作者:Marshal Orange, PermaDAO
Di era "setiap orang adalah manajer produk" ini, setiap orang memiliki inspirasi dan kreativitas yang tak ada habisnya, tetapi mereka sering dibatasi oleh ambang batas dalam jalur implementasi teknologi atau produk dan tidak memiliki kemampuan dan keberanian untuk berpartisipasi di dalamnya, yang juga merupakan situasi banyak orang yang saya tanyakan dan pelajari di PermaDAO ketika Arweave mengadakan hackathon, tetapi hackathon bukanlah paten beberapa orang, tetapi acara nasional.
Saya pikir proses kompetisi hackathon lebih seperti acara UGC (user-generated content) seputar teknologi dan inovasi, dan para kontestan jelas merupakan "pembuat konten" dari aplikasi ekologi blockchain, sehingga kita dapat membongkar alur kerja lengkap proyek hackathon tidak lebih dari lima tahap pengembangan produk yang akrab dengan pengembang:
- Definisi masalah dan fase perencanaan
- Tahap analisis kebutuhan
- Prototipe produk dan tahap desain perangkat lunak
- Tahap pengembangan perangkat lunak
- Tahap pengujian perangkat lunak
Faktanya, titik sakitnya adalah bagaimana menurunkan ambang batas yang dihadapi oleh para peserta dalam lima tahap pengembangan produk di atas, manusia dapat menggunakan AI sebagai alat produktivitas untuk berpartisipasi dalam hackathon blockchain dengan menggabungkan elemen UGC yang ada dari hackathon, sehingga kreativitas apa pun dapat dimainkan sebanyak mungkin, seperti EverID menggunakan abstraksi akun untuk menurunkan ambang batas bagi pengguna untuk menggunakan dompet Web3, hal-hal yang menurunkan ambang batas ini jelas dapat sangat mendorong perkembangan industri blockchain.
Lima Fase
01 Definisi dan Perencanaan Masalah
Melalui data tentang umpan balik pengguna ekologis, model AI dapat digunakan untuk menghasilkan pertanyaan yang telah menarik banyak perhatian atau memiliki poin rasa sakit pasar, yang lebih berharga dan bermakna bagi ekosistem. Adot menggunakan AI untuk menghasilkan tag untuk setiap analisis sentimen DApp teratas yang diurai, berdasarkan mana pengguna dapat mencari data dan memfilter hasil. Dengan menganalisis perilaku dan kebutuhan pengguna on-chain yang ada, AI dapat membantu pengguna mengidentifikasi potensi masalah dan memberikan rekomendasi tentang cara mengatasinya, memungkinkan mereka untuk menentukan ruang lingkup proyek dengan lebih baik.
02 Analisis Permintaan
Penambangan data: Hackathon Blockchain biasanya melibatkan penyimpanan dan analisis data dalam jumlah besar, menggunakan GraphQL berbasis Arweave untuk memungkinkan kueri dan manipulasi data permanen secara real-time pada rantai Arweave, dikombinasikan dengan AI untuk mempercepat pemrosesan data dan proses analisis, dapat membantu mengidentifikasi pola, tren, dan potensi masalah, dan memberikan rekomendasi kepada peserta tentang cara mengoptimalkan aplikasi blockchain. AI dapat menganalisis data dan perilaku pengguna, seperti pencocokan kasus historis, dan dapat mengidentifikasi tren dan pola permintaan di masa depan untuk membantu tim yang berpartisipasi lebih memahami kebutuhan pengguna.
Validasi Persyaratan Otomatis: AI dapat secara otomatis memverifikasi bahwa persyaratan lengkap, konsisten, dan dapat diverifikasi (tetapi jarang digunakan dalam hackathon yang membakar waktu). Ini dapat mengidentifikasi potensi konflik dalam persyaratan, yang mengurangi upaya perbaikan nanti.
03 Prototipe Produk &; Desain Perangkat Lunak
Prototipe yang dihasilkan secara otomatis: Gunakan AI yang menghasilkan gambar seperti Midjourney untuk menghasilkan prototipe antarmuka awal, menghemat banyak waktu manajer produk. Ini dapat membantu tim memvalidasi konsep lebih cepat dan beralih dengan cepat.
Berikan rekomendasi desain: AI dapat memberikan rekomendasi tentang desain antarmuka pengguna, tata letak, dan kegunaan untuk meningkatkan pengalaman pengguna produk Anda.
04 Pengembangan Perangkat Lunak
Orang non-teknis dapat menutupi kekurangan pengembangan dengan AI, yang dapat menghasilkan kode parsial atau lengkap untuk mempercepat proses pengembangan. Ini sangat berguna untuk pengembangan beberapa modul tertentu seperti warisan, penimpaan, kelebihan beban, dll., Yang akan sangat meningkatkan efisiensi operasi program. AI juga dapat mendeteksi potensi bug, kerentanan, dan masalah keamanan dalam kode Anda, meningkatkan kualitas kode.
05 ** Pengujian Perangkat Lunak**
Memanfaatkan AI untuk menganalisis kode dan fungsionalitas aplikasi, alat pengujian otomatis berbasis AI dapat melakukan pengujian dalam skala besar, mencakup berbagai kasus penggunaan, dan secara otomatis mendeteksi dan melaporkan masalah.
Selain itu, proyek hackathon blockchain biasanya memerlukan dokumentasi dan presentasi, dan AI dapat secara otomatis menghasilkan dokumen teknis, PPT, dan laporan pengujian, mengurangi beban penulisan dokumen bagi peserta. Dan terkadang tim hackathon perlu membentuk tim secara bebas, dan AI dapat digunakan untuk menganalisis keterampilan, minat, dan pengalaman proyek setiap anggota tim, dan memberi mereka saran untuk merekomendasikan rekan satu tim untuk mempromosikan kerja tim yang lebih baik.
AI memungkinkan siapa saja untuk menjadi tim pengembangan produk, bahkan jika mereka tidak memiliki pengalaman pengembangan. AI dapat mendukung tim yang berpartisipasi dalam berbagai cara, mulai dari perumusan masalah hingga pengembangan solusi dan dokumentasi, dan AI tidak hanya perubahan teknologi untuk Web3, tetapi juga perubahan dalam hubungan produksi, dan pada saat yang sama, Web3 juga memiliki dampak besar pada bidang AI. Privasi, kepercayaan, dan desentralisasi Web3, serta konfirmasi kepemilikan data dan aset, dan ekonomi token, dapat membawa perubahan besar pada infrastruktur AI, sehingga tiga elemen terpenting dari infrastruktur AI, data, model, dan daya komputasi, dapat dioptimalkan sesuai dengan itu.
Di era model besar, data menentukan ketinggian AI. Mengambil penyimpanan terdesentralisasi sebagai contoh, keuntungan alami dari blockchain adalah bahwa transaksi on-chain pada dasarnya adalah data terstruktur, dan Arweave juga menyadari penyimpanan data permanen, sehingga blockchain menyediakan AI dengan data berkualitas tinggi dan masif, membantu model besar AI-nya untuk memproses data lebih efisien, dan memberikan solusi untuk terobosan kemacetan model besar multi-modal. Pada saat yang sama, platform komputasi terdesentralisasi dapat sangat mengurangi biaya daya komputasi di sisi pengguna (dibandingkan dengan platform komputasi terpusat), dan juga menghindari monopoli daya komputasi oleh perusahaan terpusat. Web3 dan AI saling terkait untuk membentuk masa depan ekonomi digital.
