Insights do Hack Seasons Singapore: Palestrantes compartilham como a IA pode acelerar Web3 Desenvolvimento

No início de outubro, o Conferência Hack Seasons foi realizado em Singapura, reunindo profissionais de ponta para analisar as últimas tendências em IA, Web3, blockchain e criptomoedas. Um dos painéis mais notáveis ​​do dia, intitulado “IA: A Camada de Lógica e Inteligência Web3 “Necessidades?”, focou em como a análise orientada por IA pode aprimorar a atividade on-chain, criando ecossistemas mais rápidos, inteligentes e adaptáveis. A discussão, moderada por Igor Lessio , CEO da Fluxo de IA , featured figuras proeminentes, incluindo Will Carter , CTO de Lâmina1 ; Lane Retting , Chefe de Pesquisa da Perto da Fundação ; Dillon Chen , Fundador e CEO da comum ; e Aaron Ramírez , Engenheiro de Software de IA na Flipside .

A discussão começou com o reconhecimento de que a Web2 e Web3 diferem na velocidade de desenvolvimento, o que levanta a questão do que impede atualmente Web3 de atingir o mesmo ritmo da Web2.

Os painelistas concordaram que Web3 está se movendo mais lentamente do que a Web2, mas enfatizou que isso não é necessariamente uma desvantagem — é, em muitos aspectos, uma característica. Ao contrário da Web2, Web3 prioriza a segurança e a finalidade. Construindo em Web3 requer a implementação cuidadosa de proteções para garantir que a descentralização seja preservada e que a dependência de sistemas opacos, como modelos de linguagem de caixa preta de grande porte, não introduza novos riscos. Web3 os desenvolvedores devem resolver desafios únicos que a Web2 nem mesmo encontra.

O painel destacou ainda que os sistemas humanos em Web3 espelham de perto os sistemas técnicos. Em uma aplicação Web2 centralizada, os desenvolvedores podem contar com um banco de dados central ou oráculo para obter alto rendimento, transações rápidas e escala — mas isso tem o custo da centralização. Em contraste, usar um blockchain em Web3 é mais lento e mais caro, mas oferece imutabilidade e outros recursos descentralizados essenciais. O ritmo mais lento também se estende à camada social, onde processos de governança descentralizados e tomada de decisões orientada pela comunidade contribuem para melhores resultados a longo prazo, mesmo que retardem o desenvolvimento. Agentes de IA, observou o painel, podem ajudar a mitigar algumas dessas ineficiências automatizando tarefas repetitivas ou apoiando a governança, acelerando efetivamente certos aspectos dos processos descentralizados.

Outro ponto levantado foi que as inovações no universo das criptomoedas muitas vezes permanecem invisíveis para os usuários finais. Mecanismos como protocolos de consenso e camadas de governança social operam nos bastidores, assim como os desenvolvimentos na comunidade de IA de código aberto, que podem estar meses atrás das pesquisas de ponta mais recentes.

Um tema recorrente foi a segurança. Ao contrário da Web2, onde a velocidade muitas vezes tem precedência sobre a segurança, Web3O foco principal é a segurança e a confiabilidade, o que naturalmente retarda os ciclos de lançamento de produtos. Os painelistas sugeriram que Web3 as equipes podem aproveitar ferramentas de IA estrategicamente para otimizar o desenvolvimento e acelerar lançamentos sem comprometer a segurança, combinando assim os benefícios da descentralização com uma produção mais eficiente.

Equilibrando a descentralização e a IA: privacidade, transparência e sistemas multiagentes em Web3

A conversa mudou para o tema da descentralização, um princípio fundamental da Web3, e como ela se intersecta com a IA, que frequentemente representa inteligência centralizada. Os painelistas exploraram estratégias para manter a descentralização da inteligência e, ao mesmo tempo, alavancar tecnologias de IA.

A privacidade em modelos de IA continua sendo um desafio, principalmente quando os sistemas operam remotamente. Na prática, a maioria dos desenvolvedores prioriza o desempenho em detrimento da privacidade para muitos aplicativos. A IA no dispositivo apresenta uma maneira de preservar os dados do usuário para casos de uso limitados, mas dispositivos como smartphones só podem executar modelos de tamanho restrito, criando um trade-off entre desempenho, capacidade e privacidade. O painel observou que o público em geral frequentemente prioriza a conveniência em detrimento da privacidade, optando por plataformas que podem explorar dados do usuário, citando exemplos como WhatsApp e TikTok. No entanto, ferramentas menores e direcionadas — como aplicativos de integração — podem se beneficiar de estruturas locais de IA que traduzem dados técnicos em interações amigáveis ​​ao usuário e baseadas em intenção. Apesar dessas soluções, os modelos de IA permanecem em grande parte caixas-pretas opacas, e alternativas mais transparentes são necessárias.

Os palestrantes enfatizaram a importância do treinamento de modelos abertos e verificáveis, incluindo provas criptográficas que garantam a confiabilidade dos pipelines de IA e dos processos de inferência no dispositivo. Eles admitiram que, há dois anos, estavam excessivamente otimistas quanto à preocupação do público com privacidade e verificabilidade. Hoje, embora a conscientização em massa ainda seja limitada, existem segmentos de mercado que priorizam a privacidade, o que representa uma oportunidade significativa em um mercado potencialmente trilionário.

Além da privacidade, os painelistas discutiram as limitações atuais dos modelos de IA, observando que até mesmo sistemas avançados como ChatGPT podem produzir resultados inconsistentes para as mesmas consultas. Experiência do usuário, sistemas multiagentes e processos de tomada de decisão são áreas-chave que precisam de melhorias. Em relação à confiança, o painel destacou a necessidade de as empresas fornecerem transparência sobre os dados utilizados pelos agentes de IA.

Olhando para o futuro, a discussão sugeriu que depender de um único fornecedor de IA é arriscado. Diversificar entre vários fornecedores, incluindo modelos de código aberto, é aconselhável. Várias empresas emergentes estão desenvolvendo produtos de IA que não armazenam dados do usuário e utilizam modelos de código aberto, criando o potencial para maior concorrência e soluções de IA mais descentralizadas e focadas na privacidade nos próximos cinco anos.

Concluindo o debate, os painelistas refletiram sobre a evolução da experiência do usuário (UX), observando uma clara mudança em direção a interfaces baseadas em chat. Eles enfatizaram que a próxima grande onda no consumo DeFi será moldado por experiências semelhantes a ChatGPT, onde os usuários podem acessar informações em frações de segundo. Eles destacaram ainda que essa evolução exigirá repensar as abordagens operacionais para adotar totalmente essa nova UX simplificada, principalmente porque a maioria das interações agora ocorre em dispositivos móveis.

O painel observou que os usuários estão cada vez mais condicionados a esperar respostas imediatas, tornando a velocidade e a precisão cruciais. Ao mesmo tempo, enfatizaram a importância da alfabetização do usuário, ressaltando que as pessoas ainda precisam entender como os modelos de linguagem de grande porte (LLMs) funcionam, incluindo suas limitações, e que os resultados devem ser sempre verificados.