Tác giả: Azi.eth.sol | zo.me Nguồn: X, @MagicofAzi Dịch: Shan Ouba, Jinse Finance
Trí tuệ nhân tạo (AI) và công nghệ blockchain là hai lực lượng biến đổi đang định hình lại thế giới của chúng ta. AI nâng cao khả năng nhận thức của con người thông qua học máy và mạng lưới thần kinh, trong khi công nghệ blockchain giới thiệu sự khan hiếm kỹ thuật số có thể kiểm chứng và giúp khả năng phối hợp không cần tin cậy. Khi những công nghệ này hội tụ, chúng đặt nền tảng cho một thế hệ Internet mới—một mạng lưới gồm các tác nhân tự trị tương tác với các hệ thống phi tập trung. “Mạng đại lý” này giới thiệu một loại công dân kỹ thuật số mới: các đại lý AI có thể điều hướng, đàm phán và giao dịch độc lập. Sự thay đổi này phân phối lại quyền lực trong lĩnh vực kỹ thuật số, cho phép các cá nhân lấy lại chủ quyền đối với dữ liệu của chính họ đồng thời thúc đẩy một hệ sinh thái nơi con người và AI cộng tác hơn bao giờ hết.
Sự phát triển của web
Để hiểu chúng ta đang hướng tới đâu, trước tiên chúng ta hãy xem xét sự phát triển của mạng, trong đó mỗi giai đoạn có các khả năng và mô hình kiến trúc khác nhau:
Hai thế hệ mạng đầu tiên tập trung vào việc phổ biến thông tin, trong khi hai thế hệ cuối cùng giúp nâng cao thông tin. Web 3.0 đã giới thiệu quyền sở hữu dữ liệu thông qua token và giờ đây Web 4.0 truyền tải trí thông minh thông qua các mô hình ngôn ngữ lớn (LLM).
Từ mô hình ngôn ngữ lớn đến tác nhân: một sự tiến hóa tự nhiên
LLM thể hiện một bước nhảy vọt lượng tử về trí thông minh của máy, như các hệ thống động, khớp mẫu, biến 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 xuất hiện khi LLM được xây dựng như tác nhân—phát triển 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.
Thuật ngữ “tác nhân” giới thiệu một mô hình mới thay đổi cách con người tương tác với AI, vượt qua những giới hạn và mối liên hệ tiêu cực liên quan đến chatbot truyền thống. Sự thay đổi này không chỉ là sự thay đổi về ngữ nghĩa mà còn là sự xác định lại cơ bản về cách các hệ thống AI có thể hoạt động tự chủ trong khi vẫn duy trì sự hợp tác có ý nghĩa với con người. Quy trình làm việc được đại lý hóa cuối cùng cho phép các thị trường hình thành xung quanh mục đích cụ thể của người dùng.
Cuối cùng, mạng được đại lý hóa không chỉ là một cấp độ thông minh mới—nó thay đổi căn bản cách chúng ta tương tác với các hệ thống kỹ thuật số. Trong khi các phiên bản trước đây của web dựa vào giao diện tĩnh và đường dẫn người dùng đặt trước, thì web proxy giới thiệu cơ sở hạ tầng thời gian chạy động , trong đó tính toán và giao diện điều chỉnh theo thời gian thực dựa trên ngữ cảnh và mục đích của người dùng.
Các trang web và mạng proxy truyền thống
Các trang web truyền thống là đơn vị cơ bản của Internet ngày nay, 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. Mô hình này, mặc dù có đầy đủ chức năng, nhưng lại giới hạn người dùng ở một giao diện được thiết kế cho mục đích sử dụng chung hơn là nhu cầu cá nhân. Mạng được đại lý hóa vượt qua những hạn chế này, sử dụng điện toán nhận biết ngữ cảnh, tạo giao diện thích ứng và các quy trình hành động dự đoán được mở khóa thông qua RAG và các cải tiến truy xuất thông tin theo thời gian thực khác.
Bạn có thể tham khảo cách TikTok đã cách mạng hóa cách tiêu thụ nội dung bằng cách tạo nội dung đẩy được cá nhân hóa cao và thích ứng với sở thích của người dùng trong thời gian thực. Mạng được đại lý mở rộng khái niệm này đến toàn bộ cấp độ tạo giao diện. Thay vì điều hướng qua các bố cục trang web cố định, người dùng tương tác với các giao diện được tạo động để dự đoán và tạo điều kiện thuận lợi cho các hành động tiếp theo của họ. Sự chuyển đổi từ trang web tĩnh sang giao diện động, do tác nhân điều khiển này thể hiện sự phát triển cơ bản trong cách chúng ta tương tác với các hệ thống kỹ thuật số—từ mô hình tương tác dựa trên điều hướng sang mô hình tương tác dựa trên mục đích.
Cơ cấu đại lý
Kiến trúc đại lý là một lĩnh vực khám phá rộng lớn đối với các nhà nghiên cứu và nhà phát triển. Phương pháp mới liên tục được phát triển để nâng cao kỹ năng suy luận và giải quyết vấn đề. Các công nghệ như Chuỗi suy nghĩ (CoT), Cây suy nghĩ (ToT) nhiệm vụ Đồ thị suy nghĩ (GoT) được sử dụng để cải thiện việc xử lý các mô hình ngôn ngữ lớn phức tạp (LLM). bằng cách mô phỏng các quá trình nhận thức chi tiết hơn, giống con người hơn.
Chuỗi tư duy (CoT) thúc đẩy các mô hình ngôn ngữ lớn chia nhỏ nhiệm vụ phức tạp thành các bước nhỏ hơn, dễ quản lý hơn. Phương pháp này đặc biệt hiệu quả đối với các bài toán đòi hỏi khả năng suy luận logic, chẳng hạn như viết các đoạn mã Python ngắn hoặc giải các phương trình toán học.
Tư duy dạng cây (ToT) phát triển hơn nữa trên cơ sở CoT và áp dụng cấu trúc dạng cây để cho phép khám phá nhiều con đường tư duy độc lập. Cải tiến này cho phép LLM xử lý nhiệm vụ phức tạp hơn. Trong ToT, mỗi “suy nghĩ” (đầu ra văn bản của LLM) chỉ được kết nối với các “suy nghĩ” trước và sau nó, tạo thành một Chuỗi bộ (các nhánh). Mặc dù cấu trúc này mang lại sự linh hoạt hơn so với CoT nhưng nó vẫn hạn chế khả năng giao tiếp giữa các ý tưởng.
Tư duy giống đồ thị (GoT) mở rộng khái niệm này hơn nữa, kết hợp các cấu trúc dữ liệu cổ điển với LLM. Phương pháp này mở rộng phạm vi của ToT bằng cách cho phép bất kỳ một "tâm trí" nào kết nối với những tâm trí khác trong sơ đồ. Sự kết nối giữa các suy nghĩ này gần gũi hơn với quá trình nhận thức của con người.
Cấu trúc giống như biểu đồ của GoT thường phản ánh kiểu suy nghĩ của con người chính xác hơn CoT hoặc ToT. Mặc dù có những tình huống mà kiểu suy nghĩ của chúng ta có thể sử dụng cấu trúc Chuỗi hoặc cây (chẳng hạn như khi phát triển các kế hoạch dự phòng hoặc quy trình vận hành tiêu chuẩn), nhưng đây là những ngoại lệ, không phải là quy tắc. Mô hình GoT phù hợp hơn với đặc điểm suy nghĩ của con người, thường bao gồm nhiều suy nghĩ thay vì tuân thủ nghiêm ngặt theo một trình tự. Mặc dù một số tình huống (chẳng hạn như phát triển kế hoạch dự phòng hoặc quy trình tiêu chuẩn) có thể vẫn Chuỗi hoặc hình cây, nhưng suy nghĩ của chúng ta thường hình thành các mạng lưới tư duy phức tạp, liên kết với nhau, phù hợp hơn với cấu trúc biểu đồ của GoT.
Phương pháp đồ họa trong GoT làm cho việc khám phá các ý tưởng trở nên năng động và linh hoạt hơn, có khả năng dẫn đến khả năng giải quyết vấn đề toàn diện và sáng tạo hơn.
Các hoạt động dựa trên biểu đồ đệ quy này chỉ là một bước trong quy trình làm việc được đại lý hóa. Sự phát triển rõ ràng tiếp theo là sự phối hợp của nhiều tác nhân với các chuyên môn khác nhau cùng làm việc hướng tới một mục tiêu cụ thể. Vẻ đẹp của một cơ quan là thành phần của nó.
Các tác nhân có thể điều phối, mô-đun và song song hóa LLM thông qua nhiều tác nhân.
hệ thống đa tác nhân
Khái niệm hệ thống đa tác nhân không phải là một ý tưởng mới. Nguồn gốc của nó có thể bắt nguồn từ cuốn sách The Society of Mind của Marvin Minsky, trong đó ông đề xuất rằng nhiều bộ óc mô-đun làm việc cùng nhau có thể vượt qua một bộ óc nguyên khối duy nhất. ChatGPT và Claude là những đặc vụ đơn lẻ, trong khi Mistral phổ biến Nhóm chuyên gia hỗn hợp. Mở rộng ý tưởng này hơn nữa, chúng tôi cho rằng rằng kiến trúc mạng tác nhân sẽ là hình thức cuối cùng của cấu trúc liên kết thông minh này.
Từ góc độ sinh học, không giống như các mô hình AI nơi hàng tỷ tế bào thần kinh giống hệt nhau được kết nối một cách thống nhất và có thể dự đoán được, bộ não con người (về cơ bản là một cỗ máy có ý thức) cực kỳ không đồng nhất ở cấp độ cơ quan và tế bào. 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 đến từ số lượng thành phần hay kích thước của tập dữ liệu huấn luyện. Thông tin là kết quả của sự tương tác phức tạp giữa các đơn vị chuyên biệt khác nhau—một cách tiếp cận về cơ bản là một quá trình tương tự.
Do đó, việc phát triển hàng triệu mô hình nhỏ thay vì một vài mô hình lớn và cho phép các mô hình này hoạt động phối hợp sẽ có nhiều khả năng thúc đẩy sự đổi mới trong kiến trúc nhận thức, tương tự như việc xây dựng các hệ thống đa tác nhân.
Thiết kế hệ thống nhiều tác nhân có một số ưu điểm so với hệ thống một tác nhân: Dễ bảo trì, hiểu và mở rộng. Ngay cả khi chỉ cần một giao diện tác nhân duy nhất, việc triển khai nó như một khung đa tác nhân sẽ làm cho hệ thống trở nên mô-đun hơn, đơn giản hóa quy trình để các nhà phát triển thêm hoặc xóa các thành phần khi cần. Điều quan trọng cần nhận ra là ngay cả với hệ thống một tác nhân, kiến trúc đa tác nhân vẫn có thể là một cách rất hiệu quả để xây dựng nó.
Ưu điểm của hệ thống đa tác nhân
Trong khi các mô hình ngôn ngữ lớn (LLM) đã thể hiện những khả năng đáng kinh ngạc—chẳng hạn như tạo văn bản giống con người, giải quyết các vấn đề phức tạp và xử lý nhiều nhiệm vụ khác nhau—những hạn chế mà các tác nhân LLM riêng lẻ gặp phải trong các ứng dụng trong thế giới thực có thể ảnh hưởng đến hiệu quả của chúng. Dưới đây là năm thách thức lớn liên quan đến hệ thống đại lý và cách cộng tác giữa nhiều đại lý có thể vượt qua chúng và khai thác toàn bộ tiềm năng của LLM.
Khắc phục ảo giác thông qua xác thực chéo <br>Một tác nhân LLM thường có thể gây ảo giác, tạo ra thông tin không chính xác hoặc vô nghĩa. Trong trường hợp này, mặc dù đã được đào tạo lượng lớn về mô hình, kết quả đầu ra có thể vẫn hợp lý nhưng thiếu độ chính xác thực tế. Hệ thống đa tác nhân cho phép xác thực chéo thông tin giữa các tác nhân, từ đó giảm rủi ro sai sót. Thông qua chuyên môn tương ứng của mình, các đại lý có thể đảm bảo phản hồi chính xác và đáng tin cậy hơn.
Mở rộng cửa sổ ngữ cảnh với xử lý phân tán
LLM có cửa sổ ngữ cảnh hạn chế, khiến việc làm việc với các tài liệu hoặc cuộc hội thoại dài hơn trở nên khó khăn. Trong khung đa tác nhân, các tác nhân có thể chia sẻ gánh nặng xử lý, trong đó mỗi tác nhân xử lý một phần bối cảnh. Bằng cách giao tiếp giữa các tác nhân, họ có thể duy trì tính nhất quán trong toàn bộ văn bản, mở rộng cửa sổ ngữ cảnh một cách hiệu quả.Nâng cao hiệu quả thông qua xử lý song song <br>Một LLM thường xử lý một nhiệm vụ tại một thời điểm, dẫn đến thời gian phản hồi chậm hơn. Hệ thống đa tác nhân hỗ trợ xử lý song song, cho phép nhiều tác nhân xử lý nhiệm vụ khác nhau cùng một lúc. Điều này cải thiện hiệu quả và thời gian phản hồi, cho phép doanh nghiệp xử lý nhiều truy vấn mà không bị chậm trễ.
Tạo điều kiện hợp tác để giải quyết vấn đề phức tạp <br>Một LLM duy nhất thường không đủ khi giải quyết các vấn đề phức tạp đòi hỏi chuyên môn đa dạng. Hệ thống đa tác nhân tạo điều kiện thuận lợi cho sự cộng tác giữa các tác nhân, trong đó mỗi tác nhân đóng góp các kỹ năng và quan điểm riêng của mình. Bằng cách làm việc cùng nhau, các tổng đài viên có thể giải quyết các thách thức phức tạp một cách hiệu quả hơn và đưa ra các giải pháp toàn diện và sáng tạo hơn.
Cải thiện khả năng truy cập thông qua tối ưu hóa tài nguyên <br>LLM nâng cao yêu cầu lượng lớn tài nguyên máy tính, điều này khiến cho việc phổ biến nó tốn kém và khó khăn. Khung đa tác nhân tối ưu hóa việc sử dụng tài nguyên bằng cách phân bổ nhiệm vụ cho các tác nhân khác nhau, từ đó giảm chi phí tính toán tổng thể. Điều này cho phép công nghệ AI được nhiều tổ chức áp dụng rộng rãi hơn.
Mặc dù các hệ thống đa tác nhân thể hiện những lợi thế hấp dẫn trong việc giải quyết vấn đề phân tán và tối ưu hóa tài nguyên, nhưng tiềm năng thực sự của chúng vẫn bộc lộ khi xem xét việc triển khai chúng ở rìa mạng. Khi AI tiếp tục phát triển, việc tích hợp kiến trúc đa tác nhân và điện toán biên sẽ tạo ra sức mạnh tổng hợp mạnh mẽ—không chỉ cho phép trí tuệ cộng tác mà còn cho phép xử lý cục bộ hiệu quả trên vô số thiết bị. Phương pháp phân tán này để triển khai AI sẽ mở rộng một cách tự nhiên các lợi thế của hệ thống đa tác nhân, mang đến trí thông minh cộng tác chuyên biệt ở nơi cần thiết nhất: người dùng cuối.
Trí tuệ trong điện toán biên
Sự phổ biến của AI trong lĩnh vực kỹ thuật số đang thúc đẩy sự tái thiết cơ bản của kiến trúc điện toán. Khi trí thông minh trở thành một phần trong các tương tác kỹ thuật số hàng ngày của chúng ta, chúng ta đang chứng kiến fork tự nhiên của điện toán: các trung tâm dữ liệu chuyên biệt 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, nhạy cảm với ngữ cảnh. Sự chuyển đổi sang lý luận biên này không chỉ là một sở thích về mặt kiến trúc—nó là một điều cần thiết được thúc đẩy bởi một số yếu tố chính.
Đầu tiên, khối lượng tương tác khổng lồ do AI điều khiển sẽ áp đảo các nhà cung cấp suy luận tập trung, tạo ra nhu cầu băng thông không bền vững và các vấn đề về độ trễ.
Thứ hai, xử lý biên cho phép phản hồi theo thời gian thực, một tính năng quan trọng đối với các ứng dụng như ô tô tự lái, thực tế tăng cường và thiết bị IoT.
Thứ ba, suy luận biên 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 thiểu luồng dữ liệu trên mạng.
Cuối cùng, suy luận biên hỗ trợ khả năng ngoại tuyến và độ linh hoạt, đảm bảo rằng khả năng AI vẫn được duy trì ngay cả khi kết nối mạng bị hạn chế.
Mô hình trí tuệ phân tán này không chỉ là tối ưu hóa các hệ thống hiện tại mà về cơ bản nó mô phỏng lại cách chúng ta triển khai và tương tác với AI trong một thế giới ngày càng kết nối.
Ngoài ra, chúng ta đang chứng kiến sự thay đổi cơ bản về yêu cầu tính toán của LLM. Trong thập kỷ qua, nhu cầu tính toán khổng lồ trong việc đào tạo các mô hình ngôn ngữ lớn đã chi phối sự phát triển của AI và giờ đây chúng ta đã bước vào kỷ nguyên mà tính toán thời gian suy luận trở thành trọng tâm. Sự thay đổi này đặc biệt rõ ràng trong sự xuất hiện của các hệ thống AI dựa trên tác nhân, chẳng hạn như bước đột phá Q* của OpenAI, chứng minh rằng suy luận động đòi hỏi lượng lớn tài nguyên điện toán thời gian thực.
Không giống như điện toán thời gian đào tạo, là một khoản đầu tư lần vào phát triển mô hình, điện toán thời gian suy luận thể hiện một cuộc đối thoại tính toán đang diễn ra giữa các tác nhân tự trị, hỗ trợ lý luận, lập kế hoạch và thích ứng của họ với các tình huống mới. Sự chuyển đổi từ đào tạo mô hình tĩnh sang suy luận tác nhân động này đòi hỏi phải xem xét lại cơ bản cơ sở hạ tầng điện toán—và trong kiến trúc mới này, điện toán ranh giới không chỉ mang lại lợi ích mà còn rất quan trọng.
Khi quá trình chuyển đổi này diễn ra, chúng ta đang chứng kiến sự trỗi dậy của thị trường suy luận biên, với hàng nghìn thiết bị được kết nối — từ điện thoại thông minh đến hệ thống nhà thông minh — tạo thành một mạng lưới điện toán động. Các thiết bị này có thể trao đổi liền mạch khả năng suy luận, tạo ra một thị trường hữu cơ trong đó tài nguyên máy tính chảy đến nơi cần thiết nhất. Sức mạnh tính toán còn lại của các thiết bị nhàn rỗi trở thành tài nguyên quý giá có thể được giao dịch trong thời gian thực, tạo điều kiện cho cơ sở hạ tầng hiệu quả và linh hoạt hơn các hệ thống tập trung truyền thống.
Phi tập trung 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 thể trở thành nhà cung cấp vi mô tiềm năng về khả năng AI. Do đó, tương lai của AI sẽ được xác định không chỉ bởi khả năng của từng mô hình riêng lẻ mà còn bởi trí tuệ tập thể của các thiết bị biên được kết nối, tạo thành một thị trường suy luận phi tập trung , tính toàn cầu giống như Thị trường Spot để suy luận có thể kiểm chứng dựa trên cung và cầu.
Tương tác lấy tác nhân làm trung tâm
Ngày nay, LLM cho phép chúng ta truy cập lượng lớn thông qua cuộc trò chuyện thay vì duyệt web truyền thống. Phương pháp đàm thoại này sẽ sớm trở nên cá nhân hóa và bản địa hóa hơn khi internet chuyển đổi thành nền tảng của các tác nhân AI thay vì không gian chỉ dành cho người dùng con người.
Từ quan điểm của người dùng, trọng tâm sẽ chuyển từ việc chọn "mô hình tốt nhất" sang nhận được câu trả lời được cá nhân hóa nhất. Chìa khóa để có câu trả lời tốt hơn nằm ở việc kết hợp dữ liệu của chính người dùng với kiến thức chung về Internet. Ban đầu, các cửa sổ theo ngữ cảnh lớn hơn và thế hệ tăng cường truy xuất (RAG) sẽ giúp hợp nhất dữ liệu cá nhân, nhưng cuối cùng, tầm quan trọng dữ liệu cá nhân sẽ vượt qua dữ liệu internet nói chung.
Điều này sẽ dẫn đến một tương lai mà mỗi chúng ta đều có một mô hình AI cá nhân tương tác với mô hình chuyên gia Internet rộng hơn. Ban đầu, việc cá nhân hóa sẽ diễn ra cùng với các mô hình từ xa, nhưng do những lo ngại về quyền riêng tư và khả năng phản hồi, nhiều tương tác hơn sẽ chuyển sang các thiết bị cục bộ. Điều này sẽ tạo ra một ranh giới mới – không phải giữa con người và máy móc, mà giữa các mô hình cá nhân của chúng ta và các mô hình chuyên gia trên Internet.
Mô hình Internet truyền thống sẽ trở nên lỗi thời và không còn cung cấp quyền truy cập vào dữ liệu thô nữa. Thay vào đó, mô hình cục bộ của bạn sẽ giao tiếp với mô hình chuyên gia từ xa, thu thập thông tin và trình bày thông tin đó cho bạn theo cách băng thông cao, được cá nhân hóa nhất có thể. Những hình mẫu cá nhân này sẽ ngày càng trở nên không thể thiếu khi họ tìm hiểu thêm về sở thích và thói quen của bạn.
Internet sẽ chuyển đổi thành một hệ sinh thái gồm các mô hình được kết nối với nhau: các mô hình cá nhân địa phương, có bối cảnh cao và các mô hình chuyên gia có kiến 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 sẽ cần hình dung lại các nền tảng tính toán làm nền tảng cho quá trình này, đặc biệt là về điện toán, mở rộng và thanh toán. Điều này sẽ dẫn đến việc tổ chức lại một không gian thông tin lấy tác nhân làm trung tâm, có chủ quyền, có khả năng tổng hợp cao, tự học và không ngừng phát triển.
Cấu trúc thỏa thuận đại lý
Trong Agentic Web, sự tương tác giữa con người và các tác nhân phát triển thành một mạng lưới giao tiếp phức tạp giữa các tác nhân. Kiến trúc này cung cấp sự tái hiện cơ bản về cấu trúc của Internet, trong đó các tác nhân có chủ quyền trở thành giao diện chính cho tương tác kỹ thuật số. Sau đây là các nguyên tắc cốt lõi cần thiết để triển khai giao thức proxy:
bản sắc chủ quyền
Danh tính số chuyển đổi từ địa chỉ IP truyền thống sang cặp khóa crypto do các tác nhân proxy sở hữu.
Hệ thống không gian tên dựa trên blockchain thay thế DNS truyền thống, loại bỏ điểm kiểm soát trung tâm.
Hệ thống danh tiếng theo dõi chỉ báo về độ tin cậy và năng lực của các đại lý.
Bằng chứng không Bằng chứng không tri thức triển khai xác thực bảo vệ quyền riêng tư.
Khả năng kết hợp của danh tính cho phép các tác nhân quản lý nhiều bối cảnh và nhân vật.
đại lý tự trị
Hiểu ngôn ngữ tự nhiên và phân tích mục đích
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 được xác định
Chuyên môn hóa đại lý và thị trường năng lực cụ thể
Cơ chế bảo mật tích hợp và giao thức căn chỉnh
Một thực thể có khả năng tự chỉ dẫn có:
cơ sở hạ tầng dữ liệu
Khả năng nhập và xử lý dữ liệu theo thời gian thực
Cơ chế xác minh và xác minh dữ liệu phân tán
Kết hợp hệ thống kết hợp: zkTLS, dữ liệu đào tạo truyền thống, quét web theo thời gian thực và tổng hợp dữ liệu
mạng lưới học tập hợp tác
Mạng RLHF (Học tăng cường với phản hồi của con người)
Bộ sưu tập phản hồi được phân phối
Cơ chế đồng thuận có trọng số chất lượng
Giao thức điều chỉnh mô hình động
Lớp tính toán
Thị trường điện toán ngang hàng
Hệ thống chứng minh tính toán
Phân bổ tài nguyên động
Tích hợp điện toán biên
tính toàn vẹn tính toán
Độ tái lập kết quả
hiệu quả tài nguyên
Giao thức suy luận có thể kiểm chứng đảm bảo:
Cơ sở hạ tầng điện toán phi tập trung với:
hệ sinh thái mô hình
Mô hình ngôn ngữ nhỏ dành riêng nhiệm vụ(SLM)
Mô hình ngôn ngữ lớn cho mục đích chung (LLM)
Các mô hình đa phương thức chuyên dụng
Mô hình hành động lớn (LAM)
Kiến trúc mô hình phân cấp:
Sự kết hợp 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
Xử lý nhiệm vụ đồng thời
Cách ly tài nguyên
Quản lý trạng thái
giải quyết xung đột
Giao thức crypto đảm bảo tương tác an toàn của tác nhân
Hệ thống quản lý quyền sở hữu kỹ thuật số
cơ cấu khích lệ kinh tế
Cơ chế quản trị: giải quyết tranh chấp, phân bổ nguồn lực, cập nhật thỏa thuận
Hỗ trợ hoàn cảnh thực thi song song:
thị trường đại lý
Quản trị và cổ tức
Đại lý sở hữu một tỷ lệ token nhất định khi tạo
Thị trường suy luận tổng hợp thanh toán thông qua thanh khoản
Các khóa trên Chuỗi kiểm soát các tài khoản ngoài Chuỗi
Nguyên thủy Chuỗi để nhận dạng (ví dụ: Gnosis, Squad multisig)
Kinh tế và giao dịch giữa các đại lý
Đại lý có thanh khoản
Đại lý trở thành tài sản mang lại lợi nhuận
Đặc vụ DAO
Xây dựng kiến trúc thượng tầng cho trí tuệ
Thiết kế hệ thống phân tán hiện đại cung cấp nguồn cảm hứng độc đáo và nguyên thủy để triển khai các giao thức tác nhân, đặc biệt là các kiến trúc hướng sự kiện và các "mô hình tác nhân" tính toán đơn giản hơn.
Mô hình tác nhân cung cấp một cơ sở lý thuyết tinh tế cho việc triển khai các hệ thống tác nhân. Mô hình tính toán này coi "các tác nhân" là các nguyên hàm tính toán phổ quát, mỗi tác nhân có thể:
Xử lý tin nhắn
Ra quyết định địa phương
Tạo thêm diễn viên
Gửi tin nhắn cho các diễn viên khác
Xác định cách trả lời tin nhắn tiếp theo nhận được
Những ưu điểm chính mà mô hình tác nhân mang lại cho hệ thống đại lý bao gồm:
Cô lập : Mỗi tác nhân hoạt động độc lập, duy trì trạng thái và luồng điều khiển 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 với nhau bất kể vị trí thực tế.
Khả năng chịu lỗi : Đạt được khả năng phục hồi của hệ thống thông qua cách ly tác nhân và phân cấp giám sát.
Mở rộng : Hỗ trợ tự nhiên các hệ thống phân tán và tính toán song song.
Chúng tôi đề xuất Neuron , một giải pháp thiết thực để triển khai giao thức proxy lý thuyết này thông qua kiến trúc phân tán nhiều lớp. Kiến trúc kết hợp các không gian tên blockchain, mạng liên kết, CRDT (loại dữ liệu không có xung đột) và DHT (bảng băm phân tán), với mỗi lớp đảm nhận các chức năng khác nhau trong ngăn xếp giao thức. Chúng tôi lấy cảm hứng từ những người tiên phong đầu tiên trong thiết kế hệ điều hành ngang hàng - Urbit và Holochain.
Trong Neuron, lớp blockchain cung cấp các không gian tên và xác thực có thể kiểm chứng, cho phép các tác nhân được xác định và phát hiện một cách xác định trong khi vẫn duy trì bằng chứng crypto về năng lực và danh tiếng. Trên hết, lớp DHT tạo điều kiện phát hiện proxy và nút hiệu quả, cũng như định tuyến nội dung, với thời gian tra cứu O(log n), giảm số lượng hoạt động Chuỗi trong khi cho phép khám phá nút nhận biết cục bộ. Thông qua CRDT, việc đồng bộ hóa trạng thái giữa nút liên kết được xử lý, cho phép các tác nhân và nút duy trì trạng thái chia sẻ nhất quán mà không cần sự đồng thuận toàn cầu về mỗi tương tác.
Kiến trúc này ánh xạ một cách tự nhiên tới một mạng liên kết, trong đó các tác nhân tự trị đóng vai trò là nút có chủ quyền chạy trên các thiết bị có khả năng suy luận biên cục bộ, triển khai mô hình của mô hình tác nhân. Các miền liên kết có thể được tổ chức dựa trên khả năng proxy 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 với trạng thái riêng, trong khi lớp CRDT đảm bảo tính nhất quán cuối cùng trên toàn liên đoàn. Kiến trúc nhiều tầng này cho phép một số khả năng chính:
Phối hợp phi tập trung
Sử dụng blockchain để cho phép nhận dạng có thể xác minh và không gian tên có chủ quyền toàn cầu
DHT để định tuyến nội dung và nút hàng hiệu quả, tra cứu 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 (kho nóng/kho ấm/kho lạnh)
Định tuyến yêu cầu nhận biết cục bộ
Phân bổ tải theo công suất
khả năng phục hồi hệ thống
Không có điểm thất bại duy nhất
Chạy liên tục trong khi phân vùng
Tự động hòa hợp trạng thái
Khả năng chịu lỗi thông qua hệ thống phân cấp giám sát
Phương pháp triển khai này cung cấp nền tảng vững chắc để xây dựng các hệ thống tác nhân phức tạp trong khi vẫn duy trì các thuộc tính chính như chủ quyền, mở rộng và khả năng phục hồi để đảm bảo sự tương tác hiệu quả giữa các tác nhân.
Suy nghĩ tóm tắt
Mạng dựa trên tác nhân đánh dấu một bước phát triển quan trọng trong tương tác giữa người và máy tính, vượt qua tiến trình tuyến tính của các thời đại trước và thiết lập một mô hình mới về tồn tại kỹ thuật số. Không giống như các lần lặp lại trước đây chỉ đơn giản là thay đổi cách chúng ta sử dụng hoặc sở hữu thông tin, mạng dựa trên tác nhân biến Internet từ nền tảng lấy con người làm trung tâm thành lớp cơ sở thông minh trong đó các tác nhân tự trị trở thành tác nhân chính. Sự thay đổi này được thúc đẩy bởi sự hội tụ của điện toán biên, mô hình ngôn ngữ quy mô 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 biệt.
Khi chúng ta hướng tới tương lai lấy tác nhân làm trung tâm, ranh giới giữa trí thông minh của con người và máy bắt đầu mờ đi, được thay thế bằng mối quan hệ cộng sinh trong đó các tác nhân AI được cá nhân hóa đóng vai trò là phần mở rộng kỹ thuật số của chúng ta, hiểu bối cảnh của chúng ta, dự đoán nhu cầu của chúng ta và tự điều hướng bối cảnh rộng lớn của trí tuệ phân tán. Do đó, mạng dựa trên tác nhân 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 kiến trúc này, mọi tương tác đều trở thành cơ hội để nâng cao trí thông minh và mọi thiết bị đều trở thành một phần không thể thiếu của mạng lưới hợp tác toàn cầu. Hệ thống AI của một nút.
Giống như con người điều hướng các chiều vật lý của không gian và thời gian, các tác nhân tự trị tồn tại trong các chiều cơ bản của riêng chúng: chặn không gian cho thời gian hiện tại và lý trí để suy nghĩ. Bản thể kỹ thuật số này phản ánh thực tế vật lý của chúng ta—con người vượt qua khoảng cách và trải nghiệm dòng thời gian, trong khi các tác nhân “di chuyển” thông qua các bằng chứng crypto và chu trình tính toán, tạo ra một vũ trụ tồn tại thuật toán song song.
Các thực thể trong không gian cơ bản hoạt động trong không gian khối phi tập trung sẽ là điều không thể tránh khỏi.
