Fetch.ai acabou de apresentar o ASI-1 Mini, o primeiro modelo de linguagem de grande dimensão (LLM) nativo para o Web3, que oferece um acesso inovador à inteligência artificial descentralizada. O ASI-1 Mini permite à comunidade Web3 investir, treinar e possuir modelos de IA, reduzindo os custos de infraestrutura e trazendo novas oportunidades para as empresas e os usuários de todo o mundo.
Sumário
Fetch.ai e o inovador ASI-1 Mini: um LLM escalável pensado para o mundo Web3
Fetch.ai anunciou o lançamento do ASI-1 Mini, um novo modelo de linguagem de grandes dimensões (LLM) projetado para o web3. Em comparação com outros LLM já existentes no campo descentralizado, o ASI-1 Mini foi desenvolvido para otimizar a integração com aplicações baseadas em blockchain, oferecendo uma alternativa mais acessível em termos de custos e infraestrutura de IA.
ASI-1 Mini oferece alto desempenho com apenas duas GPU, reduzindo significativamente os custos de hardware, que são tradicionalmente um obstáculo para as pequenas e médias empresas que desejam implementar soluções baseadas em IA. Além disso, graças à sua arquitetura inovadora baseada no framework Mixture of Experts (MoE), ASI-1 Mini é extremamente escalável. Pode se adaptar às diferentes necessidades empresariais e crescer de forma flexível, gerenciando tarefas cada vez mais complexas.
Isso a torna uma solução ideal para uma vasta gama de aplicações, desde pequenas empresas até realidades empresariais mais complexas. A abordagem modular também permite levar a AI de nível empresarial a um público mais amplo e a custos acessíveis. Em particular, o ASI-1 Mini pode ser utilizado para atividades como a análise de dados, a automação de processos empresariais, a assistência virtual e a otimização de decisões, oferecendo ferramentas avançadas para diversos setores.
Fetch.ai e il “Black-box problem”: como ASI-1 Mini melhora a transparência nas decisões AI
Um problema comum nos modelos de IA tradicionais, notoriamente nos sistemas de deep learning, é o chamado “black-box problem“. Este fenômeno ocorre quando os modelos de IA tomam decisões complexas sem fornecer explicações sobre como chegaram a tais conclusões. A ausência de transparência em um modelo de IA pode gerar preocupações, especialmente em áreas sensíveis como a saúde, a finança e a justiça, onde é fundamental compreender o motivo por trás de uma decisão.
Um exemplo clássico diz respeito a um algoritmo de IA utilizado no setor sanitário para prever a probabilidade de um paciente desenvolver uma doença. Se o modelo sugerir um risco elevado, mas não explicar quais fatores foram considerados para chegar a essa conclusão, os médicos e os pacientes podem encontrar dificuldades em tomar decisões informadas. Outro exemplo diz respeito ao uso de IA nos empréstimos bancários, onde um modelo pode negar um empréstimo sem explicar claramente quais variáveis foram avaliadas, aumentando o risco de preconceitos ou decisões arbitrárias.
Fetch.ai enfrentou este problema com o ASI-1 Mini, que não se limita a executar raciocínios superficiais, mas é projetado para operar com raciocínio contínuo em várias fases. Esta abordagem permite um monitoramento e uma correção em tempo real das decisões tomadas pelo sistema, aumentando a transparência e a confiança na AI. Embora o modelo não elimine completamente a opacidade, fornece explicações mais detalhadas e acessíveis em comparação com outras soluções concorrentes.
A experiência Web3 freemium para os holders de FET
Uma das características que distingue o ASI-1 Mini é a sua integração freemium oferecida aos detentores de tokens FET, a criptomoeda nativa da Fetch.ai. Os detentores de FET podem acessar gratuitamente o ASI-1 Mini e suas características básicas de IA, participando em vez disso de um modelo que recompensa o investimento em tokens.
Este sistema permite aos usuários aproveitar a inteligência artificial de última geração sem os altos custos iniciais típicos de outras soluções de IA tradicionais. Em essência, o ASI-1 Mini torna-se um recurso acessível a qualquer pessoa que tenha participado do ecossistema Web3 da Fetch.ai, reforçando o conceito de uma comunidade descentralizada onde os usuários podem obter benefícios tangíveis do uso e desenvolvimento da IA.
O sistema freemium oferecido pela Fetch.ai não se limita a uma simples possibilidade de utilização do modelo. Os detentores de FET podem também participar ativamente na formação e otimização dos modelos AI através da plataforma ASI:<Train/>. Isso permite aos usuários contribuir para o crescimento do ecossistema AI, treinando modelos específicos para diferentes aplicações e compartilhando os resultados com a comunidade. Em troca, os usuários podem obter recompensas em tokens, criando assim um círculo virtuoso que estimula a adoção e a inovação no Web3.

A conexão com os agentes AI: o futuro da colaboração no ecossistema Fetch.ai
Outro aspecto crucial do ASI-1 Mini é a sua capacidade de interagir com os agenti autônomos no ecossistema de Fetch.ai. ASI-1 Mini é integrado com AgentVerse, o marketplace de agentes AI, que permite aos usuários criar e implementar agentes autônomos que executam tarefas no mundo real através de comandos linguísticos simples. Esta conexão entre modelos avançados de linguagem e agentes autônomos abre novas oportunidades para a automação de processos complexos, desde a gestão das operações empresariais até a resolução de problemas em tempo real.
Uma vez completamente integrado, o ASI-1 Mini permitirá aos usuários solicitar várias atividades, como a reserva de hotéis ou restaurantes, simplesmente formulando um pedido textual. Esses pedidos serão convertidos em micro-agentes, hospedados dentro do AgentVerse, que executarão as operações de forma autônoma. Além disso, os desenvolvedores poderão monetizar esses micro-agentes, contribuindo para a criação de um ecossistema de código aberto em que as funcionalidades de IA personalizadas serão facilmente acessíveis, favorecendo o desenvolvimento de uma economia baseada em agentes autônomos. Com a evolução da IA e dos agentes autônomos, essas sinergias poderiam criar novas oportunidades econômicas e potencializar a capacidade de decisão em tempo real.




