AI агент Расшифровка: интеллектуальная сила, формирующая будущую экономическую экосистему

Агенты искусственного интеллекта реформируют криптовалютную экономику, от децентрализованных финансы до GameFi, демонстрируя большой потенциал. Эта статья взята из статьи, написанной Klein Labs и составленной PANews. (Синопсис: Y Combinator Entrepreneurship Guide Интерпретация: Каковы будущие тенденции агентов ИИ? (Справочное дополнение: Bankless: технология шифрования становится супертопливом для ИИ-агентов) I. Общие сведения 1.1 Введение: «Новые партнеры» в эпоху интеллекта Каждый цикл криптовалюты приносит с собой совершенно новую инфраструктуру, которая стимулирует развитие всей отрасли. В 2017 году рост смарт-контрактов породил бум ICO. В 2020 году пул потоков DEX принес летний бум децентрализованных финансов. В 2021 году вышло большое количество серий токенов Невзаимозаменяемый, ознаменовав начало эры цифровых предметов коллекционирования. В 2024 году выдающиеся показатели pump.fun привели к буму мемкоинов и платформ для запуска. Следует подчеркнуть, что старт этих вертикалей обусловлен не только технологическими инновациями, но и результатом идеального сочетания моделей финансирования и циклов бычьего рынка. Когда возможность встречается в нужный момент, это может привести к большим переменам. Заглядывая вперед в 2025 год, очевидно, что новой областью цикла 2025 года станут агенты ИИ. Пик этой тенденции пришелся на октябрь прошлого года, когда 11 октября 2024 года был запущен $GOAT токен, а 15 октября — рыночная капитализация в размере $150 млн. Затем, 16 октября, Virtuals Protocol запустил Luna, которая дебютировала в качестве IP-изображения в прямом эфире девушки по соседству, что взорвало индустрию. Итак, что же такое ИИ-агент? Каждый наверняка знаком с классическим фильмом «Обитель зла», в котором впечатляет система искусственного интеллекта «Королева червей». Queen of Hearts — это мощная система искусственного интеллекта, которая управляет сложными объектами и системами безопасности, автономно ощущая окружающую среду, анализируя данные и действуя быстро. На самом деле, ИИ-агент имеет много общего с основной функциональностью Queen of Hearts. Реальные агенты ИИ в некоторой степени играют аналогичную роль, выступая в качестве «умных хранителей» современных технологий, помогая предприятиям и частным лицам справляться со сложными задачами за счет автономного восприятия, анализа и выполнения. От беспилотных автомобилей до интеллектуального обслуживания клиентов — агенты ИИ проникли во все отрасли и стали ключевой силой для повышения эффективности и инноваций. Эти автономные агенты, подобно невидимым членам команды, обладают полным спектром возможностей от восприятия окружающей среды до принятия решений, постепенно проникая в различные отрасли, способствуя двойному повышению эффективности и инноваций. Например, AI AGENT можно использовать для автоматизации торговли, управления портфелями и совершения сделок в режиме реального времени на основе данных, собранных из Dexscreener или социальной платформы X, постоянно оптимизируя свою производительность в итерациях. АГЕНТЫ ИИ не являются монолитными, а делятся на различные категории в соответствии с конкретными потребностями в экосистеме шифрования: Исполняемые агенты ИИ: Сосредоточьтесь на выполнении конкретных задач, таких как торговля, управление портфелем или арбитраж, с целью повышения операционной точности и сокращения требуемого времени. Креативный ИИ-агент: используется для создания контента, включая текст, дизайн и даже музыку. Социальный агент ИИ: Выступайте в качестве инфлюенсера в социальных сетях, чтобы взаимодействовать с пользователями, создавать сообщества и участвовать в маркетинговых кампаниях. Координированный агент ИИ: координирует сложные взаимодействия между системами или участниками, особенно для многоцепочечной интеграции. В этом отчете мы углубимся в истоки, текущее состояние и широкие перспективы применения ИИ-агентов, проанализируем, как они меняют отраслевой ландшафт, и посмотрим на их будущие тенденции. 1.1.1 История ИСТОРИЯ РАЗВИТИЯ ИИ-АГЕНТОВ ПОКАЗЫВАЕТ ЭВОЛЮЦИЮ ИИ ОТ ФУНДАМЕНТАЛЬНЫХ ИССЛЕДОВАНИЙ ДО ШИРОКОГО ПРИМЕНЕНИЯ. На Дартмутской конференции в 1956 году впервые был предложен термин «ИИ», заложивший основу для ИИ как самостоятельной области. В этот период исследования в области ИИ были сосредоточены в основном на символьных методах, что привело к появлению первых программ ИИ, таких как ELIZA (чат-бот) и Dendral (экспертные системы в области органической химии). На этом этапе также было предложено первое предложение нейронных сетей и начато исследование концепций машинного обучения. Но исследования в области искусственного интеллекта в этот период были сильно ограничены ограничениями вычислительной мощности того времени. Исследователи столкнулись с большими трудностями в обработке естественного языка и разработке алгоритмов, имитирующих когнитивные функции человека. Кроме того, в 1972 году математик Джеймс Лайтхилл представил доклад о состоянии текущих исследований ИИ в Великобритании, опубликованный в 1973 году. Доклад Лайтхилла, по сути, выражает общий пессимизм в отношении исследований ИИ после раннего периода ажиотажа, что привело к огромной потере доверия к ИИ со стороны ( академических институтов Великобритании, включая финансирующие агентства ). После 1973 года финансирование исследований в области ИИ значительно сократилось, и область ИИ пережила свою первую «зиму ИИ», и скептицизм в отношении потенциала ИИ возрос. В 80-х годах 20 века разработка и коммерциализация экспертных систем привела к принятию технологии ИИ предприятиями по всему миру. Этот период ознаменовался значительным прогрессом в машинном обучении, нейронных сетях и обработке естественного языка, что привело к появлению более сложных приложений ИИ. Появление первых автономных транспортных средств и внедрение ИИ в различных отраслях, таких как финансы и здравоохранение, также знаменует собой расширение набора технологий ИИ. Но в конце 80-х и начале 90-х годов 20-го века сфера ИИ пережила вторую «зиму ИИ», поскольку рыночный спрос на специализированное оборудование для ИИ рухнул. Кроме того, масштабирование систем ИИ и их успешная интеграция в реальные приложения остается постоянной проблемой. Но в то же время в 1997 году компьютер IBM Deep Blue победил чемпиона мира по шахматам Гарри Каспарова, что стало важной вехой в способности ИИ решать сложные задачи. Возрождение нейронных сетей и глубинного обучения заложило основу для развития ИИ в конце 1990-х годов, сделав ИИ неотъемлемой частью технологического ландшафта и начав влиять на повседневную жизнь. К началу века достижения в области вычислительной мощности способствовали росту глубинного обучения, а виртуальные помощники, такие как Siri, продемонстрировали полезность ИИ для потребительских приложений. 2010-е годы ознаменовались дальнейшими прорывами в генеративных моделях, таких как агенты обучения с подкреплением и GPT-2, что вывело разговорный ИИ на новые высоты. В этом процессе появление Large Language Model (LLM) стало важной вехой в развитии ИИ, особенно выпуск GPT-4, который считается поворотным моментом в области агентов ИИ. С момента выпуска серии GPT компанией OpenAI крупномасштабные предварительно обученные модели продемонстрировали возможности генерации и понимания языка, выходящие за рамки традиционных моделей, на десятки миллиардов или даже сотни миллиардов. Их превосходство в обработке естественного языка позволяет агентам ИИ демонстрировать логические, согласованные взаимодействия с помощью генерации языка. Это позволяет применять ИИ-агентов в таких сценариях, как чат-ассистенты, виртуальные агенты, и постепенно расширять набор для более сложных задач, таких как бизнес-анализ, творческое письмо. Способность к обучению больших языковых моделей предоставляет агентам ИИ ...