MuleRun CTO Shu Junliang : Construire une infrastructure d'agents IA sans confiance pour promouvoir l'interaction en chaîne pour le grand public

Le 21 avril, Shu Junliang, le directeur technique de MuleRun, le premier projet d’IA personnelle auto-évolutif au monde, a partagé lors de l’événement hors ligne sur le thème « Décoder Web 4.0 : Quand les agents IA prennent le contrôle des permissions sur la chaîne » que, d’un point de vue définition de produit, les agents IA doivent essentiellement être considérés comme des « assistants personnels », avec pour objectif principal de réduire continuellement les coûts et barrières d’utilisation par des moyens technologiques. Sur cette base, les capacités de l’Agent peuvent être abstraites en une structure multidimensionnelle, comprenant des modules pour « interaction orale (capacité de communication) », « perception visuelle et auditive (capacité de perception) », « raisonnement et prise de décision (capacité de réflexion) », et « mémoire et connaissance (apprentissage à long terme) », avec différentes capacités correspondant à différents systèmes technologiques sous-jacents. En termes d’interaction, il a souligné que les agents IA s’étendent progressivement du dialogue textuel traditionnel dans les pages web ou applications à une communication multi-canaux, incluant des plateformes grand public telles que Telegram, Discord, Feishu, DingTalk et WeChat, réalisant une expérience d’interaction naturelle « sans interface », réduisant ainsi considérablement la barrière d’entrée pour l’utilisateur. Concernant les scénarios clés sur la chaîne, MuleRun a proposé une solution d’infrastructure centrée sur la « sécurité des permissions de fonds », comprenant une isolation sandbox, une exécution dans le cloud, et un mécanisme de traçabilité complète de la chaîne, créant un environnement opérationnel sans confiance pour répondre aux problèmes potentiels de sécurité lors de l’exécution automatique de l’Agent. En termes d’évolution des capacités, l’Agent disposera d’un modèle de prise de décision auto-évolutif capable d’apprendre en continu les stratégies de trading et les préférences de risque des utilisateurs, formant ainsi un système personnalisé de recherche et d’exécution d’investissements. De plus, grâce à un mécanisme de réseau de connaissances, il permettra l’accumulation et le partage de stratégies, favorisant la réutilisation et la diffusion de la cognition et des capacités sur la chaîne. Shu Junliang a également noté qu’à mesure que les capacités des agents IA s’améliorent, la division du travail dans les transactions sur la chaîne sera restructurée : les agents prendront progressivement en charge le traitement de l’information et l’exécution, tandis que les humains se concentreront sur la formulation de stratégies de haut niveau et la prise de décisions clés.