Desestructuración del marco de IA: de agentes inteligentes a la exploración de la Descentralización
Introducción
El ritmo de desarrollo de la pista de AI Agent es asombroso. En solo dos meses desde que el "Terminal de Verdad" inició el verano de los agentes, la narrativa de la combinación de AI y criptomonedas ha cambiado casi cada semana. Recientemente, la atención del mercado se ha centrado en proyectos "de marco" dominados por narrativas tecnológicas, y esta subcategoría ya ha generado varios proyectos con una capitalización de mercado superior a mil millones e incluso diez mil millones en las últimas semanas. Estos proyectos también han dado lugar a un nuevo modelo de emisión de activos, donde los proyectos emiten tokens a través de repositorios de código en Github, y los agentes desarrollados sobre el marco también pueden emitir tokens nuevamente. Con el marco como base y el agente como superior, se está formando un modelo similar a una plataforma de emisión de activos, que en realidad es un tipo de infraestructura adaptada a la era de la AI que está comenzando a surgir. Este artículo comenzará con una introducción al marco y combinará reflexiones personales para interpretar el significado del marco de AI en el ámbito de las criptomonedas.
I. ¿Qué es un marco?
El marco de IA es una herramienta o plataforma de desarrollo de bajo nivel que integra módulos, bibliotecas y herramientas preconstruidas, simplificando el proceso de construcción de modelos de IA complejos. Estos marcos suelen incluir funciones para procesar datos, entrenar modelos y realizar predicciones. En términos simples, el marco puede entenderse como el sistema operativo de la era de la IA, similar a Windows o Linux en sistemas operativos de escritorio, o iOS y Android en dispositivos móviles. Cada marco tiene sus ventajas y desventajas, y los desarrolladores pueden elegir según sus necesidades específicas.
Aunque el "marco de IA" es un concepto nuevo en el ámbito de las criptomonedas, el desarrollo de marcos de IA ha estado cerca de 14 años desde el nacimiento de Theano en 2010. En el campo de la IA tradicional, tanto en el ámbito académico como en la industria, hay marcos maduros disponibles, como TensorFlow de Google, Pytorch de Meta, PaddlePaddle de Baidu y MagicAnimate de Byte, cada uno con sus propias ventajas para diferentes escenarios.
Los proyectos de marco que están surgiendo actualmente en las criptomonedas se han creado en base a la gran demanda de agentes que surgió con el inicio de la ola de IA, y luego se expandieron a otras áreas, formando finalmente marcos de IA en diferentes campos especializados. A continuación se presentan algunas introducciones a los marcos más populares:
1.1 Eliza
Eliza es un marco de simulación multiagente, diseñado para crear, desplegar y gestionar agentes de IA autónomos. Desarrollado en TypeScript, tiene buena compatibilidad y es fácil de integrar con API.
Eliza está principalmente dirigida a escenarios de redes sociales, soportando la integración en múltiples plataformas como Discord, X/Twitter, Telegram, etc. En el procesamiento de contenido multimedia, soporta la lectura y análisis de documentos PDF, la extracción y resumen de contenido de enlaces, la transcripción de audio, el procesamiento de contenido de video, el análisis y descripción de imágenes, y el resumen de conversaciones.
Los casos de uso actualmente soportados por Eliza incluyen principalmente aplicaciones de asistente de IA, personajes de redes sociales, trabajadores del conocimiento y personajes interactivos. Los modelos soportados incluyen inferencia local de modelos de código abierto, inferencia en la nube basada en la API de OpenAI, configuración predeterminada para Nous Hermes Llama 3.1B, así como integración con Claude para realizar consultas complejas.
1.2 G.A.M.E
G.A.M.E(Generative Autonomous Multimodal Entities Framework) es un marco de IA multimodal que se genera y gestiona automáticamente, diseñado principalmente para NPC inteligentes en juegos. La característica de este marco es que incluso los usuarios sin conocimientos de código o con poco código pueden usarlo, solo necesitan modificar los parámetros para participar en el diseño de Agentes.
El diseño central de G.A.M.E es un diseño modular que trabaja en colaboración a través de múltiples subsistemas, incluyendo la interfaz de sugerencias de Agente, subsistema de percepción, motor de planificación estratégica, contexto del mundo, módulo de procesamiento de diálogos, operador de billetera en cadena, módulo de aprendizaje, memoria de trabajo, procesador de memoria a largo plazo, almacén de agentes, planificador de acciones y ejecutor de planes.
Este marco se centra principalmente en la toma de decisiones, retroalimentación, percepción y personalidad del Agente en entornos virtuales, y es aplicable a escenarios de juegos y metaverso.
1.3 Rig
Rig es una herramienta de código abierto escrita en lenguaje Rust, diseñada para simplificar el desarrollo de aplicaciones de modelos de lenguaje grandes (LLM). Proporciona una interfaz de operación unificada que permite a los desarrolladores interactuar fácilmente con múltiples proveedores de servicios LLM y bases de datos vectoriales.
Las características clave de Rig incluyen una interfaz unificada, una arquitectura modular, seguridad de tipos y un rendimiento eficiente. Su flujo de trabajo es que las solicitudes de los usuarios pasan a través de la capa de abstracción del proveedor, luego en la capa central, un agente inteligente invoca varias herramientas o consulta almacenamiento de vectores para obtener información, y finalmente genera respuestas a través de mecanismos como la generación mejorada por recuperación.
Rig es adecuado para construir sistemas de respuesta a preguntas, herramientas de búsqueda de documentos, chatbots o asistentes virtuales con capacidad de percepción contextual, así como para apoyar la creación de contenido.
1.4 ZerePy
ZerePy es un marco de código abierto basado en Python, diseñado para simplificar el proceso de implementación y gestión de Agentes de IA en la plataforma X. Hereda las funciones centrales del proyecto Zerebro, pero adopta un diseño más modular y fácil de escalar.
ZerePy proporciona una interfaz de línea de comandos, soporta modelos de lenguaje de gran tamaño de OpenAI y Anthropic, integra directamente la API de la plataforma X, cuenta con un sistema de conexión modular y planea integrar un sistema de memoria en el futuro.
En comparación con Eliza, ZerePy se centra más en simplificar el proceso de implementación de Agentes de IA en plataformas sociales específicas, orientándose más hacia aplicaciones prácticas.
Dos, la réplica del ecosistema BTC
El camino de desarrollo de los Agentes de IA tiene muchas similitudes con el ecosistema reciente de BTC. El desarrollo del ecosistema de BTC se puede resumir como: BRC20-competencia entre múltiples protocolos-BTC L2-BTCFi. Los Agentes de IA se desarrollan más rápido sobre la base de una pila de tecnologías de IA tradicionales maduras, y su camino se puede resumir como: GOAT/ACT-competencia entre Agentes de tipo Social/Agentes de IA analíticos. En el futuro, los proyectos de infraestructura en torno a la Descentralización y la seguridad de los Agentes podrían convertirse en la melodía principal de la próxima etapa.
Esta pista es poco probable que se dirija hacia la homogeneización y la burbuja como el ecosistema de BTC. Los proyectos de marco de IA ofrecen una nueva forma de desarrollo de infraestructura. En comparación con Memecoin Launchpad y el protocolo de inscripciones, el marco de IA se asemeja más a una futura cadena de bloques pública, mientras que el Agente se asemeja más a un futuro Dapp.
En la futura era de la IA en Crypto, el debate podría pasar de la discusión entre EVM y cadenas heterogéneas a una lucha por los marcos. La cuestión clave actual es cómo lograr la Descentralización o la encadenación, y cuál es el significado de hacer esto en la blockchain.
Tres, ¿cuál es el significado de subir a la cadena?
La combinación de blockchain con cualquier cosa debe enfrentar la cuestión de su significado. Considerando los factores de éxito de DeFi: mayor accesibilidad, mejor eficiencia y menores costos, y la seguridad sin necesidad de confiar en la Descentralización. Basado en estas ideas, las razones para apoyar la cadena de agentes podrían incluir:
Lograr un costo de uso más bajo, mejorar la accesibilidad y la selectividad, para que los usuarios comunes también puedan participar en el "derecho de alquiler" de IA;
Proporcionar soluciones de seguridad basadas en blockchain, que satisfagan las necesidades de interacción entre el Agente y el mundo virtual o real;
Desarrollar formas únicas de finanzas en blockchain, como inversión en potencia de cálculo relacionada con agentes, marcaje de datos, etc.;
A través de un razonamiento transparente y rastreable, lograr una interoperabilidad más atractiva que la que ofrecen los navegadores de agentes de los gigantes de Internet tradicionales.
Cuarta, economía creativa
Los proyectos de tipo marco podrían ofrecer oportunidades de emprendimiento similares a GPT Store en el futuro. Un marco que simplifique el proceso de construcción de agentes y ofrezca combinaciones de funciones complejas podría tener ventajas en el futuro, formando una economía creativa de Web3 más interesante que GPT Store.
En comparación con GPT Store, la economía creativa de Web3 con agentes puede ser más justa y abierta, permitiendo la participación de personas comunes. El futuro de los memes de IA podría ser más inteligente y divertido que los agentes actuales, ofreciendo nuevas oportunidades para la economía creativa.
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
10 me gusta
Recompensa
10
4
Compartir
Comentar
0/400
WalletDetective
· hace14h
Ay, otra vez están promoviendo la IA.
Ver originalesResponder0
MoonBoi42
· 07-02 07:57
Todo el día gritando To the moon, y al final es BTC.
Ver originalesResponder0
UnluckyValidator
· 07-02 07:42
Otra ola de tontos siendo tomados por tontos.
Ver originalesResponder0
SatoshiLegend
· 07-02 07:36
Revisar el código fuente te da una sensación de Torre de Babel... No se puede negar que el capital está repitiendo el mito de 2017.
Análisis de la pista del marco de IA: de agentes inteligentes a la nueva infraestructura de Descentralización
Desestructuración del marco de IA: de agentes inteligentes a la exploración de la Descentralización
Introducción
El ritmo de desarrollo de la pista de AI Agent es asombroso. En solo dos meses desde que el "Terminal de Verdad" inició el verano de los agentes, la narrativa de la combinación de AI y criptomonedas ha cambiado casi cada semana. Recientemente, la atención del mercado se ha centrado en proyectos "de marco" dominados por narrativas tecnológicas, y esta subcategoría ya ha generado varios proyectos con una capitalización de mercado superior a mil millones e incluso diez mil millones en las últimas semanas. Estos proyectos también han dado lugar a un nuevo modelo de emisión de activos, donde los proyectos emiten tokens a través de repositorios de código en Github, y los agentes desarrollados sobre el marco también pueden emitir tokens nuevamente. Con el marco como base y el agente como superior, se está formando un modelo similar a una plataforma de emisión de activos, que en realidad es un tipo de infraestructura adaptada a la era de la AI que está comenzando a surgir. Este artículo comenzará con una introducción al marco y combinará reflexiones personales para interpretar el significado del marco de AI en el ámbito de las criptomonedas.
I. ¿Qué es un marco?
El marco de IA es una herramienta o plataforma de desarrollo de bajo nivel que integra módulos, bibliotecas y herramientas preconstruidas, simplificando el proceso de construcción de modelos de IA complejos. Estos marcos suelen incluir funciones para procesar datos, entrenar modelos y realizar predicciones. En términos simples, el marco puede entenderse como el sistema operativo de la era de la IA, similar a Windows o Linux en sistemas operativos de escritorio, o iOS y Android en dispositivos móviles. Cada marco tiene sus ventajas y desventajas, y los desarrolladores pueden elegir según sus necesidades específicas.
Aunque el "marco de IA" es un concepto nuevo en el ámbito de las criptomonedas, el desarrollo de marcos de IA ha estado cerca de 14 años desde el nacimiento de Theano en 2010. En el campo de la IA tradicional, tanto en el ámbito académico como en la industria, hay marcos maduros disponibles, como TensorFlow de Google, Pytorch de Meta, PaddlePaddle de Baidu y MagicAnimate de Byte, cada uno con sus propias ventajas para diferentes escenarios.
Los proyectos de marco que están surgiendo actualmente en las criptomonedas se han creado en base a la gran demanda de agentes que surgió con el inicio de la ola de IA, y luego se expandieron a otras áreas, formando finalmente marcos de IA en diferentes campos especializados. A continuación se presentan algunas introducciones a los marcos más populares:
1.1 Eliza
Eliza es un marco de simulación multiagente, diseñado para crear, desplegar y gestionar agentes de IA autónomos. Desarrollado en TypeScript, tiene buena compatibilidad y es fácil de integrar con API.
Eliza está principalmente dirigida a escenarios de redes sociales, soportando la integración en múltiples plataformas como Discord, X/Twitter, Telegram, etc. En el procesamiento de contenido multimedia, soporta la lectura y análisis de documentos PDF, la extracción y resumen de contenido de enlaces, la transcripción de audio, el procesamiento de contenido de video, el análisis y descripción de imágenes, y el resumen de conversaciones.
Los casos de uso actualmente soportados por Eliza incluyen principalmente aplicaciones de asistente de IA, personajes de redes sociales, trabajadores del conocimiento y personajes interactivos. Los modelos soportados incluyen inferencia local de modelos de código abierto, inferencia en la nube basada en la API de OpenAI, configuración predeterminada para Nous Hermes Llama 3.1B, así como integración con Claude para realizar consultas complejas.
1.2 G.A.M.E
G.A.M.E(Generative Autonomous Multimodal Entities Framework) es un marco de IA multimodal que se genera y gestiona automáticamente, diseñado principalmente para NPC inteligentes en juegos. La característica de este marco es que incluso los usuarios sin conocimientos de código o con poco código pueden usarlo, solo necesitan modificar los parámetros para participar en el diseño de Agentes.
El diseño central de G.A.M.E es un diseño modular que trabaja en colaboración a través de múltiples subsistemas, incluyendo la interfaz de sugerencias de Agente, subsistema de percepción, motor de planificación estratégica, contexto del mundo, módulo de procesamiento de diálogos, operador de billetera en cadena, módulo de aprendizaje, memoria de trabajo, procesador de memoria a largo plazo, almacén de agentes, planificador de acciones y ejecutor de planes.
Este marco se centra principalmente en la toma de decisiones, retroalimentación, percepción y personalidad del Agente en entornos virtuales, y es aplicable a escenarios de juegos y metaverso.
1.3 Rig
Rig es una herramienta de código abierto escrita en lenguaje Rust, diseñada para simplificar el desarrollo de aplicaciones de modelos de lenguaje grandes (LLM). Proporciona una interfaz de operación unificada que permite a los desarrolladores interactuar fácilmente con múltiples proveedores de servicios LLM y bases de datos vectoriales.
Las características clave de Rig incluyen una interfaz unificada, una arquitectura modular, seguridad de tipos y un rendimiento eficiente. Su flujo de trabajo es que las solicitudes de los usuarios pasan a través de la capa de abstracción del proveedor, luego en la capa central, un agente inteligente invoca varias herramientas o consulta almacenamiento de vectores para obtener información, y finalmente genera respuestas a través de mecanismos como la generación mejorada por recuperación.
Rig es adecuado para construir sistemas de respuesta a preguntas, herramientas de búsqueda de documentos, chatbots o asistentes virtuales con capacidad de percepción contextual, así como para apoyar la creación de contenido.
1.4 ZerePy
ZerePy es un marco de código abierto basado en Python, diseñado para simplificar el proceso de implementación y gestión de Agentes de IA en la plataforma X. Hereda las funciones centrales del proyecto Zerebro, pero adopta un diseño más modular y fácil de escalar.
ZerePy proporciona una interfaz de línea de comandos, soporta modelos de lenguaje de gran tamaño de OpenAI y Anthropic, integra directamente la API de la plataforma X, cuenta con un sistema de conexión modular y planea integrar un sistema de memoria en el futuro.
En comparación con Eliza, ZerePy se centra más en simplificar el proceso de implementación de Agentes de IA en plataformas sociales específicas, orientándose más hacia aplicaciones prácticas.
Dos, la réplica del ecosistema BTC
El camino de desarrollo de los Agentes de IA tiene muchas similitudes con el ecosistema reciente de BTC. El desarrollo del ecosistema de BTC se puede resumir como: BRC20-competencia entre múltiples protocolos-BTC L2-BTCFi. Los Agentes de IA se desarrollan más rápido sobre la base de una pila de tecnologías de IA tradicionales maduras, y su camino se puede resumir como: GOAT/ACT-competencia entre Agentes de tipo Social/Agentes de IA analíticos. En el futuro, los proyectos de infraestructura en torno a la Descentralización y la seguridad de los Agentes podrían convertirse en la melodía principal de la próxima etapa.
Esta pista es poco probable que se dirija hacia la homogeneización y la burbuja como el ecosistema de BTC. Los proyectos de marco de IA ofrecen una nueva forma de desarrollo de infraestructura. En comparación con Memecoin Launchpad y el protocolo de inscripciones, el marco de IA se asemeja más a una futura cadena de bloques pública, mientras que el Agente se asemeja más a un futuro Dapp.
En la futura era de la IA en Crypto, el debate podría pasar de la discusión entre EVM y cadenas heterogéneas a una lucha por los marcos. La cuestión clave actual es cómo lograr la Descentralización o la encadenación, y cuál es el significado de hacer esto en la blockchain.
Tres, ¿cuál es el significado de subir a la cadena?
La combinación de blockchain con cualquier cosa debe enfrentar la cuestión de su significado. Considerando los factores de éxito de DeFi: mayor accesibilidad, mejor eficiencia y menores costos, y la seguridad sin necesidad de confiar en la Descentralización. Basado en estas ideas, las razones para apoyar la cadena de agentes podrían incluir:
Lograr un costo de uso más bajo, mejorar la accesibilidad y la selectividad, para que los usuarios comunes también puedan participar en el "derecho de alquiler" de IA;
Proporcionar soluciones de seguridad basadas en blockchain, que satisfagan las necesidades de interacción entre el Agente y el mundo virtual o real;
Desarrollar formas únicas de finanzas en blockchain, como inversión en potencia de cálculo relacionada con agentes, marcaje de datos, etc.;
A través de un razonamiento transparente y rastreable, lograr una interoperabilidad más atractiva que la que ofrecen los navegadores de agentes de los gigantes de Internet tradicionales.
Cuarta, economía creativa
Los proyectos de tipo marco podrían ofrecer oportunidades de emprendimiento similares a GPT Store en el futuro. Un marco que simplifique el proceso de construcción de agentes y ofrezca combinaciones de funciones complejas podría tener ventajas en el futuro, formando una economía creativa de Web3 más interesante que GPT Store.
En comparación con GPT Store, la economía creativa de Web3 con agentes puede ser más justa y abierta, permitiendo la participación de personas comunes. El futuro de los memes de IA podría ser más inteligente y divertido que los agentes actuales, ofreciendo nuevas oportunidades para la economía creativa.