รายงานนี้จัดทำโดย Tiger Research วิเคราะห์ว่า Intuition ใช้โครงสร้างความรู้ที่อิงจากอะตอม การลงทะเบียนโทเค็นเพื่อสร้างฉันทามติมาตรฐาน และระบบการวัดความเชื่อถือที่อิงจากสัญญาณ เพื่อสร้างโครงสร้างพื้นฐานเครือข่ายในยุค AI ของตัวแทน.
สรุปประเด็น
- ยุคของปัญญาประดิษฐ์ AI ได้มาถึงแล้ว ตัวแทน AI ไม่สามารถใช้ศักยภาพของตนได้อย่างเต็มที่ โครงสร้างพื้นฐานของเครือข่ายในปัจจุบันถูกออกแบบมาเพื่อมนุษย์ เว็บไซต์ใช้รูปแบบข้อมูลที่แตกต่างกัน ข้อมูลยังไม่ได้รับการตรวจสอบ สิ่งนี้ทำให้ตัวแทนยากต่อการเข้าใจและจัดการข้อมูล
- Intuition ผ่านวิธี Web3 เพื่อพัฒนาวิสัยทัศน์ของเว็บเชิงความหมาย มันแก้ไขข้อจำกัดที่มีอยู่ ระบบจะทำให้ความรู้มีโครงสร้างเป็นอะตอม (Atoms) มันใช้ทะเบียนที่มีการจัดการโดยโทเค็น (TCR) เพื่อบรรลุฉันทามติในการใช้ข้อมูล สัญญาณ (Signal) จะกำหนดระดับความเชื่อถือในข้อมูล
- Intuition จะเปลี่ยนแปลงเครือข่าย เครือข่ายในปัจจุบันมีลักษณะคล้ายกับถนนที่ยังไม่ได้ปู Intuition สร้างทางหลวงที่ตัวแทนสามารถทำงานได้อย่างปลอดภัย มันจะกลายเป็นมาตรฐานโครงสร้างพื้นฐานใหม่ นี่จะทำให้ศักยภาพที่แท้จริงของยุค AI ตัวแทนเกิดขึ้น
1. ยุคของสมองกลเริ่มต้นขึ้น: โครงสร้างพื้นฐานของเครือข่ายเพียงพอหรือไม่?
ยุคของ AI ที่ชาญฉลาดกำลังเติบโตอย่างรวดเร็ว เราสามารถจินตนาการถึงอนาคตที่ตัวแทนส่วนบุคคลจัดการเรื่องต่าง ๆ ตั้งแต่การวางแผนการเดินทางไปจนถึงการบริหารจัดการทางการเงินที่ซับซ้อน แต่ในทางปฏิบัติ สถานการณ์ไม่ได้ง่ายเช่นนั้น ปัญหาไม่ได้อยู่ที่ประสิทธิภาพของ AI เอง ข้อจำกัดที่แท้จริงอยู่ที่โครงสร้างพื้นฐานทางเครือข่ายในปัจจุบัน
เครือข่ายถูกสร้างขึ้นเพื่อให้มนุษย์อ่านและตีความผ่านเว็บเบราว์เซอร์ ดังนั้นมันจึงไม่เหมาะสำหรับตัวแทนที่ต้องการ解析语义并连接跨数据源关系。 ข้อจำกัดเหล่านี้เห็นได้ชัดในบริการประจำวัน เว็บไซต์สายการบินอาจแสดงเวลาขาออกเป็น “14:30” ในขณะที่เว็บไซต์โรงแรมจะแสดงเวลาที่เช็คอินเป็น “บ่าย 2:30” มนุษย์สามารถเข้าใจได้ทันทีว่าทั้งสองคือเวลาเดียวกัน แต่ตัวแทนจะตีความว่าพวกเขาเป็นรูปแบบข้อมูลที่แตกต่างกันโดยสิ้นเชิง.
!
แหล่งที่มา: Tiger Research
ปัญหาไม่ได้อยู่ที่ความแตกต่างของรูปแบบเพียงอย่างเดียว。**ความท้าทายที่สำคัญคือ智能体สามารถเชื่อถือข้อมูลเองได้หรือไม่。**มนุษย์สามารถจัดการข้อมูลที่ไม่สมบูรณ์ได้โดยการพึ่งพาบริบทและประสบการณ์ก่อนหน้า。ในทางกลับกัน，智能体ขาดมาตรฐานที่ชัดเจนในการประเมินแหล่งที่มา或ความเชื่อถือได้。这使得它们容易受到错误输入、有缺陷的结论甚至幻觉的影响。
สุดท้าย แม้แต่ตัวแทนที่ทันสมัยที่สุดก็ไม่สามารถเติบโตได้ในสถานการณ์เช่นนี้ พวกมันก็เหมือนกับรถ F1: ไม่ว่าจะมีความแข็งแกร่งแค่ไหน ก็ไม่สามารถขับเต็มที่บนถนนที่ไม่ได้ปู (ข้อมูลที่ไม่มีโครงสร้าง) ได้ หากมีสัญญาณที่ทำให้เข้าใจผิด (ข้อมูลที่ไม่เชื่อถือได้) กระจายอยู่บนเส้นทาง พวกมันอาจจะไม่สามารถถึงจุดหมายปลายทางได้ตลอดไป
2. หนี้ทางเทคโนโลยีของเครือข่าย: การสร้างโครงสร้างพื้นฐานใหม่
ปัญหานี้ถูกนำเสนอครั้งแรกโดยผู้ก่อตั้งเว็บโลก (World Wide Web) ทิม เบอร์เนอร์ส-ลี (Tim Berners-Lee) เมื่อมากกว่า 20 ปีที่แล้วผ่านข้อเสนอของเขาเกี่ยวกับ เว็บเชิงความหมาย (Semantic Web).
แนวคิดหลักของเว็บเซมานติกนั้นง่ายมาก: การทำข้อมูลเครือข่ายให้มีโครงสร้าง เพื่อให้เครื่องจักรสามารถเข้าใจมันได้ ไม่ใช่แค่ข้อความที่มนุษย์อ่านเข้าใจเท่านั้น ตัวอย่างเช่น “Tiger Research ก่อตั้งขึ้นในปี 2021” ชัดเจนสำหรับมนุษย์ แต่สำหรับเครื่องจักรแล้วมันคือแค่สตริง เว็บเซมานติกจะทำให้มันมีโครงสร้างเป็น “Tiger Research (ประธาน) - ก่อตั้งขึ้นใน (กริยา) - ปี 2021 (กรรม)” เพื่อให้เครื่องจักรสามารถตีความความหมายได้.
วิธีการนี้นำหน้ากาลเวลา แต่สุดท้ายกลับไม่ประสบความสำเร็จ สาเหตุที่ใหญ่ที่สุดคือความท้าทายในการดำเนินการ การบรรลุฉันทามติเกี่ยวกับรูปแบบข้อมูลและมาตรฐานการใช้งานได้พิสูจน์แล้วว่าเป็นเรื่องยาก และที่สำคัญกว่านั้น การสร้างและบำรุงรักษาชุดข้อมูลขนาดใหญ่จากการมีส่วนร่วมของผู้ใช้ที่สมัครใจเกือบจะเป็นไปไม่ได้ ผู้มีส่วนร่วมไม่ได้รับรางวัลหรือผลประโยชน์โดยตรง นอกจากนี้ ความเชื่อถือได้ของข้อมูลที่สร้างขึ้นยังคงเป็นปัญหาที่未解决.
แม้ว่าจะเป็นเช่นนั้น วิสัยทัศน์ของเว็บเซมานติกยังคงมีผลอยู่ หลักการที่เครื่องควรเข้าใจและใช้ข้อมูลในระดับเซมานติกยังคงไม่เปลี่ยนแปลง ในยุค AI ความต้องการนี้กลายเป็นสิ่งสำคัญยิ่งขึ้น.
3. สัญชาตญาณ：ฟื้นฟูเว็บเซมานติกในรูปแบบ Web3
!
Intuition ผ่านวิธี Web3 ที่พัฒนาแนวคิดของเว็บเชิงความหมายเพื่อแก้ไขข้อจำกัดที่มีอยู่ โดยมุ่งเน้นไปที่การสร้างระบบที่กระตุ้นให้ผู้ใช้มีส่วนร่วมในการสะสมและตรวจสอบข้อมูลที่มีโครงสร้างคุณภาพสูงอย่างสมัครใจ ระบบนี้ได้สร้างแผนที่ความรู้ที่เครื่องสามารถอ่านได้ มีแหล่งที่มาที่ชัดเจนและสามารถตรวจสอบได้ ในที่สุดสิ่งนี้จะเป็นพื้นฐานสำหรับการทำงานอย่างเชื่อถือได้ของเอเจนต์ และทำให้เราใกล้ชิดกับอนาคตที่เราวางแผนไว้มากขึ้น.
3.1. อะตอม: โมดูลการสร้างความรู้
Intuitionจะแบ่งความรู้ทั้งหมดออกเป็นหน่วยที่เล็กที่สุดที่เรียกว่าอะตอม (Atoms) อะตอมแสดงถึงแนวคิดต่างๆ เช่น บุคคล วันที่ องค์กร หรือคุณสมบัติ อะตอมแต่ละตัวมีตัวระบุที่ไม่ซ้ำกัน (ใช้เทคโนโลยีเช่นตัวระบุแบบกระจาย DIDs) และมีอยู่โดยอิสระ อะตอมแต่ละตัวบันทึกข้อมูลของผู้มีส่วนร่วม ดังนั้นคุณจึงสามารถตรวจสอบได้ว่าใครเพิ่มข้อมูลใดเมื่อใด
เหตุผลที่การแยกความรู้ให้เป็นองค์ประกอบเล็กๆ ชัดเจนมาก ข้อมูลมักปรากฏในรูปแบบประโยคที่ซับซ้อน เครื่องจักรเช่นตัวแทนมักมีข้อจำกัดในโครงสร้างเมื่อ解析และเข้าใจข้อมูลที่ซับซ้อนเช่นนี้ นอกจากนี้ยังยากสำหรับพวกเขาที่จะระบุว่าส่วนไหนถูกต้องและส่วนไหนผิด
!
หัวข้อ: วิจัยเสือโคร่ง
เพรดิเคต: ก่อตั้งขึ้นใน
สถานที่: 2021
พิจารณาประโยค “Tiger Research ก่อตั้งขึ้นในปี 2021” นี่อาจเป็นความจริง หรืออาจมีเพียงบางส่วนที่ผิดพลาด องค์กรนี้มีอยู่จริงหรือไม่ “วันที่ก่อตั้ง” เป็นคุณสมบัติที่เหมาะสมหรือไม่ และปี 2021 ถูกต้องหรือไม่ ต้องตรวจสอบแต่ละข้อแยกกัน แต่การจัดการประโยคทั้งประโยคเป็นหน่วยเดียวทำให้ยากที่จะแยกแยะว่าองค์ประกอบใดถูกต้องและองค์ประกอบใดผิด การติดตามแหล่งที่มาของข้อมูลแต่ละชิ้นก็ซับซ้อนขึ้นด้วยเช่นกัน.
อะตอมได้แก้ปัญหานี้ โดยการกำหนดแต่ละองค์ประกอบเป็นอะตอมที่เป็นอิสระ เช่น [Tiger Research]、[成立于]、[2021年] คุณสามารถบันทึกแหล่งที่มาและตรวจสอบแต่ละองค์ประกอบได้โดยแยกกัน
!
หัวข้อ: วันก่อตั้งของ Tiger Research คือปี 2021
เพรดิเคต: ขึ้นอยู่กับ
วัตถุประสงค์: บันทึกทางการ
อะตอมไม่ใช่เพียงแค่เครื่องมือในการแบ่งข้อมูล—มันสามารถรวมกันได้เหมือนกับบล็อกเลโก้ ตัวอย่างเช่น อะตอมเดียว [Tiger Research]、[成立于] และ [2021年] เชื่อมต่อกัน形成ทริปเปิล (Triple) สิ่งนี้สร้างข้อมูลที่มีความหมาย: “Tiger Research成立于2021年” ซึ่งทำตามโครงสร้างเดียวกับทริปเปิลใน RDF (Resource Description Framework) ของเว็บเชิงความหมาย.
กลุ่มสามเหลี่ยมเหล่านี้สามารถกลายเป็นอะตอมได้ด้วยตัวมันเอง กลุ่มสามเหลี่ยม “Tiger Research ก่อตั้งในปี 2021” สามารถขยายเป็นกลุ่มสามเหลี่ยมใหม่ เช่น “วันที่ก่อตั้ง Tiger Research ในปี 2021 อิงจากบันทึกทางธุรกิจ” โดยวิธีนี้ อะตอมและกลุ่มสามเหลี่ยมจะถูกรวมเข้าด้วยกันซ้ำแล้วซ้ำเล่า จากหน่วยเล็กๆ พัฒนาไปสู่โครงสร้างที่ใหญ่ขึ้น
ผลลัพธ์คือ Intuition สร้างแผนที่ความรู้แบบฟรัคทัลที่สามารถขยายออกไปได้ไม่สิ้นสุดจากองค์ประกอบพื้นฐาน แม้แต่ความรู้ที่ซับซ้อนก็สามารถถูกแบ่งแยกเพื่อการตรวจสอบได้ จากนั้นจึงนำมารวมกันอีกครั้ง
3.2. TCRs：ฉันทามติที่ขับเคลื่อนโดยตลาด
ถ้า Intuition ได้เสนอกรอบแนวคิดความรู้ที่มีโครงสร้างผ่านอะตอม ตอนนี้ยังมีสามคำถามสำคัญที่ยังคงอยู่: ใครจะมีส่วนร่วมในการสร้างอะตอมเหล่านี้? อะตอมใดบ้างที่สามารถเชื่อถือได้? เมื่ออะตอมที่แตกต่างกันแข่งขันกันเพื่อแสดงแนวคิดเดียวกัน อะตอมไหนจะกลายเป็นมาตรฐาน?
!
แหล่งที่มา: Intuition ขาวเบาไวท์เปเปอร์
Intuitionช่วยแก้ปัญหานี้ผ่าน TCRs. **TCRs อิงจากเนื้อหาที่ชุมชนให้ความสำคัญในการคัดกรองรายการ โทเค็นที่ถูกวางเดิมพันจะแสดงถึงการตัดสินใจเหล่านี้ ผู้ใช้จะวางเดิมพัน $TRUST (โทเค็นพื้นเมืองของ Intuition) เมื่อเสนออะตอมใหม่, ทรีโอหรือโครงสร้างข้อมูล. **ผู้เข้าร่วมคนอื่น ๆ หากเห็นว่าเสนอมีประโยชน์จะวางเดิมพันโทเค็นในฝั่งสนับสนุน; หากเห็นว่าไม่มีประโยชน์จะวางเดิมพันโทเค็นในฝั่งคัดค้าน พวกเขายังสามารถวางเดิมพันในทางเลือกที่แข่งขันกันได้ หากข้อมูลที่ผู้ใช้เลือกถูกใช้งานบ่อยครั้งหรือได้รับคะแนนสูง พวกเขาจะได้รับรางวัล มิฉะนั้นพวกเขาจะสูญเสียส่วนหนึ่งของการวางเดิมพัน.
TCRs ยืนยันการพิสูจน์เดี่ยว แต่พวกเขายังแก้ไขปัญหามาตรฐานของออนตาตได้อย่างมีประสิทธิภาพ。 มาตรฐานของออนตาหมายถึงเมื่อมีหลายวิธีในการแสดงแนวคิดเดียวกัน จะต้องตัดสินใจว่าวิธีใดจะกลายเป็นมาตรฐานร่วม ระบบกระจายต้องเผชิญกับความท้าทายในการบรรลุฉันทามติในขณะที่ไม่มีการประสานงานแบบรวมศูนย์.
พิจารณาเนื้อหาของคำวิจารณ์ผลิตภัณฑ์ที่แข่งขันกันสองรายการ: [hasReview] และ [customerFeedback] หาก [hasReview] นำเสนอเป็นครั้งแรกและผู้ใช้หลายคนสร้างขึ้นตามนั้น ผู้สนับสนุนในช่วงแรกจะมีสิทธิ์ในโทเค็นในความสำเร็จนั้น ในขณะที่ผู้สนับสนุนของ [customerFeedback] จะได้รับแรงจูงใจทางเศรษฐกิจ และค่อย ๆ เปลี่ยนไปสู่มาตรฐานที่ได้รับการยอมรับในวงกว้างมากขึ้น.
กลไกนี้สะท้อนให้เห็นถึงการนำมาตรฐานโทเค็น ERC-20 มาใช้โดยธรรมชาติ นักพัฒนาที่นำ ERC-20 มาใช้จะได้รับประโยชน์ด้านความเข้ากันได้ที่ชัดเจน——การรวมเข้ากับกระเป๋าเงิน, ตลาดแลกเปลี่ยน และ dApp ที่มีอยู่โดยตรง ข้อได้เปรียบเหล่านี้ดึงดูดนักพัฒนาที่ใช้ ERC-20 โดยธรรมชาติ ซึ่งแสดงให้เห็นว่าการเลือกที่ขับเคลื่อนโดยตลาดเพียงอย่างเดียวสามารถแก้ปัญหามาตรฐานในสภาพแวดล้อมที่กระจายได้ TCRs ทำงานตามหลักการที่คล้ายกัน พวกเขาลดการต่อสู้ของตัวแทนต่อรูปแบบข้อมูลที่แตกกระจาย และให้สภาพแวดล้อมที่สามารถเข้าใจและประมวลผลข้อมูลได้อย่างสม่ำเสมอมากขึ้น
3.3. สัญญาณ: สร้างเครือข่ายความรู้ที่มีพื้นฐานจากความเชื่อถือ
Intuition ผ่านการสร้างความรู้จากอะตอมและโครงสร้างสามกลุ่ม และใช้แรงจูงใจในการบรรลุฉันทามติเกี่ยวกับ “การใช้งานจริงอะไร”.
ความท้าทายสุดท้ายยังมีอยู่: เราสามารถไว้วางใจข้อมูลนี้ได้มากเพียงใด? Intuition นำเสนอสัญญาณ (Signal) เพื่อตอบโจทย์นี้ สัญญาณแสดงถึงความไว้วางใจหรือความไม่ไว้วางใจของผู้ใช้ต่ออะตอมเฉพาะหรือทริปเปิล มันเกินกว่าการบันทึกการมีอยู่ของข้อมูลอย่างง่าย — มันจับภาพว่าข้อมูลได้รับการสนับสนุนมากเพียงใดในบริบทที่แตกต่างกัน สัญญาณจะทำให้กระบวนการตรวจสอบทางสังคมที่เราใช้ในชีวิตจริงมีระบบ เช่น เมื่อเราตัดสินใจข้อมูลโดยอิงจาก “คนที่เชื่อถือได้แนะนำสิ่งนี้” หรือ “ผู้เชี่ยวชาญตรวจสอบแล้ว”
สัญญาณสะสมในสามวิธี โดยเริ่มจากสัญญาณที่ชัดเจนซึ่งเกี่ยวข้องกับการประเมินที่ตั้งใจทำโดยผู้ใช้ เช่น โทเค็นที่ถูกวางเดิมพัน ต่อมา สัญญาณที่ไม่ชัดเจนจะเกิดขึ้นตามธรรมชาติจากรูปแบบการใช้งาน (เช่น การค้นหาซ้ำหรือการใช้งานแอปพลิเคชัน) สุดท้าย สัญญาณการถ่ายทอดสร้างผลกระทบด้านความสัมพันธ์—เมื่อคนที่ฉันไว้วางใจสนับสนุนข้อมูล ฉันมักจะมีแนวโน้มที่จะไว้วางใจข้อมูลนั้นมากขึ้น วิธีการทั้งสามนี้รวมกันสร้างเครือข่ายความรู้ที่แสดงให้เห็นว่าใครไว้วางใจอะไร ไว้วางใจมากแค่ไหน และไว้วางใจในลักษณะใด
!
แหล่งที่มา: เอกสารขาวของ Intuition
Intuition ให้บริการนี้ผ่านอุโมงค์ความจริง (Reality Tunnels) อุโมงค์ความจริงให้มุมมองที่เป็นส่วนตัวในการดูข้อมูล ผู้ใช้สามารถกำหนดลำดับความสำคัญของการประเมินจากกลุ่มผู้เชี่ยวชาญ มูลค่าความเห็นจากเพื่อนสนิท หรือสะท้อนปัญญาของชุมชนเฉพาะ ผู้ใช้สามารถเลือกอุโมงค์ที่เชื่อถือได้หรือสลับระหว่างอุโมงค์หลาย ๆ อันเพื่อเปรียบเทียบ ตัวแทนยังสามารถใช้วิธีการอธิบายเฉพาะสำหรับวัตถุประสงค์เฉพาะ ตัวอย่างเช่น การเลือกอุโมงค์ที่สะท้อนเครือข่ายที่เชื่อถือได้ของ Vitalik Buterin จะกำหนดให้ตัวแทนตีความข้อมูลและตัดสินใจจาก “มุมมองของ Vitalik”.
ทุกสัญญาณถูกบันทึกไว้บนบล็อกเชน ผู้ใช้สามารถตรวจสอบอย่างโปร่งใสว่าทำไมข้อมูลเฉพาะบางอย่างจึงดูน่าเชื่อถือ เซิร์ฟเวอร์ใดเป็นแหล่งที่มา ใครเป็นผู้รับประกัน และมีการวางโทเค็นมากน้อยเพียงใด กระบวนการสร้างความไว้วางใจที่โปร่งใสนี้ทำให้ผู้ใช้สามารถตรวจสอบหลักฐานได้โดยตรง แทนที่จะรับข้อมูลโดยไม่ถาม Smart agents ยังสามารถใช้พื้นฐานนี้ในการตัดสินใจที่เหมาะสมกับบริบทและมุมมองของแต่ละบุคคลได้
4. ถ้า Intuition จะกลายเป็นโครงสร้างพื้นฐานเครือข่ายรุ่นถัดไปจะเป็นอย่างไร?
โครงสร้างพื้นฐานของ Intuition ไม่ใช่เพียงแค่แนวคิด แต่เป็นโซลูชันที่ใช้งานได้ในการแก้ปัญหาที่ตัวแทนต้องเผชิญในสภาพแวดล้อมเครือข่ายปัจจุบัน.
!
เครือข่ายปัจจุบันเต็มไปด้วยข้อมูลที่ถูกแยกเป็นส่วนและข้อมูลที่ไม่ได้รับการตรวจสอบ Intuition แปลงข้อมูลเป็นแผนภาพความรู้ที่แน่นอน ซึ่งให้ผลลัพธ์ที่ชัดเจนและสอดคล้องสำหรับคำถามใด ๆ กระบวนการตรวจสอบข้อมูลเหล่านี้ด้วยสัญญาณที่อยู่บนโทเค็นและการคัดสรร ตัวแทนสามารถตัดสินใจได้อย่างชัดเจนโดยไม่ต้องพึ่งการคาดเดา นี่ทำให้ความถูกต้อง ความเร็ว และประสิทธิภาพเพิ่มขึ้น
**Intuitionยังเป็นพื้นฐานสำหรับการทำงานร่วมกันของตัวแทน.**โครงสร้างข้อมูลที่ได้มาตรฐานทำให้ตัวแทนต่างๆ เข้าใจและสื่อสารข้อมูลในลักษณะเดียวกัน. เช่นเดียวกับที่ ERC-20 สร้างความเข้ากันได้ของโทเค็น, แผนที่ความรู้ของ Intuition สร้างสภาพแวดล้อมที่ตัวแทนสามารถทำงานร่วมกันได้บนข้อมูลที่สอดคล้องกัน.
Intuition ได้ก้าวข้ามโครงสร้างพื้นฐานที่จำกัดเฉพาะตัวแทนทางปัญญา กลายเป็นชั้นพื้นฐานที่บริการดิจิทัลทั้งหมดสามารถแบ่งปันได้ มันสามารถแทนที่ระบบความเชื่อมั่นที่แต่ละแพลตฟอร์มได้สร้างขึ้นแยกกันในปัจจุบันด้วยพื้นฐานที่เป็นเอกภาพ—รีวิวของอเมซอน, คะแนนของอูเบอร์, คำแนะนำของลิงค์อิน เปรียบเสมือน HTTP ที่ให้มาตรฐานการสื่อสารทั่วไปสำหรับเครือข่าย, Intuition ให้โปรโตคอลมาตรฐานสำหรับโครงสร้างข้อมูลและการตรวจสอบความเชื่อมั่น.
การเปลี่ยนแปลงที่สำคัญที่สุดคือความสามารถในการพกพาข้อมูล ผู้ใช้จะเป็นเจ้าของข้อมูลที่พวกเขาสร้างขึ้นโดยตรง และสามารถใช้มันได้ทุกที่ ข้อมูลที่ถูกแยกออกจากแต่ละแพลตฟอร์มจะเชื่อมต่อกันและเปลี่ยนโฉมระบบนิเวศดิจิทัลทั้งหมด
5. เพื่อสร้างพื้นฐานใหม่สำหรับยุคของเอเย่นต์ที่กำลังจะมาถึง
เป้าหมายของ Intuition ไม่ใช่แค่การปรับปรุงเทคนิคอย่างง่ายๆ แต่มันมีจุดมุ่งหมายเพื่อเอาชนะหนี้เทคนิคที่สะสมมาในช่วง 20 ปีที่ผ่านมา และออกแบบโครงสร้างพื้นฐานของเครือข่ายใหม่จากพื้นฐาน เมื่อเว็บที่มีความหมายถูกเสนอครั้งแรก วิสัยทัศน์นั้นชัดเจน แต่กลับขาดแรงจูงใจในการกระตุ้นการมีส่วนร่วม แม้ว่าวิสัยทัศน์ของพวกเขาจะสามารถบรรลุผลได้ แต่ผลประโยชน์ยังคงไม่ชัดเจน.
สถานการณ์ได้เปลี่ยนไป ความก้าวหน้าของ AI กำลังทำให้ยุคของตัวแทนเป็นจริง ตัวแทน AI ตอนนี้ได้เกินกว่าท工具ง่ายๆ พวกมันเป็นตัวแทนของเราที่ทำงานที่ซับซ้อน พวกมันทำการตัดสินใจอย่างเป็นอิสระ พวกมันทำงานร่วมกับตัวแทนอื่นๆ ตัวแทนเหล่านี้ต้องการนวัตกรรมพื้นฐานของโครงสร้างพื้นฐานเครือข่ายที่มีอยู่เพื่อทำงานอย่างมีประสิทธิภาพ
!
แหล่งที่มา: Balaji
正如Coinbase前CTO Balaji指出的那样，เราต้องสร้างโครงสร้างพื้นฐานที่เหมาะสมเพื่อให้สมองเหล่านี้ทำงานได้ ปัจจุบันเครือข่ายมีลักษณะคล้ายถนนที่ไม่ได้ปู ไม่ใช่ทางหลวงที่สมองสามารถเคลื่อนที่ได้อย่างปลอดภัยบนข้อมูลที่เชื่อถือได้ แต่ละเว็บไซต์มีโครงสร้างและรูปแบบที่แตกต่างกัน ข้อมูลไม่เชื่อถือได้ ข้อมูลยังคงไม่มีโครงสร้าง ทำให้สมองเข้าใจได้ยาก สิ่งนี้สร้างอุปสรรคสำคัญในการทำงานที่ถูกต้องและมีประสิทธิภาพของสมอง.
Intuition มุ่งหวังที่จะสร้างเครือข่ายใหม่เพื่อตอบสนองความต้องการเหล่านี้。 มันมีเป้าหมายเพื่อสร้างโครงสร้างข้อมูลที่มีมาตรฐานซึ่งเข้าใจและใช้งานได้ง่ายสำหรับตัวแทน。มันต้องการระบบตรวจสอบข้อมูลที่เชื่อถือได้。มันต้องการโปรโตคอลที่ทำให้สามารถติดต่อสื่อสารกันได้อย่างราบรื่นระหว่างตัวแทน。** ซึ่งคล้ายกับวิธีที่ HTTP และ HTML สร้างมาตรฐานเครือข่ายในช่วงแรกของอินเทอร์เน็ต。มันเป็นความพยายามในการสร้างมาตรฐานใหม่สำหรับยุคของตัวแทน。**
แน่นอน ความท้าทายยังคงมีอยู่ หากไม่มีการเข้าร่วมและผลกระทบจากเครือข่ายที่เพียงพอ ระบบก็จะไม่สามารถทำงานได้อย่างถูกต้อง การบรรลุคุณภาพวิกฤตต้องใช้เวลาและความพยายามอย่างมาก การเอาชนะความเฉื่อยของระบบนิเวศเครือข่ายที่มีอยู่ไม่เคยเป็นเรื่องง่าย การสร้างมาตรฐานใหม่มีความยากลำบาก แต่เป็นความท้าทายที่ต้องแก้ไข การปรับพื้นฐาน (rebase) ที่เสนอโดย Intuition จะเอาชนะความท้าทายเหล่านี้ มันจะเปิดโอกาสใหม่ ๆ สำหรับยุคของปัญญาประดิษฐ์ที่เพิ่งเริ่มจินตนาการ
