ข้อความต้นฉบับเรียบเรียงโดย: zhouzhou, BlockBeats
วันนี้ ฝูงที่เพิ่มขึ้นเป็นที่สะดุดตาอีกครั้ง ทั้งชุมชนต่างตกตะลึงในสองหัวข้อ: ข่าวลือ ความวิตกกังวล ของ Shaw ผู้ก่อตั้ง AI16Z และ Sama แห่ง OpenAI สงสัยว่าละเมิดเฟรมเวิร์กหลายตัวแทนของ Swarm บางคนคาดการณ์ว่าแรงผลักดันที่อยู่เบื้องหลังคลื่นความตื่นเต้นนี้อาจเป็นการเกิดขึ้นของ AI Agent ที่มีพื้นฐานมาจาก Mcs เจ้าหน้าที่รายนี้ไม่เพียงสามารถตอบคำถามสามัญสำนึกทางการแพทย์เท่านั้น แต่ยังเป็นที่รู้จักในฐานะผลิตภัณฑ์จัดส่งที่เข้าถึงได้และใช้งานได้จริงที่สุดในสถาปัตยกรรม Swarms ผู้ก่อตั้งเบื้องหลัง Kye Gomez คือ เด็กอัจฉริยะ วัย 20 ปีที่ลาออก ของโรงเรียนมัธยมปลายและใช้เวลาสามปี โดยได้พัฒนากรอบการประสานงานหลายตัวแทน Swarms และดำเนินการตัวแทน 45 ล้านรายเพื่อให้บริการด้านการเงิน ประกันภัย การรักษาพยาบาล ฯลฯ เรียกได้ว่าเป็นโรงไฟฟ้าฮาร์ดคอร์
นั่งรถไฟเหาะ
หลังจากที่โทเค็น Swarms เปิดตัวเมื่อวันที่ 18 ธันวาคม มูลค่าตลาดก็แตะระดับสูงสุดอย่างรวดเร็วที่ 74.2 ล้านดอลลาร์สหรัฐในวันที่ 21 น่าเสียดายที่ช่วงเวลาดีๆ นั้นอยู่ได้ไม่นาน และมูลค่าตลาดก็ร่วงลงสู่จุดต่ำสุดเหมือนรถไฟเหาะเพียงเท่านั้น เหลือเงินประมาณ 6 ล้านเหรียญสหรัฐ
ต่อมาผันผวนประมาณ 13 ล้านดอลลาร์สหรัฐ จนกระทั่งเริ่มตีโต้ในวันที่ 27 ดันขึ้นจากต่ำสุด 12 ล้านดอลลาร์สหรัฐเป็น 30 ล้านดอลลาร์สหรัฐ จากนั้นเพิ่มขึ้นเกือบสามเท่าเป็นเกือบ 70 ล้านดอลลาร์สหรัฐ เกือบจะทะลุผ่านครั้งก่อน สูง. . ปริมาณการซื้อขายในปัจจุบันยังพอๆ กัน โดยพุ่งสูงถึง 60.8 ล้านดอลลาร์สหรัฐ ชาวเน็ตรู้สึกว่าตลาดที่น่าตื่นเต้นนี้เปรียบเสมือนแพ็คเกจประสบการณ์รถไฟเหาะในแวดวงสกุลเงิน
โค้ดในอนาคตเบื้องหลัง Swarms
เบื้องหลังแนวโน้มราคารถไฟเหาะนั้น มีตัวแทน AI หลายรายที่ทำงานเหมือนทีมที่มีการประสานงานอย่างใกล้ชิด ทำงานร่วมกันเพื่อแก้ปัญหาความท้าทายที่ซับซ้อน ความสามารถในการรวบรวมข้อมูลและการประสานงานโดยรวมนั้นเกินขีดจำกัดของเจ้าหน้าที่เพียงรายเดียว ซึ่งเป็นสิ่งที่โครงการ Swarms ของ Kye Gomez ดำเนินการ อย่างไรก็ตาม ความคิดสร้างสรรค์และแนวคิดเพียงอย่างเดียวนั้นไม่เพียงพอ สิ่งที่ทำให้ทั้งหมดนี้เป็นไปได้อย่างแท้จริงคือเทคโนโลยีหลักที่เปิดตัวโดย Swarms - Swarm Node (SNAI) เรียกได้ว่า SNAI เป็น ศูนย์กลางประสาท ของโลกตัวแทน AI ให้การสนับสนุนและรับประกันการทำงานร่วมกันอย่างราบรื่นระหว่างตัวแทน
ผู้ก่อตั้ง เด็กอัจฉริยะ
Kye Gomez ผู้ก่อตั้งหลักที่อยู่เบื้องหลัง Swarms เป็นที่รู้จักในชื่อ เด็กอัจฉริยะ ในด้านปัญญาประดิษฐ์ เขาแสดงให้เห็นถึงความสามารถแบบฮาร์ดคอร์ที่น่าทึ่งในวัยเพียง 20 ปี แม้ว่าเขาจะลาออกจากโรงเรียนมัธยม แต่เขาก็ได้พัฒนากรอบงานการประสานงานหลายตัวแทน Swarms ในเวลาเพียงสามปี และประสบความสำเร็จในการบริหารตัวแทน AI 45 ล้านคน โดยให้บริการคุณภาพสูงแก่หลายอุตสาหกรรม เช่น การเงิน การประกันภัย และการรักษาพยาบาล จะเห็นได้ว่าวัยรุ่นมีความเข้มแข็ง
ในการวิจัยของเขาเกี่ยวกับตัวแทน AI ที่ทำหน้าที่อัตโนมัติและทำงานร่วมกัน เขาไม่เพียงแต่พัฒนา แบบจำลอง SSM + MoE ที่มีประสิทธิภาพสูง และ แบบจำลองการไหลแบบไฮบริด เท่านั้น แต่ยังสำรวจการจัดตำแหน่ง AI อย่างลึกซึ้งและศักยภาพในสาขาชีววิทยาและนาโนเทคโนโลยีอีกด้วย จริงๆ แล้วในบรรดาโปรเจ็กต์ต่างๆ ของ Kye นั้น Swarms เป็นเพียงโปรเจ็กต์คุณภาพสูงของเขาเท่านั้น หลังจากเข้าใจอย่างลึกซึ้งแล้ว เขาก็พบว่าเขามีโปรเจ็กต์ที่ยอดเยี่ยมอื่นๆ อีกมากมาย
ตัวอย่างเช่น Agora เป็นห้องปฏิบัติการวิจัย AI แบบโอเพ่นซอร์ส โดยมุ่งเน้นที่การบูรณาการ AI ชีววิทยา และนาโนเทคโนโลยี Pegasus คือการสำรวจในด้านการประมวลผลภาษาธรรมชาติและแบบจำลองการฝัง และเขายังมีส่วนร่วมในการนำ AlphaFold ไปใช้ในรูปแบบโอเพ่นซอร์สอีกด้วย 3. ประวัติย่อและความสำเร็จของ Kye ล้วนชี้ให้เห็นถึงการเพิ่มขึ้นของผู้ริเริ่มด้านเทคโนโลยีที่แท้จริง
เฟรมเวิร์กการประสานเอเจนต์ Swarms AI และฟังก์ชันการทำงานหลัก
ต่อไป เรามาเริ่มต้นการวิเคราะห์โครงการ Swarms ของเด็กชายอัจฉริยะ ซึ่งหวังว่าจะพัฒนาและส่งเสริมกรอบงานการจัดการหลายตัวแทนระดับองค์กรที่พร้อมสำหรับการผลิต พูดง่ายๆ ก็คือ หน้าที่หลักของ warms คือการอนุญาตให้เจ้าหน้าที่ AI หลายคนทำงานร่วมกันเหมือนเป็นทีม และใช้ปัญญาร่วมแก้ปัญหาที่ซับซ้อน ไม่เพียงแต่สนับสนุนการผสานรวมอย่างราบรื่นกับบริการ AI ภายนอกและ API เพื่อขยายฟังก์ชันการทำงาน แต่ยังให้ตัวแทนที่มีหน่วยความจำระยะยาวแบบแทบไม่จำกัดเพื่อความเข้าใจบริบทที่ได้รับการปรับปรุง ในขณะเดียวกันก็อนุญาตให้มีเวิร์กโฟลว์แบบกำหนดเองได้ สำหรับความต้องการระดับองค์กร Swarms มีความน่าเชื่อถือสูงและปรับขนาดได้ และรับประกันประสิทธิภาพสูงสุดโดยการปรับพารามิเตอร์โมเดลภาษาให้เหมาะสมโดยอัตโนมัติ ด้วยวิธีนี้ Swarms สามารถใช้ประโยชน์จากข้อมูลรวมระหว่างเจ้าหน้าที่เพื่อแก้ปัญหาความท้าทายที่ซับซ้อนได้ง่ายกว่าเจ้าหน้าที่เพียงคนเดียว
โครงการ Swarms โดดเด่นด้วยอุปสรรคทางเทคนิคที่แข็งแกร่งและประสิทธิภาพของตลาด หลังจากการดำเนินงานที่มั่นคงมาเกือบสามปี กรอบการทำงานของเอเจนต์ AI ได้มอบโซลูชั่นที่มีประสิทธิภาพให้กับองค์กรหลายแห่งบนเว็บไซต์อย่างเป็นทางการ ตั้งแต่การประมวลผลข้อมูลไปจนถึงการบริการลูกค้าไปจนถึงการสร้างรายงาน Swarms ได้ปรับปรุงประสิทธิภาพทางธุรกิจอย่างมาก และลดต้นทุนการดำเนินงานลงอย่างมากผ่านระบบอัตโนมัติ และจุดแข็งของมันก็เห็นได้ชัดเจนสำหรับทุกคน ในฐานะโครงการโอเพ่นซอร์ส Swarms ดึงดูดความสนใจอย่างกระตือรือร้นในชุมชนนักพัฒนา จำนวนดาวบน GitHub เกิน 2.1K และได้รับภูมิปัญญาและการสนับสนุนจากนักพัฒนาจำนวนมาก ดังนั้นทุกสิ่งที่ Swarms สั่งสมมายืนยันความเป็นผู้ใหญ่และนวัตกรรม ของเทคโนโลยี
สไน
ชาวเน็ตบน Twitter ดูเหมือนจะยอมรับว่าขั้นตอนต่อไปของตัวแทน AI คือการทำงานร่วมกันแบบฝูง (Agent Swarms) ซึ่งทำให้การทำงานมีประสิทธิภาพมากขึ้นผ่านการสื่อสารและการทำงานร่วมกันระหว่างตัวแทนหลายราย แนวทางนี้ช่วยให้ผู้คนจากกรอบงานที่แตกต่างกันไปจนถึงตัวแทนโต้ตอบกันและใช้งานของพวกเขา ความเชี่ยวชาญพิเศษเพื่อให้ทำงานได้ดีขึ้นในงานและสถานการณ์เฉพาะ
Swarm Node (SNAI) ทำหน้าที่เป็นตัวช่วยในการนำ Agent Swarms ไปใช้ ซึ่งเป็นโครงสร้างพื้นฐานแบบไร้เซิร์ฟเวอร์ที่ออกแบบมาเพื่อรองรับแนวคิด Swarm SNAI แก้ปัญหาความท้าทายด้านเทคนิคทั้งหมดในการใช้งานตัวแทน AI ทำให้ผู้ใช้สามารถปรับใช้ ประสานงาน และจัดการตัวแทนผ่านสคริปต์ Python ได้อย่างง่ายดายโดยไม่ต้องกังวลกับต้นทุนด้านฮาร์ดแวร์และโครงสร้างพื้นฐาน นอกจากนี้ยังรองรับการโต้ตอบแบบลูกโซ่ การกำหนดเวลา และการดำเนินการหลายภาษา ซึ่งมอบความเป็นไปได้ใหม่สำหรับผู้สร้างรายย่อยที่ไม่สามารถเรียกใช้ตัวแทนได้ตลอดเวลาหรือขาดการสนับสนุนด้านฮาร์ดแวร์
ผู้ใช้ไม่ต้องเสียค่าธรรมเนียมเซิร์ฟเวอร์และจ่ายเฉพาะเวลาดำเนินการที่ใช้จริงเท่านั้น ทำให้ SNAI มีประสิทธิภาพมากกว่าโซลูชันแบบสมัครสมาชิกอื่นๆ เอกลักษณ์ของ SNAI คือตัวแทนไม่ได้ถูกโดดเดี่ยว แต่สามารถทำงานร่วมกันเป็น ลูกโซ่ เพื่อจัดตั้ง Swarm (กลุ่ม) ได้
หน้าที่ของ Swarm คือการแบ่งงานระหว่างเจ้าหน้าที่แต่ละรายมุ่งเน้นไปที่งานเฉพาะและส่งผลลัพธ์ไปยังเจ้าหน้าที่คนต่อไปหลังจากเสร็จสิ้น ผ่าน REST API และ Python SDK แอปพลิเคชันอื่นๆ สามารถผสานรวม SNAI ได้อย่างง่ายดาย และผู้ใช้สามารถประสานพฤติกรรมของ Swarm ได้อย่างยืดหยุ่น (เช่น เมื่อใดควรรันและข้อมูลใดที่จะใช้)
แต่นั่นไม่ใช่ทั้งหมด เนื่องจากกรอบงาน SNAI ยังอยู่ในช่วงเริ่มต้นของการพัฒนา คุณสมบัติใหม่หลายประการจะถูกเพิ่มเข้ามาในอนาคต รวมถึงการจัดเก็บข้อมูล (ฐานข้อมูลมินิคลาวด์ที่อนุญาตให้ตัวแทนแบ่งปันข้อมูลที่เลือก) การกำหนดเวลางาน (ตัวแทนที่ทำงานอยู่ ในเวลาที่กำหนด) และไลบรารีเอเจนต์ (เอเจนต์สำเร็จรูปที่สร้างโดยชุมชน พร้อมที่จะรัน ปรับแต่ง และปรับให้เหมาะสม) นอกจากนี้ SNAI ยังรองรับการใช้งานหลายภาษาอีกด้วย ปัจจุบันมีไคลเอนต์ Python ที่ทำให้การดำเนินงาน API ง่ายขึ้น และมีแผนจะรองรับการใช้งานตัวแทนที่เขียนด้วยภาษา Go, Rust, TypeScript, C#, PHP และภาษาอื่นๆ ชุมชนได้เริ่มพัฒนาไคลเอนต์ TypeScript และจะมีการรองรับภาษาเพิ่มเติมในอนาคต
สัปดาห์นี้เพียงสัปดาห์เดียว มีการสร้างมากกว่า 500 รายการ - การพึ่งพา เหล่านี้ใช้เพื่อเพิ่มประสิทธิภาพการดำเนินการของเอเจนต์ AI การดำเนินการมากกว่า 10,000 ครั้ง—อินสแตนซ์ที่ถูกหยุดชั่วคราวหลังจากเอเจนต์เริ่มทำงาน—SNAI จะเรียกเก็บเงินเฉพาะรันไทม์ที่ใช้งานอยู่ ซึ่งเพิ่มความยืดหยุ่นในการดำเนินงานของตัวแทนอย่างมาก
คุณสมบัติหลักของ SNAI ได้แก่ การรองรับการทำงานแบบไร้เซิร์ฟเวอร์ของเอเจนต์ ช่วยให้นักพัฒนาสามารถรวมเอเจนต์เข้ากับฐานโค้ด และตระหนักถึงการทำงานร่วมกันของเอเจนต์และการประสานงานเชิงโต้ตอบ นอกจากนี้ยังใช้รูปแบบการจ่ายตามการใช้งานเพื่อลดต้นทุนโครงสร้างพื้นฐานและลดเวลาที่ต้องใช้ลงอย่างมาก เพื่อเข้าสู่โครงสร้างพื้นฐานของตัวแทน AI
ปะทะ AI16Z
Swarms และ AI16Z ต่างก็มีอิทธิพลอย่างมากในด้าน AI ตัวแทน ทั้งสองคนต่างก็มีความขัดแย้งกันอย่างต่อเนื่องบน Twitter แม้ว่าจะมีความคล้ายคลึงกันอยู่บ้าง แต่ก็มีความแตกต่างกันในด้านสถาปัตยกรรมทางเทคนิคและการใช้งาน Swarms ใช้กรอบการทำงาน ทีม ที่ทำงานร่วมกันเพื่อทำงานที่ซับซ้อนให้สำเร็จและปรับปรุงประสิทธิภาพผ่านความร่วมมือของตัวแทน AI หลายคน ในทางตรงกันข้าม กรอบงาน Eliza ของ AI16Z เป็นเหมือน ผู้ประสานงาน ที่ยืดหยุ่นมากกว่า โดยเน้นการรองรับหลายแพลตฟอร์มและการบูรณาการหลายรุ่น และสามารถปรับให้เข้ากับสถานการณ์ต่างๆ ได้อย่างรวดเร็ว ต่อไปนี้เป็นการเปรียบเทียบตัวแทนทั้งสองจากสองด้าน
กรอบทางเทคนิคและสถาปัตยกรรม
Swarms เปรียบเสมือนทีมที่มีระเบียบวินัย กรอบการทำงาน Swarms รองรับตัวแทน AI หลายรายในการทำงานร่วมกัน ด้วยความเป็นอิสระ ความเป็นโมดูล และความสามารถในการขยายขนาด ตัวแทน AI จึงสามารถทำงานร่วมกันได้อย่างมีประสิทธิภาพและแยกส่วนงานที่ซับซ้อนเพื่อให้บรรลุการดำเนินงาน การแบ่งแยกแรงงานที่ชัดเจนและความร่วมมือที่ราบรื่น กรอบงาน Eliza ของ AI16Z เปรียบเสมือนผู้ประสานงานรอบด้าน โดยมุ่งเน้นไปที่การทำงานหลายแพลตฟอร์มและการบูรณาการหลายรุ่น นอกจากนี้ยังเน้นการโต้ตอบระหว่างตัวแทนและมีลักษณะเฉพาะของตัวเองในการปรับให้เข้ากับแอปพลิเคชันหลายสถานการณ์อย่างยืดหยุ่น
โมเดล AI และแอปพลิเคชัน
ในแง่ของโมเดล AI และแอปพลิเคชัน Swarms มุ่งเน้นไปที่วิธีการบูรณาการโมเดล AI ที่มีอยู่อย่างชาญฉลาดเพื่อปรับปรุงระบบอัตโนมัติระดับองค์กรและประสิทธิภาพของทีมผ่านการจัดเตรียมงานและการทำงานร่วมกันเป็นทีม มันเหมือนกับผู้บังคับบัญชาที่เชี่ยวชาญมากกว่า อย่างเหมาะสมและเน้นไปที่ ทำอย่างไรให้ดีขึ้น เฟรมเวิร์ก Eliza ของ AI16Z ช่วยให้นักพัฒนามีอิสระมากขึ้น รองรับโมเดล AI หลายแบบ (เช่น Llama, Claude) ทำให้แอปพลิเคชันมีความยืดหยุ่นมากขึ้น และสามารถรองรับสถานการณ์ต่างๆ ตั้งแต่การจัดการโซเชียลมีเดียไปจนถึงธุรกรรมทางการเงิน จึงนำเสนอโซลูชันแบบรอบด้าน อย่างหนึ่งมุ่งเน้นไปที่การทำงานร่วมกัน อีกอย่างเน้นที่ความหลากหลาย ทั้งสองอย่างนี้สามารถเทียบเคียงได้กับการใช้งานเชิงนวัตกรรม แต่แต่ละอย่างก็มีข้อดีของตัวเอง
โดยทั่วไปแล้ว Swarms และ AI16Z กำลังสำรวจอนาคตของตัวแทน AI ในเส้นทางที่แตกต่างไปจากเดิมอย่างสิ้นเชิง Swarms เป็นเหมือนทีมที่มีระเบียบวินัยที่สร้างความประทับใจให้กับผู้ใช้ระดับองค์กรด้วยการทำงานร่วมกันที่มีประสิทธิภาพและแกนหลักทางเทคนิค ในขณะที่ Eliza ของ AI16Z เป็นเหมือนผู้เล่นฟรีที่มีความสามารถรอบด้านที่แสดงได้ไม่จำกัด ศักยภาพด้วยการปรับตัวที่ยืดหยุ่นและความหลากหลายของฉาก จริงๆ แล้วทั้งสองต่างก็มีข้อดีเป็นของตัวเอง ในยุคของการแข่งขัน เรื่องราวของตัวแทน AI เพิ่งเริ่มต้นขึ้น เราจะเห็น!
เนื้อหาอ้างอิง:
