Agente de inteligencia artificial descifra: el poder inteligente que da forma a la futura ecología económica

Los agentes de IA están revolucionando la economía de las criptomonedas, con un gran potencial desde las finanzas descentralizadas hasta las GameFi. Este artículo es de un artículo escrito por Klein Labs y compilado por PANews. (Sinopsis: Guía de emprendimiento de Y Combinator Interpretación: ¿Cuáles son las tendencias futuras de los agentes de IA? Bankless: Cómo la tecnología de encriptación es un supercombustible para los agentes de IA) 1.1 Introducción: "Nuevos socios" en la era inteligente Cada ciclo de la criptomoneda trae consigo una infraestructura completamente nueva que impulsa toda la industria. En 2017, el auge de los contratos inteligentes generó un auge de las ICO. En 2020, el flow pool de DEX trajo el boom estival de las Finanzas descentralizadas. En 2021, salió una gran cantidad de series de Token no fungibles, marcando el comienzo de la era de los coleccionables digitales. En 2024, el excelente rendimiento de pump.fun condujo al auge de las memecoins y las plataformas de lanzamiento. Cabe destacar que el inicio de estas verticales no solo se debe a la innovación tecnológica, sino también al resultado de la combinación perfecta de modelos de financiación y ciclos de mercado alcista. Cuando la oportunidad se encuentra con el momento adecuado, puede conducir a un gran cambio. De cara a 2025, está claro que el área emergente del ciclo de 2025 serán los agentes de IA. Esta tendencia alcanzó su punto máximo el pasado mes de octubre, con el lanzamiento de $GOAT Token el 11 de octubre de 2024 y alcanzando los 150 millones de dólares el 15 de octubre. Luego, el 16 de octubre, Virtuals Protocol lanzó Luna, que debutó como la imagen de transmisión en vivo IP de la chica de al lado, que explotó la industria. Entonces, ¿qué es exactamente un agente de IA? Todo el mundo debe estar familiarizado con la película clásica "Resident Evil", en la que el sistema de IA Queen of Hearts es impresionante. Queen of Hearts es un potente sistema de IA que controla instalaciones complejas y sistemas de seguridad, detectando de forma autónoma el entorno, analizando datos y actuando rápidamente. De hecho, el agente de IA comparte muchas similitudes con la funcionalidad principal de Queen of Hearts. Los agentes de IA del mundo real desempeñan un papel similar hasta cierto punto, actuando como "guardianes inteligentes" de la tecnología moderna, ayudando a las empresas y a las personas a hacer frente a tareas complejas a través de la percepción, el análisis y la ejecución autónomos. Desde los coches autónomos hasta el servicio de atención al cliente inteligente, los agentes de IA han penetrado en todos los sectores y se han convertido en una fuerza clave para la eficiencia y la innovación. Estos agentes autónomos, al igual que los miembros invisibles del equipo, tienen una gama completa de capacidades desde la percepción del entorno hasta la ejecución de la toma de decisiones, penetrando gradualmente en diversas industrias, promoviendo la doble mejora de la eficiencia y la innovación. Por ejemplo, un AGENTE de IA se puede utilizar para automatizar el trading, la gestión de carteras y la ejecución de operaciones en tiempo real en función de los datos recopilados de Dexscreener o de la plataforma social X, optimizando constantemente su rendimiento en iteraciones. Los AGENTES IA no son monolíticos, sino que se dividen en diferentes categorías en función de las necesidades específicas del ecosistema de encriptación: Agentes de IA ejecutables: Enfocados a completar tareas específicas, como el trading, la gestión de carteras o el arbitraje, con el objetivo de mejorar la precisión operativa y reducir el tiempo requerido. Agente de IA creativa: se utiliza para la generación de contenido, incluido el texto, el diseño e incluso la creación de música. Agente de IA social: Actúa como influencer en las redes sociales para interactuar con los usuarios, crear comunidades y participar en campañas de marketing. Agente de IA coordinado: coordina interacciones complejas entre sistemas o participantes, especialmente para la integración multicadena. En este informe, profundizaremos en los orígenes, el estado actual y las amplias perspectivas de aplicación de los agentes de IA, analizaremos cómo están remodelando el panorama de la industria y miraremos hacia adelante a sus tendencias futuras. 1.1.1 Historia LA HISTORIA DEL DESARROLLO DE LOS AGENTES DE IA MUESTRA LA EVOLUCIÓN DE LA IA DESDE LA INVESTIGACIÓN BÁSICA HASTA LA APLICACIÓN GENERALIZADA. En la Conferencia de Dartmouth en 1956, se propuso por primera vez el término "IA", sentando las bases para la IA como un campo independiente. Durante este período, la investigación en IA se centró principalmente en métodos simbólicos, dando lugar a los primeros programas de IA como ELIZA (un chatbot) y Dendral (sistemas expertos en el campo de la química orgánica). Esta fase también fue testigo de la primera propuesta de redes neuronales y la exploración inicial de conceptos de aprendizaje automático. Pero la investigación de IA en este período se vio severamente limitada por las limitaciones de la potencia informática en ese momento. Los investigadores han encontrado grandes dificultades en el procesamiento del lenguaje natural y el desarrollo de algoritmos que imitan las funciones cognitivas humanas. Además, en 1972, el matemático James Lighthill presentó un informe sobre el estado de la investigación en curso sobre IA en el Reino Unido, publicado en 1973. El informe de Lighthill expresó esencialmente un pesimismo general sobre la investigación en IA después de un período inicial de entusiasmo, lo que provocó una enorme pérdida de confianza en la IA por parte de ( instituciones académicas del Reino Unido, incluidas las agencias de financiación ). Después de 1973, la financiación de la investigación en IA disminuyó significativamente, y el campo de la IA experimentó su primer "invierno de la IA", y el escepticismo sobre el potencial de la IA aumentó. En los años 80 del siglo XX, el desarrollo y la comercialización de sistemas expertos llevaron a la adopción de la tecnología de IA por parte de empresas de todo el mundo. Este período vio avances significativos en el aprendizaje automático, las redes neuronales y el procesamiento del lenguaje natural, lo que impulsó la aparición de aplicaciones de IA más complejas. La introducción de los primeros vehículos autónomos y el despliegue de la IA en diversos sectores, como el financiero y el sanitario, también marcan un conjunto ampliado de tecnologías de IA. Pero a finales de los 80 y principios de los 90 del siglo XX, el campo de la IA experimentó un segundo "invierno de la IA" cuando la demanda del mercado de hardware dedicado a la IA se desplomó. Además, escalar los sistemas de IA e integrarlos con éxito en aplicaciones del mundo real sigue siendo un desafío continuo. Pero al mismo tiempo, en 1997, la computadora Deep Blue de IBM derrotó al campeón mundial de ajedrez Gary Kasparov, un hito en la capacidad de la IA para resolver problemas complejos. El renacimiento de las redes neuronales y el aprendizaje profundo sentaron las bases para el desarrollo de la IA a finales de la década de 1990, convirtiendo a la IA en una parte integral del panorama tecnológico y comenzando a impactar en la vida cotidiana. A principios de siglo, los avances en la potencia informática habían impulsado el auge del aprendizaje de Profundidad, y los asistentes virtuales como Siri demostraron la utilidad de la IA para las aplicaciones de consumo. En la década de 2010 se produjeron nuevos avances en modelos generativos, como los agentes de aprendizaje por refuerzo y GPT-2, que llevaron la IA conversacional a nuevas cotas. En este proceso, la aparición del Large Language Model (LLM) se ha convertido en un hito importante en el desarrollo de la IA, especialmente el lanzamiento de GPT-4, que se considera un punto de inflexión en el campo de los agentes de IA. Desde que OpenAI lanzó la serie GPT, los modelos preentrenados a gran escala han demostrado capacidades de generación y comprensión del lenguaje que superan a los modelos tradicionales a través de decenas de miles de millones e incluso argumentos de Cientos de billones. Su excelencia en el procesamiento del lenguaje natural permite a los agentes de IA demostrar interacciones lógicas y coherentes a través de la generación de lenguaje. Esto permite que los agentes de IA se apliquen a escenarios como asistentes de chat, agentes virtuales y amplíen gradualmente la suite a tareas más complejas como análisis de negocios y escritura creativa. La capacidad de aprendizaje de los grandes modelos lingüísticos proporciona a los agentes de IA ...