หมายเหตุบรรณาธิการ: บทความนี้กล่าวถึงนวัตกรรมหลายด้านที่จะรวมการเข้ารหัสเข้ากับ AI ในปี 2568 รวมถึงการโต้ตอบระหว่างตัวแทน องค์กรตัวแทนกระจายอำนาจ ความบันเทิงที่ขับเคลื่อนด้วย AI การตลาดเนื้อหาที่สร้างขึ้น ตลาดข้อมูล การคำนวณแบบกระจายอำนาจ ฯลฯ บทความนี้สำรวจวิธีการใช้เทคโนโลยีบล็อกเชนและ AI เพื่อสร้างโอกาสใหม่ ๆ ในหลายอุตสาหกรรม ส่งเสริมการปกป้องความเป็นส่วนตัว การพัฒนาฮาร์ดแวร์ AI และการประยุกต์ใช้เทคโนโลยีแบบกระจายอำนาจ ในเวลาเดียวกัน ควรให้ความสนใจมากขึ้นว่าตัวแทนอัจฉริยะสามารถเกิดขึ้นได้อย่างไร การทำธุรกรรม การสร้างสรรค์ทางศิลปะ และสาขาอื่นๆ ที่ต้องฝ่าฟัน

ต่อไปนี้เป็นเนื้อหาต้นฉบับ (เนื้อหาต้นฉบับได้รับการแก้ไขเพื่อความสะดวกในการอ่านและทำความเข้าใจ):

ปฏิสัมพันธ์ระหว่างตัวแทน

ความโปร่งใสและความสามารถในการจัดองค์ประกอบตามค่าเริ่มต้นของ Blockchain ทำให้เป็นแพลตฟอร์มที่เหมาะสำหรับการโต้ตอบระหว่างตัวแทน

ในสถานการณ์นี้ ตัวแทนที่พัฒนาโดยเอนทิตีที่แตกต่างกันเพื่อวัตถุประสงค์ที่แตกต่างกันสามารถโต้ตอบระหว่างกันได้อย่างราบรื่น มีการทดลองมากมายกับตัวแทนที่ส่งเงินให้กัน ร่วมกันเปิดตัวโทเค็น ฯลฯ

เรารู้สึกตื่นเต้นที่ได้เห็นว่าปฏิสัมพันธ์ระหว่างตัวแทนถึงตัวแทนขยายตัวอย่างไร ทั้งผ่านการสร้างพื้นที่การใช้งานใหม่ เช่น สถานที่ทางสังคมใหม่ที่ขับเคลื่อนโดยการโต้ตอบของตัวแทน และผ่านการปรับปรุงเวิร์กโฟลว์ขององค์กรที่มีอยู่ เช่น การรับรองความถูกต้องของแพลตฟอร์ม การตรวจสอบความถูกต้อง การชำระเงินขนาดเล็ก ข้าม การรวมเวิร์กโฟลว์แพลตฟอร์ม ฯลฯ ) เพื่อปรับปรุงประสิทธิภาพและแก้ไขปัญหาที่ยุ่งยากในปัจจุบัน

—แดนนี่, เคธี่, อาดาร์ช, ดิมิทรี

องค์กรตัวแทนกระจายอำนาจ

การประสานงานหลายตัวแทนขนาดใหญ่เป็นอีกงานวิจัยที่น่าตื่นเต้นไม่แพ้กัน

ระบบหลายเอเจนต์ทำงานร่วมกันเพื่อทำงานให้เสร็จสิ้น แก้ไขปัญหา และจัดการระบบและโปรโตคอลได้อย่างไร ในบทความ "The Promise and Challenges of Encryption and Artificial Intelligence Applications" ในต้นปี 2024 Vitalik กล่าวว่าตัวแทน AI สามารถใช้สำหรับตลาดการทำนายและการตัดสินได้ เขาเชื่อจริงๆ ว่าในการใช้งานขนาดใหญ่ ระบบหลายตัวแทนมีความสามารถในการค้นพบ "ความจริง" ที่สำคัญ และสามารถบรรลุถึงระบบการกำกับดูแลอัตโนมัติที่เป็นสากลได้ เรามีความสนใจในการค้นพบและทดลองความสามารถของระบบหลายเอเจนต์และรูปแบบของ "swarm Intelligence" อย่างต่อเนื่อง

ในฐานะที่เป็นส่วนขยายของการประสานงานระหว่างตัวแทน การประสานงานระหว่างเจ้าหน้าที่และมนุษย์ยังเป็นพื้นที่การออกแบบที่น่าสนใจ โดยเฉพาะอย่างยิ่งวิธีการโต้ตอบในฐานะชุมชนรอบ ๆ เจ้าหน้าที่ หรือวิธีจัดระเบียบมนุษย์เพื่อดำเนินการร่วมกันผ่านตัวแทน เราหวังว่าจะเห็นการทดลองเพิ่มเติมกับตัวแทนที่มีเป้าหมายในการประสานงานของมนุษย์ในวงกว้าง สิ่งนี้จะต้องมีกลไกการตรวจสอบบางอย่าง โดยเฉพาะอย่างยิ่งหากงานของมนุษย์บางส่วนทำนอกเครือข่าย แต่ก็อาจนำไปสู่พฤติกรรมฉุกเฉินที่แปลกและน่าสนใจบางอย่างได้เช่นกัน

—เคธี่, ดิมิทรี, แอช

ความบันเทิงมัลติมีเดียอัจฉริยะ

แนวคิดของตัวละครดิจิทัลมีมานานหลายทศวรรษแล้ว

Hatsune Miku (2007) ขายบัตรเข้าชม 20,000 ที่นั่ง ขณะที่ Lil Miquela (2016) มีผู้ติดตามบน Instagram มากกว่า 2 ล้านคน ตัวอย่างที่ใหม่กว่าและไม่ค่อยมีใครรู้จัก ได้แก่ Neuro-sama ผู้ประกาศข่าวเสมือนของ AI (2022) ซึ่งมีสมาชิกมากกว่า 600,000 รายบน Twitch และ PLAVE วงบอยแบนด์เกาหลี (2023) ซึ่งเปิดตัวโดยไม่เปิดเผยตัวตนด้วยยอดดูน้อยกว่า 2 ครั้ง และมียอดดูมากกว่า 300 ล้านครั้ง บน YouTube ในเวลาเพียงหนึ่งปี

ในขณะที่โครงสร้างพื้นฐาน AI พัฒนาและบล็อกเชนถูกรวมเข้ากับการชำระเงิน การโอนมูลค่า และแพลตฟอร์มข้อมูลแบบเปิด เรารู้สึกตื่นเต้นมากที่ได้เห็นว่าตัวแทนเหล่านี้มีความเป็นอิสระมากขึ้น และอาจปลดล็อค AI รูปแบบใหม่ภายในปี 2568 ได้อย่างไร หมวดหมู่ความบันเทิงหลัก

—เคธี่, ดิมิทรี

การตลาดเนื้อหาเชิงสร้างสรรค์/ตัวแทน

ในกรณีดังกล่าวข้างต้น ตัวแทนคือผลิตภัณฑ์ของตัวเอง ในขณะที่อยู่ในสถานการณ์อื่น ตัวแทนจะเสริมผลิตภัณฑ์ที่มีอยู่ ในระบบเศรษฐกิจแบบเน้นความสนใจ การรักษากระแสเนื้อหาที่มีส่วนร่วมอย่างต่อเนื่องเป็นสิ่งสำคัญต่อความสำเร็จของแนวคิด ผลิตภัณฑ์ บริษัท ฯลฯ

สร้าง/เนื้อหาตัวแทนเป็นเครื่องมือที่มีประสิทธิภาพสำหรับทีมเพื่อให้แน่ใจว่าไปป์ไลน์การสร้างเนื้อหาสามารถปรับขนาดได้ตลอด 24 ชั่วโมงทุกวัน การพัฒนาแนวคิดนี้ได้รับการเร่งโดยการอภิปรายเกี่ยวกับสิ่งที่ทำให้ memecoin แตกต่างจากตัวแทน ตัวแทนจัดหาวิธีการอันทรงพลังในการกระจาย memecoins แม้ว่า memecoin เหล่านี้จะยังไม่ "ฉลาด" อย่างสมบูรณ์ (แต่อาจกลายเป็นเช่นนั้น)

อีกตัวอย่างหนึ่งคือความต้องการที่เพิ่มขึ้นสำหรับเกมที่จะต้องมีความเคลื่อนไหวมากขึ้นเพื่อให้ผู้ใช้มีส่วนร่วม หนึ่งในวิธีคลาสสิกในการสร้างไดนามิกของเกมคือการปลูกฝังเนื้อหาที่ผู้ใช้สร้างขึ้น เนื้อหาที่สร้างขึ้นอย่างสมบูรณ์ (ตั้งแต่ไอเท็มในเกมไปจนถึง NPC ไปจนถึงระดับที่สร้างขึ้นอย่างสมบูรณ์) อาจเป็นขั้นต่อไปของวิวัฒนาการนี้ เราอยากรู้ว่าตัวแทนในปี 2568 จะขยายขอบเขตของกลยุทธ์การกระจายสินค้าแบบเดิมๆ ได้อย่างไร

—เคธี่

เครื่องมือ/แพลตฟอร์มศิลปะยุคต่อไป

ในปี 2024 เราได้เปิดตัว IN CONVERSATION WITH ซึ่งเป็นซีรีส์สัมภาษณ์กับศิลปิน crypto ในด้านดนตรี ทัศนศิลป์ การออกแบบ การดูแลจัดการ และอื่นๆ ข้อสังเกตสำคัญที่ฉันได้มาจากการสัมภาษณ์ในปีนี้ก็คือ ศิลปินหลายคนที่สนใจในสกุลเงินดิจิทัลมักจะมีความสนใจอย่างมากในเทคโนโลยีล้ำสมัย และต้องการรวมเทคโนโลยีเหล่านี้เข้ากับแนวทางปฏิบัติทางศิลปะของตนเอง กล่าวอีกนัยหนึ่งก็คือ วัตถุ AR/VR ศิลปะแห่งการเขียนโค้ดและการเขียนโค้ดแบบสด และอื่นๆ อีกมากมาย

โดยเฉพาะอย่างยิ่ง generative art มีการทำงานร่วมกันอย่างเป็นธรรมชาติกับบล็อกเชน ซึ่งทำให้ชัดเจนยิ่งขึ้นว่าเป็นแพลตฟอร์มพื้นฐานที่มีศักยภาพสำหรับงานศิลปะ AI การแสดงรูปแบบศิลปะเหล่านี้อย่างเหมาะสมเป็นเรื่องยากมากในรูปแบบดั้งเดิม ArtBlocks เสนอวิสัยทัศน์ว่าบล็อกเชนจะถูกใช้ในอนาคตเพื่อแสดง จัดเก็บ สร้างรายได้ และอนุรักษ์งานศิลปะดิจิทัลอย่างไร - ปรับปรุงประสบการณ์โดยรวมสำหรับทั้งศิลปินและผู้ชม นอกเหนือจากการนำเสนอแล้ว เครื่องมือ AI ยังขยายความสามารถของคนธรรมดาในการสร้างสรรค์งานศิลปะของตนเองอีกด้วย วิธีที่บล็อกเชนจะขยายหรือสนับสนุนเครื่องมือเหล่านี้ในปี 2568 จะเป็นหัวข้อที่น่าสนใจมาก

—เคธี่

ตลาดข้อมูล

ในช่วง 20 ปีนับตั้งแต่ Clive Humby ประกาศว่า "ข้อมูลคือน้ำมันชนิดใหม่" บริษัทต่างๆ ได้ใช้มาตรการที่มีประสิทธิภาพในการกักตุนและสร้างรายได้จากข้อมูลผู้ใช้ ผู้ใช้ตระหนักมากขึ้นว่าข้อมูลของตนเป็นรากฐานสำหรับการสร้างบริษัทที่มีมูลค่าหลายพันล้านดอลลาร์เหล่านี้ แต่พวกเขาควบคุมวิธีการใช้ข้อมูลของตนได้เพียงเล็กน้อย และไม่มีส่วนแบ่งผลกำไรที่ได้มา

ตลาดข้อมูล

ในช่วง 20 ปีนับตั้งแต่ Clive Humby ประกาศว่า "ข้อมูลคือน้ำมันชนิดใหม่" บริษัทต่างๆ ได้ใช้มาตรการที่มีประสิทธิภาพในการกักตุนและสร้างรายได้จากข้อมูลผู้ใช้ ผู้ใช้ตระหนักมากขึ้นว่าข้อมูลของตนเป็นรากฐานสำหรับการสร้างบริษัทที่มีมูลค่าหลายพันล้านดอลลาร์เหล่านี้ แต่พวกเขาควบคุมวิธีการใช้ข้อมูลของตนได้เพียงเล็กน้อย และไม่มีส่วนแบ่งผลกำไรที่ได้มา

การพัฒนาที่เร่งขึ้นของโมเดล AI ที่ทรงพลังทำให้ความขัดแย้งนี้รุนแรงยิ่งขึ้น หากการแก้ปัญหาการแสวงหาประโยชน์จากผู้ใช้เป็นส่วนหนึ่งของโอกาสด้านข้อมูล ปัญหาที่สำคัญอีกประการหนึ่งก็คือการแก้ปัญหาการขาดแคลนข้อมูลเนื่องจากมีการใช้โมเดลที่ใหญ่ขึ้นและมีประสิทธิภาพมากขึ้น จำเป็นต้องมีแหล่งข้อมูลใหม่

มีพื้นที่การออกแบบขนาดใหญ่ที่เกี่ยวข้องกับโซลูชันที่เป็นนวัตกรรมในหลายพื้นที่เกี่ยวกับวิธีการใช้ประโยชน์จากโครงสร้างพื้นฐานแบบกระจายอำนาจเพื่อถ่ายโอนการควบคุมข้อมูลจากบริษัทกลับไปยังแหล่งที่มาของข้อมูล (ผู้ใช้) คำถามเร่งด่วนที่สุดได้แก่: สถานที่จัดเก็บข้อมูลและวิธีการรักษาความเป็นส่วนตัวระหว่างการจัดเก็บ การส่งผ่าน และการคำนวณ วิธีเปรียบเทียบอย่างเป็นกลาง กรอง และประเมินคุณภาพของข้อมูล และกลไกใดที่เราใช้สำหรับการระบุแหล่งที่มาและการสร้างรายได้ (โดยเฉพาะอย่างยิ่งเมื่อจำเป็นต้องคำนึงถึงคุณค่า) อนุมานระหว่างการอนุมาน) กลับไปยังแหล่งที่มา) ประเภทของการประสานงานหรือการดึงข้อมูลที่เราใช้ในระบบนิเวศแบบจำลองที่หลากหลาย

เกี่ยวกับการแก้ปัญหาคอขวดของอุปทาน ไม่ใช่แค่การจำลอง Scale AI ผ่านโทเค็นเท่านั้น แต่ยังเกี่ยวกับการทำความเข้าใจว่าเราจะได้รับประโยชน์จากจุดใดด้วยความช่วยเหลือจากกระแสลมด้านเทคโนโลยี และกลไกขนาด คุณภาพ หรือสิ่งจูงใจที่ดีกว่า (และการกรอง) เพื่อสร้างการแข่งขัน โซลูชั่นส่งผลให้ผลิตภัณฑ์ข้อมูลที่มีมูลค่าสูงขึ้น โดยเฉพาะอย่างยิ่งเมื่อฝ่ายอุปสงค์ส่วนใหญ่มาจาก web2 AI วิธีรวมกลไกการบังคับใช้สัญญาอัจฉริยะเข้ากับข้อตกลงระดับการบริการ (SLA) และเครื่องมือแบบดั้งเดิมถือเป็นส่วนสำคัญที่ต้องให้ความสนใจ

—แดนนี่

การคำนวณแบบกระจายอำนาจ

หากข้อมูลเป็นองค์ประกอบพื้นฐานประการหนึ่งสำหรับการพัฒนาและการปรับใช้ AI พลังการประมวลผลก็เป็นอีกสิ่งหนึ่ง ศูนย์ข้อมูลขนาดใหญ่แบบดั้งเดิมที่มีการเข้าถึงเฉพาะตัว รวมถึงการควบคุมพื้นที่ พลังงาน และฮาร์ดแวร์ ได้ครอบงำวิถีการเรียนรู้เชิงลึกและ AI ในช่วงไม่กี่ปีที่ผ่านมา แต่เมื่อข้อจำกัดทางกายภาพและการพัฒนาโอเพ่นซอร์สก้าวหน้า รูปแบบนี้จึงเริ่มที่จะ ถูกท้าทาย

การประมวลผลเวอร์ชัน v1 ใน AI แบบกระจายอำนาจดูเหมือนสำเนาคาร์บอนของคลาวด์ web2 GPU โดยไม่มีข้อได้เปรียบด้านการจัดหาที่แท้จริง (ทั้งฮาร์ดแวร์หรือศูนย์ข้อมูล) และการขาดความต้องการตามธรรมชาติ และในเวอร์ชัน 2 เราเริ่มเห็นทีมที่ยอดเยี่ยมบางทีมสร้างกลุ่มเทคโนโลยีที่สมบูรณ์โดยอิงตามข้อกำหนดการประมวลผลประสิทธิภาพสูง (HPC) ที่ต่างกัน ซึ่งเกี่ยวข้องกับความสามารถในการจัดระเบียบ การกำหนดเส้นทาง การกำหนดราคา ฯลฯ รวมกับคุณสมบัติที่เป็นกรรมสิทธิ์บางอย่างเพื่อดึงดูดความต้องการและข้อตกลง ด้วยการบีบอัดระยะขอบ โดยเฉพาะอย่างยิ่งในด้านการใช้เหตุผล นอกจากนี้ ทีมต่างๆ ก็เริ่มมีความแตกต่างกันในกรณีการใช้งานที่แตกต่างกันและกลยุทธ์การเข้าสู่ตลาด (GTM) โดยบางทีมมุ่งเน้นไปที่การบูรณาการเฟรมเวิร์กการคอมไพล์เข้ากับการกำหนดเส้นทางการอนุมานที่มีประสิทธิภาพบนฮาร์ดแวร์ที่หลากหลาย ในขณะที่ทีมอื่นๆ เป็นผู้บุกเบิกการอนุมานแบบกระจายบนเครือข่ายคอมพิวเตอร์ที่พวกเขาสร้างขึ้น กรอบ.

เรายังเริ่มเห็นการเกิดขึ้นของตลาด AI-Fi ด้วยหลักการทางเศรษฐกิจแบบใหม่ที่เปลี่ยนคอมพิวเตอร์และ GPU ให้เป็นสินทรัพย์ที่สร้างรายได้ หรือใช้ประโยชน์จากสภาพคล่องบนเครือข่ายเพื่อจัดหาแหล่งเงินทุนอื่นให้กับศูนย์ข้อมูลในการซื้อฮาร์ดแวร์ คำถามสำคัญที่นี่คือขอบเขตที่ AI แบบกระจายอำนาจ (DeAI) จะพัฒนาและนำไปใช้ในการติดตามการประมวลผลแบบกระจายอำนาจ หรือช่องว่างระหว่างอุดมการณ์และความต้องการในทางปฏิบัติจะยังคงไม่สามารถเชื่อมโยงได้ เช่นเดียวกับพื้นที่จัดเก็บข้อมูล ดังนั้นจึงไม่สามารถตระหนักถึงความครบถ้วนสมบูรณ์ ศักยภาพของแนวคิดนี้

—แดนนี่

มาตรฐานการคำนวณและการบัญชี

ที่เกี่ยวข้องกับกลไกแรงจูงใจของเครือข่ายคอมพิวเตอร์ประสิทธิภาพสูงแบบกระจายอำนาจ ความท้าทายที่สำคัญในการประสานงานทรัพยากรคอมพิวเตอร์ที่แตกต่างกันคือการขาดมาตรฐานที่เป็นหนึ่งเดียวในการคำนึงถึงพลังการประมวลผลเหล่านี้ โมเดล AI เพิ่มปัจจัยที่ซับซ้อนหลายประการในพื้นที่เอาต์พุตการประมวลผลประสิทธิภาพสูง (HPC) โดยไม่ซ้ำใคร ตั้งแต่การเปลี่ยนแปลงโมเดลและการหาปริมาณไปจนถึงการปรับระดับของการสุ่มผ่านอุณหภูมิของโมเดลและไฮเปอร์พารามิเตอร์การสุ่มตัวอย่าง นอกจากนี้ ฮาร์ดแวร์ AI ยังอาจนำเสนอความซับซ้อนมากขึ้นผ่านความหลากหลายของสถาปัตยกรรม GPU และ CUDA เวอร์ชันต่างๆ ท้ายที่สุดแล้ว สิ่งนี้นำไปสู่ความต้องการแบบจำลองการบัญชีและความสามารถของตลาดการประมวลผลในการคำนวณข้ามเวลาในระบบแบบกระจายที่แตกต่างกัน

ส่วนหนึ่งเนื่องมาจากการขาดมาตรฐาน เราพบเห็นหลายกรณีในโลกของ web2 และ web3 ที่ตลาดโมเดลและการประมวลผลไม่สามารถอธิบายคุณภาพและปริมาณของพลังการประมวลผลได้อย่างแม่นยำ ส่งผลให้ผู้ใช้ต้องตรวจสอบประสิทธิภาพที่แท้จริงของเลเยอร์ AI เหล่านี้โดยการรันเกณฑ์มาตรฐานโมเดลเปรียบเทียบของตนเอง และดำเนินการพิสูจน์การทำงานในตลาดการประมวลผลผ่านการจำกัดอัตรา

ส่วนหนึ่งเนื่องมาจากการขาดมาตรฐาน เราพบเห็นหลายกรณีในโลกของ web2 และ web3 ที่ตลาดโมเดลและการประมวลผลไม่สามารถอธิบายคุณภาพและปริมาณของพลังการประมวลผลได้อย่างแม่นยำ ส่งผลให้ผู้ใช้ต้องตรวจสอบประสิทธิภาพที่แท้จริงของเลเยอร์ AI เหล่านี้โดยการรันเกณฑ์มาตรฐานโมเดลเปรียบเทียบของตนเอง และดำเนินการพิสูจน์การทำงานในตลาดการประมวลผลผ่านการจำกัดอัตรา

เนื่องจากหลักการสำคัญในพื้นที่ crypto คือการตรวจสอบได้ เราหวังว่าจุดตัดของ crypto และ AI ในปี 2025 จะตรวจสอบได้ง่ายกว่า AI แบบดั้งเดิม โดยเฉพาะอย่างยิ่ง เป็นสิ่งสำคัญที่ผู้ใช้โดยเฉลี่ยจะสามารถเปรียบเทียบแง่มุมต่างๆ ของโมเดลหรือคลัสเตอร์ที่กำหนด โดยเฉพาะอย่างยิ่งคุณลักษณะที่กำหนดผลลัพธ์ เพื่อตรวจสอบและเปรียบเทียบประสิทธิภาพของระบบ

—อาดาร์ช

ความเป็นส่วนตัวดั้งเดิมที่น่าจะเป็น

ในบทความ "The Promises and Challenges of Encryption and AI Applications" Vitalik กล่าวถึงความท้าทายเฉพาะตัวในการแก้ปัญหาการเข้ารหัสและ AI:

“ในวิทยาการเข้ารหัสลับ โอเพ่นซอร์สเป็นวิธีเดียวที่จะทำให้สิ่งต่าง ๆ ปลอดภัยอย่างแท้จริง แต่ใน AI การเปิดกว้างของโมเดล (และแม้แต่ข้อมูลการฝึกอบรม) จะเพิ่มความเสี่ยงต่อการโจมตีการเรียนรู้ของเครื่องของฝ่ายตรงข้ามอย่างมาก”

แม้ว่าความเป็นส่วนตัวจะไม่ใช่ทิศทางการวิจัยใหม่ในสาขาบล็อคเชน แต่เราเชื่อว่าความนิยมของ AI จะยังคงเร่งการวิจัยและการประยุกต์ใช้การเข้ารหัสความเป็นส่วนตัวแบบดั้งเดิมต่อไป ในปีนี้ เทคโนโลยีเพิ่มความเป็นส่วนตัว เช่น ZK, FHE, TEE และ MPC มีความก้าวหน้าอย่างมาก โดยมีสถานการณ์การใช้งานรวมถึงแอปพลิเคชันทั่วไป เช่น สถานะการแชร์ส่วนตัว สำหรับการคำนวณข้อมูลที่เข้ารหัส ในเวลาเดียวกัน เรายังได้เห็นบริษัท AI ยักษ์ใหญ่แบบรวมศูนย์ เช่น Nvidia และ Apple ใช้ TEE ที่เป็นกรรมสิทธิ์สำหรับการเรียนรู้ร่วมกันและการอนุมาน AI ส่วนตัว เพื่อรักษาความสอดคล้องของฮาร์ดแวร์ เฟิร์มแวร์ และรุ่นต่างๆ ทั่วทั้งระบบ

ด้วยเหตุนี้ เราจะมาดูอย่างใกล้ชิดว่าการถ่ายโอนสถานะแบบสุ่มสามารถเก็บไว้เป็นส่วนตัวบนระบบที่ต่างกันได้อย่างไร และวิธีที่พวกเขาสามารถเร่งการพัฒนาแอปพลิเคชัน AI แบบกระจายอำนาจในโลกแห่งความเป็นจริง จากการอนุมานส่วนตัวแบบกระจายอำนาจไปจนถึงการจัดเก็บ/การเข้าถึง ไปป์ไลน์ที่เข้ารหัสไปยังสภาพแวดล้อมการดำเนินการแบบสมบูรณ์

—อาดาร์ช

ความตั้งใจของตัวแทนและอินเทอร์เฟซธุรกรรมผู้ใช้รุ่นต่อไป

สถานการณ์การใช้งานที่ใกล้เคียงที่สุดสำหรับตัวแทน AI คือการใช้พวกเขาเพื่อทำธุรกรรมอัตโนมัติบนเครือข่ายในนามของเรา เป็นที่ยอมรับว่าในช่วง 12 ถึง 16 เดือนที่ผ่านมา มีความคลุมเครือมากมายเกี่ยวกับ "ความตั้งใจ" "การกระทำของตัวแทน" "ความตั้งใจของตัวแทน" "ผู้แก้ปัญหา" "ผู้แก้ปัญหาของตัวแทน" ฯลฯ และสิ่งเหล่านี้แตกต่างกัน จากการพัฒนา "หุ่นยนต์" แบบดั้งเดิมมากขึ้นในช่วงไม่กี่ปีที่ผ่านมา

ในอีก 12 เดือนข้างหน้า เราคาดว่าจะเห็นระบบภาษาที่ซับซ้อนมากขึ้น รวมกับข้อมูลประเภทต่างๆ และสถาปัตยกรรมเครือข่ายประสาทเทียม ซึ่งจะขับเคลื่อนพื้นที่การออกแบบโดยรวมไปข้างหน้า ตัวแทนจะยังคงซื้อขายโดยใช้ระบบออนไลน์แบบเดียวกับที่เราใช้ในปัจจุบัน หรือพวกเขาจะพัฒนาเครื่องมือ/วิธีการซื้อขายที่เป็นอิสระของตนเองหรือไม่? โมเดลภาษาขนาดใหญ่ (LLM) จะยังคงทำหน้าที่เป็นแบ็คเอนด์สำหรับระบบการซื้อขายตัวแทนเหล่านี้ต่อไป หรือจะถูกแทนที่ด้วยระบบอื่นหรือไม่ ในระดับอินเทอร์เฟซ ผู้ใช้จะเริ่มใช้ภาษาธรรมชาติในการทำธุรกรรมหรือไม่ ในที่สุดทฤษฎี "กระเป๋าสตางค์เหมือนเบราว์เซอร์" แบบคลาสสิกจะเป็นจริงหรือไม่?

—แดนนี่, เคธี่, อาดาร์ช, ดิมิทรี