Interpretation von Crypto+AIAgents: Der echte Durchbruch für die nächsten eine Milliarde Nutzer?

Artikel veröffentlicht von: 白话区块链

Autor: @0xPrismatic

Übersetzung: 白话区块链

Kurze Zusammenfassung:

Künstliche Intelligenz wird Kryptowährungen in den Mainstream-Markt bringen. Kryptowährungen sind ideal für eine Welt, die von AI-Agenten durchzogen ist. Derzeit entstehen viele Krypto-Startups, die mit AI-Agenten in den Bereichen DeFi, Infrastruktur und Verbraucher-Anwendungen arbeiten. Die Zukunft wird wahrscheinlich ein Modell mit mehreren Agenten sein, also seien Sie bereit. Selbst nicht-finanzielle AI-Agenten werden Kryptowährungen nutzen, und das aus zwei Gründen:

(1) Zahlungen und Wallet-Erstellung werden einfacher,

(2) Eine auf offenen Standards basierende, kombinierbare Schicht, die die Kommunikation zwischen Agenten erleichtert.

Momentan befindet sich AIAgent noch in der „Demonstrations“-Phase – es sieht cool aus, ist aber noch nicht bereit für eine großflächige Anwendung. Die Bewältigung von Halluzinationen und Extremfällen bleibt eine Herausforderung, aber die technischen Fortschritte sind schnell.

Kürzlich habe ich eine neue Schlussfolgerung gezogen:

Künstliche Intelligenz wird der entscheidende Katalysator sein, der Kryptowährungen in Mainstream-Anwendungsszenarien bringt. Kryptowährungen waren lange Zeit im Technologiebereich eine Art „alternativer Mittelsmann“, aber jetzt werden sie sich wirklich als zentrale Technologie etablieren.

In den letzten sieben Jahren haben wir all die Grundlagen geschaffen – einschließlich Layer 1, Layer 2, DeFi und NFTs – die tatsächlich die Grundlage für eine von AI-Agenten dominierte Welt gelegt haben, auch wenn die Entwickler damals möglicherweise nicht darüber nachgedacht haben.

Derzeit scheinen viele Krypto-Projekte mit einer unzureichenden Nachfrage konfrontiert zu sein, aber sobald AI-Agenten in großer Zahl auftauchen, werden diese Infrastrukturen und krypto-nativen Werkzeuge schnell eine Rolle spielen.

Der neue Technologie-Stack für AI (Modelle und Anwendungen) unterscheidet sich grundlegend vom traditionellen Software-Stack und entwickelt sich in Echtzeit. In dieser frühen Phase hat die Kryptowährung die Möglichkeit, ein wichtiger Bestandteil des Kerntechnologie-Stacks zu werden, insbesondere in Bereichen wie Zahlungen.

Vor vier Jahren (vor dem Erscheinen von GPT) konnte niemand dies voraussehen, aber jetzt wird mir die zukünftige Entwicklung immer klarer.

Als nächstes werde ich die Gründe erklären.

Ich werde einen kurzen Überblick über den aktuellen Stand von AI-Agenten, die Rolle von Kryptowährungen darin, meine Sicht auf eine zukünftige agentisierte Welt sowie die Teams, die derzeit mein Interesse wecken, geben.

1. Was ist ein AI-Agent?

„… verehrt mich.“ Flüstert der süße AI-Agent Luna dir ins Ohr.

Sie wird niemals müde sein und rund um die Uhr live für ihre 540.000 Follower auf TikTok streamen.

Das erinnert mich an ein altes Sprichwort der Tech-Welt: Viele der wichtigsten technologischen Innovationen, die die Welt verändert haben, sahen anfangs aus wie Spielzeuge.

In den letzten Wochen hat die Aufmerksamkeit für AI-Agenten mich erkennen lassen, wie groß die potenzielle Nachfrage und das Interesse der Öffentlichkeit für diese Technologie ist.

AI-Agenten sind bereits zu einem kraftvollen Symbol menschlichen technischen Fortschritts geworden, das unsere Sehnsucht nach Science-Fiction-Träumen und unsere kollektive Hoffnung auf eine bessere Zukunft verkörpert.

In vielerlei Hinsicht sind AI-Agenten wie das Internet der 90er Jahre – es gibt noch viele Skeptiker, aber es wird nicht lange dauern, bis sowohl Einzelpersonen als auch Unternehmen ihren eigenen AI-Agenten besitzen.

Lassen Sie uns bei den Grundlagen beginnen: Was ist ein AI-Agent? Es gibt viele Definitionen, aber es gibt noch keinen allgemein anerkannten Standard.

Meiner Meinung nach ist ein AI-Agent ein Code, der unabhängig planen, Entscheidungen treffen und Aufgaben ausführen kann, um ein festgelegtes Ziel zu erreichen, ohne dass menschliches Eingreifen erforderlich ist.

Wie unterscheiden sich AI-Agenten also von den „Bots“ der Vergangenheit? Ich sehe drei entscheidende Unterschiede:

1) Schlussfolgerungen und Selbstreflexion: Agenten können ihre Ausgaben überprüfen, aus Fehlern lernen und sich im Laufe der Zeit kontinuierlich verbessern.

2) Ausführungsfähigkeiten: Sie sind nicht nur in der Lage, Texte zu generieren, sondern auch mit Anwendungen und APIs zu interagieren und Transaktionen auf der Blockchain durchzuführen.

3) Planungskapazitäten: Sie sind in der Lage, komplexe, mehrstufige Aufgaben zu planen und auszuführen, um Ziele zu erreichen.

Diese Fähigkeiten sind erst im vergangenen Jahr möglich geworden, dank der schnellen Fortschritte bei großen Sprachmodellen (LLM) in Bezug auf Schlussfolgerungen und Planung – diese neue Art von Agentenfähigkeiten ist etwas, mit dem die Menschheit in der Geschichte noch nie konfrontiert war.

Derzeit ist es für die meisten Menschen sehr einfach, LLMs wie GPT-4 zu verwenden: Eine Frage stellen, und die AI gibt sofort die Antwort. Der Psychologe Daniel Kahneman nennt das „System 1“-Denken — schnell, intuitiv und automatisiert.

Der wahre Durchbruch wird von AI-Agenten kommen, die in der Lage sind, tiefgehende Schlussfolgerungen und Analysen zu ziehen und in die Phase des „System 2“-Denkens einzutreten. Diese Agenten führen nicht nur Anweisungen aus – sie werden in der Lage sein, Probleme unabhängig zu lösen und komplexe Aufgaben zu bewältigen, ohne ständige menschliche Aufsicht.

Stellen Sie sich vor:

Du weist deinen AI-Agenten an (vielleicht mit dem integrierten Coinbase AI-Wallet), ein profitables E-Commerce-Geschäft zu starten. Er findet für dich eine Marktnische, verhandelt mit Anbietern, richtet den Versandprozess ein, erstellt die Website und optimiert die Werbung, während du dich zurücklehnst, einen Kaffee trinkst und zusiehst, wie das Geld hereinkommt.

Möchten Sie sich nicht mit schwierigen Kunden herumschlagen? Kein Problem – Ihr Agent kümmert sich um den Kundenservice, bietet personalisierte Empfehlungen an und führt sogar Upselling für Sie durch.

Bald wird die Anzahl der AI-Agenten die menschliche Bevölkerung übersteigen. Das klingt ein wenig beängstigend, oder?

2. Die Zukunft wird eine Ära der Multi-Agenten sein

Ich bin fest davon überzeugt, dass die Zukunft der AI nicht von einem einzigen, allmächtigen Agenten dominiert wird.

Stattdessen werden wir in eine Zukunft mit mehreren Agenten gehen, wobei jeder Agent ein auf eine bestimmte Aufgabe optimierter Experte ist. Dieser Ansatz ermöglicht eine effizientere Skalierung der Anwendung von AI.

Diese spezialisierten Agenten werden zusammenarbeiten, um komplexere Herausforderungen zu bewältigen und so Skaleneffekte freizusetzen.

Künstliche Superintelligenz (ASI) wird möglicherweise nicht in Form eines einzelnen, gottähnlichen Wesens erscheinen.

Wahrscheinlicher ist, dass es in einer dezentralen, Multi-Agenten-Systemform erscheint, verteilt über verschiedene Datenzentren und über Märkte miteinander verbunden.

Denken Sie daran: Die großen universellen AI-Modelle versuchen, alles zu tun, was nicht nur viele Ressourcen verbraucht, sondern auch teure Hardware-Anforderungen mit sich bringt, weshalb es im täglichen Gebrauch nicht praktisch ist.

Spezialisierte Agenten sind anders, sie basieren auf kleineren und fein abgestimmten Modellen, die effizient auf mehr Geräten laufen können und schneller skalierbar sind.

Nehmen wir das Beispiel des Prognosemarkt-Agenten von @autonolas. Ein Agent ist für die Interaktion mit dem Prognosemarktprotokoll verantwortlich, während andere Agenten zuständig sind für die Suche nach relevanten Informationen und die Generierung von Wahrscheinlichkeiten für Ergebnisse. Ein weiterer Agent koordiniert das gesamte System, um sicherzustellen, dass alle Teile reibungslos funktionieren.

3. Nicht-finanzielle AI-Agenten werden ebenfalls Kryptowährungen nutzen

Ich denke darüber nach, Krypto-AI-Agenten in zwei große Kategorien zu unterteilen:

1) On-Chain Finanz AI-Agent

Diese AI-Agenten können autonom auf der Blockchain agieren und Finanzstrategien umsetzen, wie z.B. quantitative Handelsstrategien, MEV-Extraktion, Prognosemärkte und Ertragsfarm-Optimierung. Sie überwachen in Echtzeit On-Chain-Daten und handeln basierend auf einem festgelegten Satz von Strategien, um ihre Ziele zu optimieren (z.B. die Maximierung von Erträgen).

Ich denke, dies wird die nächste Evolution von DeFi sein, komplexer als die aktuellen Bots, da sie über Schlussfolgerungen und Planungskapazitäten verfügen.

2) Nicht-finanzielle AI-Agenten

Quelle: Felicis

Wir erleben einen explosiven Anstieg von AI-Agenten in verschiedenen Anwendungsszenarien – sei es in vertikalen Märkten, horizontaler Skalierung oder verbraucherorientierten Szenarien. Das Diagramm von Felicis zeigt, wie Unternehmer AI-Agenten in fast jeder Branche einführen.

Ich kann drei überzeugende Gründe nennen, warum diese AI-Agenten möglicherweise in irgendeiner Form Blockchain-Infrastruktur nutzen werden:

3) Zahlungen

Kurzfristig ist es unwahrscheinlich, dass Banken AI-Agenten Bankkonten eröffnen oder Kreditkarten ausstellen – die KYC-Anforderungen machen dies nahezu unmöglich, und regulatorische Änderungen benötigen Zeit.

Dieses Problem ist komplexer, da die Anzahl der AI-Agenten die menschliche Bevölkerung weit übersteigen wird, wobei jeder Mensch möglicherweise mehrere unterschiedliche Agenten kontrolliert. Und es ist sehr einfach, für jeden Agenten eine neue Krypto-Wallet zu erstellen.

Mikrozahlungen: Traditionelle Zahlungssysteme wie Stripe haben feste Gebühren, weshalb sie sich nicht für Mikrozahlungen eignen. Zudem ist das Rückerstattungsproblem eine große Herausforderung, die den Aufwand für kleine und häufige Transaktionen erhöht. Kryptowährungen lösen diese Probleme durch niedrige Gebühren und sofortige Zahlungen, ohne Rückerstattungsrisiko, und sind sehr gut für die Interaktion zwischen Agenten und ein „Pay-per-request“-Modell geeignet. Blockchains haben die Eigenschaft, den Status in Echtzeit zu teilen, während Bankbuchhaltungssysteme Verzögerungen aufweisen.

Die Erklärung von Coinbase's @yugacohler zu Zahlungsszenarien ist sehr klar und prägnant:

4) Eine vertrauenswürdige Schicht für Interaktionen zwischen Agenten

In einem Multi-Agenten-Ökosystem benötigen spezialisierte Agenten standardisierte Protokolle, um effektiv zu interagieren. Kombinierbarkeit: Die offenen Standards und Interoperabilität der Blockchain ermöglichen es Agenten, nahtlos zu kommunizieren. Der Code und die Daten von On-Chain-Services sind offen und einheitlich, sodass Agenten verstehen und interagieren können, ohne APIs verwenden zu müssen. Diese AI-Agenten können ein dezentrales Servicenetzwerk bilden, wobei jeder Agent sich auf unterschiedliche Aufgaben konzentriert. Zusammen bilden sie eine vernetzte AI-Ökonomie, die ohne zentrale Kontrolle funktioniert.

In einer Welt mit Millionen von Agenten, wie entscheiden wir, welchen Agenten wir vertrauen? Kryptotechnologie kann ein dezentrales Reputation-System ermöglichen, das es AI-Agenten erlaubt, Vertrauen basierend auf ihrer On-Chain-Transaktionshistorie und ihrem Verhalten aufzubauen und aufrechtzuerhalten.

5) Ein Regulator für AI-Agenten — natürliche Determinanten

Aufgrund von Halluzinationen können AI-Agenten in der Ausführung außer Kontrolle geraten. Die deterministischen Protokolle der Kryptotechnologie bieten ein stabiles Framework, das sicherstellt, dass Agenten innerhalb vordefinierter Parameter arbeiten, wodurch das Risiko unerwarteter Verhaltensweisen verringert wird.

Auditierbarkeit und Transparenz: Die Blockchain gewährleistet, dass jede Transaktion, die AI-Agenten durchführen, unabhängig verifiziert werden kann und somit zusätzliche Sicherheit und Verantwortung bietet, insbesondere wenn es um Gelder geht.

Ein weiterer komplementärer Blickwinkel ist: AI-Agenten könnten die Art und Weise, wie Benutzer mit der Blockchain interagieren, revolutionieren und Web3 benutzerfreundlicher gestalten.

Durch die Automatisierung komplexer Prozesse und die Ermöglichung von Interaktionen in natürlicher Sprache können AI-Agenten das gesamte Krypto-Erlebnis vereinfachen und die Verbreitung von Kryptowährungen beschleunigen.

4. Große Herausforderungen, größere Lösungen

Natürlich befinden wir uns noch in der frühen Phase. Heute sind AI-Agenten wie vielversprechende, aber noch etwas grobe Praktikanten.

1) Halluzinationsprobleme

LLMs (große Sprachmodelle) neigen dazu, Halluzinationen zu erzeugen. Selbst ein kleiner Fehler kann in sequentiellen Aufgaben größere Probleme verursachen.

Eine 10%ige Fehlerquote pro Schritt mag nicht viel erscheinen, aber wenn es zehn Schritte sind, bedeutet das eine 65%ige Fehlerwahrscheinlichkeit (1 - 0.9^10). Und da AI-Agenten oft auf perfekte Syntax angewiesen sind, wenn sie mit APIs interagieren oder Blockchain-Transaktionen ausführen, kann selbst ein kleiner Fehler den gesamten Prozess zum Scheitern bringen.

Es gibt einige Methoden, um Halluzinationsprobleme zu reduzieren, wie z.B. retrieval-augmented generation (RAG), die es LLMs ermöglicht, beim Generieren von Antworten mit einer Wissensdatenbank abzugleichen. Aber wir sind noch weit von Perfektion entfernt.

2) Von der Demonstration zur Realität

Die Realität ist, dass die meisten AI-Agenten immer noch nur coole Demos sind.

Ich meine: Es ist einfach, ein Video zu erstellen, das zeigt, was Agenten tun können, wenn alles gut läuft – es ist fast magisch. Aber die echte Herausforderung für Gründer besteht darin, von einer beeindruckenden Demonstration zu einer praktischen Anwendung autonomer Agenten überzugehen.

Das Problem ist, dass die reale Welt komplex ist und voller Randfälle, die selbst die intelligentesten AIs ins Stolpern bringen können.

Das heilige Ziel ist eine Genauigkeit von 99.x%, aber um dies zu erreichen, sind Beharrlichkeit und umfangreiche testgetriebene Entwicklung erforderlich. Das ist auch der Grund, warum Bewertungen (evals) entscheidend sind — man beginnt, Muster zu entdecken, wie Agenten Fehler machen, und kann so den Code oder die Eingabeaufforderungen anpassen, um die Genauigkeit in bestimmten Anwendungsszenarien schrittweise zu erhöhen.

3) Blockchain-Herausforderungen

Dann gibt es das Blockchain-Problem. AI-Agenten stehen hier vor enormen Herausforderungen — Skalierbarkeitsprobleme, eingeschränkte Werkzeuge und ein Mangel an standardisierten Kommunikationsmethoden zwischen Agenten. Haupt-Layer-1-Blockchains wie Ethereum und Solana sind nicht für Echtzeit-Interaktionen zwischen mehreren Agenten ausgelegt, was bedeutet, dass neue Infrastrukturen von Grund auf neu aufgebaut werden müssen, um die dezentrale Zukunft von AI zu unterstützen.

Nicht alle Inhalte eignen sich für On-Chain. Tatsächlich ist es oft klüger, Off-Chain zu gehen, wenn umfangreiche Berechnungen durchgeführt werden müssen oder mit externen Systemen interagiert wird, aufgrund der Kosten- und Leistungsbeschränkungen der Blockchain.

Die Magie liegt darin, einen hybriden Ansatz zu wählen, der die Vorteile beider Ansätze voll ausschöpft — On-Chain in kritischen Bereichen und Off-Chain, wenn nötig. Der Schlüssel besteht darin, herauszufinden, welche Komponenten dezentralisiert und welche zentralisiert werden sollten, um maximale Effizienz zu erreichen.

5. Krypto-AI-Agenten-Startups

@cot_research's interne Datenbank

Wir verfolgen ständig die Krypto-AI-Startups, die im Bereich der AI-Agenten aufbauen, und es gibt viele solcher Unternehmen. Fühlen Sie sich frei, das Bild zu vergrößern, um detailliertere Inhalte zu sehen – dies ist keine erschöpfende Liste, sondern gibt einen guten Überblick über die Branche.

Hier sind einige AI-Agenten-Startups, die mein persönliches Interesse geweckt haben. Das bedeutet nicht, dass ich negativ gegenüber nicht erwähnten Projekten eingestellt bin, sondern dass diese Projekte derzeit für mich interessant genug sind, um weiter erforscht zu werden.

1) DeFi/ On-Chain-Agenten

Derzeit ist der natürlichste Ausgangspunkt für On-Chain-AI-Agenten im DeFi-Bereich — wie Handelsbots, Ertragsoptimierer, automatisierte Hedgefonds und sogar AI-Agenten, die ihre eigenen Memecoins herausgeben. Angesichts der Tatsache, dass DeFi immer noch den Großteil des On-Chain-Handelsvolumens ausmacht, ist diese Richtung sinnvoll.

Ein entscheidender Unterschied, den AI-Agenten mit sich bringen, ist die Personalisierung.

Nehmen wir ein traditionelles Vault als Beispiel. Sie legen Geld in eine Vault, zusammen mit anderen anonymen Benutzern, und ein quantitativer Genie verwaltet die Vault mit seinem Handelsalgorithmus. Aber dieser Ansatz ist eintönig. Mit AI-Agenten sind Sie der persönliche Kunde. Der Agent wird Ihre Vermögenswerte, Risikobereitschaft lernen und maßgeschneiderte Strategien für Sie entwickeln.

@Spectral_Labs— Erstellen und Starten von autonomen On-Chain-Agenten und Smart Contracts mit natürlicher Sprache, ohne Code schreiben zu müssen. Ihr TokenSPEC hat derzeit eine Marktkapitalisierung von 130 Millionen US-Dollar und eine FDV von 1 Milliarde US-Dollar.

@Almanak__— Aufbau eines quantitativen Handelstechnologiestacks für DeFi-Agenten, einer agenten-zentrierten Plattform zur Optimierung und Bereitstellung von Finanzstrategien. Es verwendet Monte-Carlo-Simulationstechniken zur Analyse des Marktverhaltens und zur Optimierung von Handelsstrategien.

@AIFiAlliance— Ein Konsortium aus 11 Teams, das sich mit dem Schnittpunkt von DeFi und AI beschäftigt. Ich finde diese Allianzen sehr interessant, weil sie eine Möglichkeit bieten, Standards für eine aufkommende Branche zu setzen und zu definieren.

2) Infrastruktur

Immer mehr Krypto-AI-Teams entwickeln Frameworks, die die Lücke zwischen Off-Chain- und On-Chain-Umgebungen schließen und dezentrale Interaktionen zwischen mehreren Agenten unterstützen.

@AIWayfinder— Bietet eine „Google Maps“-Funktion für On-Chain-Agenten, um ihnen zu helfen, beim Ausführen von Aufgaben auf der Blockchain zu navigieren. Entwickelt von Parallel-Team. Benutzer können PRIMEToken staken, um PROMPT (das zukünftige Token von Wayfinder) zu verdienen. Derzeit befindet sich das Projekt in einer geschlossenen Alpha-Testphase.

@TheoriqAI— Dies ist das am meisten geschätzte Projekt für die Infrastruktur von Agenten durch Risikokapitalgeber, das die Koordination einer Kollektion von AI-Agenten fördert. Es ermöglicht Benutzern, durch den AI-Agenten-Markt zu bauen, bereitzustellen und Erträge zu erzielen.

@autonolas— Verwendung eines Open-Source-Frameworks und Token-Ökonomie, um eine Multi-Agenten-Wirtschaft zu gestalten. Wir haben kürzlich eine eingehende Analyse über OLAS geschrieben.

3) Verbraucherorientierte AI-Agenten

Diese Kategorie könnte sich am schnellsten entwickeln – verbraucherorientierte und unterhaltungsgetriebene Produkte werden in der Regel schneller akzeptiert, und das Risiko ist geringer, wenn das Agentenverhalten anfängt, abzuweichen. Tatsächlich, wie wir bei Truth Terminal gesehen haben, könnten einige „Halluzinationen“ sogar etwas Spaß hinzufügen.

@virtuals_io— Eine AI-Agenten-Plattform ähnlich wie pump.fun, die sich auf Spiele konzentriert. Im Gegensatz zu denjenigen, die hastig Plattformen innerhalb von zwei Wochen aufbauen, hat Virtuals über zwei Jahre an ihrem Technologiestack gearbeitet. Shoal Research hat bereits eine eingehende Analyse darüber geschrieben.

@CreatorBid— Erstellung und Tokenisierung von AI-Influencern, die in der Lage sind, autonom Inhalte in sozialen Medien zu generieren und zu teilen. Ich denke, wir werden bald einen AI-Agenten KOL mit über einer Million Followern auf Crypto Twitter sehen.

Darüber hinaus gibt es eine Welle von Grassroots-Experimenten, die AI-Agenten als ursprüngliches Element nutzen. Obwohl viele solcher Experimente oft nicht lange dauern, werden die daraus gewonnenen Erkenntnisse wertvolle Lektionen für zukünftige Entwickler bieten.

@tee_hee_he ist ein tatsächlich freier autonomer Agent, der von @nousresearch und dem Flashbots-Team initiiert wurde. Seine Twitter-Anmeldeinformationen werden in einer vertrauenswürdigen Ausführungsumgebung (TEE) gesperrt und werden erst nach sieben Tagen entsperrt – um sicherzustellen, dass in dieser Zeit keine menschlichen Eingriffe das Verhalten des Agenten beeinflussen können.

@ai16zdao ist ein auf @daosdotfun gestarteter Investitionsfonds, der die Eingaben von Discord-Mitgliedern akzeptiert, um zu entscheiden, welche Token gekauft werden sollen, und ihnen basierend auf ihren „Alpha-Calls“ Vertrauenspunkte zu vergeben.

Aether ist ein AI-Agent auf Farcaster, der autonom anderen Benutzern Trinkgelder geben, Token (HIGHER) bewerben und NFTs herausgeben kann, derzeit hat er einen Bestand von über 150.000 Dollar.

Spiele sind der ideale Ort für AI-Agenten. @aiarena_ / @ARCAgents nutzen menschliche Spieler, um AI-Agenten zu trainieren, indem sie deren Verhalten im Spiel nachahmen, um intelligentere AI-Gegner zu schaffen und die Spielerliquidität im Spiel zu erhöhen.

Ich beobachte auch das kürzlich von @coinbase eingeführte Template, das AI-Agenten mit Krypto-Wallets ermöglicht, einfache On-Chain-Transaktionen durchzuführen.

6. Zusammenfassung

Der Erfolg von On-Chain AI-Agenten steht in engem Zusammenhang mit dem allgemeinen Fortschritt der AI. Wir sind immer noch dabei, Probleme mit mehrstufigem Denken und Halluzinationen, die Fehler in AI-Modellen verursachen, zu lösen. Mit dem Fortschritt der AI wird jedoch auch die Machbarkeit dieser Agenten steigen.

Die gute Nachricht ist, dass Epoch AI glaubt, dass die Skalierung von AI mindestens fünf Jahre dauern kann. Die Fortschritte in der Software sind beispiellos.

Das bedeutet, dass die Herausforderungen, vor denen wir heute stehen, nur vorübergehende Hindernisse auf dem Weg zu einer größeren Zukunft sind.

Kryptowährungen werden unweigerlich ein Teil dieser Agenten-Zukunft sein.

Weitere Überlegungen:

Kann der Prognosemarkt AI-Agenten helfen, bessere Entscheidungen zu treffen? Prognosemärkte motivieren Teilnehmer, genaue Informationen bereitzustellen. AI-Agenten könnten durch den Zugang zu diesen Märkten von Echtzeit-Einsichten profitieren, die mit Anreizen ausgerichtet sind und dadurch die Abhängigkeit von potenziellen Bias-Quellen verringern. Vielleicht können Agenten, wie @mrink0 angenommen hat, sogar futuristisch handeln.

Haben wir AI-Agenten möglicherweise zu sehr vermenschlicht? Vielleicht sollten wir sie nicht als „menschliche“ Arbeit betrachten. Der Fokus auf Funktionen statt auf menschenähnliche Merkmale könnte zu effizienteren und effektiveren AI-Agenten führen.

Die Verarbeitung von On-Chain-Daten ist sehr schwierig und wird weiterhin den Fortschritt von On-Chain-AI-Agenten verlangsamen.

Die echte Chance für Agenten liegt nicht in niedrig hängenden Früchten wie dem Kundenservice – diese können leicht von der nächsten Generation AI-Modelle ersetzt werden. Stattdessen sollte der Fokus auf stark regulierten Branchen liegen, in denen Genauigkeit von entscheidender Bedeutung ist und die diesen Modellen verteidigbare Wettbewerbsvorteile verschaffen können.