Agentes de cripto IA: los ciudadanos de primera clase de las economías en cadena

Los bots se están convirtiendo en ciudadanos de primera clase de la criptoeconomía.

No es necesario mirar muy lejos para ver evidencia de esta tendencia. Los buscadores implementan bots, como Jaredfromsubway.eth, para aprovechar el deseo de comodidad de un usuario humano al ejecutar sus operaciones DEX. Banana Gun y Maestro, que permiten a los usuarios humanos realizar intercambios habilitados por bots desde la comodidad de Telegram, son consistentemente algunos de los consumidores de gasolina más frecuentes en Ethereum. Y ahora, en nuevas aplicaciones sociales efímeras como Friendtech, los bots están entrando en escena después de que la aplicación encuentra la adopción inicial por parte del usuario humano, y sin darse cuenta pueden impulsar aún más el volante especulativo.

Suscríbete para demostrar que no eres un agente de IA

Suscríbete

Todo esto para decir que los bots, ya sea con fines de lucro (por ejemplo, bots MEV) o impulsados por el consumidor (p. ej. Los botkits de Telegram), son cada vez más los usuarios prioritarios en blockchains.

Si bien los bots en criptografía hasta ahora han sido bastante rudimentarios, los bots fuera de criptografía han comenzado a evolucionar hasta convertirse en agentes de inteligencia artificial robustos gracias al aumento de los grandes modelos de lenguaje (LLM), con el objetivo final de manejar de forma autónoma tareas complejas y hacer sus propias tareas bien diseñadas. decisiones informadas.

La creación de estos agentes de IA sobre rieles criptonativos produce varias mejoras importantes:

• Rieles de pago nativos: los agentes de IA pueden existir fuera de las criptomonedas, pero si queremos que los agentes de IA realicen acciones complejas, necesitarán acceso al capital. Los criptorieles presentan una mejora significativa para brindar a los agentes de IA acceso al capital en lugar de obtener acceso a cuentas bancarias o procesadores de pagos (por ejemplo, Stripe), o lidiar con la gran mayoría de otras ineficiencias que existen en nuestro mundo fuera de la cadena.
• Propiedad de la billetera del agente de IA: los agentes de IA conectados a las billeteras tendrán la capacidad de poseer activos (por ejemplo, NFT, rendimiento, etc.), otorgando a los agentes los derechos de propiedad digital inherentes a todos los criptoactivos. Esto es especialmente importante para las transacciones de agente a agente.
• Acciones verificables y deterministas: los agentes de IA serán más efectivos cuando las acciones sean demostrables (donde puedan garantizar que alguna acción se completó). Las transacciones dentro de la cadena son de naturaleza determinista (sucedieron o no), lo que significa que los agentes de IA podrán completar tareas con mayor precisión dentro de la cadena que fuera de la cadena.

Por supuesto, existen limitaciones para los agentes de IA en cadena.

Una limitación es que los agentes de IA necesitarán realizar lógica fuera de la cadena para tener buen rendimiento. Esto significa que los agentes de IA en la cadena alojarán su lógica/cómputo fuera de la cadena para optimizar la eficiencia, pero las decisiones de los agentes se ejecutarán en la cadena, lo que permitirá acciones verificables. Es importante destacar que los agentes de IA también pueden utilizar proveedores de zkML como Modulus para garantizar que se verifiquen sus entradas de datos fuera de la cadena.

Otra limitación clave de los agentes de IA es que son tan útiles como las herramientas que se les proporcionan. Por ejemplo, si le pide a un agente que brinde un resumen de un evento noticioso en tiempo real, el agente debe tener un raspador web en su kit de herramientas para rastrear Internet y realizar la tarea determinada. ¿Necesita que el agente guarde la respuesta como PDF? Agregue un sistema de archivos al kit de herramientas. ¿Quiere que el agente copie el intercambio con su influencer Crypto Twitter favorito? El agente necesita acceso a una billetera y permisos de firma de claves sobre dicha billetera.

Si observamos el panorama actual en el espectro de determinista a no determinista, la mayoría de los agentes de criptoIA realizan tareas deterministas. Es decir, los humanos programan los parámetros de las tareas y cómo se realiza la tarea (por ejemplo, un intercambio de tokens).

Los agentes de Crypto AI han evolucionado desde los primeros días de los keeper bots, que todavía se utilizan en aplicaciones DeFi y Oracle, hasta los agentes más sofisticados de hoy que aprovechan los LLM, incluidos artistas autónomos como Botto; Agentes de IA que pueden realizar operaciones bancarias ellos mismos utilizando la nube de transacciones de Syndicate ; y los primeros mercados de servicios de agentes de IA como Autonolas.

Ya existe una variedad de aplicaciones interesantes a la vanguardia:

• “billeteras inteligentes” habilitadas por agentes de IA: Dawn aprovecha DawnAI para proporcionar un agente de IA que puede ayudar a los usuarios a enviar transacciones, ejecutar operaciones comerciales y otros conocimientos de la cadena en tiempo real (p. ej. NFT de tendencia).
• Agentes de juegos criptográficos: Colony , el juego más nuevo de Parallel Alpha, tiene como objetivo crear personajes de IA que puedan poseer una billetera y realizar transacciones entre ellos.
• Conjuntos de herramientas mejorados para agentes de IA: los agentes de IA son tan buenos como sus conjuntos de herramientas, y la interacción con blockchains es actualmente un área incipiente. Los agentes de cripto IA necesitan billeteras, formas de financiarlas, capacidades de autorización, modelos de IA integrados y la capacidad de interactuar con otros agentes. Más concretamente, Gnosis ha mostrado cómo se ve esta infraestructura inicial con sus mecanismos de IA, que envuelven los scripts de IA con un contrato inteligente de modo que cualquiera, incluido otro robot , puede invocar el contrato inteligente para realizar la acción del agente (por ejemplo, hacer una apuesta en un mercado de predicción) y al mismo tiempo poder pagarle al agente.
• Comerciantes de IA aumentada: súper aplicaciones DeFi que brindan acciones elevadas para comerciantes y especuladores, que incluyen: DCA en una posición si se cumplen las condiciones; ejecutar operaciones cuando los precios del gas caen por debajo de un precio determinado; monitorear nuevos contratos de tokens de memes; y determinar el enrutamiento de los pedidos sin que el usuario tenga que saber dónde embarcarse, etc.
• Habilitar la larga cola de agentes de IA: si bien las aplicaciones grandes como ChatGPT son buenas para algunos propósitos generales de chat, los agentes de IA deberán ajustarse para numerosas industrias, temas y nichos. Los mercados como Bittensor crean incentivos para que los "mineros" entrenen modelos para tareas específicas (por ejemplo, generación de imágenes, capacitación previa, modelado predictivo) en torno a industrias objetivo (p. ej. cripto, biotecnología, academia). Si bien Bittensor es incipiente, los desarrolladores ya están utilizando Bittensor para crear aplicaciones/agentes además de la larga cola de LLM de código abierto.
• Agentes de aplicaciones para consumidores NPC: los personajes no jugables son comunes en juegos como los MMORPG, pero menos comunes en aplicaciones para consumidores multijugador. Sin embargo, la naturaleza financiarizada de las aplicaciones de consumo de criptomonedas convierte a los agentes de IA en excelentes participantes para introducir nuevos tipos de mecánicas de juego. La empresa de infraestructura de IA abierta Ritual lanzó recientemente Frenrug, un agente basado en LLM que opera dentro de Friend.tech y ejecutará transacciones (compra o venta de claves) basadas en mensajes de usuarios. Los usuarios de Friend.tech pueden intentar convencer al agente para que compre sus claves, venda las claves de otros o intente que el agente de Frenrug utilice sus fondos de otras formas creativas.

A medida que más aplicaciones y protocolos aprovechen los agentes de IA, los humanos los utilizarán como conducto para acceder a la criptoeconomía. Y si bien los agentes de IA hoy parecen juguetes, en el futuro aumentarán las experiencias diarias de los consumidores, se convertirán en partes interesadas clave en los protocolos y crearán economías enteras entre ellos.

Los agentes de IA están en su infancia, pero estos ciudadanos de primera clase de las economías en cadena apenas han comenzado a mostrar su potencial. Si está probando los límites de cómo los agentes de IA aumentan las experiencias en cadena, comuníquese con: mason@variant.fund.

Un agradecimiento especial a Tom Waite y Sami Kassab por las conversaciones y comentarios sobre las ideas del ensayo. Gracias a Dan Roberts por las ediciones y por hacer que el ensayo suene mantecoso.

Descargo de responsabilidad:

1. Este artículo se reimprime de [MASON NYSTROM]. Todos los derechos de autor pertenecen al autor original [MASON NYSTROM]. Si hay objeciones a esta reimpresión, comuníquese con el equipo de Gate Learn y ellos lo manejarán de inmediato.
2. Descargo de responsabilidad: los puntos de vista y opiniones expresados en este artículo son únicamente los del autor y no constituyen ningún consejo de inversión.
3. Las traducciones del artículo a otros idiomas están a cargo del equipo de Gate Learn. A menos que se mencione, está prohibido copiar, distribuir o plagiar los artículos traducidos.