Деконструкція AI-рамки: від інтелектуальних агентів до дослідження децентралізації
Вступ
Протягом останніх двох місяців наратив, що поєднує ШІ та криптовалюти, майже щотижня зазнавав нових змін. Нещодавно увага ринку зосередилася на "каркасних" проектах, які орієнтовані на технології; цей сегмент ринку за короткий час з'явився з кількома проектами з капіталізацією понад мільйон, а навіть і мільярд. Ці проекти також породили нову модель випуску активів, де проекти випускають токени на основі кодових баз, а розумні агенти, розроблені на основі каркасу, також можуть знову випускати токени. Основою є каркас, а розумні агенти — це верхній рівень застосувань. Ця модель подібна до платформ випуску активів, але насправді формується інфраструктурна модель, що відповідає епосі ШІ. У цій статті ми розглянемо концепцію каркасу та поєднаємо особисті роздуми для інтерпретації значення каркасів ШІ у сфері криптовалют.
Один. Вступ до рамки
AI-фреймворк є базовим інструментом або платформою для розробки, яка інтегрує попередньо створені модулі, бібліотеки та інструменти, спрощуючи процес створення складних AI-моделей. Ці фреймворки зазвичай містять функції обробки даних, навчання моделей і виконання прогнозів. Простими словами, фреймворк можна розуміти як операційну систему ери AI, подібно до Windows, Linux у настільних системах або iOS та Android у мобільних пристроях. Кожен фреймворк має свої переваги та недоліки, розробники можуть вибрати залежно від конкретних вимог.
Хоча "AI-фрейми" є новим концептом у сфері криптовалют, з огляду на походження, розвиток AI-фреймів триває вже майже 14 років. У традиційній сфері AI, як в академічному, так і в промисловому середовищі, існують зрілі фрейми, такі як TensorFlow від Google, Pytorch від Meta тощо, які мають свої переваги для різних сценаріїв.
В даний час рамкові проекти, що з'явилися в криптовалюті, були створені на основі великого попиту на розумних агентів в умовах буму AI і поширилися на інші сфери криптовалюти, в результаті чого сформувалися різні сегменти AI-рамок. Ось кілька основних рамок:
1.1 Еліза
Eliza є мультиагентною моделлю симуляції, призначеною для створення, розгортання та управління автономними AI-агентами. Розроблено на основі TypeScript, має хорошу сумісність та можливості інтеграції API.
Eliza в основному орієнтована на сценарії соціальних мереж, підтримує інтеграцію з кількома платформами, включаючи Discord, Twitter, Telegram та ін. У обробці медіа-контенту підтримує аналіз PDF-документів, витягування вмісту з посилань, обробку аудіо та відео тощо.
Поточні випадки використання Eliza переважно включають додатки у вигляді 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 автоматично згенерованою та керованою мультимодальною AI рамкою, випущеною Virtual, яка в основному призначена для розробки розумних NPC у іграх. Особливістю цієї рамки є те, що навіть користувачі з низьким або відсутнім кодом можуть її використовувати, просто змінивши параметри, щоб брати участь у проектуванні розумних агентів.
Основний дизайн G.A.M.E базується на модульному дизайні, що передбачає співпрацю кількох підсистем, включаючи підсистему сприйняття, двигун стратегічного планування, світовий контекст, модуль обробки діалогу та інші компоненти.
Ця структура в основному зосереджена на прийнятті рішень, зворотному зв'язку, сприйнятті та індивідуальності розумних агентів у віртуальному середовищі, і підходить не тільки для ігор, а й для сцен у метавсесвіті.
1.3 Ріг
Rig — це інструмент з відкритим кодом, написаний мовою Rust, призначений для спрощення розробки застосунків великих мовних моделей. Він надає єдиний інтерфейс операцій, що полегшує взаємодію розробників з кількома постачальниками LLM та векторними базами даних.
Основні характеристики Rig включають єдиний інтерфейс, модульну архітектуру, типобезпечність та високу ефективність. Його робочий процес включає етапи обробки запитів, виклику інструментів розумних агентів або запитів до векторного сховища, генерації відповідей тощо.
Rig підходить для створення систем запитань і відповідей, інструментів пошуку документів, контекстно-усвідомлених чат-ботів та інших сценаріїв застосування.
1.4 ZerePy
ZerePy є відкритим фреймворком на базі Python, призначеним для спрощення процесу розгортання та управління AI-агентами на платформі Twitter. Він успадковує основні функції проекту Zerebro, але має більш модульний та легкий у розширенні дизайн.
ZerePy надає командний інтерфейс, підтримує великі мовні моделі OpenAI та Anthropic, інтегрує API платформи Twitter і має модульну систему з'єднання. У майбутньому також планується інтеграція системи пам'яті, що дозволить розумним агентам запам'ятовувати попередні взаємодії та контекстну інформацію.
Два, подібності з екосистемою біткойна
Розвиток AI-інтелектуальних агентів має схожі риси з нещодавнім екосистемом біткоїна. Розвиток екосистеми біткоїна можна узагальнити як: BRC20 - конкуренція між декількома протоколами - біткоїн Layer 2 - BTCFi з ядром на Babylon. AI-інтелектуальні агенти розвиваються швидше на основі зрілого традиційного стеку AI-технологій, шлях можна узагальнити як: GOAT/ACT - конкуренція між соціальними інтелектуальними агентами/аналітичними AI-інтелектуальними агентами.
У майбутньому проекти інфраструктури, що стосуються децентралізації та безпеки інтелектуальних агентів, можуть стати темою наступного етапу. На відміну від екосистеми біткойна, наратив AI інтелектуальних агентів не відтворює історію смарт-контрактних ланцюгів, існуючі проекти AI-рамок пропонують нові ідеї для розвитку інфраструктури.
В порівнянні з платформами випуску Memecoin та протоколом Inscription, AI-структура більше нагадує майбутню публічну ланцюг, а розумні агенти більше нагадують майбутні децентралізовані додатки. Майбутні суперечки можуть перейти від суперечок між EVM та гетерогенними ланцюгами до суперечок про структури, ключовим питанням є те, як реалізувати децентралізацію або ланцюговість, а також сенс розробки цих проєктів на блокчейні.
Три. Значення запису в блокчейн
Коли блокчейн поєднується з іншими сферами, він завжди стикається з питанням, яке має значення. Розглядаючи причини успіху DeFi, включаючи вищу доступність, кращу ефективність і нижчі витрати, а також безпеку без довіри до централізованих систем. На основі цих міркувань причини підтримки смарт-агентів у децентралізації можуть включати:
Реалізувати нижчі витрати на використання, підвищити доступність та вибір, щоб звичайні користувачі могли брати участь у "оренді AI";
Для забезпечення безпечних рішень на основі блокчейну для інтелектуальних агентів, які можуть взаємодіяти з реальним або віртуальним світом;
Розробка унікальних фінансових моделей на основі блокчейну, таких як інвестиційні можливості, пов'язані з розумними агентами, обчислювальною потужністю, маркуванням даних тощо;
Використання прозорих та відстежуваних характеристик блокчейну для створення привабливішого інтелектуального代理-браузера, ніж у традиційних інтернет-гігантів.
Чотири, нові можливості креативної економіки
Проекти в рамках рамки можуть в майбутньому запропонувати можливості для підприємництва, подібні до GPT Store. Спрощення процесу створення інтелектуальних агентів та надання складних комбінацій функцій може дати перевагу, сформувавши більш цікаву креативну економіку Web3, ніж GPT Store.
У порівнянні з поточним GPT Store, креативна економіка розумних агентів у Web3 може бути більш справедливою та відкритою, звичайні люди також мають можливість брати участь. Майбутні AI меми можуть бути більш розумними та цікавими, ніж розумні агенти на існуючих платформах. Це надасть звичайним людям можливість брати участь в інноваціях у сфері AI.
Переглянути оригінал
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
9 лайків
Нагородити
9
7
Поділіться
Прокоментувати
0/400
NFTRegretter
· 23год тому
Знову зриваємо шерсть з розумного агента, чекаючи на обман для дурнів
Переглянути оригіналвідповісти на0
SchrodingerWallet
· 23год тому
Просто розкрутка. Коли увійти в позицію, обдурювати людей, як лохів.
Переглянути оригіналвідповісти на0
FlashLoanPrince
· 23год тому
Squid Coin вже майже знищили... з'явився новий трюк
Виникнення проектів AI-рамок: економіка розумних агентів готується до старту
Деконструкція AI-рамки: від інтелектуальних агентів до дослідження децентралізації
Вступ
Протягом останніх двох місяців наратив, що поєднує ШІ та криптовалюти, майже щотижня зазнавав нових змін. Нещодавно увага ринку зосередилася на "каркасних" проектах, які орієнтовані на технології; цей сегмент ринку за короткий час з'явився з кількома проектами з капіталізацією понад мільйон, а навіть і мільярд. Ці проекти також породили нову модель випуску активів, де проекти випускають токени на основі кодових баз, а розумні агенти, розроблені на основі каркасу, також можуть знову випускати токени. Основою є каркас, а розумні агенти — це верхній рівень застосувань. Ця модель подібна до платформ випуску активів, але насправді формується інфраструктурна модель, що відповідає епосі ШІ. У цій статті ми розглянемо концепцію каркасу та поєднаємо особисті роздуми для інтерпретації значення каркасів ШІ у сфері криптовалют.
Один. Вступ до рамки
AI-фреймворк є базовим інструментом або платформою для розробки, яка інтегрує попередньо створені модулі, бібліотеки та інструменти, спрощуючи процес створення складних AI-моделей. Ці фреймворки зазвичай містять функції обробки даних, навчання моделей і виконання прогнозів. Простими словами, фреймворк можна розуміти як операційну систему ери AI, подібно до Windows, Linux у настільних системах або iOS та Android у мобільних пристроях. Кожен фреймворк має свої переваги та недоліки, розробники можуть вибрати залежно від конкретних вимог.
Хоча "AI-фрейми" є новим концептом у сфері криптовалют, з огляду на походження, розвиток AI-фреймів триває вже майже 14 років. У традиційній сфері AI, як в академічному, так і в промисловому середовищі, існують зрілі фрейми, такі як TensorFlow від Google, Pytorch від Meta тощо, які мають свої переваги для різних сценаріїв.
В даний час рамкові проекти, що з'явилися в криптовалюті, були створені на основі великого попиту на розумних агентів в умовах буму AI і поширилися на інші сфери криптовалюти, в результаті чого сформувалися різні сегменти AI-рамок. Ось кілька основних рамок:
1.1 Еліза
Eliza є мультиагентною моделлю симуляції, призначеною для створення, розгортання та управління автономними AI-агентами. Розроблено на основі TypeScript, має хорошу сумісність та можливості інтеграції API.
Eliza в основному орієнтована на сценарії соціальних мереж, підтримує інтеграцію з кількома платформами, включаючи Discord, Twitter, Telegram та ін. У обробці медіа-контенту підтримує аналіз PDF-документів, витягування вмісту з посилань, обробку аудіо та відео тощо.
Поточні випадки використання Eliza переважно включають додатки у вигляді 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 автоматично згенерованою та керованою мультимодальною AI рамкою, випущеною Virtual, яка в основному призначена для розробки розумних NPC у іграх. Особливістю цієї рамки є те, що навіть користувачі з низьким або відсутнім кодом можуть її використовувати, просто змінивши параметри, щоб брати участь у проектуванні розумних агентів.
Основний дизайн G.A.M.E базується на модульному дизайні, що передбачає співпрацю кількох підсистем, включаючи підсистему сприйняття, двигун стратегічного планування, світовий контекст, модуль обробки діалогу та інші компоненти.
Ця структура в основному зосереджена на прийнятті рішень, зворотному зв'язку, сприйнятті та індивідуальності розумних агентів у віртуальному середовищі, і підходить не тільки для ігор, а й для сцен у метавсесвіті.
1.3 Ріг
Rig — це інструмент з відкритим кодом, написаний мовою Rust, призначений для спрощення розробки застосунків великих мовних моделей. Він надає єдиний інтерфейс операцій, що полегшує взаємодію розробників з кількома постачальниками LLM та векторними базами даних.
Основні характеристики Rig включають єдиний інтерфейс, модульну архітектуру, типобезпечність та високу ефективність. Його робочий процес включає етапи обробки запитів, виклику інструментів розумних агентів або запитів до векторного сховища, генерації відповідей тощо.
Rig підходить для створення систем запитань і відповідей, інструментів пошуку документів, контекстно-усвідомлених чат-ботів та інших сценаріїв застосування.
1.4 ZerePy
ZerePy є відкритим фреймворком на базі Python, призначеним для спрощення процесу розгортання та управління AI-агентами на платформі Twitter. Він успадковує основні функції проекту Zerebro, але має більш модульний та легкий у розширенні дизайн.
ZerePy надає командний інтерфейс, підтримує великі мовні моделі OpenAI та Anthropic, інтегрує API платформи Twitter і має модульну систему з'єднання. У майбутньому також планується інтеграція системи пам'яті, що дозволить розумним агентам запам'ятовувати попередні взаємодії та контекстну інформацію.
Два, подібності з екосистемою біткойна
Розвиток AI-інтелектуальних агентів має схожі риси з нещодавнім екосистемом біткоїна. Розвиток екосистеми біткоїна можна узагальнити як: BRC20 - конкуренція між декількома протоколами - біткоїн Layer 2 - BTCFi з ядром на Babylon. AI-інтелектуальні агенти розвиваються швидше на основі зрілого традиційного стеку AI-технологій, шлях можна узагальнити як: GOAT/ACT - конкуренція між соціальними інтелектуальними агентами/аналітичними AI-інтелектуальними агентами.
У майбутньому проекти інфраструктури, що стосуються децентралізації та безпеки інтелектуальних агентів, можуть стати темою наступного етапу. На відміну від екосистеми біткойна, наратив AI інтелектуальних агентів не відтворює історію смарт-контрактних ланцюгів, існуючі проекти AI-рамок пропонують нові ідеї для розвитку інфраструктури.
В порівнянні з платформами випуску Memecoin та протоколом Inscription, AI-структура більше нагадує майбутню публічну ланцюг, а розумні агенти більше нагадують майбутні децентралізовані додатки. Майбутні суперечки можуть перейти від суперечок між EVM та гетерогенними ланцюгами до суперечок про структури, ключовим питанням є те, як реалізувати децентралізацію або ланцюговість, а також сенс розробки цих проєктів на блокчейні.
Три. Значення запису в блокчейн
Коли блокчейн поєднується з іншими сферами, він завжди стикається з питанням, яке має значення. Розглядаючи причини успіху DeFi, включаючи вищу доступність, кращу ефективність і нижчі витрати, а також безпеку без довіри до централізованих систем. На основі цих міркувань причини підтримки смарт-агентів у децентралізації можуть включати:
Реалізувати нижчі витрати на використання, підвищити доступність та вибір, щоб звичайні користувачі могли брати участь у "оренді AI";
Для забезпечення безпечних рішень на основі блокчейну для інтелектуальних агентів, які можуть взаємодіяти з реальним або віртуальним світом;
Розробка унікальних фінансових моделей на основі блокчейну, таких як інвестиційні можливості, пов'язані з розумними агентами, обчислювальною потужністю, маркуванням даних тощо;
Використання прозорих та відстежуваних характеристик блокчейну для створення привабливішого інтелектуального代理-браузера, ніж у традиційних інтернет-гігантів.
Чотири, нові можливості креативної економіки
Проекти в рамках рамки можуть в майбутньому запропонувати можливості для підприємництва, подібні до GPT Store. Спрощення процесу створення інтелектуальних агентів та надання складних комбінацій функцій може дати перевагу, сформувавши більш цікаву креативну економіку Web3, ніж GPT Store.
У порівнянні з поточним GPT Store, креативна економіка розумних агентів у Web3 може бути більш справедливою та відкритою, звичайні люди також мають можливість брати участь. Майбутні AI меми можуть бути більш розумними та цікавими, ніж розумні агенти на існуючих платформах. Це надасть звичайним людям можливість брати участь в інноваціях у сфері AI.