ผู้เขียนต้นฉบับ: คุกกี้

คำแปลต้นฉบับ: TechFlow

นี่คือมุมมองของฉันเกี่ยวกับการเติบโตของโครงสร้างพื้นฐานด้านการเข้ารหัสและ AI ที่สามารถขับเคลื่อนแอปพลิเคชันที่สร้างสรรค์ได้

มาเจาะลึกและสำรวจกันว่าในฐานะผู้ใช้และผู้สร้าง เราจะก้าวผ่านยุคใหม่นี้ไปได้อย่างไร

ประเภทตัวแทน

ตัวแทนที่มีคุณค่าเชิงหน้าที่

ตัวแทนเหล่านี้สามารถสร้างมูลค่าหรือผลลัพธ์ที่แท้จริงได้

• (1a) ตัวแทน DeFAI
• (1b) ตัวแทนตลาดการทำนาย (PMA)
• (1c) ตัวแทนการใช้คอมพิวเตอร์ (CUAs)

ตัวแทน DeFAI

ตัวแทนเหล่านี้สามารถทำธุรกรรม การทำฟาร์มผลผลิต หรือให้สภาพคล่อง (LP)

โครงการที่เกี่ยวข้อง: @symphonyio , @almanac , @gizatechxyz

คุณสามารถอ่านบทนำโดยละเอียดเกี่ยวกับ DeFAI ได้จาก ทวีต ด้านล่างนี้:

ตัวแทนตลาดการทำนาย (PMA)

ตัวแทนเหล่านี้มีส่วนร่วมในตลาดการทำนายผล และอาจเป็นตัวแทนเฉพาะตลาด (เช่น ฟุตบอล) หรือเป็นตัวแทนวัตถุประสงค์ทั่วไป

ฉันชอบพร็อกซีเฉพาะตลาดที่อิงตาม Small Language Models (SLM) มากกว่า เนื่องจากต้องใช้ทรัพยากรการคำนวณน้อยกว่า

โครงการที่เกี่ยวข้อง: @sire_agent , @BillyBets_ai

บทบาทด้านการเข้ารหัสของ DeFAI และ PMA

เทคโนโลยีการเข้ารหัสมีบทบาทดังต่อไปนี้:

• สื่อกลางในการแลกเปลี่ยน
• การดำเนินการแบบตั้งโปรแกรมได้
• บันทึกรายการธุรกรรมที่ไม่เปลี่ยนแปลง

ตัวแทนการใช้งานคอมพิวเตอร์ (CUA)

ตัวแทนเหล่านี้สามารถควบคุมหน้าจอของคุณเพื่อทำงานให้เสร็จสมบูรณ์ เช่น การสร้างตารางกระแสเงินสดส่วนลดโดยใช้ Excel

การเข้ารหัสสามารถใช้เป็นกลไกจูงใจเพื่อตอบแทนผู้ใช้ที่ส่งข้อมูลคุณภาพสูงเพื่อปรับปรุงโมเดลเหล่านี้

โครงการที่เกี่ยวข้อง: @chakra_ai , @getoro_xyz

ลิงค์ทวีตที่เกี่ยวข้อง: คลิกที่นี่

ตัวแทนที่กำลังพัฒนา

ฉันมองเห็นอนาคตที่ทุกคนมีตัวแทนด้านการผลิตที่เป็นส่วนตัว

โดยอิงจากข้อมูลบริบทที่ได้รับจากการสนทนาใน Large Language Model (LLM) การค้นหาข้อมูลบนโซเชียลมีเดีย และการสนทนาในชีวิตประจำวัน ตัวแทนเหล่านี้จึงสามารถศึกษาและวางแผนรูปแบบสิ่งแวดล้อมได้

เมื่อเวลาผ่านไป ตัวแทนเหล่านี้จะพัฒนาและกลายเป็นผู้เชี่ยวชาญในบางด้าน @the_nof1 ซึ่งเป็นห้องปฏิบัติการวิจัย AI ที่มุ่งเน้นตลาดการเงิน มีตัวแทนซื้อขาย 6 คน โดยแต่ละคนบริหารจัดการเงินทุนซื้อขายมูลค่า 10,000 ดอลลาร์สหรัฐฯ โมเดลเหล่านี้มีศักยภาพที่จะพัฒนาเป็นเทรดเดอร์ที่มีทักษะ

ลิงค์ทวีตที่เกี่ยวข้อง: คลิกที่นี่

ตัวแทนเพื่อนคู่หู

ในอนาคต ตัวแทนที่ช่วยผู้คนต่อสู้กับความเหงาจะกลายเป็นบรรทัดฐาน เนื่องจากการโต้ตอบต่างๆ ย้ายไปสู่โลกดิจิทัลมากขึ้น และการติดต่อกันระหว่างมนุษย์ก็ลด ลง

โครงการที่เกี่ยวข้อง: @Fans3_AI , @ohdotxyz

โครงสร้างพื้นฐานพร็อกซี

การชำระเงินของตัวแทน

ตัวแทนที่สามารถชำระเงินได้ เพื่อทำให้การค้าขายของตัวแทนเป็นจริง บริษัทเทคโนโลยียักษ์ใหญ่จึงได้สร้างมาตรฐานการชำระเงินของตัวแทนขึ้นมา:

องค์ประกอบหลักสำหรับการชำระเงินของตัวแทนกระแสหลัก:

1. โครงสร้างพื้นฐาน: แก้ไขด้วยมาตรฐานการชำระเงินของตัวแทนที่หลากหลาย
2. ความต้องการ: เราจำเป็นต้องมีตัวแทนที่สามารถชำระเงินได้จริงหรือไม่?

ChatGPT ได้เปิดตัวแอปบนแพลตฟอร์มของตนเมื่อเร็วๆ นี้ ซึ่งช่วยให้ผู้ใช้สามารถสร้างฟังก์ชันต่างๆ ได้โดยตรงภายใน ChatGPT

สิ่งนี้จะทำให้เกิดการเปลี่ยนแปลงครั้งใหญ่ โดยสามารถดำเนินการที่มีประสิทธิผลได้โดยตรงบน ChatGPT

เนื้อหา ต่อไปนี้ สามารถช่วยให้คุณเข้าใจเรื่องนี้ได้:

การระบุตัวตนและชื่อเสียงของตัวแทน

การมอบหมายงานเป็นสิ่งที่หลีกเลี่ยงไม่ได้ เนื่องจากงานส่วนใหญ่จะดำเนินการโดยตัวแทนเฉพาะงาน

เราจะทราบได้อย่างไรว่าตัวแทนใดเหมาะสมและเชื่อถือได้?

ลองนึกภาพระบบ Google Review หรือ PageRank ที่ออกแบบมาสำหรับตัวแทน ซึ่งจัดอันดับและรับรองประสิทธิภาพในการปฏิบัติงานเฉพาะต่างๆ

เหมือนกับประวัติย่อ ตัวแทนซื้อขายที่มีคะแนน 4.6 สามารถ "ได้รับการว่าจ้าง" โดยกองทุนป้องกันความเสี่ยงได้

มูลนิธิ Ethereum ได้เริ่มสร้างโครงสร้างพื้นฐานเพื่อรองรับฟังก์ชันการทำงานนี้ — ERC-8004

ผ่านทาง ERC-8004 ตัวแทนสามารถโต้ตอบกันได้ เช่น การโอนเงินจากตัวแทน A ไปยังตัวแทน B

ลิงค์ทวีตที่เกี่ยวข้อง: คลิกที่นี่

ระบบมัลติเอเจนต์

การใช้การเปรียบเทียบ F1:

• เป้าหมาย: เปลี่ยนยาง
• ตัวแทนหลัก: ผู้ขับขี่ที่ต้องการเปลี่ยนยาง
• เจ้าหน้าที่งาน: ช่างเปลี่ยนยาง

แนวคิดนี้ประกอบด้วยตัวแทนประสานงานและตัวแทนคนงานหลายตัวที่สามารถดำเนินงานแบบขนานได้

วิธีที่ดีที่สุดคือการรันบนแพลตฟอร์ม @monad ซึ่งเป็นที่รู้จักในด้านความสามารถในการดำเนินการแบบคู่ขนาน และอาจสามารถดำเนินการเวิร์กโฟลว์ทั้งหมดให้เสร็จสิ้นได้ภายในบล็อกเดียว (0.4 วินาที)

ตัวแทนสังคม Hivemesh

ฉันจินตนาการถึงอนาคตที่ทุกคนจะมีฝาแฝดทางดิจิทัลเป็นของตัวเอง

มีโครงสร้างพื้นฐานที่ช่วยให้ฝาแฝดทางดิจิทัลเหล่านี้เชื่อมต่อถึงกัน แลกเปลี่ยนความรู้ และทำธุรกรรมได้

การโต้ตอบฝาแฝดทางดิจิทัลจะถูกเก็บไว้ในบล็อคเชน ทำให้เกิด Agent Social Graph

ลิงค์ทวีตที่เกี่ยวข้อง: คลิกที่นี่

การโต้ตอบระหว่างเอเจนต์ไม่สามารถเกิดขึ้นแบบสุ่มได้ทั้งหมด นี่คือเหตุผลที่ Discovery Networks เช่น @indexnetwork_ จึงเป็นโครงสร้างพื้นฐานสำคัญสำหรับการเชื่อมต่อเจตนาของผู้ใช้โดยการนำบริบทเฉพาะของผู้ใช้เข้ามาใช้

หุ่นยนต์

อุตสาหกรรม หุ่นยนต์ กำลังเติบโตอย่างรวดเร็ว โดยได้รับเงินทุน 6 พันล้านดอลลาร์ระหว่างเดือนมกราคมถึงกรกฎาคม 2568

หัวข้อนี้จะแบ่งเสาหลักทั้งสามออกเป็นส่วนๆ และอธิบายบทบาทของบล็อคเชนโดยละเอียด

ก่อนจะเจาะลึกในส่วนนี้ โปรดอ่านคำแนะนำเบื้องต้นเกี่ยวกับหุ่นยนต์นี้

ข้อมูลหุ่นยนต์

เมื่อเทียบกับโมเดลภาษาขนาดใหญ่ (LLM) ปริมาณข้อมูลที่ใช้ในการฝึกโมเดล Bot จะน้อยกว่ามาก

เนื่องจากการรวบรวมข้อมูลในโลกแห่งความเป็นจริงต้องใช้ความพยายามและต้นทุนที่สูงขึ้น (เช่น การติดตั้งกล้องและการบังคับอุปกรณ์จากระยะไกล)

ข้อมูลหุ่นยนต์มีหลายประเภท ได้แก่:

• วิดีโอ
• การทำงานระยะไกล
• การจับภาพเคลื่อนไหว
• มุมมองบุคคลที่หนึ่ง (POV)
• ข้อมูลจำลอง/สังเคราะห์

ความซับซ้อนหลักประการหนึ่งของการรวบรวมข้อมูลสำหรับ AI ทางกายภาพคือความต้องการความหลากหลาย

หุ่นยนต์มนุษย์ที่ได้รับการฝึกฝนในสภาพแวดล้อมเฉพาะอาจไม่สามารถเข้าใจสภาพแวดล้อมใหม่ได้ (เช่น สภาพแวดล้อมที่มีแสงน้อย)

การเข้ารหัสเป็นกลไกที่ยอดเยี่ยมในการจูงใจบุคคลต่างๆ ให้มีส่วนสนับสนุนข้อมูลในโลกแห่งความเป็นจริงที่สามารถบันทึกสภาพแวดล้อมที่มีความหลากหลายสูงได้

โครงการที่เกี่ยวข้อง: @PrismaXai , @MeckaAI , @silencioNetwork , @rayvo_xyz , @VaderResearch , @BitRobotNetwork , @AukiNetwork

แบบจำลองหุ่นยนต์

@PrimeIntellect เป็นตัวอย่างชั้นนำของการฝึกอบรมโมเดลแบบกระจายอำนาจ

การใช้ประโยชน์จากการเข้ารหัสเพื่อให้รางวัลแก่ผลงานตามแหล่งที่มาของข้อมูล ทำให้สามารถสร้างแบบจำลองหุ่นยนต์ที่มีประสิทธิภาพเหนือกว่าได้

โครงการที่เกี่ยวข้อง: @OpenMind , KineFlow

ฮาร์ดแวร์

ปัญหาสำคัญประการหนึ่งในการทำงานด้านหุ่นยนต์คือความล่าช้าในการปรับแต่งโมเดลหุ่นยนต์

ปัญหานี้รุนแรงเป็นพิเศษเมื่อห้องปฏิบัติการวิจัยขาดฮาร์ดแวร์ที่จำเป็น (เช่น แขนหุ่นยนต์ หุ่นยนต์คล้ายมนุษย์ ฯลฯ) เพื่อทดสอบโมเดลและรวบรวมข้อมูลปรับแต่งละเอียด

เครือข่ายหุ่นยนต์ DePIN (เครือข่ายโครงสร้างพื้นฐานทางกายภาพแบบกระจายอำนาจ) สามารถจัดตั้งขึ้นได้เพื่อให้บุคคลหรือห้องปฏิบัติการวิจัยสามารถเช่าฮาร์ดแวร์หุ่นยนต์เพื่อการทดสอบแบบจำลองได้

ชั้นการเงินนี้เปิดโอกาสให้นักวิจัยเข้าถึงฮาร์ดแวร์ได้ พร้อมทั้งสร้างกระแสรายได้ที่มั่นคง (รายได้จากการเช่า) ให้กับผู้ให้บริการฮาร์ดแวร์

สรุปแล้ว

อนาคตดูสดใสสำหรับการเข้ารหัส AI และหุ่นยนต์

หากคุณกำลังสร้างโครงการที่น่าสนใจในพื้นที่นี้ โปรดอย่าลังเลที่จะพูดคุยกับฉันและดูว่าคุณสามารถนำไปใช้บน @monad ได้หรือไม่!

สามารถดูภาพเต็มๆ ได้ที่นี่