研究解鎖:在NIM網絡上利用人工智能玩遊戲

中級9/8/2024, 2:24:38 PM
NIM網絡是一個以人工智能(AI)為重點的區塊鏈,旨在為Web3遊戲的快速迭代和發展打造一個生態系統。簡單來說,NIM網絡為遊戲的快速部署提供了一個AI代理的沙盒環境。

快速了解

  • NIM Network是一個專注於人工智能的區塊鏈,旨在優化Web3遊戲的人工智能代理開發。
  • 它为游戏开发人员提供了访问区块链上的AI模型的机会,并将这些模型的所有权交给代币持有人。
  • 在 NIM 上部署的 AI 代理人专注于游戏,但也可以为现实世界的应用带来好处。
  • 研究Piece可以通過NIM Network解鎖。

NIM網絡是一個以人工智能(AI)為重點的區塊鏈,旨在培養一個為Web3遊戲的AI代理的快速迭代和推進而量身定制的生態系統。簡單地說,NIM網絡為遊戲的AI代理的快速部署提供了一個沙盒。

這些人工智能實體擅長模擬真實玩家展現的行為,從而通過充當類似玩家的非玩家角色(NPC)來增強遊戲的沉浸感。在典型的數位遊戲中,這個任務通常是遊戲開發者的責任。有了NIM,任何人都可以無需許可地使用、開發或部署人工智能代理,後者可以在其他網絡參與者的應用程序中使用並進行改進。根據NIM的路線圖,這些人工智能代理以後還將能夠在鏈上自主透明地處理金融交易,進一步擴大平台的效用和潛力。

NIM網絡還將提供新的激勵方法,以促進在鏈上開發和部署人工智能代理。例如,NIM將為開發人員提供訪問AI模型的機會,並為用戶提供擁有這些AI模型的機會。通過擁有這些AI代理的份額,NIM代幣持有人可以分享從AI模型費用產生的收入流。在等式的另一邊,將代理部署在NIM上的AI開發人員也可以通過代幣獎勵獲得激勵。此外,NIM計劃納入一種機制,按比例將網絡燃氣費和代幣發行分發給NIM上的燃氣消費者,以激勵參與和發展。

AI和游戏:共生进步

人工智能和游戏领域日益交叉,AI的潜力日益增长。自从20世纪70年代末将AI引入游戏(例如《太空侵略者》和《吃豆人》)以来,它已经发展到一定程度,我们开始看到AI代理人的出现。表現優異在像Dota 2这样的复杂游戏中,有国际职业选手。

快轉到現在,我們看到AI被通用地整合到遊戲中作為一個代理。一個很好的例子是可擴展、可指導、多世界代理(SIMA)項目SIMA代理的一個定義特徵在於其能夠自主解釋和執行基於文本的指令,使它們具備了在不同虛擬環境中導航和執行多種任務的靈活性,這已經引起了包括Google的DeepMind在內的著名實體的相當關注。關鍵是,訓練這樣的AI模型不僅是遊戲開發的一個重要用例,而且還可以提高AI模型在其他領域中的性能。

通用人工智慧代理能力的進步不僅在遊戲領域具有重要意義,也在現實世界應用中具體化為可觀的好處。傳統上,訓練人工智慧代理模擬真實人類互動需要相當多的財務資源。通過激勵玩家和開發者通過遊戲改進人工智慧模型的反應,NIM 可能加速 SIMA 的發展,並拓寬 SIMA 的視野。畢竟,SIMA 在模擬但現實環境中的最佳反應能力可能會擴展到其他現實世界領域,如機器人技術和自主駕駛,其中人工智慧代理需要處理複雜的決策過程,比如交通管理。


遊戲和人工智能概述。圖片:Google DeepMind。

NIM提供了一個環境,可以在鏈上部署SIMA,讓用戶可以無需許可地采納、評估和修改它們以適應特定用例和環境。所有相關的模型數據都記錄在鏈上,並通過相應的證明來證實,從而創造了一個無信任的生態系統,用戶可以共同增強他們的AI代理。這一功能被稱為可證計算,可以通過促進協作來增強SIMA的培訓。這最終有利於既想與AI代理進行真實交互的遊戲玩家,也有利於希望改進其AI模型的AI開發者。

在鏈上部署此類代理的一個相當大的優勢是,這些AI代理現在可以代表其部署者以透明且公開負責的方式進行交易和結算。考慮到Web3遊戲的激增,每個遊戲都有其獨特的代幣經濟學,熟練的玩家從遊戲參與中獲得收入變得合理。然而,這種企業的可擴展性需要廣泛的AI驅動自動化。NIM框架提供的公開監視AI代理行為的能力,為代理部署者提供了另一個有價值的功能。例如,其他網絡參與者可以發現表現不佳的AI代理,促使反覆優化努力。這可能會產生經過高度優化的AI代理,隨著時間的推移,它們可以更好地滿足專業玩家的需求。

NIM的技術堆疊和路線圖

雖然 NIM 的技術文件尚未公開,但團隊已向 The Block Research 提供了關於其目前開發狀況的見解。

NIM網絡正在利用Dymension的模塊化框架構建其區塊鏈,該框架從一開始就提供了對Cosmos生態系統的訪問。不僅如此,Dymension鏈還兼容EVM,這意味著NIM能夠支持通常通用的EVM鏈所能做的任何事情。

NIM網絡優化了AI代理的協作開發和部署,因為它能夠支持可證明的計算。可證明的計算是協作開發和部署AI代理的關鍵特性,因為訓練這樣的AI模型需要大量的計算。預期所有NIM的用戶都在自己的本地設備上從頭開始訓練高級AI模型是不切實際的。然而,有了可證明的計算,用戶可以信任地從鏈上啟動具有特定特徵和特定開發階段的AI模型,並將其用於自己的目的。NIM開發團隊正在積極探索各種可證明計算的方法,從可信執行環境到樂觀驗證。

然而,團隊一直專注的主要方法是使用有效性證明。有效性證明可以在各種情況下發揮作用,從在以太坊上擴展第2層到確保隱私。此外,有效性證明還可以用於證明一系列計算,從而證明計算確實已執行並且結果如所述。NIM打算利用一種相對新穎的有效性證明。利格羅對於這種方法,。

此外,NIM計劃將收入分享納入NIM代幣持有者。這個收入將來自使用者,他們將支付費用來利用AI平台部署AI代理。基本上,持有NIM代幣將代表對建立在NIM上的AI基礎設施的部分所有權。

NIM 的一個即將到來的里程碑是其主網於2024年4月中旬的啟動,屆時 NIM 網絡將分發其 @NIM_Network"/nim-network-genesis-rolldrop-aa86af5f6134">從Parallel gamers到Pudgy Penguin持有人的廣泛社區進行基因空投。隨後,NIM計劃與多個Web3遊戲進行一系列戰略合作,例如Titans,這是一款人工智能對戰遊戲。

Outlook

NIM 網絡的前景似乎充滿可能性,但目前尚不清楚它能否克服獲得採用的最初障礙。儘管這項技術很有前途,但其成功在很大程度上取決於與之合作的遊戲的成功。此外,還有其他超出 NIM 控制範圍的因素,例如其代幣設計的可持續性和潛在競爭對手的出現。更重要的是,NIM 所承諾的技術能力在實際投入生產前還需要一些時間。

然而,隨著Web3遊戲的重新關注,以及過去幾個月遊戲代幣價格的上漲,NIM目前似乎有很好的機會捕捉到Web3遊戲產業蓬勃發展所帶來的價值。通過提供一個針對AI代理的協作開發和部署而定制的強大生態系統,再加上AI驅動的遊戲體驗,NIM已準備好實現其承諾,並有潛力鞏固其在塑造AI驅動遊戲未來方面的領先地位。

免責聲明:

  1. 此文章轉載自 [區塊]. 所有版权归原作者所有 [Arnold Toh]. 如果有對這次轉載的異議,請聯繫Gate Learn團隊會立即處理。
  2. 責任聲明:本文所表達的觀點和意見僅代表作者個人觀點,並不構成任何投資建議。
  3. 文章的翻譯工作由 Gate Learn 團隊負責。除非特別提到,禁止複製、分發或抄襲已翻譯的文章。

研究解鎖:在NIM網絡上利用人工智能玩遊戲

中級9/8/2024, 2:24:38 PM
NIM網絡是一個以人工智能(AI)為重點的區塊鏈,旨在為Web3遊戲的快速迭代和發展打造一個生態系統。簡單來說,NIM網絡為遊戲的快速部署提供了一個AI代理的沙盒環境。

快速了解

  • NIM Network是一個專注於人工智能的區塊鏈,旨在優化Web3遊戲的人工智能代理開發。
  • 它为游戏开发人员提供了访问区块链上的AI模型的机会,并将这些模型的所有权交给代币持有人。
  • 在 NIM 上部署的 AI 代理人专注于游戏,但也可以为现实世界的应用带来好处。
  • 研究Piece可以通過NIM Network解鎖。

NIM網絡是一個以人工智能(AI)為重點的區塊鏈,旨在培養一個為Web3遊戲的AI代理的快速迭代和推進而量身定制的生態系統。簡單地說,NIM網絡為遊戲的AI代理的快速部署提供了一個沙盒。

這些人工智能實體擅長模擬真實玩家展現的行為,從而通過充當類似玩家的非玩家角色(NPC)來增強遊戲的沉浸感。在典型的數位遊戲中,這個任務通常是遊戲開發者的責任。有了NIM,任何人都可以無需許可地使用、開發或部署人工智能代理,後者可以在其他網絡參與者的應用程序中使用並進行改進。根據NIM的路線圖,這些人工智能代理以後還將能夠在鏈上自主透明地處理金融交易,進一步擴大平台的效用和潛力。

NIM網絡還將提供新的激勵方法,以促進在鏈上開發和部署人工智能代理。例如,NIM將為開發人員提供訪問AI模型的機會,並為用戶提供擁有這些AI模型的機會。通過擁有這些AI代理的份額,NIM代幣持有人可以分享從AI模型費用產生的收入流。在等式的另一邊,將代理部署在NIM上的AI開發人員也可以通過代幣獎勵獲得激勵。此外,NIM計劃納入一種機制,按比例將網絡燃氣費和代幣發行分發給NIM上的燃氣消費者,以激勵參與和發展。

AI和游戏:共生进步

人工智能和游戏领域日益交叉,AI的潜力日益增长。自从20世纪70年代末将AI引入游戏(例如《太空侵略者》和《吃豆人》)以来,它已经发展到一定程度,我们开始看到AI代理人的出现。表現優異在像Dota 2这样的复杂游戏中,有国际职业选手。

快轉到現在,我們看到AI被通用地整合到遊戲中作為一個代理。一個很好的例子是可擴展、可指導、多世界代理(SIMA)項目SIMA代理的一個定義特徵在於其能夠自主解釋和執行基於文本的指令,使它們具備了在不同虛擬環境中導航和執行多種任務的靈活性,這已經引起了包括Google的DeepMind在內的著名實體的相當關注。關鍵是,訓練這樣的AI模型不僅是遊戲開發的一個重要用例,而且還可以提高AI模型在其他領域中的性能。

通用人工智慧代理能力的進步不僅在遊戲領域具有重要意義,也在現實世界應用中具體化為可觀的好處。傳統上,訓練人工智慧代理模擬真實人類互動需要相當多的財務資源。通過激勵玩家和開發者通過遊戲改進人工智慧模型的反應,NIM 可能加速 SIMA 的發展,並拓寬 SIMA 的視野。畢竟,SIMA 在模擬但現實環境中的最佳反應能力可能會擴展到其他現實世界領域,如機器人技術和自主駕駛,其中人工智慧代理需要處理複雜的決策過程,比如交通管理。


遊戲和人工智能概述。圖片:Google DeepMind。

NIM提供了一個環境,可以在鏈上部署SIMA,讓用戶可以無需許可地采納、評估和修改它們以適應特定用例和環境。所有相關的模型數據都記錄在鏈上,並通過相應的證明來證實,從而創造了一個無信任的生態系統,用戶可以共同增強他們的AI代理。這一功能被稱為可證計算,可以通過促進協作來增強SIMA的培訓。這最終有利於既想與AI代理進行真實交互的遊戲玩家,也有利於希望改進其AI模型的AI開發者。

在鏈上部署此類代理的一個相當大的優勢是,這些AI代理現在可以代表其部署者以透明且公開負責的方式進行交易和結算。考慮到Web3遊戲的激增,每個遊戲都有其獨特的代幣經濟學,熟練的玩家從遊戲參與中獲得收入變得合理。然而,這種企業的可擴展性需要廣泛的AI驅動自動化。NIM框架提供的公開監視AI代理行為的能力,為代理部署者提供了另一個有價值的功能。例如,其他網絡參與者可以發現表現不佳的AI代理,促使反覆優化努力。這可能會產生經過高度優化的AI代理,隨著時間的推移,它們可以更好地滿足專業玩家的需求。

NIM的技術堆疊和路線圖

雖然 NIM 的技術文件尚未公開,但團隊已向 The Block Research 提供了關於其目前開發狀況的見解。

NIM網絡正在利用Dymension的模塊化框架構建其區塊鏈,該框架從一開始就提供了對Cosmos生態系統的訪問。不僅如此,Dymension鏈還兼容EVM,這意味著NIM能夠支持通常通用的EVM鏈所能做的任何事情。

NIM網絡優化了AI代理的協作開發和部署,因為它能夠支持可證明的計算。可證明的計算是協作開發和部署AI代理的關鍵特性,因為訓練這樣的AI模型需要大量的計算。預期所有NIM的用戶都在自己的本地設備上從頭開始訓練高級AI模型是不切實際的。然而,有了可證明的計算,用戶可以信任地從鏈上啟動具有特定特徵和特定開發階段的AI模型,並將其用於自己的目的。NIM開發團隊正在積極探索各種可證明計算的方法,從可信執行環境到樂觀驗證。

然而,團隊一直專注的主要方法是使用有效性證明。有效性證明可以在各種情況下發揮作用,從在以太坊上擴展第2層到確保隱私。此外,有效性證明還可以用於證明一系列計算,從而證明計算確實已執行並且結果如所述。NIM打算利用一種相對新穎的有效性證明。利格羅對於這種方法,。

此外,NIM計劃將收入分享納入NIM代幣持有者。這個收入將來自使用者,他們將支付費用來利用AI平台部署AI代理。基本上,持有NIM代幣將代表對建立在NIM上的AI基礎設施的部分所有權。

NIM 的一個即將到來的里程碑是其主網於2024年4月中旬的啟動,屆時 NIM 網絡將分發其 @NIM_Network"/nim-network-genesis-rolldrop-aa86af5f6134">從Parallel gamers到Pudgy Penguin持有人的廣泛社區進行基因空投。隨後,NIM計劃與多個Web3遊戲進行一系列戰略合作,例如Titans,這是一款人工智能對戰遊戲。

Outlook

NIM 網絡的前景似乎充滿可能性,但目前尚不清楚它能否克服獲得採用的最初障礙。儘管這項技術很有前途,但其成功在很大程度上取決於與之合作的遊戲的成功。此外,還有其他超出 NIM 控制範圍的因素,例如其代幣設計的可持續性和潛在競爭對手的出現。更重要的是,NIM 所承諾的技術能力在實際投入生產前還需要一些時間。

然而,隨著Web3遊戲的重新關注,以及過去幾個月遊戲代幣價格的上漲,NIM目前似乎有很好的機會捕捉到Web3遊戲產業蓬勃發展所帶來的價值。通過提供一個針對AI代理的協作開發和部署而定制的強大生態系統,再加上AI驅動的遊戲體驗,NIM已準備好實現其承諾,並有潛力鞏固其在塑造AI驅動遊戲未來方面的領先地位。

免責聲明:

  1. 此文章轉載自 [區塊]. 所有版权归原作者所有 [Arnold Toh]. 如果有對這次轉載的異議,請聯繫Gate Learn團隊會立即處理。
  2. 責任聲明:本文所表達的觀點和意見僅代表作者個人觀點,並不構成任何投資建議。
  3. 文章的翻譯工作由 Gate Learn 團隊負責。除非特別提到,禁止複製、分發或抄襲已翻譯的文章。
Comece agora
Registe-se e ganhe um cupão de
100 USD
!