Tác giả: Azi.eth.sol | Nguồn: hai lực lượng thay đổi. AI nâng cao khả năng nhận thức của con người thông qua học máy và mạng lưới thần kinh, trong khi công nghệ chuỗi khối 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.
Mạng Sự phát triển của mạng
Để hiểu chúng ta đang hướng tới đâu, trước tiên chúng ta hãy xem lại quá trình phát triển của mạng, trong đó mỗi giai đoạn có các khả năng và mô hình kiến trúc khác nhau:
< img src="https://img.jinse.cn/7315876_watermarknone.png" title="7315876" alt="1DytmjRYeehkcW3GnYR6HxNGSHI86KwRVJ4hk8Rq.png">
Hai thế hệ mạng đầu tiên tập trung vào phổ biến thông tin, trong khi hai thế hệ tiếp theo Điều này làm cho việc nâng cao thông tin trở nên khả thi. Web 3.0 đã giới thiệu quyền sở hữu dữ liệu thông qua mã thông báo và giờ đây Web 4.0 truyền tải trí thông minh thông qua các mô hình ngôn ngữ lớn (LLM).
LLM thể hiện bước nhảy vọt lượng tử về trí tuệ máy móc dưới dạng hệ thống năng động, phù hợp với mô hình, biến đổi kiến thức khổng lồ vào sự hiểu biết theo ngữ cảnh thông qua tính toán 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 ra ngoài những hạn chế 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 trí tuệ 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, nơi tính toán và giao diện điều chỉnh theo thời gian thực dựa trên ngữ cảnh và mục đích của người dùng.
Các trang web truyền thống và mạng proxy
Các trang web truyền thống là đơn vị cơ bản của Internet ngày nay, cung cấp giao diện cố định mà người dùng có thể đọc qua đường dẫn Viết sẵn. và tương tác với thông tin. 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.
Kiến trúc dựa trên tác nhân là một lĩnh vực khám phá rộng lớn đối với các nhà nghiên cứu và nhà phát triển. Các 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 tư duy (CoT), Cây tư duy (ToT) và Đồ thị tư duy (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.
Tư duy chuỗi (CoT) Cho phép các mô hình ngôn ngữ lớn chia nhỏ các 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.
Cây Tư duy (ToT)phát triển hơn nữa trên cơ sở CoT và áp dụng cấu trúc cây, cho phép khám phá nhiều lối suy nghĩ độc lập. Cải tiến này cho phép LLM xử lý các 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 cục 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 đồ họa (GoT) tiếp tục mở rộng khái niệm này bằng cách kết hợp các cấu trúc dữ liệu cổ điển với LLM. Cách tiếp cận 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 đồ thị của GoT thường phản ánh các 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 dây chuyền hoặc cây (ví dụ: 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 theo 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.
Các hình ảnh trong GoT The Cách tiếp cận tiên tiến giúp việc khám phá 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 hóa và song song hóa LLM thông qua sự phối hợp của nhiều 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. Chúng tôi tin rằng, nếu mở rộng ý tưởng này hơn nữa, kiến trúc mạng tác nhân sẽ là hình thức tối ưu của cấu trúc liên kết thông minh này.
Từ góc độ sinh học, không giống như các mô hình AI trong đó 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), các cấp độ cơ quan và tế bào cực kỳ không đồng nhất. 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 phối hợp giữa các mô hình này sẽ có nhiều khả năng thúc đẩy sự đổi mới trong kiến trúc nhận thức, tương tự như kiến trúc của hệ thống nhiều 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 hơn. 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
Mặc dù các mô hình ngôn ngữ lớn (LLM) đã chứng tỏ được những khả năng đáng kinh ngạc - chẳng hạn như tạo ra văn bản giống con người, giải quyết các vấn đề phức tạp và Xử lý nhiều nhiệm vụ khác nhau - nhưng những hạn chế mà một tác nhân LLM duy nhất gặp phải trong các ứng dụng trong thế giới thực có thể ảnh hưởng đến hiệu quả của nó. 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
Một tác nhân LLM thường có thể gây ảo giác, tạo ra không chính xác hoặc vô lý thông tin. Trong trường hợp này, mặc dù đã được đào tạo rộng rãi 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 nguy cơ 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 thông qua xử lý phân tán
LLM có cửa sổ ngữ cảnh hạn chế, điều này gây khó khăn cho việc xử lý các tài liệu hoặc cuộc hội thoại dài hơn. 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.
Tăng hiệu quả thông qua xử lý song song
Một LLM thường xử lý một tác 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 các tác 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 các vấn đề phức tạp
Một LLM duy nhất thường không thể 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 hợp 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 tiếp cận thông qua tối ưu hóa tài nguyên
LLM nâng cao yêu cầu một lượng lớn tài nguyên máy tính, khiến nó tốn kém và khó phổ biến. 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 ưu điểm hấp dẫn trong việc giải quyết vấn đề phân tán và tối ưu hóa tài nguyên, nhưng tiềm năng thực sự của chúng vẫn được xem xét khi triển khai chúng ở rìa mạng được hiển thị vào thời điểm đó. 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. Cách tiếp cận 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.
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 sự phân nhánh tự nhiên của điện toán: các trung tâm dữ liệu chuyên biệt xử lý các tác 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 lớn các tương tác 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, đây là một tính năng quan trọng đối với các ứng dụng như xe tự hành, thực tế tăng cường và thiết bị Internet of Things.
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 trong mạng.
Cuối cùng, suy luận biên hỗ trợ khả năng ngoại tuyến và tính linh hoạt, đảm bảo rằng khả năng AI vẫn tồn tại ngay cả khi kết nối mạng bị hạn chế.
Mô hình trí tuệ phân tán này không chỉ đơn thuần 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 tôi đã 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 tỏ rằng suy luận động đòi hỏi một lượng lớn tài nguyên điện toán thời gian thực.
Không giống như điện toán thời gian đào tạo, vốn là một khoản đầu tư duy nhất 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 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.
Việc phân cấp 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 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 các 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, toàn cầu giống như thị trường giao ngay để suy luận có thể kiểm chứng dựa trên cung và cầu.
Ngày nay, LLM cho phép chúng tôi truy cập lượng thông tin khổng lồ thông qua cuộc trò chuyện thay vì duyệt web truyền thống. Cách tiếp cận 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 góc nhìn 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, cửa sổ 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 của dữ liệu cá nhân sẽ vượt qua dữ liệu Internet 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, không còn truy cập được dữ liệu thô. 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 có bối cảnh cao, địa phương 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, khả năng 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.
Trong mạng tác tử (Agentic Web), sự tương tác giữa con người và 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 cơ bản cốt lõi cần có để triển khai giao thức proxy:
Nhận dạng chủ quyền
Nhận dạng kỹ thuật số chuyển đổi từ địa chỉ IP truyền thống sang khóa công khai được mã hóa thuộc sở hữu của người ủy quyền.
Hệ thống không gian tên dựa trên blockchain thay thế DNS truyền thống và loại bỏ điểm kiểm soát trung tâm.
Hệ thống danh tiếng theo dõi các số liệu về độ tin cậy và năng lực của các đại lý.
Bằng chứng không kiến thức thực hiện xác minh danh tính bảo vệ quyền riêng tư.
Khả năng tổng hợp của danh tính cho phép các tác nhân quản lý nhiều bối cảnh và vai trò.
Đại lý tự trị
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 thông số xác định < /p>
Chuyên môn hóa đại lý và thị trường năng lực cụ thể
Cơ chế bảo mật tích hợp và giao thức liên kết
Một thực thể tự quản lý với:
Cơ sở hạ tầng dữ liệu
Khả năng xử lý và nhập dữ liệu theo thời gian thực
Phân phối Cơ chế xác minh và xác minh dữ liệu
Kết hợp hệ thống lai: zkTLS, bộ dữ liệu đào tạo truyền thống, quét web theo thời gian thực và tổng hợp dữ liệu
Mạng RLHF (Học tập tăng cường dựa trên phản hồi của con người)
Thu thập phản hồi phân tán
p>Cơ chế đồng thuận có trọng số chất lượng
Giao thức điều chỉnh mô hình động
Thị trường tính toán điểm-điểm
Hệ thống chứng minh tính toán
Phân bổ tài nguyên động
Tích hợp điện toán biên
Tính toàn vẹn trong tính toán
Khả năng tái tạo kết quả
Hiệu quả tài nguyên
Giao thức suy luận có thể xác minh đảm bảo:
Cơ sở hạ tầng điện toán phi tập trung với:
Hệ sinh thái mô hình
Mô hình ngôn ngữ nhỏ dành riêng cho nhiệm vụ (SLM)
Mô hình ngôn ngữ lớn chung (LLM)
Các mô hình đa phương thức chuyên biệt
Mô hình hành động lớn (LAM)
Sự kết hợp và phối hợp mô hình
Học hỏi liên tục và khả năng thích ứng
Các giao thức và giao diện mô hình được tiêu chuẩn hóa< /p>
Khung điều phối
Xử lý tác vụ đồng thời
Cách ly tài nguyên
Quản lý nhà nước< /p>
Giải quyết xung đột
Các giao thức mã hóa đảm bảo proxy an toàn Tương tác
Kỹ thuật số Hệ thống quản lý quyền tài sản
Cơ cấu khuyến khích kinh tế
Cơ chế quản trị: giải quyết tranh chấp, phân bổ nguồn lực, cập nhật giao thức
Hỗ trợ môi trường thực thi song song:
Thị trường đại lý
Quản trị và cổ tức
đại lý sở hữu một tỷ lệ mã thông báo nhất định khi tạo
Thị trường lý luận tổng hợp thanh toán thông qua tính thanh khoản
< /li>Các khóa trên chuỗi kiểm soát các tài khoản ngoài chuỗi
Các tài khoản gốc trên chuỗi được sử dụng để nhận dạng (ví dụ: Gnosis, Squad multisig)
Kinh tế và giao dịch giữa đại lý
Đại lý có tính thanh khoản
Đại lý trở thành tài sản mang lại doanh thu
Đặc vụ DAO
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 "Mô hình tác nhân" tính toán trực tiếp hơn.
Mô hình tác nhân cung cấp 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 mẫu tính toán phổ biến, mỗi tác nhân có thể:
Xử lý thông báo
Đưa ra các quyết định tại địa phương
Tạo thêm nhiều tác nhân
Gửi tin nhắn cho các tác nhân khác
< /li>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 tác nhân bao gồm:
< ul class=" list-paddingleft-2">Cách ly: Mỗi tác nhân hoạt động độc lập, duy trì trạng thái và luồng điều khiển riêng.
Giao tiếp không đồng bộ: Thông báo truyền giữa các tác nhân là không bị chặn, cho phép xử lý song song hiệu quả.
Tính minh bạch về 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 sự cách ly tác nhân và hệ thống phân cấp giám sát.
Khả năng mở rộng: Hỗ trợ tự nhiên cho các hệ thống phân tán và điện 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 không gian tên và xác thực có thể xác minh, cho phép các tác nhân được xác định và phát hiện một cách xác định trong khi vẫn duy trì bằng chứng mật mã 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 trên chuỗi trong khi cho phép khám phá ngang hàng nhận biết cục bộ. Thông qua CRDT, việc đồng bộ hóa trạng thái giữa các 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 là tự nhiên Ánh xạ lên mạng liên kết, trong đó các tác nhân tự trị chạy dưới dạng các nút có chủ quyền trên các thiết bị có khả năng suy luận biên cục bộ, triển khai mẫu 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 lớp này hỗ trợ một số chức năng chính:
Phối hợp phi tập trung
< ul class=" list-paddingleft-2" style="list-style-type: Square;">Sử dụng blockchain để đạt được danh tính có thể xác minh và không gian tên có chủ quyền toàn cầu
DHT để định tuyến nội dung và nút ngang hàng hiệu quả, tra cứu O(log n)
CRDT để đồng bộ hóa trạng thái đồng thời và phối hợp nhiều tác nhân
Các thao tác có thể mở rộng
Cấu trúc liên kết dựa trên khu vực
Chiến lược lưu trữ phân cấp (lưu trữ nóng/lưu trữ ấm/lưu trữ lạnh)
Định tuyến yêu cầu nhận biết cục bộ
Phân phối tải dựa trên khả năng
Khả năng phục hồi của hệ thống
Không có điểm thất bại nào
Hoạt động liên tục trong quá trình phân vùng
Tự động điều chỉnh trạng thái
< /li>Khả năng chịu lỗi thông qua giám sát phân cấp
Phương pháp triển khai này cung cấp nền tảng vững chắc để xây dựng các hệ thống tác nhân phức tạp, đồng thời, các tính năng chính như chủ quyền, khả năng mở rộng và khả năng phục hồi được duy trì để duy trì. đảm bảo sự tương tác hiệu quả giữa các đại lý.
Mạng dựa trên tác nhân đánh dấu một bước phát triển quan trọng trong tương tác giữa người và máy tính, vượt qua sự phát triển tuyến tính của các thời đại trước và thiết lập một nền tảng kỹ thuật số mới ở đó là một mô hình. 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 nơi 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 móc bắt đầu mờ nhạt, thay vào đó là mối quan hệ cộng sinh trong đó các tác nhân AI được cá nhân hóa Hoạt động như các phần mở rộng kỹ thuật số của chúng ta, hiểu bối cảnh của chúng ta, dự đoán nhu cầu và tự động điều hướng bối cảnh rộng lớn của trí thông minh được phân phối. 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: không gian chặn để tồn tại,Thời gian lý luậnđể 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 mật mã và chu trình tính toán, tạo ra một vũ trụ tồn tại thuật toán song song.
Các thực thể trong không gian tiềm ẩn hoạt động trong không gian khối phi tập trung sẽ là điều không thể tránh khỏi.
Khám phá quan điểm của Elon Musk về Bitcoin và sự kiện giảm một nửa sắp tới vào năm 2024 đang định hình bối cảnh tiền điện tử và tác động đến chiến lược của nhà đầu tư như thế nào.
BrianẤn Độ đã tăng cường đàn áp các sàn giao dịch tiền điện tử ở nước ngoài, khiến Apple phải xóa ứng dụng của các nền tảng như Binance và Bitfinex khỏi App Store trong nước. Các biện pháp quản lý, bao gồm thông báo tuân thủ và khoản thuế 1% được gọi là Khấu trừ thuế tại nguồn (TDS), phản ánh cam kết của Ấn Độ trong việc thực thi các quy định về tiền điện tử, tác động đến cả sàn giao dịch trong và ngoài nước.
JoyNgười sáng lập Tron Justin Sun lạc quan về sự chấp nhận tiền điện tử toàn cầu, tập trung vào tiềm năng của Trung Quốc tham gia vào các ETF Bitcoin giao ngay, trong khi Johnny Ng của Hồng Kông kêu gọi triển khai nhanh chóng và nâng cao giáo dục về tài sản ảo.
JoyKhám phá Luno, ứng dụng đầu tư tiền điện tử đang cách mạng hóa tài chính kỹ thuật số. Tìm hiểu về các tính năng, bảo mật và tác động toàn cầu của nó trong hướng dẫn toàn diện của chúng tôi.
KikyoNgười đồng sáng lập Ethereum Vitalik Buterin đã đề xuất tăng 33% giới hạn gas của mạng trong Reddit AMA gần đây, nhằm phá vỡ tình trạng trì trệ gần ba năm. Việc điều chỉnh, nếu được thực hiện, có thể nâng cao năng lực giao dịch của Ethereum nhưng làm tăng mối lo ngại về rủi ro mạng tăng cao, khiến cộng đồng phải cân nhắc cẩn thận giữa lợi ích tiềm năng và các tác động bảo mật.
JoyKhám phá những phát triển gần đây trong thị trường tiền điện tử Ấn Độ, bao gồm việc loại bỏ các ứng dụng trao đổi tiền điện tử lớn khỏi App Store của Apple và bối cảnh pháp lý ngày càng phát triển.
MiyukiLàm sáng tỏ tác động của X của Elon Musk đối với vụ hack Twitter của SEC: Một cái nhìn quan trọng về việc thiếu xác thực hai yếu tố đã dẫn đến giá trị Bitcoin tăng vọt như thế nào.
WeatherlyKhám phá hoạt động tài chính lớn của Ripple Labs với việc mua lại cổ phiếu trị giá 285 triệu USD, định giá công ty ở mức 11,3 tỷ USD. Hiểu tác động đến các nhà đầu tư, thị trường và tương lai của Ripple. Đọc phân tích chuyên sâu của chúng tôi về sự kiện quan trọng này trong ngành tiền điện tử và ý nghĩa của nó đối với sự tăng trưởng và vị thế thị trường của Ripple.
BrianKhám phá những tác động bất ngờ của vụ hack tài khoản SEC X đối với quá trình phê duyệt các quỹ Bitcoin Spot ETF. Bài viết này đi sâu vào sự tương tác giữa an ninh mạng và quy định tài chính, phân tích sự cố này có thể định hình lại tương lai của hoạt động đầu tư tiền điện tử như thế nào.
WeiliangĐi sâu vào hành trình hấp dẫn trong quá trình phê duyệt Spot Bitcoin ETF. Khám phá một thập kỷ đầy thách thức, các cột mốc pháp lý và những khoảnh khắc quan trọng dẫn đến thành tựu lịch sử này trong thế giới tiền điện tử.
Anais