1. Dikkatin Değişken Doğası

Geçtiğimiz yıl boyunca, uygulama katmanı anlatılarındaki kopukluk nedeniyle, altyapı büyümesinin hızına ayak uyduramayan kripto alanı, yavaş yavaş dikkat kaynakları için bir rekabete dönüştü. Aptal Ejderha'dan Keçi'ye, Pump.fun'dan Clanker'a, dikkatin kararsızlığı bu savaşta sürekli bir yeniden icat döngüsüne yol açtı. En geleneksel göz alıcı para kazanma biçimiyle başlayan şey, hızla dikkat arayanları ve sağlayıcıları birleştiren bir platform modeline dönüştü ve sonuçta silikon tabanlı yaşam formlarının yeni içerik sağlayıcılar haline gelmesine yol açtı. Tuhaf meme coin dizisi arasında, perakende yatırımcıların ve VC'lerin bir fikir birliğine varmasına olanak tanıyan yeni bir varlık ortaya çıktı: AI Agents.

Dikkat nihayetinde sıfır toplamlı bir oyundur, ancak spekülasyon gerçekten de hızlı büyümeyi sağlayabilir. UNI ile ilgili bir önceki makalemizde, DeFi'nin patlayıcı büyümesinin Compound Finance'in LP madenciliğini başlatmasıyla tetiklendiği blok zincirinin son altın çağının başlangıcını tekrar ziyaret ettik. O dönemde, yüzde binlerce, hatta on binlerce APY getirisi olan yüzlerce, bazen binlerce madencilik havuzuna katılmak, zincir üstü spekülasyonun en ilkel biçimiydi. Sonuç, birçok havuzun kaotik bir çöküşü olsa da, "altına hücum" madencilerinin akını, blok zinciri alanında benzeri görülmemiş bir likidite bıraktı. DeFi sonunda saf spekülasyondan kurtuldu ve kullanıcıların ödemeler, ticaret, arbitraj ve stake etme gibi alanlardaki finansal ihtiyaçlarını karşılayan sağlam bir dikey haline geldi. Yapay Zeka Ajanları şu anda benzer bir "vahşi büyüme" aşamasından geçiyor. Şu anda araştırdığımız şey, kriptonun yapay zekayı nasıl daha iyi entegre edebileceği ve nihayetinde uygulama katmanını yeni zirvelere nasıl yükseltebileceğidir.

2. Yapay Zeka Ajanları Nasıl Otonom Olarak Çalışır?

Önceki makalemizde, Truth Terminal aracılığıyla AI memlerinin kökenlerini kısaca tanıttık ve AI Ajanlarının gelecekteki potansiyelini araştırdık. Bu makale, AI Aracılarının kendilerine odaklanacaktır.

Bir AI Ajanının tanımı ile başlayalım. AI alanında, "Ajan" terimi eski ancak hala belirsiz bir kavram olup, öncelikle özerkliği vurgulamaktadır. Başka bir deyişle, çevresini algılayabilen ve refleksif kararlar verebilen herhangi bir AI Ajan olarak kabul edilir. Bugün, bir AI Ajanının tanımı, insan karar verme süreçlerini taklit etmeye yönelik olarak tasarlanmış bir sistem olan akıllı bir varlık tanımına daha yakındır. Bu sistem, akademi tarafından AGI'ye (Yapay Genel Zeka) ulaşma konusunda en umut vaat eden yaklaşım olarak kabul edilmektedir.

GPT'nin erken sürümlerinde, büyük modellerin insan gibi olduğunu net bir şekilde hissedebiliyorduk, ancak karmaşık sorulara cevap verirken genellikle belirsiz veya kesin olmayan cevaplar sundular. Bunun temel nedeni, bu modellerin nedensellik yerine olasılıklara dayanması ve araç kullanımı, bellek ve planlama gibi insan benzeri yeteneklerden yoksun olmasıydı. Yapay Zeka Ajanları, bu boşlukları gidermeyi amaçlar. Dolayısıyla, bir formülde özetlemek gerekirse: YZ Ajanı = BLL (Büyük Dil Modeli) + Planlama + Bellek + Araçlar.

Prompt tabanlı modeller, veri girdiğimizde sadece canlanan, daha statik bir kişi versiyonuna daha çok benzer. Bununla karşılaştırıldığında, bir AI Ajanının amacı daha dinamik, insan benzeri bir varlık olmaktır. Şu anda alandaki çoğu AI Ajanı, Meta'nın açık kaynaklı Llama 70b veya 405b sürümlerine dayalı ince ayarlı modellerdir (farklı parametrelerle), hafızayla donatılmış ve araç entegrasyonu için API'ları kullanma yeteneğine sahip. Diğer alanlarda, diğer AI Ajanları ile etkileşime girmek veya işbirliği yapmak gibi, hala insan girdisine veya yardımına ihtiyaçları olabilir. Bu nedenle çoğu AI Ajanı bugün, öncelikle sosyal ağlardaki KOL'ların formunda var olmaktadır. Bir AI Ajanını daha insan benzeri yapmak için, özellikle planlama sürecindeki düşünce zincirini içermesi ve eylem yeteneklerini entegre etmesi gerekmektedir.

3. Düşünce Zinciri (CoT)

Zincir Düşünce (CoT) kavramı ilk kez Google'ın 2022 tarihli Zincir Düşünceyi Teşvik Eden Prompting Büyük Dil Modellerinde Akıl Yürütme başlıklı makalesinde ortaya çıktı. Makale, ara adımlar dizisi oluşturarak modelin akıl yürütme yeteneğinin geliştirilebileceğini, bu sayede karmaşık problemleri daha iyi anlayıp çözebileceğini belirtti.

Tipik bir CoT istemi üç bölümden oluşur: açık talimatlar içeren bir görev tanımı, çözümü destekleyen teorik temel veya ilkelere sahip görev için mantıksal bir temel ve çözümün belirli bir örneği. Bu yapılandırılmış yaklaşım, modelin görev gereksinimlerini anlamasına ve mantıksal akıl yürütme yoluyla cevaba kademeli olarak yaklaşmasına yardımcı olarak problem çözmenin hem verimliliğini hem de doğruluğunu artırır. CoT, matematiksel problem çözme veya proje raporları yazma gibi derin analiz ve çok adımlı akıl yürütme gerektiren görevler için özellikle uygundur. Daha basit görevler için CoT bariz avantajlar göstermeyebilir, ancak daha karmaşık olanlar için, adım adım problem çözme stratejisi aracılığıyla hata oranlarını azaltarak modelin performansını önemli ölçüde artırabilir ve böylece görev tamamlama kalitesini artırabilir.

Yapay Zeka Ajanlarının inşasında, CoT kritik bir rol oynar. Yapay Zeka Ajanlarının aldıkları bilgileri anlamaları ve buna dayalı olarak mantıklı kararlar almaları gerekir. CoT, Ajanın girdi verilerini etkili bir şekilde işlemesine ve analiz etmesine yardımcı olan düzenli bir düşünme süreci sunar, analizi uygulanabilir yönergeler haline getirir. Bu yöntem, sadece Ajanın karar verme güvenilirliğini ve verimliliğini artırmakla kalmaz, aynı zamanda karar sürecinin şeffaflığını artırarak Ajanın davranışını daha öngörülebilir ve izlenebilir hale getirir. Görevleri daha küçük adımlara bölerek, CoT, Ajanın her karar noktasını detaylı bir şekilde düşünmesine yardımcı olarak, bilgi yükünden kaynaklanan hataları azaltır ve karar verme sürecini daha şeffaf hale getirir. Bu şeffaflık, kullanıcıların Ajanın kararlarının temelini daha iyi anlamasına olanak tanır. Çevre ile etkileşimlerinde, CoT, Ajanın sürekli olarak yeni bilgi edinmesine ve davranış stratejisini ayarlamasına izin verir.

Etkili bir strateji olarak CoT, yalnızca büyük dil modellerinin akıl yürütme yeteneğini geliştirmekle kalmaz, aynı zamanda daha akıllı ve daha güvenilir Yapay Zeka Aracıları oluşturmada da önemli bir rol oynar. Araştırmacılar ve geliştiriciler, CoT'den yararlanarak karmaşık ortamlara daha uyumlu ve son derece özerk akıllı sistemler oluşturabilirler. Pratik uygulamalarda, CoT, özellikle karmaşık görevlerin yerine getirilmesinde benzersiz avantajlarını göstermiştir. Görevleri bir dizi küçük adıma bölerek, yalnızca görev çözünürlüğünün doğruluğunu artırmakla kalmaz, aynı zamanda modelin yorumlanabilirliğini ve kontrol edilebilirliğini de geliştirir. Bu adım adım problem çözme yaklaşımı, karmaşık görevlerle karşı karşıya kalındığında aşırı veya aşırı karmaşık bilgilerin neden olduğu hataları büyük ölçüde azaltabilir. Aynı zamanda bu yöntem, tüm çözümün izlenebilirliğini ve doğrulanabilirliğini de geliştirir.

CoT'nin temel fonksiyonu, planlama, eylem ve gözlemi entegre etmek ve akıl yürütme ile eylem arasındaki boşluğu kapatmaktır. Bu düşünce modeli, AI Ajanının potansiyel anomalileri tahmin ettiğinde etkili karşı önlemler geliştirmesine ve dış çevreyle etkileşim halindeyken yeni bilgi biriktirmesine izin verir, önceden belirlenmiş tahminleri doğrular ve yeni akıl yürütme gerekçeleri sunar. CoT, karmaşık ortamlarda AI Ajanının yüksek verimlilik sağlamasına yardımcı olan güçlü bir hassasiyet ve stabilite motoru gibi hareket eder.

4. Doğru Türde Yarı-Talep

Kripto tam olarak nasıl AI teknolojisi yığınlarıyla entegre olmalıdır? Geçen yılki makalede, küçük işletmelerin ve bireysel geliştiricilerin maliyetlerini düşürmelerine yardımcı olmak için hesaplama gücü ve veriyi merkezsizleştirmenin önemli bir adım olduğunu önerdim. Bu yıl Coinbase tarafından derlenen Kripto x AI sektörlerinin ayrıntılı bir şekilde açıklanmasında daha spesifik bölümler görebiliyoruz:

(1) Hesaplama Katmanı (AI geliştiricilerine GPU kaynakları sağlamaya odaklanır);

(2) Veri Katmanı (merkezi olmayan erişim, düzenleme ve AI veri borularının doğrulama odaklı);

(3) Aracı Katman (yapay zeka modellerinin veya ajanlarının geliştirilmesini, dağıtımını ve barındırılmasını destekleyen platformlar veya ağlar);

(4) Uygulama Katmanı (zincir üzerinde AI mekanizmalarını kullanan B2B veya B2C odaklı kullanıcı arayüzü ürünleri).

Bu dört katmanın her biri, internetin bir sonraki çağında Silikon Vadisi devlerinin egemenliğine meydan okumayı amaçlayan büyük vizyonlara sahiptir. Geçen yıl söylediğim gibi, Silikon Vadisi devlerinin yalnızca bilgi işlem gücünü ve verilerini kontrol ettiğini gerçekten kabul etmemiz gerekiyor mu? Onların tekelleri altında, kapalı kaynaklı büyük modeller kara kutulardır ve bugün insanlığın en saygın inanç sistemi olan bilim, bu büyük modellerin verdiği cevaplara güvenecektir. Peki bu gerçekler nasıl doğrulanabilir? Bu Silikon Vadisi devlerinin vizyonuna göre, akıllı ajanların sahip olduğu güçler, cüzdanınızdan ödeme yapma veya terminal erişiminizi kontrol etme yetkisine sahip olmak gibi hayal gücümüzü aşabilir. Kötü niyetin ortaya çıkmamasını nasıl sağlayabiliriz?

Merkezsizleşme tek cevaptır, ancak bazen bu büyük vizyonlar için kaç alıcı olduğunu makul bir şekilde düşünmemiz gerekiyor. Geçmişte, ticari bir döngüye ihtiyacı göz ardı edebilir ve idealizm tarafından oluşturulan boşlukları Token'larla doldurabilirdik. Ancak, mevcut durum çok daha zorlu. Kripto x YZ, pratik koşullara dayalı olarak tasarlanmalıdır. Örneğin, performans kaybı ve istikrarsızlık durumlarında hesaplama katmanının her iki ucunda da arzı nasıl dengeleyebiliriz ve merkezi bulut sağlayıcılarıyla hala rekabet edebiliriz? Veri katmanı projelerinin gerçekte kaç gerçek kullanıcısı olacak? Sağlanan verilerin otantikliğini ve geçerliliğini nasıl doğrulayabiliriz? Hangi tür müşteriler gerçekten bu verilere ihtiyaç duyuyor? Aynı mantık diğer katmanlara da uygulanır. Bu dönemde, görünüşte doğru sanal talepler bu kadar çok gerekli değildir.

5. Meme SosyalFi'ye Dönüştü

İlk bölümde bahsettiğim gibi, Meme hızla Web3 uyumlu bir SocialFi biçimine dönüştü. Friend.tech, bu sosyal uygulama turunda ilk atışı yapan DApp'ti, ancak ne yazık ki aceleye getirilmiş Token tasarımı nedeniyle başarısız oldu. Öte yandan, Pump.fun, herhangi bir Token veya kural olmaksızın saf bir platform modelinin fizibilitesini göstermiştir. İlgi arayanların ve sağlayıcıların ihtiyaçları, memler yayınlayabileceğiniz, canlı yayın yapabileceğiniz, jeton basabileceğiniz, yorum yapabileceğiniz, ticaret yapabileceğiniz ve her şeyin ücretsiz olduğu bu platformda birleşiyor. Pump.fun sadece hizmet bedeli tahsil eder. Bu model, esasen YouTube ve Instagram gibi mevcut sosyal medya platformlarının dikkat ekonomisiyle aynıdır, ancak farklı bir gelir modeline ve daha Web3 merkezli bir oynanışa sahiptir.

Base'in Clanker'ı ise, platform tarafından tasarlanan entegre ekosistemden faydalanan nihai bir başarı öyküsüdür. Base'in kendi sosyal DApp'i bir yardımcı araç olarak var, tam bir iç döngü oluşturuyor. Meme Ajanı, Meme Coin'in 2.0 formudur. İnsanlar her zaman yeniliğin peşindedir ve şu anda Pump.fun dikkatlerin odağındadır. Bir trend bakış açısından, silikon tabanlı yaşam formlarının geleneksel fikirleri, karbon tabanlı yaşam formlarının daha basit mizahlarını daha sonra değiştirecektir.

Base'yi defalarca farklı yönleriyle bahsettim, ancak bir şey her zaman açıktır: Base hiçbir zaman ilk hareket eden olmamıştır, ancak her zaman kazanan olmuştur.

6. Bir AI Ajanı Başka Ne Olabilir?

Pratik bir bakış açısından, AI ajanlarının öngörülebilir gelecekte merkezi olmayan olması pek olası değildir. Geleneksel yapay zeka alanında, bir yapay zeka aracısı oluşturmak, yalnızca ademi merkeziyetçilik veya açık kaynaklı süreçlerle çözülebilecek bir sorun değildir. Yapay zeka aracılarının Web2 içeriğine erişmek için çeşitli API'lere bağlanması gerekir ve işletme maliyetleri yüksektir. Düşünce Zincirinin (CoT) tasarımı ve çok etmenli işbirliği genellikle hala insan arabuluculuğunu gerektirir. Uygun bir entegrasyon biçimi bulana kadar uzun bir geçiş döneminden geçeceğiz - belki UNI gibi bir şey, ancak şimdilik, yapay zeka ajanlarının sektörümüz üzerinde önemli bir etkisi olacağına inanıyorum, tıpkı CEX'in sektörümüzde var olması gibi - yanlış, ama son derece önemli.

Geçen ay, Stanford & Microsoft, sağlık, akıllı makineler ve sanal dünyalar gibi endüstrilerde yapay zeka ajanlarının uygulamalarını açıklayan bir AI Agent İncelemesi yayınladı. Bu makalenin eklerinde, yapay zeka ajanı olarak GPT-4V'nin, en üst düzey AAA oyunlarının geliştirilmesine katıldığı birçok deneysel vaka zaten bulunmaktadır.

Yapay zeka ajanlarını merkezsizleşme ile aceleyle entegre etmemeliyiz. Umudum, yapay zeka ajanlarının tamamladığı ilk bulmaca parçasının alttan yukarı yetenekleri ve hızı olmasıdır. Doldurulması gereken çok sayıda anlatı kalıntısı ve boş metaverse var ve zamanı geldiğinde, yapay zeka ajanlarını bir sonraki UNI'ye nasıl dönüştüreceğimizi düşünebiliriz.

YBB Hakkında

YBB, tüm internet sakinleri için daha iyi bir çevrimiçi yaşam alanı yaratma vizyonuyla Web3'ü tanımlayan projeleri belirlemeye kendini adamış bir web3 fonudur. 2013'ten beri bu sektöre aktif olarak katılan bir grup blok zinciri inananı tarafından kurulan YBB, erken aşamadaki projelerin 0'dan 1'e gelişmesine yardımcı olmaya her zaman isteklidir.

Açıklama:

1. Bu makale [den alıntılanmıştırOrta]. Telif hakkı orijinal yazarına aittir [YBB]. Çoğaltmaya itirazınız varsa, lütfen iletişime geçingate Öğrenme ekibi, sorunu ilgili prosedürlere göre hızlı bir şekilde çözecek.
2. Açıklama: Bu makalede yer alan görüşler yalnızca yazarın görüşleridir ve herhangi bir yatırım tavsiyesi teşkil etmez.
3. Gate Learn ekibi makaleyi diğer dillere çevirdi. Çevrilen makaleleri kopyalamak, dağıtmak veya kopya etmek, belirtilmedikçe yasaktır.