Yazar: Zeke, YBB Capital Araştırmacısı

1. Dikkatle başlayan yeniyi tercih etmek ve eskiyi sevmemek

Geçtiğimiz yıl, uygulama katmanı anlatımının altyapı patlaması hızına yetişememesi nedeniyle şifreleme alanı giderek dikkat kaynaklarına yönelik bir oyuna dönüştü. Silly Dragon'dan Goat'a, Pump.fun'dan Clanker'a kadar dikkat çekme savaşı baştan sona alevlendi. En klişe göz alıcı gerçekleştirmeyle başlayarak, hızla ilgi talep edenlerin ve tedarikçilerin birleştiği bir platform modeline dönüştü ve ardından silikon bazlı organizmalar yeni içerik sağlayıcılar haline geldi. Meme Coin'in çeşitli tuhaf taşıyıcıları arasında nihayet perakende yatırımcıların ve risk sermayedarlarının fikir birliğine varmasına olanak tanıyan bir varlık var: AI Agent.

Dikkat sonuçta sıfır toplamlı bir oyundur, ancak spekülasyon gerçekten de işleri çılgına çevirebilir. UNI ile ilgili yazımızda, blockchainin son altın çağının başlangıcını inceledik. DeFi'nin hızlı büyümesinin nedeni, Compound Finance'in başlattığı, binlerce hatta onlarca madencilik havuzunda yürütülen LP madencilik döneminden kaynaklanmaktadır. Binlerce Apy'nin girip çıkması o dönemde zincir üzerinde oynamanın en ilkel yoluydu, ancak son durum çeşitli maden havuzlarının çökmesi ve tüylerle kaplanmasıydı. Bununla birlikte, altın madencilerinin çılgın akışı gerçekten de blok zincirinde benzeri görülmemiş bir likidite bıraktı. DeFi nihayet saf spekülasyondan kurtuldu ve kullanıcıları ödeme, ticaret, arbitraj ve finansal ihtiyaçlar gibi her açıdan tatmin eden olgun bir yol oluşturdu. AI Agent da bu aşamada bu barbar aşamadan geçiyor. Araştırdığımız şey, Crypto'nun AI'yı nasıl daha iyi entegre edebileceği ve sonuçta uygulama katmanını nasıl yeni boyutlara taşıyabileceğidir.

2. Akıllı bir etmen nasıl özerk hale gelir?

Önceki yazımızda AI Meme: Truth Terminal'in kökenini ve AI Agent'ın geleceğine dair bakış açımızı kısaca tanıtmıştık. Bu makale öncelikle AI Agent'ın kendisine odaklanıyor.

AI Agent'ın tanımıyla başlayalım. Agent, AI alanında daha eski fakat belirsiz bir şekilde tanımlanmış bir terimdir. Ana vurgusu Otonomdur, yani ortamı algılayabilen ve yansımalar yapabilen herhangi bir AI, Agent olarak adlandırılabilir. Günümüz tanımıyla AI Agent, akıllı bir ajana daha yakındır, yani insanın karar verme sürecini taklit edecek büyük bir model için sistem kurmaktır. Akademik dünyada bu sistem, AGI'nin (Genel Yapay Zeka) en umut verici yolu olarak kabul edilmektedir. .

GPT'nin ilk versiyonlarında büyük modelin insana çok benzediğini açıkça algılayabiliyorduk ancak birçok karmaşık soruyu yanıtlarken büyük model yalnızca bazı yanıltıcı yanıtlar verebiliyordu. Bunun temel nedeni, o zamanki büyük modelin nedensellik yerine olasılığa dayalı olmasıydı. İkincisi, insanların araç, hafıza, planlama vb. kullanma becerisinden yoksundu ve AI Agent bu eksiklikleri telafi edebilirdi. Bir formülle özetlemek gerekirse, AI Aracısı (akıllı aracı) = LLM (büyük model) + Planlama (planlama) + Bellek (bellek) + Araçlar (araçlar).

Anlık sözcüklere dayalı büyük model (Prompt), daha çok statik bir kişiye benzer, onu girdiğimizde canlanır ve akıllı ajanın hedefi daha gerçek bir kişidir. Günümüzün çevredeki akıllı aracıları, esas olarak Meta'nın açık kaynaklı Llama 70b veya 405b sürümünü temel alan ince ayarlı modellerdir (her ikisi de farklı parametrelere sahiptirler). API erişim araçlarını hatırlama ve kullanma becerisine sahiptirler, ancak diğer konularda insan yardımına veya girdiye ihtiyaç duyabilirler. (Diğer temsilcilerle etkileşim ve işbirliği dahil), böylece çevredeki ana temsilcilerin bugün hala sosyal ağlarda KOL'ler biçiminde var olduğunu görebiliriz. Akıllı bir aracının daha insana benzemesi için planlama ve eylem yeteneklerine sahip olması gerekir ve planlamadaki alt düşünme zinciri özellikle kritik öneme sahiptir.

3. Düşünce Zinciri (CoT)

Düşünce Zinciri (CoT) kavramı ilk olarak Google tarafından 2022'de yayınlanan "Chain-of-Thought Prompting Elicits Reasoning in Large Language Models" makalesinde ortaya çıktı. Makalede, modelin bir dizi ara dil modeli oluşturularak geliştirilebileceğine dikkat çekildi. Akıl yürütme adımları, akıl yürütme yetenekleri modellerin karmaşık sorunları daha iyi anlamasına ve çözmesine yardımcı olur.

Tipik bir CoT İstemi üç bölümden oluşur: açık talimatlar, görev tanımı, mantıksal temel, görev çözümünü destekleyen teorik temel veya ilke örneği ve özel çözüm gösterimi Bu yapılandırılmış yaklaşım, modelin görev gereksinimlerini anlamasına ve mantıksal akıl yürütme yoluyla bunlara aşamalı olarak yaklaşmasına yardımcı olur. Cevaplar, böylece problem çözmenin verimliliği ve doğruluğu artar. CoT özellikle matematiksel problem çözme, proje raporu yazma ve diğer basit görevler gibi derinlemesine analiz ve çok adımlı akıl yürütme gerektiren görevler için uygundur, ancak karmaşık görevler için performansı önemli ölçüde artırabilir. Modelin adım adım Çözüm stratejileri sayesinde hata oranları azalır ve görev tamamlama kalitesi artar.

Bir AI Aracısı oluştururken CoT önemli bir rol oynar. AI Aracısının alınan bilgileri anlaması ve buna dayanarak makul kararlar alması gerekir, CoT, Aracının düzenli bir düşünme yöntemi sağlayarak girdi bilgilerini etkili bir şekilde işlemesine ve analiz etmesine yardımcı olur. Bu yaklaşım, Temsilcinin karar verme sürecinin güvenilirliğini ve verimliliğini artırmakla kalmaz, aynı zamanda karar verme sürecinin şeffaflığını da artırarak Temsilcinin davranışını daha öngörülebilir ve izlenebilir hale getirir ve görevleri küçük parçalara ayırarak yardımcı olur. Adımlar. Aşırı bilgi yüklemesinden kaynaklanan hatalı kararları azaltmak için her karar noktası dikkatlice değerlendirilir. CoT, Temsilci'nin karar verme sürecini daha şeffaf hale getirir ve kullanıcıların, Temsilci'nin karar verme sürecinin temelini anlamasını kolaylaştırır. CoT, çevreyle etkileşimde bulunurken Temsilcinin sürekli olarak yeni bilgiler öğrenmesine ve davranışsal stratejiler ayarlamasına olanak tanır.

Etkili bir strateji olarak CoT, yalnızca büyük dil modellerinin muhakeme yeteneklerini geliştirmekle kalmaz, aynı zamanda daha akıllı ve güvenilir Yapay Zeka Aracılarının oluşturulmasında da önemli bir rol oynar. Araştırmacılar ve geliştiriciler CoT'den yararlanarak karmaşık ortamlara daha kolay uyum sağlayan ve yüksek derecede özerkliğe sahip akıllı sistemler oluşturabilirler. CoT, özellikle karmaşık görevlerle uğraşırken, pratik uygulamalarda benzersiz avantajlarını göstermiştir. Görevi bir dizi küçük adıma bölerek, yalnızca görev çözmenin doğruluğunu arttırmakla kalmaz, aynı zamanda modelin yorumlanabilirliğini ve kontrol edilebilirliğini de geliştirir. . Problem çözmeye yönelik bu adım adım yaklaşım, karmaşık görevlerle karşı karşıya kalındığında çok fazla veya çok karmaşık bilginin neden olduğu hatalı kararları büyük ölçüde azaltabilir. Bu yaklaşım aynı zamanda tüm çözümün izlenebilirliğini ve doğrulanabilirliğini de geliştirir.

CoT'nin temel işlevi planlama, eylem ve gözlemi entegre ederek akıl yürütme ve eylem arasındaki boşluğu kapatmaktır. Bu düşünme modu, AI Agent'ın karşılaşılabilecek anormal durumları tahmin ederken etkili karşı önlemler formüle etmesine ve dış ortamla etkileşimde bulunurken yeni bilgiler biriktirmesine, önceden belirlenmiş tahminleri doğrulamasına ve yeni akıl yürütme temeli sağlamasına olanak tanır. CoT, AI Aracılarının karmaşık ortamlarda verimli iş verimliliğini korumasına yardımcı olan güçlü bir doğruluk ve kararlılık motoru gibidir.

4. Sahte ihtiyaçları düzeltin

Crypto, AI teknoloji yığınının hangi yönleriyle entegre olacak? Geçen yılın makalesinde, bilgi işlem gücünün ve verilerin merkezileştirilmesinin, küçük işletmelerin ve bireysel geliştiricilerin maliyetlerden tasarruf etmelerine yardımcı olacak önemli bir adım olduğuna inandım. Bu yıl Coinbase tarafından düzenlenen Crypto x AI segmentli parkurunda daha ayrıntılı bir bölüm gördük:

(1) Bilgi işlem katmanı (yapay zeka geliştiricilerine grafik işlem birimi (GPU) kaynakları sağlamaya odaklanan ağ anlamına gelir);

(2) Veri katmanı (yapay zeka veri hatlarının merkezi olmayan erişimini, düzenlenmesini ve doğrulanmasını destekleyen ağ anlamına gelir);

(3) Ara yazılım katmanı (AI modellerinin veya aracılarının geliştirilmesini, konuşlandırılmasını ve barındırılmasını destekleyen platform veya ağa atıfta bulunur);

(4) Uygulama katmanı (B2B veya B2C olsun, zincir üstü yapay zeka mekanizmalarını kullanan kullanıcı odaklı ürünlere atıfta bulunur).

Bu dört bölüm katmanının her birinin büyük bir vizyonu vardır ve hedefleri, Silikon Vadisi devlerinin internete hakim olduğu bir sonraki çağla mücadele etmektir. Geçen sene de söylediğim gibi, gerçekten Silikon Vadisi devlerinin bilgi işlem gücü ve verilerinin özel kontrolünü kabul etmek zorunda mıyız? Tekelinde bulunan kapalı kaynaklı büyük model, günümüzde insanlığın en popüler dini olan bilim, gelecekte büyük modelin cevapladığı her cümlenin çok sayıda insan tarafından doğru kabul edileceğini söylüyor. doğruluk nasıl doğrulanmalı? Silikon Vadisi devlerinin vizyonuna göre, akıllı ajanlar eninde sonunda cüzdanınızda ödeme yapma hakkı ve terminalleri kullanma hakkı gibi hayal gücünün ötesinde izinlere sahip olacak. İnsanların kötü niyetli olmadığından nasıl emin olabilirsiniz?

Merkezi olmayan yönetim tek cevaptır, ancak bazen bu büyük vizyonlar için kaç alıcının bulunduğunu makul bir şekilde kapsamlı bir şekilde düşünmemiz gerekir. Geçmişte ticari kapalı döngüyü dikkate almadan idealleştirmenin neden olduğu hataları telafi etmek için Token'ı kullanabilirdik. Günümüzün durumu çok ciddi ve Crypto x AI'nin fiili duruma göre tasarlanması gerekiyor. Örneğin, performans kaybolduğunda ve kararsız hale geldiğinde bilgi işlem güç katmanının iki ucu nasıl dengelenebilir? Merkezi bulutun rekabetçiliğine ayak uydurmak için. Veri katmanı projesinde kaç gerçek kullanıcı olacak? Sağlanan verilerin gerçek geçerliliği nasıl doğrulanacak? Bu verilere ne tür müşterilerin ihtiyacı var? Aynı şey diğer iki seviye için de geçerli. Bu çağda, görünüşte doğru olan bu kadar çok sözde ihtiyaçlara ihtiyacımız yok.

5. Meme'nin SosyalFi'si bitti

İlk paragrafta da söylediğim gibi Meme, Web3'e uygun, süper hızlı bir SocialFi formu geliştirdi. Friend.tech, bu tür sosyal uygulamaları başlatan ilk Dapp oldu, ancak istekli Token tasarımı karşısında mağlup oldu. Pump.fun, herhangi bir belirteç veya kural olmadan saf bir platformun uygulanabilirliğini doğruladı. İlgi talep edenler ve sunanlar bir aradadır. Platformda mem yayınlayabilir, canlı yayın yapabilir, para basabilir, mesaj bırakabilir ve ticaret yapabilirsiniz. Pump.fun yalnızca bir hizmet ücreti talep eder. Bu, şarj nesnelerinin farklı olması ve Pupm.fun'un oynanışının daha çok Web3 olması dışında, temel olarak YouTube ve Instagram gibi günümüzün sosyal medyasının dikkat ekonomisi modeliyle tutarlıdır.

Base'in Clanker'ı her şeyin ustasıdır. Ekoloji tarafından kişisel olarak yönetilen entegre ekoloji sayesinde Base, tam bir iç kapalı döngü oluşturmaya yardımcı olarak kendi sosyal Dapp'ına sahiptir. Intelligent Meme, Meme Coin'in 2.0 versiyonudur. İnsanlar her zaman yeni fikirler ararlar ve Pump.fun şu anda trendin ön saflarında yer alıyor. Trendden yola çıkarak, rastgele fikirlerin ortaya çıkması an meselesi. silikon bazlı organizmalar, karbon bazlı organizmaların kaba memlerinin yerini alıyor.

Base'den defalarca bahsettim ama bahsin içeriği her seferinde farklı. Zaman çizelgesine göre Base hiçbir zaman ilk hamle yapan olmadı ama her zaman kazanan oldu.

6. Akıllı bir ajan başka ne olabilir?

Base'den defalarca bahsettim ama bahsin içeriği her seferinde farklı. Zaman çizelgesine göre Base hiçbir zaman ilk hamle yapan olmadı ama her zaman kazanan oldu.

6. Akıllı bir ajan başka ne olabilir?

Pragmatik bir bakış açısına göre, ajanların geleneksel yapay zeka alanındaki inşasına bakıldığında, ajanların uzun süre boyunca merkezi olmayan bir yapıya kavuşturulması imkansızdır. Web2 içeriğine erişmek için çeşitli API'lere erişmesi gerekmesi ve işletme maliyetinin çok pahalı olmasıdır. Düşünme zincirinin tasarımı ve çoklu aracının işbirliği, araç olarak genellikle hala bir insana dayanmaktadır. Belki UNI gibi uygun bir entegrasyon biçimi ortaya çıkana kadar uzun bir geçiş sürecinden geçeceğiz. Ancak önceki yazıda olduğu gibi, tıpkı Cex'in sektörümüzdeki varlığı gibi akıllı ajanların da sektörümüz üzerinde büyük bir etkisi olacağını düşünüyorum ki bu yanlış ama önemli.

Stanford ve Microsoft tarafından geçen ay yayınlanan "Yapay Zeka Aracılarına Genel Bakış" makalesi, aracıların tıp endüstrisindeki, akıllı makinelerdeki ve sanal dünyalardaki uygulamalarını kapsamlı bir şekilde açıklamaktadır. Bu makalenin ekinde, aracı olarak katılan çok sayıda GPT-4V bulunmaktadır. En iyi 3A oyun geliştirmede bir test örneği.

Merkezileşme ile birleşiminin hızı konusunda ısrar etmeye gerek yok, umarım akıllı ajanın tamamlayabileceği ilk bulmaca parçası, aşağıdan yukarıya doğru yetenek ve hızdır. doldurulacaktır. Uygun aşamada onu bir sonraki UNI haline nasıl getireceğimizi düşüneceğiz.