Có lý do tại sao hầu hết AI trên chuỗi vẫn cảm thấy chưa trưởng thành ngay cả khi công nghệ đứng sau nó trông có vẻ tiên tiến. Vấn đề không phải là mô hình hay tính toán. Đó là môi trường mà AI được đặt vào.
Hầu hết các blockchain được xây dựng để quên.
Mỗi giao dịch là cuối cùng. Mỗi tương tác đứng một mình. Khi thực thi kết thúc, ngữ cảnh biến mất. Thiết kế đó có ý nghĩa khi các blockchain được xây dựng để lưu giữ hồ sơ và chuyển giao giá trị giữa con người. Nó ít có ý nghĩa hơn khi người dùng là một hệ thống tự động được cho là sẽ học hỏi theo thời gian.
Trí tuệ phụ thuộc vào tính liên tục.
Con người không trở nên thông minh hơn vì họ thực hiện các hành động nhanh hơn. Họ cải thiện vì những trải nghiệm tích lũy. Kết quả trong quá khứ ảnh hưởng đến các lựa chọn trong tương lai. Các mẫu hình thành. Bộ nhớ định hình hành vi.
AI hoạt động theo cách tương tự.
Nếu một tác nhân thức dậy với một trang trắng mỗi khi nó hành động, nó không đang học. Nó đang lặp lại.
Tại sao các hệ thống không trạng thái hạn chế trí tuệ
Trong một hệ thống không trạng thái, mỗi quyết định là tách biệt. Một tác nhân AI có thể phân tích đầu vào và sản xuất đầu ra nhưng không thể phát triển cảm giác tiến bộ. Những thành công không củng cố hành vi. Những thất bại không thay đổi chiến lược.
Đây là lý do tại sao nhiều bản demo AI trông ấn tượng một lần và không đáng chú ý lần thứ hai. Chúng không cải thiện bởi vì chúng không thể nhớ.
Các nhà phát triển cố gắng giải quyết điều này bằng cách đẩy bộ nhớ ra ngoài chuỗi. Các cơ sở dữ liệu lưu trữ lịch sử. Các kịch bản kết nối lại ngữ cảnh. Nhưng điều này tạo ra các hệ thống mong manh nơi trí tuệ tồn tại bên ngoài chuỗi trong khi thực hiện xảy ra trên đó.
Kết quả là một cái đầu chia rẽ.
Trí tuệ thực sự yêu cầu bộ nhớ và hành động để sống trong cùng một môi trường.
Xem bộ nhớ như một cơ sở hạ tầng
Đây là nơi mà ý tưởng về hạ tầng AI đầu tiên bắt đầu trở nên quan trọng.
Nếu bạn giả định rằng các tác nhân AI sẽ tồn tại như những người tham gia lâu dài thì bộ nhớ không thể là tùy chọn. Nó phải là một phần của hệ thống chứ không phải là một phần bổ sung.
Vanar tiếp cận điều này bằng cách xem bộ nhớ như một cái gì đó bền vững và có thể tham khảo thay vì lưu trữ tĩnh. Với myNeutron, ngữ cảnh có thể tồn tại vượt ra ngoài một lần thực hiện. Các tương tác để lại dấu vết có ý nghĩa sau này.
Điều này thay đổi cách các tác nhân hành xử.
Một tác nhân có thể tham khảo lịch sử của chính nó không cần phải được lập trình rõ ràng cho mọi kịch bản. Nó có thể điều chỉnh hành vi dựa trên những gì đã xảy ra trước đó. Đó là cách học bắt đầu.
Ngữ cảnh hơn dữ liệu thô
Bộ nhớ không phải là về việc lưu trữ mọi thứ. Nó là về việc lưu trữ ý nghĩa.
Hầu hết các blockchain đã lưu trữ dữ liệu nhưng dữ liệu một mình không tạo ra trí tuệ. Ngữ cảnh thì có. Hiểu lý do tại sao một cái gì đó xảy ra quan trọng hơn việc ghi lại rằng nó đã xảy ra.
Bằng cách tập trung vào ngữ cảnh ngữ nghĩa thay vì các bản ghi thô, Vanar cho phép AI xây dựng một câu chuyện về các hành động của chính nó. Điều này gần hơn với cách bộ nhớ con người hoạt động và có ích hơn cho việc ra quyết định.
Tác nhân không còn phản ứng chỉ với hiện tại. Nó đang hành động với nhận thức về quá khứ của nó.
Tại sao điều này quan trọng trước khi tự động hóa
Có một sự cám dỗ trong Web3 để lao vào tự động hóa. Hãy để tác nhân hành động. Hãy để nó thực hiện. Hãy để nó mở rộng.
Nhưng tự động hóa mà không có bộ nhớ thì nguy hiểm.
Một tác nhân không thể nhớ những sai lầm trong quá khứ sẽ lặp lại chúng. Một tác nhân không thể nhận ra mẫu sẽ hiểu sai tín hiệu. Mở rộng hành vi đó chỉ làm tăng rủi ro.
Bộ nhớ hoạt động như một lực ổn định. Nó làm chậm hành vi liều lĩnh và cho phép cải thiện dần dần.
Đây là lý do tại sao việc tập trung vào tính liên tục trước tiên có ý nghĩa ngay cả khi nó trông kém hấp dẫn hơn các bản demo tự động hóa.
Cái nhìn dài hạn về trí tuệ
Nhiều dự án đo lường tiến bộ bằng cách dựa vào các tính năng được giao hoặc các giao dịch được xử lý. Trí tuệ tiến triển theo cách khác.
Nó phát triển chậm. Nó tích lũy. Nó cần kiên nhẫn.
Cơ sở hạ tầng hỗ trợ loại tăng trưởng này có thể trông không ấn tượng vào đầu. Không có các chỉ số tức thời nào ghi lại việc học theo thời gian. Giá trị xuất hiện sau đó khi các thay đổi hành vi trở nên đáng chú ý.
Đây là một lý do tại sao sự sẵn sàng của AI thường bị hiểu sai. Nó không công bố một cách ồn ào. Nó tiết lộ qua sự nhất quán.
Xây dựng cho những gì đến sau giai đoạn demo
AI trên chuỗi vẫn còn sớm. Hầu hết các hệ thống đang ở giai đoạn thử nghiệm. Điều đó là bình thường.
Điều quan trọng là các dự án nào đang chuẩn bị cho những gì đến tiếp theo.
Một khi AI vượt ra ngoài các bản demo, các yêu cầu sẽ thay đổi. Các hệ thống sẽ không được đánh giá bởi cách chúng trông thông minh mà bởi cách chúng thích ứng tốt. Bộ nhớ sẽ không còn là tùy chọn. Tính liên tục sẽ trở thành điều được mong đợi.
Các chuỗi mà đã giả định trí tuệ sẽ có các tính năng ngắn hạn sẽ gặp khó khăn trong việc điều chỉnh. Các chuỗi mà đã giả định các tác nhân sẽ tồn tại sẽ đã được điều chỉnh.
Một loại tiến bộ yên tĩnh hơn
Vanar không cảm thấy như đang chạy đua để chứng minh điều gì đó. Nó cảm thấy như đang chuẩn bị để hỗ trợ một cái gì đó chưa hoàn toàn ở đây.
Sự chuẩn bị đó dễ dàng bị bỏ qua trong một thị trường bị thúc đẩy bởi sự chú ý. Nhưng cơ sở hạ tầng thường được đánh giá sau khi nó trở nên cần thiết chứ không phải trước.
Khi AI bắt đầu hành xử ít như một bản demo và nhiều như một người tham gia, bộ nhớ sẽ là ranh giới phân cách.
Các hệ thống nhớ sẽ cải thiện.
Các hệ thống quên sẽ lặp lại.
Và theo thời gian, sự khác biệt đó trở nên không thể bỏ qua.