ชื่อเรื่องต้นฉบับ: "IOSG Weekly Brief | เมื่อเบราว์เซอร์ของคุณกลายเป็น Agent #289"

ผู้เขียนต้นฉบับ: Mario Chow, Figo, @IOSG

บทนำ

ในช่วง 12 เดือนที่ผ่านมา ความสัมพันธ์ระหว่างเว็บเบราว์เซอร์และระบบอัตโนมัติได้เปลี่ยนแปลงไปอย่างมาก บริษัทเทคโนโลยีชั้นนำเกือบทุกแห่งกำลังเร่งสร้างเอเจนต์เบราว์เซอร์อัตโนมัติ แนวโน้มนี้ทวีความรุนแรงมากขึ้นนับตั้งแต่ปลายปี 2024: OpenAI เปิดตัว Agent Mode ในเดือนมกราคม Anthropic เปิดตัวฟีเจอร์ "การใช้งานคอมพิวเตอร์" สำหรับโมเดล Claude, Google DeepMind เปิดตัว Project Mariner, Opera เปิดตัวเบราว์เซอร์ Neon ที่พัฒนาจากเอเจนต์ และ Perplexity AI เปิดตัวเบราว์เซอร์ Comet สัญญาณที่ชัดเจนคือ อนาคตของ AI อยู่ที่เอเจนต์ที่สามารถนำทางเว็บได้โดยอัตโนมัติ

เทรนด์นี้ไม่ได้เป็นเพียงการเพิ่มแชทบอทที่ชาญฉลาดให้กับเบราว์เซอร์เท่านั้น แต่ยังเป็นการเปลี่ยนแปลงครั้งสำคัญในวิธีที่เครื่องจักรโต้ตอบกับสภาพแวดล้อมดิจิทัล เอเจนต์เบราว์เซอร์คือระบบ AI ที่สามารถ "มองเห็น" หน้าเว็บและดำเนินการต่างๆ ได้ เช่น การคลิกลิงก์ การกรอกแบบฟอร์ม การเลื่อนหน้าจอ และการพิมพ์ข้อความ เช่นเดียวกับผู้ใช้งานจริง รูปแบบนี้สัญญาว่าจะปลดล็อกประสิทธิภาพการทำงานและมูลค่าทางเศรษฐกิจมหาศาล ด้วยการทำให้งานต่างๆ ที่ปัจจุบันต้องใช้แรงงานคนหรือซับซ้อนเกินกว่าสคริปต์แบบดั้งเดิมทำงานอัตโนมัติ

▲ การสาธิต GIF: เอเจนต์เบราว์เซอร์ AI ขณะใช้งาน: ทำตามคำแนะนำ นำทางไปยังหน้าชุดข้อมูลเป้าหมาย จับภาพหน้าจอโดยอัตโนมัติ และดึงข้อมูลที่ต้องการ

ใครจะเป็นผู้ชนะในสงครามเบราว์เซอร์ AI?

บริษัทเทคโนโลยีรายใหญ่เกือบทั้งหมด (และสตาร์ทอัพบางแห่ง) กำลังพัฒนาโซลูชันเอเจนต์เบราว์เซอร์ AI ของตนเอง ต่อไปนี้คือโครงการที่เป็นตัวแทนมากที่สุดบางส่วน:

OpenAI – โหมดเอเจนต์

โหมดเอเจนต์ของ OpenAI (เดิมชื่อ Operator เปิดตัวในเดือนมกราคม 2025) คือเอเจนต์ AI ที่มีเบราว์เซอร์เป็นของตัวเอง Operator สามารถจัดการงานออนไลน์ที่ทำซ้ำๆ ได้หลากหลาย เช่น การกรอกแบบฟอร์มทางเว็บ การสั่งของชำ และการนัดหมายการประชุม ซึ่งทั้งหมดนี้ดำเนินการผ่านอินเทอร์เฟซเว็บมาตรฐานที่มนุษย์นิยมใช้กันทั่วไป

▲ ตัวแทน AI จัดตารางการประชุมเสมือนผู้ช่วยมืออาชีพ: ตรวจสอบปฏิทิน ค้นหาช่วงเวลาที่ว่าง สร้างกิจกรรม ส่งการยืนยัน และสร้างไฟล์ .ics ให้คุณ

Anthropic – “การใช้งานคอมพิวเตอร์” ของ Claude

ปลายปี 2024 Anthropic ได้เปิดตัวฟีเจอร์ “การใช้งานคอมพิวเตอร์” ใหม่สำหรับ Claude 3.5 ซึ่งทำให้สามารถใช้งานคอมพิวเตอร์และเบราว์เซอร์ได้เหมือนมนุษย์ Claude สามารถดูหน้าจอ เลื่อนเคอร์เซอร์ คลิกปุ่ม และป้อนข้อความได้ นี่เป็นเครื่องมือตัวแทนขนาดใหญ่ตัวแรกในประเภทนี้ที่เข้าสู่เวอร์ชันเบต้าสาธารณะ ช่วยให้นักพัฒนาสามารถเปิดใช้งาน Claude เพื่อนำทางเว็บไซต์และแอปพลิเคชันโดยอัตโนมัติ Anthropic กำหนดให้เป็นฟีเจอร์ทดลอง โดยมีเป้าหมายหลักคือการทำให้เวิร์กโฟลว์หลายขั้นตอนบนหน้าเว็บเป็นอัตโนมัติ

Perplexity – Comet

Perplexity บริษัทสตาร์ทอัพด้าน AI (ซึ่งเป็นที่รู้จักจากเครื่องมือถาม-ตอบ) ได้เปิดตัวเบราว์เซอร์ Comet ในช่วงกลางปี 2025 เพื่อเป็นทางเลือกแทน Chrome ที่ขับเคลื่อนด้วย AI โดยพื้นฐานแล้ว Comet คือเครื่องมือค้นหา AI แบบสนทนาที่สร้างขึ้นในแถบที่อยู่ (แถบอเนกประสงค์) มอบคำถามและคำตอบและบทสรุปแบบทันทีแทนลิงก์ค้นหาแบบเดิม

Comet ยังมี Comet Assistant ซึ่งเป็นเอเจนต์ที่ฝังอยู่ในแถบด้านข้างที่ทำหน้าที่อัตโนมัติงานประจำบนเว็บไซต์ต่างๆ ตัวอย่างเช่น สามารถสรุปอีเมลที่เปิดอยู่ กำหนดเวลาการประชุม จัดการแท็บเบราว์เซอร์ หรือเรียกดูและรวบรวมข้อมูลเว็บในนามของคุณ

Comet มุ่งมั่นที่จะผสานรวมการเรียกดูเข้ากับผู้ช่วย AI ได้อย่างราบรื่น โดยช่วยให้เอเจนต์สามารถรับรู้เนื้อหาหน้าเว็บปัจจุบันผ่านอินเทอร์เฟซแถบด้านข้าง

สถานการณ์การใช้งานจริงสำหรับเอเจนต์เบราว์เซอร์

ก่อนหน้านี้ เราได้ทบทวนวิธีการที่บริษัทเทคโนโลยีชั้นนำ (OpenAI, Anthropic, Perplexity และอื่นๆ) ได้ผสานรวมฟังก์ชันการทำงานเข้ากับเอเจนต์เบราว์เซอร์ผ่านผลิตภัณฑ์รูปแบบต่างๆ เพื่อให้เข้าใจคุณค่าของสิ่งเหล่านี้ได้อย่างลึกซึ้งยิ่งขึ้น ลองมาดูสถานการณ์จริงที่ความสามารถเหล่านี้ถูกนำไปใช้ในชีวิตประจำวันและเวิร์กโฟลว์ขององค์กรอย่างละเอียดยิ่งขึ้น

ระบบอัตโนมัติบนเว็บรายวัน

# อีคอมเมิร์ซและการช้อปปิ้งส่วนตัว

สถานการณ์ที่ใช้งานได้จริงอย่างยิ่งคือการมอบหมายงานช้อปปิ้งและการจองให้กับตัวแทน ตัวแทนสามารถเพิ่มสินค้าลงในตะกร้าสินค้าออนไลน์ของคุณโดยอัตโนมัติและสั่งซื้อสินค้าตามรายการที่กำหนดไว้ หรือค้นหาราคาที่ถูกที่สุดจากร้านค้าหลายแห่งและดำเนินการชำระเงินแทนคุณ

สำหรับการเดินทาง คุณสามารถขอให้ AI ทำงานต่างๆ เช่น "จองตั๋วเครื่องบินไปโตเกียวเดือนหน้าในราคาต่ำกว่า 800 ดอลลาร์ พร้อมโรงแรมพร้อม Wi-Fi ฟรี" ตัวแทนจะจัดการกระบวนการทั้งหมด ตั้งแต่การค้นหาเที่ยวบิน เปรียบเทียบตัวเลือกต่างๆ กรอกข้อมูลผู้โดยสาร และดำเนินการจองโรงแรมให้เสร็จสมบูรณ์ ทั้งหมดนี้ทำได้ผ่านเว็บไซต์ของสายการบินและโรงแรม ระบบอัตโนมัติระดับนี้เหนือกว่าบอทท่องเที่ยวที่มีอยู่เดิมมาก: มันไม่ใช่แค่การให้คำแนะนำและดำเนินการสั่งซื้อโดยตรง

# การปรับปรุงประสิทธิภาพสำนักงาน

ตัวแทนสามารถทำให้งานซ้ำๆ ที่ผู้คนทำในเบราว์เซอร์เป็นแบบอัตโนมัติได้ ตัวอย่างเช่น สามารถจัดระเบียบอีเมลและดึงรายการสิ่งที่ต้องทำ หรือตรวจสอบความพร้อมใช้งานในปฏิทินหลายรายการ และกำหนดเวลาการประชุมโดยอัตโนมัติ ผู้ช่วย Comet ของ Perplexity สามารถสรุปเนื้อหาในกล่องจดหมายของคุณ หรือเพิ่มรายการปฏิทินให้คุณผ่านอินเทอร์เฟซบนเว็บได้ เมื่อคุณอนุญาต ตัวแทนยังสามารถเข้าสู่ระบบเครื่องมือ SaaS เพื่อสร้างรายงานประจำ อัปเดตสเปรดชีต หรือส่งแบบฟอร์ม ลองนึกภาพตัวแทนฝ่ายทรัพยากรบุคคลที่เข้าสู่ระบบเว็บไซต์ประกาศรับสมัครงานต่างๆ โดยอัตโนมัติ หรือตัวแทนฝ่ายขายอัปเดตข้อมูลลูกค้าเป้าหมายในระบบ CRM งานธรรมดาๆ เหล่านี้อาจกินเวลาพนักงานไปมาก แต่ AI สามารถทำได้โดยทำให้แบบฟอร์มบนเว็บและการดำเนินการบนหน้าเว็บเป็นแบบอัตโนมัติ นอกเหนือจากงานเดี่ยวๆ ตัวแทนยังสามารถจัดการเวิร์กโฟลว์ทั้งหมดบนหลายระบบเครือข่ายได้ ขั้นตอนทั้งหมดนี้ต้องการอินเทอร์เฟซบนเว็บที่แตกต่างกัน ซึ่งเป็นจุดที่ตัวแทนเบราว์เซอร์ทำได้ดี ตัวแทนสามารถเข้าสู่ระบบแดชบอร์ดต่างๆ เพื่อแก้ไขปัญหาและแม้กระทั่งจัดการกระบวนการต่างๆ เช่น การดำเนินการต้อนรับพนักงานใหม่ให้เสร็จสมบูรณ์ (การสร้างบัญชีในเว็บไซต์ SaaS หลายแห่ง) โดยพื้นฐานแล้ว การดำเนินการหลายขั้นตอนใดๆ ที่ปัจจุบันต้องคลิกผ่านหลายเว็บไซต์ สามารถดำเนินการผ่านพร็อกซีได้

ความท้าทายและข้อจำกัดในปัจจุบัน

แม้จะมีศักยภาพมหาศาล แต่พร็อกซีเบราว์เซอร์ในปัจจุบันยังคงห่างไกลจากความสมบูรณ์แบบ การใช้งานในปัจจุบันเผยให้เห็นถึงความท้าทายทางเทคนิคและโครงสร้างพื้นฐานที่มีมายาวนาน:

ความไม่ตรงกันทางสถาปัตยกรรม

เว็บสมัยใหม่ถูกออกแบบมาสำหรับเบราว์เซอร์ที่ควบคุมโดยมนุษย์ และได้รับการพัฒนามาอย่างต่อเนื่องเพื่อต่อต้านระบบอัตโนมัติ ข้อมูลมักถูกฝังอยู่ใน HTML/CSS ที่ปรับให้เหมาะสมสำหรับการนำเสนอภาพ ถูกจำกัดด้วยท่าทางการโต้ตอบ (เช่น การเลื่อนเมาส์ การปัดนิ้ว) หรือเข้าถึงได้เฉพาะผ่าน API ที่ไม่มีเอกสารประกอบ

ยิ่งไปกว่านั้น ระบบป้องกันการขูดข้อมูลและป้องกันการฉ้อโกงยังเพิ่มอุปสรรคที่ไม่จำเป็น เครื่องมือเหล่านี้ผสมผสานชื่อเสียงของ IP, การตรวจสอบลายนิ้วมือเบราว์เซอร์, การตอบสนองต่อความท้าทายของ JavaScript และการวิเคราะห์พฤติกรรม (เช่น ความสุ่มของการเคลื่อนไหวของเมาส์, จังหวะการพิมพ์, เวลาที่ใช้ในการพิมพ์) ในทางกลับกัน ยิ่งเอเจนต์ AI ปรากฏว่า "สมบูรณ์แบบ" และมีประสิทธิภาพมากเท่าไหร่ เช่น การกรอกแบบฟอร์มได้ทันทีและไม่มีข้อผิดพลาด ก็ยิ่งง่ายต่อการระบุว่าเป็นระบบอัตโนมัติที่เป็นอันตราย ซึ่งอาจนำไปสู่ความล้มเหลวร้ายแรง ตัวอย่างเช่น เอเจนต์ OpenAI หรือ Google อาจทำตามขั้นตอนก่อนการชำระเงินทั้งหมดสำเร็จ แต่ถูกหยุดโดย CAPTCHA หรือตัวกรองความปลอดภัยรอง การผสมผสานระหว่างอินเทอร์เฟซที่ปรับให้เหมาะกับมนุษย์และเลเยอร์การป้องกันที่ไม่เป็นมิตรกับบอท บังคับให้เอเจนต์ต้องใช้กลยุทธ์ "เลียนแบบมนุษย์-เครื่องจักร" ที่เปราะบาง วิธีการนี้มีความเสี่ยงสูงที่จะล้มเหลวและมีอัตราความสำเร็จต่ำ (แม้จะไม่มีการแทรกแซงจากมนุษย์ ธุรกรรมที่เสร็จสมบูรณ์น้อยกว่าหนึ่งในสามก็ยังคงเสร็จสมบูรณ์)

ข้อกังวลด้านความน่าเชื่อถือและความปลอดภัย

การให้ตัวแทนควบคุมอย่างเต็มที่มักจำเป็นต้องเข้าถึงข้อมูลที่ละเอียดอ่อน เช่น ข้อมูลรับรองการเข้าสู่ระบบ คุกกี้ โทเค็นการยืนยันตัวตนแบบสองปัจจัย และแม้แต่ข้อมูลการชำระเงิน เรื่องนี้สร้างความกังวลที่เข้าใจได้สำหรับทั้งผู้ใช้และธุรกิจ:

· หากตัวแทนทำผิดพลาดหรือถูกเว็บไซต์ที่เป็นอันตรายหลอกลวง จะเกิดอะไรขึ้น?

· ใครจะรับผิดชอบหากตัวแทนยอมรับข้อกำหนดในการให้บริการหรือทำธุรกรรม?

ด้วยความเสี่ยงเหล่านี้ ระบบในปัจจุบันจึงมักใช้วิธีการที่ระมัดระวัง:

· Mariner ของ Google จะไม่ป้อนข้อมูลบัตรเครดิตหรือยอมรับข้อกำหนดในการให้บริการ แต่จะส่งคืนข้อมูลดังกล่าวให้กับผู้ใช้

· Operator ของ OpenAI จะแจ้งให้ผู้ใช้ดำเนินการล็อกอินหรือกรอก CAPTCHA

· ตัวแทนที่ขับเคลื่อนโดย Claude ของ Anthropic อาจปฏิเสธการเข้าสู่ระบบ โดยอ้างถึงข้อกังวลด้านความปลอดภัย

ผลลัพธ์: การหยุดชะงักและการส่งต่อข้อมูลระหว่าง AI และมนุษย์บ่อยครั้ง บั่นทอนประสบการณ์การทำงานอัตโนมัติที่ราบรื่น

แม้จะมีอุปสรรคเหล่านี้ แต่ความก้าวหน้าก็ดำเนินไปอย่างรวดเร็ว บริษัทต่างๆ เช่น OpenAI, Google และ Anthropic เรียนรู้จากความล้มเหลวของพวกเขาในแต่ละรอบการทำงาน เมื่อความต้องการเพิ่มขึ้น มีแนวโน้มที่จะเกิด “วิวัฒนาการร่วม” ขึ้น นั่นคือ เว็บไซต์จะมีความเป็นมิตรกับตัวแทนมากขึ้นในสถานการณ์ที่เอื้ออำนวย และตัวแทนจะพัฒนาความสามารถในการเลียนแบบพฤติกรรมมนุษย์อย่างต่อเนื่องเพื่อหลีกเลี่ยงอุปสรรคที่มีอยู่

แนวทางและโอกาส

พร็อกซีเบราว์เซอร์ในปัจจุบันเผชิญกับความเป็นจริงที่แตกต่างกันสองประการ ได้แก่ สภาพแวดล้อมที่ไม่เอื้ออำนวยของ Web2 ซึ่งมาตรการป้องกันการคัดลอกข้อมูลและมาตรการรักษาความปลอดภัยมีอยู่ทั่วไป และสภาพแวดล้อมแบบเปิดของ Web3 ซึ่งมักสนับสนุนระบบอัตโนมัติ ความแตกต่างนี้กำหนดทิศทางของโซลูชันต่างๆ โซลูชันต่อไปนี้แบ่งออกเป็นสองประเภทโดยคร่าวๆ ได้แก่ โซลูชันที่ช่วยให้พร็อกซีหลีกเลี่ยงสภาพแวดล้อมที่ไม่เอื้ออำนวยของ Web2 และโซลูชันที่ติดตั้งมากับ Web3 แม้ว่าความท้าทายที่พร็อกซีเบราว์เซอร์ต้องเผชิญยังคงมีอยู่มาก แต่ก็มีโครงการใหม่ๆ เกิดขึ้นที่พยายามแก้ไขปัญหาเหล่านี้โดยตรง ระบบนิเวศของสกุลเงินดิจิทัลและการเงินแบบกระจายศูนย์ (DeFi) กำลังกลายเป็นพื้นที่ทดสอบตามธรรมชาติ เนื่องจากมีความเปิดกว้าง สามารถตั้งโปรแกรมได้ และมีความเอื้ออำนวยต่อระบบอัตโนมัติน้อยกว่า API แบบเปิด สัญญาอัจฉริยะ และความโปร่งใสแบบออนเชน ช่วยขจัดจุดเสียดทานทั่วไปมากมายในโลกของ Web2 มีโซลูชันสี่ประเภท แต่ละประเภทสามารถแก้ไขข้อจำกัดหลักในปัจจุบันอย่างน้อยหนึ่งข้อ: เบราว์เซอร์พร็อกซีแบบเนทีฟสำหรับการดำเนินงานแบบออนเชน เบราว์เซอร์เหล่านี้ได้รับการออกแบบมาตั้งแต่ต้นให้ขับเคลื่อนโดยตัวแทนอิสระ และผสานรวมเข้ากับโปรโตคอลบล็อกเชนอย่างลึกซึ้ง ต่างจากเบราว์เซอร์ Chrome ทั่วไปที่อาศัย Selenium, Playwright หรือปลั๊กอิน wallet สำหรับการทำงานอัตโนมัติแบบออนเชน เบราว์เซอร์พร็อกซีแบบเนทีฟมี API โดยตรงและเส้นทางการดำเนินการที่เชื่อถือได้สำหรับตัวแทนในการเรียกใช้ ในระบบการเงินแบบกระจายศูนย์ ความถูกต้องของธุรกรรมขึ้นอยู่กับลายเซ็นเข้ารหัสลับมากกว่า "ความเหมือนมนุษย์" ของผู้ใช้ ดังนั้น ในสภาพแวดล้อมแบบออนเชน พร็อกซีสามารถข้ามผ่าน CAPTCHA คะแนนการตรวจจับการฉ้อโกง และการตรวจสอบลายนิ้วมืออุปกรณ์ ซึ่งเป็นเรื่องปกติในโลก Web2 อย่างไรก็ตาม หากเบราว์เซอร์เหล่านี้ถูกนำทางไปยังเว็บไซต์ Web2 เช่น Amazon เบราว์เซอร์เหล่านี้จะไม่สามารถข้ามผ่านการป้องกันเหล่านี้ได้ และจะยังคงเรียกใช้มาตรการป้องกันบอทตามปกติ

คุณค่าของเบราว์เซอร์พร็อกซีไม่ได้อยู่ที่การเข้าถึงเว็บไซต์ทั้งหมดอย่างมหัศจรรย์ แต่อยู่ที่:

· การผสานรวมบล็อกเชนดั้งเดิม: รองรับกระเป๋าเงินและลายเซ็นในตัว ช่วยลดความจำเป็นในการใช้ป๊อปอัป MetaMask หรือการแยกวิเคราะห์ DOM บนส่วนหน้าของ dApp

· การออกแบบที่เน้นระบบอัตโนมัติเป็นอันดับแรก: ให้คำแนะนำระดับสูงที่เสถียรซึ่งแมปโดยตรงกับการดำเนินการของโปรโตคอล

· รูปแบบความปลอดภัย: การควบคุมการอนุญาตและแซนด์บ็อกซ์ที่ได้รับการปรับปรุงใหม่ช่วยให้มั่นใจถึงความปลอดภัยของคีย์ส่วนตัวในระหว่างการทำงานอัตโนมัติ

· การเพิ่มประสิทธิภาพการทำงาน: ความสามารถในการดำเนินการเรียกแบบออนเชนหลายรายการพร้อมกันโดยไม่ต้องแสดงผลเบราว์เซอร์หรือเกิดความล่าช้าของ UI

Donut ผสานรวมข้อมูลและการดำเนินงานของบล็อกเชนในฐานะพลเมืองชั้นหนึ่ง ผู้ใช้ (หรือตัวแทน) สามารถวางเมาส์เหนือเพื่อดูตัวบ่งชี้ความเสี่ยงแบบเรียลไทม์สำหรับโทเค็น หรือป้อนคำสั่งภาษาธรรมชาติโดยตรง เช่น "/swap 100 USDC to SOL" ด้วยการข้ามจุดเสียดทานของ Web2 ทำให้ Donut ช่วยให้ตัวแทนทำงานได้อย่างเต็มประสิทธิภาพใน DeFi ซึ่งช่วยปรับปรุงสภาพคล่อง การเก็งกำไร และประสิทธิภาพของตลาด การดำเนินการพร็อกซีที่ตรวจสอบได้และเชื่อถือได้ การให้สิทธิ์ที่ละเอียดอ่อนแก่ตัวแทนมีความเสี่ยง โซลูชันที่ใช้ Trusted Execution Environments (TEEs) หรือ Zero-Knowledge Proofs (ZKPs) จะยืนยันพฤติกรรมที่คาดหวังของตัวแทนก่อนการดำเนินการด้วยการเข้ารหัส ช่วยให้ผู้ใช้และคู่สัญญาสามารถตรวจสอบการดำเนินการของตัวแทนได้โดยไม่ต้องเปิดเผยคีย์ส่วนตัวหรือข้อมูลประจำตัว

# กรณีศึกษา: เครือข่าย Phala

Phala ใช้ TEE (เช่น Intel SGX) เพื่อแยกและปกป้องสภาพแวดล้อมการทำงาน ป้องกันไม่ให้ผู้ปฏิบัติงานหรือผู้โจมตีของ Phala สอดแนมหรือแทรกแซงตรรกะและข้อมูลของพร็อกซี TEE เปรียบเสมือน "ห้องปลอดภัย" ที่ได้รับการสนับสนุนโดยฮาร์ดแวร์ ซึ่งรับประกันการรักษาความลับ (มองไม่เห็นจากภายนอก) และความสมบูรณ์ (ไม่สามารถแก้ไขได้จากภายนอก)

สำหรับพร็อกซีเบราว์เซอร์ หมายความว่าสามารถเข้าสู่ระบบ เก็บโทเค็นเซสชัน หรือประมวลผลข้อมูลการชำระเงิน และข้อมูลสำคัญเหล่านี้จะไม่ถูกส่งออกไปยังห้องปลอดภัย แม้ว่าเครื่อง ระบบปฏิบัติการ หรือเครือข่ายของผู้ใช้จะถูกบุกรุก ก็จะไม่รั่วไหล ซึ่งช่วยลดปัญหาใหญ่ที่สุดอย่างหนึ่งในการใช้งานแอปพลิเคชันพร็อกซี นั่นคือ ปัญหาความน่าเชื่อถือของข้อมูลประจำตัวและการดำเนินการที่ละเอียดอ่อน

เครือข่ายข้อมูลแบบมีโครงสร้างแบบกระจายศูนย์

ระบบตรวจจับต่อต้านบอตสมัยใหม่ไม่เพียงแต่ตรวจสอบว่าคำขอนั้น "เร็วเกินไป" หรือ "อัตโนมัติ" เท่านั้น แต่ยังรวมเอาชื่อเสียง IP, การตรวจสอบลายนิ้วมือเบราว์เซอร์, การตอบสนองความท้าทายของ JavaScript และการวิเคราะห์พฤติกรรม (เช่น การเคลื่อนที่ของเคอร์เซอร์ จังหวะการพิมพ์ และประวัติเซสชัน) ไว้ด้วย พร็อกซีที่มาจาก IP ของศูนย์ข้อมูลหรือสภาพแวดล้อมการเรียกดูที่ทำซ้ำได้อย่างสมบูรณ์สามารถระบุได้อย่างง่ายดาย

เพื่อแก้ไขปัญหานี้ เครือข่ายเหล่านี้จะไม่รวบรวมข้อมูลหน้าเว็บที่ปรับให้เหมาะสมสำหรับมนุษย์อีกต่อไป แต่จะรวบรวมและนำเสนอข้อมูลที่เครื่องอ่านได้หรือปริมาณการรับส่งข้อมูลพร็อกซีโดยตรงผ่านสภาพแวดล้อมการเรียกดูของมนุษย์จริงๆ แนวทางนี้หลีกเลี่ยงช่องโหว่ของโปรแกรมรวบรวมข้อมูลแบบดั้งเดิมในกระบวนการแยกวิเคราะห์และป้องกันการรวบรวมข้อมูล โดยให้ข้อมูลอินพุตที่ชัดเจนและเชื่อถือได้มากขึ้นแก่พร็อกซี

การส่งต่อข้อมูลไปยังเซสชันในโลกแห่งความเป็นจริงเหล่านี้ทำให้เครือข่ายแบบกระจายช่วยให้ตัวแทน AI สามารถเข้าถึงเนื้อหาเว็บได้เหมือนมนุษย์ โดยไม่ต้องเกิดการบล็อกทันที

# กรณีการใช้งาน

· Grass: เครือข่ายข้อมูล/DePIN แบบกระจายศูนย์ที่ผู้ใช้แบ่งปันบรอดแบนด์ที่พักอาศัยที่ไม่ได้ใช้งานร่วมกัน มอบการเข้าถึงข้อมูลเว็บสาธารณะและการฝึกอบรมแบบจำลองที่เป็นมิตรกับตัวแทนและหลากหลายทางภูมิศาสตร์

· WootzApp: เบราว์เซอร์มือถือแบบโอเพนซอร์สที่รองรับการชำระเงินด้วยสกุลเงินดิจิทัล มีเอเจนต์แบ็กเอนด์และการระบุตัวตนแบบ Zero-Knowledge นำเสนอ "Gamification" ของงาน AI/ข้อมูลให้กับผู้บริโภค

· Sixpence: เครือข่ายเบราว์เซอร์แบบกระจายศูนย์ที่จัดเส้นทางการรับส่งข้อมูลสำหรับเอเจนต์ AI ผ่านการเรียกดูของผู้สนับสนุนทั่วโลก

อย่างไรก็ตาม นี่ไม่ใช่โซลูชันที่สมบูรณ์ การตรวจจับพฤติกรรม (การติดตามเมาส์/การเลื่อนหน้าจอ) การจำกัดระดับบัญชี (KYC, อายุบัญชี) และการตรวจสอบความสอดคล้องของลายนิ้วมือยังคงสามารถทำให้เกิดการบล็อกได้ ดังนั้น เครือข่ายแบบกระจายศูนย์จึงควรได้รับการพิจารณาว่าเป็นชั้นความเป็นส่วนตัวพื้นฐานที่ต้องใช้ร่วมกับกลยุทธ์การดำเนินการที่เลียนแบบมนุษย์เพื่อให้มีประสิทธิภาพสูงสุด

มาตรฐานเว็บสำหรับเอเจนต์ (Foresight)

ปัจจุบัน ชุมชนและองค์กรด้านเทคนิคจำนวนมากขึ้นเรื่อยๆ กำลังสำรวจคำถามที่ว่า: หากผู้ใช้เว็บในอนาคตไม่ใช่แค่มนุษย์ แต่ยังเป็นเอเจนต์อัตโนมัติ เว็บไซต์จะโต้ตอบกับพวกเขาอย่างปลอดภัยและเป็นไปตามข้อกำหนดได้อย่างไร

สิ่งนี้กระตุ้นให้เกิดการถกเถียงเกี่ยวกับมาตรฐานและกลไกใหม่ๆ โดยมีเป้าหมายเพื่อให้เว็บไซต์สามารถระบุอย่างชัดเจนว่า "ฉันอนุญาตให้เอเจนต์ที่เชื่อถือได้เข้าถึง" และจัดเตรียมช่องทางการโต้ตอบที่ปลอดภัย แทนที่จะบล็อกเอเจนต์ว่าเป็น "การโจมตีของบอท" ตามค่าเริ่มต้นดังที่ดำเนินการอยู่ในปัจจุบัน

· แท็ก "อนุญาตเอเจนต์": เช่นเดียวกับไฟล์ robots.txt ที่เครื่องมือค้นหาปฏิบัติตาม หน้าเว็บในอนาคตอาจมีแท็กในโค้ดเพื่อบอกเอเจนต์ของเบราว์เซอร์ว่า "เข้าถึงได้อย่างปลอดภัย" ตัวอย่างเช่น หากคุณใช้เอเจนต์เพื่อจองเที่ยวบิน เว็บไซต์จะไม่แสดง CAPTCHA หลายชุด แต่จะแสดงอินเทอร์เฟซที่ผ่านการตรวจสอบสิทธิ์โดยตรงแทน

· API Gateway สำหรับตัวแทนที่ได้รับการรับรอง: เว็บไซต์สามารถสร้างจุดเข้าใช้งานเฉพาะ เช่น "ช่องทางด่วน" สำหรับตัวแทนที่ได้รับการยืนยัน ตัวแทนไม่จำเป็นต้องจำลองการคลิกและการป้อนข้อมูลของมนุษย์อีกต่อไป แต่จะใช้เส้นทาง API ที่เสถียรกว่าเพื่อดำเนินการตามคำสั่งซื้อ การชำระเงิน หรือการค้นหาข้อมูล

· การสนทนาของ W3C: World Wide Web Consortium (W3C) กำลังศึกษาวิธีการพัฒนาช่องทางมาตรฐานสำหรับ "ระบบอัตโนมัติที่มีการจัดการ" ซึ่งหมายความว่าในอนาคต เราอาจมีชุดกฎที่ได้รับการยอมรับทั่วโลก ซึ่งอนุญาตให้เว็บไซต์สามารถระบุและยอมรับตัวแทนที่เชื่อถือได้ พร้อมกับรักษาความปลอดภัยและความรับผิดชอบ

แม้ว่าการสำรวจเหล่านี้จะยังอยู่ในช่วงเริ่มต้น แต่เมื่อนำไปใช้จริงแล้ว จะสามารถปรับปรุงความสัมพันธ์ระหว่างมนุษย์ ตัวแทน และเว็บไซต์ได้อย่างมีนัยสำคัญ ลองนึกภาพ: ไม่จำเป็นต้องเลียนแบบการเคลื่อนไหวของเมาส์ของมนุษย์เพื่อ "หลอก" การควบคุมความเสี่ยงอีกต่อไป แต่กลับสามารถทำงานให้สำเร็จอย่างเปิดเผยผ่านช่องทางที่ "ได้รับการอนุมัติอย่างเป็นทางการ"

โครงสร้างพื้นฐานแบบคริปโตเนทีฟมีแนวโน้มที่จะเป็นผู้นำในทิศทางนี้ เนื่องจากแอปพลิเคชันแบบออนเชนนั้นโดยเนื้อแท้แล้วต้องอาศัย API แบบเปิดและสัญญาอัจฉริยะ ทำให้เหมาะอย่างยิ่งสำหรับการทำงานอัตโนมัติ ในทางตรงกันข้าม แพลตฟอร์ม Web2 แบบดั้งเดิมมีแนวโน้มที่จะยังคงตั้งรับอย่างระมัดระวัง โดยเฉพาะอย่างยิ่งแพลตฟอร์มที่ต้องพึ่งพาโฆษณาหรือระบบป้องกันการฉ้อโกง อย่างไรก็ตาม เมื่อผู้ใช้และธุรกิจต่างๆ ค่อยๆ ยอมรับประสิทธิภาพที่เพิ่มขึ้นจากการทำงานอัตโนมัติ ความพยายามในการสร้างมาตรฐานเหล่านี้มีแนวโน้มที่จะกลายเป็นตัวเร่งสำคัญในการขับเคลื่อนอินเทอร์เน็ตทั้งหมดไปสู่สถาปัตยกรรมที่ให้ความสำคัญกับตัวแทนเป็นอันดับแรก

บทสรุป

ตัวแทนเบราว์เซอร์กำลังพัฒนาจากเครื่องมือสนทนาแบบง่ายๆ ไปสู่ระบบอัตโนมัติที่สามารถทำเวิร์กโฟลว์ออนไลน์ที่ซับซ้อนได้ การเปลี่ยนแปลงนี้สะท้อนให้เห็นถึงแนวโน้มที่กว้างขึ้น นั่นคือการฝังระบบอัตโนมัติลงในอินเทอร์เฟซหลักที่ผู้ใช้โต้ตอบกับอินเทอร์เน็ตโดยตรง แม้ว่าศักยภาพในการเพิ่มผลผลิตจะมีมหาศาล แต่ความท้าทายก็มีความสำคัญไม่แพ้กัน รวมถึงการเอาชนะกลไกต่อต้านบอตที่ฝังรากลึก และการสร้างหลักประกันความปลอดภัย ความน่าเชื่อถือ และการใช้งานอย่างมีความรับผิดชอบ

ในระยะสั้น ความสามารถในการใช้เหตุผลของตัวแทนที่ดีขึ้น ความเร็วที่เร็วขึ้น การผสานรวมกับบริการที่มีอยู่ได้อย่างแนบแน่นยิ่งขึ้น และความก้าวหน้าของเครือข่ายแบบกระจาย มีแนวโน้มที่จะค่อยๆ ปรับปรุงความน่าเชื่อถือ ในระยะยาว เราอาจได้เห็นการนำมาตรฐาน "ที่เป็นมิตรกับตัวแทน" มาใช้อย่างค่อยเป็นค่อยไปในสถานการณ์ที่ระบบอัตโนมัติเป็นประโยชน์ต่อทั้งผู้ให้บริการและผู้ใช้ อย่างไรก็ตาม การเปลี่ยนแปลงนี้จะไม่สม่ำเสมอ การนำไปใช้งานจะเร็วขึ้นในสภาพแวดล้อมที่เป็นมิตรกับระบบอัตโนมัติ เช่น DeFi ในขณะที่แพลตฟอร์ม Web2 ซึ่งพึ่งพาการโต้ตอบและการควบคุมของผู้ใช้อย่างมาก จะได้รับการยอมรับช้าลง

ในอนาคต การแข่งขันระหว่างบริษัทเทคโนโลยีจะมุ่งเน้นไปที่ประสิทธิภาพของตัวแทนในการรับมือกับข้อจำกัดในโลกแห่งความเป็นจริง ความปลอดภัยในการผสานรวมเข้ากับเวิร์กโฟลว์ที่สำคัญ และความน่าเชื่อถือในการส่งมอบผลลัพธ์ในสภาพแวดล้อมออนไลน์ที่หลากหลาย ในที่สุดแล้ว สิ่งนี้จะเปลี่ยนแปลง "สงครามเบราว์เซอร์" หรือไม่นั้น ขึ้นอยู่กับความสามารถในการสร้างความไว้วางใจ การจัดแนวแรงจูงใจ และการแสดงคุณค่าที่จับต้องได้ในการใช้งานในชีวิตประจำวัน ไม่ใช่เพียงแค่ความสามารถทางเทคโนโลยีเท่านั้น

ลิงก์ต้นฉบับ

ยินดีต้อนรับสู่ชุมชนทางการของ BlockBeats:

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

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

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