Es una evolución lógica que las plataformas Web 3 incorporen lenguajes nativos.inteligencia artificial(IA).

La IA está influyendo en todas las categorías de software, por lo que la Web 3 no debería ser una excepción. Sin embargo, existen obstáculos técnicos fundamentales en las Stacks de la Web 3 para la adopción de tecnologías de IA.

En artículos anteriores en CoinDesk, analicé la relevancia de las técnicas de IA para las Finanzas descentralizadas (DeFi) y los tokens no fungibles (NFT). Además de comprender su valor innegable, es importante analizar cómo la IA puede entrar en el espacio de la Web 3 en un futuro NEAR y qué obstáculos principales impiden actualmente que esto se materialice.

Jesús Rodríguez es CTO y cofundador de la plataforma de datos blockchain IntoTheBlock, así como científico jefe de la firma de inteligencia artificial Invector Labs y un inversor activo, orador y autor en Cripto e inteligencia artificial.

“El software se está comiendo al mundo”, afirmó en 2011 el gigante del capital riesgo Marc Andreessen, sintetizando la idea de que las empresas que operaban en el mundo físico estaban en transición hacia ONE digital y que el software sería su piedra angular.

Sigue leyendo: ¿Qué es la Web 3 y por qué todo el mundo habla de ella?

Ahora, podemos decir que “aprendizaje automático El aprendizaje automático (ML) se está devorando al software” señala una tendencia inminente: la mayor parte del software mundial se reescribirá con la IA/ML como sus componentes CORE . Al pensar en los componentes omnipresentes de las aplicaciones de software, vienen a la mente capacidades como las bases de datos y la identidad. La inteligencia, en forma de modelos de IA/ML, se está convirtiendo en un componente fundamental de las aplicaciones de software modernas.

Hoy en día, las tendencias de software, como la computación en la nube, las redes y la ciberseguridad, se están reinventando con el aprendizaje automático como elemento clave. Dado que la Web 3 es la siguiente iteración de muchas de estas tendencias de software, es probable que el aprendizaje automático desempeñe un papel fundamental en la evolución de las tecnologías de la Web 3. Desarrollar una tesis sobre la intersección del aprendizaje automático y la Web 3 requiere comprender tanto la trayectoria de adopción de las capacidades de aprendizaje automático en las Stacks de la Web 3 como algunos de los desafíos fundamentales.

Capas de inteligencia de la Web 3

La incorporación de ML en la Web 3 no ocurrirá como una tendencia atómica, sino que se distribuirá en diferentes capas de la pila de la Web 3. La inteligencia impulsada por ML puede surgir en tres capas clave de la Web 3.

cadenas de bloques inteligentes

La generación actual de plataformas blockchain se ha centrado en la creación de componentes clave de computación distribuida que permiten el procesamiento descentralizado de transacciones financieras. Los mecanismos de consenso, las estructuras de mempool y los oráculos son algunos de estos componentes clave. Así como los componentes CORE de las infraestructuras de software tradicionales, como las redes y el almacenamiento, se están volviendo inteligentes, la próxima generación de blockchains de capa 1 (base) y capa 2 (complementaria) incorporará de forma nativa capacidades basadas en aprendizaje automático (ML). Por ejemplo, podemos pensar en un entorno de ejecución de blockchain que utiliza una predicción de ML para transacciones para habilitar un protocolo de consenso masivamente escalable.

Protocolos inteligentes

Los contratos y protocolos inteligentes son otro componente de la pila de la Web 3 que comenzará a incorporar capacidades de aprendizaje automático. DeFi parece ser el ejemplo prototípico de esta tendencia. Estamos a punto de ver una generación de creadores de mercado automatizados (AMM) de DeFi o protocolos de préstamo que incorporen una lógica más inteligente basada en modelos de aprendizaje automático. Por ejemplo, podemos imaginar un protocolo de préstamo que utilice una puntuación inteligente para equilibrar los tipos de préstamos de diferentes tipos de billeteras.

Dapps inteligentes

Es probable que las aplicaciones descentralizadas (dapps) se conviertan en una de las soluciones de la Web 3 con más probabilidades de incorporar rápidamente funciones basadas en aprendizaje automático. Ya observamos esta tendencia en los NFT, pero se generalizará cada vez más. Los NFT de próxima generación pasarán de ser imágenes estáticas a artefactos con un comportamiento inteligente. Algunos de estos NFT podrán cambiar su comportamiento según el estado de ánimo de su audiencia o el perfil de los nuevos propietarios.

De arriba hacia abajo, no de abajo hacia arriba

Al considerar las capas de inteligencia de la Web 3, podríamos asumir ingenuamente que una tendencia de adopción ascendente es la más lógica. Los entornos de ejecución de blockchain pueden volverse inteligentes, y parte de esa inteligencia puede influir en las capas superiores de la pila, como los protocolos DeFi o los NFT. Sin embargo, existen serias limitaciones tecnológicas que obligarían a una adopción descendente, en lugar de ascendente, de las tecnologías de aprendizaje automático en las Stacks de la Web 3.

La raíz de estos obstáculos tecnológicos se encuentra en la arquitectura de la generación actual de entornos de ejecución de blockchain. En principio, las blockchains se diseñan en torno a un paradigma de computación distribuida que coordina diferentes nodos para realizar cálculos que conducen a un consenso sobre el procesamiento de las transacciones.

Sigue leyendo: La Web 3 es una lucha larga que vale la pena librar

Este enfoque contrasta con los modelos de aprendizaje automático (ML) de vanguardia, que requieren cálculos complejos y de larga duración para el entrenamiento y la optimización, y que han sido diseñados principalmente para arquitecturas centralizadas. Esta fricción implica que la incorporación de capacidades nativas de ML en entornos de ejecución de blockchain, si bien es posible, requerirá algunas iteraciones.

Los protocolos DeFi tienen menos limitaciones para adoptar funciones de aprendizaje automático (ML), ya que pueden confiar en oráculos y agentes inteligentes externos que aprovechan al máximo las plataformas de ML existentes. Esta limitación es prácticamente inexistente para las dapps y los NFT. Desde esta perspectiva, creemos que la adopción de capacidades de ML en soluciones Web 3 probablemente Síguenos una trayectoria descendente, desde las dapps hasta los protocolos y los entornos de ejecución de blockchain, en lugar de lo contrario.

La Web3 inteligente ya está aquí

El escritor de ciencia ficción William Gibson escribió: «El futuro ya está aquí, solo que no está distribuido uniformemente» para explicar la trayectoria de las tendencias Tecnología futuristas. La idea se aplica perfectamente a la intersección de la IA y la Web 3.

La rápida evolución de la investigación y la Tecnología de aprendizaje automático (ML) en la última década se ha traducido en una cantidad abrumadora de plataformas, marcos y API de ML que pueden utilizarse para añadir capacidades inteligentes a las soluciones de la Web 3. Ya observamos ejemplos aislados de inteligencia en aplicaciones de la Web 3. Por lo tanto, podemos afirmar con seguridad que la Web 3 inteligente ya está aquí, aunque no está distribuida de forma uniforme.

Sigue leyendo: Creando la rampa de acceso para la Web 3