แหล่งที่มา: OKX

เส้นทาง AI กำลังวิวัฒนาการจากการคาดเดาไปสู่การใช้งานจริง

โทเค็น AI Meme ในยุคแรกได้ใช้ประโยชน์จากการเติบโตของ AI เพื่อระเบิด และตอนนี้เครื่องมือการซื้อขาย AI ที่มีฟังก์ชันมากขึ้น การวิจัยการลงทุนอัจฉริยะ และผู้ดำเนินการ AI บนเชนก็กำลังเกิดขึ้น จากกลยุทธ์การดักจับแบบออนเชนที่ขับเคลื่อนด้วย AI ไปจนถึงตัวแทน AI ที่ดำเนินการงานออนเชนโดยอัตโนมัติ และโซลูชันการเพิ่มประสิทธิภาพรายได้ DeFi ที่สร้างโดย AI อิทธิพลของแทร็ก AI กำลังขยายตัวอย่างรวดเร็ว

อย่างไรก็ตาม ผู้คนส่วนใหญ่สามารถมองเห็นการเติบโตแบบทวีคูณของมูลค่าตลาดของโทเค็น AI แต่ไม่สามารถค้นหาระบบพิกัดเพื่อถอดรหัสตรรกะมูลค่าของโทเค็นเหล่านั้นได้ AI แนวไหนที่จะมีพลังชีวิตระยะยาว? DeFAI เป็นแอปพลิเคชัน AI ที่ดีที่สุดหรือไม่? การประเมินโครงการ AI มีมิติอะไรบ้าง? ......รายงานการวิจัยล่าสุดของ OKX Ventures วิเคราะห์ภูมิทัศน์การพัฒนาของ AI อย่างลึกซึ้ง ตั้งแต่การวิเคราะห์แนวคิด กระบวนการวิวัฒนาการ การประยุกต์ใช้ และกรณีศึกษาของโครงการ เราหวังว่าจะสร้างแรงบันดาลใจและความคิดบางอย่างให้กับทุกคนในการทำความเข้าใจคุณค่าของ AI

รายงานฉบับนี้มีเนื้อหาค่อนข้างมาก เพื่อให้ง่ายต่อการอ่าน เราได้แบ่งรายงานออกเป็น 2 ส่วน (ส่วนที่ 1) และ (ส่วนที่ 2) นี่คือ "ส่วนที่ 1"

1. เกี่ยวกับ AI Agent

AI Agent คือหน่วยอัจฉริยะที่มีความสามารถในการรับรู้สภาพแวดล้อม ตัดสินใจ และดำเนินการที่เกี่ยวข้อง ต่างจากระบบ AI ดั้งเดิม ตัวแทน AI จะสามารถคิดได้อย่างอิสระและเรียกใช้เครื่องมือเพื่อบรรลุเป้าหมายที่เฉพาะเจาะจงได้อย่างค่อยเป็นค่อยไป ซึ่งทำให้มีอิสระและความยืดหยุ่นมากกว่าในการจัดการงานที่ซับซ้อน

โดยสรุป ตัวแทน AI คือตัวแทนที่ขับเคลื่อนด้วยเทคโนโลยีปัญญาประดิษฐ์ และเวิร์กโฟลว์ประกอบด้วย โมดูลการรับรู้ (การรวบรวมอินพุต) โมเดลภาษาขนาดใหญ่ (ความเข้าใจ การให้เหตุผล และการวางแผน) การเรียกเครื่องมือ (การดำเนินการงาน) และข้อเสนอแนะและการเพิ่มประสิทธิภาพ (การตรวจสอบและการปรับแต่ง)

OpenAI กำหนดตัวแทน AI เป็นระบบที่มีโมเดลภาษาขนาดใหญ่เป็นแกนหลัก ซึ่งมีความสามารถในการทำความเข้าใจ การรับรู้ การวางแผน หน่วยความจำ และการใช้เครื่องมือโดยอัตโนมัติ และสามารถทำให้งานที่ซับซ้อนเป็นอัตโนมัติได้ ไม่เหมือนกับปัญญาประดิษฐ์แบบดั้งเดิม ตัวแทน AI จะสามารถบรรลุเป้าหมายที่ตั้งไว้ได้ทีละน้อยผ่านการคิดอย่างอิสระและการเรียกใช้เครื่องมือ

คำจำกัดความของ AI Agent สามารถสรุปได้เป็นองค์ประกอบสำคัญดังต่อไปนี้: การรับรู้ AI Agent รับรู้สภาพแวดล้อมโดยรอบผ่านเซ็นเซอร์ กล้อง หรืออุปกรณ์อินพุตอื่น ๆ เพื่อรับข้อมูลที่จำเป็น การใช้เหตุผล สามารถวิเคราะห์ข้อมูลที่รับรู้และดำเนินการใช้เหตุผลที่ซับซ้อนเพื่อตัดสินใจที่สมเหตุสมผล การตัดสินใจ โดยอิงจากผลการวิเคราะห์ AI Agent สามารถกำหนดแผนการดำเนินการและเลือกเส้นทางการดำเนินการที่ดีที่สุดได้ ในที่สุด การดำเนินการ AI Agent จะดำเนินการตามแผนที่กำหนดและโต้ตอบกับระบบอื่น ๆ โดยเรียกใช้เครื่องมือหรืออินเทอร์เฟซภายนอกเพื่อบรรลุเป้าหมายที่กำหนดไว้ล่วงหน้า

หลักการทำงานและกระบวนการของ AI Agent โดยทั่วไปประกอบด้วยขั้นตอนต่างๆ ดังต่อไปนี้: ขั้นแรกคือการป้อนข้อมูล การรับข้อมูลจากสภาพแวดล้อม เช่น คำสั่งผู้ใช้ ข้อมูลเซ็นเซอร์ ฯลฯ จากนั้นจึงประมวลผลข้อมูลโดยใช้อัลกอริทึมและโมเดลในตัวเพื่อประมวลผลข้อมูลอินพุต ร่วมกับระบบหน่วยความจำ (หน่วยความจำระยะสั้นและระยะยาว) เพื่อทำความเข้าใจสถานะปัจจุบัน จากนั้นจึงวางแผน โดยอิงจากผลการประมวลผล AI Agent จะแบ่งงานใหญ่ๆ ให้เป็นงานเล็กๆ ที่จัดการได้ และกำหนดแผนการดำเนินการที่เฉพาะเจาะจง ในระยะการดำเนินการ AI Agent จะดำเนินการตามแผนและตรวจสอบกระบวนการดำเนินการโดยเรียกใช้ API หรือเครื่องมือภายนอกเพื่อให้แน่ใจว่างานจะเสร็จสมบูรณ์ตามที่คาดหวังไว้ ในที่สุด ก็คือ การให้ข้อเสนอแนะและการเรียนรู้ หลังจากที่งานเสร็จสมบูรณ์แล้ว AI Agent จะพิจารณาและเรียนรู้จากผลลัพธ์เพื่อปรับปรุงคุณภาพการตัดสินใจในอนาคต

2. กระบวนการวิวัฒนาการ

เส้นทางวิวัฒนาการของโทเค็น AI แสดงให้เห็นกระบวนการเปลี่ยนแปลงจากปรากฏการณ์ "MEME" เริ่มแรกไปจนถึงการผสานรวมเทคโนโลยีเชิงลึก ในช่วงแรก โทเค็นจำนวนมากอาศัยแนวคิดระยะสั้นและกระแสบนโซเชียลมีเดียเพื่อดึงดูดความสนใจของผู้ใช้ เช่นเดียวกับมีมบนอินเทอร์เน็ต อย่างไรก็ตาม ในขณะที่ตลาดยังคงเติบโตอย่างต่อเนื่อง โทเค็น AI ค่อยๆ พัฒนาไปสู่ฟังก์ชันที่ใช้งานได้จริงและก้าวหน้ามากขึ้น ค่อย ๆ หลุดพ้นจากรูปแบบการโฆษณาเกินจริง และเปลี่ยนมาเป็นเครื่องมือทางการเงินบล็อคเชนและแพลตฟอร์มการวิเคราะห์ข้อมูลที่แท้จริง เราจะสำรวจในเชิงลึกว่าโทเค็นเหล่านี้พัฒนาจากการมีอยู่เชิงแนวคิดไปเป็นผลิตภัณฑ์ทางเทคโนโลยีที่มีมูลค่าการนำไปใช้จริงได้อย่างไร

ระยะที่ 1: AI Meme (ช่วงเวลาที่สับสน)

โทเค็น AI ในช่วงแรกส่วนใหญ่มีอยู่ในรูปแบบของ "MEME" โทเค็นเช่น $GOAT, $ACT และ $FARTCOIN ไม่มีการใช้งานหรือฟังก์ชันที่ใช้งานได้จริง มูลค่าของโทเค็นเหล่านี้ขึ้นอยู่กับแนวคิดและความรู้สึกของตลาดเป็นหลัก ในระยะนี้ วัตถุประสงค์ของโทเค็นยังไม่ชัดเจน ตลาดและผู้ใช้ยังรู้ไม่มากนักเกี่ยวกับศักยภาพของมัน และความนิยมของโทเค็นนั้นขึ้นอยู่กับการเผยแพร่บนโซเชียลมีเดียและกระแสตอบรับในระยะสั้นมากกว่า ซึ่งดูเป็นลักษณะลึกลับและเข้าใจยาก

เฟสที่ 2: การเข้าสังคม (ระยะเวลาการสำรวจ)

เนื่องจากตลาดเริ่มให้ความสำคัญกับโทเค็น AI มากขึ้น โทเค็นเหล่านี้จึงเริ่มแสดงความแข็งแกร่งในด้านสังคม ตัวอย่างเช่น โทเค็นเช่น $LUNA และ $BULLY ดึงดูดการมีส่วนร่วมของผู้ใช้ผ่านฟีเจอร์โซเชียลที่ได้รับการปรับปรุง ในระยะนี้ โทเค็นไม่อยู่ในรูปแบบเครื่องมือสร้างกระแสอีกต่อไป แต่เริ่มบูรณาการการโต้ตอบทางสังคมและการขับเคลื่อนโดยชุมชนเพื่อขับเคลื่อนการเติบโตของตลาด โทเค็นค่อยๆ ขยายตัวจากฟังก์ชั่น "การแชท" ที่เรียบง่าย ไปเป็นฟังก์ชั่นสำรวจที่บูรณาการอย่างใกล้ชิดกับความต้องการทางสังคมของผู้ใช้ ก่อให้เกิดคุณลักษณะทางสังคมที่หลากหลายยิ่งขึ้น

เฟสที่ 3: สนามแนวตั้ง (ช่วงเวลาการเจาะลึกฟังก์ชัน)

โทเค็น AI เริ่มที่จะแยกตัวออกจากโมเดลโซเชียลและกระแสแบบง่ายๆ และสำรวจสถานการณ์การใช้งานในสนามแนวตั้งอย่างละเอียด โทเค็น เช่น $AIXBT และ $ZEREBRO กำลังเพิ่มศักยภาพให้กับโทเค็นอย่างค่อยเป็นค่อยไปผ่านการรวมเข้ากับบล็อคเชน DeFi หรือเครื่องมือสร้าง ทำให้โทเค็นไม่ใช่เพียงแค่เครื่องมือเก็งกำไรอีกต่อไป แต่เป็นสินทรัพย์ดิจิทัลที่มีฟังก์ชันและวัตถุประสงค์ที่ชัดเจน ระยะนี้เป็นจุดเริ่มต้นของการพัฒนา AI Token ไปสู่ทิศทางที่มีประสิทธิภาพและเป็นมืออาชีพมากยิ่งขึ้น โดยค่อยๆ สร้างตำแหน่งทางการตลาดที่เป็นเอกลักษณ์ของตัวเองขึ้นมา

ระยะที่ 3.5: โครงสร้างพื้นฐาน (ช่วงการปรับปรุงเทคโนโลยี)

เนื่องจากการประยุกต์ใช้โทเค็นมีการพัฒนาอย่างค่อยเป็นค่อยไป โทเค็น AI จึงเริ่มเน้นไปที่การสร้างโครงสร้างพื้นฐานทางเทคนิคที่แข็งแกร่งยิ่งขึ้น การเพิ่มโทเค็นเช่น $AI16Z และ $EMP ส่งเสริมการเพิ่มประสิทธิภาพการทำงานของโทเค็นเพิ่มเติม โทเค็นไม่เพียงแต่เน้นที่แรงจูงใจทางเศรษฐกิจและฟังก์ชันในทางปฏิบัติเท่านั้น แต่ยังเริ่มให้ความสำคัญกับการสร้างโครงสร้างพื้นฐาน เช่น เทคโนโลยีข้ามสายโซ่ แอปพลิเคชันแบบกระจายอำนาจ และการรวมฮาร์ดแวร์ โดยค่อยๆ วางรากฐานทางเทคนิคสำหรับการพัฒนาที่ยั่งยืนในอนาคต

ขั้นตอนที่ 4: การวิเคราะห์ข้อมูล (ระยะเติบโตเต็มที่)

เมื่อเข้าสู่ระยะเติบโตเต็มที่ โทเค็น AI ก็เริ่มมีเสถียรภาพในตลาดมากขึ้นเรื่อยๆ และเริ่มนำฟังก์ชันการวิจัยและการวิเคราะห์การลงทุนในสกุลเงินดิจิทัลที่ซับซ้อนมากขึ้นมาใช้ ส่งเสริมการปรับปรุงระบบนิเวศของโทเค็นและโครงสร้างการกำกับดูแล โทเค็นเช่น $TRISIG และ $COOKIE ไม่ใช่เครื่องมือธรรมดาๆ อีกต่อไป แต่ได้กลายมาเป็นส่วนหนึ่งของระบบเศรษฐกิจ และถูกใช้กันอย่างแพร่หลายในสาขาขั้นสูง เช่น การวิเคราะห์ข้อมูล การกำกับดูแลชุมชน และการตัดสินใจลงทุน ณ จุดนี้ การทำงานของโทเค็น AI ได้รับการปรับปรุงดีขึ้นเรื่อยๆ และตอนนี้สามารถให้การวิเคราะห์เชิงลึกและการสนับสนุนการตัดสินใจแก่ตลาดได้ ส่งผลให้เป็นสินทรัพย์ที่สำคัญในตลาดสกุลเงินดิจิทัล

ระยะที่ 4.5: แอปพลิเคชันทางการเงิน (ระยะเวลาการบูรณาการทางนิเวศวิทยา)

ด้วยการพัฒนาอย่างต่อเนื่องของสาขา DeFi การบูรณาการโทเค็น AI ในแอปพลิเคชันทางการเงินจึงมีความล้ำลึกมากขึ้นเรื่อยๆ ส่งผลให้เกิดแนวคิดใหม่ๆ ของ "DeFAI" ด้วยปัญญาประดิษฐ์ การดำเนินการที่ซับซ้อนของ DeFi กลายเป็นเรื่องง่ายขึ้น และผู้ใช้ทั่วไปสามารถเข้าร่วมในกิจกรรมทางการเงินบนเครือข่ายได้อย่างง่ายดาย โทเค็นตัวแทนเช่น $GRIFFAIN, $ORBIT, $AIXBT ฯลฯ ค่อยๆ ก่อตัวเป็นห่วงโซ่ที่สมบูรณ์ตั้งแต่ฟังก์ชันพื้นฐานไปจนถึงบริการทางการเงินที่ซับซ้อนในตลาด เพิ่มประสิทธิภาพการโต้ตอบบนห่วงโซ่ ลดเกณฑ์สำหรับการมีส่วนร่วม และนำโอกาสและความสะดวกสบายมาสู่ผู้ใช้มากขึ้น

III. กรอบงาน AI Agent

(I) การเปรียบเทียบข้อมูลระหว่าง Web3 และ Web2

แม้ว่า AI Agent ของ Web2 จะเกี่ยวข้องกับอัลกอริทึมการแนะนำ แต่พื้นที่ทดสอบของ Web3 ก็ยังส่งเสริมนวัตกรรม AI Agent เพิ่มเติมอีกด้วย แต่ข้อมูลแสดงให้เห็นว่าโครงการ Web3 และ Web2 แสดงให้เห็นความแตกต่างที่ชัดเจนในการกระจายผู้สนับสนุน การส่งโค้ด และ GitHub Stars การเปรียบเทียบข้อมูลของโครงการ Web3 และ Web2 ช่วยให้เราเข้าใจสถานะปัจจุบันของทั้งสองโครงการได้ดีขึ้นในแง่ของนวัตกรรมเทคโนโลยี กิจกรรมชุมชน และการยอมรับของตลาด โดยเฉพาะอย่างยิ่งบนแพลตฟอร์ม GitHub กิจกรรมและความนิยมของโครงการเหล่านี้ให้ตัวบ่งชี้ที่สำคัญแก่เรา ช่วยให้เราเข้าใจถึงแนวโน้มการพัฒนาเทคโนโลยีในอนาคตและการเปลี่ยนแปลงทางระบบนิเวศของชุมชน

เมื่อพิจารณาจากการมีส่วนร่วมของนักพัฒนา จำนวนผู้สนับสนุนโครงการ Web2 นั้นสูงกว่าโครงการ Web3 อย่างมีนัยสำคัญ โดยเฉพาะอย่างยิ่ง มีผู้สนับสนุนโครงการ Web3 จำนวน 575 ราย ในขณะที่มีผู้สนับสนุนโครงการ Web2 มากถึง 9,940 ราย ซึ่งสะท้อนให้เห็นถึงความสมบูรณ์ของระบบนิเวศ Web2 และฐานนักพัฒนาที่กว้างขวางยิ่งขึ้น สามโครงการที่มีผู้มีส่วนสนับสนุนสูงสุด ได้แก่ Starkchain จำนวนผู้มีส่วนสนับสนุน 3,102 ราย Informers-agents จำนวนผู้มีส่วนสนับสนุน 3,009 ราย และ Llamaindex จำนวนผู้มีส่วนสนับสนุน 1,391 ราย

ในแง่ของการกระจายการส่งโค้ด จำนวนการส่งโครงการ Web2 นั้นยังสูงกว่าโครงการ Web3 อย่างมาก จำนวนการส่งผลงานทั้งหมดสำหรับโครงการ Web3 อยู่ที่ 9,238 ผลงาน ในขณะที่โครงการ Web2 สูงถึง 40,151 ผลงาน แสดงให้เห็นว่าโครงการ Web2 ได้รับการพัฒนาอย่างแข็งขันมากกว่าและมีความถี่ในการอัปเดตที่เสถียรกว่า สามโปรเจ็กต์ที่มีการส่งโค้ดสูงสุด ได้แก่ ElipsOS เป็นผู้นำโดยมีการส่งโค้ด 5,905 รายการ ตามมาด้วย Dust โดยมีการส่งโค้ด 5,602 รายการ และ LangChain อยู่ในอันดับสามโดยมีการส่งโค้ด 5,506 รายการ

การแจกจ่าย GitHub Stars โครงการ Web2 ได้รับความนิยมมากกว่าโครงการ Web3 บน GitHub โดยโครงการ Web2 ได้รับดาวถึง 526,747 ดาว ในขณะที่โครงการ Web3 ได้รับดาวถึง 15,676 ดาว ช่องว่างนี้สะท้อนให้เห็นถึงการรับรู้อย่างกว้างขวางของโครงการ Web2 ในชุมชนนักพัฒนาและอิทธิพลทางการตลาดที่สะสมมาในระยะยาว โปรเจ็กต์ 3 อันดับแรกที่มีจำนวนดาวสูงสุด ได้แก่: JS Agents ได้รับความนิยมสูงสุดอย่างไม่ต้องสงสัย โดยมีดาวอยู่ 137,534 ดาว ตามมาด้วย LangChain ซึ่งอยู่ในอันดับสองโดยมีดาวอยู่ 98,184 ดาว และ MetaGPT อยู่ในอันดับสามโดยมีดาวอยู่ 46,676 ดาว โดยรวมแล้ว โปรเจกต์ Web2 นั้นมีความก้าวหน้าอย่างชัดเจนในด้านจำนวนผู้สนับสนุนและความถี่ของการส่งโค้ด แสดงให้เห็นถึงระบบนิเวศที่สมบูรณ์และมีเสถียรภาพ ฐานนักพัฒนาขนาดใหญ่และนวัตกรรมทางเทคโนโลยีอย่างต่อเนื่องทำให้โครงการ Web2 สามารถรักษาความสามารถในการแข่งขันที่แข็งแกร่งในตลาดได้ ในทางกลับกัน แม้ว่าโครงการ Web3 จะมีผู้สนับสนุนน้อยกว่า แต่บางโครงการก็มีประสิทธิภาพที่โดดเด่นในด้านความถี่ในการส่งโค้ด ซึ่งบ่งบอกว่าโครงการเหล่านั้นมีทีมพัฒนาหลักที่มีเสถียรภาพ และสามารถส่งเสริมการพัฒนาโครงการต่อไปได้ แม้ว่าระบบนิเวศ Web3 จะยังอยู่ในช่วงเริ่มต้น แต่ก็ไม่ควรมองข้ามศักยภาพของมัน ชุมชนนักพัฒนาและฐานผู้ใช้ที่ค่อยๆ ก่อตัวขึ้นได้ช่วยวางรากฐานที่มั่นคงสำหรับการเติบโตในอนาคต

เมื่อพิจารณาจากความนิยมของโครงการ การกระจายของ GitHub Stars เผยให้เห็นตำแหน่งที่สำคัญของ JavaScript และ Python ในการพัฒนาเฟรมเวิร์กตัวแทน AI JS Agents และ LangChain เป็นโครงการที่ได้รับความนิยมมากที่สุด แสดงให้เห็นว่าแนวโน้มของการผสมผสาน AI และสกุลเงินดิจิทัลกำลังได้รับความสนใจอย่างกว้างขวาง แม้ว่าจำนวน Stars ของโครงการ Web3 จะน้อยกว่าโครงการ Web2 มาก แต่โครงการ Web3 บางโครงการ เช่น MetaGPT ยังคงมีประสิทธิภาพดีเป็นพิเศษและได้รับการยอมรับจากนักพัฒนา โดยรวมแล้ว แม้ว่าโครงการ Web3 จะยังอยู่ในช่วงการพัฒนา แต่ด้วยเทคโนโลยีที่ก้าวหน้าขึ้นและระบบนิเวศน์ก็ขยายตัวมากขึ้น คาดว่าตำแหน่งของโครงการในตลาดในอนาคตจะค่อยๆ ปรับปรุงขึ้นอย่างต่อเนื่อง

(II) เฟรมเวิร์กตัวแทน AI ของบล็อคเชนกระแสหลัก

แหล่งข้อมูล: https://www.aiagenttoolkit.xyz/#frameworks

(III) ความท้าทายที่เฟรมเวิร์กตัวแทน AI ของบล็อคเชนที่มีอยู่ต้องเผชิญ

“การโจมตีแบบลดมิติ” โดยคู่แข่งรายใหญ่ บริษัทยักษ์ใหญ่ด้านเทคโนโลยี เช่น OpenAI, Google และ Microsoft กำลังเปิดตัวตัวแทนมัลติทูลอย่างเป็นทางการอย่างรวดเร็ว ด้วยข้อได้เปรียบทางการเงินและเทคโนโลยีที่แข็งแกร่ง บริษัทเหล่านี้จึงมีแนวโน้มที่จะครองตลาดและทำลายกรอบงานสตาร์ทอัพได้ทุกเมื่อ ด้วยการบูรณาการโมเดลภาษาขนาดใหญ่ (LLM) บริการคลาวด์ และระบบนิเวศเครื่องมืออย่างลึกซึ้ง บริษัทขนาดใหญ่เหล่านี้จึงสามารถให้บริการโซลูชันที่ครอบคลุมและมีประสิทธิภาพได้ ซึ่งทำให้เฟรมเวิร์กขนาดเล็กและขนาดกลางต้องเผชิญกับแรงกดดันด้านการแข่งขันที่สูงขึ้น และพื้นที่ที่พวกเขาอยู่ก็ถูกบีบลงอย่างมาก

เสถียรภาพและความสามารถในการบำรุงรักษาไม่เพียงพอ ในปัจจุบันตัวแทน AI โดยทั่วไปมักเผชิญกับอัตราข้อผิดพลาดสูงและปัญหา "ภาพหลอน" โดยเฉพาะอย่างยิ่งเมื่อเรียกใช้โมเดลในหลายรอบ ซึ่งอาจนำไปสู่วงจรไม่สิ้นสุดหรือจุดบกพร่องด้านความเข้ากันได้ได้ง่าย เมื่อตัวแทนได้รับคำขอให้ดำเนินการงานย่อยหลายรายการ ข้อผิดพลาดเหล่านี้มีแนวโน้มที่จะขยายตัวเพิ่มขึ้นชั้นต่อชั้น ส่งผลให้ระบบไม่เสถียร สำหรับแอปพลิเคชันระดับองค์กรที่ต้องการความน่าเชื่อถือสูง ขณะนี้กรอบงานเหล่านี้ไม่สามารถให้ความเสถียรและการรับประกันในระดับการผลิตที่เพียงพอได้ ซึ่งจำกัดการใช้งานอย่างแพร่หลายในสภาพแวดล้อมทางธุรกิจจริง

ประสิทธิภาพและต้นทุนยังคงสูง กระบวนการที่ใช้ตัวแทนมักต้องใช้การเรียกใช้เหตุผลจำนวนมาก (เช่น การตรวจสอบตัวเองของลูป ฟังก์ชันเครื่องมือ ฯลฯ) หากเลเยอร์พื้นฐานอาศัยโมเดลขนาดใหญ่ เช่น GPT-4 ไม่เพียงแต่จะต้องเผชิญกับต้นทุนการเรียกใช้ที่สูงเท่านั้น แต่ยังมักไม่สามารถตอบสนองความต้องการในการตอบสนองอย่างรวดเร็วได้อีกด้วย แม้ว่ากรอบงานบางส่วนจะพยายามรวมโมเดลโอเพนซอร์สสำหรับการใช้เหตุผลในระดับท้องถิ่นเพื่อลดต้นทุน แต่แนวทางนี้ยังคงต้องอาศัยพลังการประมวลผลที่ทรงพลัง และคุณภาพของผลลัพธ์การใช้เหตุผลนั้นยากที่จะรักษาเสถียรภาพ ซึ่งต้องมีการเพิ่มประสิทธิภาพอย่างต่อเนื่องโดยทีมงานมืออาชีพเพื่อให้แน่ใจถึงความน่าเชื่อถือและประสิทธิภาพของระบบ

ระบบนิเวศการพัฒนาและความยืดหยุ่นยังไม่เพียงพอ ในปัจจุบัน เฟรมเวิร์กตัวแทน AI เหล่านี้ยังขาดมาตรฐานรวมในภาษาการพัฒนาและความสามารถในการปรับขนาด ซึ่งทำให้นักพัฒนาต้องเผชิญกับความสับสนและข้อจำกัดบางประการเมื่อทำการตัดสินใจ ตัวอย่างเช่น Eliza ใช้ TypeScript ซึ่งเริ่มต้นใช้งานได้ง่ายแต่มีการปรับขนาดได้ไม่ดีในสถานการณ์ที่มีความซับซ้อนสูง Rig ใช้ Rust ซึ่งมีประสิทธิภาพที่ยอดเยี่ยมแต่มีเกณฑ์การเรียนรู้สูง ZerePy (ZEREBRO) ขึ้นอยู่กับ Python และเหมาะสำหรับแอปพลิเคชันการสร้างสรรค์ แต่ฟังก์ชันต่างๆ ค่อนข้างจำกัด เฟรมเวิร์กอื่นๆ เช่น AIXBT และ Griffain มุ่งเน้นไปที่บล็อคเชนหรือแอปพลิเคชันแนวตั้งโดยเฉพาะ และการตรวจสอบตลาดจะต้องใช้เวลา นักพัฒนามักจะต้องแลกเปลี่ยนระหว่างความสะดวกในการใช้งาน ประสิทธิภาพการทำงาน และการปรับให้เหมาะกับหลายแพลตฟอร์มในกรอบงานเหล่านี้ ซึ่งส่งผลต่อความยืดหยุ่นและศักยภาพในการพัฒนาในแอปพลิเคชันที่หลากหลายยิ่งขึ้น

ความเสี่ยงด้านความปลอดภัยและการปฏิบัติตามข้อกำหนด เมื่อมีการเข้าถึง API ภายนอก ดำเนินการธุรกรรมที่สำคัญ หรือตัดสินใจอัตโนมัติ ระบบหลายตัวแทนอาจเกิดความเสี่ยงด้านความปลอดภัย เช่น การโทรที่ไม่ได้รับอนุญาต การรั่วไหลของความเป็นส่วนตัว หรือการใช้ประโยชน์ กรอบงานจำนวนมากไม่ได้สมบูรณ์แบบในแง่ของนโยบายด้านความปลอดภัยและบันทึกการตรวจสอบ โดยเฉพาะอย่างยิ่งในสถานการณ์การใช้งานขององค์กรหรือทางการเงิน ปัญหาเหล่านี้มีความโดดเด่นมากและยากต่อการปฏิบัติตามข้อกำหนดที่เข้มงวด ซึ่งหมายความว่าระบบอาจเผชิญกับความเสี่ยงทางกฎหมายและความท้าทายด้านความปลอดภัยข้อมูลเมื่อใช้งานจริง

เมื่อพิจารณาจากปัญหาต่างๆ ดังกล่าวข้างต้น ผู้ปฏิบัติงานหลายคนเชื่อว่ากรอบงาน AI Agent ในปัจจุบันอาจถูกบีบมากขึ้นภายใต้แรงกดดันจาก "ความก้าวหน้าทางเทคโนโลยีครั้งต่อไป" หรือ "โซลูชันแบบบูรณาการจากผู้ผลิตขนาดใหญ่" อย่างไรก็ตาม ยังมีมุมมองที่ว่ากรอบการทำงานของสตาร์ทอัพยังสามารถมีบทบาทเฉพาะตัวในพื้นที่เฉพาะ เช่น สถานการณ์บนเครือข่าย การสร้างไอเดีย หรือการเชื่อมต่อปลั๊กอินชุมชน ตราบใดที่ยังสามารถพัฒนาความก้าวหน้าในด้านความน่าเชื่อถือ การควบคุมต้นทุน และการสร้างระบบนิเวศได้ กรอบงานเหล่านี้ก็ยังสามารถค้นหาเส้นทางการพัฒนาที่เป็นไปได้ภายนอกระบบนิเวศของผู้ผลิตขนาดใหญ่ได้ โดยทั่วไปแล้ว ความท้าทายสำคัญที่เฟรมเวิร์ก AI Agent ทั้งหมดต้องเผชิญคือการแก้ไขปัญหาสำคัญ 2 ประการคือ “ต้นทุนสูงและมีแนวโน้มเกิดข้อผิดพลาด” และ “การบรรลุความยืดหยุ่นในหลายสถานการณ์”

3. ทิศทางการพัฒนาของ AI Agent

การทำให้ AI แบบหลายโหมดเป็นที่นิยม

ด้วยการพัฒนาอย่างรวดเร็วของเทคโนโลยี AI แบบหลายโหมดจึงค่อยๆ กลายมาเป็นแรงขับเคลื่อนหลักในอุตสาหกรรมต่างๆ AI หลายโหมดสามารถประมวลผลข้อมูลได้หลายรูปแบบ เช่น ข้อความ รูปภาพ วิดีโอ และเสียง ซึ่งทำให้มีศักยภาพอย่างมากในหลายสาขา โดยเฉพาะในสาขาการแพทย์ โดยการบูรณาการบันทึกทางการแพทย์ ข้อมูลภาพ และข้อมูลจีโนม AI แบบหลายโหมดสามารถรองรับการนำการแพทย์เฉพาะบุคคลมาใช้ และช่วยให้แพทย์ปรับแผนการรักษาให้เหมาะสมกับผู้ป่วยได้แม่นยำยิ่งขึ้น ในภาคค้าปลีกและการผลิต ด้วยความช่วยเหลือของเทคโนโลยีนี้ AI สามารถปรับกระบวนการผลิตให้เหมาะสม ปรับปรุงประสิทธิภาพ และเพิ่มประสบการณ์ของลูกค้าได้ จึงช่วยเพิ่มขีดความสามารถในการแข่งขันขององค์กรได้ ด้วยการปรับปรุงข้อมูลและพลังการประมวลผล คาดว่า AI หลายโหมดจะเข้ามามีบทบาทในการเปลี่ยนแปลงในอุตสาหกรรมต่างๆ มากขึ้น ส่งเสริมการพัฒนาเทคโนโลยีอย่างรวดเร็วและการขยายแอปพลิเคชัน

ปัญญาประดิษฐ์ที่เข้าใจและปรับตัวเข้ากับสภาพแวดล้อมโดยการรับรู้และโต้ตอบกับโลกทางกายภาพ

ปัญญาประดิษฐ์ที่เข้าใจและปรับตัวเข้ากับสภาพแวดล้อมโดยการรับรู้และโต้ตอบกับโลกทางกายภาพ เทคโนโลยีนี้จะเปลี่ยนทิศทางการพัฒนาของหุ่นยนต์อย่างมากและวางรากฐานสำหรับการแพร่หลายในระบบขับขี่อัตโนมัติ เมืองอัจฉริยะ และสถานการณ์การใช้งานอื่น ๆ ปี 2025 ถือเป็น "ปีแรกของปัญญาประดิษฐ์" และคาดว่าเทคโนโลยีนี้จะถูกนำไปใช้กันอย่างแพร่หลายในหลายสาขา การให้หุ่นยนต์มีความสามารถในการรับรู้ ทำความเข้าใจ และตัดสินใจโดยอัตโนมัติ ทำให้ปัญญาประดิษฐ์ส่งเสริมการบูรณาการอย่างลึกซึ้งระหว่างโลกกายภาพและดิจิทัล ส่งผลให้ประสิทธิภาพการผลิตดีขึ้น และส่งเสริมการพัฒนาอัจฉริยะของอุตสาหกรรมทั้งหมด ไม่ว่าจะเป็นผู้ช่วยส่วนตัว ยานยนต์ขับเคลื่อนอัตโนมัติ หรือโรงงานอัจฉริยะ ปัญญาประดิษฐ์จะเปลี่ยนแปลงวิธีที่ผู้คนโต้ตอบกับเครื่องจักร

การเพิ่มขึ้นของ AI แบบตัวแทน

AI แบบตัวแทนหมายถึงระบบปัญญาประดิษฐ์ที่สามารถทำงานที่ซับซ้อนได้โดยอิสระ ตัวแทน AI เหล่านี้กำลังพัฒนาจากเครื่องมือตอบคำถามแบบง่ายๆ ในช่วงเริ่มแรกไปเป็นระบบการตัดสินใจอัตโนมัติขั้นสูง โดยมีการใช้งานในด้านต่างๆ เช่น การเพิ่มประสิทธิภาพกระบวนการทางธุรกิจ การบริการลูกค้า และระบบอัตโนมัติในอุตสาหกรรม ตัวอย่างเช่น ตัวแทน AI สามารถจัดการคำขอปรึกษาลูกค้าได้โดยอัตโนมัติ ให้บริการเฉพาะบุคคล และแม้แต่ตัดสินใจที่เหมาะสมที่สุด ในระบบอัตโนมัติทางอุตสาหกรรม ตัวแทน AI สามารถตรวจสอบสถานะการทำงานของอุปกรณ์ คาดการณ์ความล้มเหลว และทำการปรับเปลี่ยนหรือซ่อมแซมก่อนที่จะเกิดปัญหา เมื่อตัวแทน AI มีการพัฒนาที่สมบูรณ์มากขึ้น การประยุกต์ใช้ในอุตสาหกรรมต่างๆ จะมีความเจาะลึกมากขึ้น และกลายเป็นเครื่องมือสำคัญในการปรับปรุงประสิทธิภาพและลดต้นทุน

การประยุกต์ใช้ AI ในการวิจัยทางวิทยาศาสตร์

การนำ AI มาใช้ช่วยเร่งความก้าวหน้าของการวิจัยทางวิทยาศาสตร์ โดยเฉพาะอย่างยิ่งในสาขาการวิเคราะห์ข้อมูลที่ซับซ้อน AI4S (AI for Science) กลายเป็นเทรนด์การวิจัยใหม่ ด้วยการใช้โมเดลขนาดใหญ่ในการวิเคราะห์ข้อมูลเชิงลึก AI จึงช่วยให้นักวิจัยสามารถก้าวข้ามข้อจำกัดของการวิจัยแบบเดิมได้ การประยุกต์ใช้ AI กำลังขับเคลื่อนการพัฒนาครั้งสำคัญในทางวิทยาศาสตร์พื้นฐานในสาขาต่างๆ เช่น ชีวการแพทย์ วิทยาศาสตร์วัสดุ และการวิจัยด้านพลังงาน ตัวอย่างที่น่าสังเกตคือ AlphaFold ซึ่งช่วยแก้ปัญหาที่รบกวนนักวิทยาศาสตร์มานานด้วยการคาดการณ์โครงสร้างของโปรตีนและส่งเสริมความก้าวหน้าของการวิจัยทางชีวการแพทย์อย่างมาก ในอนาคต AI จะมีบทบาทสำคัญเพิ่มมากขึ้นในการส่งเสริมความก้าวหน้าในการวิจัยทางวิทยาศาสตร์ การค้นพบวัสดุและยาใหม่ๆ เป็นต้น

ความปลอดภัยและจริยธรรมของ AI

ด้วยการเผยแพร่เทคโนโลยี AI อย่างกว้างขวาง ความปลอดภัยและประเด็นด้านจริยธรรมของ AI จึงค่อยๆ กลายเป็นจุดสนใจระดับโลก ความโปร่งใสในการตัดสินใจ ความยุติธรรม และความเสี่ยงด้านความปลอดภัยที่อาจเกิดขึ้นของระบบ AI ได้สร้างประเด็นถกเถียงมากมาย เพื่อให้แน่ใจว่าเทคโนโลยี AI มีการพัฒนาอย่างยั่งยืน บริษัทต่างๆ และเจ้าหน้าที่กำลังเพิ่มความพยายามในการสร้างกรอบการกำกับดูแลที่ดี เพื่อจัดการความเสี่ยงอย่างมีประสิทธิภาพในขณะเดียวกันก็ส่งเสริมนวัตกรรมทางเทคโนโลยี โดยเฉพาะอย่างยิ่งในด้านต่างๆ เช่น การตัดสินใจอัตโนมัติ ความเป็นส่วนตัวของข้อมูล และระบบอัตโนมัติ การสร้างสมดุลระหว่างความก้าวหน้าทางเทคโนโลยีและความรับผิดชอบต่อสังคมได้กลายเป็นกุญแจสำคัญในการสร้างผลกระทบเชิงบวกของเทคโนโลยี AI นี่ไม่เพียงเป็นความท้าทายสำหรับการพัฒนาด้านเทคโนโลยีเท่านั้น แต่ยังเป็นประเด็นสำคัญในระดับจริยธรรมและกฎหมาย ซึ่งส่งผลต่อบทบาทและสถานะของ AI ในสังคมในอนาคตอีกด้วย

ในส่วนต่อไปของรายงาน เราจะแนะนำแอปพลิเคชันและโครงการของ AI Agent อย่างละเอียด และจัดทำกรอบการประเมิน โปรดติดตาม

ข้อจำกัดความรับผิดชอบ

เนื้อหานี้มีไว้เพื่อจุดประสงค์ในการให้ข้อมูลเท่านั้น และไม่ถือเป็นและไม่ควรตีความว่าเป็น (i) คำแนะนำหรือคำแนะนำด้านการลงทุน (ii) ข้อเสนอหรือการชักชวนให้ซื้อ ขาย หรือถือสินทรัพย์ดิจิทัล หรือ (iii) คำแนะนำทางการเงิน บัญชี กฎหมาย หรือภาษี เราไม่รับประกันความถูกต้อง ความสมบูรณ์ หรือความเป็นประโยชน์ของข้อมูลดังกล่าว สินทรัพย์ดิจิทัล (รวมถึง Stablecoin และ NFT) อาจมีความผันผวนในตลาด มีความเสี่ยงสูง และอาจสูญเสียมูลค่าหรืออาจไม่มีคุณค่าได้ คุณควรพิจารณาอย่างรอบคอบว่าการซื้อขายหรือการถือครองสินทรัพย์ดิจิทัลเหมาะสมกับคุณหรือไม่ โดยพิจารณาจากสถานะทางการเงินและความสามารถในการรับความเสี่ยงของคุณ โปรดปรึกษาผู้เชี่ยวชาญด้านกฎหมาย/ภาษี/การลงทุนเกี่ยวกับสถานการณ์เฉพาะของคุณ สินค้าบางชนิดอาจไม่มีจำหน่ายในทุกพื้นที่ สำหรับรายละเอียดเพิ่มเติม โปรดดูข้อกำหนดในการให้บริการและการเปิดเผยความเสี่ยงและการปฏิเสธความรับผิดชอบของ OKX OKX Web3 Mobile Wallet และบริการอนุพันธ์นั้นมีข้อกำหนดในการให้บริการที่แยกจากกัน โปรดรับผิดชอบในการทำความเข้าใจและปฏิบัติตามกฎหมายและระเบียบข้อบังคับในท้องถิ่นที่เกี่ยวข้อง

บทความนี้มาจากการสนับสนุนและไม่แสดงถึงมุมมองของ BlockBeats

ยินดีต้อนรับสู่ชุมชนทางการของ BlockBeats:

กลุ่ม Telegram สมัครสมาชิก: https://t.me/theblockbeats

กลุ่ม Telegram พูดคุย: https://t.me/BlockBeats_App

บัญชี Twitter ทางการ: https://twitter.com/BlockBeatsAsia