Einblicke von Hack Seasons Singapore: Referenten berichten, wie KI beschleunigen kann Web3 Entwicklung

Anfang Oktober Hack Seasons-Konferenz fand in Singapur statt und brachte führende Fachleute zusammen, um die neuesten Trends in der KI zu untersuchen. Web3, Blockchain und Kryptowährung. Eines der bemerkenswertesten Panels des Tages mit dem Titel „KI: Die Logik- und Intelligenzschicht Web3 Needs?“, konzentrierte sich auf die Frage, wie KI-gesteuerte Analysen die On-Chain-Aktivität verbessern und schnellere, intelligentere und anpassungsfähigere Ökosysteme schaffen können. Die Diskussion, moderiert von Igor Lessio , Vorstandsvorsitzende des AIFlow , featured prominente Persönlichkeiten, darunter Wird Carter , CTO von Schicht1 ; Lane Retting , Forschungsleiter bei In der Nähe der Stiftung ; Dillon Chen , Gründer und CEO von gemeinsam eschriebenen Art und Weise; und Aaron Ramírez , KI-Softwareentwickler bei Flipside .

Die Diskussion begann mit der Erkenntnis, dass Web2 und Web3 Die Entwicklungsgeschwindigkeit ist unterschiedlich, was die Frage aufwirft, was derzeit verhindert, Web3 davon ab, das gleiche Tempo wie Web2 zu erreichen.

Die Diskussionsteilnehmer waren sich einig, dass Web3 langsamer als Web2, betonte aber, dass dies nicht unbedingt ein Nachteil sei – es sei in vielerlei Hinsicht ein Vorteil. Im Gegensatz zu Web2 Web3 priorisiert Sicherheit und Endgültigkeit. Einbau in Web3 erfordert eine sorgfältige Implementierung von Leitplanken, um sicherzustellen, dass die Dezentralisierung gewahrt bleibt und dass die Abhängigkeit von undurchsichtigen Systemen, wie etwa Black-Box-Modellen großer Sprachen, keine neuen Risiken mit sich bringt. Web3 Entwickler müssen einzigartige Herausforderungen lösen, die bei Web2 nicht einmal auftreten.

Das Gremium betonte außerdem, dass menschliche Systeme in Web3 spiegeln technische Systeme genau wider. In einer zentralisierten Web2-Anwendung können Entwickler auf eine zentrale Datenbank oder ein Oracle zurückgreifen, um einen hohen Durchsatz, schnelle Transaktionen und Skalierbarkeit zu erreichen – dies geht jedoch auf Kosten der Zentralisierung. Im Gegensatz dazu verwendet eine Blockchain in Web3 ist zwar langsamer und teurer, bietet aber Unveränderlichkeit und andere zentrale dezentrale Funktionen. Das langsamere Tempo wirkt sich auch auf die soziale Ebene aus, wo dezentrale Governance-Prozesse und gemeinschaftsorientierte Entscheidungsfindung zu besseren langfristigen Ergebnissen beitragen, auch wenn sie die Entwicklung verlangsamen. KI-Agenten, so das Gremium, können dazu beitragen, einige dieser Ineffizienzen zu mildern, indem sie repetitive Aufgaben automatisieren oder die Governance unterstützen und so bestimmte Aspekte dezentraler Prozesse effektiv beschleunigen.

Ein weiterer Punkt war, dass Innovationen im Kryptowährungsbereich für Endnutzer oft unsichtbar bleiben. Mechanismen wie Konsensprotokolle und Social-Governance-Ebenen agieren im Hintergrund, ähnlich wie Entwicklungen in der Open-Source-KI-Community, die der neuesten Spitzenforschung oft Monate hinterherhinken.

Ein wiederkehrendes Thema war die Sicherheit. Im Gegensatz zu Web2, wo Geschwindigkeit oft Vorrang vor Sicherheit hat, Web3Der Hauptfokus liegt auf Sicherheit und Zuverlässigkeit, was die Produktfreigabezyklen natürlich verlangsamt. Die Diskussionsteilnehmer schlugen vor, dass Web3 Teams können KI-Tools strategisch nutzen, um die Entwicklung zu rationalisieren und Markteinführungen zu beschleunigen, ohne die Sicherheit zu beeinträchtigen, und so die Vorteile der Dezentralisierung mit einer effizienteren Produktion kombinieren.

Dezentralisierung und KI im Gleichgewicht: Datenschutz, Transparenz und Multi-Agenten-Systeme in Web3

Das Gespräch verlagerte sich auf das Thema Dezentralisierung, ein Kernprinzip der Web3und wie es sich mit KI überschneidet, die oft eine zentralisierte Intelligenz darstellt. Die Diskussionsteilnehmer erkundeten Strategien zur Aufrechterhaltung der Dezentralisierung der Intelligenz bei gleichzeitiger Nutzung von KI-Technologien.

Der Datenschutz in KI-Modellen bleibt eine Herausforderung, insbesondere wenn Systeme remote betrieben werden. In der Praxis priorisieren die meisten Entwickler bei vielen Anwendungen die Leistung gegenüber dem Datenschutz. Geräteinterne KI bietet eine Möglichkeit, Benutzerdaten für begrenzte Anwendungsfälle zu schützen. Geräte wie Smartphones können jedoch nur Modelle begrenzter Größe ausführen, sodass ein Kompromiss zwischen Leistung, Funktionalität und Datenschutz entsteht. Das Gremium stellte fest, dass die breite Öffentlichkeit häufig Komfort gegenüber dem Datenschutz bevorzugt und sich für Plattformen entscheidet, die Benutzerdaten ausnutzen können, und nannte Beispiele wie WhatsApp und TikTok. Kleinere, zielgerichtete Tools – wie Onboarding-Anwendungen – können jedoch von lokalen KI-Frameworks profitieren, die technische Daten in benutzerfreundliche, absichtsbasierte Interaktionen übersetzen. Trotz dieser Lösungen bleiben KI-Modelle weitgehend undurchsichtige Blackboxes, und es werden transparentere Alternativen benötigt.

Die Redner betonten die Bedeutung eines offenen und überprüfbaren Modelltrainings, einschließlich kryptografischer Beweise, die die Vertrauenswürdigkeit von KI-Pipelines und geräteinternen Inferenzprozessen gewährleisten. Sie räumten ein, dass sie vor zwei Jahren hinsichtlich der öffentlichen Sorge um Datenschutz und Überprüfbarkeit zu optimistisch gewesen seien. Obwohl das breite Bewusstsein dafür nach wie vor begrenzt ist, gibt es heute Marktsegmente, die dem Datenschutz Priorität einräumen, was eine bedeutende Chance in einem potenziell Billionen-Dollar-Markt darstellt.

Über den Datenschutz hinaus diskutierten die Diskussionsteilnehmer die aktuellen Einschränkungen von KI-Modellen und stellten fest, dass selbst fortgeschrittene Systeme wie ChatGPT können bei gleichen Abfragen inkonsistente Ergebnisse liefern. Benutzererfahrung, Multi-Agenten-Systeme und Entscheidungsprozesse sind wichtige Bereiche, die verbessert werden müssen. In Bezug auf das Vertrauen betonte das Gremium, dass Unternehmen Transparenz über die von KI-Agenten verwendeten Daten schaffen müssen.

Mit Blick auf die Zukunft zeigte die Diskussion, dass die Abhängigkeit von einem einzigen KI-Anbieter riskant ist. Eine Diversifizierung auf mehrere Anbieter, einschließlich Open-Source-Modellen, ist ratsam. Mehrere aufstrebende Unternehmen entwickeln KI-Produkte, die keine Nutzerdaten speichern und Open-Source-Modelle nutzen. Dies schafft das Potenzial für verstärkten Wettbewerb und dezentralere, datenschutzorientierte KI-Lösungen in den nächsten fünf Jahren.

Zum Abschluss der Diskussion reflektierten die Teilnehmer die Entwicklung der User Experience (UX) und stellten einen klaren Trend hin zu chatbasierten Schnittstellen fest. Sie betonten, dass die nächste große Welle im Verbraucherbereich DeFi wird geprägt sein von ähnlichen Erfahrungen wie ChatGPT, wo Benutzer in Sekundenbruchteilen auf Informationen zugreifen können. Sie betonten außerdem, dass diese Entwicklung ein Umdenken in den Betriebsansätzen erfordert, um diese neue, optimierte UX vollständig zu nutzen, insbesondere da die meisten Interaktionen heute auf mobilen Geräten stattfinden.

Das Gremium stellte fest, dass Benutzer zunehmend darauf konditioniert seien, sofortige Antworten zu erwarten, weshalb Geschwindigkeit und Genauigkeit entscheidend seien. Gleichzeitig betonten sie die Bedeutung der Benutzerkompetenz und wiesen darauf hin, dass die Funktionsweise großer Sprachmodelle (LLMs) und ihre Grenzen noch immer verstanden werden müssten und dass die Ergebnisse stets überprüft werden sollten.