AI agent giải mã: Sức mạnh thông minh tạo hình sinh thái kinh tế mới trong tương lai

Các tác nhân AI đang cách mạng hóa nền kinh tế tiền điện tử, cho thấy tiềm năng to lớn từ Tài chính phi tập trung đến GameFi. Bài viết này là từ một bài báo được viết bởi Klein Labs và được biên soạn bởi PANews. (Tóm tắt: Y Combinator Entrepreneurship Guide Giải thích: Xu hướng tương lai của các tác nhân AI là gì? (Bổ sung cơ bản: Bankless: Làm thế nào công nghệ mã hóa trở thành siêu nhiên liệu cho các tác nhân AI) 1. Tổng quan về nền tảng 1.1 Giới thiệu: "Đối tác mới" trong kỷ nguyên thông minh Mỗi chu kỳ tiền điện tử mang đến một cơ sở hạ tầng hoàn toàn mới thúc đẩy toàn bộ ngành công nghiệp. Năm 2017, sự gia tăng của các hợp đồng thông minh đã tạo ra sự bùng nổ trong ICO. Năm 2020, dòng chảy của DEX đã mang đến sự bùng nổ mùa hè của Tài chính phi tập trung. Năm 2021, một số lượng lớn các series Token không thể thay thế ra mắt, đánh dấu buổi bình minh của kỷ nguyên sưu tầm kỹ thuật số. Vào năm 2024, hiệu suất vượt trội của pump.fun đã dẫn đến sự bùng nổ của memecoin và nền tảng khởi chạy. Cần nhấn mạnh rằng sự khởi đầu của các ngành dọc này không chỉ là do đổi mới công nghệ, mà còn là kết quả của sự kết hợp hoàn hảo giữa các mô hình tài chính và chu kỳ thị trường tăng trưởng. Khi cơ hội gặp đúng thời điểm, nó có thể dẫn đến sự thay đổi lớn. Nhìn về phía trước đến năm 2025, rõ ràng khu vực mới nổi của chu kỳ 2025 sẽ là các tác nhân AI. Xu hướng này đạt đỉnh vào tháng 10 năm ngoái, với việc ra mắt $GOAT Token vào ngày 11/10/2024 và đạt 150 triệu USD Vốn hóa thị trường vào ngày 15/10. Sau đó, vào ngày 16 tháng 10, Virtuals Protocol đã ra mắt Luna, ra mắt dưới dạng hình ảnh phát sóng trực tiếp IP của cô gái bên cạnh, làm bùng nổ ngành công nghiệp. Vậy, chính xác thì tác nhân AI là gì? Chắc hẳn ai cũng đã quen thuộc với bộ phim kinh điển "Resident Evil", trong đó hệ thống AI Queen of Hearts rất ấn tượng. Queen of Hearts là một hệ thống AI mạnh mẽ kiểm soát các cơ sở và hệ thống an ninh phức tạp, tự động cảm nhận môi trường, phân tích dữ liệu và hành động nhanh chóng. Trên thực tế, AI Agent có nhiều điểm tương đồng với chức năng cốt lõi của Queen of Hearts. Các tác nhân AI trong thế giới thực đóng vai trò tương tự ở một mức độ nào đó, đóng vai trò là "người bảo vệ thông minh" của công nghệ hiện đại, giúp các doanh nghiệp và cá nhân đối phó với các nhiệm vụ phức tạp thông qua nhận thức, phân tích và thực hiện tự chủ. Từ xe tự lái đến dịch vụ khách hàng thông minh, các tác nhân AI đã thâm nhập vào mọi ngành công nghiệp và trở thành lực lượng chính cho hiệu quả và đổi mới. Các tác nhân tự trị này, giống như các thành viên trong nhóm vô hình, có đầy đủ các khả năng từ nhận thức môi trường đến thực hiện ra quyết định, dần dần thâm nhập vào các ngành công nghiệp khác nhau, thúc đẩy cải thiện kép hiệu quả và đổi mới. Ví dụ: AI AGENT có thể được sử dụng để tự động hóa giao dịch, quản lý danh mục đầu tư và thực hiện giao dịch trong thời gian thực dựa trên dữ liệu được thu thập từ Dexscreener hoặc nền tảng xã hội X, liên tục tối ưu hóa hiệu suất của nó trong các lần lặp. AI AGENTS không phải là nguyên khối, mà được chia thành các loại khác nhau theo nhu cầu cụ thể trong hệ sinh thái mã hóa: Tác nhân AI thực thi: Tập trung vào các tác vụ cụ thể như giao dịch, quản lý danh mục đầu tư hoặc Kinh doanh chênh lệch giá, với mục đích cải thiện độ chính xác hoạt động và giảm thời gian cần thiết. Creative AI Agent: Được sử dụng để tạo nội dung, bao gồm văn bản, thiết kế và thậm chí cả tạo nhạc. Tác nhân AI xã hội: Hoạt động như một người có ảnh hưởng trên phương tiện truyền thông xã hội để tương tác với người dùng, xây dựng cộng đồng và tham gia vào các chiến dịch tiếp thị. Coordinated AI Agent: Điều phối các tương tác phức tạp giữa các hệ thống hoặc người tham gia, đặc biệt là để tích hợp đa chuỗi. Trong báo cáo này, chúng tôi sẽ đi sâu vào nguồn gốc, tình trạng hiện tại và triển vọng ứng dụng rộng rãi của các tác nhân AI, phân tích cách họ định hình lại bối cảnh ngành và hướng tới xu hướng tương lai của họ. 1.1.1 Lịch sử LỊCH SỬ PHÁT TRIỂN CỦA AI AGENTS CHO THẤY SỰ PHÁT TRIỂN CỦA AI TỪ NGHIÊN CỨU CƠ BẢN SANG ỨNG DỤNG RỘNG RÃI. Tại Hội nghị Dartmouth năm 1956, thuật ngữ "AI" lần đầu tiên được đề xuất, đặt nền tảng cho AI như một lĩnh vực độc lập. Trong giai đoạn này, nghiên cứu AI tập trung chủ yếu vào các phương pháp biểu tượng, tạo ra các chương trình AI đầu tiên như ELIZA (một chatbot) và Dendral (hệ thống chuyên gia trong lĩnh vực hóa học hữu cơ). Giai đoạn này cũng chứng kiến đề xuất đầu tiên về mạng nơ-ron và khám phá ban đầu về các khái niệm học máy. Nhưng nghiên cứu AI trong giai đoạn này đã bị hạn chế nghiêm trọng bởi những hạn chế của sức mạnh tính toán vào thời điểm đó. Các nhà nghiên cứu đã gặp phải những khó khăn lớn trong việc xử lý ngôn ngữ tự nhiên và phát triển các thuật toán bắt chước các chức năng nhận thức của con người. Ngoài ra, vào năm 1972, nhà toán học James Lighthill đã đệ trình một báo cáo về tình trạng nghiên cứu AI đang diễn ra ở Anh, xuất bản năm 1973. Báo cáo của Lighthill về cơ bản thể hiện sự bi quan chung về nghiên cứu AI sau một thời gian đầu phấn khích, gây ra sự mất niềm tin lớn vào AI từ ( tổ chức học thuật của Vương quốc Anh, bao gồm cả các cơ quan tài trợ ). Sau năm 1973, tài trợ nghiên cứu AI giảm đáng kể và lĩnh vực AI trải qua "mùa đông AI" đầu tiên và sự hoài nghi về tiềm năng của AI tăng lên. Vào những năm 80 của thế kỷ 20, sự phát triển và thương mại hóa các hệ thống chuyên gia đã dẫn đến việc áp dụng công nghệ AI của các doanh nghiệp trên toàn thế giới. Giai đoạn này chứng kiến những tiến bộ đáng kể trong học máy, mạng thần kinh và xử lý ngôn ngữ tự nhiên, thúc đẩy sự xuất hiện của các ứng dụng AI phức tạp hơn. Sự ra đời của các phương tiện tự trị đầu tiên và triển khai AI trong các ngành công nghiệp khác nhau như tài chính và chăm sóc sức khỏe cũng đánh dấu một bộ công nghệ AI mở rộng. Nhưng vào cuối những năm 80 và đầu những năm 90 của thế kỷ 20, lĩnh vực AI đã trải qua "mùa đông AI" thứ hai khi nhu cầu thị trường về phần cứng AI chuyên dụng sụp đổ. Ngoài ra, việc mở rộng quy mô hệ thống AI và tích hợp thành công chúng vào các ứng dụng trong thế giới thực vẫn là một thách thức đang diễn ra. Nhưng đồng thời, vào năm 1997, máy tính Deep Blue của IBM đã đánh bại nhà vô địch cờ vua thế giới Gary Kasparov, một cột mốc quan trọng trong khả năng giải quyết các vấn đề phức tạp của AI. Sự hồi sinh của mạng nơ-ron và học tập đã đặt nền móng cho sự phát triển của AI vào cuối những năm 1990, biến AI trở thành một phần không thể thiếu trong bối cảnh công nghệ và bắt đầu tác động đến cuộc sống hàng ngày. Đến đầu thế kỷ, những tiến bộ trong sức mạnh tính toán đã thúc đẩy sự gia tăng của học tập và các trợ lý ảo như Siri đã chứng minh sự hữu ích của AI cho các ứng dụng tiêu dùng. Những năm 2010 chứng kiến những đột phá hơn nữa trong các mô hình phát sinh như các tác nhân học tăng cường và GPT-2, đẩy AI đàm thoại lên một tầm cao mới. Trong quá trình này, sự xuất hiện của Mô hình ngôn ngữ lớn (LLM) đã trở thành một cột mốc quan trọng trong sự phát triển của AI, đặc biệt là việc phát hành GPT-4, được coi là một bước ngoặt trong lĩnh vực tác nhân AI. Kể từ khi OpenAI phát hành dòng GPT, các mô hình được đào tạo trước quy mô lớn đã thể hiện khả năng tạo và hiểu ngôn ngữ vượt xa các mô hình truyền thống thông qua hàng chục tỷ và thậm chí hàng trăm tỷ đối số. Sự xuất sắc của họ trong xử lý ngôn ngữ tự nhiên cho phép các tác nhân AI thể hiện các tương tác logic, mạch lạc thông qua việc tạo ngôn ngữ. Điều này cho phép các tác nhân AI được áp dụng cho các kịch bản như trợ lý trò chuyện, trợ lý ảo và dần dần mở rộng bộ phần mềm sang các tác vụ phức tạp hơn như phân tích kinh doanh, viết sáng tạo. Khả năng học tập của các mô hình ngôn ngữ lớn cung cấp cho các tác nhân AI ...