469.jpg

Entrevista com o CEO da Footprint Analytics

Web3 está inaugurando a próxima era da Internet. No entanto, permanecem desafios como dados on-chain fragmentados e não padronizados. É por isso Análise de pegada lançou uma solução de dados abrangente que aproveita Tecnologia de IA para automatizar a coleta, limpeza e correlação de dados de blockchain.

Esta iniciativa visa estabelecer padrões de dados entre cadeias, facilitando o acesso e a análise de desenvolvedores e analistas.

A Marinha acredita que a convergência de IA e blockchain catalisará a adoção em massa da Web3. Por um lado, dados de alta qualidade constituem a base para o treinamento de modelos de IA; por outro lado, a IA pode ajudar a gerar dados de alta qualidade:

Q1: Marinha, você poderia nos dar uma visão geral do que a Footprint Analytics está trabalhando atualmente?

Footprint Analytics se dedica a criar uma plataforma de dados estruturada que preenche a lacuna entre os dados Web2 e Web3.

Somos especializados em estruturação de dados. Apesar da vantagem relativa da Web3 sobre a Web2 em dados transparentes na cadeia, certos desafios permanecem. Estes incluem o estado nascente da indústria, a falta de práticas padronizadas e a falta de dados organizados. Como resultado, a aplicação de dados torna-se problemática.

Para ilustrar, considere o cenário em que você deseja acessar dados de transações no Opensea de várias cadeias, como Ethereum, Solana e Polygon. Este processo envolve a compreensão do modelo de negócios da OpenSea, o estudo do código do contrato inteligente e a extração sequencial de dados de transação de cada cadeia.

Este processo é complicado. Em primeiro lugar, é complicado e sujeito a erros durante todo o processo de coleta de dados. Em segundo lugar, é tecnicamente complexo, dadas as diferenças no design dos livros-razão e nas estruturas de dados entre as cadeias. Finalmente, leva a um desperdício de recursos. Num cenário em que 1.000 pessoas precisassem destes dados, teriam de passar por um processo igualmente complexo 1.000 vezes. Essa repetição significativa prejudica significativamente a eficiência da coleta de dados e desperdiça recursos computacionais.

Isso nos leva ao propósito do Footprint Analytics: abstrair dados de setores díspares, como GameFi, NFTs e DeFi, e estabelecer práticas de dados padronizadas para a indústria Web3. Isto, por sua vez, permitirá que desenvolvedores e participantes da indústria acessem e analisem dados de forma eficiente e precisa.

Até o momento, lançamos plataformas em mais de 20 blockchains, organizadas em três segmentos principais:

  1. Footprint Growth Analytics como uma solução do setor: soluções personalizadas para projetos Web3 em crescimento de marketing e análise operacional, semelhante a uma versão Web3 do Google Analytics, impulsionando projetos em direção ao crescimento baseado em dados.
  2. Ferramentas de análise de dados Zero-Code: Proporcionando uma experiência semelhante ao ChatGPT, esta ferramenta permite aos usuários obter relatórios de análise de dados por meio de consultas e respostas simples. Num futuro próximo, o uso de dados on-chain será bastante simplificado – não será necessária nenhuma compreensão complicada da lógica de negócios da Web3 ou habilidades avançadas de programação, agilizando a transição da Web2 para a Web3.
  3. API unificada gratuita: por meio de uma API unificada de múltiplas cadeias e cadeias cruzadas, esse recurso facilita o acesso a dados entre cadeias em várias cadeias, fornecendo aos usuários uma experiência perfeita para recuperar dados de várias cadeias sem nenhum custo.

Q2: Integrar IA com Web3 tornou-se uma tendência cativante hoje. Cada tecnologia, GPT ou AIGC, demonstrou grande criatividade no alinhamento da IA ​​com as suas capacidades únicas. Agora, Marinha, por favor, explique a partir da perspectiva do setor de dados. Vamos nos aprofundar em como a IA pode ser perfeitamente mesclada com o Web3. Esta exploração pode ser abordada tanto do ponto de vista técnico quanto de aplicação para elucidar as diversas possibilidades desta integração.

Como plataforma de dados, o Footprint se adapta naturalmente à IA. A IA abrange três facetas principais: poder de computação, dados e algoritmos. Entre eles, o poder da computação é a base que sustenta o treinamento e a execução do modelo de IA. Ao mesmo tempo, os dados são a essência da IA ​​e os algoritmos determinam o desempenho da IA, incluindo a precisão do modelo e a eficácia da aplicação.

Destes, os dados são sem dúvida os mais importantes e indispensáveis. Os dados são a força vital das indústrias e dos projetos, e a sua importância estende-se a áreas-chave como a privacidade e a conformidade, onde o seu valor é imensurável. Os dados podem estar além da compra, dado o seu envolvimento em questões de privacidade e conformidade. A IA atua tanto como consumidora quanto como produtora de dados.

Atualmente, a aplicação da convergência de dados e IA da Footprint abrange vários aspectos principais:

Durante a fase de geração de conteúdo de dados, a contribuição da IA ​​em nossa plataforma é crítica. Inicialmente, usamos IA para gerar código de processamento de dados, proporcionando aos usuários uma experiência de análise de dados mais simplificada.

Mais especificamente, estamos a impulsionar a inovação em duas direções específicas.

Primeiro, estamos selecionando e categorizando dados de referência. Tomando como exemplo contratos recentemente implantados no blockchain, nossa IA pode determinar autonomamente o protocolo ao qual um contrato pertence, o tipo de contrato e até mesmo se o contrato se enquadra em categorias como LP ou Swap em plataformas Dex. Essa estruturação e classificação inteligentes melhoram muito a acessibilidade dos dados.

Em segundo lugar, podemos gerar dados de domínio de nível superior com base nos nossos dados de referência. Por exemplo, usamos IA para criar dados em domínios como GameFi, NFT, etc., fornecendo aos usuários recursos de dados mais ricos. Essa abordagem melhora a qualidade do conteúdo dos dados e permite que os usuários entendam melhor os dados em diferentes setores.

Para melhorar a experiência do usuário front-end, introduzimos uma função de análise inteligente baseada em IA. Conforme mencionado acima, quando os usuários envolvem o Footprint para análise de dados, eles encontram uma experiência semelhante a uma conversa com o ChatGPT. Os usuários podem fazer perguntas e receber imediatamente os relatórios de análise de dados correspondentes. A lógica subjacente envolve a tradução de texto em consultas SQL, reduzindo drasticamente a barreira de entrada para análise de dados.

Finalmente, quando se trata de suporte ao usuário, desenvolvemos um bot de atendimento ao cliente com tecnologia de IA. Alimentamos a IA com dados do Footprint, que abrangem GameFi, NFT, DeFi e outras áreas, para construir um bot de atendimento ao cliente de IA personalizado para o Footprint. Este bot de IA fornece assistência imediata aos usuários, respondendo a perguntas relacionadas ao uso do Footprint, incluindo tipos de dados, definições de dados, uso de API, etc.

No entanto, vale a pena notar que, embora as aplicações de IA possam aumentar a produtividade e ajudar a resolver a maioria dos desafios, podem não ser omniscientes. Com base na nossa experiência em processamento de dados, a IA pode ajudar a resolver aproximadamente 70% a 80% dos desafios.

P3: Que desafios provavelmente surgirão na integração da IA ​​com a Web3? Existem questões relacionadas à complexidade técnica, experiência do usuário, conformidade com propriedade intelectual ou considerações éticas?

De uma perspectiva mais ampla, independentemente do domínio em que a IA é aplicada, uma consideração crítica é o nível de aceitação da tolerância a falhas da IA. Diferentes cenários de aplicação têm diferentes requisitos de tolerância a falhas. É necessário equilibrar a precisão e a confiabilidade da IA ​​com a tolerância das pessoas ao erro.

Por exemplo, na área da saúde, a decisão de confiar na IA ou num médico pode envolver desafios relacionados com a confiança. No espaço de investimento, a IA pode fornecer fatores que influenciam a direção dos preços do BTC, mas as pessoas ainda podem ter dúvidas ao tomar decisões reais de compra ou venda.

No entanto, a precisão precisa pode não ser fundamental em análises operacionais e de marketing, como criação de perfil e classificação de usuários, porque pequenos erros não terão impacto significativo. Como resultado, a tolerância ao erro é mais facilmente aceita nesses contextos.

Atualmente, a Footprint está focada principalmente nos dados nos seus esforços para integrar a IA com a Web3, o que apresenta o seu próprio conjunto de desafios:

Em primeiro lugar, o primeiro desafio é a geração de dados, fornecendo especificamente dados de alta qualidade para que a IA alcance capacidades de geração de dados mais eficientes e precisas. Esta relação entre IA e dados pode ser comparada ao motor e ao combustível de um carro, onde a IA é o motor e os dados são o combustível. Não importa quão avançado seja o motor, a falta de combustível de qualidade impedirá o desempenho ideal.

Isto levanta a questão de como gerar dados de alta qualidade, por exemplo, como gerar dados de forma rápida e automática em áreas como GameFi, NFTs, DeFi e outras. Isto inclui organizar automaticamente as conexões de dados, essencialmente criando um gráfico de dados. Mais especificamente, envolve fatores determinantes como os protocolos aos quais os contratos estão associados, os tipos de contratos, os fornecedores e outros detalhes pertinentes. O principal objetivo deste processo é fornecer consistentemente à IA dados de alta qualidade para melhorar a sua eficiência e precisão na produção de dados, criando assim um ciclo virtuoso.

O segundo desafio é a privacidade dos dados. Embora a Web3 esteja fundamentalmente comprometida com a descentralização e a transparência, a necessidade de privacidade pode tornar-se fundamental à medida que a indústria evolui. Isso inclui proteger as identidades, os ativos e as informações de transações dos usuários. Esta situação apresenta um dilema: a transparência dos dados na blockchain diminui gradualmente, limitando a quantidade de dados acessíveis à IA. No entanto, esta questão será abordada à medida que a indústria avança, e a criptografia homomórfica é uma solução possível.

Concluindo, a convergência da IA ​​e da Web3 está inerentemente interligada com um problema central: a acessibilidade dos dados. Em essência, o desafio final para a IA reside no seu acesso a dados de alta qualidade.

Q4: Embora a IA não seja um conceito novo, a convergência da IA ​​e da Web3 ainda está na sua infância. Então, Marinha, quais áreas ou combinações potenciais de IA dentro da Web3 você acredita que poderiam servir como um avanço que atrairia um fluxo significativo de usuários para a Web3 e facilitaria a adoção em massa?

Acredito que alcançar uma integração e adoção significativas da Web3 e da IA ​​depende da abordagem de dois desafios fundamentais. Primeiro, é necessário fornecer serviços aprimorados aos construtores e desenvolvedores Web3, especialmente em áreas como GameFi, NFTs e plataformas sociais. Em segundo lugar, é imperativo reduzir as barreiras na frente dos aplicativos para garantir uma entrada mais tranquila do usuário no cenário da Web3.

Vamos começar atendendo à comunidade de desenvolvedores. Nesta área, destacam-se dois tipos principais de aplicações.

Uma categoria são as plataformas de desenvolvimento baseadas em IA. Essas plataformas usam tecnologia de IA para automatizar a criação de modelos de código. Seja para construir plataformas DEX ou mercados NFT, essas plataformas podem gerar modelos de código adaptados de forma inteligente às necessidades específicas dos desenvolvedores, aumentando significativamente a eficiência do desenvolvimento.

Nos jogos, a IA pode acelerar a criação de modelos de jogos e a geração de imagens, acelerando assim o processo de desenvolvimento e lançamento de jogos. Essas plataformas permitiram que os desenvolvedores se concentrassem mais na criatividade e na inovação, em vez do tempo excessivo em tarefas básicas e repetitivas.

A outra categoria gira em torno de plataformas de dados alimentadas por IA. Essas plataformas usam IA para gerar de forma autônoma dados específicos de domínio em vários setores, como GameFi, NFTs, SocialFi e DeFi. O objetivo é reduzir o limite para os desenvolvedores usarem e aplicarem dados e simplificar a análise e o uso de dados.

Por meio da IA, essas plataformas podem gerar automaticamente diversos conjuntos de dados, enriquecendo os desenvolvedores com ricos recursos de dados e melhorando sua compreensão das tendências do mercado, do comportamento do usuário e muito mais. Ao fornecer aos desenvolvedores suporte abrangente de dados, essas plataformas de dados removem as barreiras de utilização de dados e catalisam o surgimento de aplicações inventivas.

A adoção em massa sempre foi um desafio importante no espaço Web3. Por exemplo, o mercado viu recentemente o surgimento de soluções blockchain com taxas praticamente insignificantes destinadas a aumentar as transações por segundo (TPS). Além disso, soluções como a carteira MPC abordam eficazmente a principal barreira à migração da Web2 para a Web3, superando os desafios da migração.

A solução para estes desafios não depende apenas da tecnologia de IA, mas está interligada com a evolução holística e o desenvolvimento do ecossistema Web3. Embora a IA desempenhe um papel fundamental na melhoria da eficiência e na redução de barreiras, a infraestrutura subjacente e o crescimento da Web3 continuam a ser fatores-chave na resolução do problema da adoção em massa.

Conecte-se com a Marinha Tse

Fonte

Compartilhe:

Facebook
Twitter
LinkedIn
Pinterest
Pocket
WhatsApp

Deixe um comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *