Tác giả: Azi.eth.sol |
Biên soạn bởi: TechFlow TechFlow
Trí tuệ nhân tạo và công nghệ blockchain là hai thế lực mạnh mẽ đang thay đổi thế giới. AI tăng cường trí thông minh của con người thông qua học máy và mạng lưới thần kinh, trong khi blockchain mang lại sự khan hiếm kỹ thuật số có thể kiểm chứng và những cách cộng tác mới không cần tin cậy. Khi hai công nghệ này hội tụ, chúng đặt nền tảng cho thế hệ Internet mới—kỷ nguyên của các tác nhân tự trị tương tác với các hệ thống phi tập trung. “Mạng đại lý” này giới thiệu một lớp cư dân kỹ thuật số mới: đại lý AI, có khả năng điều hướng, đàm phán và giao dịch tự động. Sự chuyển đổi này phân phối lại quyền lực trong thế giới kỹ thuật số, đưa các cá nhân trở lại quyền kiểm soát dữ liệu của chính họ đồng thời thúc đẩy sự hợp tác chưa từng có giữa con người và trí tuệ nhân tạo.
Sự phát triển của web
Để hiểu tương lai đang hướng tới đâu, chúng ta cần xem lại sự phát triển của mạng và các giai đoạn chính của nó, mỗi giai đoạn có khả năng và mô hình kiến trúc riêng:
Hai thế hệ mạng đầu tiên tập trung chủ yếu vào việc phổ biến thông tin, trong khi hai thế hệ sau tập trung vào việc nâng cao thông tin. Web 3.0 cho phép sở hữu dữ liệu thông qua mã thông báo, trong khi Web 4.0 trao quyền thông minh thông qua các mô hình ngôn ngữ lớn (LLM).
Từ LLM đến đại lý: một sự phát triển tự nhiên
Các mô hình ngôn ngữ lớn đã tạo ra một bước nhảy vọt về trí tuệ máy móc khi các hệ thống khớp mẫu động có thể chuyển đổi lượng kiến thức khổng lồ thành hiểu biết theo ngữ cảnh thông qua các phép tính xác suất. Tuy nhiên, tiềm năng thực sự của chúng sẽ được giải phóng khi những mô hình này được thiết kế thành tác nhân thông minh—tiến hóa từ bộ xử lý thông tin đơn thuần thành các thực thể hướng đến mục tiêu có khả năng cảm nhận, lý luận và hành động. Sự thay đổi này tạo ra một trí tuệ mới nổi có khả năng cộng tác bền vững và có ý nghĩa thông qua ngôn ngữ và hành động.
Khái niệm “tác nhân” mang đến một góc nhìn mới về tương tác giữa người và máy tính, vượt qua những hạn chế và ấn tượng tiêu cực của chatbot truyền thống. Đây không chỉ là sự thay đổi về thuật ngữ mà còn là một tư duy mới về cách các hệ thống AI có thể hoạt động tự chủ và hợp tác hiệu quả với con người. Quy trình làm việc của tổng đài viên có thể hình thành thị trường xung quanh nhu cầu cụ thể của người dùng.
Mạng lưới tác nhân không chỉ bổ sung thêm một lớp trí thông minh mà còn thay đổi căn bản cách chúng ta tương tác với các hệ thống kỹ thuật số. Trong khi các mạng trước đây dựa vào giao diện tĩnh và đường dẫn người dùng đặt trước, thì mạng đại lý giới thiệu kiến trúc thời gian chạy động cho phép tính toán và giao diện thích ứng với nhu cầu và ý định của người dùng trong thời gian thực.
Các trang web truyền thống là đơn vị cơ bản của Internet hiện tại, cung cấp giao diện cố định mà qua đó người dùng có thể đọc, viết và tương tác với thông tin thông qua các đường dẫn đặt trước. Mặc dù mô hình này có hiệu quả nhưng nó giới hạn người dùng trong các giao diện được thiết kế cho các tình huống chung hơn là nhu cầu cá nhân. Mạng tác nhân vượt qua những hạn chế này thông qua điện toán nhận biết ngữ cảnh, tạo giao diện thích ứng và truy xuất thông tin theo thời gian thực được hỗ trợ bởi các công nghệ như RAG.
Hãy xem xét cách TikTok đang thay đổi cách tiêu thụ nội dung thông qua luồng nội dung được cá nhân hóa, điều chỉnh theo sở thích của người dùng trong thời gian thực. Mạng đại lý mở rộng ý tưởng này cho toàn bộ việc tạo giao diện. Thay vì duyệt các bố cục trang web cố định, người dùng tương tác với các giao diện được tạo động để dự đoán và hướng dẫn người dùng các bước tiếp theo. Sự chuyển đổi từ trang web tĩnh sang giao diện động, do tác nhân điều khiển này đánh dấu một bước phát triển cơ bản trong cách chúng ta tương tác với các hệ thống kỹ thuật số—từ mô hình dựa trên điều hướng sang mô hình tương tác dựa trên mục đích.
Thành phần của tác nhân thông minh
Kiến trúc tác nhân là một lĩnh vực được các nhà nghiên cứu và phát triển tích cực khám phá. Để nâng cao khả năng suy luận và giải quyết vấn đề của tác nhân, phương pháp mới không ngừng xuất hiện. Ví dụ: các công nghệ Chuỗi tư duy (CoT), Cây tư duy (ToT) và Đồ thị tư duy (GoT) cải thiện các mô hình ngôn ngữ lớn (LLM) bằng cách mô phỏng các quá trình nhận thức chi tiết hơn và giống con người hơn). trong việc xử lý nhiệm vụ phức tạp.
Gợi ý Chuỗi tư duy (CoT) giúp các mô hình ngôn ngữ lớn thực hiện lý luận logic bằng cách chia nhiệm vụ phức tạp thành các bước nhỏ hơn. Phương pháp này đặc biệt hữu ích cho các vấn đề suy luận logic, chẳng hạn như viết tập lệnh Python hoặc giải các phương trình toán học.
Tree-of-Thoughts (ToT) thêm cấu trúc cây vào CoT, cho phép khám phá nhiều lối suy nghĩ độc lập. Cải tiến này cho phép LLM xử lý được nhiệm vụ phức tạp hơn. Trong ToT, mỗi “suy nghĩ” chỉ được kết nối với những suy nghĩ liền kề trước và sau nó, tuy linh hoạt hơn CoT nhưng nó vẫn hạn chế sự giao tiếp giữa các suy nghĩ.
Đồ thị tư duy (GoT) mở rộng khái niệm này hơn nữa, kết hợp các cấu trúc dữ liệu cổ điển với LLM, cho phép bất kỳ "suy nghĩ" nào được kết nối với các suy nghĩ khác trong cấu trúc biểu đồ. Mạng lưới tư duy liên kết này gần gũi hơn với phong cách nhận thức của con người.
Cấu trúc biểu đồ của GoT phản ánh chính xác hơn suy nghĩ của con người so với CoT hoặc ToT trong hầu hết các trường hợp. Mặc dù trong một số trường hợp, chẳng hạn như khi xây dựng kế hoạch dự phòng hoặc quy trình vận hành tiêu chuẩn, mô hình tinh thần của chúng ta có thể giống Chuỗi hoặc một cái cây, nhưng đây là những trường hợp cá biệt. Suy nghĩ của con người thường mở rộng các ý tưởng khác nhau hơn là theo thứ tự tuyến tính, do đó nó phù hợp hơn với việc biểu diễn các cấu trúc đồ thị.
Phương pháp đồ họa của GoT giúp việc khám phá các ý tưởng trở nên năng động và linh hoạt hơn, điều này có thể khiến các mô hình ngôn ngữ lớn (LLM) trở nên sáng tạo và toàn diện hơn trong việc giải quyết vấn đề. cái này
Các hoạt động dựa trên biểu đồ đệ quy này chỉ là một bước hướng tới quy trình làm việc của tổng đài viên. Sự phát triển tiếp theo là phối hợp nhiều tác nhân có chuyên môn cụ thể để đạt được các mục tiêu cụ thể. Sức mạnh của các tác nhân nằm ở khả năng kết hợp của chúng.
Tác nhân cho phép LLM đạt được mô-đun và song song hóa thông qua sự phối hợp của nhiều tác nhân.
hệ thống đa tác nhân
Khái niệm hệ thống đa tác nhân có lịch sử lâu dài. Nó quay trở lại lý thuyết "xã hội tâm trí" của Marvin Minsky, trong đó cho rằng rằng nhiều bộ óc mô-đun hợp tác nhiều hơn một bộ óc nguyên khối duy nhất. ChatGPT và Claude là những đặc vụ đơn lẻ, trong khi Mistral khái quát hóa sự kết hợp của các chuyên gia. Chúng tôi tin rằng mở rộng khái niệm này sang kiến trúc mạng tác nhân là hình thức cuối cùng của cấu trúc liên kết thông minh này.
Từ góc độ sinh học, bộ não con người (thực ra là một cỗ máy có ý thức) thể hiện sự không đồng nhất lớn ở cấp độ cơ quan và tế bào, không giống như các mô hình AI nơi hàng tỷ tế bào thần kinh giống hệt nhau được thống nhất và có thể dự đoán được. Các tế bào thần kinh giao tiếp thông qua các tín hiệu phức tạp liên quan đến độ dốc của chất dẫn truyền thần kinh, dòng nội bào và các hệ thống điều hòa khác nhau, khiến chức năng của chúng phức tạp hơn nhiều so với các trạng thái nhị phân đơn giản.
Điều này cho thấy trong sinh học, trí thông minh không chỉ phụ thuộc vào số lượng thành phần hay kích thước của tập dữ liệu huấn luyện. Đúng hơn, nó phát sinh từ sự tương tác phức tạp giữa các đơn vị đa dạng và chuyên biệt, một quá trình vốn mang tính chất tương tự. Do đó, việc phát triển hàng triệu mô hình nhỏ và điều phối sự hợp tác của chúng có nhiều khả năng dẫn đến những đổi mới trong kiến trúc nhận thức, tương tự như các hệ thống đa tác nhân, hơn là chỉ dựa vào một vài mô hình lớn.
Thiết kế hệ thống đa tác nhân có một số ưu điểm so với hệ thống một tác nhân: chúng dễ bảo trì hơn, dễ hiểu hơn và dễ mở rộng. Ngay cả khi chỉ cần một giao diện tác nhân duy nhất, việc đặt nó vào khung đa tác nhân có thể tăng mô-đun của hệ thống và đơn giản hóa quy trình để các nhà phát triển thêm hoặc xóa các thành phần khi cần. Đáng chú ý, kiến trúc đa tác nhân thậm chí có thể là một phương pháp hiệu quả để xây dựng các hệ thống một tác nhân.
Mặc dù các mô hình ngôn ngữ lớn (LLM) thể hiện những khả năng vượt trội như tạo văn bản giống con người, giải quyết các vấn đề phức tạp và xử lý nhiều nhiệm vụ, một tác nhân LLM duy nhất có thể bị hạn chế trong các ứng dụng thực tế.
Dưới đây, chúng tôi khám phá năm thách thức chính liên quan đến hệ thống đại lý
Giảm ảo giác thông qua xác thực chéo: Một tác nhân LLM thường có thể tạo ra thông tin sai lệch hoặc vô nghĩa, ngay cả sau khi được đào tạo lượng lớn, vì kết quả đầu ra có thể hợp lý nhưng thiếu cơ sở thực tế. Hệ thống đa tác nhân có thể giảm rủi ro lỗi bằng cách xác thực chéo thông tin và các tác nhân chuyên biệt trong các lĩnh vực khác nhau có thể cung cấp câu trả lời chính xác và đáng tin cậy hơn.
Mở rộng cửa sổ ngữ cảnh bằng xử lý phân tán : LLM có cửa sổ ngữ cảnh hạn chế, gây khó khăn cho việc xử lý các tài liệu hoặc cuộc hội thoại dài. Trong khung đa tác nhân, các tác nhân có thể chia sẻ nhiệm vụ xử lý và mỗi tác nhân chịu trách nhiệm về một phần của bối cảnh. Bằng cách giao tiếp với nhau, các tác nhân có thể duy trì sự mạch lạc trong suốt văn bản, mở rộng cửa sổ ngữ cảnh một cách hiệu quả.
Xử lý song song cải thiện hiệu quả: Một LLM thường cần xử lý từng nhiệm vụ một, dẫn đến thời gian phản hồi chậm hơn. Hệ thống đa tác nhân hỗ trợ xử lý song song, cho phép nhiều tác nhân hoàn thành nhiệm vụ khác nhau cùng lúc, từ đó nâng cao hiệu quả và tăng tốc thời gian phản hồi, cho phép doanh nghiệp phản hồi nhanh chóng nhiều truy vấn.
Tạo điều kiện hợp tác để giải quyết vấn đề phức tạp: Một LLM duy nhất có thể gặp khó khăn trong việc giải quyết các vấn đề phức tạp đòi hỏi nhiều chuyên môn. Thông qua cộng tác, trong đó mỗi tác nhân đóng góp những kỹ năng và quan điểm riêng của mình, hệ thống đa tác nhân có thể ứng phó với những thách thức phức tạp một cách hiệu quả hơn và cung cấp các giải pháp toàn diện và sáng tạo hơn.
Cải thiện khả năng tiếp cận thông qua tối ưu hóa tài nguyên: LLM nâng cao yêu cầu lượng lớn tài nguyên tính toán, đắt tiền và khó phổ biến. Khung đa tác nhân tối ưu hóa việc sử dụng tài nguyên thông qua phân bổ nhiệm vụ và giảm chi phí tính toán tổng thể, giúp công nghệ AI trở nên hợp lý hơn và dễ tiếp cận hơn đối với nhiều tổ chức hơn.
Mặc dù các hệ thống đa tác nhân có những lợi thế rõ ràng trong việc giải quyết vấn đề phân tán và tối ưu hóa tài nguyên, ứng dụng của chúng ở rìa mạng thực sự thể hiện tiềm năng của chúng. Với sự tiến bộ không ngừng của AI, sự kết hợp giữa kiến trúc đa tác nhân và điện toán biên đã tạo thành một sức mạnh tổng hợp mạnh mẽ, không chỉ hiện thực hóa trí tuệ cộng tác mà còn đạt được khả năng bản địa hóa và xử lý hiệu quả trên nhiều thiết bị. Cách tiếp cận phân tán này để triển khai AI mở rộng một cách tự nhiên các lợi thế của hệ thống đa tác nhân, đưa trí thông minh chuyên biệt và hợp tác đến gần hơn với người dùng cuối.
Trí thông minh cạnh
Sự phổ biến của AI trong thế giới kỹ thuật số đang thúc đẩy những thay đổi cơ bản trong kiến trúc điện toán. Khi trí thông minh được tích hợp vào mọi khía cạnh của các tương tác kỹ thuật số hàng ngày của chúng ta, chúng ta sẽ thấy sự phân chia tự nhiên của điện toán: các trung tâm dữ liệu chuyên dụng xử lý nhiệm vụ suy luận phức tạp và theo miền cụ thể, trong khi các thiết bị biên xử lý cục bộ các truy vấn được cá nhân hóa và nhạy cảm với ngữ cảnh. Sự chuyển đổi sang suy luận biên này không chỉ là một lựa chọn kiến trúc mà còn là một xu hướng tất yếu được thúc đẩy bởi một số yếu tố chính.
Đầu tiên, khối lượng lớn các tương tác do AI điều khiển có thể áp đảo các nhà cung cấp suy luận tập trung, tạo ra nhu cầu băng thông không thể chấp nhận được và các vấn đề về độ trễ.
Thứ hai, xử lý biên cho phép phản hồi theo thời gian thực, đây là chìa khóa cho các ứng dụng như lái xe tự động, thực tế tăng cường và thiết bị IoT.
Thứ ba, suy luận cục bộ bảo vệ quyền riêng tư của người dùng bằng cách lưu giữ dữ liệu nhạy cảm trên thiết bị cá nhân.
Thứ tư, điện toán ranh giới giúp giảm đáng kể mức tiêu thụ năng lượng và lượng khí thải carbon bằng cách giảm truyền dữ liệu qua mạng.
Cuối cùng, suy luận biên hỗ trợ khả năng ngoại tuyến và khả năng phục hồi, đảm bảo rằng khả năng AI vẫn khả dụng ngay cả khi kết nối mạng kém.
Mô hình trí tuệ phân tán này không chỉ là sự tối ưu hóa các hệ thống hiện có mà còn là một khái niệm mới về cách chúng ta triển khai và sử dụng AI trong một thế giới ngày càng kết nối với nhau.
Ngoài ra, chúng tôi đang trải qua một sự thay đổi lớn về yêu cầu tính toán của các mô hình ngôn ngữ lớn (LLM). Nguồn tài nguyên tính toán khổng lồ cần thiết để đào tạo các mô hình ngôn ngữ lớn đã được chú trọng trong thập kỷ qua và giờ đây chúng ta đã bước vào kỷ nguyên mà tính toán suy luận là trung tâm. Sự thay đổi này đặc biệt rõ ràng trong sự phát triển của các hệ thống AI thông minh, chẳng hạn như bước đột phá Q* của OpenAI, chứng tỏ rằng suy luận động đòi hỏi lượng lớn tài nguyên điện toán thời gian thực.
Không giống như tính toán thời gian đào tạo, là khoản đầu tư một lần vào phát triển mô hình, tính toán thời gian suy luận là một quá trình tính toán liên tục được yêu cầu bởi tác nhân để suy luận, lập kế hoạch và thích ứng với hoàn cảnh mới. Sự chuyển đổi từ đào tạo mô hình tĩnh sang suy luận tác nhân động này đòi hỏi chúng ta phải suy nghĩ lại về cơ sở hạ tầng điện toán, trong đó điện toán biên không chỉ có lợi mà còn cần thiết.
Khi sự thay đổi này tiến triển, chúng ta đang chứng kiến sự gia tăng của thị trường suy luận ngang hàng, với hàng tỷ thiết bị được kết nối—từ điện thoại thông minh đến hệ thống nhà thông minh—hình thành các mạng điện toán động. Các thiết bị này có thể trao đổi sức mạnh lý luận một cách liền mạch, hình thành một thị trường hữu cơ nơi tài nguyên máy tính chảy đến nơi cần thiết nhất. Sức mạnh tính toán dư thừa từ thiết bị nhàn rỗi trở thành tài nguyên quý giá có thể được giao dịch trong thời gian thực, tạo ra cơ sở hạ tầng hiệu quả và linh hoạt hơn các hệ thống tập trung truyền thống.
Việc dân chủ hóa điện toán suy luận này không chỉ tối ưu hóa việc sử dụng tài nguyên mà còn tạo ra các cơ hội kinh tế mới trong hệ sinh thái kỹ thuật số, nơi mọi thiết bị được kết nối đều có tiềm năng trở thành nhà cung cấp vi mô các khả năng AI. Do đó, tương lai của AI không chỉ phụ thuộc vào khả năng của từng mô hình riêng lẻ mà còn phụ thuộc vào thị trường suy luận dân chủ, toàn cầu hóa của các thiết bị biên được kết nối, giống như Thị trường Spot cho suy luận thời gian thực dựa trên cung và cầu.
Tương tác lấy đại lý làm trung tâm
Mô hình ngôn ngữ lớn (LLM) cho phép chúng ta truy cập lượng lớn thông tin thông qua hội thoại thay vì duyệt truyền thống. Những cuộc trò chuyện như vậy sẽ nhanh chóng trở nên cá nhân và bản địa hóa hơn khi internet biến thành nền tảng cho các tác nhân AI thay vì chỉ người dùng con người.
Từ góc độ người dùng, trọng tâm sẽ chuyển từ việc tìm kiếm “mô hình tốt nhất” sang nhận được câu trả lời được cá nhân hóa nhất. Chìa khóa để có được câu trả lời tốt hơn nằm ở việc kết hợp dữ liệu cá nhân của người dùng với kiến thức chung về Internet. Ban đầu, cửa sổ ngữ cảnh lớn hơn và công nghệ Tạo tăng cường truy xuất (RAG) sẽ giúp hợp nhất dữ liệu cá nhân, nhưng cuối cùng, dữ liệu cá nhân sẽ trở nên quan trọng hơn dữ liệu Internet thông thường.
Điều này báo trước một tương lai nơi mọi người sẽ có mô hình AI cá nhân tương tác với các mô hình chuyên gia trên Internet. Việc cá nhân hóa ban đầu sẽ dựa vào các mô hình từ xa, nhưng khi mối lo ngại về quyền riêng tư và khả năng phản hồi tăng lên, nhiều tương tác sẽ chuyển sang các thiết bị cục bộ hơn. Điều này sẽ tạo ra những ranh giới mới – không còn giữa con người và máy móc mà giữa mô hình cá nhân và mô hình chuyên gia internet.
Chế độ truy cập dữ liệu thô truyền thống trên Internet sẽ dần bị loại bỏ. Thay vào đó, mô hình cục bộ của bạn sẽ liên lạc với mô hình chuyên gia từ xa để lấy thông tin và sau đó trình bày thông tin đó cho bạn theo cách hiệu quả và được cá nhân hóa nhất. Khi những người mẫu cá nhân này tìm hiểu thêm về sở thích và thói quen của bạn, họ sẽ trở nên không thể thiếu.
Internet sẽ phát triển thành một hệ sinh thái gồm các mô hình được kết nối với nhau: mô hình cá nhân có ngữ cảnh cao ở địa phương và mô hình chuyên gia tri thức cao từ xa. Điều này sẽ liên quan đến các công nghệ mới, chẳng hạn như học tập liên kết, để cập nhật thông tin giữa các mô hình này. Khi nền kinh tế máy móc phát triển, chúng ta cần hình dung lại cơ sở hạ tầng điện toán làm nền tảng cho tất cả, đặc biệt là về sức mạnh tính toán, mở rộng và thanh toán. Điều này sẽ dẫn đến việc tổ chức lại không gian thông tin để biến nó thành trung tâm của tác nhân, có chủ quyền và độc lập, có khả năng tổng hợp cao, tự học và liên tục phát triển.
Cấu trúc của giao thức Agent
Trong mạng tác nhân, sự tương tác giữa người và máy tính phát triển thành mạng truyền thông giữa các tác nhân phức tạp. Kiến trúc này mô phỏng lại cấu trúc của Internet, biến các tác nhân có chủ quyền trở thành giao diện chính cho các tương tác kỹ thuật số. Sau đây là các yếu tố cốt lõi cần thiết cho một giao thức tác nhân.
bản sắc chủ quyền
Danh tính số chuyển từ địa chỉ IP truyền thống sang cặp khóa crypto do các tác nhân kiểm soát
Hệ thống đặt tên dựa trên Blockchain thay thế DNS truyền thống, loại bỏ sự kiểm soát tập trung
Hệ thống danh tiếng được sử dụng để theo dõi độ tin cậy và khả năng của các đại lý
Bằng chứng không tri thức để xác thực bảo vệ quyền riêng tư
Khả năng kết hợp danh tính cho phép các tác nhân quản lý nhiều bối cảnh và nhân vật
đại lý tự trị
Các đại lý tự trị có các khả năng sau:
Hiểu ngôn ngữ tự nhiên và phân tích ý định
Lập kế hoạch nhiều bước và phân tách nhiệm vụ
Quản lý và tối ưu hóa tài nguyên
Học hỏi từ sự tương tác và phản hồi
Đưa ra quyết định tự chủ trong các tham số đã đặt
Chuyên môn hóa đại lý và thị trường cho các chức năng cụ thể
Cơ chế bảo mật tích hợp và giao thức căn chỉnh để đảm bảo an toàn
cơ sở hạ tầng dữ liệu
Khả năng nhập và xử lý dữ liệu thời gian thực
Cơ chế xác minh và xác minh dữ liệu phân tán
Hệ thống hybrid kết hợp các công nghệ sau:
zkTLS
Tập dữ liệu đào tạo truyền thống
Quét web và tổng hợp dữ liệu theo thời gian thực
mạng lưới học tập hợp tác
Mạng học tập tăng cường với phản hồi của con người (RLHF)
Hệ thống thu thập phản hồi phân tán
Cơ chế đồng thuận có trọng số chất lượng
Giao thức điều chỉnh mô hình động
Lớp tính toán
Các giao thức suy luận có thể kiểm chứng đảm bảo:
tính toàn vẹn tính toán
Độ tái lập kết quả
hiệu quả sử dụng tài nguyên
Cơ sở hạ tầng điện toán phi tập trung, bao gồm:
Thị trường điện toán ngang hàng
Hệ thống chứng minh tính toán
Phân bổ tài nguyên động
Tích hợp điện toán biên
hệ sinh thái mô hình
Kiến trúc mô hình phân cấp:
Các mô hình ngôn ngữ nhỏ dành riêng cho nhiệm vụ(SLM)
Mô hình ngôn ngữ lớn cho mục đích chung (LLM)
Mô hình đa phương thức chuyên nghiệp
Mô hình hành động lớn đa phương thức (LAM)
Thành phần và phối hợp mô hình
Học tập liên tục và khả năng thích ứng
Giao diện và giao thức mô hình được tiêu chuẩn hóa
khuôn khổ phối hợp
Các giao thức crypto để tương tác tác nhân an toàn
Hệ thống quản lý quyền sở hữu kỹ thuật số
cơ cấu khích lệ kinh tế
Cơ chế quản trị dành cho:
giải quyết tranh chấp
Phân bổ nguồn lực
Cập nhật giao thức
Hỗ trợ hoàn cảnh thực thi song song:
Xử lý nhiệm vụ đồng thời
Cách ly tài nguyên
Quản lý trạng thái
giải quyết xung đột
Thị trường đại lý thông minh
Dựa trên các nguyên hàm nhận dạng Chuỗi(chẳng hạn như Gnosis và Squad multi-signature)
Kinh tế và giao dịch giữa các đại lý
Đại lý có thanh khoản một phần
Đại lý sở hữu một phần nguồn cung cấp mã thông báo của mình khi tạo
Thị trường lý luận tổng hợp thông qua thanh toán thanh thanh khoản
Các khóa trên Chuỗi kiểm soát các tài khoản ngoài Chuỗi
Đại lý trở thành tài sản lợi nhuận
Quản trị và chia cổ tức thông qua các tổ chức tự trị phi tập trung thông minh (DAO)
Xây dựng kiến trúc thượng tầng thông minh
Thiết kế hệ thống phân tán hiện đại cung cấp nguồn cảm hứng và nền tảng độc đáo để phát triển các giao thức tác nhân, đặc biệt là về kiến trúc hướng sự kiện và mô hình tính toán tác nhân.
Mô hình tác nhân cung cấp một khung lý thuyết tinh tế cho việc xây dựng các hệ thống tác nhân. Mô hình tính toán này coi "tác nhân" là đơn vị cơ bản trong quá trình tính toán. Mỗi tác nhân có thể:
Xử lý tin nhắn
Ra quyết định địa phương
Tạo diễn viên mới
Gửi tin nhắn cho các diễn viên khác
Quyết định cách trả lời tin nhắn tiếp theo nhận được
Những ưu điểm chính của mô hình Actor trong hệ thống Agent bao gồm:
Cô lập: Mỗi tác nhân chạy độc lập và duy trì trạng thái cũng như quy trình kiểm soát riêng.
Giao tiếp không đồng bộ : Truyền thông điệp giữa các tác nhân không bị chặn, cho phép xử lý song song hiệu quả
Tính minh bạch của vị trí: các tác nhân có thể liên lạc ở mọi nơi trong mạng
Khả năng chịu lỗi: Nâng cao khả năng phục hồi của hệ thống thông qua mức độ giám sát và cách ly tác nhân
Mở rộng: hỗ trợ tự nhiên các hệ thống phân tán và tính toán song song
Chúng tôi đề xuất Neuron , một giao thức tác nhân thực tế được triển khai thông qua kiến trúc phân tán nhiều lớp kết hợp các không gian tên blockchain, mạng liên kết, CRDT và DHT, với mỗi lớp có chức năng cụ thể trong ngăn xếp giao thức. Chúng tôi mượn ý tưởng từ Urbit và Holochain, những thiết kế hệ điều hành ngang hàng đầu tiên này.
Trong Neuron, lớp blockchain cung cấp các không gian tên và danh tính có thể xác minh được, cho phép xác định địa chỉ và phát hiện các tác nhân đồng thời cung cấp bằng crypto về khả năng và danh tiếng. Trên cơ sở đó, lớp DHT giúp phát hiện tác nhân và nút cũng như định tuyến nội dung hiệu quả, với thời gian tìm kiếm là O(log n), giảm các hoạt động Chuỗi trong khi hỗ trợ tìm kiếm ngang hàng cục bộ. Đồng bộ hóa trạng thái giữa nút liên kết được thực hiện thông qua CRDT, cho phép các tác nhân và nút duy trì chế độ xem nhất quán về trạng thái chia sẻ mà không yêu cầu sự đồng thuận toàn cầu cho lần tương tác.
Kiến trúc này phù hợp một cách tự nhiên với các mạng liên kết, trong đó các tác nhân tự trị chạy như nút độc lập trên thiết bị và triển khai các mô hình tác nhân thông qua suy luận biên cục bộ. Các miền liên kết có thể được tổ chức dựa trên khả năng của tác nhân và DHT cung cấp khả năng định tuyến và khám phá hiệu quả trong và giữa các miền. Mỗi tác nhân hoạt động như một tác nhân độc lập và có trạng thái riêng, trong khi lớp CRDT đảm bảo tính nhất quán trên toàn liên đoàn. Phương pháp nhiều lớp này thực hiện một số chức năng chính:
Phối hợp phi tập trung
Blockchain được sử dụng để cung cấp danh tính có thể xác minh và không gian tên toàn cầu
DHT được sử dụng để phát hiện nút và định tuyến nội dung hiệu quả với thời gian tìm kiếm là O(log n)
CRDT để đồng bộ hóa trạng thái đồng thời và phối hợp nhiều tác nhân
Hoạt động mở rộng
Cấu trúc liên kết dựa trên khu vực
Chiến lược lưu trữ theo từng cấp (nóng/ấm/lạnh)
Định tuyến yêu cầu cục bộ
Phân bổ tải theo công suất
Khả năng phục hồi của hệ thống
Không có điểm thất bại duy nhất
Hoạt động liên tục trong quá trình phân vùng
Phối hợp trạng thái tự động
Hệ thống phân cấp giám sát về khả năng chịu lỗi
Phương pháp này cung cấp nền tảng vững chắc để xây dựng các hệ thống tác nhân phức tạp trong khi vẫn duy trì chủ quyền, mở rộng và khả năng phục hồi, những thuộc tính chính cần thiết để tương tác tác nhân hiệu quả.
suy nghĩ cuối cùng
Mạng tác nhân đánh dấu một bước phát triển quan trọng trong tương tác giữa con người và máy tính, vượt qua sự phát triển gia tăng trước đó và thiết lập một mô hình tồn tại kỹ thuật số hoàn toàn mới. Không giống như những bước phát triển trước đây chỉ đơn thuần thay đổi cách sử dụng hoặc sở hữu thông tin, Mạng Đại lý biến Internet từ nền tảng lấy con người làm trung tâm thành một ma trận thông minh nơi các tác nhân tự trị trở thành người chơi chính. Sự thay đổi này được thúc đẩy bởi sự hội tụ của điện toán biên, mô hình ngôn ngữ lớn và các giao thức phi tập trung, tạo ra một hệ sinh thái trong đó các mô hình AI cá nhân giao tiếp liền mạch với các hệ thống chuyên gia chuyên nghiệp.
Khi chúng ta hướng tới một tương lai lấy tác nhân làm trung tâm, ranh giới giữa trí thông minh của con người và máy móc đang mờ dần, thay vào đó là mối quan hệ cộng sinh. Trong mối quan hệ này, các tác nhân AI được cá nhân hóa trở thành phần mở rộng kỹ thuật số của chúng ta, có khả năng hiểu bối cảnh của chúng ta, dự đoán nhu cầu của chúng ta và hoạt động tự chủ trong các mạng lưới tình báo phân tán rộng lớn. Vì vậy, mạng lưới các đại lý không chỉ là một tiến bộ công nghệ mà còn là sự tái hiện cơ bản về tiềm năng của con người trong thời đại kỹ thuật số. Trong mạng này, lần tương tác đều là cơ hội để nâng cao trí thông minh và mọi thiết bị đều là một nút trong hệ thống AI hợp tác toàn cầu.
Giống như con người hoạt động trong các chiều vật lý của không gian và thời gian, các tác nhân tự trị hoạt động trong các chiều cơ bản của riêng chúng: không gian khối thể hiện sự tồn tại của chúng và thời gian suy luận tượng trưng cho suy nghĩ của chúng. Bản thể kỹ thuật số này phản ánh thực tế vật lý của chúng ta—trong khi con người du hành xuyên không gian và trải nghiệm dòng thời gian, các tác nhân hoạt động trong một thế giới thuật toán thông qua các bằng chứng crypto và chu trình tính toán, tạo ra một vũ trụ kỹ thuật số song song.
Hoạt động trong không gian khối phi tập trung sẽ trở thành xu hướng tất yếu đối với các thực thể trong không gian tiềm năng.
