Кросс-прозорості AI-агента в сфері Web3

Нещодавно в Китаї одна стартап-компанія представила перший у світі універсальний продукт AI Agent, що викликало жваве обговорення в технологічних колах, і в перший день запуску код для запрошення був важкодоступний. Цей продукт має можливість самостійно виконувати завдання від планування до виконання, демонструючи безпрецедентну універсальність та виконання, що надає цінні ідеї для розробки та дизайну AI Agent.

З розвитком технологій штучного інтелекту AI Agent, як важлива галузь штучного інтелекту, поступово переходить від концепції до реальності, демонструючи величезний потенціал застосування в різних сферах, і Web3-індустрія не є винятком.

Огляд AI Агента

AI Agent є комп'ютерною програмою, яка може самостійно приймати рішення та виконувати завдання на основі середовища, вхідних даних та попередньо визначених цілей. Його основні складові частини включають:

1. Велика мовна модель ( LLM ) як "мозок"
2. Механізми спостереження та сприйняття
3. Процес мислення
4. Виконання дій
5. Пам'ять та вилучення

Дизайнерські моделі AI Agent мають два основні напрямки розвитку: один зосереджений на плануванні, інший - на рефлексії. Серед них, модель ReAct є найбільш поширеною на сьогодні, її типовий процес - це цикл мислення (Thought)→ дія (Action)→ спостереження (Observation).

AI-агент також може бути розділений на Single Agent і Multi Agent в залежності від кількості агентів. Основна суть Single Agent полягає в поєднанні LLM і інструментів, тоді як Multi Agent надає різним агентам різні ролі, що дозволяє спільно виконувати складні завдання.

Стан AI-агентів у Web3

У 2023 році популярність AI Agent у сфері Web3 після досягнення піку на початку року різко знизилася, загальна ринкова вартість скоротилася на понад 90%. Наразі основними проектами з великою популярністю та ринковою вартістю залишаються ті, що працюють в рамках AI Agent, досліджуючи Web3, в основному існує три моделі:

1. Режим платформи запуску: дозволяє користувачам створювати, розгортати та монетизувати платформи AI Agent.
2. DAO-модель: використання AI-моделей у поєднанні з пропозиціями членів DAO для прийняття інвестиційних рішень.
3. Бізнес-модель компанії: забезпечення корпоративної багатосторонньої платформи Multi Agent.

З точки зору економічної моделі, наразі лише платформи запуску можуть забезпечити самодостатнє економічне замкнуте коло. Однак ця модель також стикається з викликами, оскільки активи, що випускаються, повинні мати "привабливість", щоб утворити позитивний маховик.

Інтеграція протоколу MCP з Web3

Протокол контексту моделі (MCP) є відкритим протоколом, що має на меті вирішення проблем підключення та взаємодії LLM з зовнішніми джерелами даних. Поява MCP відкриває нові напрямки досліджень для AI Agent у Web3:

1. Розгорніть MCP Server в блокчейн-мережі, щоб вирішити проблему єдиного пункту та забезпечити стійкість до цензури.
2. Надати MCP Server функцію взаємодії з блокчейном, знизивши технічний бар'єр.

Крім того, існує план створення мережі стимулювання творців OpenMCP.Network на основі Ethereum. Ця мережа використовуватиме смарт-контракти для автоматизації, прозорості, надійності та стійкості до цензури стимулювання.

Перспективи

Хоча поєднання MCP з Web3 теоретично може ввести механізм децентралізованої довіри та економічні стимули для застосування AI Agent, наразі технологія нульових знань ще не може перевірити справжність поведінки агентів, а децентралізовані мережі також мають проблеми з ефективністю. Це не є рішенням, яке може успішно реалізуватися в короткостроковій перспективі.

Поєднання штучного інтелекту та Web3 є неминучою тенденцією. Нам потрібно зберігати терпіння і впевненість, продовжувати дослідження, сподіваючись на появу знакового продукту, який розвіє зовнішні сумніви щодо непрактичності Web3.