Проснувшись, багато друзів дали мені подивитися #manus, який вважає себе світовим істинно універсальним AI агентом, здатним самостійно мислити, планувати виконання складних завдань та доставляти повний результат. Це звучить дуже круто, але окрім багатьох голосів у друзів кола, які відчувають тривогу щодо втрати роботи, що він принесе великий вибух у сценарії web3 DeFai? Нижче розгляньте мої роздуми:
Близько місяця тому компанія OpenAI випустила продукт Operator, схожий за функціями, де штучний інтелект може самостійно виконувати завдання, такі як бронювання столиків в ресторані, покупки, бронювання квитків, замовлення їжі тощо в браузері. Користувачі можуть візуально наглядати за процесом і в будь-який момент взяти контроль над ним.
Ця система агента не викликала багато обговорень через те, що вона працює на основі однієї моделі, яку викликає набір інструментів, і коли користувачі думають, що вони все ще повинні втручатися у ключові рішення, вони втрачають ідею залежності від виконання завдань.
2）manus, на перший погляд, також не відрізняється багато, лише додавши багато сценаріїв використання, включаючи відбір резюме, дослідження акцій, покупку нерухомості та інше, але насправді це відмінності у фреймворку та системі виконання, Manus працює на основі багатомодового великого моделю та інноваційно використовує багатоцільову підписову систему.
Огортаючи, штучний інтелект повинен імітувати цикл дій PDCA (планування - виконання - перевірка - дія), який виконує людина, і буде завершено за участю кількох великих моделей, які співпрацюють, кожен з яких спеціалізується на конкретному етапі, що дозволяє знизити ризик вирішення завдань окремою моделлю та підвищити ефективність виконання. Так званий "система багатократного підпису" фактично є механізмом перевірки рішень за участю кількох моделей, який забезпечує надійність рішень та їх виконання шляхом вимоги спільного підтвердження кількох професійних моделей.
Порівнюючи це, переваги manus, очевидно, виокремлюються, додавши до цього серію операційних вражень, дійсно, ви відчуваєте надзвичайний досвід. Але об'єктивно кажучи, для Manus інновації оператора - лише початок, вони ще не досягли революційного значення.
Ключовою точкою є складність виконання завдання та визначення рівня витонченості великої моделі після введення користувача в input Prompt з невиправністю та визначенням успішності поставки результатів. В іншому випадку, чи не засновуючись на цьому новаторстві, сценарій DeFai веб3 вже став би прикладом для вирішення завдань? Очевидно, що цього ще не досягнуто:
Наприклад: В агенті DeFai потрібно виконати рішення щодо угод, для цього потрібно мати агента на рівні Оракул, який відповідає за збір та перевірку даних на ланцюжку, виконує аналіз даних та інтегрує їх, а також в реальному часі контролює можливості угод на ланцюжку цін, цей процес становить велике виклик для реального аналізу, можливо, що можливість угоди, яка була корисною за секунду, вже не існує після того, як Оракул передасть велику модель агенту виконання угод(вікно арбітражу);
Це фактично розкриває найбільшу слабкість таких багатомодових великих моделей у виконанні рішень, як підключатися до мережі, зв'язуватися з аналітикою в реальному часі та виявляти торгівельні можливості, а потім здійснювати угоди. Мережеве середовище фактично непогане, оскільки ціни на багато сайтів електронної комерції не змінюються в реальному часі, що ускладнює велику динамічну рівновагу для всього багатомодового співробітництва, але в ланцюжку такі виклики практично постійно присутні.
Таким чином, загалом поява manus дійсно може спричинити хвилю друзів у сфері web2, адже багато високорівневих клеркацьких та інформаційних професій можуть стати об'єктом ризику заміни ШІ. Але нехай вони хвилюються.
Цю справу потрібно розглядати об'єктивно: вплив web3 на сценарії застосування DeFai.
Необхідно визнати: значення безумовно велике, оскільки викладені LLM OS та менше структури, більше інтелектуальної концепції, особливо багатоадресна система підпису, надасть веб3 розширення DeFi та поєднання штучного інтелекту важливі ідеї.
Це насправді виправляє більшість великих помилок у проектах DeFai, не намагайтеся відразу покладатися на велику модель для досягнення складних цілей автономного мислення та прийняття рішень AI Agent, це абсолютно не практично в фінансовому контексті.
Реалізація візії справжнього DeFai потребує вирішення складних проблем, таких як обмеження можливостей одиночних моделей штучного інтелекту, забезпечення атомарності багатомодової взаємодії та співпраці, уніфіковане розподіл та керування ресурсами багатомодових систем, механізми обробки помилок та відмов у системі тощо.
Наприклад: агент Oracle шару, який відповідає за збір даних та аналіз на ланцюжку, відстеження цін, формування ефективного джерела даних;
Рішучий шар Agent, аналізуючи дані, які надає Oracle, проводить оцінку ризиків і розробляє набір рішень та план дій;
Виконавчий агент, згідно з рішенням рішення, надає різні варіанти та враховує практичні обставини для виконання, включаючи оптимізацію витрат на газ, стан міжланцюговості, конфлікти порядку угод тощо.
Лише коли вся ця серія агентів синхронізована і має величезну системну основу, тільки тоді справжня революція DeFai розгорнеться.
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
Manus вибухає, який вплив це матиме на Web3 DeFAI?
Проснувшись, багато друзів дали мені подивитися #manus, який вважає себе світовим істинно універсальним AI агентом, здатним самостійно мислити, планувати виконання складних завдань та доставляти повний результат. Це звучить дуже круто, але окрім багатьох голосів у друзів кола, які відчувають тривогу щодо втрати роботи, що він принесе великий вибух у сценарії web3 DeFai? Нижче розгляньте мої роздуми:
Ця система агента не викликала багато обговорень через те, що вона працює на основі однієї моделі, яку викликає набір інструментів, і коли користувачі думають, що вони все ще повинні втручатися у ключові рішення, вони втрачають ідею залежності від виконання завдань.
2）manus, на перший погляд, також не відрізняється багато, лише додавши багато сценаріїв використання, включаючи відбір резюме, дослідження акцій, покупку нерухомості та інше, але насправді це відмінності у фреймворку та системі виконання, Manus працює на основі багатомодового великого моделю та інноваційно використовує багатоцільову підписову систему.
Огортаючи, штучний інтелект повинен імітувати цикл дій PDCA (планування - виконання - перевірка - дія), який виконує людина, і буде завершено за участю кількох великих моделей, які співпрацюють, кожен з яких спеціалізується на конкретному етапі, що дозволяє знизити ризик вирішення завдань окремою моделлю та підвищити ефективність виконання. Так званий "система багатократного підпису" фактично є механізмом перевірки рішень за участю кількох моделей, який забезпечує надійність рішень та їх виконання шляхом вимоги спільного підтвердження кількох професійних моделей.
Ключовою точкою є складність виконання завдання та визначення рівня витонченості великої моделі після введення користувача в input Prompt з невиправністю та визначенням успішності поставки результатів. В іншому випадку, чи не засновуючись на цьому новаторстві, сценарій DeFai веб3 вже став би прикладом для вирішення завдань? Очевидно, що цього ще не досягнуто:
Наприклад: В агенті DeFai потрібно виконати рішення щодо угод, для цього потрібно мати агента на рівні Оракул, який відповідає за збір та перевірку даних на ланцюжку, виконує аналіз даних та інтегрує їх, а також в реальному часі контролює можливості угод на ланцюжку цін, цей процес становить велике виклик для реального аналізу, можливо, що можливість угоди, яка була корисною за секунду, вже не існує після того, як Оракул передасть велику модель агенту виконання угод(вікно арбітражу);
Це фактично розкриває найбільшу слабкість таких багатомодових великих моделей у виконанні рішень, як підключатися до мережі, зв'язуватися з аналітикою в реальному часі та виявляти торгівельні можливості, а потім здійснювати угоди. Мережеве середовище фактично непогане, оскільки ціни на багато сайтів електронної комерції не змінюються в реальному часі, що ускладнює велику динамічну рівновагу для всього багатомодового співробітництва, але в ланцюжку такі виклики практично постійно присутні.
Цю справу потрібно розглядати об'єктивно: вплив web3 на сценарії застосування DeFai.
Необхідно визнати: значення безумовно велике, оскільки викладені LLM OS та менше структури, більше інтелектуальної концепції, особливо багатоадресна система підпису, надасть веб3 розширення DeFi та поєднання штучного інтелекту важливі ідеї.
Це насправді виправляє більшість великих помилок у проектах DeFai, не намагайтеся відразу покладатися на велику модель для досягнення складних цілей автономного мислення та прийняття рішень AI Agent, це абсолютно не практично в фінансовому контексті.
Реалізація візії справжнього DeFai потребує вирішення складних проблем, таких як обмеження можливостей одиночних моделей штучного інтелекту, забезпечення атомарності багатомодової взаємодії та співпраці, уніфіковане розподіл та керування ресурсами багатомодових систем, механізми обробки помилок та відмов у системі тощо.
Наприклад: агент Oracle шару, який відповідає за збір даних та аналіз на ланцюжку, відстеження цін, формування ефективного джерела даних;
Рішучий шар Agent, аналізуючи дані, які надає Oracle, проводить оцінку ризиків і розробляє набір рішень та план дій;
Виконавчий агент, згідно з рішенням рішення, надає різні варіанти та враховує практичні обставини для виконання, включаючи оптимізацію витрат на газ, стан міжланцюговості, конфлікти порядку угод тощо.
Лише коли вся ця серія агентів синхронізована і має величезну системну основу, тільки тоді справжня революція DeFai розгорнеться.