تتطلب تحقيق رؤية DeFai الحقيقية حل مجموعة من المشاكل المعقدة مثل الحد الأقصى لقدرات نماذج الذكاء الاصطناعي الفردية، وضمان الطابع الذري للتفاعل والتعاون متعدد الوسائط، وتنسيق وتوجيه موارد النظام الموحدة متعددة الوسائط، وآليات توافق النظام ومعالجة الأخطاء والأعطال وغيرها الكثير.
تأليف: هاوتيان
عندما أستيقظ من النوم، طلب العديد من الأصدقاء مني أن أشاهد #manus، الذي يدعي أنه وكيل ذكاء اصطناعي عالمي حقيقي يمكنه التفكير المستقل وتخطيط وتنفيذ المهام المعقدة وتقديم النتائج الكاملة. يبدو أنه مذهل للغاية، ولكن بالإضافة إلى أصوات القلق في دوائر الأصدقاء بشأن فقدان الوظائف، ما الذي سيجلبه لانفجار مشهد DeFai في web3؟ فيما يلي، أفكاري:
قبل حوالي شهر ، أطلقت OpenAI منتجًا من نفس الفئة باسم Operator ، حيث يمكن للذكاء الاصطناعي إكمال مهام مثل حجز المطاعم والتسوق وحجز التذاكر وطلب الطعام عبر الإنترنت بشكل مستقل في المتصفح، يمكن للمستخدم مراقبتها بصورة مرئية والتحكم فيها في أي وقت.
لم يكن ظهور وكالة هذه موضوع مناقشة كبير، السبب في ذلك هو أنها تعمل بنموذج واحد، وهي إطار يعتمد على استدعاء الأدوات. عندما يتذكر المستخدم أنه ما زال بحاجة إلى التدخل لاتخاذ القرارات الحاسمة، يفقد الثقة في فكرة الاعتماد على تنفيذ المهام.
- يبدو أن Manus متشابهة على السطح ، ولكن هناك العديد من سيناريوهات التطبيق ، بما في ذلك فحص السير الذاتية ، والبحث عن الأسهم ، وشراء العقارات ، وما إلى ذلك ، ولكن في الواقع ، فإن الإطار ونظام التنفيذ وراء الاختلاف ، Manus مدفوع بنموذج كبير متعدد الوسائط ، ويعتمد بشكل مبتكر نظاما متعدد التوقيعات.
باختصار، يجب على الذكاء الاصطناعي تقليد البشر في تنفيذ دورة PDCA (التخطيط - التنفيذ - التحقق - العمل)، حيث يتعاون العديد من النماذج الكبيرة معًا لإكمال هذه الدورة، حيث يركز كل نموذج على جزء معين، مما يقلل من مخاطر اتخاذ القرارات للنموذج الفردي ويزيد من كفاءة التنفيذ. يُعد نظام التوقيع المتعدد النماذج في الواقع آلية التحقق من القرارات التعاونية بين النماذج المتعددة، مما يضمن موثوقية القرارات والتنفيذ من خلال مطالبة النماذج المتخصصة المتعددة بالتأكيد المشترك.
- عند مقارنة ذلك، يصبح واضحًا أن مانوس لديها ميزة، بالإضافة إلى سلسلة من تجارب العمل التي تم عرضها في الفيديو التوضيحي، مما يمنح الشخص تجربة غير عادية. ومن الناحية الموضوعية، لكن يجب القول إن مانوس ليست سوى بداية للابتكار التعاقبي للمشغل، ولم تصل بعد إلى مستوى الثورة الكاملة.
النقطة الرئيسية هي تعقيد مهام تنفيذها، بالإضافة إلى تعريف معدل تحمل الأخطاء ونجاح تسليم النتائج للنموذج الكبير بعد إدخال مستخدم input Prompt بمعايير غير موحدة. وإلا، هل يمكن لسيناريوهات DeFai في web3 التقدم بسرعة وأن تكون تطبيقات ناضجة؟ على الواضح، لا يمكن القيام بذلك حتى الآن:
مثال: في سيناريو DeFai ، يجب على الوكيل تنفيذ قرارات التداول ، ويجب أن يكون هناك وكيل طبقة Oracle مسؤول عن جمع البيانات والتحقق منها على السلسلة وإجراء تحليلات التكامل البياني ، وأيضًا مراقبة الأسعار على السلسلة بشكلٍ مباشر لاصطياد فرص التداول ، هذه العملية تشكل تحديًا كبيرًا للتحليل الفوري ، ومن الممكن أن يكون هناك فرص تداول كانت مفيدة قبل ثانية واحدة ، وبمجرد نقل النموذج الكبير إلى وكيل تنفيذ التداول بعد ذلك ، فإن فرص التداول لم تعد موجودة (نافذة التلاعب) ؛
كشفت هذه الحقيقة بالفعل عن أكبر نقطة ضعف لهذا النوع من النماذج الكبيرة متعددة الوسائط في اتخاذ القرارات التنفيذية، وهي كيفية الاتصال بشبكة الإنترنت والسلاسل واستدعاء وتحليل البيانات على مستوى Real-Time ، ومن ثم تحليل الفرص التجارية منها، ثم القيام بالتقاط التجارة. بيئة الشبكة مقبولة بالفعل، حيث لا تتغير أسعار الطلبات في كثير من مواقع التجارة الإلكترونية في الوقت الفعلي، مما يجعل من الصعب تسبب توازن ديناميكي هائل للتعاون متعدد الوسائط بأكمله، وإذا كان ذلك على السلسلة، فإن مثل هذا التحدي يكاد يكون موجودًا في كل وقت.
4）لذلك، يمكن أن يثير ظهور manus بشكل عام قلقا في مجال web2 في الدوائر الاجتماعية، بعد كل شيء، قد تواجه العديد من الوظائف ذات التكرار العالي ومعالجة المعلومات خطر الاستبدال بالذكاء الاصطناعي. ولكن دعهم يشعرون بالقلق.
هذا الأمر يجب أن يكون موضوعًا للتقدير الموضوعي لدور web3 في تعزيز سيناريوهات تطبيق DeFai.
يجب الاعتراف: بالتأكيد لها أهمية كبيرة، بعد كل هذا، فإن الفهم المقدم من قبل نظام LLM OS وفلسفة Less Structure more intelligence، خاصة نظام التوقيع المتعدد سيوفر إلهامًا كبيرًا لدمج DeFi و AI في web3.
هذا في الواقع يصحح معظم الأخطاء الكبيرة في مشاريع DeFai ، لا تفكر في الاعتماد على نموذج كبير لتحقيق الهدف المعقد للتفكير + اتخاذ القرار الذاتي لوكيل AI ، هذا ببساطة لا ينطبق على الواقع في السياق المالي.
تحقيق رؤية DeFai الحقيقية يتطلب حل مشاكل معقدة مثل حدود قدرات نماذج AI الفردية، ضمان النواة للتفاعل والتعاون متعدد الوسائط، تنظيم وتوجيه موارد النظام الموحدة لأنظمة متعددة الوسائط، وآليات تحمل الأخطاء ومعالجة الأعطال.
على سبيل المثال: وكيل طبقة Oracle، المسؤول عن جمع البيانات على السلسلة وتحليلها، ومراقبة الأسعار، لتشكيل مصدر بيانات فعال؛
الطبقة القاصرة Agent، استنادا إلى البيانات التي تم تغذيتها من قبل Oracle لتحليل وتقييم المخاطر، ووضع مجموعة من القرارات وخطط العمل؛
العميل التنفيذي Agent، وفقًا للحزم المتعددة التي يقدمها الطبقة القرارية، وينظر في الحالات الفعلية للتنفيذ، بما في ذلك تحسين تكلفة الغاز والحالة العابرة للسلاسل وتعارض ترتيب المعاملات وما إلى ذلك.
إلا إذا كانت هذه السلسلة من وكلاء قوية بشكل متزامن وكان هناك إطار نظام ضخم موجودًا، فإن ثورة DeFai الحقيقية ستندلع.
إخلاء المسؤولية: قد تكون المعلومات الواردة في هذه الصفحة من مصادر خارجية ولا تمثل آراء أو مواقف Gate. المحتوى المعروض في هذه الصفحة هو لأغراض مرجعية فقط ولا يشكّل أي نصيحة مالية أو استثمارية أو قانونية. لا تضمن Gate دقة أو اكتمال المعلومات، ولا تتحمّل أي مسؤولية عن أي خسائر ناتجة عن استخدام هذه المعلومات. تنطوي الاستثمارات في الأصول الافتراضية على مخاطر عالية وتخضع لتقلبات سعرية كبيرة. قد تخسر كامل رأس المال المستثمر. يرجى فهم المخاطر ذات الصلة فهمًا كاملًا واتخاذ قرارات مدروسة بناءً على وضعك المالي وقدرتك على تحمّل المخاطر. للتفاصيل، يرجى الرجوع إلى
إخلاء المسؤولية.
