Деконструкція AI-структури: від інтелектуальних агентів до Децентралізації

Вступ

Нещодавно наратив про поєднання ШІ та криптовалют розвивається швидкими темпами. Увага ринку почала зосереджуватися на технологічно домінуючих "фреймових" проєктах, цей сегмент ринку за короткий термін вже дав кілька проєктів з капіталізацією понад мільярд доларів. Такі проєкти породили нову модель випуску активів: випуск токенів на основі репозиторіїв коду GitHub, а також агенти, розроблені на базі фреймів, можуть знову випускати токени. Основуючись на фреймах, а агенти – зверху, формується модель, схожа на платформу для випуску активів, насправді це інфраструктурна модель, яка є характерною для епохи ШІ. У цій статті ми почнемо з короткого введення в фрейми та обговоримо значення фреймів ШІ для індустрії криптовалют.

Один. Що таке рамка?

AI фреймворк – це базовий інструмент або платформа для розробки, яка інтегрує набір попередньо створених модулів, бібліотек та інструментів, спрощуючи процес створення складних AI моделей. Фреймворк можна розуміти як операційну систему епохи AI, подібну до настільних операційних систем Windows, Linux або мобільних iOS і Android. Кожен фреймворк має свої переваги та недоліки, тому розробники можуть вільно обирати відповідно до своїх потреб.

Хоча "AI фрейми" є новим концептом у сфері криптовалют, але розвиток AI фреймів триває вже майже 14 років. У традиційній сфері AI вже існують зрілі фрейми, такі як TensorFlow від Google, Pytorch від Meta тощо. Фреймові проекти, що виникають у криптовалюті, розроблені для задоволення великого попиту на агентів в умовах буму AI і розширюються на інші напрямки, формуючи різні сегменти AI фреймів.

1.1 Еліза

Eliza — це багатагентна симуляційна платформа, розроблена ai16z, спеціально для створення, розгортання та управління автономними AI агентами. Розроблена на основі TypeScript, має хорошу сумісність і легка в інтеграції API.

Eliza в основному орієнтована на соціальні медіа, підтримує інтеграцію з кількома платформами, включаючи Discord, X/Twitter, Telegram тощо. У обробці медіа-контенту підтримує аналіз PDF-документів, вилучення змісту з посилань, транскрипцію аудіо, обробку відео, аналіз зображень та інші функції.

Поточні підтримувані випадки використання включають: додатки типу AI-асистентів, ролі в соціальних мережах, знання працівників та інтерактивні ролі тощо. Підтримувані моделі включають локальну інференцію відкритих моделей, інференцію в хмарі через OpenAI API тощо.

1.2 Г.А.М.Е

G.A.M.E є автоматизованою платформою для генерації та управління багатимодальними AI, розробленою Virtual, основна увага приділяється дизайну розумних NPC у іграх. Особливість полягає в тому, що користувачі з низьким або навіть без коду можуть використовувати платформу, просто змінивши параметри для участі в дизайні агента.

Основою G.A.M.E є модульний дизайн, що працює завдяки співпраці кількох підсистем, включаючи інтерфейс підказок агента, перцептивну підсистему, двигун стратегічного планування, контекст світу, модуль обробки діалогів, оператора гаманця на блокчейні, навчальний модуль та інші компоненти.

Ця структура в основному зосереджена на прийнятті рішень, зворотному зв'язку, сприйнятті та індивідуальності Агентів у віртуальному середовищі, підходить для ігор та сцен метасвіту. Вже кілька проектів використовують цю структуру для створення.

1.3 Оснащення

Rig - це відкритий інструмент, написаний мовою Rust, який призначений для спрощення розробки додатків великих мовних моделей. Він надає єдиний інтерфейс для зручного взаємодії розробників з кількома постачальниками LLM та векторними базами даних.

Основні характеристики Rig включають: єдиний інтерфейс, модульну архітектуру, типобезпечність, високу ефективність тощо. Робочий процес полягає в тому, що запит користувача проходить через абстрактний рівень постачальника, а потім розумний агент викликає різні інструменти або запитує векторне сховище, зрештою генеруючи відповідь за допомогою механізмів, таких як підсилене пошук.

Rig підходить для створення систем запитань і відповідей, інструментів пошуку документів, чат-ботів з можливістю контекстного сприйняття та інших сценаріїв.

1.4 ZerePy

ZerePy є відкритим фреймворком на базі Python, який спрощує процес розгортання та управління AI Agent на платформі X. Він успадковує основні функції проекту Zerebro, але має більш модульний та легкий для розширення дизайн.

ZerePy надає командний інтерфейс, що полегшує управління AI Agent. Ядро системи побудоване на модульному дизайні, підтримує LLM OpenAI та Anthropic, безпосередньо інтегрує API платформи X, дозволяючи агенту виконувати такі операції, як публікація, відповіді тощо. У майбутньому планується інтеграція системи пам'яті, щоб агент міг запам'ятовувати попередню інформацію про взаємодії.

У порівнянні з Eliza, ZerePy більше зосереджений на спрощенні процесу розгортання AI Agent на конкретних соціальних платформах, орієнтуючись на практичне застосування.

Два, копія екосистеми BTC

Шляхи розвитку AI Agent мають подібності до нещодавньої екосистеми BTC. Екосистема BTC пройшла етапи BRC20, конкуренції багатьох протоколів, BTC L2, BTCFi тощо. AI Agent розвивається швидше на основі зрілого традиційного стеку AI-технологій, проходячи етапи GOAT/ACT, соціальних агентів, конкуренції аналітичних AI агентів тощо.

В майбутньому проєкти інфраструктури навколо Децентралізації агентів та безпеки можуть стати гарячими темами наступного етапу. Але наратив AI Agent не є відтворенням історії блокчейнів смарт-контрактів, а пропонує нові ідеї для розвитку інфраструктури. У порівнянні з Memecoin Launchpad та протоколом гравюри, AI-структура більше схожа на майбутній публічний блокчейн, а Agent більше схожий на майбутній Dapp.

В майбутньому суперечки можуть перейти від боротьби між EVM та гетерогенними ланцюгами до боротьби між фреймворками. Ключове питання полягає в тому, як реалізувати Децентралізацію або ланцюговість, а також у значенні виконання цієї справи на блокчейні.

Три, яке значення має впровадження в блокчейн?

Коли блокчейн поєднується з іншими речами, необхідно зіткнутися з питанням його значення. Оглядаючи причини успіху DeFi: вища доступність, краща ефективність та нижчі витрати, відсутність необхідності у централізованій безпеці. Виходячи з цього, можна розглянути, що агентна ланцюгова технологія може мати такі значення:

1. Зменшити витрати на використання, підвищити доступність та вибір, щоб звичайні користувачі також могли брати участь у "праві на оренду" AI.

2. Надати безпечне рішення на основі блокчейн, яке задовольняє вимоги безпеки для взаємодії між Агентом та реальними або віртуальними гаманцями.

3. Створення унікальних фінансових ігор на основі блокчейн, таких як інвестиційні можливості, пов'язані з Agent.

4. Реалізація прозорих, відстежуваних міркувань, підвищення міжопераційності може бути більш привабливим, ніж агентські браузери традиційних інтернет-гігантів.

Чотири, креативна економіка

Проекти типу "каркас" в майбутньому можуть запропонувати підприємницькі можливості, схожі на GPT Store. Спрощення процесу створення агентів і надання каркаса для складних функціональних комбінацій може становити перевагу, формуючи більш цікаву креативну економіку Web3, ніж GPT Store.

У порівнянні з GPT Store, який орієнтований на традиційні сфери практичного використання та головним чином контролюється компаніями Web2, Web3 може бути більш справедливим з точки зору попиту та економічної системи. Впровадження громадської економіки також може зробити Агентів більш досконалими. Творча економіка Агентів надасть звичайним людям можливості для участі, а майбутні AI Meme можуть бути більш розумними та цікавими, ніж Агент на існуючих платформах.