Аналіз AI-структури: від інтелектуальних агентів до Децентралізації

Передмова

Швидкість розвитку напрямку AI Agent вражає. Відтоді, як "термінал істини" спровокував бум Agent, поєднання AI та криптовалют має нові зміни практично кожного тижня. Нещодавно увага ринку зосередилася на "фреймових" проектах, що базуються на технологіях, цей підрозділ за короткий час створив кілька проектів з капіталізацією понад мільйон і навіть понад мільярд. Ці проекти також породили нову модель випуску активів, а саме - проекти випускають токени на основі репозиторіїв коду Github, а агенти, розроблені на основі фрейму, також можуть повторно випустити токени. На основі фрейму, Agent виступає як верхній рівень застосувань, формуючи модель, схожу на платформу випуску активів, по суті, формується інфраструктурна модель, специфічна для ери AI. У цій статті ми почнемо з основного поняття фрейму та поєднаємо його з особистими роздумами, щоб розтлумачити потенційний вплив AI фрейму на сферу криптовалют.

Один. Визначення та класифікація рамки

AI-фреймворк – це базовий інструмент або платформа для розробки, що інтегрує набір попередньо збудованих модулів, бібліотек і інструментів, спрощуючи процес створення складних AI-моделей. Ці фреймворки зазвичай містять функції для обробки даних, навчання моделей і здійснення прогнозів. Простими словами, фреймворк можна зрозуміти як операційну систему епохи AI, подібну до Windows, Linux у настільних операційних системах або iOS та Android на мобільних пристроях. Кожен фреймворк має свої переваги та недоліки, розробники можуть обирати відповідно до конкретних потреб.

Хоча "AI фрейм" є новим поняттям у сфері криптовалют, проте, якщо подивитися на його походження, розвиток AI фреймів триває вже близько 14 років, починаючи з Theano, який з'явився в 2010 році. У традиційній сфері AI, як в академічному, так і в промисловому секторах, вже існує багато зрілих фреймів на вибір, таких як TensorFlow від Google, Pytorch від Meta, PaddlePaddle від Baidu, MagicAnimate від ByteDance та інші, ці фрейми мають свої переваги в різних сценаріях.

Наразі в сфері криптовалют з'являються фреймворки, які були розроблені на основі великого попиту на агентів в умовах поточного буму AI та розширюються на інші сфери криптовалют, в результаті чого формуються різні сегменти AI фреймворків. Нижче наведено кілька основних фреймворків.

1.1 Еліза

Eliza є багатокористувацькою моделлю симуляції, спеціально розробленою для створення, розгортання та управління автономними AI Agent. Вона розроблена на базі TypeScript, має хорошу сумісність та можливості інтеграції API. Eliza в основному орієнтована на сцени в соціальних мережах, підтримує багатоплатформену інтеграцію, включаючи Discord, X/Twitter, Telegram тощо. У обробці медійного контенту вона підтримує читання та аналіз PDF-документів, витяг та резюме контенту за посиланням, транскрипцію аудіо, обробку відео-контенту, аналіз та опис зображень, а також резюме діалогів.

Eliza наразі підтримує такі випадки використання, як додатки класу AI асистента, ролі в соціальних мережах, знаннєві працівники та інтерактивні ролі. Щодо підтримки моделей, Eliza може використовувати відкриті моделі для локального інферування, а також може використовувати API OpenAI для хмарного інферування, за замовчуванням налаштування є Nous Hermes Llama 3.1B, і інтегровано з Claude для реалізації складних запитів.

1.2 Г.А.М.Е

G.A.M.E – це автоматично згенерована та керована мультимодальна AI-структура, яку випустила Virtual, що в основному орієнтована на розробку розумних NPC у іграх. Основною особливістю цієї структури є те, що користувачі з низьким або навіть відсутнім кодом можуть її використовувати; користувачам потрібно лише змінити параметри, щоб взяти участь у проектуванні агентів.

Основний дизайн G.A.M.E полягає в модульному проектуванні, що передбачає співпрацю кількох підсистем, включаючи інтерфейс підказок агентів, підсистему сприйняття, двигун стратегічного планування, контекст світу, модуль обробки діалогів, оператора гаманця на блокчейні, навчальний модуль, робочу пам'ять, процесор довготривалої пам'яті, сховище агентів, планувальник дій та виконавця планів.

З технологічної архітектури цей фреймворк в основному зосереджений на прийнятті рішень, зворотному зв'язку, сприйнятті та індивідуальності Агентів у віртуальному середовищі, і підходить не лише для ігрових сцен, але й для застосувань у мета-всесвіті.

1.3 Ріг

Rig є відкритим інструментом, написаним мовою Rust, призначеним для спрощення розробки застосунків великих мовних моделей (LLM). Він надає єдиний інтерфейс управління, що дозволяє розробникам легко взаємодіяти з кількома постачальниками LLM (, такими як OpenAI та Anthropic ), а також з різними векторними базами даних (, такими як MongoDB та Neo4j ).

Основні характеристики Rig включають єдиний інтерфейс, модульну архітектуру, типобезпеку та високу продуктивність. Він підтримує асинхронний режим програмування, оптимізує можливості обробки паралельних запитів та має вбудовані функції ведення журналу та моніторингу.

Rig не лише підходить для створення систем відповідей на запитання, які потребують швидких і точних відповідей, але також може використовуватися для створення ефективних інструментів пошуку документів, чат-ботів або віртуальних помічників з контекстуальною обізнаністю, а також підтримує створення контенту, автоматично генеруючи текст або інші форми контенту на основі наявних моделей даних.

1.4 ZerePy

ZerePy є відкритим фреймворком на базі Python, призначеним для спрощення процесу розгортання та управління AI Agent на платформі Twitter( перед X). Він успадковує основні функції проекту Zerebro, але має більш модульний та легкий для розширення дизайн.

ZerePy надає командний інтерфейс (CLI), що спрощує користувачам управління та контроль за їх розгорнутим AI Agent. Його основна архітектура базується на модульному дизайні, підтримує великі мовні моделі OpenAI та Anthropic (LLM), безпосередньо інтегрує API платформи X та планує в майбутньому інтегрувати систему пам'яті.

Хоча ZerePy та Eliza обидва прагнуть створити та керувати AI агентами, проте їх архітектура та цілі трохи відрізняються. Eliza більше зосереджується на моделюванні багатьох агентів та широких дослідженнях в галузі штучного інтелекту, тоді як ZerePy зосереджується на спрощенні процесу розгортання AI агентів на конкретних соціальних платформах (X), більше орієнтуючись на спрощення в практичних застосуваннях.

Два, розвиток AI Agent та порівняння з екосистемою BTC

Шляхи розвитку AI Agent мають багато спільного з екосистемою BTC наприкінці 2023 року та на початку 2024 року. Розвиток екосистеми BTC можна узагальнити як: конкуренція багатопротокольних рішень BRC20-Atomical/Rune - BTC L2 - BTCFi, зосереджений на Babylon. AI Agent розвивається швидше на основі зрілого традиційного стеку AI-технологій, його шлях можна узагальнити як: GOAT/ACT - соціальні агенти - аналітичні AI агенти - конкуренція фреймворків. У майбутньому інфраструктурні проекти, що розвиваються навколо децентралізації агентів і безпеки, можуть стати наступною головною темою.

Однак, траса AI Agent навряд чи стане такою ж однорідною та спекулятивною, як екосистема BTC. Наратив AI Agent не має на меті відтворити історію блокчейнів смарт-контрактів; існуючі проекти AI-рамок, незалежно від технічних можливостей, принаймні пропонують новий підхід до розвитку інфраструктури. Порівнюючи AI-рамки з платформами для випуску активів, а агентів з активами, автор вважає, що AI-рамки більше нагадують майбутні публічні блокчейни, а агенти – майбутні Dapp.

У сучасній екосистемі криптовалют ми маємо тисячі публічних блокчейнів та десятки тисяч Dapp. Універсальні ланцюги включають BTC, Ethereum та різні гетерогенні ланцюги, в той час як застосункові ланцюги ще різноманітніші, такі як ігрові ланцюги, ланцюги зберігання, Dex-ланцюги тощо. Публічні блокчейни за своєю суттю дуже схожі на AI-фрейми, а Dapp також можуть добре відповідати Agent.

У сфері криптовалют в епоху AI, ймовірно, буде розвиватися в такій формі. Майбутні дебати можуть перейти від суперечок про EVM та гетерогенні ланцюги до суперечок щодо фреймворків. Тепер питання більше зосереджені на тому, як реалізувати Децентралізацію або ланцюговість, а також у чому сенс розробки AI фреймворків на блокчейні. Подальші проекти інфраструктури AI можуть бути розпочаті на цих основах.

Три. Значення додавання в ланцюг

Блокчейн, поєднуючись з будь-якою сферою, завжди стикається з однією ключовою проблемою: чи має це поєднання сенс? У попередніх статтях автор критикував зворотний зв'язок GameFi, а також проблему надмірного розвитку інфраструктури. Щодо поєднання ШІ та криптовалют, автор також висловлював сумніви щодо поточного етапу практичного використання комбінації AI x Crypto.

Оглядаючись на успішний шлях DeFi, ми можемо виявити, що DeFi змогло отримати частку від традиційних фінансів завдяки більшій доступності, кращій ефективності та нижчим витратам, а також без необхідності у довірених централізованих установах. Відповідно до цієї логіки, причини, що підтримуютьAgent-ланцюгову структуру, можуть включати:

1. Чи може ланцюгова агентська модель забезпечити нижчі витрати на використання, що дозволить досягти більшої доступності та вибірковості? Це може зрештою дозволити звичайним користувачам також брати участь у "праві оренди" AI, яке наразі належить великим компаніям Web2.

2. У плані безпеки, якщо Агент може втрутитися у реальний або віртуальний гаманець, тоді безпечні рішення на основі блокчейну можуть стати необхідністю.

3. Чи може Agent реалізувати унікальний фінансовий механізм на базі блокчейну? Наприклад, подібно до LP в AMM, щоб звичайні люди могли брати участь в автоматичному маркет-мейкінгу; або на основі ресурсів, таких як обчислювальна потужність та позначення даних, які потрібні Agent, користувачі можуть інвестувати в протокол у формі стейблкоїнів.

4. У ситуації, коли в DeFi наразі бракує ідеальної інтероперабельності, використання агентів на основі блокчейну, які можуть забезпечити прозорі, відстежувані міркування, може бути більш привабливим, ніж агенти-браузери, запропоновані традиційними інтернет-гігантами.

Чотири, нові можливості креативної економіки

Проекти класу "рамка" в майбутньому можуть запропонувати можливості для підприємництва, подібні до GPT Store. Хоча наразі публікація агентів через рамки досить складна для звичайних користувачів, спростивши процес створення агентів і надавши рамки для складних комбінацій функцій, в майбутньому це може зайняти перевагу, що призведе до виникнення більш цікавої креативної економіки Web3, ніж у GPT Store.

Нинішній GPT Store орієнтований на традиційні сфери практичного використання, і більшість популярних додатків створені традиційними компаніями Web2, а доходи також монополізуються творцями. На відміну від цього, Web3 має багато невикористаних можливостей у запитах, а також може зробити несправедливі політики гігантів Web2 більш справедливими в економічній системі. Крім того, впровадження спільної економіки може зробити Агентів більш досконалими.

Креативна економіка Agent надасть можливості для участі звичайним людям, майбутні AI Meme можуть бути більш розумними та цікавими, ніж Agent, випущені на існуючих платформах. Це відкриває новий напрямок розвитку для екосистеми Web3, який може стимулювати більше інновацій та участі.