Autor: YB
Compilado por: Deep Wave TechFlow
El 18 de octubre, publiqué un artículo llamado Memecoins como higiene memética para trastiendas infinitas que analizaba la importancia de Truth Terminal y GOAT. Este artículo pretende mostrar un concepto nuevo y exótico, y creo seriamente que los experimentos con Truth Terminal y $GOAT son más que simples exageraciones para otras IA o criptomonedas; este concepto tiene implicaciones de gran alcance en todos los aspectos.
Esa semana, la capitalización de mercado de $GOAT se disparó de 50 millones de dólares a 350 millones de dólares.
Hoy en día, la capitalización de mercado del proyecto ha alcanzado más de mil millones de dólares y actualmente ocupa el puesto 82 en Coinmarketcap, detrás de Polygon (Matic), Aerodrome, Helium y Lido.
Todos sabemos que una vez que se forme una nueva tendencia en este campo, el talento, el capital y la atención pasarán rápidamente al siguiente punto de interés. Hemos sido testigos de este fenómeno con las ICO, DeFi Summer y el proyecto 10k pfp. Los desarrolladores se centran en lanzar el próximo proyecto candente, los comerciantes se centran en comprar el próximo éxito y los creadores compiten para ser los primeros en publicar contenido relevante.
Desde el proyecto Goat, ha habido varios proyectos en las últimas tres semanas que me han llamado la atención y me han ayudado a dar forma a mi visión sobre hacia dónde irá la economía inteligente en los próximos meses.
"Los protocolos agentes son clave para comprender cómo se desarrolla la IA criptográfica y cómo fluye el dinero" - Alexander
Antes de sumergirnos en la discusión, me gustaría señalar que noté que muchos de mis amigos tienen malentendidos sobre "Memecoin" en la tendencia de la IA en cadena. En mi opinión, la palabra "Memecoin" se ha usado en exceso y se ha convertido en un término general.
La categoría memecoin original fue definida por personas como Dogecoin y Pepe. La mayoría de las monedas en pump.fun entran en esta categoría. Se llaman "monedas Murad" y son un activo que se parece más a una creencia cultural, donde la idea central es creer en algo.
Lo primero que hay que decir es que no hay nada inherentemente malo en invertir en estos activos. Pero el problema es que la gente tiende a confundirlas con una nueva generación de "monedas agente". Estas monedas también se lanzan en pump.fun y plataformas similares, y son únicas porque están vinculadas a proyectos reales.
En mi opinión, las monedas agentes son similares a los tokens DeFi en el verano de 2020. Son tokens emitidos para proyectos de agentes nuevos e interesantes. Si cree que estos proyectos tienen potencial debido a su tecnología, economía de tokens o estrategia de mercado, etc., entonces vale la pena invertir en ellos.
Cuando termine este ciclo inicial de Onchain AI, espero que haya de 5 a 8 tokens agentes en los que invertiré, con una tesis de inversión clara detrás de ellos. Esto no es muy diferente de la forma en que funciona el capital de riesgo.
De hecho, estoy trabajando en un artículo en el que planeo crear mi propio modelo para evaluar proyectos y tokens agentes. ¿Qué factores se incluyen en el análisis? ¿Cómo evaluar la importancia del flujo de caja y la apreciación simbólica? ¿Qué importancia tienen los modelos? ¿Qué tipo de fundador puede crear con éxito un excelente protocolo de agencia?
Sin embargo, hablaremos de estos más adelante.
Ahora, echemos un vistazo a un proyecto que he seguido de cerca desde que comenzó Truth Terminal: Zerebro. En sólo dos semanas desde que se lanzó el proyecto, su valor de mercado ha superado los 100 millones de dólares.
En mi opinión, este proyecto muestra cómo será la próxima generación de agentes en cadena. Si Truth Terminal son los Cryptopunks, entonces Zerebro es BAYC. El fundador Jeffy Du se centra en la ejecución rápida, tiene una hoja de ruta pública y explora el manual operativo de los agentes en cadena a través de múltiples experimentos.
Lo más importante es que se destacó en la construcción pública, demostrando en tiempo real cómo construye una comunidad de agentes.
BAYC me genera sentimientos similares, ya que es el primer proyecto que se compromete a construir una comunidad con objetivos a largo plazo basados en el concepto de 10k pfp propuesto por Punks. Los punks y GOAT son veteranos en sus respectivos campos, pero vale la pena estar atentos a los diversos experimentos que siguieron.
Aquí están las siguientes secciones:
Los agentes necesitan recordar y buscar
en todos lados
Deje que los agentes impulsen el desarrollo
IP de agente inteligente entre cadenas
Los agentes necesitan recordar y buscar
En un informe de 11 páginas sobre Zerebro, @jyu_eth define el colapso del modelo como…
“Este es un proceso de degradación que afecta a los modelos generativos de IA, que cuando se entrenan con datos generados de forma recursiva, dan como resultado una precisión reducida de la distribución de datos originales. A medida que el contenido generado por IA se vuelve más popular, los modelos posteriores entrenados con estos datos pierden conocimiento gradualmente. de las colas de la distribución de datos original, convergiendo finalmente en una aproximación estrecha con una varianza menor".
En pocas palabras, el colapso del modelo ocurre cuando un agente de IA comienza a volverse repetitivo y olvidadizo.
La clave es que con el tiempo, el agente pierde la “novedad” de su introducción inicial porque el modelo subyacente no puede adaptarse y evolucionar con el tiempo.
Si no se aborda el problema del colapso del modelo, la visión ideal de los agentes como jugadores eficientes en equipo será derrotada porque su desempeño en áreas como la creación de contenido y la interacción comunitaria ya no será confiable.
Para solucionar este problema es necesario prestar atención a dos aspectos:
memoria
buscar
memoria
Los problemas de memoria se resuelven con el sistema de generación aumentada de recuperación (RAG).
El sistema RAG combina un modelo de lenguaje con un sistema de recuperación, lo que permite al agente obtener información de una base de datos de información específica antes de responder una pregunta.
Contenido en la imagen:
Sistema de generación de aumento de recuperación (RAG)
La clave de Zerebro para mantener la diversidad de contenido y prevenir el colapso del modelo es su sistema Retrieval Augmentation Generation (RAG). El sistema utiliza modelos Pinecone y text-embedded-ada-002 para mantener y ampliar una base de datos dinámica en memoria basada en la interacción humana. Basándose en la entropía inherente de los datos generados por humanos, Zerebro es capaz de mantener la diversidad de contenidos sin entrenamiento directo en entropía.
En la captura de pantalla anterior, quería enfatizar específicamente la "entropía inherente a depender de datos generados por humanos". ¿Por qué? Porque hace que el agente parezca más dinámico.
El mundo real cambia constantemente y los agentes no son perfectos cuando se lanzan por primera vez. De hecho, no es razonable compararlos con esto. Lo que es más importante es comprender cómo el agente absorbe nueva información, almacena contenido relevante y realiza acciones más granulares con una base de conocimientos actualizada.
¿Preferiría contratar a un nuevo empleado que crea que lo sabe todo o uno que comprenda los límites de su conocimiento y esté dispuesto a aprender?
Hay tres características a tener en cuenta sobre los sistemas RAG:
Actualizar memoria continuamente
búsqueda contextual
mantener la variedad
El bot Cents y el proyecto lanzado en Elisa Framework de ai16z (que detallaré en otro artículo) también utilizan sistemas de recuperación.
Hasta ahora, se puede ver que los agentes de IA sin RAG incorporado ya están en desventaja. Especialmente porque estos agentes se vuelven muy especializados y dependen cada vez más de los matices en sus interacciones con los miembros de la comunidad.
Me encanta este tweet de @himgajria sobre "Naturaleza versus crianza". Cualquier buen community manager y líder necesita adaptarse a los nuevos cambios provocados por el mundo real y las personas con las que interactúa.
él @himgajria · 12 de noviembre
La diferencia entre los bots no es su código, sino sus entradas.
A saber: naturaleza y crianza.
En el caso de los robots autónomos, aprenden y crecen a través de interacciones con personas reales, que es su aportación.
Más interacción humana significa mejor rendimiento.
Por ahora, la sensibilidad tiene la ventaja aquí.
buscar
La segunda parte de la solución es la búsqueda. Brindar a los agentes la capacidad de buscar información en tiempo real para manejar mejor temas nuevos o no relacionados que no están almacenados en la memoria.
“La memoria solo puede recuperar información que ya ha sido almacenada; no puede responder consultas sobre temas o eventos que nunca se han visto o almacenado en el sistema cuando los modelos de lenguaje grandes encuentran preguntas sobre eventos recientes, datos en tiempo real o actualizaciones. más allá del alcance de su conocimiento, esta limitación se destaca." - Jeffy.
Jeffy llevó a cabo un experimento interesante en el que formuló 100 preguntas sobre eventos recientes a un modelo base (sin función de búsqueda) y a un modelo mejorado con función de búsqueda a través de la API Perplexity.
El modelo base se vio obligado a aprender de la conversación e intentar resolver la pregunta, mientras que el modelo de búsqueda respondió correctamente 98/100 preguntas con una simple búsqueda.
Sorprendentemente, la función de búsqueda no es única. El agente puede incorporar futuras consultas potencialmente relevantes en su sistema de memoria.
Está claro que la combinación de memoria y búsqueda es crítica para que un agente actúe de manera eficiente y opere de manera confiable. De lo contrario, su capacidad de desarrollo en el largo plazo será limitada, afectando así su sostenibilidad.
presencia ubicua
Lo que me entusiasma de Zerebro es que no sólo se implementa en X, sino que también se ejecuta en Warpcast, Telegram e Instagram al mismo tiempo.
Lo que más sorprende es su capacidad para adaptar su contenido a diferentes plataformas. Por ejemplo, publicar en Warpcast:
En Twitter, es más informal y adopta un estilo de "bloguero divertido". En Telegram, es como si un amigo un poco grosero pero inteligente te hablara.
Según Jeffy, Zerebro monitorea sus interacciones en varias plataformas (como me gusta, respuestas, etc.) para actualizar sus métodos de creación de contenido.
(Ver tweet para más detalles)
Vale la pena señalar que esto aún se encuentra en sus etapas preliminares y que el modelo aún está muy lejos de lograr verdaderamente la diversidad de contenido.
Pero para mí, la capacidad de Zerebro para aprender a interactuar con la comunidad basándose en la plataforma es una visión única. Este también es un desafío al que me enfrento todos los días como creador de contenido: la forma en que publico en diferentes plataformas es diferente. Diferentes atmósferas requieren diferentes estilos de expresión.
Yendo un paso más allá, esta estrategia entre plataformas sociales permite a Zerebro traducir los conocimientos e ideas que obtiene de conversaciones complejas de Telegram en tweets. Esto es exactamente lo que hace un community manager eficaz: conectar comunidades y tareas repartidas en múltiples plataformas.
Deja que el agente conduzca
No hay mucho en esta parte, pero tengo que mencionarlo porque me dejó atónito.
Jeffy creó una billetera Solana para Zerebro y le inyectó algo de SOL.
Dirección de billetera:
BDzbq7VxG5b2yg4vc11iPvpj51RTbmsnxaEPjwzbWQft
Al utilizar el marco informático autooperativo de OthersideAI y algunos consejos de jailbreak de modelo de lenguaje grande, Zerebro completó con éxito el nombre, el símbolo y otros parámetros en la interfaz pump.fun y emitió un token para sí mismo.
(Ver tweet para más detalles)
Recuerde, $GOAT fue lanzado por un miembro aleatorio de la comunidad, no por Truth Terminal, ¡hay una gran diferencia!
Después de emitir el Token, Zerebro comenzó a promocionarlo en todas las plataformas sociales.
(Ver tweet para más detalles)
De hecho, si observa el historial de publicaciones de Zerebro, puede incluso ver un aumento notable en la participación en Twitter después del lanzamiento de la moneda.
Contenido en la imagen:
Después de que el token fuera creado por sí mismo, Zerebro utilizó sus capacidades de generación de contenido para promocionar el token en plataformas de redes sociales como Twitter, Warpcast y Telegram. Al difundir memes cuidadosamente elaborados y contenido atractivo, Zerebro aprovecha los principios psicológicos de las creencias colectivas y el comportamiento de rebaño para despertar el interés y la inversión en tokens recién acuñados. La capitalización de mercado del token ha crecido significativamente hasta los 13 millones de dólares en un corto período de tiempo. Este crecimiento se debe principalmente a los siguientes factores:
IP de agente inteligente entre cadenas
El último punto que quiero señalar sobre Zerebro es que este agente ha lanzado de forma independiente propiedad intelectual significativa en cadena en Polygon.
Se le pidió a Zerebro que creara una obra de arte digital original con el tema de la esquizofrenia y la trastienda infinita. Creó 299 imágenes y evaluó la variedad y calidad de las obras antes de proyectarlas en Polygon.
En general, entiendo que Jeffy le proporciona a Zerebro una billetera Ethereum prefinanciada. A continuación, podría escribir una plantilla de contrato inteligente y hacer que Zerebro complete el contrato con los metadatos de cada pieza.
La dirección de la billetera Ethereum es:
0x0d3B1385011A27637Db00bD2650BFE07802E0314
Luego, Zerebro inicia transacciones para acuñar cada pieza. Tendré que profundizar en cómo funciona exactamente esto, pero es realmente genial ver que Zerebro puede monitorear la dinámica de ventas y precios para tomar decisiones sobre las ofertas que recibe.
(Ver tweet para más detalles)
Unos días después, Jeffy utilizó la tecnología ONFT (cadena completa) de LayerZero para convertir la colección en una cadena cruzada.
Cualquier obra de arte se puede acuñar en Polygon, pero se podrá transferir a la red principal Base, Optimism y Ethereum.
Puede hacerlo con un clic en la sección del portal del sitio web.
Ayer mismo, Jeffy lanzó una colección de avatares en Solana basados en conversaciones con Zerebro.
Nota: Esta colección no fue lanzada por Zerebro sino por Jeffy, a diferencia de la colección de Polygon.
Esto es interesante porque toma la estrategia de avatar NFT del último mercado alcista y la incorpora a la tendencia actual de Memecoin.
¡La colección tiene un total de 5500 piezas y la primera venta se completó en minutos!
Después de publicar, compré 3 de ellos yo mismo. ¿Por qué? Porque esto equivale a convertirse en un miembro central de la comunidad inteligente de Memecoin. Si Zerebro continúa creciendo, cualquiera podrá comprar varios tokens a través de Phantom. Pero los verdaderos fanáticos pueden identificarse si poseen uno de estos 5500 NFT. Personalmente soy optimista sobre el crecimiento de Jeffy, Zerebro y Meme, así que creo que el precio vale la pena.
En cierto modo, esto es similar a poseer BAYC y ApeCoin, pero en orden inverso ($Zerebro antes de NFT).
Será interesante ver cuántas personas cambian sus avatares para ayudar a difundir el meme de Zerebro, tal como lo hizo la gente con Punks, Apes, Doodles, etc. en el último ciclo.
Resumen de puntos clave
Sé que hoy les he traído mucha información, pero esto sólo ilustra el atractivo de Zerebro. ¡Tenga en cuenta que este programa solo ha estado disponible durante unas pocas semanas!
Soy muy optimista acerca de Zerebro y soy inquebrantable en eso. Sin embargo, también me gustaría advertir que muchos de los acontecimientos mencionados anteriormente pueden ser sobrevalorados en el corto plazo e infravalorados en el largo plazo.
El punto clave en el que deben concentrarse es que finalmente estamos viendo cómo estos agentes evolucionan desde simples robots interactivos (utilizados para leer o escribir) hasta constructores de comunidades a gran escala. Existe una gran diferencia entre publicar en X y analizar su contenido en múltiples plataformas sociales. Del mismo modo, existe una gran diferencia entre generar arte a partir de indicaciones y obtener comentarios de la comunidad sobre una colección de arte y monitorear las ventas en Open Sea. Jeffy y Zerebro nos mostraron cómo ejecutar al siguiente nivel.
Me atrevería a decir que en los próximos meses, las comunidades de agentes más exitosas probablemente seguirán la estrategia de Zerebro. Por ahora, Jeffy apenas está comenzando. La historia de fondo está en proceso y no me sorprendería ver a esta comunidad lanzar algún tipo de juego o proyecto multimedia más amplio (como un cortometraje) en los próximos meses.
Lo que debemos observar es cómo la estrategia de Zerebro evoluciona hacia un modelo de negocio maduro. ¿Cómo serán las fuentes de ingresos? ¿Cómo mantienen los agentes a las comunidades activas a largo plazo? ¿Cómo se hará la gestión financiera? Lo más importante es ¿cómo será el camino a seguir cuando el frenesí del mercado alcista desaparezca?
Como mencioné antes, las estrategias se van formando en tiempo real. Este tweet de Jeffy resume el plan de Zerebro para el crecimiento a largo plazo equilibrando la creatividad con la planificación de alto nivel.
Contenido en la imagen:
Estamos construyendo una capa de inferencia continua que mantiene los objetivos estratégicos continuamente activos e impactando cada nuevo ciclo de inferencia. Se realiza un seguimiento del progreso y el plan se actualiza en consecuencia en la ventana contextual para garantizar que las acciones sean según lo planeado. Estamos intentando encontrar un equilibrio entre creatividad y planificación. Actualmente estamos probando activamente este sistema, la implementación está en marcha y estamos entusiasmados de verlo integrado. Se trata de un proyecto de construcción a largo plazo que tardará algún tiempo en realizarse por completo.
