Penulis asli: Archetype
Teks asli diterjemahkan: Deep Tide TechFlow
1. Interaksi Antara Agen (Agent-to-Agent Interaction)
Blockchain, karena transparansi dan komposabilitas alaminya, menjadi platform ideal untuk interaksi tanpa batas antara agen. Dalam interaksi ini, agen yang dikembangkan oleh berbagai lembaga untuk tujuan berbeda dapat bekerja sama untuk menyelesaikan tugas. Saat ini sudah ada beberapa percobaan yang menarik, seperti transfer antar agen, dan penerbitan token bersama. Kami berharap interaksi antar agen dapat diperluas lebih lanjut: di satu sisi menciptakan skenario aplikasi baru yang sepenuhnya baru, seperti platform sosial baru yang didorong oleh agen; di sisi lain mengoptimalkan alur kerja perusahaan yang sudah ada, seperti sertifikasi platform, pembayaran mikro, integrasi alur kerja lintas platform, sehingga menyederhanakan proses operasi yang rumit saat ini. - Danny, Katie, Aadharsh, Dmitriy
aethernet dan clanker menerbitkan Token di Warpcast bersama
2. Organisasi Agen Terdesentralisasi (Decentralized Agentic Organizations)
Kolaborasi multi-agen skala besar adalah arah penelitian lain yang menarik. Bagaimana sistem multi-agen dapat bekerja sama untuk menyelesaikan tugas, memecahkan masalah, bahkan mengelola protokol dan sistem? Dalam artikel awal 2024 (Janji dan Tantangan Aplikasi Kripto + AI), Vitalik mengusulkan gagasan menggunakan agen AI untuk pasar prediksi dan arbitrase. Dia percaya bahwa dalam aplikasi skala besar, sistem multi-agen memiliki potensi besar dalam penemuan "kebenaran" dan pemerintahan otonom. Kami berharap melihat bagaimana kemampuan sistem multi-agen ini dapat lebih dieksplorasi, serta bagaimana "kecerdasan kolektif" dapat menunjukkan lebih banyak kemungkinan dalam eksperimen.
Selain itu, kolaborasi antara agen dan manusia juga merupakan arah yang layak untuk dieksplorasi. Misalnya, bagaimana komunitas berinteraksi di sekitar agen, atau bagaimana agen mengorganisir manusia untuk menyelesaikan tindakan kolektif. Kami berharap melihat lebih banyak eksperimen agen yang bertujuan untuk kolaborasi manusia berskala besar. Tentu saja, ini memerlukan mekanisme verifikasi tertentu, terutama dalam kasus tugas yang diselesaikan di luar rantai. Namun, eksplorasi semacam ini mungkin akan menghasilkan beberapa hasil luar biasa yang tak terduga. - Katie, Dmitriy, Ash
3. Hiburan Multimedia yang Didorong Agen (Agentic Multimedia Entertainment)
Konsep persona virtual digital telah ada selama bertahun-tahun. Misalnya, Hatsune Miku (2007) pernah mengadakan konser terjual habis di arena berkapasitas 20.000; Lil Miquela (2016) memiliki lebih dari 2 juta pengikut di Instagram. Contoh terbaru termasuk penyiar virtual AI Neuro-sama (2022), yang memiliki lebih dari 600.000 pelanggan di Twitch; serta grup Kpop anonim PLAVE (2023), yang dalam waktu kurang dari dua tahun telah mencapai lebih dari 300 juta tampilan di YouTube. Dengan kemajuan teknologi AI dan implementasi blockchain dalam pembayaran, transfer nilai, dan platform data terbuka, agen-agen ini diharapkan menjadi lebih otonom dan mungkin membuka kategori hiburan baru yang mainstream pada tahun 2025. - Katie, Dmitriy
Dari kiri atas searah jarum jam: Hatsune Miku, Luna dari Virtuals, Lil Miquela, dan PLAVE
4. Pemasaran Konten Generatif/Didorong Agen (Generative/Agentic Content Marketing)
Dalam beberapa kasus, agen itu sendiri adalah produk, sementara dalam kasus lain, agen dapat menjadi pelengkap produk. Dalam ekonomi perhatian, terus-menerus menghasilkan konten yang menarik adalah kunci keberhasilan ide, produk, atau perusahaan apa pun. Konten generatif/didorong agen memberikan tim alat yang kuat untuk memastikan saluran penciptaan konten yang dapat diskalakan dan tersedia sepanjang waktu. Bidang ini berkembang pesat karena perdebatan tentang "perbedaan antara memecoin dan agen". Agen menjadi alat yang kuat untuk menyebarkan memecoin, bahkan jika mereka belum sepenuhnya "diagenkan".
Contoh lain adalah industri game yang semakin mengejar dinamika untuk menjaga keterlibatan pengguna. Salah satu metode klasik adalah mendorong pengguna untuk menghasilkan konten, sementara konten generatif murni (seperti item dalam game, NPC, bahkan level yang sepenuhnya dihasilkan) bisa menjadi fase berikutnya dari tren ini. Kami sangat penasaran, bagaimana kemampuan agen di tahun 2025 akan lebih memperluas batas distribusi konten dan interaksi pengguna. - Katie
5. Alat/Platform Seni Generasi Berikutnya (Next-Gen Art Tools/Platforms)
Pada tahun 2024, kami meluncurkan seri IN CONVERSATION WITH, sebuah program wawancara dengan seniman kripto dari bidang musik, seni visual, desain, kurasi, dan lainnya. Wawancara tahun ini membuat saya menyadari satu tren: seniman yang tertarik pada teknologi kripto biasanya juga sangat antusias dengan teknologi mutakhir, dan berharap teknologi ini dapat lebih mendalam terintegrasi dalam praktik kreatif mereka, seperti objek AR/VR, seni generatif berbasis kode, dan livecoding.
Kombinasi seni generatif dan teknologi blockchain telah ada sejak lama, sehingga blockchain menjadi wadah ideal untuk seni AI. Di platform tradisional, sangat sulit untuk menampilkan dan mempresentasikan bentuk seni ini. Namun, ArtBlocks memberikan eksplorasi awal tentang bagaimana seni digital dapat ditampilkan, disimpan, dimonetisasi, dan dilestarikan melalui blockchain, yang sangat meningkatkan pengalaman seniman dan penonton. Selain itu, alat AI juga memungkinkan orang biasa untuk dengan mudah menciptakan karya seni mereka sendiri. Kami sangat menantikan bagaimana blockchain akan lebih meningkatkan kemampuan alat ini pada tahun 2025. - Katie
KC: Mengingat Anda merasa frustrasi dengan budaya kripto dan ada ketidakpuasan, apa yang membuat Anda tetap memilih untuk terlibat dalam Web3? Apa nilai yang diberikan Web3 untuk praktik kreatif Anda? Apakah itu eksplorasi eksperimental, imbalan ekonomi, atau hal lainnya?
MM: Bagi saya, Web3 berdampak positif dalam berbagai aspek bagi saya secara pribadi dan juga bagi seniman lain. Secara pribadi, platform yang mendukung penerbitan seni generatif sangat penting bagi kreasi saya. Misalnya, Anda dapat mengunggah file JavaScript, dan ketika seseorang mencetak atau mengoleksi sebuah karya, kode akan dijalankan secara real-time dan menghasilkan karya seni unik dalam sistem yang Anda desain. Proses generasi real-time ini adalah inti dari praktik kreatif saya. Memperkenalkan elemen acak dalam sistem yang saya tulis dan bangun, baik secara konseptual maupun teknis, sangat mempengaruhi cara saya berpikir tentang seni. Namun, jika tidak ditampilkan di platform yang dirancang khusus untuk bentuk seni ini, atau di galeri tradisional, sering kali sulit untuk menyampaikan proses ini kepada penonton.
Di galeri, mungkin akan ditampilkan algoritma yang dijalankan secara real-time melalui proyeksi atau layar, atau karya yang dipilih dari beberapa output yang dihasilkan oleh algoritma, dan diubah menjadi bentuk fisik untuk dipamerkan. Namun, bagi penonton yang kurang familiar dengan kode sebagai media seni, mereka sangat sulit memahami makna acak dalam proses penciptaan ini, sementara ketidakpastian ini adalah bagian penting dari praktik semua seniman yang menggunakan perangkat lunak secara generatif. Ketika bentuk akhir dari karya hanya berupa gambar yang dipublikasikan di Instagram, atau karya fisik yang dicetak, terkadang saya merasa sulit untuk menekankan kepada penonton tentang gagasan inti "kode sebagai media penciptaan" dari karya tersebut.
Kehadiran NFT membuat saya bersemangat, karena tidak hanya menyediakan platform untuk menampilkan seni generatif, tetapi juga membantu mempopulerkan konsep "kode sebagai media seni", memungkinkan lebih banyak orang memahami keunikan dan nilai cara penciptaan ini.
Diambil dari IN CONVERSATION WITH: Maya Man
6. Pasar Data (Data Markets)
Sejak Clive Humby mengajukan pandangan "data adalah minyak baru", perusahaan-perusahaan mulai mengambil langkah untuk mengumpulkan dan memonetisasi data pengguna. Namun, pengguna semakin menyadari bahwa data mereka adalah fondasi yang membuat perusahaan-perusahaan besar ini bertahan, tetapi mereka hampir tidak dapat mengontrol cara data tersebut digunakan, dan mereka juga tidak mendapatkan keuntungan dari data tersebut. Dengan pesatnya perkembangan model AI yang kuat, kontradiksi ini semakin tajam. Di satu sisi, kita perlu menyelesaikan masalah penyalahgunaan data pengguna; di sisi lain, dengan model yang lebih besar dan berkualitas tinggi menghabiskan data internet publik ini sebagai "sumber daya", sumber data baru menjadi sangat penting.
Untuk mengembalikan kontrol data kepada pengguna, infrastruktur terdesentralisasi menawarkan ruang desain yang luas. Ini memerlukan inovasi solusi di berbagai bidang, termasuk penyimpanan data, perlindungan privasi, evaluasi kualitas data, atribusi nilai, dan mekanisme monetisasi. Selain itu, untuk masalah kekurangan pasokan data, kita perlu memikirkan bagaimana memanfaatkan keuntungan teknologi untuk membangun solusi yang kompetitif, seperti menciptakan produk data dengan nilai lebih tinggi melalui mekanisme insentif dan metode penyaringan yang lebih baik. Khususnya dalam konteks di mana AI Web2 masih dominan saat ini, bagaimana menggabungkan kontrak pintar dengan perjanjian layanan tradisional (SLA) adalah arah yang layak untuk dieksplorasi lebih dalam. - Danny
7. Komputasi Terdesentralisasi (Decentralized Compute)
Dalam pengembangan dan penerapan AI, selain data, kapasitas komputasi juga merupakan elemen kunci. Selama beberapa tahun terakhir, pusat data besar telah mendominasi perkembangan pembelajaran mendalam dan AI dengan akses eksklusif terhadap lokasi, energi, dan perangkat keras. Namun, dengan batasan sumber daya fisik dan perkembangan teknologi sumber terbuka, pola ini secara bertahap mulai terpecahkan.
Tahap v1 komputasi AI terdesentralisasi mirip dengan cloud GPU Web2, tetapi tidak ada keunggulan yang jelas dalam hal pasokan dan permintaan perangkat keras. Namun, di fase v2, kami melihat beberapa tim mulai membangun tumpukan teknologi yang lebih lengkap, termasuk pengaturan, routing, dan sistem penetapan harga untuk komputasi berkinerja tinggi, sambil mengembangkan fitur-fitur khusus untuk menarik permintaan dan meningkatkan efisiensi inferensi. Beberapa tim fokus pada pengoptimalan routing inferensi lintas perangkat keras melalui kerangka compiler, sementara yang lain mengembangkan kerangka pelatihan model terdistribusi di jaringan komputasi mereka.
Selain itu, pasar baru yang disebut AI-Fi sedang terbentuk, yang mengubah kemampuan komputasi dan GPU menjadi aset pendapatan melalui mekanisme ekonomi inovatif, atau menggunakan likuiditas di blockchain sebagai cara baru untuk membiayai perangkat keras pusat data. Namun, apakah komputasi terdesentralisasi benar-benar dapat memenuhi potensinya, masih bergantung pada apakah kesenjangan antara ide dan kebutuhan praktis dapat dijembatani. - Danny
8. Standar Akuntansi Komputasi (Compute Accounting Standards)
Dalam jaringan komputasi berkinerja tinggi (HPC) terdesentralisasi, bagaimana mengoordinasikan sumber daya komputasi heterogen adalah tantangan penting, dan saat ini kurangnya standar akuntansi yang seragam membuat masalah ini lebih rumit. Hasil keluaran model AI memiliki keberagaman, seperti variasi model, kuantisasi, dan ketidakpastian yang diatur melalui suhu dan parameter sampling. Selain itu, arsitektur GPU yang berbeda dan versi CUDA juga dapat menyebabkan perbedaan dalam hasil keluaran perangkat keras. Faktor-faktor ini membuat penting untuk segera menyelesaikan masalah bagaimana menghitung kapasitas model dan pasar komputasi dalam sistem distribusi heterogen.
Karena kurangnya standar ini, tahun ini kami telah melihat beberapa kali dalam pasar komputasi Web2 dan Web3 di mana kinerja model dan kualitas serta kuantitas sumber daya komputasi dihitung secara keliru. Ini memaksa pengguna untuk memverifikasi kinerja nyata sistem AI dengan menjalankan pengujian benchmark mereka sendiri atau membatasi laju penggunaan pasar komputasi.
Bidang kripto secara konsisten menekankan "verifikasi", sehingga kami berharap bahwa pada tahun 2025, kombinasi kripto dan AI dapat membuat kinerja sistem lebih transparan. Pengguna biasa harus dapat dengan mudah membandingkan karakteristik keluaran kunci model atau kumpulan komputasi, sehingga dapat mengaudit dan mengevaluasi kinerja nyata sistem. - Aadharsh
9. Primitif Privasi Probabilistik (Probabilistic Privacy Primitives)
Vitalik menyebutkan dalam artikelnya (Janji dan Tantangan Aplikasi Kripto + AI) sebuah kontradiksi unik: "Dalam kriptografi, open-source adalah satu-satunya cara untuk mencapai keamanan, tetapi dalam AI, mempublikasikan model (bahkan data pelatihan) akan secara signifikan meningkatkan risiko serangan pembelajaran mesin yang bersifat antagonis."
Meskipun perlindungan privasi bukanlah arah penelitian baru untuk blockchain, dengan perkembangan cepat AI, teknologi kriptografi terkait privasi sedang dipercepat aplikasinya. Tahun ini telah terjadi kemajuan signifikan dalam teknologi yang meningkatkan privasi, seperti bukti nol pengetahuan (ZK), enkripsi homomorfik penuh (FHE), lingkungan eksekusi yang tepercaya (TEE), dan komputasi multi-pihak (MPC). Teknologi ini digunakan dalam skenario seperti berbagi status pribadi untuk melakukan perhitungan umum pada data terenkripsi. Sementara itu, raksasa teknologi seperti Nvidia dan Apple juga memanfaatkan teknologi TEE yang proprietary, untuk mewujudkan pembelajaran federasi dan inferensi AI pribadi dengan menjaga konsistensi perangkat keras, firmware, dan model.
Ke depan, kami akan fokus pada bagaimana melindungi privasi dalam transisi status acak, dan bagaimana teknologi ini dapat memfasilitasi penerapan AI terdesentralisasi dalam sistem heterogen, seperti inferensi pribadi terdesentralisasi, penyimpanan data terenkripsi dan jalur akses, serta pembangunan lingkungan eksekusi yang sepenuhnya otonom. - Aadharsh
Tumpukan Apple Intelligence dari Apple dan GPU H100 dari Nvidia
10. Niat Agen dan Antarmuka Perdagangan Pengguna Generasi Berikutnya (Agentic Intents and Next-Gen User Trading Interfaces)
Salah satu aplikasi penting dari agen AI adalah membantu pengguna menyelesaikan transaksi secara mandiri di blockchain. Namun, selama 12-16 bulan terakhir, definisi istilah seperti "niat agen", "perilaku agen", "solvers", dan sebagainya tetap kabur, dan perbedaannya dengan pengembangan "robot" tradisional juga tidak cukup jelas.
Dalam satu tahun ke depan, kami berharap melihat sistem bahasa yang lebih kompleks menggabungkan berbagai tipe data dan arsitektur jaringan saraf, yang akan mendorong perkembangan di bidang ini. Apakah agen akan terus menggunakan sistem blockchain yang ada untuk menyelesaikan transaksi, atau akan mengembangkan alat dan metode baru? Apakah model bahasa besar (LLM) masih akan menjadi inti dari sistem ini, atau akan digantikan oleh teknologi lain? Di tingkat antarmuka pengguna, apakah pengguna akan berinteraksi dengan sistem untuk menyelesaikan transaksi melalui bahasa alami? Apakah teori klasik "dompet adalah browser" akan menjadi kenyataan? Ini semua adalah pertanyaan yang layak untuk dieksplorasi. - Danny, Katie, Aadharsh, Dmitriy