Деконструкція AI-рамки: від розумних агентів до дослідження децентралізації
Передмова
Розвиток траси AI Agent вражає швидкістю. Лише за два місяці з моменту відкриття "Терміналу істини" влітку агентів, наратив поєднання AI та криптовалют зазнав майже щотижневих змін. Нещодавно увага ринку зосередилася на "каркасних" проектах, які домінують у технологічному наративі: у цьому сегменті за останні кілька тижнів з'явилося кілька проектів з ринковою капіталізацією понад мільйон, а навіть понад мільярд. Ці проекти також породили нову модель випуску активів, де проекти випускають токени на основі Github репозиторіїв, а агенти, розроблені на основі каркасів, також можуть випускати токени. На основі каркасу, зверху агенти, формується модель, схожа на платформу для випуску активів, яка насправді є інфраструктурною моделлю, що адаптується до епохи AI. У цій статті ми почнемо з введення у каркас, поєднуючи особисті роздуми, щоб розтлумачити значення AI каркасів у сфері криптовалют.
Один. Що таке рамка?
AI-фреймворк — це базовий інструмент або платформа для розробки, що інтегрує попередньо створені модулі, бібліотеки та інструменти, спрощуючи процес створення складних AI-моделей. Ці фреймворки зазвичай містять функції для обробки даних, навчання моделей і проведення прогнозів. Простими словами, фреймворк можна розглядати як операційну систему ери AI, подібну до Windows, Linux у настільних операційних системах або iOS та Android у мобільних. Кожен фреймворк має свої переваги та недоліки, розробники можуть обирати відповідно до конкретних потреб.
Хоча "AI фрейм" є новим поняттям у сфері криптовалют, з моменту його виникнення в 2010 році Theano, розвиток AI фреймів триває вже майже 14 років. У традиційній сфері AI, як в академічному, так і в промисловому середовищі, є зрілі фрейми на вибір, такі як TensorFlow від Google, Pytorch від Meta, FlyPaddle від Baidu, MagicAnimate від ByteDance тощо, кожен з яких має свої переваги в різних сценаріях.
В даний час проекти фреймворків, що виникають у криптовалютах, створені на базі великого попиту на агентів в умовах початку буму штучного інтелекту, а потім розширилися на інші напрямки, в результаті чого сформувалися різні сегменти фреймворків штучного інтелекту. Нижче наведено кілька основних фреймворків:
1.1 Еліза
Eliza є багатоефірною симуляційною платформою, призначеною для створення, розгортання та управління автономними AI агентами. Розроблена на базі TypeScript, вона має хорошу сумісність і легкість інтеграції API.
Eliza переважно орієнтована на сценарії соціальних мереж, підтримує інтеграцію з кількома платформами, такими як Discord, X/Twitter, Telegram тощо. У сфері обробки медіа-контенту підтримується читання та аналіз PDF-документів, витягування та підсумовування змісту з посилань, транскрипція аудіо, обробка відео-контенту, аналіз та опис зображень, а також підсумовування діалогів.
Поточні випадки використання Eliza в основному включають додатки класу AI-помічника, ролі в соціальних мережах, знаннєвих працівників та інтерактивні ролі. Підтримувані моделі включають локальну інференцію на основі відкритого коду, інференцію в хмарах на основі API OpenAI, за замовчуванням налаштовану на Nous Hermes Llama 3.1B, а також інтеграцію з Claude для виконання складних запитів.
1.2 Г.А.М.Е
G.A.M.E(Генеративна автономна мультимодальна система ) є автоматизованою системою генерації та управління мультимодальним ШІ, яка в основному орієнтована на проектування розумних NPC у іграх. Основною рисою цієї системи є те, що навіть користувачі з низьким або взагалі безкодним досвідом можуть її використовувати, просто змінивши параметри для участі у проектуванні агентів.
Ядром дизайну G.A.M.E є модульний дизайн, що включає в себе співпрацю кількох підсистем, таких як інтерфейс підказок агентів, сприйняттєва підсистема, двигун стратегічного планування, контекст світу, модуль обробки діалогу, оператор гаманця на блокчейні, навчальний модуль, робоча пам'ять, процесор довгострокової пам'яті, склад агентів, планувальник дій та виконавця планів тощо.
Ця структура в основному зосереджена на прийнятті рішень, зворотному зв'язку, сприйнятті та індивідуальності Агентів у віртуальному середовищі, що підходить для ігрових та метасвітових сцен.
1.3 Ріг
Rig - це відкритий інструмент, написаний мовою Rust, що має на меті спростити розробку додатків великих мовних моделей (LLM). Він надає єдиний інтерфейс для роботи, що дозволяє розробникам легко взаємодіяти з кількома постачальниками LLM та векторними базами даних.
Основні характеристики Rig включають єдиний інтерфейс, модульну архітектуру, типову безпеку та ефективну продуктивність. Його робочий процес полягає в тому, що запит користувача проходить через абстракційний шар постачальника, а потім у ядрі, розумний агент викликає різні інструменти або запити векторного сховища для отримання інформації, а в кінці генерує відповідь за допомогою механізмів, таких як підсилене генерування.
Rig підходить для створення систем відповіді на запитання, інструментів пошуку документів, чат-ботів або віртуальних помічників, які мають здатність до контекстного сприйняття, а також для підтримки створення контенту.
1.4 ZerePy
ZerePy — це відкритий фреймворк на основі Python, призначений для спрощення процесу розгортання та управління AI Agent на платформі X. Він успадковує основні функції проекту Zerebro, але має більш модульний та легко розширюваний дизайн.
ZerePy надає командний інтерфейс, підтримує великі мовні моделі OpenAI та Anthropic, безпосередньо інтегрує API платформи X, має модульну систему з'єднань, у майбутньому планує інтегрувати систему пам'яті.
Порівняно з Eliza, ZerePy більше зосереджений на спрощенні процесу розгортання AI Agent на конкретних соціальних платформах, більше орієнтуючись на практичне застосування.
Два, копія екосистеми BTC
Шлях розвитку AI Agent має багато спільного з недавньою екосистемою BTC. Розвиток екосистеми BTC можна окреслити так: BRC20 - конкуренція між багатьма протоколами - BTC L2 - BTCFi. AI Agent розвивається швидше на основі зрілого традиційного стеку AI-технологій, його шлях можна окреслити так: конкуренція між GOAT/ACT - соціальними агентами/аналітичними AI агентами. У майбутньому проекти інфраструктури, що стосуються децентралізації агентів та їхньої безпеки, можуть стати головною темою наступного етапу.
Цей сегмент навряд чи стане однорідним і бульбашковим, як екосистема BTC. AI-фреймворки пропонують новий підхід до розвитку інфраструктури. У порівнянні з Memecoin Launchpad та протоколом інскрипцій, AI-фреймворки більше схожі на майбутній публічний блокчейн, а Agent більше нагадує майбутній Dapp.
У майбутньому AI-ера Crypto суперечки можуть перейти від дискусій про EVM та гетерогенні ланцюги до суперечок про рамки. Ключовим питанням наразі є те, як реалізувати Децентралізацію або ланцюжність, а також яке значення має це для блокчейну.
Три, яке значення має запис в блокчейн?
Блокчейн, поєднуючи з будь-чим, стикається з питанням його значення. Розглянемо фактори успіху DeFi: вища доступність, краща ефективність та нижчі витрати, а також безпечність без необхідності довіряти централізованим системам. На основі цих міркувань, причини підтримки агентного ланцюга можуть включати:
Реалізувати нижчі витрати на використання, підвищити доступність та вибірковість, щоб звичайні користувачі також могли брати участь у "оренді прав" AI;
Надання безпечних рішень на основі блокчейну, що відповідають потребам взаємодії Агентів з віртуальним або реальним світом;
Розробка унікальних фінансових ігор на основі блокчейну, таких як пов'язані з Agent обчислювальні потужності, інвестиції в маркування даних тощо;
Завдяки прозорій, відстежуваній аргументації, досягти більш привабливої інтероперабельності, ніж ту, що пропонують традиційні інтернет-гіганти з агентськими браузерами.
Чотири, креативна економіка
Проекти класу "каркас" можуть в майбутньому запропонувати можливості для підприємництва, подібні до GPT Store. Спрощення процесу створення агентів та надання каркасів для складних комбінацій функцій можуть зайняти перевагу в майбутньому, сформувавши більш цікаву креативну економіку Web3, ніж GPT Store.
В порівнянні з GPT Store, креативна економіка Agent у Web3 може бути більш справедливою та відкритою, що дозволяє звичайним людям долучатися. Майбутні AI Meme можуть бути більш розумними та цікавими, ніж існуючі Agent, відкриваючи нові можливості для креативної економіки.
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 лайків
Нагородити
10
4
Поділіться
Прокоментувати
0/400
WalletDetective
· 21хв. тому
Ой, знову почали розкручувати ШІ.
Переглянути оригіналвідповісти на0
MoonBoi42
· 07-02 07:57
Цілий день кричать до місяця, а в результаті знову BTC.
Переглянути оригіналвідповісти на0
UnluckyValidator
· 07-02 07:42
Знову хвиля нових невдах обдурювати людей, як лохів
Переглянути оригіналвідповісти на0
SatoshiLegend
· 07-02 07:36
Прочитавши вихідний код, можна відчути легкий присмак Вавилонської вежі... Не можу не сказати, що капітал знову повторює міф 2017 року.
Аналіз треку AI-рамок: від розумних агентів до нової інфраструктури децентралізації
Деконструкція AI-рамки: від розумних агентів до дослідження децентралізації
Передмова
Розвиток траси AI Agent вражає швидкістю. Лише за два місяці з моменту відкриття "Терміналу істини" влітку агентів, наратив поєднання AI та криптовалют зазнав майже щотижневих змін. Нещодавно увага ринку зосередилася на "каркасних" проектах, які домінують у технологічному наративі: у цьому сегменті за останні кілька тижнів з'явилося кілька проектів з ринковою капіталізацією понад мільйон, а навіть понад мільярд. Ці проекти також породили нову модель випуску активів, де проекти випускають токени на основі Github репозиторіїв, а агенти, розроблені на основі каркасів, також можуть випускати токени. На основі каркасу, зверху агенти, формується модель, схожа на платформу для випуску активів, яка насправді є інфраструктурною моделлю, що адаптується до епохи AI. У цій статті ми почнемо з введення у каркас, поєднуючи особисті роздуми, щоб розтлумачити значення AI каркасів у сфері криптовалют.
Один. Що таке рамка?
AI-фреймворк — це базовий інструмент або платформа для розробки, що інтегрує попередньо створені модулі, бібліотеки та інструменти, спрощуючи процес створення складних AI-моделей. Ці фреймворки зазвичай містять функції для обробки даних, навчання моделей і проведення прогнозів. Простими словами, фреймворк можна розглядати як операційну систему ери AI, подібну до Windows, Linux у настільних операційних системах або iOS та Android у мобільних. Кожен фреймворк має свої переваги та недоліки, розробники можуть обирати відповідно до конкретних потреб.
Хоча "AI фрейм" є новим поняттям у сфері криптовалют, з моменту його виникнення в 2010 році Theano, розвиток AI фреймів триває вже майже 14 років. У традиційній сфері AI, як в академічному, так і в промисловому середовищі, є зрілі фрейми на вибір, такі як TensorFlow від Google, Pytorch від Meta, FlyPaddle від Baidu, MagicAnimate від ByteDance тощо, кожен з яких має свої переваги в різних сценаріях.
В даний час проекти фреймворків, що виникають у криптовалютах, створені на базі великого попиту на агентів в умовах початку буму штучного інтелекту, а потім розширилися на інші напрямки, в результаті чого сформувалися різні сегменти фреймворків штучного інтелекту. Нижче наведено кілька основних фреймворків:
1.1 Еліза
Eliza є багатоефірною симуляційною платформою, призначеною для створення, розгортання та управління автономними AI агентами. Розроблена на базі TypeScript, вона має хорошу сумісність і легкість інтеграції API.
Eliza переважно орієнтована на сценарії соціальних мереж, підтримує інтеграцію з кількома платформами, такими як Discord, X/Twitter, Telegram тощо. У сфері обробки медіа-контенту підтримується читання та аналіз PDF-документів, витягування та підсумовування змісту з посилань, транскрипція аудіо, обробка відео-контенту, аналіз та опис зображень, а також підсумовування діалогів.
Поточні випадки використання Eliza в основному включають додатки класу AI-помічника, ролі в соціальних мережах, знаннєвих працівників та інтерактивні ролі. Підтримувані моделі включають локальну інференцію на основі відкритого коду, інференцію в хмарах на основі API OpenAI, за замовчуванням налаштовану на Nous Hermes Llama 3.1B, а також інтеграцію з Claude для виконання складних запитів.
1.2 Г.А.М.Е
G.A.M.E(Генеративна автономна мультимодальна система ) є автоматизованою системою генерації та управління мультимодальним ШІ, яка в основному орієнтована на проектування розумних NPC у іграх. Основною рисою цієї системи є те, що навіть користувачі з низьким або взагалі безкодним досвідом можуть її використовувати, просто змінивши параметри для участі у проектуванні агентів.
Ядром дизайну G.A.M.E є модульний дизайн, що включає в себе співпрацю кількох підсистем, таких як інтерфейс підказок агентів, сприйняттєва підсистема, двигун стратегічного планування, контекст світу, модуль обробки діалогу, оператор гаманця на блокчейні, навчальний модуль, робоча пам'ять, процесор довгострокової пам'яті, склад агентів, планувальник дій та виконавця планів тощо.
Ця структура в основному зосереджена на прийнятті рішень, зворотному зв'язку, сприйнятті та індивідуальності Агентів у віртуальному середовищі, що підходить для ігрових та метасвітових сцен.
1.3 Ріг
Rig - це відкритий інструмент, написаний мовою Rust, що має на меті спростити розробку додатків великих мовних моделей (LLM). Він надає єдиний інтерфейс для роботи, що дозволяє розробникам легко взаємодіяти з кількома постачальниками LLM та векторними базами даних.
Основні характеристики Rig включають єдиний інтерфейс, модульну архітектуру, типову безпеку та ефективну продуктивність. Його робочий процес полягає в тому, що запит користувача проходить через абстракційний шар постачальника, а потім у ядрі, розумний агент викликає різні інструменти або запити векторного сховища для отримання інформації, а в кінці генерує відповідь за допомогою механізмів, таких як підсилене генерування.
Rig підходить для створення систем відповіді на запитання, інструментів пошуку документів, чат-ботів або віртуальних помічників, які мають здатність до контекстного сприйняття, а також для підтримки створення контенту.
1.4 ZerePy
ZerePy — це відкритий фреймворк на основі Python, призначений для спрощення процесу розгортання та управління AI Agent на платформі X. Він успадковує основні функції проекту Zerebro, але має більш модульний та легко розширюваний дизайн.
ZerePy надає командний інтерфейс, підтримує великі мовні моделі OpenAI та Anthropic, безпосередньо інтегрує API платформи X, має модульну систему з'єднань, у майбутньому планує інтегрувати систему пам'яті.
Порівняно з Eliza, ZerePy більше зосереджений на спрощенні процесу розгортання AI Agent на конкретних соціальних платформах, більше орієнтуючись на практичне застосування.
Два, копія екосистеми BTC
Шлях розвитку AI Agent має багато спільного з недавньою екосистемою BTC. Розвиток екосистеми BTC можна окреслити так: BRC20 - конкуренція між багатьма протоколами - BTC L2 - BTCFi. AI Agent розвивається швидше на основі зрілого традиційного стеку AI-технологій, його шлях можна окреслити так: конкуренція між GOAT/ACT - соціальними агентами/аналітичними AI агентами. У майбутньому проекти інфраструктури, що стосуються децентралізації агентів та їхньої безпеки, можуть стати головною темою наступного етапу.
Цей сегмент навряд чи стане однорідним і бульбашковим, як екосистема BTC. AI-фреймворки пропонують новий підхід до розвитку інфраструктури. У порівнянні з Memecoin Launchpad та протоколом інскрипцій, AI-фреймворки більше схожі на майбутній публічний блокчейн, а Agent більше нагадує майбутній Dapp.
У майбутньому AI-ера Crypto суперечки можуть перейти від дискусій про EVM та гетерогенні ланцюги до суперечок про рамки. Ключовим питанням наразі є те, як реалізувати Децентралізацію або ланцюжність, а також яке значення має це для блокчейну.
Три, яке значення має запис в блокчейн?
Блокчейн, поєднуючи з будь-чим, стикається з питанням його значення. Розглянемо фактори успіху DeFi: вища доступність, краща ефективність та нижчі витрати, а також безпечність без необхідності довіряти централізованим системам. На основі цих міркувань, причини підтримки агентного ланцюга можуть включати:
Реалізувати нижчі витрати на використання, підвищити доступність та вибірковість, щоб звичайні користувачі також могли брати участь у "оренді прав" AI;
Надання безпечних рішень на основі блокчейну, що відповідають потребам взаємодії Агентів з віртуальним або реальним світом;
Розробка унікальних фінансових ігор на основі блокчейну, таких як пов'язані з Agent обчислювальні потужності, інвестиції в маркування даних тощо;
Завдяки прозорій, відстежуваній аргументації, досягти більш привабливої інтероперабельності, ніж ту, що пропонують традиційні інтернет-гіганти з агентськими браузерами.
Чотири, креативна економіка
Проекти класу "каркас" можуть в майбутньому запропонувати можливості для підприємництва, подібні до GPT Store. Спрощення процесу створення агентів та надання каркасів для складних комбінацій функцій можуть зайняти перевагу в майбутньому, сформувавши більш цікаву креативну економіку Web3, ніж GPT Store.
В порівнянні з GPT Store, креативна економіка Agent у Web3 може бути більш справедливою та відкритою, що дозволяє звичайним людям долучатися. Майбутні AI Meme можуть бути більш розумними та цікавими, ніж існуючі Agent, відкриваючи нові можливості для креативної економіки.