, combatiendo los ataques de Sybil y garantizando al mismo
tiempo la privacidad. Esto también se puede aplicar a otras inferencias que
requieren privacidad, como el uso de modelos para analizar datos médicos/
imágenes para detectar enfermedades, verificar la personalidad y desarrollar algoritmos
de coincidencia en aplicaciones de citas, o para agencias de seguros y préstamos que
necesitan verificar información financiera.
Machine Translated by Google
Agentes de IA
Una de las integraciones más interesantes de la IA y las criptomonedas es la
experimentación continua con agentes de IA. Los agentes son robots autónomos
capaces de recibir, interpretar y ejecutar tareas utilizando un modelo de IA. Esto
podría ser cualquier cosa, desde tener un asistente personal siempre disponible que se
adapte a sus preferencias hasta contratar a un agente financiero que administre y ajuste
su cartera de acuerdo con sus preferencias de riesgo.
Los agentes y las criptomonedas encajan bien debido a la infraestructura de pagos sin
permiso y sin confianza que proporcionan las criptomonedas. Una vez capacitados,
a los agentes se les puede entregar una billetera para que puedan realizar
transacciones con contratos inteligentes por su cuenta. Hoy en día, los agentes
simples, por ejemplo, pueden rastrear Internet en busca de información y luego
realizar transacciones en mercados de predicción basados en un modelo.
Proveedores de agentes
Morpheus es uno de los proyectos de agentes de código abierto más nuevos que llegará
al mercado en Ethereum y Arbitrum en 2024. Su documento técnico se publicó
de forma anónima en septiembre de 2023, proporcionando la base para que se
forme y construya una comunidad (incluidas figuras notables como Erik Vorhees). .
El documento técnico incluye un protocolo de agente inteligente descargable, que
es un LLM de código abierto que puede ejecutarse localmente, administrarse mediante la
billetera de un usuario e interactuar con contratos inteligentes. Utiliza un rango de
contrato inteligente para ayudar al agente a determinar con qué contratos inteligentes
es seguro interactuar en función de criterios como la cantidad de transacciones
procesadas.
El documento técnico también proporciona un marco para construir la Red
Morpheus, como las estructuras de incentivos y la infraestructura necesarias para
que el Protocolo de Agente Inteligente sea operativo. Esto incluye incentivar
a los contribuyentes para que creen interfaces para interactuar con los agentes, API
para que los desarrolladores creen aplicaciones que puedan conectarse a los agentes
para que puedan interactuar entre sí, y soluciones en la nube para permitir a los usuarios
acceder a la computación y el almacenamiento necesarios para ejecutar un agente. en
un dispositivo de borde.
La financiación inicial para el proyecto se lanzó a principios de febrero y se espera que el
protocolo completo se lance en el 2T24.
La Red de Infraestructura Autónoma Descentralizada (DAIN) es un nuevo protocolo
de infraestructura de agentes que construye una economía de agente a agente en
Solana. DAIN tiene como objetivo que los agentes de diferentes negocios puedan
interactuar sin problemas entre sí a través de una API universal, abriendo
considerablemente el espacio de diseño para agentes de IA con un enfoque en
implementar agentes capaces de interactuar con productos web2 y web3. En enero, DAIN
anunció su primera asociación con Asset Shield, que permite a los usuarios agregar
"agentes firmantes" a su firma múltiple que son capaces de interpretar transacciones
y aprobar/rechazar según las reglas establecidas por el usuario.
Comprender la intersección de las criptomonedas y la IA 20
Fetch.AI fue uno de los primeros protocolos de agentes de IA implementados y ha
desarrollado un ecosistema para crear, implementar y utilizar agentes en cadena
utilizando su token FET y su billetera Fetch.AI . El protocolo proporciona un
conjunto completo de herramientas y aplicaciones para usar Agentes, incluida la
funcionalidad en la billetera para interactuar con los agentes y realizar pedidos.
Autonolas, cuyos fundadores incluyen a un miembro anterior del equipo Fetch, es un
mercado abierto para la creación y el uso de agentes de IA descentralizados. Autonolas
también proporciona un conjunto de herramientas para que los desarrolladores creen
agentes de inteligencia artificial alojados fuera de la cadena y que puedan
conectarse a múltiples cadenas de bloques, incluidas Polygon, Ethereum, Gnosis
Chain y Solana. Actualmente tienen algunos productos de prueba de concepto de
agente activo , incluso para su uso en mercados de predicción y gobernanza de DAO.
SingularityNet está construyendo un mercado descentralizado para agentes de IA
donde las personas pueden implementar agentes de IA con un enfoque limitado que
pueden ser contratados por otras personas o agentes para ejecutar tareas complejas.
Otros, como AlteredStateMachine, están desarrollando integraciones de AI Agent con
NFT. Los usuarios crean NFT con atributos aleatorios que les brindan fortalezas y
debilidades para diferentes tareas.
Luego, estos agentes pueden capacitarse para mejorar ciertos atributos para usos
como juegos, DeFi o como asistente virtual e intercambiarlos con otros usuarios.
En conjunto, estos proyectos visualizan un ecosistema futuro de agentes capaces de
trabajar juntos no solo para ejecutar tareas sino también para ayudar a construir
inteligencia artificial general. Agentes verdaderamente sofisticados tendrán la capacidad
de realizar cualquier tarea del usuario de forma autónoma. Por ejemplo, en lugar de
tener que asegurarse de que un agente ya se haya integrado con una API externa (como
un sitio web de reserva de viajes) antes de usarla, los agentes completamente
autónomos tendrán la capacidad de descubrir cómo contratar a otro agente para
integrar la API y luego ejecutarla. la tarea. Desde la perspectiva del usuario, no será
necesario comprobar si un agente puede realizar una tarea porque el agente puede
determinarlo por sí mismo.
Agentes de Bitcoin e IA
En julio de 2023, Lightning Labs lanzó una implementación de prueba de
concepto para el uso de agentes en Lightning Network llamada LangChain Bitcoin Suite.
El producto es especialmente interesante ya que pretende abordar un problema
creciente en el mundo web 2: cerrado
y costosas claves API para aplicaciones web.
LangChain resuelve esto proporcionando a los desarrolladores un conjunto de herramientas
que permiten a los agentes comprar, vender y mantener Bitcoin, así como consultar
claves API y enviar micropagos. Mientras que en las vías de pago tradicionales los
pequeños micropagos tienen un costo prohibitivo debido a las tarifas, en Lightning
Network los agentes pueden enviar micropagos ilimitados diariamente.
Machine Translated by Google
con honorarios mínimos. Cuando se combina con el marco de API de pago medido
L402 de LangChain, esto podría permitir a las empresas ajustar las tarifas de
acceso a su API a medida que el uso aumenta y disminuye, en lugar de establecer un
estándar único de costo prohibitivo.
En un futuro donde la actividad en cadena esté dominada por agentes que
interactúan con agentes, algo como esto será necesario para garantizar que los
agentes puedan interactuar entre sí de una manera que no tenga un costo
prohibitivo. Este es un ejemplo temprano de cómo el uso de agentes en vías de
pago rentables y sin permiso abre posibilidades para nuevos mercados e
interacciones económicas.
panorama
El espacio de los Agentes aún está incipiente. Los proyectos recién están comenzando
a implementar agentes funcionales que pueden manejar tareas simples utilizando
su infraestructura, a la que a menudo solo pueden acceder desarrolladores y
usuarios sofisticados. Sin embargo, con el tiempo, uno de los mayores
impactos que tendrán los agentes de IA en las criptomonedas serán las mejoras de
UX en todos los sectores verticales. Las transacciones comenzarán a pasar de
apuntar y hacer clic a texto, y los usuarios tendrán la capacidad de interactuar
con agentes en cadena a través de LLM. Equipos como Dawn Wallet ya están
introduciendo carteras de chatbot para que los usuarios interactúen en la cadena.
Comprender la intersección de las criptomonedas y la IA 21
Además, no está claro cómo podrían operar los agentes en la Web 2, donde las vías
financieras dependen de instituciones bancarias reguladas que no operan las
24 horas del día, los 7 días de la semana y no pueden realizar transacciones
transfronterizas sin problemas. Como ha destacado Lyn Alden , las
criptomonedas son especialmente atractivas en comparación con las tarjetas de
crédito debido a la falta de devoluciones de cargo y la capacidad de procesar
microtransacciones. Sin embargo, si los agentes se convierten en un medio más
común de realizar transacciones, es probable que los proveedores y aplicaciones
de pagos existentes se muevan rápidamente para implementar la
infraestructura necesaria para operar en los rieles financieros existentes, mitigando
algunos de los beneficios del uso de criptomonedas.
Por ahora, es probable que los agentes se limiten a transacciones deterministas
de cripto a cripto en las que se garantiza una salida determinada para una
entrada determinada. Ambos modelos, que dictan la capacidad de estos agentes
para descubrir cómo ejecutar tareas complejas, y las herramientas, que amplían
el alcance de lo que pueden lograr, requieren un mayor desarrollo. Para que los
agentes criptográficos sean útiles fuera de los nuevos casos de uso de criptomonedas
en cadena, será necesaria una integración y aceptación más amplia de las
criptomonedas como forma de pago, así como claridad regulatoria. Sin embargo, a
medida que estos componentes se desarrollan, los agentes están preparados para
convertirse en uno de los mayores consumidores de soluciones informáticas
descentralizadas y zkML analizadas anteriormente, actuando de manera autónoma y
no determinista para recibir y resolver cualquier tarea.
Machine Translated by Google

Comprender la intersección de las criptomonedas y la IA 22

Conclusión
La IA introduce en las criptomonedas las mismas innovaciones que ya vemos en web2, mejorando todo, desde el desarrollo
de infraestructura hasta la experiencia del usuario y la accesibilidad. Sin embargo, los proyectos aún se encuentran en las
primeras etapas de su evolución y la integración de las criptomonedas y la IA a corto plazo estará dominada principalmente por
las integraciones fuera de la cadena.

Productos como Copilot multiplicarán por diez la eficiencia de los desarrolladores, y las aplicaciones de capa 1 y DeFi ya están
implementando plataformas de desarrollo asistidas por IA en asociación con grandes corporaciones como Microsoft. Empresas
como Cub3.ai y Test Machine están desarrollando integraciones de inteligencia artificial para la auditoría de contratos inteligentes
y el monitoreo de amenazas en tiempo real para mejorar la seguridad en la cadena. Y los chatbots de LLM se están entrenando
utilizando datos en cadena, documentos de protocolo y aplicaciones para brindar a los usuarios una mejor accesibilidad y UX.

Para integraciones más avanzadas que realmente aprovechen las tecnologías subyacentes de las criptomonedas, el
desafío sigue siendo demostrar que implementar soluciones de IA en cadena es técnicamente posible y económicamente
viable a escala. Los avances en computación descentralizada, zkML y agentes de IA apuntan hacia verticales prometedoras
que están sentando las bases para un futuro en el que las criptomonedas y la IA están profundamente interconectadas.
Machine Translated by Google

Comprender la intersección de las criptomonedas y la IA 23

Contáctenos
galaxia.com
Para todas las consultas, envíe un correo electrónico a contact@galaxy.com.

Divulgación legal
Galaxy Holdings LP y sus afiliados (“Galaxy”) le han proporcionado este documento y la información contenida en él únicamente con fines
informativos. Este documento no puede reproducirse ni redistribuirse total o parcialmente, en ningún formato, sin la aprobación expresa por escrito
de Galaxy. Ni la información ni ninguna opinión contenida en este documento constituyen una oferta para comprar o vender, o una solicitud de una
oferta para comprar o vender, ningún servicio de asesoría, valores, futuros, opciones u otros instrumentos financieros o para participar en cualquier
asesoría. servicios o estrategia comercial. Nada de lo contenido en este documento constituye asesoramiento de inversión, legal o fiscal. Debe
realizar sus propias investigaciones y evaluaciones de la información contenida en este documento. Cualquier decisión basada en la
información contenida en este documento es responsabilidad exclusiva del lector. Ciertas declaraciones en este documento reflejan los puntos
de vista, estimaciones, opiniones o predicciones de Galaxy (que pueden basarse en modelos y suposiciones patentados, incluidos, en
particular, los puntos de vista de Galaxy sobre el mercado actual y futuro de ciertos activos digitales), y no hay garantía de que estos puntos de
vista, estimaciones, opiniones o predicciones son actualmente precisos o que finalmente se harán realidad. En la medida en que estos supuestos
o modelos no sean correctos o las circunstancias cambien, el desempeño real puede variar sustancialmente o ser menor que las estimaciones
incluidas en este documento. Ninguno de Galaxy ni ninguno de sus afiliados, accionistas, socios, miembros, directores, funcionarios,
gerentes, empleados o representantes hacen ninguna representación o garantía, expresa o implícita, en cuanto a la exactitud o integridad de
cualquier información o cualquier otra información ( ya sea comunicado en forma escrita u oral) transmitido o puesto a su disposición. Cada una
de las partes antes mencionadas renuncia expresamente a toda responsabilidad relacionada con el uso de esta información o resultante del
mismo. Cierta información contenida en este documento (incluida la información financiera) se ha obtenido de fuentes publicadas y no
publicadas. Galaxy no ha verificado dicha información de forma independiente y Galaxy no asume responsabilidad por la exactitud de dicha
información.

Los afiliados de Galaxy pueden haber poseído o pueden poseer inversiones en algunos de los protocolos y activos digitales analizados en este
documento. Salvo que se indique lo contrario, la información contenida en este documento se basa en asuntos tal como existen en la fecha
de preparación y no en una fecha futura, y no se actualizará ni revisará de otro modo para reflejar la información que esté disponible posteriormente
o las circunstancias existentes. o cambios que ocurran después de la fecha del presente.
Este documento proporciona enlaces a otros sitios web que creemos que podrían ser de su interés. Tenga en cuenta que cuando hace clic en
uno de estos enlaces, es posible que se dirija al sitio web de un proveedor que no está asociado con Galaxy. Estos sitios vinculados y sus
proveedores no están controlados por nosotros, y no somos responsables del contenido ni del funcionamiento adecuado de ningún sitio vinculado.
La inclusión de cualquier enlace no implica nuestro respaldo o nuestra adopción de las declaraciones contenidas en el mismo. Le recomendamos
que lea los términos de uso y las declaraciones de privacidad de estos sitios vinculados, ya que sus políticas pueden diferir de las nuestras. Lo
anterior no constituye un "informe de investigación" según lo define la Regla FINRA 2241 o un "informe de investigación de deuda" según lo define la
Regla FINRA 2242 y no fue preparado por Galaxy Partners LLC.

©Copyright Galaxy Holdings LP 2024. Todos los derechos reservados.