Nếu AIGC đã mở ra kỷ nguyên thông minh của việc tạo ra nội dung thì AI Agent có cơ hội phát huy hết khả năng của AIGC một cách thực sự.
AI Agent giống như một nhân viên toàn diện cụ thể hơn, được gọi là dạng cơ bản của robot trí tuệ nhân tạo, nó có thể quan sát môi trường xung quanh, đưa ra quyết định và thực hiện các hành động tự động như con người.
Bill Gates từng thẳng thắn nói: Kiểm soát được Tác nhân AI là thành tựu thực sự. Đến lúc đó, bạn sẽ không cần phải đích thân tìm kiếm thông tin trên mạng nữa. Đại lý AI. CEO Microsoft Satya Nadella từng dự đoán AI Agent sẽ trở thành phương thức tương tác chính giữa con người và máy tính, có khả năng hiểu nhu cầu người dùng và chủ động cung cấp dịch vụ. Giáo sư Ng Enda cũng dự đoán rằng trong môi trường làm việc tương lai, con người và Tác nhân AI sẽ hợp tác chặt chẽ hơn để hình thành các mô hình làm việc hiệu quả và nâng cao hiệu suất.
AI Agent không chỉ là sản phẩm của công nghệ mà còn là cốt lõi của lối sống và công việc trong tương lai.
Điều này nhắc nhở chúng ta rằng khi Web3 và blockchain lần đầu tiên gây ra cuộc thảo luận rộng rãi, người ta thường dùng từ “sự gián đoạn” để mô tả tiềm năng của công nghệ này. Nhìn lại vài năm qua, Web3 đã dần phát triển từ ERC-20 ban đầu và zero-know proof đến DeFi, DePIN, GameFi, v.v. được tích hợp với các lĩnh vực khác.
Nếu kết hợp 2 công nghệ số phổ biến là Web3 và AI, liệu có tạo ra hiệu ứng 1+ 1>2? Liệu dự án Web3 AI, với quy mô tài chính ngày càng lớn, có thể mang lại các mô hình trường hợp sử dụng mới cho ngành và tạo ra các nhu cầu thực sự mới không?
Đặc vụ AI: Trợ lý thông minh lý tưởng nhất của nhân loại
Trí tưởng tượng của AI Agent ở đâu? Có một câu trả lời đạt điểm cao được lan truyền rộng rãi trên Internet: Mô hình ngôn ngữ lớn chỉ có thể lập trình được một con rắn tham lam, nhưng Đặc vụ AI có thể lập trình được cả một Vua vinh quang.
Đại lý thường được dịch là cơ thể thông minh ở Trung Quốc. Khái niệm này được Minsky, cha đẻ của trí tuệ nhân tạo, đề xuất trong cuốn sách Xã hội tư duy xuất bản năm 1986. Minsky tin rằng một số cá nhân trong xã hội có thể đưa ra giải pháp cho một vấn đề nhất định sau khi đàm phán. là Đại lý. Trong nhiều năm, Đại lý là nền tảng của sự tương tác giữa con người và máy tính Từ trợ lý chỉnh sửa Clippy của Microsoft đến các đề xuất tự động của Google Docs, các dạng Đại lý ban đầu này đã cho thấy tiềm năng tương tác được cá nhân hóa nhưng khả năng xử lý các tác vụ phức tạp hơn của chúng còn hạn chế. vẫn còn hạn chế. Phải đến khi xuất hiện các mô hình ngôn ngữ lớn (LLM), tiềm năng thực sự của Đại lý mới có thể được khai thác.
Vào tháng 5 năm nay, Giáo sư Andrew Ng, một học giả có uy tín trong lĩnh vực AI, đã chia sẻ bài phát biểu về Tác nhân AI tại sự kiện Sequoia AI ở Hoa Kỳ, trong đó ông trình bày một loạt thí nghiệm do nhóm của ông thực hiện:
Hãy để AI viết một số mã và chạy nó, đồng thời so sánh kết quả từ các LLM và quy trình công việc khác nhau. Kết quả là như sau:
Model GPT-3.5: độ chính xác 48%
Model GPT-4: độ chính xác 67%
GPT-3.5 + Agent: hiệu suất cao hơn mẫu GPT-4
GPT-4 + Agent: cao hơn nhiều so với mẫu GPT-4, rất tốt
thực vậy. Khi hầu hết mọi người sử dụng LLM như ChatGPT, phương pháp thường là: nhập một từ gợi ý và mô hình lớn sẽ ngay lập tức tạo ra câu trả lời mà không tự động xác định và sửa lỗi, xóa và viết lại.
Để so sánh, quy trình làm việc của AI Agent trông như thế này:
Đầu tiên, hãy để LLM viết dàn ý bài viết. Nếu cần, trước tiên hãy tìm kiếm nội dung trên Internet để nghiên cứu và phân tích, xuất bản bản nháp đầu tiên, sau đó đọc bản nháp và suy nghĩ cách tối ưu hóa nó. và cuối cùng cho ra một bài viết logic và chặt chẽ, chất lượng cao với tỷ lệ lỗi thấp nhất.
Chúng ta có thể thấy rằng điểm khác biệt giữa AI Agent và LLM là sự tương tác giữa LLM và con người dựa trên các từ nhắc nhở (prompt). Tác nhân AI chỉ cần đặt mục tiêu và có thể suy nghĩ độc lập và hành động theo mục tiêu. Hãy chia nhỏ từng bước của kế hoạch một cách chi tiết dựa trên nhiệm vụ được giao, đồng thời dựa vào phản hồi từ thế giới bên ngoài và tư duy độc lập để tạo ra những lời nhắc nhở giúp bản thân đạt được mục tiêu.
Do đó, định nghĩa của OpenAI về AI Agent là: một hệ thống được điều khiển bởi LLM như bộ não, có khả năng tự động hiểu nhận thức, lập kế hoạch, ghi nhớ và sử dụng các công cụ, đồng thời có thể tự động thực hiện các tác vụ phức tạp.
Khi AI thay đổi từ một công cụ đang được sử dụng sang chủ thể có thể sử dụng công cụ đó, nó sẽ trở thành Tác nhân AI. Đây là lý do tại sao AI Agent có thể trở thành trợ lý thông minh lý tưởng nhất cho con người. Ví dụ: Tác nhân AI có thể hiểu và ghi nhớ sở thích, sở thích và thói quen hàng ngày của người dùng dựa trên lịch sử tương tác trực tuyến của người dùng, xác định ý định của người dùng, chủ động đưa ra đề xuất và điều phối nhiều ứng dụng để hoàn thành nhiệm vụ.
Giống như tầm nhìn của Gates, trong tương lai, chúng ta không cần phải chuyển sang các ứng dụng khác nhau cho các tác vụ khác nhau nữa. Chúng ta chỉ cần sử dụng ngôn ngữ thông thường để nói với máy tính và điện thoại di động những gì chúng ta muốn làm dựa trên dữ liệu mà người dùng sẵn lòng. để chia sẻ, AI Agent sẽ cung cấp phản hồi được cá nhân hóa.
Kỳ lân một người đang trở thành hiện thực
AI Agent cũng có thể giúp doanh nghiệp tạo ra một mô hình hoạt động thông minh mới với cốt lõi là “sự cộng tác giữa con người và máy móc”. Ngày càng có nhiều hoạt động kinh doanh sẽ được hoàn thiện bởi AI, trong khi con người chỉ cần tập trung vào tầm nhìn, chiến lược và các quyết định quan trọng của công ty.
Đúng như CEO OpenAI Sam Altman từng đề cập đến điểm thuyết phục như vậy trong một cuộc phỏng vấn, với sự phát triển của AI, chúng ta sắp bước vào kỷ nguyên “kỳ lân một người”, tức là những công ty do một người thành lập và đạt 1 tỷ người. Công ty được định giá bằng đô la Mỹ.
Nghe có vẻ viển vông nhưng với sự trợ giúp của AI Agent, quan điểm này đang trở thành hiện thực.
Giả sử chúng ta muốn khởi nghiệp về công nghệ. Theo cách tiếp cận truyền thống, rõ ràng là tôi sẽ cần thuê các kỹ sư phần mềm, quản lý sản phẩm, nhà thiết kế, nhân viên tiếp thị, nhân viên bán hàng và tài chính, tất cả đều làm công việc riêng của họ nhưng do tôi điều phối.
Vì vậy, nếu tôi sử dụng AI Agent, tôi thậm chí có thể không cần thuê nhân viên.
Devin - Lập trình tự động hóa
Thay vì kỹ sư phần mềm, tôi có thể sử dụng Devin, một kỹ sư phần mềm AI đã trở nên phổ biến trong năm nay. Nó có thể giúp tôi hoàn thành tất cả công việc front-end và back-end.
Devin được phát triển bởi Cognition Labs và được mệnh danh là kỹ sư phần mềm AI đầu tiên trên thế giới. Nó có thể hoàn thành toàn bộ công việc phát triển phần mềm một cách độc lập, phân tích vấn đề, đưa ra quyết định, viết mã và sửa lỗi một cách độc lập, tất cả đều có thể được thực thi độc lập. Điều này làm giảm đáng kể khối lượng công việc của các nhà phát triển. Devin đã nhận được khoản tài trợ 196 triệu USD chỉ trong sáu tháng và giá trị của nó nhanh chóng tăng vọt lên hàng tỷ USD. Các nhà đầu tư bao gồm các công ty đầu tư mạo hiểm nổi tiếng như Founders Fund và Khosla Ventures.
Mặc dù Devin chưa tung ra phiên bản công khai nhưng chúng ta có thể thấy được tiềm năng từ Cursor, một sản phẩm Web2 phổ biến khác gần đây. Nó thực hiện hầu hết mọi công việc cho bạn, biến một ý tưởng đơn giản thành mã chức năng trong vài phút. Bạn chỉ cần ra lệnh và ngồi lại và tận hưởng kết quả. Có báo cáo cho rằng một đứa trẻ tám tuổi đã sử dụng Con trỏ để hoàn thành công việc viết mã và xây dựng một trang web mà không có bất kỳ kinh nghiệm lập trình nào.
Hebbia — xử lý tập tin
Thay vì người quản lý sản phẩm hoặc nhân viên tài chính, tôi có thể chọn Hebbia, nơi có thể giúp tôi sắp xếp và phân tích tất cả tài liệu.
Không giống như Glean, tập trung vào tìm kiếm tài liệu trong doanh nghiệp, Hebbia Matrix là nền tảng AI Agent cấp doanh nghiệp sử dụng nhiều mô hình AI để giúp người dùng trích xuất, cấu trúc và phân tích dữ liệu và tài liệu một cách hiệu quả, từ đó thúc đẩy cải thiện năng suất của doanh nghiệp . Thật ấn tượng khi Matrix có thể xử lý hàng triệu tài liệu cùng một lúc.
Hebbia đã hoàn thành vòng Series B trị giá 130 triệu USD vào tháng 7 năm nay, dẫn đầu bởi a16z, với sự tham gia của các nhà đầu tư nổi tiếng như Google Ventures và Peter Thiel.
Jasper AI - tạo nội dung
Thay vì các nhà thiết kế và điều hành mạng xã hội, tôi có thể chọn Jasper AI, công cụ có thể giúp tôi tạo nội dung.
Jasper AI là trợ lý viết văn của AI Agent được thiết kế để giúp người sáng tạo, nhà tiếp thị và doanh nghiệp hợp lý hóa quy trình tạo nội dung, đồng thời cải thiện năng suất và hiệu quả sáng tạo. Jasper AI có thể tạo ra nhiều loại nội dung dựa trên phong cách mà người dùng yêu cầu, bao gồm bài đăng trên blog, bài đăng trên mạng xã hội, bản sao quảng cáo, mô tả sản phẩm, v.v. Và tạo hình ảnh dựa trên mô tả của người dùng để cung cấp hỗ trợ trực quan cho nội dung văn bản.
Jasper AI đã huy động được 125 triệu USD tài trợ và đạt mức định giá 1,5 tỷ USD vào năm 2022. Theo thống kê, Jasper AI đã giúp người dùng tạo ra hơn 500 triệu từ, khiến nó trở thành một trong những công cụ viết AI được sử dụng rộng rãi nhất.
MultiOn - Tự động hóa trang web
Thay vì trợ lý, tôi có thể chọn MultiOn để giúp tôi quản lý công việc hàng ngày, sắp xếp lịch trình, đặt lời nhắc và thậm chí lên kế hoạch cho chuyến công tác, tự động đặt khách sạn và tự động sắp xếp dịch vụ gọi xe trực tuyến.
MultiOn là tác nhân AI tác vụ mạng tự động, có thể giúp thực hiện các tác vụ một cách tự động trong mọi môi trường kỹ thuật số, chẳng hạn như giúp người dùng hoàn thành các tác vụ cá nhân như mua sắm trực tuyến và đặt lịch hẹn, nâng cao hiệu quả cá nhân hoặc giúp người dùng đơn giản hóa công việc hàng ngày và nâng cao hiệu quả công việc.
Lúng túng - tìm kiếm, nghiên cứu
Thay vì làm nhà nghiên cứu, có lẽ tôi sẽ chọn Perplexity, thứ mà CEO của NVIDIA sử dụng hàng ngày.
Perplexity là một công cụ tìm kiếm AI có thể hiểu các câu hỏi của người dùng, phân tích chúng, sau đó tìm kiếm và tích hợp nội dung, đồng thời tạo báo cáo để cung cấp cho người dùng câu trả lời rõ ràng.
Perplexity phù hợp với nhiều nhóm người dùng khác nhau. Ví dụ: sinh viên và nhà nghiên cứu có thể đơn giản hóa quá trình truy xuất thông tin khi viết và nâng cao hiệu quả mà các nhà tiếp thị có thể thu được dữ liệu đáng tin cậy để hỗ trợ các chiến lược tiếp thị.
Nội dung trên chỉ là tưởng tượng. Năng lực và trình độ thực sự của các Đặc vụ AI này vẫn chưa đủ để thay thế những nhân tài ưu tú ở mọi tầng lớp xã hội. Như Li Bojie, người đồng sáng lập Logenic AI, cho biết, khả năng hiện tại của LLM chỉ ở mức đầu vào và còn xa mới đạt đến trình độ chuyên gia. Đặc vụ AI hiện tại giống một nhân viên làm việc nhanh chóng nhưng không đáng tin cậy lắm.
Tuy nhiên, với chuyên môn tương ứng của mình, các Tác nhân AI này đang giúp người dùng hiện tại nâng cao hiệu quả và sự thuận tiện trong các tình huống khác nhau.
Không chỉ các công ty công nghệ, mọi tầng lớp xã hội đều có thể hưởng lợi từ làn sóng Đại lý AI. Trong lĩnh vực giáo dục, AI Agent có thể cung cấp tài nguyên học tập và dạy kèm được cá nhân hóa dựa trên tiến độ học tập, sở thích và khả năng của học sinh trong lĩnh vực tài chính, AI Agent có thể giúp người dùng quản lý tài chính cá nhân, đưa ra lời khuyên đầu tư và thậm chí dự đoán xu hướng chứng khoán; ; trong lĩnh vực y tế, AI Agent có thể giúp bác sĩ chẩn đoán bệnh và xây dựng kế hoạch điều trị; trong lĩnh vực thương mại điện tử, AI Agent cũng có thể đóng vai trò là dịch vụ khách hàng thông minh, tự động trả lời các câu hỏi của người dùng, xử lý các vấn đề về đơn hàng và trả lại yêu cầu thông qua ngôn ngữ tự nhiên. Cải thiện hiệu quả dịch vụ khách hàng.
Multi-Agent: Bước tiếp theo cho AI Agent
Trong ý tưởng của phần trước về công ty kỳ lân một người, một Tác nhân AI duy nhất phải đối mặt với những hạn chế khi xử lý các nhiệm vụ phức tạp và khó đáp ứng nhu cầu thực tế. Khi sử dụng nhiều Tác nhân AI, vì các Tác nhân AI này dựa trên LLM không đồng nhất nên việc ra quyết định tập thể rất khó khăn và khả năng của chúng bị hạn chế, do đó con người bắt buộc phải đóng vai trò là người lập lịch trình giữa các Tác nhân AI độc lập này để điều phối các Tác nhân AI này phục vụ các kịch bản ứng dụng khác nhau Đi làm. Điều này đã dẫn đến sự phát triển của Đa tác nhân (khuôn khổ đa tác nhân).
Các vấn đề phức tạp thường đòi hỏi sự tích hợp của nhiều khía cạnh kiến thức và kỹ năng và một Tác nhân AI duy nhất có khả năng hạn chế và khó xử lý. Bằng cách kết hợp một cách hữu cơ các Tác nhân AI với các khả năng khác nhau, hệ thống Đa tác nhân cho phép các Tác nhân AI tận dụng thế mạnh tương ứng của mình và học hỏi từ điểm mạnh của nhau để giải quyết các vấn đề phức tạp hiệu quả hơn.
Điều này rất giống với quy trình làm việc hoặc cơ cấu tổ chức thực tế của chúng ta: người lãnh đạo giao nhiệm vụ và những người có khả năng khác nhau chịu trách nhiệm về các nhiệm vụ khác nhau. Kết quả của mỗi quy trình sẽ được chuyển cho quy trình tiếp theo và cuối cùng là kết quả nhiệm vụ cuối cùng. .
Trong quá trình triển khai, Tác nhân AI cấp thấp hơn thực hiện các nhiệm vụ tương ứng của mình, trong khi Tác nhân AI cấp cao hơn giao nhiệm vụ và giám sát việc hoàn thành chúng.
Multi-Agent cũng có thể mô phỏng quá trình ra quyết định của con người. Giống như khi chúng ta gặp vấn đề, chúng ta sẽ tìm kiếm lời khuyên từ người khác. Nhiều AI cũng có thể mô phỏng hành vi ra quyết định tập thể và cung cấp cho chúng ta thông tin hỗ trợ tốt hơn. Ví dụ: AutoGen do Microsoft phát triển đáp ứng được điểm này:
Khả năng tạo Đại lý AI với các vai trò khác nhau. Các Tác nhân AI này có khả năng đàm thoại cơ bản và có thể tạo phản hồi dựa trên tin nhắn nhận được.
Sử dụng GroupChat để tạo môi trường trò chuyện nhóm có nhiều Tác nhân AI tham gia. Trong GroupChat này, có một Tác nhân AI có vai trò quản trị viên để quản lý các bản ghi trò chuyện, thứ tự diễn giả, chấm dứt lời nói, v.v. của các Tác nhân AI khác.
Nếu áp dụng cho ý tưởng về một công ty kỳ lân một người, chúng ta có thể tạo ra một số Tác nhân AI với các vai trò khác nhau thông qua kiến trúc Đa tác nhân, chẳng hạn như người quản lý dự án, lập trình viên hoặc người giám sát. Nói cho họ biết mục tiêu của chúng ta và để họ tìm ra cách thực hiện. Chúng ta chỉ cần nghe báo cáo. Nếu cảm thấy mình có ý kiến phản đối hoặc nếu họ làm sai điều gì thì hãy để họ thay đổi cho đến khi chúng ta hài lòng.
So với một Tác nhân AI duy nhất, Multi-Agent có thể đạt được:
Khả năng mở rộng: Bằng cách tăng số lượng Tác nhân AI để xử lý các vấn đề quy mô lớn hơn, mỗi Tác nhân AI xử lý một phần nhiệm vụ, cho phép hệ thống mở rộng khi nhu cầu tăng lên.
Tính song song: Hỗ trợ xử lý song song một cách tự nhiên, nhiều Tác nhân AI có thể làm việc trên các phần khác nhau của vấn đề cùng một lúc, do đó đẩy nhanh quá trình giải quyết vấn đề.
Cải thiện quyết định: Nâng cao khả năng ra quyết định bằng cách tổng hợp thông tin chi tiết từ nhiều Tác nhân AI, mỗi tác nhân có quan điểm và kiến thức chuyên môn riêng.
Khi công nghệ AI tiếp tục phát triển, có thể hình dung rằng khung Multi-Agent sẽ đóng vai trò lớn hơn trong nhiều ngành hơn và thúc đẩy sự phát triển của nhiều giải pháp mới dựa trên AI.
Làn gió AI Agent thổi về phía Web3
Bước ra khỏi phòng thí nghiệm, AI Agent và Multi-Agent còn một chặng đường dài phía trước.
Bất kể Multi-Agent ở thời điểm hiện tại, ngay cả AI Agent đơn lẻ tiên tiến nhất hiện cũng có giới hạn trên rõ ràng về tài nguyên tính toán và sức mạnh tính toán mà nó yêu cầu ở cấp độ vật lý và không thể mở rộng vô hạn. Một khi phải đối mặt với các nhiệm vụ cực kỳ phức tạp và đòi hỏi nhiều tính toán, Tác nhân AI chắc chắn sẽ gặp phải tình trạng thắt cổ chai về năng lực tính toán và hiệu suất của nó sẽ bị giảm đi rất nhiều.
Hơn nữa, hệ thống AI Agent và Multi-Agent về cơ bản là một mô hình kiến trúc tập trung , xác định rằng chúng có nguy cơ xảy ra lỗi đơn lẻ rất cao. Quan trọng hơn, các mô hình kinh doanh độc quyền của OpenAI, Microsoft, Google và các công ty khác dựa trên các mô hình lớn nguồn đóng đe dọa nghiêm trọng đến môi trường sinh tồn của các công ty khởi nghiệp Đại lý AI độc lập và đơn lẻ, khiến Đại lý AI không thể sử dụng thành công dữ liệu riêng tư khổng lồ của công ty để làm cho họ trở nên thông minh hơn và hiệu quả hơn. Cần có một môi trường cộng tác dân chủ giữa các Tác nhân AI để các Tác nhân AI thực sự có giá trị có thể phục vụ nhiều người có nhu cầu hơn và tạo ra giá trị lớn hơn cho xã hội.
Cuối cùng, mặc dù Tác nhân AI gần với ngành hơn LLM, nhưng sự phát triển của nó dựa trên LLM. Tuy nhiên, xu hướng mô hình lớn hiện nay có đặc điểm là ngưỡng kỹ thuật cao, đầu tư vốn lớn và các mô hình kinh doanh chưa trưởng thành thường khó có được. Tài trợ để tiếp tục cập nhật và lặp lại.
Mô hình Đa tác nhân là một góc độ tuyệt vời để Web3 hỗ trợ AI. Nhiều nhóm phát triển Web3 đã đầu tư vào nghiên cứu và phát triển để cung cấp giải pháp trong các lĩnh vực này.
Các hệ thống AI Agent và Multi-Agent thường yêu cầu lượng lớn tài nguyên máy tính để thực hiện các nhiệm vụ xử lý và ra quyết định phức tạp. Web3 có thể xây dựng một thị trường sức mạnh tính toán phi tập trung thông qua chuỗi khối và công nghệ phi tập trung, để các nguồn sức mạnh tính toán có thể được phân phối và sử dụng một cách công bằng và hiệu quả hơn trên quy mô toàn cầu. Các dự án Web3 như Akash, Nosana, Aethir và IO.net có thể cung cấp khả năng tính toán cho việc ra quyết định và suy luận của Tác nhân AI.
Các hệ thống AI truyền thống thường được quản lý theo cách tập trung, khiến các Tác nhân AI phải đối mặt với một số điểm lỗi và các vấn đề về quyền riêng tư dữ liệu. Bản chất phi tập trung của Web3 có thể làm cho hệ thống Đa tác nhân trở nên phi tập trung và tự chủ hơn. Mỗi Tác nhân AI có thể chạy độc lập trên các nền tảng khác nhau. Trên máy chủ, các yêu cầu do người dùng đưa ra sẽ được thực thi một cách tự động, giúp tăng cường tính mạnh mẽ và bảo mật. Việc thiết lập các cơ chế khuyến khích và trừng phạt đối với những người cầm cố và ủy quyền thông qua PoS, DPoS và các cơ chế khác có thể thúc đẩy quá trình dân chủ hóa các hệ thống Đại lý AI hoặc Đa tác nhân đơn lẻ.
Về vấn đề này, GaiaNet, Theoriq, PIN AI và HajimeAI đều có những nỗ lực rất tiên tiến.
Theoriq là một dự án phục vụ AI cho Web3. Nó hy vọng sẽ thiết lập một hệ thống gọi điện và kinh tế cho các Đại lý AI thông qua Giao thức Agentic, phổ biến sự phát triển của Web3 và nhiều kịch bản chức năng, đồng thời cung cấp khả năng suy luận mô hình có thể kiểm chứng cho các ứng dụng Web3.
GaiaNet là môi trường triển khai và tạo Tác nhân AI dựa trên nút, với điểm khởi đầu là bảo vệ quyền sở hữu trí tuệ và quyền riêng tư dữ liệu của các chuyên gia và người dùng, để cạnh tranh với OpenAI GPT Store tập trung.
Dựa trên cả hai, HajimeAI tập trung vào việc thiết lập quy trình làm việc của Tác nhân AI dựa trên nhu cầu thực tế cũng như trí thông minh và tự động hóa của chính mục đích đó, lặp lại việc “cá nhân hóa trí thông minh AI” mà PIN AI đã đề cập.
Đồng thời, Modulus Labs và ORA Protocol đã đạt được tiến bộ tương ứng theo hướng thuật toán zkML và opML của AI Agent.
Cuối cùng, việc phát triển và lặp lại các hệ thống Tác nhân AI và Đa tác nhân thường yêu cầu một lượng lớn hỗ trợ tài chính và Web3 có thể giúp các dự án Tác nhân AI tiềm năng nhận được sự hỗ trợ sớm có giá trị thông qua tính năng thanh khoản được tải trước.
Cả Spectral và HajimeAI đều đề xuất các khái niệm sản phẩm hỗ trợ phát hành tài sản Đại lý AI trên chuỗi: bằng cách phát hành mã thông báo thông qua IAO (Cung cấp đại lý ban đầu), Đại lý AI có thể trực tiếp nhận tiền từ các nhà đầu tư, đồng thời trở thành thành viên của DAO quản trị, mang đến cho các nhà đầu tư Cơ hội tham gia phát triển dự án và chia sẻ lợi nhuận trong tương lai. Trong số đó, Benchmark DAO của HajimeAI hy vọng sẽ kết hợp một cách hữu cơ việc chấm điểm Đại lý AI phi tập trung và phát hành tài sản Đại lý AI thông qua huy động vốn từ cộng đồng và khuyến khích mã thông báo để tạo ra một vòng khép kín của Đại lý AI dựa vào nguồn tài trợ của Web3 và khởi động nguội, đây cũng là một nỗ lực tương đối mới.
Chiếc hộp Pandora của AI đã được mở, mọi người trong đó vừa phấn khích vừa bối rối. Không ai biết cơn sốt là cơ hội hay một rạn san hô ẩn giấu. Ngày nay, mọi tầng lớp xã hội không còn ở thời đại tài trợ PPT nữa, cho dù công nghệ có tiên tiến đến đâu thì giá trị chỉ có thể được hiện thực hóa khi nó được triển khai. Tương lai của AI Agent được định sẵn là một cuộc chạy marathon dài và Web3 đảm bảo rằng nó sẽ không lụi tàn trong cuộc đua này.
