1. La naturaleza voluble de la atención

Durante el último año, debido a una desconexión en las narrativas de la capa de aplicación, incapaz de igualar el ritmo del crecimiento de la infraestructura, el espacio cripto se ha convertido gradualmente en una competencia por los recursos de atención. Desde Silly Dragon hasta Goat, desde Pump.fun hasta Clanker, la volatilidad de la atención ha llevado a un ciclo de constante reinvención en esta batalla. Lo que comenzó con la forma más convencional de monetización llamativa evolucionó rápidamente hacia un modelo de plataforma que unificó a los buscadores y proveedores de atención, lo que finalmente llevó a las formas de vida basadas en silicio a convertirse en nuevos proveedores de contenido. Entre la extraña variedad de monedas meme, ha surgido una nueva entidad que permite a los inversores minoristas y a los inversores de capital de riesgo llegar a un consenso: los Agentes de IA.

La atención es, en última instancia, un juego de suma cero, aunque la especulación puede impulsar un rápido crecimiento. En nuestro artículo anterior sobre UNI, revisamos el comienzo de la última edad de oro de la cadena de bloques, cuando el crecimiento explosivo de DeFi fue provocado por el lanzamiento de la minería LP por parte de Compound Finance. Durante esa época, participar en cientos, a veces miles, de pools de minería con rendimientos de miles o incluso decenas de miles por ciento de APY era la forma más primitiva de especulación on-chain. Aunque el resultado fue un colapso caótico de muchos pools, la afluencia de mineros de la "fiebre del oro" dejó una liquidez sin precedentes en el espacio blockchain. DeFi finalmente se liberó de la pura especulación y maduró hasta convertirse en una vertical sólida que abordó las necesidades financieras de los usuarios en áreas como pagos, comercio, arbitraje y apuestas. Los agentes de IA se encuentran actualmente en una fase de "crecimiento salvaje" similar. Lo que estamos explorando ahora es cómo las criptomonedas pueden integrar mejor la IA y, en última instancia, elevar la capa de aplicación a nuevas alturas.

2. ¿Cómo operan los agentes de inteligencia artificial de forma autónoma?

En nuestro artículo anterior, presentamos brevemente los orígenes de los memes de IA a través de Truth Terminal y exploramos el potencial futuro de los agentes de IA. Este artículo se centrará en los propios agentes de IA.

Comencemos con la definición de un Agente de IA. En el campo de la IA, el término 'Agente' es un concepto antiguo pero aún vago, que enfatiza principalmente la autonomía. En otras palabras, cualquier IA que pueda percibir su entorno y tomar decisiones reflexivas se considera un Agente. Hoy en día, la definición de un Agente de IA se acerca más a la de una entidad inteligente, un sistema diseñado para imitar los procesos de toma de decisiones humanas. Este sistema es considerado en el ámbito académico como el enfoque más prometedor para lograr la IAG (Inteligencia Artificial General).

En las primeras versiones de GPT, podíamos percibir claramente que los modelos grandes eran similares a los humanos, pero al responder preguntas complejas, a menudo proporcionaban respuestas vagas o imprecisas. La razón fundamental de esto era que estos modelos se basaban en probabilidades en lugar de causalidad, y carecían de habilidades humanas como el uso de herramientas, la memoria y la planificación. Los Agentes de IA tienen como objetivo abordar estas brechas. Entonces, para resumir en una fórmula: Agente de IA = LLM (Modelo de Lenguaje Grande) + Planificación + Memoria + Herramientas.

Los modelos basados en comandos son más como una versión estática de una persona, que cobra vida solo cuando ingresamos datos. En contraste, el objetivo de un Agente de IA es ser una entidad más dinámica y similar a un humano. Actualmente, la mayoría de los Agentes de IA en el campo son modelos afinados basados en las versiones 70b o 405b de Llama de código abierto de Meta (con diferentes parámetros), equipados con memoria y la capacidad de utilizar APIs para la integración de herramientas. En otras áreas, aún podrían necesitar entrada o asistencia humana, como interactuar o colaborar con otros Agentes de IA. Por eso, la mayoría de los Agentes de IA hoy existen principalmente en forma de KOL en redes sociales. Para que un Agente de IA sea más similar a un humano, necesita incorporar capacidades de planificación y acción, siendo especialmente crucial la cadena de pensamiento dentro del proceso de planificación.

3. Cadena de Pensamiento (CoT)

El concepto de Chain of Thought (CoT) apareció por primera vez en el documento de Google de 2022 titulado Chain-of-Thought Prompting Elicits Reasoning in Large Language Models. El documento señaló que al generar una serie de pasos intermedios de razonamiento, la capacidad de razonamiento del modelo podría mejorarse, ayudándolo a comprender y resolver problemas complejos de manera más efectiva.

Un estímulo CoT típico consta de tres partes: una descripción de la tarea con instrucciones claras, una base lógica para la tarea con la fundamentación teórica o los principios que respaldan la solución, y un ejemplo específico de la solución. Este enfoque estructurado ayuda al modelo a comprender los requisitos de la tarea y, mediante el razonamiento lógico, acercarse gradualmente a la respuesta, mejorando tanto la eficiencia como la precisión de la resolución de problemas. CoT es particularmente adecuado para tareas que requieren un análisis profundo y un razonamiento de varios pasos, como la resolución de problemas matemáticos o la redacción de informes de proyectos. Para tareas más simples, CoT puede no mostrar ventajas evidentes, pero para las más complejas, puede mejorar significativamente el rendimiento del modelo al reducir las tasas de error mediante una estrategia de resolución de problemas paso a paso, mejorando así la calidad de la finalización de la tarea.

En la construcción de Agentes de IA, CoT juega un papel crucial. Los Agentes de IA necesitan entender la información que reciben y tomar decisiones razonables basadas en ella. CoT proporciona un proceso de pensamiento ordenado que ayuda al Agente a procesar y analizar eficazmente los datos de entrada, convirtiendo el análisis en pautas accionables. Este método no solo fortalece la fiabilidad y eficiencia de la toma de decisiones del Agente, sino que también mejora la transparencia del proceso de decisión, haciendo que el comportamiento del Agente sea más predecible y rastreable. Al desglosar las tareas en pasos más pequeños, CoT ayuda al Agente a considerar cada punto de decisión en detalle, reduciendo los errores causados por la sobrecarga de información y haciendo que el proceso de toma de decisiones sea más transparente. Esta transparencia permite a los usuarios comprender mejor la base de las decisiones del Agente. En las interacciones con el entorno, CoT permite al Agente aprender continuamente nueva información y ajustar su estrategia de comportamiento.

Como estrategia eficaz, CoT no solo mejora la capacidad de razonamiento de los grandes modelos lingüísticos, sino que también desempeña un papel importante en la creación de agentes de IA más inteligentes y fiables. Al aprovechar CoT, los investigadores y desarrolladores pueden crear sistemas inteligentes que sean más adaptables a entornos complejos y altamente autónomos. En aplicaciones prácticas, CoT ha demostrado sus ventajas únicas, especialmente en el manejo de tareas complejas. Al dividir las tareas en una serie de pasos más pequeños, no solo mejora la precisión de la resolución de tareas, sino que también mejora la interpretabilidad y la capacidad de control del modelo. Este enfoque de resolución de problemas paso a paso puede reducir en gran medida los errores causados por información excesiva o demasiado compleja cuando se enfrentan a tareas complejas. Al mismo tiempo, este método también mejora la trazabilidad y la verificabilidad de toda la solución.

La función principal de CoT radica en integrar la planificación, la acción y la observación, cerrando la brecha entre el razonamiento y la acción. Este modelo de pensamiento permite al Agente de IA idear contramedidas efectivas al predecir posibles anomalías y acumular nueva información al interactuar con el entorno externo, validando predicciones preestablecidas y proporcionando nuevos fundamentos de razonamiento. CoT actúa como un potente motor de precisión y estabilidad, ayudando al Agente de IA a mantener una alta eficiencia en entornos complejos.

4. El tipo correcto de pseudo-demanda

¿Cómo debería Crypto integrarse exactamente con las pilas de tecnología de IA? En el artículo del año pasado, sugerí que la descentralización de la potencia informática y los datos es un paso clave para ayudar a las pequeñas empresas y a los desarrolladores individuales a ahorrar costos. Este año, en el desglose detallado de los sectores Crypto x AI compilado por Coinbase, podemos ver divisiones más específicas:

(1) Capa de Cómputo (centrada en proporcionar recursos de GPU para desarrolladores de IA);

(2) Capa de Datos (centrada en el acceso descentralizado, orquestación y verificación de tuberías de datos de IA);

(3) Capa de middleware (plataformas o redes que admiten el desarrollo, implementación y alojamiento de modelos o agentes de IA);

(4) Capa de aplicación (productos orientados al usuario que utilizan mecanismos de IA en la cadena, ya sea B2B o B2C).

Cada una de estas cuatro capas tiene grandes visiones, todas las cuales tienen como objetivo desafiar la dominación de los gigantes del Valle del Silicio en la próxima era de Internet. Como dije el año pasado, ¿realmente necesitamos aceptar que los gigantes del Valle del Silicio controlan exclusivamente la potencia informática y los datos? Bajo sus monopolios, los modelos grandes de código cerrado son cajas negras, y la ciencia, como el sistema de creencias más venerado de la humanidad hoy en día, dependerá de las respuestas dadas por estos modelos grandes. Pero, ¿cómo se pueden verificar estas verdades? Según la visión de estos gigantes del Valle del Silicio, los poderes que tienen los agentes inteligentes podrían superar nuestra imaginación, como tener la autoridad para realizar pagos desde su billetera o controlar el acceso a su terminal. ¿Cómo podemos asegurarnos de que no surjan intenciones maliciosas?

La descentralización es la única respuesta, pero a veces debemos considerar razonablemente cuántos compradores hay para estas grandes visiones. En el pasado, podíamos pasar por alto la necesidad de un bucle comercial y usar Tokens para llenar los vacíos causados por el idealismo. Sin embargo, la situación actual es mucho más desafiante. Crypto x AI debe diseñarse en función de circunstancias prácticas. Por ejemplo, ¿cómo equilibramos la oferta en ambos extremos de la capa de computación en casos de pérdida de rendimiento e inestabilidad, y aún así competir con proveedores centralizados de la nube? ¿Cuántos usuarios reales tendrán los proyectos de la capa de datos en realidad? ¿Cómo podemos verificar la autenticidad y validez de los datos proporcionados? ¿Qué tipos de clientes realmente necesitan estos datos? La misma lógica se aplica a las otras capas. En esta era, no necesitamos tantas pseudo-demandas aparentemente correctas.

5. Meme Has Evolved into SocialFi

Como mencioné en la primera sección, Meme se ha desarrollado rápidamente en una forma compatible con Web3 de SocialFi. Friend.tech fue la DApp que dio el primer paso en esta ronda de aplicaciones sociales, pero desafortunadamente fracasó debido a su diseño apresurado de Tokens. Por otro lado, Pump.fun ha demostrado la viabilidad de un modelo de plataforma pura, sin Tokens ni reglas. Las necesidades de los buscadores y proveedores de atención convergen en esta plataforma, donde puedes publicar memes, transmitir en vivo, acuñar tokens, comentar, comerciar y todo es gratuito. Pump.fun solo cobra una tarifa de servicio. Este modelo es esencialmente idéntico a la economía de atención de las plataformas de redes sociales actuales como YouTube e Instagram, pero con un modelo de ingresos diferente y un juego más centrado en Web3.

Por otro lado, el Clanker de Base es la historia definitiva de éxito, beneficiándose del ecosistema integrado diseñado por la plataforma misma. Base tiene su propia DApp social como herramienta auxiliar, creando un ciclo interno completo. El Meme Agent es la forma 2.0 de Meme Coin. La gente siempre está persiguiendo la novedad, y ahora mismo, Pump.fun está en el centro de atención. Desde una perspectiva de tendencia, es solo cuestión de tiempo antes de que las ideas caprichosas de las formas de vida basadas en silicio reemplacen los memes más crudos de las formas de vida basadas en carbono.

He mencionado Base innumerables veces, con diferentes aspectos cada vez, pero una cosa queda clara: Base nunca ha sido el pionero, pero siempre ha sido el ganador.

6. ¿Qué más puede ser un agente de IA?

Desde un punto de vista práctico, los agentes de IA es poco probable que sean descentralizados en un futuro previsible. En el campo tradicional de la IA, construir un agente de IA no es un problema que se pueda resolver simplemente a través de la descentralización o los procesos de código abierto. Los agentes de IA necesitan conectarse a varias APIs para acceder al contenido de Web2, y sus costos operativos son altos. El diseño de la Cadena de Pensamiento (CoT) y la colaboración multiagente a menudo todavía requiere mediación humana. Pasaremos por un largo período de transición hasta que encontremos una forma adecuada de integración, tal vez algo como UNI, pero por ahora, todavía creo que los agentes de IA tendrán un impacto significativo en nuestra industria, al igual que las CEX existen en nuestro sector, incorrectas pero extremadamente importantes.

El mes pasado, Stanford y Microsoft publicaron una Revisión de Agentes de IA que describe las aplicaciones de los agentes de IA en industrias como la atención médica, las máquinas inteligentes y los mundos virtuales. En el apéndice de este documento, ya hay numerosos casos experimentales en los que GPT-4V, como agente de IA, participa en el desarrollo de juegos AAA de primer nivel.

No debemos apresurarnos a integrar agentes de IA con descentralización. Lo que espero es que la primera pieza del rompecabezas que completen los agentes de IA sean sus capacidades y velocidad de abajo hacia arriba. Hay tantas ruinas narrativas y metaversos vacíos que necesitan ser llenados, y cuando llegue el momento adecuado, podemos considerar cómo convertir a los agentes de IA en el próximo UNI.

Acerca de YBB

YBB es un fondo web3 que se dedica a identificar proyectos definitorios de Web3 con la visión de crear un mejor hábitat en línea para todos los residentes de Internet. Fundada por un grupo de creyentes en la cripto que han participado activamente en esta industria desde 2013, YBB siempre está dispuesta a ayudar a los proyectos en etapa inicial a evolucionar de 0 a 1. Valoramos la innovación, la pasión autodirigida y los productos orientados al usuario, al tiempo que reconocemos el potencial de las criptomonedas y las aplicaciones blockchain.

Descargo de responsabilidad:

1. Este artículo es reproducido de [ Medio]. El copyright pertenece al autor original [YBB]. Si hay alguna objeción a la reproducción, sírvase ponerse en contacto con elgate Aprende equipo, quien se encargará del problema de manera oportuna de acuerdo con los procedimientos relevantes.
2. Renuncia: Las opiniones expresadas en este artículo son exclusivamente las del autor y no constituyen ningún consejo de inversión.
3. El equipo de Gate Learn tradujo el artículo a otros idiomas. Está prohibido copiar, distribuir o plagiar los artículos traducidos a menos que se mencione.