Primera parte del artículo de Vitalik Buterin publicado el 30 de enero de 2024
Agradecimientos especiales a los equipos de Worldcoin y Modulus Labs, Xinyuan Sun, Martin Koeppelmann e Illia Polosukhin por sus comentarios y discusiones.
Muchas personas a lo largo de los años me han hecho una pregunta similar: ¿cuáles son las intersecciones entre cripto e IA que considero más fructíferas? Es una pregunta razonable: cripto e IA son las dos principales tendencias tecnológicas profundas (de software) de la última década, y simplemente parece que debe haber algún tipo de conexión entre las dos. Es fácil imaginar sinergias a un nivel superficial: la descentralización de cripto puede equilibrar la centralización de IA, la IA es opaca y cripto aporta transparencia, la IA necesita datos y las cadenas de bloques son buenas para almacenar y rastrear datos. Pero a lo largo de los años, cuando la gente me pedía que profundizara y hablara de aplicaciones específicas, mi respuesta ha sido decepcionante: "sí, hay algunas cosas pero no mucho".
En los últimos tres años, con el surgimiento de una IA mucho más potente en forma de LLMs modernos, y el surgimiento de cripto mucho más potente en forma de soluciones de escalado de blockchain, pero también de ZKPs, FHE, (de 2 partes y N-partes) MPC, estoy empezando a ver este cambio. De hecho, hay algunas aplicaciones prometedoras de IA dentro de los ecosistemas de blockchain, o de IA junto con criptografía, aunque es importante tener cuidado con cómo se aplica la IA. Un desafío particular es: en criptografía, el código abierto es la única manera de hacer algo verdaderamente seguro, pero en IA, que un modelo (o incluso sus datos de entrenamiento) sea abierto aumenta mucho su vulnerabilidad a los ataques de machine learning adversarial. Esta publicación revisará una clasificación de las diferentes formas en que cripto + IA podrían intersectarse, y las perspectivas y desafíos de cada categoría.
Las cuatro categorías principales
La IA es un concepto muy amplio: puedes pensar en "IA" como el conjunto de algoritmos que creas no especificándolos explícitamente, sino más bien agitando una gran sopa computacional y aplicando algún tipo de presión de optimización que empuja la sopa hacia la producción de algoritmos con las propiedades que deseas. Esta descripción definitivamente no debe tomarse de manera despectiva: ¡incluye el proceso que nos creó a los humanos en primer lugar! Pero esto significa que los algoritmos de IA tienen algunas propiedades comunes: su capacidad para hacer cosas que son extremadamente poderosas, junto con límites en nuestra capacidad de saber o entender qué está sucediendo bajo el capó.
Hay muchas formas de categorizar la IA; para los propósitos de esta publicación, que habla sobre las interacciones entre la IA y las cadenas de bloques (que han sido descritas como una plataforma para crear "juegos"), la categorizaré de la siguiente manera:
-
IA como jugador en un juego [viabilidad más alta]: IA participando en mecanismos donde la fuente última de los incentivos proviene de un protocolo con entradas humanas.
-
IA como una interfaz para el juego [alto potencial, pero con riesgos]: IA ayudando a los usuarios a entender el mundo cripto que los rodea, y asegurando que su comportamiento (es decir, mensajes firmados y transacciones) coincida con sus intenciones y no sean engañados o estafados.
-
IA como las reglas del juego [proceder con mucho cuidado]: cadenas de bloques, DAOs y mecanismos similares pidiendo ayuda directamente a las IA. Piensa, por ejemplo, en "jueces IA".
-
IA como el objetivo del juego [más a largo plazo pero intrigante]: diseñar cadenas de bloques, DAOs y mecanismos similares con el objetivo de construir y mantener una IA que podría utilizarse para otros propósitos, utilizando los bits cripto ya sea para incentivar mejor el entrenamiento o para prevenir que la IA filtre datos privados o sea mal utilizada.
Ahora vamos a analizarlas una a una.
IA como jugador en un juego
Esta es, de hecho, una categoría que ha existido durante casi una década, al menos desde que los intercambios descentralizados en cadena (DEXes) comenzaron a usarse significativamente. Cada vez que hay un intercambio, existe la oportunidad de ganar dinero a través del arbitraje, y los bots pueden realizar arbitraje mucho mejor que los humanos. Este caso de uso ha existido durante mucho tiempo, incluso con IA mucho más simples de lo que tenemos hoy, pero en última instancia, es una intersección muy real entre IA y cripto. Más recientemente, hemos visto que los bots de arbitraje MEV a menudo se explotan entre sí. Cada vez que tienes una aplicación blockchain que involucra subastas o comercio, vas a tener bots de arbitraje.
Pero los bots de arbitraje de IA son solo el primer ejemplo de una categoría mucho más grande, que espero pronto comience a incluir muchas otras aplicaciones. Conoce a AIOmen, una demostración de un mercado de predicción donde las IA son jugadoras:
Los mercados de predicción han sido el santo grial de la tecnología epistémica durante mucho tiempo; ya en el 2014 yo estaba emocionado por usar los mercados de predicción como una entrada para la gobernanza ("futarquía"), y jugué con ellos extensamente en las últimas elecciones, así como más recientemente. Pero hasta ahora, los mercados de predicción no han despegado demasiado en la práctica, y hay una serie de razones comúnmente dadas por qué: los participantes más grandes son a menudo irracionales, las personas con el conocimiento adecuado no están dispuestas a tomarse el tiempo y apostar a menos que esté involucrado mucho dinero, los mercados a menudo son escasos, etc.
Una respuesta a esto es señalar las mejoras continuas en la experiencia de usuario en Polymarket u otros nuevos mercados de predicción, y esperar que tengan éxito donde las iteraciones anteriores han fallado. Después de todo, dice la historia, la gente está dispuesta a apostar decenas de miles de millones en deportes, ¿por qué no iban a invertir suficiente dinero apostando en las elecciones de EE. UU. o LK99 para que comience a tener sentido que los jugadores serios empiecen a participar? Pero este argumento debe enfrentarse con el hecho de que, bueno, las iteraciones anteriores no han logrado alcanzar este nivel de escala (al menos en comparación con los sueños de sus proponentes), y por lo tanto parece que necesitas algo nuevo para hacer que los mercados de predicción tengan éxito. Y así, una respuesta diferente es señalar una característica específica de los ecosistemas de mercados de predicción que podemos esperar ver en los años 2020 que no vimos en los años 2010: la posibilidad de participación ubicua por parte de las IA.
Las IA están dispuestas a trabajar por menos de $1 la hora, y tienen el conocimiento de una enciclopedia; y si eso no es suficiente, incluso pueden integrarse con capacidad de búsqueda en tiempo real en la web. Si creas un mercado y ofreces un subsidio de liquidez de $50, a los humanos no les importará lo suficiente para hacer una oferta, pero miles de IA se abalanzarán fácilmente sobre la pregunta y harán la mejor suposición que puedan. El incentivo para hacer un buen trabajo en una pregunta puede ser pequeño, pero el incentivo para crear una IA que haga buenas predicciones en general puede estar en los millones. Ten en cuenta que potencialmente, ni siquiera necesitas a los humanos para adjudicar la mayoría de las preguntas: puedes usar un sistema de disputa de múltiples rondas similar a Augur o Kleros, donde las IA también participarían en las rondas anteriores. Los humanos solo necesitarían responder en esos pocos casos donde se han llevado a cabo una serie de escalaciones y se han comprometido grandes cantidades de dinero por ambas partes.
Este es un primitivo poderoso, porque una vez que un "mercado de predicción" puede funcionar en una escala tan microscópica, puedes reutilizar el primitivo de "mercado de predicción" para muchas otras clases de preguntas:
-
¿Es esta publicación de redes sociales aceptable según [términos de uso]?
-
¿Qué sucederá con el precio de la acción X (por ejemplo, ver Numerai)?
-
¿Es esta cuenta que me está enviando mensajes actualmente realmente Elon Musk?
-
¿Es aceptable esta entrega de trabajo en un mercado de tareas en línea?
-
¿Es la dapp en https://examplefinance.network una estafa?
-
¿Es 0x1b54....98c3 realmente la dirección del token ERC20 "Casinu Inu"?
Es posible que notes que muchas de estas ideas van en la dirección de lo que llamé "info defense o defensa de la información" en mis escritos sobre "d/acc". Definido de manera amplia, la pregunta es: ¿cómo ayudamos a los usuarios a distinguir entre información verdadera y falsa y detectar estafas, sin empoderar a una autoridad centralizada para decidir lo correcto e incorrecto que podría entonces abusar de esa posición? A nivel micro, la respuesta puede ser "IA". Pero a nivel macro, la pregunta es: ¿quién construye la IA? La IA es un reflejo del proceso que la creó, y por lo tanto no puede evitar tener sesgos. Por lo tanto, existe la necesidad de un juego de nivel superior que adjudique qué tan bien están funcionando las diferentes IA, donde las IA pueden participar como jugadores en el juego.
Este uso de la IA, donde las IA participan en un mecanismo en el que son finalmente recompensadas o penalizadas (probabilísticamente) por un mecanismo en cadena que recopila entradas de humanos (llámalo RLHF basado en mercado descentralizado?), es algo que creo que realmente vale la pena investigar. Ahora es el momento adecuado para explorar más casos de uso como este, porque la escalabilidad de blockchain finalmente está teniendo éxito, haciendo que "micro-" cualquier cosa finalmente sea viable en cadena cuando a menudo no lo era antes.
Una categoría relacionada de aplicaciones va en la dirección de agentes altamente autónomos que utilizan blockchains para cooperar mejor, ya sea a través de pagos o mediante el uso de contratos inteligentes para hacer compromisos creíbles.
IA como una interfaz para el juego
Una idea que mencioné en mis escritos es la oportunidad de mercado para escribir software orientado al usuario que proteja los intereses de los usuarios interpretando e identificando peligros en el mundo en línea que el usuario está navegando. Un ejemplo ya existente de esto es la función de detección de estafas de Metamask:
Otro ejemplo es la función de simulación de la cartera Rabby, que muestra al usuario las consecuencias esperadas de la transacción que están a punto de firmar.
Edición 2024.02.02: una versión anterior de este post refería a este token como una estafa que intentaba suplantar a bitcoin. No es así; es un memecoin. Disculpas por la confusión.
Potencialmente, este tipo de herramientas podría potenciarse enormemente con la IA. La IA podría ofrecer una explicación mucho más rica y amigable para el usuario sobre el tipo de dapp en la que está participando, las consecuencias de operaciones más complicadas que está firmando, si un token particular es genuino o no (por ejemplo, BITCOIN no es solo una cadena de caracteres, normalmente es el nombre de una criptomoneda importante, que no es un token ERC20 y cuyo precio es mucho mayor que $0.045, y un LLM moderno sabría eso), y así sucesivamente. Hay proyectos que están comenzando a explorar completamente esta dirección (por ejemplo, la cartera LangChain, que utiliza la IA como interfaz principal). En mi opinión, las interfaces puramente basadas en IA probablemente son demasiado riesgosas en este momento, ya que aumentan el riesgo de otros tipos de errores, pero la IA complementando una interfaz más convencional se está volviendo muy viable.
Existe un riesgo particular que vale la pena mencionar. Profundizaré más en esto en la sección "IA como reglas del juego" más abajo, pero el problema general es el aprendizaje automático adversarial: si un usuario tiene acceso a un asistente de IA dentro de una billetera de código abierto, los malos también tendrán acceso a ese asistente de IA, y por lo tanto tendrán una oportunidad ilimitada para optimizar sus estafas para que no activen las defensas de esa billetera. Todas las IA modernas tienen errores en algún lugar, y no es demasiado difícil para un proceso de entrenamiento, incluso uno con acceso limitado al modelo, encontrarlos.
Aquí es donde "las IA participando en micro-mercados en cadena" funciona mejor: cada IA individual es vulnerable a los mismos riesgos, pero estás creando intencionalmente un ecosistema abierto de docenas de personas que constantemente iteran y mejoran estas IA de manera continua. Además, cada IA individual es cerrada: la seguridad del sistema proviene de la apertura de las reglas del juego, no del funcionamiento interno de cada jugador.
Resumen: La IA puede ayudar a los usuarios a entender lo que está sucediendo en un lenguaje claro, puede funcionar como un tutor en tiempo real, puede proteger a los usuarios de cometer errores, pero hay que tener cuidado al intentar usarla directamente contra desinformadores maliciosos y estafadores.
评论 (0)