Chainfeeds tóm tắt:
Có lẽ chính khả năng không ngừng nghỉ của việc chuyển đổi các loại tài sản cơ bản thành các loại tài sản mới là điều làm nên sức hấp dẫn của Crypto.
Nguồn bài viết:
https://mp.weixin.qq.com/s/X26-yJeqsiwTF1QYKm6j9w
Tác giả bài viết:
Zuoye
Quan điểm:
Zuoye: Tóm lại, AI Agent là một sự chuyên biệt hóa của LLM. LLM hiện tại không phải là AGI, tức không phải là tổ chức L5 như mơ ước của OpenAI, khả năng của nó bị hạn chế khá nhiều, chẳng hạn như nếu ăn quá nhiều thông tin đầu vào của người dùng thì rất dễ bị ảo giác, một trong những lý do quan trọng là cơ chế huấn luyện, ví dụ nếu bạn liên tục nói với GPT rằng 1+1=3, thì có khả năng khi hỏi tiếp 1+1+1=? nó sẽ trả lời là 4. Bởi vì phản hồi của mô hình này hoàn toàn dựa trên thông tin cá nhân của người dùng, nếu mô hình không được kết nối mạng, thì rất có thể sẽ bị thay đổi cơ chế hoạt động và trở thành một GPT yếu ớt chỉ biết 1+1=3. Nhưng nếu cho phép mô hình kết nối mạng, thì cơ chế phản hồi của GPT sẽ trở nên đa dạng hơn, bởi vì trên mạng, những người cho rằng 1+1=2 sẽ chiếm đa số. Nếu chúng ta buộc phải sử dụng LLM cục bộ, thì làm thế nào để tránh những vấn đề như vậy? Một cách đơn giản và thô bạo là sử dụng đồng thời hai LLM, và quy định rằng mỗi lần trả lời câu hỏi, hai LLM này phải kiểm tra lẫn nhau, để giảm khả năng xảy ra lỗi, ngoài ra còn có một số cách khác, chẳng hạn như mỗi lần để hai người dùng xử lý một quy trình, một người phụ trách đặt câu hỏi, một người phụ trách vi chỉnh câu hỏi, để ngôn ngữ trở nên chuẩn xác và hợp lý hơn. Tất nhiên, đôi khi kết nối mạng cũng không thể hoàn toàn tránh khỏi các vấn đề, chẳng hạn như LLM tìm thấy câu trả lời ngớ ngẩn từ diễn đàn yếu ớt, thì có thể còn tệ hơn, nhưng tránh những nguồn dữ liệu này sẽ khiến lượng dữ liệu có thể sử dụng giảm đi, vì vậy hoàn toàn có thể chia tách và tái tổ chức dữ liệu hiện có, thậm chí dựa trên dữ liệu cũ tự tạo ra một số dữ liệu mới, để câu trả lời trở nên đáng tin cậy hơn, thực chất đây chính là cách hiểu tự nhiên ngôn ngữ RAG (Retrieval-Augmented Generation). Con người và máy móc cần phải hiểu lẫn nhau, nếu chúng ta để nhiều LLM hiểu và hợp tác với nhau, thì về bản chất đã chạm đến cách thức vận hành của AI Agent, tức là con người làm đại diện để gọi các nguồn lực khác, thậm chí bao gồm cả mô hình lớn và các Agent khác. Ở một nghĩa nào đó, đây cũng là phong cách thường thấy gần đây của Web3, tức là nền tảng phát hành token quan trọng hơn token, Pump.Fun/Hyperliquid cũng là như vậy, vốn dĩ Agent là ứng dụng và tài sản, nhưng khung phát hành Agent lại trở thành sản phẩm hot nhất. Thực ra đây cũng là một cách tiếp cận giá trị neo đậu, vì các loại Agent không có sự phân biệt, nên khung phát hành Agent lại ổn định hơn một chút, có thể tạo ra hiệu ứng hút giá trị phát hành tài sản, đây là phiên bản 1.0 khi kết hợp Crypto và AI Agent hiện nay. Còn phiên bản 2.0 đang dần hình thành, điển hình là sự kết hợp giữa DeFi và AI Agent, khái niệm DeFAI được đề xuất tất nhiên là do kích thích thị trường, nhưng nếu xem xét các trường hợp sau đây thì sẽ thấy có chút khác biệt: Morpho đang thách thức các sản phẩm cho vay cũ như Aave; Hyperliquid đang thay thế các sản phẩm phái sinh trên chuỗi của dYdX, thậm chí là thách thức hiệu ứng niêm yết trên sàn tập trung (CEX) của Binance; stablecoin đang trở thành công cụ thanh toán cho các kịch bản ngoài chuỗi. Chính trong bối cảnh biến đổi của DeFi, AI đang cải thiện logic cơ bản của DeFi, nếu như trước đây logic lớn nhất của DeFi là xác minh tính khả thi của hợp đồng thông minh, thì nay AI Agent lại khiến logic sản xuất của DeFi thay đổi, bạn không cần hiểu DeFi vẫn có thể tạo ra các sản phẩm DeFi, đây là một sự tăng cường cơ bản hơn so với việc trừu tượng hóa chuỗi.
Nguồn nội dung
