P1: Navy, ¿podría darnos una descripción general de en qué está trabajando actualmente Footprint Analytics?
Footprint Analytics se dedica a crear una plataforma de datos estructurados que cierra la brecha entre los datos Web2 y Web3.
Nos especializamos en estructurar datos. A pesar de la relativa ventaja de Web3 sobre Web2 en datos transparentes en cadena, persisten ciertos desafíos. Estos incluyen el estado incipiente de la industria, la falta de prácticas estandarizadas y la falta de datos organizados. Como resultado, la aplicación de datos se vuelve problemática.
A modo de ejemplo, considere el escenario en el que desea acceder a datos de transacciones en Opensea desde múltiples cadenas como Ethereum, Solana y Polygon. Este proceso implica comprender el modelo de negocio de OpenSea, estudiar el código de contrato inteligente y extraer secuencialmente datos de transacciones de cada cadena.
Este proceso es complicado. En primer lugar, es complicado y propenso a errores durante todo el proceso de recopilación de datos. En segundo lugar, es técnicamente complejo, dadas las diferencias en el diseño del libro mayor y las estructuras de datos entre las cadenas. Finalmente, conduce a un desperdicio de recursos. En un escenario en el que 1.000 personas necesitan estos datos, tendrían que pasar por un proceso igualmente complejo 1.000 veces. Esta importante repetición dificulta significativamente la eficiencia de la recopilación de datos y desperdicia recursos informáticos.
Esto nos lleva al propósito de Footprint Analytics: abstraer datos de sectores dispares como GameFi, NFT y DeFi y establecer prácticas de datos estandarizadas para la industria Web3. Esto, a su vez, permitirá a los desarrolladores y participantes de la industria acceder y analizar datos de manera eficiente y precisa.
Hasta la fecha, hemos lanzado plataformas en más de 20 blockchains, organizadas en tres segmentos principales:
- Footprint Growth Analytics como solución industrial: soluciones personalizadas para proyectos Web3 en crecimiento de marketing y análisis operativo, similares a una versión Web3 de Google Analytics, que impulsan los proyectos hacia un crecimiento basado en datos.
- Herramientas de análisis de datos de código cero: al brindar una experiencia similar a ChatGPT, esta herramienta permite a los usuarios obtener informes de análisis de datos a través de consultas y respuestas simples. En el futuro previsible, el uso de datos en cadena se simplificará enormemente: no se requerirá una comprensión complicada de la lógica empresarial de Web3 ni habilidades de programación avanzadas, lo que agilizará la transición de Web2 a Web3.
- API unificada gratuita: a través de una API unificada de cadenas múltiples y entre cadenas, esta función facilita el acceso a datos entre cadenas en múltiples cadenas, brindando a los usuarios una experiencia perfecta para recuperar datos de múltiples cadenas sin costo.
P2: La integración de la IA con Web3 se ha convertido en una tendencia cautivadora en la actualidad. Cada tecnología, GPT o AIGC, ha demostrado una gran creatividad al alinear la IA con sus capacidades únicas. Ahora, Marina, por favor explíquenos desde la perspectiva del sector de datos. Profundicemos en cómo la IA se puede fusionar perfectamente con la Web3. Esta exploración puede abordarse desde perspectivas tanto técnicas como de aplicación para dilucidar las diversas posibilidades de esta integración.
Como plataforma de datos, Footprint encaja perfectamente con la IA. La IA abarca tres facetas clave: potencia informática, datos y algoritmos. Entre ellos, la potencia informática es la base que sustenta el entrenamiento y la ejecución del modelo de IA. Al mismo tiempo, los datos son la esencia de la IA y los algoritmos dictan el rendimiento de la IA, incluida la precisión del modelo y la eficacia de las aplicaciones.
De ellos, los datos son sin duda el más importante e indispensable. Los datos son el alma de industrias y proyectos, y su importancia se extiende a áreas clave como la privacidad y el cumplimiento, donde su valor es inconmensurable. Los datos pueden estar fuera del alcance de la compra, dada su implicación en cuestiones de privacidad y cumplimiento. La IA actúa como consumidor y productor de datos.
Actualmente, la aplicación de Footprint de la convergencia de datos e IA abarca varios aspectos principales:
Durante la fase de generación de contenido de datos, la contribución de la IA dentro de nuestra plataforma es fundamental. Inicialmente, utilizamos IA para generar código de procesamiento de datos, brindando a los usuarios una experiencia de análisis de datos más optimizada.
Más concretamente, estamos impulsando la innovación en dos direcciones específicas.
Primero, estamos seleccionando y categorizando datos de referencia. Tomando como ejemplo los contratos implementados recientemente en la cadena de bloques, nuestra IA puede determinar de forma autónoma el protocolo al que pertenece un contrato, el tipo de contrato e incluso si el contrato pertenece a categorías como LP o Swap en plataformas Dex. Esta estructuración y clasificación inteligente mejora enormemente la accesibilidad de los datos.
En segundo lugar, podemos generar datos de dominio de nivel superior basados en nuestros datos de referencia. Por ejemplo, utilizamos IA para crear datos dentro de dominios como GameFi, NFT, etc., proporcionando a los usuarios recursos de datos más completos. Este enfoque mejora la calidad del contenido de los datos y permite a los usuarios comprender mejor los datos de diferentes industrias.
Para mejorar la experiencia del usuario front-end, hemos introducido una función de análisis inteligente basada en IA. Como se mencionó anteriormente, cuando los usuarios interactúan con Footprint para el análisis de datos, encuentran una experiencia similar a una conversación con ChatGPT. Los usuarios pueden hacer preguntas y recibir inmediatamente los informes de análisis de datos correspondientes. La lógica subyacente implica traducir texto a consultas SQL, lo que reduce drásticamente la barrera de entrada para el análisis de datos.
Finalmente, en lo que respecta a la asistencia al usuario, hemos desarrollado un robot de atención al cliente impulsado por IA. Alimentamos a la IA con datos de Footprint, que abarca GameFi, NFT, DeFi y otras áreas, para crear un bot de servicio al cliente de IA personalizado para Footprint. Este bot de IA brinda asistencia inmediata a los usuarios respondiendo preguntas relacionadas con el uso de Footprint, incluidos tipos de datos, definiciones de datos, uso de API, etc. Esto aumenta en gran medida la eficiencia de la atención al cliente al tiempo que reduce la cantidad de trabajo manual.
Sin embargo, vale la pena señalar que, si bien las aplicaciones de IA pueden aumentar la productividad y ayudar a resolver la mayoría de los desafíos, es posible que no sean omniscientes. Según nuestra experiencia en procesamiento de datos, la IA puede ayudar a resolver aproximadamente entre el 70% y el 80% de los desafíos.
P3: ¿Qué desafíos probablemente surjan al integrar la IA con Web3? ¿Existen problemas relacionados con la complejidad técnica, la experiencia del usuario, el cumplimiento de la propiedad intelectual o consideraciones éticas?
Desde una perspectiva más amplia, independientemente del ámbito en el que se aplique la IA, una consideración crítica es el nivel de aceptación de la tolerancia a fallos de la IA. Los diferentes escenarios de aplicación tienen diferentes requisitos de tolerancia a fallos. Es necesario equilibrar la precisión y la confiabilidad de la IA con la tolerancia al error de las personas.
Por ejemplo, en el sector sanitario, la decisión de confiar en la IA o en un médico puede implicar desafíos relacionados con la confianza. En el ámbito de la inversión, la IA puede proporcionar factores que influyen en la dirección de los precios de BTC, pero las personas aún pueden tener dudas al tomar decisiones reales de compra o venta.
Sin embargo, es posible que la exactitud precisa no sea primordial en el análisis operativo y de marketing, como la creación de perfiles de usuario y la organización en niveles, porque los errores menores no tendrán un impacto significativo. Como resultado, la tolerancia al error se acepta más fácilmente en estos contextos.
Actualmente, Footprint se centra principalmente en los datos en sus esfuerzos por integrar la IA con Web3, lo que presenta su propio conjunto de desafíos:
Primero, el primer desafío es la generación de datos, específicamente proporcionar datos de alta calidad para que la IA logre capacidades de generación de datos más eficientes y precisas. Esta relación entre la IA y los datos se puede comparar con el motor y el combustible de un automóvil, donde la IA es el motor y los datos el combustible. No importa cuán avanzado sea el motor, la falta de combustible de calidad impedirá un rendimiento óptimo.
Esto plantea la cuestión de cómo generar datos de alta calidad, por ejemplo, cómo generar datos de forma rápida y automática en áreas como GameFi, NFT, DeFi y otras. Esto incluye organizar automáticamente las conexiones de datos, esencialmente creando un gráfico de datos. Más específicamente, se trata de condicionantes como los protocolos a los que están asociados los contratos, los tipos de contratos, los proveedores y otros detalles pertinentes. El objetivo principal de este proceso es proporcionar constantemente a la IA datos de alta calidad para mejorar su eficiencia y precisión en la producción de datos, creando así un círculo virtuoso.
El segundo desafío es la privacidad de los datos. Si bien Web3 está fundamentalmente comprometido con la descentralización y la transparencia, la necesidad de privacidad puede volverse primordial a medida que la industria evoluciona. Esto incluye proteger las identidades, los activos y la información de transacciones de los usuarios. Esta situación presenta un dilema: la transparencia de los datos en la cadena de bloques disminuye gradualmente, lo que limita la cantidad de datos accesibles a la IA. Sin embargo, este problema se abordará a medida que avance la industria y la criptografía homomórfica es una posible solución.
En conclusión, la convergencia de la IA y la Web3 está intrínsecamente entrelazada con un problema central: la accesibilidad de los datos. En esencia, el desafío final para la IA radica en su acceso a datos de alta calidad.
P4: Si bien la IA no es un concepto nuevo, la convergencia de la IA y la Web3 aún está en su infancia. Entonces, Navy, ¿qué áreas o combinaciones potenciales de IA dentro de Web3 cree que podrían servir como un gran avance que atraería una afluencia significativa de usuarios a Web3 y facilitaría la adopción masiva?
Creo que lograr una integración y adopción significativas de Web3 y la IA depende de abordar dos desafíos fundamentales. En primer lugar, es necesario proporcionar servicios mejorados a los creadores y desarrolladores de Web3, especialmente en áreas como GameFi, NFT y plataformas sociales. En segundo lugar, es imperativo reducir las barreras en el frente de las aplicaciones para garantizar una entrada más fluida de los usuarios al panorama Web3.
Comencemos por servir a la comunidad de desarrolladores. En este ámbito destacan dos tipos principales de aplicaciones.
Una categoría son las plataformas de desarrollo impulsadas por IA. Estas plataformas utilizan tecnología de inteligencia artificial para automatizar la creación de plantillas de código. Ya sea para crear plataformas DEX o mercados NFT, estas plataformas pueden generar de manera inteligente plantillas de código adaptadas a las necesidades específicas de los desarrolladores, lo que aumenta significativamente la eficiencia del desarrollo.
En los juegos, la IA puede acelerar la creación de modelos de juego y la generación de imágenes, acelerando así el proceso de desarrollo y lanzamiento del juego. Estas plataformas han permitido a los desarrolladores centrarse más en la creatividad y la innovación en lugar de dedicar demasiado tiempo a tareas básicas y repetitivas.
La otra categoría gira en torno a las plataformas de datos impulsadas por IA. Estas plataformas utilizan IA para generar de forma autónoma datos específicos de dominio en diversas industrias, como GameFi, NFT, SocialFi y DeFi. El objetivo es reducir el umbral para que los desarrolladores utilicen y apliquen datos, y simplificar el análisis y el uso de datos.
A través de la IA, estas plataformas pueden generar automáticamente diversos conjuntos de datos, enriqueciendo a los desarrolladores con abundantes recursos de datos y mejorando su comprensión de las tendencias del mercado, el comportamiento de los usuarios y más. Al brindar a los desarrolladores un soporte de datos integral, estas plataformas de datos eliminan las barreras de utilización de datos y catalizan el surgimiento de aplicaciones inventivas.
La adopción masiva siempre ha sido un desafío clave en el espacio Web3. Por ejemplo, el mercado ha visto recientemente el surgimiento de soluciones blockchain con tarifas prácticamente insignificantes destinadas a aumentar las transacciones por segundo (TPS). Además, soluciones como la billetera MPC abordan eficazmente la principal barrera a la migración de Web2 a Web3 al superar los desafíos de la migración.
La solución a estos desafíos no depende únicamente de la tecnología de inteligencia artificial, sino que está entrelazada con la evolución y el desarrollo holístico del ecosistema Web3. Si bien la IA desempeña un papel clave en la mejora de la eficiencia y la reducción de barreras, la infraestructura subyacente y el crecimiento de Web3 siguen siendo factores clave para resolver el problema de la adopción masiva.
