Agentes Crypto AI: os cidadãos de primeira classe das economias Onchain

Os bots estão se tornando cidadãos de primeira classe da criptoeconomia.

Não é preciso ir muito longe para ver evidências desta tendência. Os pesquisadores implantam bots, como Jaredfromsubway.eth, para aproveitar o desejo de conveniência de um usuário humano, executando suas negociações DEX. Banana Gun e Maestro, que permitem que usuários humanos façam negociações habilitadas por bots a partir da conveniência do Telegram, são consistentemente alguns dos bebedores de gasolina mais frequentes no Ethereum. E agora, em novos aplicativos sociais efêmeros como o Friendtech, os bots estão entrando na briga depois que o aplicativo encontra a adoção inicial do usuário humano e podem, inadvertidamente, inicializar ainda mais o volante especulativo.

Inscreva-se para provar que você não é um agente de IA

Inscrever

Tudo isto para dizer que os bots, sejam eles com fins lucrativos (por exemplo, bots MEV) ou voltados para o consumidor (por exemplo Botkits do Telegram), são cada vez mais os usuários priorizados em blockchains.

Embora os bots em criptografia até agora tenham sido bastante rudimentares, os bots fora da criptografia começaram a evoluir para agentes robustos de IA graças ao aumento de grandes modelos de linguagem (LLMs), com o objetivo final de lidar de forma autônoma com tarefas complexas e criar suas próprias tarefas bem-sucedidas. decisões informadas.

Construir esses agentes de IA em trilhos criptonativos produz vários aprimoramentos importantes:

• Trilhos de pagamento nativos: os agentes de IA podem existir fora da criptografia, mas se quisermos que os agentes de IA executem ações complexas, eles precisarão de acesso ao capital. Os Crypto Rails apresentam uma melhoria significativa para dar aos agentes de IA acesso ao capital em vez de obter acesso a contas bancárias ou processadores de pagamento (por exemplo, Stripe), ou lidar com a grande maioria de outras ineficiências que existem em nosso mundo offchain.
• Propriedade de carteira de agente de IA: os agentes de IA conectados a carteiras terão a capacidade de possuir ativos (por exemplo, NFTs, rendimento, etc.), conferindo aos agentes os direitos de propriedade digital inerentes a todos os ativos criptográficos. Isto é especialmente importante para transações entre agentes.
• Ações verificáveis e determinísticas: os agentes de IA serão mais eficazes quando as ações forem comprováveis (onde podem garantir que alguma ação foi concluída). As transações on-chain são de natureza determinística – elas aconteceram ou não – o que significa que os agentes de IA serão capazes de concluir tarefas on-chain com mais precisão do que off-chain.

Claro, existem limitações para agentes de IA on-chain.

Uma limitação é que os agentes de IA precisarão executar lógica offchain para terem bom desempenho. Isso significa que os agentes de IA onchain hospedarão sua lógica/computação offchain para otimizar a eficiência, mas as decisões dos agentes serão executadas onchain, permitindo ações verificáveis. É importante ressaltar que os agentes de IA também podem usar provedores zkML como Modulus para garantir que suas entradas de dados off-chain sejam verificadas.

Outra limitação importante dos agentes de IA é que eles são tão úteis quanto as ferramentas que recebem. Por exemplo, se você pedir a um agente para fornecer um resumo de um evento de notícias em tempo real, o agente precisará ter um web scraper em seu kit de ferramentas para vasculhar a Internet e executar a tarefa determinada. Você precisa que o agente salve a resposta como PDF, adicione um sistema de arquivos ao kit de ferramentas. Quer que o agente copie o comércio do seu influenciador Crypto Twitter favorito? O agente precisa de acesso a uma carteira e permissões de assinatura de chave nessa carteira.

Olhando para o cenário atual no espectro determinístico a não determinístico, a maioria dos agentes criptográficos de IA executam tarefas determinísticas. Isto é, os humanos programam os parâmetros das tarefas e como a tarefa (por exemplo, uma troca de token) é realizada.

Os agentes Crypto AI evoluíram desde os primeiros dias dos Keeper Bots – que ainda são utilizados em aplicativos DeFi e Oracle – até os agentes mais sofisticados de hoje que aproveitam LLMs, incluindo artistas autônomos como Botto; Agentes de IA que podem fazer transações bancárias usando a nuvem de transações do Syndicate ; e os primeiros mercados de serviços de agentes de IA, como Autonolas.

Já existe uma variedade de aplicações interessantes na vanguarda:

• “Carteiras inteligentes” habilitadas por agente de IA: a Dawn aproveita a DawnAI para fornecer um agente de IA que pode ajudar os usuários no envio de transações, execução de negociações e outros insights on-chain em tempo real (por exemplo, tendências de NFTs).
• Agentes de jogos criptográficos: o mais novo jogo da Parallel Alpha, Colony, visa criar personagens de IA que possam possuir uma carteira e fazer transações entre si.
• Kits de ferramentas aprimorados para agentes de IA: os agentes de IA são tão bons quanto seus kits de ferramentas, e a interação com blockchains é atualmente uma área incipiente. Os agentes Crypto AI precisam de carteiras, formas de financiá-las, recursos de permissão, modelos integrados de IA e a capacidade de interagir com outros agentes. Mais concretamente, a Gnosis mostrou como é essa infraestrutura inicial com seus mechs de IA, que envolvem scripts de IA com um contrato inteligente de forma que qualquer pessoa– incluindo outro bot– possa chamar o contrato inteligente para executar a ação do agente (por exemplo, fazer uma aposta em um mercado de previsão) e ao mesmo tempo poder pagar ao agente.
• Traders de IA aumentada: superaplicativos DeFi que fornecem ações elevadas para traders e especuladores, incluindo: DCA em uma posição se as condições forem atendidas; executar negociações quando os preços do gás caem abaixo de um determinado preço; monitorar novos contratos de tokens meme; e determinar o roteamento de pedidos sem que o usuário precise saber onde embarcar, etc.
• Habilitando a longa cauda de agentes de IA: embora aplicativos grandes como o ChatGPT sejam bons para alguns propósitos gerais de bate-papo, os agentes de IA precisarão ser ajustados para vários setores, assuntos e nichos. Mercados como o Bittensor criam incentivos para que “mineradores” treinem modelos para tarefas específicas (por exemplo, geração de imagens, pré-treinamento, modelagem preditiva) em torno de indústrias-alvo (por exemplo, criptografia, biotecnologia, academia). Embora o Bittensor seja incipiente, os desenvolvedores já estão usando o Bittensor para construir aplicativos/agentes no topo da longa cauda de LLMs de código aberto.
• Agentes de aplicativos de consumo NPC: personagens não jogáveis são comuns em jogos como MMORPGs, mas menos comuns em aplicativos de consumo multijogador. No entanto, a natureza financeirizada dos aplicativos criptográficos para consumidores torna os agentes de IA excelentes participantes na introdução de novos tipos de mecânica de jogo. A empresa de infraestrutura de IA aberta Ritual lançou recentemente o Frenrug, um agente baseado em LLM que opera dentro do Friend.tech que executará transações (compra ou venda de chaves) com base nas mensagens do usuário. Os usuários do Friend.tech podem tentar convencer o agente a comprar suas chaves, vender as chaves de outras pessoas ou tentar fazer com que o agente Frenrug use seus fundos de outras maneiras criativas.

À medida que mais aplicações e protocolos aproveitam os agentes de IA, os humanos os usarão como um canal de acesso à criptoeconomia. E embora os agentes de IA hoje pareçam brinquedos, no futuro eles aumentarão as experiências diárias dos consumidores, tornar-se-ão intervenientes importantes em protocolos e criarão economias inteiras entre si.

Os agentes de IA estão na sua infância, mas estes cidadãos de primeira classe das economias on-chain apenas começaram a mostrar o seu potencial. Se você estiver testando os limites de como os agentes de IA aumentam as experiências onchain, entre em contato com: mason@variant.fund.

Agradecimentos especiais a Tom Waite e Sami Kassab pelas conversas e comentários sobre as ideias do ensaio. Obrigado a Dan Roberts pelas edições e por fazer o ensaio parecer amanteigado.

Isenção de responsabilidade:

1. Este artigo foi reimpresso de [MASON NYSTROM]. Todos os direitos autorais pertencem ao autor original [MASON NYSTROM]. Se houver objeções a esta reimpressão, entre em contato com a equipe do Gate Learn e eles cuidarão disso imediatamente.
2. Isenção de responsabilidade: As opiniões e pontos de vista expressos neste artigo são exclusivamente do autor e não constituem qualquer conselho de investimento.
3. As traduções do artigo para outros idiomas são feitas pela equipe do Gate Learn. A menos que mencionado, é proibido copiar, distribuir ou plagiar os artigos traduzidos.