Déconstruction du cadre AI : de l'agent intelligent à l'exploration de la Décentralisation

Introduction

Récemment, le récit du mariage entre l'IA et les cryptomonnaies s'est développé rapidement. L'attention du marché se concentre désormais sur les projets « de type cadre » dominés par la technologie, un segment qui a déjà généré plusieurs projets d'une capitalisation boursière supérieure à un milliard de dollars en peu de temps. Ces projets ont engendré un nouveau modèle d'émission d'actifs : émettre des tokens à partir de dépôts de code sur Github, et des Agents développés sur ce cadre peuvent également émettre des tokens. Avec le cadre comme base et l'Agent au-dessus, un modèle semblable à celui d'une plateforme d'émission d'actifs est en train de se former, représentant en réalité un modèle d'infrastructure unique à l'ère de l'IA qui émerge. Cet article commencera par une introduction au cadre et explorera la signification des cadres d'IA pour l'industrie des cryptomonnaies.

I. Qu'est-ce qu'un cadre ?

Le cadre AI est un outil ou une plateforme de développement de base qui intègre un ensemble de modules, de bibliothèques et d'outils préconçus, simplifiant le processus de création de modèles AI complexes. On peut comprendre le cadre comme le système d'exploitation de l'ère AI, similaire aux systèmes d'exploitation de bureau comme Windows, Linux, ou mobiles comme iOS et Android. Chaque cadre a ses avantages et ses inconvénients, et les développeurs peuvent choisir librement en fonction de leurs besoins.

Bien que le "cadre AI" soit un nouveau concept dans le domaine des cryptomonnaies, le développement des cadres AI a déjà près de 14 ans d'histoire. Dans le domaine traditionnel de l'IA, il existe des cadres matures disponibles, tels que TensorFlow de Google, Pytorch de Meta, etc. Les projets de cadres qui émergent dans les cryptomonnaies sont conçus pour répondre à la demande massive d'agents dans le contexte de l'engouement pour l'IA, et s'étendent à d'autres domaines, formant ainsi des cadres AI dans différents segments.

1.1 Eliza

Eliza est un cadre de simulation multi-agent lancé par ai16z, spécialement conçu pour créer, déployer et gérer des agents AI autonomes. Développé en TypeScript, il offre une bonne compatibilité et est facile à intégrer avec des API.

Eliza est principalement axée sur les scénarios de médias sociaux, prenant en charge l'intégration multicanal, y compris Discord, X/Twitter, Telegram, etc. En ce qui concerne le traitement du contenu médiatique, elle prend en charge des fonctionnalités telles que l'analyse de documents PDF, l'extraction de contenu de lien, la transcription audio, le traitement vidéo, l'analyse d'images, etc.

Les cas d'utilisation actuellement pris en charge incluent : applications d'assistant AI, personnages de médias sociaux, travailleurs du savoir et rôles interactifs, etc. Les modèles pris en charge incluent l'inférence locale de modèles open source, l'inférence cloud de l'API OpenAI, etc.

1.2 G.A.M.E

G.A.M.E est un cadre d'IA multimodale généré et géré automatiquement lancé par Virtual, principalement destiné à la conception de NPC intelligents dans les jeux. Il se caractérise par le fait que les utilisateurs à faible code voire sans code peuvent l'utiliser, il suffit de modifier les paramètres pour participer à la conception des agents.

Le cœur de G.A.M.E est un design modulaire qui fonctionne de manière collaborative à travers plusieurs sous-systèmes, y compris l'interface de notification de l'Agent, le sous-système de perception, le moteur de planification stratégique, le contexte mondial, le module de traitement des dialogues, l'opérateur de portefeuille en chaîne, le module d'apprentissage et d'autres composants.

Ce cadre se concentre principalement sur la prise de décision, le retour d'information, la perception et la personnalité des agents dans un environnement virtuel, et est adapté aux scénarios de jeux et de métavers. Plusieurs projets ont déjà adopté ce cadre pour leur construction.

1.3 Rig

Rig est un outil open source écrit en Rust, conçu pour simplifier le développement d'applications de modèles de langage à grande échelle. Il offre une interface opérationnelle unifiée, facilitant l'interaction des développeurs avec plusieurs fournisseurs de services LLM et bases de données vectorielles.

Les caractéristiques principales de Rig comprennent : une interface unifiée, une architecture modulaire, la sécurité des types, une performance efficace, etc. Le flux de travail consiste à ce que la demande de l'utilisateur passe par la couche d'abstraction du fournisseur, puis par un agent intelligent qui appelle divers outils ou interroge le stockage de vecteurs, et enfin génère une réponse via des mécanismes tels que la génération améliorée par la recherche.

Rig est adapté pour construire des systèmes de questions-réponses, des outils de recherche de documents, des chatbots avec des capacités de perception contextuelle, et d'autres scénarios.

1.4 ZerePy

ZerePy est un cadre open source basé sur Python, simplifiant le processus de déploiement et de gestion des agents AI sur la plateforme X. Il hérite des fonctionnalités principales du projet Zerebro, mais adopte un design plus modulaire et facile à étendre.

ZerePy fournit une interface en ligne de commande, facilitant la gestion des Agents IA pour les utilisateurs. L'architecture principale est basée sur un design modulaire, prenant en charge les LLM d'OpenAI et d'Anthropic, intégrant directement l'API de la plateforme X, permettant aux Agents d'effectuer des opérations comme publier et répondre. À l'avenir, il est prévu d'intégrer un système de mémoire, permettant aux Agents de se souvenir des informations d'interaction précédentes.

Comparé à Eliza, ZerePy se concentre davantage sur la simplification du processus de déploiement d'un agent IA sur des plateformes sociales spécifiques, en mettant l'accent sur les applications pratiques.

Deuxième, la réplique de l'écosystème BTC

Le chemin de développement des Agents IA présente des similitudes avec l'écosystème récent de BTC. L'écosystème de BTC a traversé des étapes telles que BRC20, la concurrence entre plusieurs protocoles, BTC L2, et BTCFi. Les Agents IA, quant à eux, se développent plus rapidement sur la base d'une pile technologique AI traditionnelle mature, en passant par des étapes telles que GOAT/ACT, les Agents de type Social, et la concurrence entre les cadres d'Agents AI d'analyse.

Les projets d'infrastructure axés sur la décentralisation et la sécurité des agents pourraient devenir les points chauds de la prochaine étape. Cependant, le récit des agents AI ne vise pas à reproduire l'histoire des chaînes de contrats intelligents, mais à offrir de nouvelles idées pour le développement des infrastructures. Par rapport au Memecoin Launchpad et au protocole d'inscriptions, le cadre AI ressemble davantage à une future chaîne publique, tandis que l'agent ressemble à un futur Dapp.

Les débats futurs pourraient passer de la lutte entre EVM et chaînes hétérogènes à une lutte entre frameworks. La question clé est de savoir comment réaliser la Décentralisation ou la chaînage, ainsi que la signification de faire cela sur une blockchain.

Trois, quelle est la signification de la mise en chaîne?

Lorsque la blockchain est combinée avec d'autres éléments, elle doit faire face à la question de son sens. En revisitant les raisons du succès de la DeFi : une accessibilité accrue, une meilleure efficacité et des coûts réduits, ainsi qu'une sécurité sans nécessité de confiance en une décentralisation. En conséquence, on peut réfléchir sur le fait que la chaîne Agent pourrait avoir les significations suivantes :

1. Réduire les coûts d'utilisation, améliorer l'accessibilité et le choix, permettre aux utilisateurs ordinaires de participer au "droit de location" de l'IA.

2. Fournir des solutions de sécurité basées sur la blockchain, répondant aux besoins de sécurité des interactions entre l'Agent et les portefeuilles réels ou virtuels.

3. Créer des mécanismes financiers blockchain uniques, tels que des opportunités d'investissement liées aux Agents.

4. Réaliser une inférence transparente et traçable, améliorer l'interopérabilité, pourrait être plus attrayant que le navigateur d'agent des géants traditionnels d'Internet.

Quatre, économie créative

Les projets de type cadre pourraient offrir à l'avenir des opportunités d'entrepreneuriat similaires à celles du GPT Store. Un cadre qui simplifie le processus de construction d'Agents et offre des combinaisons de fonctionnalités complexes pourrait avoir un avantage, formant une économie créative Web3 plus intéressante que le GPT Store.

Comparé au GPT Store, qui est axé sur l'utilité dans des domaines traditionnels et principalement dominé par des entreprises Web2, le Web3 pourrait être plus équitable en termes de demande et de système économique. L'introduction d'une économie communautaire pourrait également rendre l'Agent plus complet. L'économie créative de l'Agent offrira des opportunités de participation aux gens ordinaires, et les futurs AI Meme pourraient être plus intelligents et intéressants que les Agents sur les plateformes existantes.