1. A Natureza Volúvel da Atenção

Ao longo do ano passado, devido a uma desconexão nas narrativas da camada de aplicativos, incapaz de acompanhar o ritmo de crescimento da infraestrutura, o espaço cripto gradualmente se transformou em uma competição por recursos de atenção. De Silly Dragon a Goat, de Pump.fun a Clanker, a inconstância da atenção levou a um ciclo de reinvenção constante nesta batalha. O que começou com a forma mais convencional de monetização atraente rapidamente evoluiu para um modelo de plataforma que unificou buscadores de atenção e provedores, levando a formas de vida baseadas em silício a se tornarem novos provedores de conteúdo. Entre a bizarra variedade de moedas meme, surgiu uma nova entidade que permite que investidores de varejo e VCs cheguem a um consenso: AI Agents.

A atenção é, em última análise, um jogo de soma zero, embora a especulação possa, de fato, impulsionar um crescimento rápido. Em nosso artigo anterior sobre UNI, revisitamos o início da última era de ouro do blockchain, quando o crescimento explosivo do DeFi foi desencadeado pelo lançamento da mineração LP pela Compound Finance. Durante essa época, participar de centenas, às vezes milhares, de pools de mineração com rendimentos na casa dos milhares ou mesmo dezenas de milhares de APY era a forma mais primitiva de especulação on-chain. Embora o resultado tenha sido um colapso caótico de muitos pools, o influxo de mineradores da "corrida do ouro" deixou uma liquidez sem precedentes no espaço blockchain. O DeFi finalmente se libertou da especulação pura e amadureceu em uma vertical sólida que atendia às necessidades financeiras dos usuários em áreas como pagamentos, negociação, arbitragem e staking. Os agentes de IA estão atualmente passando por uma fase semelhante de "crescimento selvagem". O que estamos explorando agora é como a criptografia pode integrar melhor a IA e, em última análise, elevar a camada de aplicativos a novos patamares.

2. Como os agentes de IA operam autonomamente?

Em nosso artigo anterior, introduzimos brevemente as origens dos memes de IA através do Truth Terminal e exploramos o potencial futuro dos Agentes de IA. Este artigo se concentrará nos próprios Agentes de IA.

Vamos começar com a definição de um Agente de IA. No campo da IA, o termo 'Agente' é um conceito antigo, porém ainda vago, enfatizando principalmente a autonomia. Em outras palavras, qualquer IA que possa perceber seu ambiente e tomar decisões reflexivas é considerada um Agente. Hoje, a definição de um Agente de IA está mais próxima da de uma entidade inteligente, um sistema projetado para imitar os processos de tomada de decisão humana. Este sistema é considerado na academia como a abordagem mais promissora para alcançar a AGI (Inteligência Artificial Geral).

Nas primeiras versões do GPT, podíamos perceber claramente que os modelos grandes eram semelhantes aos humanos, mas ao responder a perguntas complexas, muitas vezes forneciam respostas vagas ou imprecisas. A razão fundamental para isso era que esses modelos eram baseados em probabilidades em vez de causalidade e careciam de habilidades semelhantes às humanas, como o uso de ferramentas, memória e planejamento. Os Agentes de IA visam preencher essas lacunas. Portanto, resumindo em uma fórmula: Agente de IA = LLM (Modelo de Linguagem Grande) + Planejamento + Memória + Ferramentas.

Os modelos baseados em prompt são mais como uma versão estática de uma pessoa, ganhando vida apenas quando inserimos dados. Em contraste, o objetivo de um Agente de IA é ser uma entidade mais dinâmica e semelhante a um humano. Atualmente, a maioria dos Agentes de IA no campo são modelos ajustados com base nas versões abertas do Llama 70b ou 405b da Meta (com diferentes parâmetros), equipados com memória e a capacidade de usar APIs para integração de ferramentas. Em outras áreas, eles ainda podem precisar de entrada ou assistência humana, como interagir ou colaborar com outros Agentes de IA. Por isso, a maioria dos Agentes de IA hoje existem principalmente na forma de KOLs em redes sociais. Para tornar um Agente de IA mais semelhante a um humano, ele precisa incorporar capacidades de planejamento e ação, sendo especialmente crucial a cadeia de pensamento dentro do processo de planejamento.

3. Chain of Thought (CoT)

O conceito de Chain of Thought (CoT) surgiu pela primeira vez no artigo de 2022 do Google intitulado Chain-of-Thought Prompting Elicits Reasoning in Large Language Models. O artigo apontou que, ao gerar uma série de etapas intermediárias de raciocínio, a capacidade de raciocínio do modelo poderia ser aprimorada, ajudando-o a entender e resolver melhor problemas complexos.

Uma dica CoT típica consiste em três partes: uma descrição da tarefa com instruções claras, uma base lógica para a tarefa com a fundamentação teórica ou princípios que apoiam a solução, e um exemplo específico da solução. Essa abordagem estruturada ajuda o modelo a entender os requisitos da tarefa e, por meio de raciocínio lógico, abordar gradualmente a resposta, melhorando tanto a eficiência quanto a precisão na resolução de problemas. CoT é particularmente adequado para tarefas que exigem análise profunda e raciocínio de múltiplas etapas, como resolução de problemas matemáticos ou redação de relatórios de projetos. Para tarefas mais simples, CoT pode não mostrar vantagens óbvias, mas para tarefas mais complexas, pode melhorar significativamente o desempenho do modelo ao reduzir as taxas de erro por meio de uma estratégia de resolução de problemas passo a passo, aprimorando assim a qualidade da conclusão da tarefa.

Na construção de AI Agents, CoT desempenha um papel crucial. AI Agents precisam entender as informações que recebem e tomar decisões razoáveis com base nelas. CoT fornece um processo de pensamento ordenado que ajuda o Agente a processar e analisar efetivamente os dados de entrada, transformando a análise em diretrizes acionáveis. Esse método não apenas fortalece a confiabilidade e eficiência da tomada de decisão do Agente, mas também melhora a transparência do processo de decisão, tornando o comportamento do Agente mais previsível e rastreável. Ao dividir as tarefas em etapas menores, CoT ajuda o Agente a considerar cada ponto de decisão em detalhes, reduzindo erros causados pela sobrecarga de informações e tornando o processo de tomada de decisão mais transparente. Essa transparência permite que os usuários compreendam melhor a base das decisões do Agente. Nas interações com o ambiente, CoT permite que o Agente aprenda continuamente novas informações e ajuste sua estratégia de comportamento.

Como uma estratégia eficaz, o CoT não apenas aprimora a capacidade de raciocínio de grandes modelos de linguagem, mas também desempenha um papel importante na construção de agentes de IA mais inteligentes e confiáveis. Ao aproveitar a CoT, pesquisadores e desenvolvedores podem criar sistemas inteligentes que são mais adaptáveis a ambientes complexos e altamente autônomos. Em aplicações práticas, o CoT tem mostrado suas vantagens únicas, especialmente no manuseio de tarefas complexas. Ao dividir as tarefas em uma série de etapas menores, ele não apenas melhora a precisão da resolução de tarefas, mas também melhora a interpretabilidade e a controlabilidade do modelo. Essa abordagem passo a passo de solução de problemas pode reduzir consideravelmente os erros causados por informações excessivas ou excessivamente complexas ao enfrentar tarefas complexas. Ao mesmo tempo, este método também melhora a rastreabilidade e verificabilidade de toda a solução.

A função principal do CoT reside em integrar o planejamento, a ação e a observação, preenchendo a lacuna entre o raciocínio e a ação. Esse modelo de pensamento permite que o Agente de IA elabore contramedidas eficazes ao prever possíveis anomalias e acumule novas informações ao interagir com o ambiente externo, validando previsões predefinidas e fornecendo novas bases de raciocínio. O CoT age como um motor poderoso de precisão e estabilidade, ajudando o Agente de IA a manter alta eficiência em ambientes complexos.

4. O Tipo Certo de Pseudo-Demanda

Como exatamente a Cripto deve se integrar com pilhas de tecnologia de IA? No artigo do ano passado, sugeri que descentralizar o poder de computação e os dados é um passo fundamental para ajudar pequenas empresas e desenvolvedores individuais a economizar custos. Este ano, na análise detalhada dos setores de Cripto x IA compilada pela Coinbase, podemos ver divisões mais específicas:

(1) Camada de Computação (centrada em fornecer recursos de GPU para desenvolvedores de IA);

(2) Camada de Dados (centrada no acesso descentralizado, orquestração e verificação de pipelines de dados de IA);

(3) Camada de Middleware (plataformas ou redes que suportam o desenvolvimento, implantação e hospedagem de modelos ou agentes de IA);

(4) Camada de Aplicação (produtos voltados para o usuário que utilizam mecanismos de IA na cadeia, sejam eles B2B ou B2C).

Cada uma dessas quatro camadas tem grandes visões, todas elas com o objetivo de desafiar a dominação das gigantes do Vale do Silício na próxima era da internet. Como eu disse no ano passado, será que realmente precisamos aceitar que as gigantes do Vale do Silício controlam exclusivamente o poder de computação e os dados? Sob seus monopólios, os grandes modelos de código fechado são caixas-pretas, e a ciência, como o sistema de crenças mais reverenciado da humanidade hoje, dependerá das respostas dadas por esses grandes modelos. Mas como essas verdades podem ser verificadas? Segundo a visão dessas gigantes do Vale do Silício, os poderes detidos por agentes inteligentes poderiam superar nossa imaginação, como ter a autoridade para fazer pagamentos a partir de sua carteira ou controlar o acesso ao seu terminal. Como podemos garantir que nenhuma má intenção surgirá?

A descentralização é a única resposta, mas às vezes precisamos considerar razoavelmente quantos compradores existem para essas grandes visões. No passado, poderíamos ignorar a necessidade de um loop comercial e usar Tokens para preencher as lacunas causadas pelo idealismo. No entanto, a situação atual é muito mais desafiadora. Crypto x AI deve projetar com base em circunstâncias práticas. Por exemplo, como equilibrar a oferta nas duas extremidades da camada de computação em casos de perda de desempenho e instabilidade, e ainda competir com provedores de nuvem centralizados? Quantos usuários reais os projetos da camada de dados realmente terão? Como podemos verificar a autenticidade e validade dos dados fornecidos? Que tipos de clientes realmente precisam desses dados? A mesma lógica se aplica às outras camadas. Nesta época, não precisamos de tantas pseudo-exigências aparentemente corretas.

5. O Meme Evoluiu para SocialFi

Como mencionei na primeira parte, o Meme evoluiu rapidamente para uma forma compatível com o Web3 de SocialFi. O Friend.tech foi o DApp que deu o primeiro tiro nesta rodada de aplicativos sociais, mas infelizmente falhou devido ao design apressado do Token. Por outro lado, o Pump.fun demonstrou a viabilidade de um modelo de plataforma pura, sem Tokens ou regras. As necessidades dos buscadores e fornecedores de atenção convergem nesta plataforma, onde você pode postar memes, transmitir ao vivo, criar tokens, comentar, negociar, e tudo é gratuito. O Pump.fun cobra apenas uma taxa de serviço. Esse modelo é essencialmente idêntico à economia de atenção das plataformas de mídia social atuais, como o YouTube e Instagram, mas com um modelo de receita diferente e jogabilidade mais centrada no Web3.

O Clanker da Base, por outro lado, é a história de sucesso definitiva, beneficiando-se do ecossistema integrado projetado pela própria plataforma. A Base tem seu próprio DApp social como uma ferramenta auxiliar, criando um loop interno completo. O Meme Agent é a forma 2.0 da Meme Coin. As pessoas estão sempre atrás de novidades e, agora mesmo, o Pump.fun está no centro das atenções. Do ponto de vista da tendência, é apenas uma questão de tempo antes que as ideias extravagantes de formas de vida baseadas em silício substituam os memes mais grosseiros de formas de vida baseadas em carbono.

Eu mencionei a Base inúmeras vezes, com diferentes aspectos a cada vez, mas uma coisa permanece clara: a Base nunca foi a pioneira, mas sempre foi a vencedora.

6. O Que Mais Pode Ser Um Agente de IA?

Do ponto de vista prático, os agentes de IA provavelmente não serão descentralizados no futuro previsível. No campo tradicional de IA, construir um agente de IA não é um problema que pode ser resolvido simplesmente através da descentralização ou de processos de código aberto. Os agentes de IA precisam se conectar a várias APIs para acessar conteúdo da Web2, e seus custos operacionais são altos. O design da Cadeia de Pensamento (CoT) e a colaboração de vários agentes muitas vezes ainda requer mediação humana. Passaremos por um longo período de transição até encontrarmos uma forma adequada de integração — talvez algo como UNI, mas por enquanto, ainda acredito que os agentes de IA terão um impacto significativo em nossa indústria, assim como as CEX existem em nosso setor — incorretas, mas extremamente importantes.

No mês passado, a Stanford & Microsoft publicou uma Avaliação de Agente de IA que descreveu as aplicações de agentes de IA em indústrias como saúde, máquinas inteligentes e mundos virtuais. No apêndice deste documento, já existem inúmeros casos experimentais em que o GPT-4V, como um agente de IA, está participando do desenvolvimento de jogos AAA de primeira linha.

Não devemos nos apressar para integrar agentes de IA com descentralização. O que eu espero é que a primeira peça do quebra-cabeça que os agentes de IA completem sejam suas capacidades de baixo para cima e velocidade. Existem tantas ruínas narrativas e metaversos vazios que precisam ser preenchidos, e quando chegar a hora certa, podemos considerar como transformar os agentes de IA no próximo UNI.

Sobre YBB

YBB é um fundo web3 dedicado a identificar projetos que definem o Web3 com a visão de criar um habitat online melhor para todos os residentes da internet. Fundada por um grupo de entusiastas de blockchain que têm participado ativamente dessa indústria desde 2013, a YBB está sempre disposta a ajudar projetos em estágio inicial a evoluir de 0 a 1. Valorizamos a inovação, a paixão autônoma e os produtos orientados para o usuário, reconhecendo o potencial das criptomoedas e das aplicações de blockchain.

Aviso legal:

1. Este artigo é reproduzido a partir de [ Médio]. Os direitos autorais pertencem ao autor original [YBB]. Se houver alguma objeção à reprodução, entre em contato com o Equipe do gate Learn, quem lidará com a questão prontamente de acordo com os procedimentos relevantes.
2. Aviso Legal: As opiniões expressas neste artigo são exclusivamente do autor e não constituem qualquer conselho de investimento.
3. A equipe de aprendizado da gate traduziu o artigo para outros idiomas. Copiar, distribuir ou plagiar os artigos traduzidos é proibido, a menos que mencionado.