В нашем предыдущем посте мы исследовали История дизайна приложений. В части 1 нашего второго поста серии Agentic AI мы исследуем текущий ландшафт Web2 AI и его основные тенденции, платформы и технологии. В части 2 мы исследуем, как блокчейн и доверительная проверка позволяют эволюции искусственного интеллекта агентов в поистине агентные системы.

1. Ландшафт веб-агента искусственного интеллекта 2

Текущее состояние централизованных искусственных интеллектуальных агентов

Рисунок 1. E2B Web2 AI Агентский ландшафт.

Современный ландшафт искусственного интеллекта в основном характеризуется централизованными платформами и услугами, контролируемыми крупными технологическими компаниями. Компании, такие как OpenAI, Anthropic, Google и Microsoft, предоставляют большие языковые модели (LLM) и поддерживают важную облачную инфраструктуру и API-сервисы, которые обеспечивают функционирование большинства агентов искусственного интеллекта.

Искусственный интеллект Агент Инфраструктура

Недавние достижения в инфраструктуре искусственного интеллекта радикально изменили способ, которым разработчики создают искусственного интеллекта. Вместо кодирования конкретных взаимодействий разработчики теперь могут использовать естественный язык для определения поведения и целей агента, что приводит к более адаптивным и сложным системам.

Рисунок 2. Искусственный интеллект Агент Инфраструктура Сегментация.

Ключевые достижения в следующих областях привели к распространению агентов ИИ:

• Продвинутые большие языковые модели (LLM): LLM изменили подход к тому, как агенты понимают и генерируют естественный язык, заменяя жесткие системы на основе правил на более сложные возможности понимания. Они позволяют продвинутому рассуждению и планированию с помощью рассуждения "цепочкой мыслей".
  Большинство приложений искусственного интеллекта построены на централизованных моделях LLM, таких как GPT-4 от OpenAI, Клодом по Антропический, и Gemini от Google.
  Открытые модели искусственного интеллекта включают DeepSeek, LLaMa от Meta, PaLM 2 и LaMDA от Google, Mistral 7B от Mistral AI, Grok и Grok-1 от xAI, Vicuna-13B от LM Studio, и модели Falcon от Технологического Института Инноваций (TII).
• Фреймворки агентов: Несколько фреймворков и инструментов появляются для облегчения создания мультиагентных приложений искусственного интеллекта для бизнеса. Эти фреймворки поддерживают различные LLM и предоставляют предварительно упакованные функции для разработки агентов, включая управление памятью, пользовательские инструменты и интеграцию внешних данных. Эти фреймворки значительно снижают инженерные проблемы, ускоряя рост и инновации.
  Лучшие агентские структуры включают в себя Phidata, OpenAI Swarm, КрюИИ, LangChain LangGraph, Индекс Лама, Microsoft с открытым исходным кодом Автоген, Вершинный ИИ, и LangFlow, , которые предлагают возможности для создания помощников с искусственным интеллектом с минимальными требованиями к программированию.
• Платформы Agentic AI: Платформы Agentic AI сосредотачиваются на оркестрации нескольких AI-агентов в распределенной среде для автономного решения сложных проблем. Эти системы могут динамически адаптироваться и сотрудничать, обеспечивая надежные масштабные решения. Эти услуги нацелены на трансформацию способа использования AI бизнесом, делая технологию агентов доступной и непосредственно применимой к существующим системам.
  Топовые агентные платформы ИИ включают Microsoft Autogen, Langchain LangGraph, MicrosoftСемантическое ядро, и CrewAI.
• Дополненная генерация поиска (RAG): Дополненная генерация поиска (RAG) позволяет LLM получать доступ к внешним базам данных или документам, прежде чем отвечать на запросы, повышая точность и уменьшая галлюцинации. Усовершенствования RAG позволяют агентам адаптироваться и учиться на новых источниках информации, а также избежать необходимости повторного обучения моделей.
  Лучшие инструменты RAG от Gate.ioК2Вью, Стог сена, Языковая цепочка, LlamaIndex, RAGatouille, и открытый исходный код EmbedChain и Технология InfiniFlow.
• Системы памяти: Чтобы преодолеть ограничения традиционных агентов ИИ при обработке долгосрочных задач, службы памяти предоставляют кратковременную память для промежуточных задач или долговременную память для хранения и извлечения информации для расширенных задач.
  Долговременная память включает в себя:
  • Эпизодическая память. Записывает конкретный опыт для обучения и решения проблем и используется в контексте текущего запроса.
  • Семантическая память. Общая и высокоуровневая информация о среде агента.
  • Процедурная память. Хранит процедуры, используемые при принятии решений и шаг за шагом мышление, используемое для решения математических задач.
• Лидеры в сфере услуг памяти включают Летта, с открытым исходным кодом MemGPT, Зепи Мем0.
• Платформы искусственного интеллекта без кода: Платформы без кода позволяют пользователям создавать модели искусственного интеллекта с помощью инструментов перетаскивания и визуальных интерфейсов или мастера вопросов и ответов. Пользователи могут развертывать агенты непосредственно в своих приложениях и автоматизировать рабочие процессы. Упростив рабочий процесс агента ИИ, любой может создавать и использовать ИИ, что приводит к большей доступности, более быстрым циклам разработки и увеличению инноваций.
  К лидерам No-code относятся BuildFire AI, Google Teachable Machine, и AmazonМудрецМейкер.
  Существует несколько узкоспециализированных платформ без кода для ИИ-агентов, таких как Очевидно, ИИ для бизнес-прогнозов, Лопастной ИИ для классификации изображений, и Нанонетыдля обработки документов.

figure_3_ai_business_models1920×1080 178 КБ
Рисунок 3. Бизнес-модели на основе искусственного интеллекта.

Бизнес-модели

Традиционные компании по искусственному интеллекту Web2 в первую очередь используют ступенчатые подписки и консалтинговые услуги в качестве своих бизнес-моделей.

Новые бизнес-модели для агентов ИИ включают в себя:

• Подписка / На основе использования. Плата за пользователей взимается в зависимости от количества запусков агента или использованных вычислительных ресурсов, аналогично службам больших языковых моделей (LLM).
• Модели маркетплейса. Платформы агентов берут процент от сделок, совершенных на платформе, аналогично моделям магазина приложений.
• Лицензирование предприятий. Индивидуальные агентские решения с оплатой за внедрение и поддержку.
• Доступ к API. Платформы агентов предоставляют API, которые позволяют разработчикам интегрировать агентов в свои приложения с оплатой в зависимости от вызовов API или объема использования.
• Открытый исходный код с премиальными функциями. Проекты с открытым исходным кодом предлагают базовую модель бесплатно, но взимают плату за расширенные функции, хостинг или корпоративную поддержку.
• Интеграция инструментов. Агентские платформы могут взимать комиссию с поставщиков инструментов за использование API или услуг.

2. Ограничения централизованного ИИ

Несмотря на то, что современные системы искусственного интеллекта Web2 открыли новую эру технологий и эффективности, они сталкиваются с рядом проблем.

• Централизованное управление: концентрация моделей ИИ и обучающих данных в руках нескольких крупных технологических компаний создает риски ограничения доступа, контролируемого обучения моделей и принудительной вертикальной интеграции.
• Конфиденциальность данных и право собственности: Пользователи не контролируют то, как используются их данные, и не получают компенсации за их использование в обучении систем ИИ. Централизация данных также создает единую точку отказа и может стать мишенью для утечек данных.
• Проблемы прозрачности: «черный ящик» централизованных моделей мешает пользователям понять, как принимаются решения или проверяются источники обучающих данных. Приложения, построенные на этих моделях, не могут объяснить потенциальные предвзятости, и у пользователей почти нет контроля над тем, как их данные используются.
• Проблемы регулирования: сложная глобальная нормативно-правовая среда в отношении использования ИИ и конфиденциальности данных создает неопределенность и проблемы с соблюдением нормативных требований. Агенты и приложения, созданные на основе централизованных моделей ИИ, могут подпадать под действие нормативных требований страны владельца модели.
• Атаки-адверсары: модели искусственного интеллекта могут быть уязвимы для атак-адверсаров, при которых входные данные изменяются так, чтобы обмануть модель и получить неверные выходные данные. Требуется проверка достоверности входных и выходных данных, а также безопасность и мониторинг агента искусственного интеллекта.
• Надежность выходных данных: Выходные данные модели ИИ требуют технической проверки и прозрачного, проверяемого процесса для установления надежности. По мере масштабирования агентов ИИ корректность выходных данных модели ИИ становится критически важной.
• Дипфейки: модифицированные искусственным интеллектом изображения, речь и видео, известные как «дипфейки», создают значительные проблемы, поскольку они могут распространять дезинформацию, создавать угрозы безопасности и подрывать общественное доверие.

3. Децентрализованные решения на основе искусственного интеллекта

Основные ограничения Web2 AI — централизация, владение данными и прозрачность — решаются с помощью блокчейна и токенизации. Web3 предлагает следующие решения:

• Децентрализованные вычислительные сети. Вместо использования централизованных облачных провайдеров модели ИИ могут использовать распределенные вычислительные сети для обучения и выполнения логических выводов.
• Модульная Инфраструктура. Менее крупные команды могут использовать децентрализованные вычислительные сети и данные DAO для обучения новых, специфических моделей. Строители могут дополнить своих агентов модульными инструментами и другими компонентными примитивами.
• Прозрачные и верифицируемые системы. Web3 может предложить верифицируемый способ отслеживания разработки и использования моделей с помощью блокчейна. Входные и выходные данные модели могут быть проверены с помощью доказательств с нулевым разглашением (ZKP) и доверенных сред выполнения (TEEs), а также постоянно записываться в сети.
• Право собственности на данные и суверенитет. Данные могут быть монетизированы через торговые площадки или DAO данных, которые рассматривают данные как коллективный актив и могут перераспределять прибыль от использования данных среди участников DAO.
• Сетевое создание. **Стимулы в виде токенов могут помочь в развитии сетей, вознаграждая первых участников за децентрализованные вычисления, DAO данных и агентские рынки. Токены могут создать немедленные экономические стимулы, которые помогут преодолеть первоначальные проблемы координации, препятствующие внедрению сети.

4. Ландшафт агентов Web3 AI

Стеки агентов ИИ Web2 и Web3 имеют общие основные компоненты, такие как координация моделей и ресурсов, инструменты и другие сервисы, а также системы памяти для сохранения контекста. Тем не менее, внедрение технологий блокчейна в Web3 позволяет децентрализовать вычислительные ресурсы, токены стимулируют обмен данными и владение пользователями, выполнять их без доверия с помощью смарт-контрактов и запускать сети координации.

figure_4_web3_ai_agent_stack1920×3627 407 KB
Рисунок 4. Стек веб-агента искусственного интеллекта Web3.

Данные

Уровень данных — это основа стека агентов Web3 AI, охватывающий все аспекты данных. Он включает в себя источники данных, отслеживание происхождения и проверку подлинности, системы маркировки, инструменты анализа данных для аналитики и исследований, а также решения для хранения различных потребностей в хранении данных.

1. Источники данных. Источники данных представляют собой различные истоки данных в экосистеме.
   • Data DAOs. Data DAOs (ВанаиMasa AI) — это общественные организации, которые способствуют обмену данными и монетизации.
   • Рынков. Платформы (Ocean Protocol и Сахара AI) создают децентрализованный рынок для обмена данными.
   • Конфиденциальные данные. Социальные, финансовые и медицинские данные могут быть анонимизированы и перенесены в сеть, чтобы пользователь мог их монетизировать. Кайто ИИиндексирует социальные данные из X и создает данные о настроениях через их API.
   • Публичные данные. Веб-скрапинг службы Web2 (GateТрава) собирают общедоступные данные, а затем предварительно обрабатывают их в структурированные данные для обучения ИИ.
   • Синтетические данные. Общедоступные данные ограничены, и синтетические данные, основанные на реальных, общедоступных данных, оказались подходящей альтернативой для обучения моделей ИИ. Подмножество синтезаторов Mode — это синтетический набор ценовых данных, созданный для обучения и тестирования моделей ИИ.
   • Оракулы. Оракулы агрегируют данные из оффчейн-источников для подключения к блокчейну через смарт-контракты. Оракулы для ИИ включают в себя Протокол Ora, Chainlinkи Маса А.И.
2. Происхождение. Происхождение данных имеет решающее значение для обеспечения целостности данных, снижения предвзятости и воспроизводимости в ИИ. Происхождение данных отслеживает происхождение данных и записывает их происхождение.
   Web3 предлагает несколько решений для определения происхождения данных, включая запись происхождения и изменений данных в блокчейне с помощью метаданных на основе блокчейна (Ocean Protocol и Filecoin's Project Origin), отслеживание происхождения данных с помощью децентрализованных графов знаний (OriginTrail), а также создание доказательств с нулевым разглашением данных для проверки происхождения данных и аудита (Fact Fortress, Протокол возврата).
3. Маркирование. Маркировка данных традиционно требовала, чтобы люди помечали или маркировали данные для моделей контролируемого обучения. Стимулы в виде токенов могут помочь краудсорсинговым работникам для предварительной обработки данных.
   В Web2 Scale AI имеет годовой доход в размере 1 миллиарда долларов США и включает в себя OpenAI, Anthropic и Cohere в качестве клиентов. В Web3 Протокол для человека а также краудсорсинговая маркировка данных Ocean Protocol и вознаграждение участников меток токенами. Алайя ИИ и Fetch.ai использовать агентов искусственного интеллекта для маркировки данных.
4. Инструменты интеллектуального анализа данных. Инструменты интеллектуального анализа данных — это программные решения, которые анализируют и извлекают аналитические сведения из данных. Они улучшают качество данных, обеспечивают соответствие нормативным требованиям и безопасность, а также повышают производительность моделей ИИ за счет повышения качества данных.
   Компании по блокчейн-аналитике включают в себя Аркхем, Нансени DUNE. Внебиржевые исследования от Мессари и анализ настроений в социальных сетях Kaitoтакже имеют API для потребления моделей искусственного интеллекта.
5. Хранение данных. Система стимулирования токенов позволяет осуществлять децентрализованное, распределенное хранение данных по независимым сетям узлов. Данные обычно шифруются и распространяются по нескольким узлам для обеспечения избыточности и конфиденциальности.
   Filecoinбыл одним из первых проектов распределенного хранения данных, позволяющих людям предлагать свободное пространство на жестком диске для хранения зашифрованных данных в обмен на токены.IPFS(Межпланетная файловая система) создает пиринговую сеть для хранения и обмена данными с использованием уникальных криптографических хэшей.Arweaveразработало постоянное решение для хранения данных, которое компенсирует затраты на хранение наградами за блоки.Storj предлагает API-интерфейсы, совместимые с S3, которые позволяют существующим приложениям легко переключаться из облачного хранилища в децентрализованное.

Вычислить

Слой вычислений предоставляет инфраструктуру обработки, необходимую для выполнения операций искусственного интеллекта. Ресурсы вычислений могут быть разделены на несколько категорий: инфраструктуру обучения для разработки моделей, системы вывода для выполнения моделей и операций агентов, а также краевые вычисления для локальной децентрализованной обработки.

Распределенные вычислительные ресурсы устраняют зависимость от централизованных облачных сетей и повышают безопасность, уменьшают проблему единой точки отказа и позволяют небольшим компаниям, занимающимся искусственным интеллектом, использовать избыточные вычислительные ресурсы.

1. Обучение. Обучение моделей ИИ требует больших вычислительных ресурсов и ресурсов. Децентрализованные учебные вычисления демократизируют разработку ИИ, повышая при этом конфиденциальность и безопасность, поскольку конфиденциальные данные могут обрабатываться локально без централизованного контроля.
BittensorиСеть големовэто децентрализованные рынки для ресурсов по обучению искусственного интеллекта.Akash NetworkиPhalaпредоставить децентрализованные вычислительные ресурсы с TEE.Сеть Renderпереориентировала свою графическую сеть GPU для обеспечения вычислений для задач искусственного интеллекта.

2. Вывод. Вычисления логического вывода относятся к ресурсам, необходимым моделям для создания новых выходных данных или приложениям и агентам ИИ для работы. Приложения реального времени, обрабатывающие большие объемы данных, или агенты, требующие нескольких операций, потребляют большую вычислительную мощность вывода.
Гиперболический, Dfinity, и Гиперпространствоспециально предлагают вычисление вывода. Inference LabsʻsOmron — это торговая площадка для вывода и проверки вычислений на Bittensor. Децентрализованные вычислительные сети, такие как Bittensor, Golem Network, Akash Network, Phala и Render Network, предлагают как обучающие, так и вычислительные ресурсы для вывода.

3.Edge Compute. Edge вычисления включают обработку данных локально на удаленных устройствах, таких как смартфоны, устройства Интернета вещей или локальные серверы. Edge вычисления позволяют обрабатывать данные в реальном времени и сокращают задержку, поскольку модель и данные запускаются локально на одной и той же машине.
Градиентная сетьэто сеть вычислений на краю на Solana. Edge Network, Сеть Thetaи AIOZ Обеспечьте глобальные периферийные вычисления.

Верификация / Конфиденциальность

Уровень верификации и конфиденциальности обеспечивает целостность системы и защиту данных. Механизмы консенсуса, доказательства с нулевым разглашением (ZKP) и TEE используются для проверки обучения, вывода и выходных данных модели. FHE и TEE используются для обеспечения конфиденциальности данных.

1. Проверяемые вычисления. Проверяемые вычисления включают обучение модели и вывод.
Phala и Сеть Atomaсовместите TEE с проверяемым вычислением.Инфериум использует комбинацию ZKP и TEE для проверяемого вывода.

2.Доказательства вывода. Доказательства вывода подтверждают, что выводы модели искусственного интеллекта являются подлинными и не были изменены без раскрытия параметров модели. Доказательства вывода также предоставляют происхождение и важны для доверия решениям агента искусственного интеллекта.
zkML и Сеть Aztecоба имеют системы ZKP, доказывающие целостность вычислительного вывода.Устрица Марлинʻспредоставляет проверяемый вывод искусственного интеллекта через сеть TEEs.

3. Конфиденциальность данных и моделей. FHE и другие криптографические техники позволяют моделям обрабатывать зашифрованные данные, не раскрывая чувствительную информацию. Конфиденциальность данных необходима при работе с личной и чувствительной информацией, а также для сохранения анонимности.
Протокол Oasisпредоставляет конфиденциальные вычисления с помощью TEE и шифрования данных.Partisia Blockchain использует передовое многопартийное вычисление (MPC) для обеспечения конфиденциальности данных искусственного интеллекта.

Координация

Слой координации облегчает взаимодействие между различными компонентами экосистемы Web3 AI. Он включает рынки моделей для распределения, инфраструктуру обучения и настройки, а также сети агентов для взаимодействия и сотрудничества между агентами.

1. Сети моделей. Сети моделей предназначены для совместного использования ресурсов для разработки моделей искусственного интеллекта.

• Большие языковые модели требуют значительного количества вычислительных и данных ресурсов. Сети LLM позволяют разработчикам развертывать специализированные модели.
  Bittensor, Сознательный, и Akash Network предоставляют пользователям вычислительные ресурсы и площадку для создания LLMs на своих сетях.
• Структурированные данные. Структурированные сети данных зависят от настраиваемых, курированных наборов данных.
  Pond AIиспользует графические базовые модели для создания приложений и агентов, использующих данные блокчейна.
• Рынков. Маркетплейсы помогают монетизировать модели, агентов и наборы данных ИИ.
  Ocean Protocolпредоставляет рынок для данных, услуг предварительной обработки данных, моделей и выходов моделей. Fetch AIэто рынок искусственного интеллекта.

2. Обучение / Тонкая настройка. Сети обучения специализируются на распределении и управлении обучающими наборами данных. Сети тонкой настройки сосредоточены на инфраструктурных решениях для улучшения внешних знаний модели через RAGs (Увеличенное извлечение поколений) и API.
Bittensor, Akash Network и Golem Network предлагают обучение и тонкую настройку сетей.

3. Сети агентов. Сети агентов предоставляют два основных сервиса для искусственного интеллекта: 1) инструменты и 2) площадки запуска агентов. Инструменты включают в себя соединения с другими протоколами, стандартизированные пользовательские интерфейсы и взаимодействие с внешними сервисами. Площадки запуска агентов позволяют легко развертывать и управлять искусственными интеллектами.
Теорик использует рои агентов для поддержки торговых решений DeFi. Virtuals — это ведущая стартовая площадка для агентов ИИ на Base. Элиза ОСбыла первой сетью моделей LLM с открытым исходным кодом. Сеть AlpacaиСеть Olas — это платформы агентов искусственного интеллекта, принадлежащие сообществу.

Услуги

Уровень сервисов предоставляет основное промежуточное программное обеспечение и инструменты, необходимые приложениям и агентам ИИ для эффективной работы. Этот уровень включает в себя средства разработки, API для интеграции внешних данных и приложений, системы памяти для сохранения контекста агента, генерацию с добавлением данных (RAG) для расширенного доступа к знаниям и инфраструктуру тестирования.

• Инструменты. Набор утилит или приложений, облегчающих различные функциональные возможности внутри AI агентов:
  • Платежи. Интеграция децентрализованных платежных систем позволяет агентам автономно осуществлять финансовые транзакции, обеспечивая беспрепятственное экономическое взаимодействие в экосистеме Web3.
    Coinbaseʻs AgentKit позволяет агентам ИИ совершать платежи и переводить токены. LangChain и Пейманпредложение отправить и запросить варианты оплаты для агентов.
  • Стартовые площадки. Платформы, которые помогают развертывать и масштабировать агенты ИИ, предоставляя такие ресурсы, как запуск токенов, выбор моделей, API и доступ к инструментам.
    Протокол Virtuals — это ведущая стартовая площадка для агентов ИИ, позволяющая пользователям создавать, развертывать и монетизировать агентов ИИ. Цилиндр и Griffainэто площадки запуска ИИ-агентов на Solana.
  • Авторизация. Механизмы, которые управляют разрешениями и контролем доступа, гарантируя, что агенты работают в определенных границах и поддерживают протоколы безопасности.
    Biconomy предлагает Сеансовые ключи для агентов, чтобы гарантировать, что агенты могут взаимодействовать только со смарт-контрактами из белого списка.
  • Безопасность. Внедрение надежных мер безопасности для защиты агентов от угроз, обеспечения целостности данных, конфиденциальности и устойчивости к атакам.
    Безопасность GoPlusдобавил плагин, который позволяет агентам ElizaOS AI использовать функции безопасности on-chain, предотвращающие мошенничество, рыбалку и подозрительные транзакции на нескольких блокчейнах.
• Интерфейсы прикладного программирования (API). API облегчают безшовную интеграцию внешних данных и услуг в искусственные интеллектуальные агенты. API доступа к данным предоставляют агентам доступ к данным в реальном времени из внешних источников, расширяя их возможности принятия решений. Сервисные API позволяют агентам взаимодействовать с внешними приложениями и услугами, расширяя их функциональность и охват.
  Сеть Datai предоставляет данные блокчейна агентам ИИ через API структурированных данных. Сеть SubQuery предлагает децентрализованные индексаторы данных и конечные точки RPC для агентов и приложений ИИ.
• Расширение с использованием извлечения (RAG) Дополнение. Расширение RAG улучшает доступ агентов к знаниям, объединяя LLM с извлечением внешних данных.
  • Динамическое извлечение информации. Агенты могут получать актуальную информацию из внешних баз данных или Интернета, чтобы предоставлять точные и актуальные ответы.
  • Интеграция знаний. Интеграция полученных данных в процесс генерации позволяет агентам получать более обоснованные и контекстуально релевантные результаты.
• Сеть Atoma предлагает безопасное курирование данных и общедоступные API данных для настраиваемых RAG. ElizaOS и Протокол KIP предлагать плагины агентов для внешних источников данных, таких как X и Farcaster.
• Память. ИИ-агенты требуют системы памяти для сохранения контекста и извлечения уроков из своих взаимодействий. С сохранением контекста агенты поддерживают историю взаимодействий для предоставления согласованных и контекстуально соответствующих ответов. Увеличение объема памяти позволяет агентам сохранять и анализировать прошлые взаимодействия, что может улучшить их производительность и персонализировать пользовательские впечатления со временем.
  ElizaOSпредлагает управление памятью в рамках своей агентской сети.Mem0AI и Unibase AIстроят слой памяти для приложений и агентов искусственного интеллекта.
• Тестирование инфраструктуры. Платформы, разработанные для обеспечения надежности и надежности искусственных интеллектуальных агентов. Агенты могут работать в контролируемых симуляционных средах для оценки производительности в различных сценариях. Тестовые платформы позволяют мониторить производительность и непрерывно оценивать операции агентов для выявления любых проблем.
  Помощник Алхимии с искусственным интеллектом, ЧатВеб3, может тестировать агенты ИИ с помощью сложных запросов и тестов на реализации функций.

Приложений

Прикладной уровень находится в верхней части стека ИИ и представляет решения, ориентированные на конечных пользователей. Сюда входят агенты, которые решают такие сценарии использования, как управление кошельком, безопасность, производительность, прибыль, рынки прогнозов, системы управления и инструменты DeFAI.

• Бумажники. Агенты искусственного интеллекта улучшают кошельки Web3, интерпретируя намерения пользователей и автоматизируя сложные транзакции, тем самым улучшая пользовательский опыт.
  Аппаратный кошелек и FoxWallet использовать агентов искусственного интеллекта для выполнения намерений пользователей на платформах DeFi и в блокчейнах, позволяя пользователям вводить свои намерения через интерфейс в стиле чата. Платформа разработчиков Coinbaseпредлагает искусственным интеллектом агентам MPC кошельки, позволяющие им автономно передавать токены.
• Безопасность. Агенты ИИ отслеживают активность блокчейна для выявления мошеннического поведения и подозрительных транзакций смарт-контрактов.
  ChainAware.aiМошеннический агент ʻs Fraud Detector обеспечивает мониторинг безопасности кошелька в реальном времени и соблюдение нормативов на нескольких блокчейнах. AgentLayerʻs Проверка кошельков Сканирует кошельки на наличие уязвимостей и предлагает рекомендации по повышению безопасности.
• Продуктивность. Агенты искусственного интеллекта помогают автоматизировать задачи, управлять расписаниями и предоставлять интеллектуальные рекомендации для повышения эффективности работы пользователей.
  Мир3 представляет собой no-code платформу для разработки модульных агентов ИИ для таких задач, как управление социальными сетями, запуск токенов Web3 и помощь в исследованиях.
• Игровые. AI-агенты управляют неигровыми персонажами (NPC), которые адаптируются к действиям игроков в реальном времени, улучшая опыт пользователя. Они также могут создавать игровой контент и помогать новым игрокам в изучении игры.
  Арена ИИ использует игроков-людей и имитационное обучение для обучения игровых агентов с искусственным интеллектом. Nim Network — это игровая цепочка с искусственным интеллектом, которая предоставляет идентификаторы агентов и ZKP для проверки агентов в блокчейнах и играх. Game3s.GGразрабатывает агентов, способных навигировать, коучингировать и играть наравне с человеческими игроками.
• Прогнозирование. Искусственные интеллектуальные агенты анализируют данные для предоставления информации и облегчения принятия обоснованных решений для платформ прогнозирования.
  Предсказатель козловэто искусственный интеллект, работающий на сети Ton, который предлагает рекомендации, основанные на данных. СинСтанцияэто предсказательный рынок, принадлежащий сообществу, на Soneium, который использует искусственных интеллектуальных агентов для помощи пользователям в принятии решений.
• Управление. Агенты ИИ упрощают управление децентрализованными автономными организациями (DAO), автоматизируя оценку предложений, проводя проверки температуры в сообществе, обеспечивая голосование без Сивиллы и внедряя политики.
  Сеть SyncAI представляет собой агента искусственного интеллекта, выступающего в качестве децентрализованного представителя системы управления Cardano. Olas предлагает Агент управлениякоторый разрабатывает предложения, голосует и управляет казной DAO. У ElizaOS есть агенткоторый собирает данные из форума DAO и Discord, предоставляя рекомендации по управлению.
• DeFAI Агенты. Агенты могут обменивать токены, определять стратегии генерации дохода, выполнять торговые стратегии и управлять перебалансировкой межцепочек. Агенты менеджера рисков отслеживают активность on-chain для обнаружения подозрительного поведения и вывода ликвидности при необходимости.
  Протокол искусственного интеллекта Theoriqʻs AI Agentразвертывает рой агентов для управления сложными транзакциями DeFi, оптимизации пулов ликвидности и автоматизации стратегий фермерства доходности.Нояэто платформа DeFi, которая использует искусственный интеллект для управления рисками и портфелем.

В совокупности эти приложения способствуют созданию безопасных, прозрачных и децентрализованных экосистем искусственного интеллекта, адаптированных к потребностям Web3.

Вывод

Эволюция от Web2 к системам искусственного интеллекта Web3 представляет собой фундаментальный сдвиг в том, как мы подходим к разработке и развертыванию искусственного интеллекта. В то время как централизованная инфраструктура искусственного интеллекта Web2 способствовала огромным инновациям, она сталкивается с серьезными проблемами в области конфиденциальности данных, прозрачности и централизованного контроля. Стек Web3 AI демонстрирует, как децентрализованные системы могут преодолеть эти ограничения через данные DAO, децентрализованные вычислительные сети и системы доверия без доверия. Возможно, самое важное, токенные стимулы создают новые механизмы координации, которые могут помочь запустить и поддерживать эти децентрализованные сети.

В перспективе восхождение AI-агентов представляет собой следующую фронтальную линию в этой эволюции. Как мы увидим в следующей статье, AI-агенты - от простых задачно-специфических ботов до сложных автономных систем - становятся всё более изощренными и способными. Интеграция этих агентов с инфраструктурой Web3, в сочетании с тщательным рассмотрением технической архитектуры, экономических стимулов и структур управления, имеет потенциал создать более справедливые, прозрачные и эффективные системы, чем это было возможно в эпоху Web2. Понимание того, как работают эти агенты, их различные уровни сложности, а также различие между AI-агентами и действительно агентным AI будет крайне важно для тех, кто работает на пересечении AI и Web3.

Disclaimer:

1. Эта статья перепечатана с [GateFlashbots]. Все авторские права принадлежат оригинальному автору [tesa]. Если есть возражения по поводу этой перепечатки, пожалуйста, свяжитесь с Gate Learnкоманды, и они оперативно разберутся с этим.
2. Отказ от ответственности: Взгляды и мнения, высказанные в этой статье, являются исключительно точкой зрения автора и не являются инвестиционными советами.
3. Команда Gate Learn выполняет переводы статей на другие языки. Копирование, распространение или плагиат переведенных статей запрещены, если не указано иное.