Au réveil, de nombreux amis m'ont demandé de regarder #manus, qui se vante d'être un véritable agent d'IA universel à l'échelle mondiale, capable de penser de manière autonome, de planifier et d'exécuter des tâches complexes, et de fournir des résultats complets. Cela semble très cool, mais outre les voix anxieuses de nombreux amis dans le cercle qui craignent de perdre leur emploi, qu'apportera-t-il à l'explosion du web3 DeFai ? Voici mes réflexions :
Il y a environ un mois, OpenAI a lancé Operator, un produit similaire, où l'IA peut effectuer indépendamment des tâches telles que la réservation de restaurants, les achats, la réservation de billets, la commande à emporter, etc. dans un navigateur. Les utilisateurs peuvent superviser visuellement et reprendre le contrôle à tout moment.
La présence de cet Agent n'a pas suscité beaucoup de discussions, car il est basé sur un modèle unique et utilise le cadre d'outils. Lorsque les utilisateurs réalisent qu'ils doivent intervenir pour prendre des décisions clés, ils perdent l'idée de compter sur l'exécution des tâches par celui-ci.
2）manus semble également très similaire en surface, mais il a de nombreux cas d'utilisation supplémentaires, notamment le filtrage des CV, l'étude des actions, l'achat de biens immobiliers, etc., mais en réalité, il existe des différences dans le cadre et le système d'exécution. Manus est alimenté par un grand modèle multimodal et utilise de manière innovante un système de signature multiple.
En bref, l'IA doit imiter l'action en (planifier - exécuter - vérifier - agir) du cycle PDCA effectué par l'homme, qui sera réalisé par la collaboration de plusieurs grands modèles, chaque modèle se concentrant sur une étape spécifique, ce qui permet de réduire le risque décisionnel d'exécution d'une tâche par un seul modèle et d'améliorer l'efficacité de l'exécution. Le soi-disant 'système de signatures multiples' est en fait un mécanisme de validation des décisions basé sur la collaboration de plusieurs modèles, assurant la fiabilité des décisions et de l'exécution en demandant une confirmation commune de plusieurs modèles spécialisés.
En comparant ainsi, les avantages de manus sont clairement mis en évidence, en plus de la série d'expériences opérationnelles présentées dans la démo vidéo, cela donne vraiment une expérience extraordinaire. Mais objectivement, l'innovation itérative de Manus pour l'Opérateur n'est qu'un début, elle n'a pas encore atteint un niveau révolutionnaire de renversement.
La clé réside dans la complexité de l'exécution de ses tâches, ainsi que dans la définition du taux de tolérance aux erreurs du grand modèle et du taux de réussite de la livraison des résultats pour les utilisateurs input Prompt, qui ne sont pas des normes uniformes. Sinon, en suivant cette innovation, est-ce que le scénario DeFai de web3 pourrait immédiatement devenir une application mature ? Apparemment, ce n'est pas encore le cas :
Par exemple : dans le contexte de DeFai, l'Agent doit prendre des décisions de transaction, il doit y avoir un Agent de couche Oracle chargé de collecter et de vérifier les données de la chaîne, d'effectuer une analyse intégrée des données, surveiller en temps réel les prix de la chaîne pour saisir les opportunités de transaction. Ce processus présente de grands défis pour l'analyse en temps réel, il est possible qu'une opportunité de transaction utile il y a une seconde ne soit plus disponible une fois que le grand modèle Oracle est transmis à l'Agent d'exécution de la transaction (fenêtre d'arbitrage).
Cela expose en fait l'une des plus grandes faiblesses de ce type de grands modèles multimodaux pour la prise de décision, comment se connecter, déclencher une chaîne pour accéder et analyser des données au niveau temps réel, puis identifier des opportunités de trading et les saisir. L'environnement de connexion n'est pas si mal en fait, de nombreux sites de commerce électronique ont des prix de commande qui ne changent pas en temps réel, ce qui ne perturbe pas énormément l'équilibre dynamique de la collaboration multimodale dans son ensemble. Sur la chaîne, de tels défis sont presque présents à tout moment.
4）Donc, dans l'ensemble, l'apparition de manus va effectivement susciter de l'anxiété dans le domaine web2, après tout, de nombreux postes administratifs et de traitement de l'information à forte répétitivité pourraient être confrontés au risque d'être remplacés par l'IA. Mais laissez-les s'inquiéter.
Il est nécessaire de reconnaître objectivement le rôle de promotion de web3 dans les scénarios d'application DeFai :
Il faut admettre : le sens est certainement important, après tout, le concept de LLM OS proposé et de Less Structure more intelligence, en particulier le système de signature multiple, apportera une grande inspiration à la combinaison de DeFi et d'IA dans le web3.
Cela corrige en fait la grave erreur de la plupart des projets DeFai, ne comptez pas sur un grand modèle pour réaliser des objectifs complexes tels que la réflexion autonome de l'agent AI et la prise de décision dès le départ, ce qui est fondamentalement irréaliste dans le contexte financier.
La réalisation de la véritable vision DeFai nécessite la résolution de problèmes complexes tels que la limite de capacité des modèles AI monolithiques, la garantie de l'atomicité de l'interaction et de la collaboration multimodales, la coordination et le contrôle unifiés des ressources des systèmes multimodaux, ainsi que des mécanismes de tolérance aux pannes et de gestion des erreurs.
Par exemple: Agent de couche Oracle, responsable de la collecte et de l'analyse des données sur la chaîne, surveillant les prix pour former une source de données efficace;
Agent de la couche de décision, analyse et évalue les risques en fonction des données fournies par Oracle, et élabore un ensemble de décisions et de plans d'action.
Agent d'exécution, en fonction de plusieurs options fournies par la couche décisionnelle et en tenant compte de la situation réelle pour l'exécution, y compris l'optimisation des frais de gas, l'état inter-chaînes, les conflits de tri des transactions, etc.
Seule une série d'agents synchronisés et dotés d'un vaste cadre système peut poser les bases d'une véritable révolution DeFai.
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
Manus est en feu, quel impact sur Web3 DeFAI ?
Au réveil, de nombreux amis m'ont demandé de regarder #manus, qui se vante d'être un véritable agent d'IA universel à l'échelle mondiale, capable de penser de manière autonome, de planifier et d'exécuter des tâches complexes, et de fournir des résultats complets. Cela semble très cool, mais outre les voix anxieuses de nombreux amis dans le cercle qui craignent de perdre leur emploi, qu'apportera-t-il à l'explosion du web3 DeFai ? Voici mes réflexions :
Il y a environ un mois, OpenAI a lancé Operator, un produit similaire, où l'IA peut effectuer indépendamment des tâches telles que la réservation de restaurants, les achats, la réservation de billets, la commande à emporter, etc. dans un navigateur. Les utilisateurs peuvent superviser visuellement et reprendre le contrôle à tout moment.
La présence de cet Agent n'a pas suscité beaucoup de discussions, car il est basé sur un modèle unique et utilise le cadre d'outils. Lorsque les utilisateurs réalisent qu'ils doivent intervenir pour prendre des décisions clés, ils perdent l'idée de compter sur l'exécution des tâches par celui-ci.
2）manus semble également très similaire en surface, mais il a de nombreux cas d'utilisation supplémentaires, notamment le filtrage des CV, l'étude des actions, l'achat de biens immobiliers, etc., mais en réalité, il existe des différences dans le cadre et le système d'exécution. Manus est alimenté par un grand modèle multimodal et utilise de manière innovante un système de signature multiple.
En bref, l'IA doit imiter l'action en (planifier - exécuter - vérifier - agir) du cycle PDCA effectué par l'homme, qui sera réalisé par la collaboration de plusieurs grands modèles, chaque modèle se concentrant sur une étape spécifique, ce qui permet de réduire le risque décisionnel d'exécution d'une tâche par un seul modèle et d'améliorer l'efficacité de l'exécution. Le soi-disant 'système de signatures multiples' est en fait un mécanisme de validation des décisions basé sur la collaboration de plusieurs modèles, assurant la fiabilité des décisions et de l'exécution en demandant une confirmation commune de plusieurs modèles spécialisés.
La clé réside dans la complexité de l'exécution de ses tâches, ainsi que dans la définition du taux de tolérance aux erreurs du grand modèle et du taux de réussite de la livraison des résultats pour les utilisateurs input Prompt, qui ne sont pas des normes uniformes. Sinon, en suivant cette innovation, est-ce que le scénario DeFai de web3 pourrait immédiatement devenir une application mature ? Apparemment, ce n'est pas encore le cas :
Par exemple : dans le contexte de DeFai, l'Agent doit prendre des décisions de transaction, il doit y avoir un Agent de couche Oracle chargé de collecter et de vérifier les données de la chaîne, d'effectuer une analyse intégrée des données, surveiller en temps réel les prix de la chaîne pour saisir les opportunités de transaction. Ce processus présente de grands défis pour l'analyse en temps réel, il est possible qu'une opportunité de transaction utile il y a une seconde ne soit plus disponible une fois que le grand modèle Oracle est transmis à l'Agent d'exécution de la transaction (fenêtre d'arbitrage).
Cela expose en fait l'une des plus grandes faiblesses de ce type de grands modèles multimodaux pour la prise de décision, comment se connecter, déclencher une chaîne pour accéder et analyser des données au niveau temps réel, puis identifier des opportunités de trading et les saisir. L'environnement de connexion n'est pas si mal en fait, de nombreux sites de commerce électronique ont des prix de commande qui ne changent pas en temps réel, ce qui ne perturbe pas énormément l'équilibre dynamique de la collaboration multimodale dans son ensemble. Sur la chaîne, de tels défis sont presque présents à tout moment.
4）Donc, dans l'ensemble, l'apparition de manus va effectivement susciter de l'anxiété dans le domaine web2, après tout, de nombreux postes administratifs et de traitement de l'information à forte répétitivité pourraient être confrontés au risque d'être remplacés par l'IA. Mais laissez-les s'inquiéter.
Il est nécessaire de reconnaître objectivement le rôle de promotion de web3 dans les scénarios d'application DeFai :
Il faut admettre : le sens est certainement important, après tout, le concept de LLM OS proposé et de Less Structure more intelligence, en particulier le système de signature multiple, apportera une grande inspiration à la combinaison de DeFi et d'IA dans le web3.
Cela corrige en fait la grave erreur de la plupart des projets DeFai, ne comptez pas sur un grand modèle pour réaliser des objectifs complexes tels que la réflexion autonome de l'agent AI et la prise de décision dès le départ, ce qui est fondamentalement irréaliste dans le contexte financier.
La réalisation de la véritable vision DeFai nécessite la résolution de problèmes complexes tels que la limite de capacité des modèles AI monolithiques, la garantie de l'atomicité de l'interaction et de la collaboration multimodales, la coordination et le contrôle unifiés des ressources des systèmes multimodaux, ainsi que des mécanismes de tolérance aux pannes et de gestion des erreurs.
Par exemple: Agent de couche Oracle, responsable de la collecte et de l'analyse des données sur la chaîne, surveillant les prix pour former une source de données efficace;
Agent de la couche de décision, analyse et évalue les risques en fonction des données fournies par Oracle, et élabore un ensemble de décisions et de plans d'action.
Agent d'exécution, en fonction de plusieurs options fournies par la couche décisionnelle et en tenant compte de la situation réelle pour l'exécution, y compris l'optimisation des frais de gas, l'état inter-chaînes, les conflits de tri des transactions, etc.
Seule une série d'agents synchronisés et dotés d'un vaste cadre système peut poser les bases d'une véritable révolution DeFai.