المرحلة التالية من الإنترنت: شبكة عملاء الذكاء الاصطناعي Web 4.0

المؤلف: Azi.eth.sol |.zo.me المصدر: قوتان للتغيير. يعمل الذكاء الاصطناعي على تعزيز القدرات المعرفية البشرية من خلال التعلم الآلي والشبكات العصبية، في حين تقدم تقنية blockchain ندرة رقمية يمكن التحقق منها وتجعل التنسيق غير الموثوق به ممكنًا. وعندما تتقارب هذه التقنيات، فإنها تضع الأساس لجيل جديد من الإنترنت - شبكة من الوكلاء المستقلين الذين يتفاعلون مع الأنظمة اللامركزية. تقدم هذه "الشبكة الوكيلة" فئة جديدة من المواطنين الرقميين: وكلاء الذكاء الاصطناعي الذين يمكنهم التنقل والتفاوض والتعامل بشكل مستقل. ويعمل هذا التحول على إعادة توزيع القوة في العالم الرقمي، مما يسمح للأفراد باستعادة السيادة على بياناتهم الخاصة مع تعزيز نظام بيئي يتعاون فيه البشر والذكاء الاصطناعي بشكل لم يسبق له مثيل.

الشبكة تطور الشبكات

لكي نفهم إلى أين نتجه، دعونا نراجع أولاً تطور الشبكات، حيث كانت لكل مرحلة قدرات ونماذج معمارية مختلفة:

< img src="https://img.jinse.cn/7315876_watermarknone.png" title="7315876" alt="1DytmjRYeehkcW3GnYR6HxNGSHI86KwRVJ4hk8Rq.png">

يركز الجيلان الأولان من الشبكات على نشر المعلومات، بينما يركز الجيلان الأولان من الشبكات على نشر المعلومات. الجيلان القادمان وهذا يجعل تعزيز المعلومات ممكنا. لقد قدم الويب 3.0 ملكية البيانات من خلال الرموز المميزة، والآن يعمل الويب 4.0 على ضخ الذكاء من خلال نماذج اللغة الكبيرة (LLMs).

من نماذج اللغات الكبيرة إلى الوكلاء: التطور الطبيعي

تمثل دورات LLM قفزة نوعية في الذكاء الآلي كأنظمة ديناميكية ومطابقة للأنماط، تعمل على تحويل المعرفة الهائلة في الفهم السياقي من خلال حسابات الاحتمالية. ومع ذلك، فإن إمكاناتهم الحقيقية تظهر عندما يتم بناء LLM كوكلاء - يتطورون من مجرد معالجات معلومات إلى كيانات موجهة نحو الأهداف قادرة على الاستشعار والتفكير والتصرف. ويخلق هذا التحول ذكاءً ناشئًا قادرًا على التعاون المستدام والهادف من خلال اللغة والعمل.

يقدم مصطلح "الوكيل" نموذجًا جديدًا يغير الطريقة التي يتفاعل بها البشر مع الذكاء الاصطناعي، بما يتجاوز القيود والارتباطات السلبية المرتبطة بروبوتات الدردشة التقليدية. وهذا التحول ليس مجرد تغيير دلالي، بل هو إعادة تعريف أساسية لكيفية عمل أنظمة الذكاء الاصطناعي بشكل مستقل مع الحفاظ على تعاون هادف مع البشر. تعمل مسارات العمل الوكيلة في نهاية المطاف على تمكين الأسواق من التشكل حول نية مستخدم محددة.

في نهاية المطاف، تعد الشبكات الوكيلة أكثر من مجرد مستوى جديد من الذكاء - فهي تغير بشكل أساسي كيفية تفاعلنا مع الأنظمة الرقمية. في حين أن الإصدارات السابقة من الويب اعتمدت على واجهات ثابتة ومسارات مستخدم محددة مسبقًا، فإن الويب الوكيل يقدم بنية تحتية ديناميكية لوقت التشغيل حيث يتم ضبط الحساب والواجهات في الوقت الفعلي بناءً على سياق المستخدم ونيته.

مواقع الويب التقليدية وشبكات الوكيل

تمثل مواقع الويب التقليدية الوحدة الأساسية للإنترنت اليوم، حيث توفر واجهة ثابتة يمكن للمستخدمين قراءتها من خلال مسار كتابة محدد مسبقًا والتفاعل مع المعلومات. هذا النموذج، على الرغم من أنه يعمل بكامل طاقته، إلا أنه يحصر المستخدمين في واجهة مصممة للاستخدام العام بدلاً من الاحتياجات الشخصية. وتتجاوز الشبكات الوكيلة هذه القيود، حيث تستخدم الحوسبة المدركة للسياق، وتوليد الواجهة التكيفية، وعمليات العمل التنبؤية التي يتم فتحها من خلال RAG وغيرها من ابتكارات استرجاع المعلومات في الوقت الفعلي.

يمكنك الرجوع إلى كيفية إحداث TikTok ثورة في طريقة استهلاك المحتوى من خلال إنشاء محتوى دفع مخصص للغاية والتكيف مع تفضيلات المستخدم في الوقت الفعلي. تعمل الشبكات الوكيلة على توسيع هذا المفهوم ليشمل مستوى إنشاء الواجهة بالكامل. بدلاً من التنقل عبر تخطيطات صفحات الويب الثابتة، يتفاعل المستخدمون مع واجهات تم إنشاؤها ديناميكيًا تتوقع إجراءاتهم التالية وتسهلها. يمثل هذا التحول من مواقع الويب الثابتة إلى الواجهات الديناميكية التي يحركها الوكيل تطورًا أساسيًا في الطريقة التي نتفاعل بها مع الأنظمة الرقمية - من نموذج التفاعل القائم على التنقل إلى نموذج التفاعل القائم على النية.

بنية الوكيل

كانت الهندسة المعمارية القائمة على الوكيل مجالًا ضخمًا للاستكشاف للباحثين والمطورين. ويجري باستمرار تطوير أساليب جديدة لتعزيز مهارات التفكير وحل المشكلات. يتم استخدام تقنيات مثل سلسلة الفكر (CoT)، وشجرة الفكر (ToT)، والرسم البياني للفكر (GoT) لتحسين معالجة نماذج اللغة الكبيرة المعقدة (LLMs) التي تم تحقيقها من خلال محاكاة عمليات معرفية أكثر تفصيلاً تشبه العمليات البشرية.

التفكير المتسلسل (CoT) يمكّن النماذج اللغوية الكبيرة من تقسيم المهام المعقدة إلى خطوات أصغر وأكثر قابلية للإدارة. تعتبر هذه الطريقة فعالة بشكل خاص في حل المشكلات التي تتطلب تفكيرًا منطقيًا، مثل كتابة نصوص بايثون القصيرة أو حل المعادلات الرياضية.

شجرة يتطور التفكير (ToT) بشكل أكبر على أساس CoT ويعتمد بنية شجرية، مما يسمح باستكشاف مسارات تفكير مستقلة متعددة. يمكّن هذا التحسين LLMs من التعامل مع المهام الأكثر تعقيدًا. في ToT، كل "فكرة" (مخرجات نص LLM) متصلة فقط بـ "الأفكار" قبلها وبعدها، مما يشكل سلسلة محلية (فروع). على الرغم من أن هذا الهيكل يوفر مرونة أكبر من CoT، إلا أنه لا يزال يحد من إمكانية التواصل بين الأفكار.

يعمل التفكير الجرافيكي (GoT) على توسيع هذا المفهوم بشكل أكبر من خلال الجمع بين هياكل البيانات الكلاسيكية مع ماجستير إدارة الأعمال. يعمل هذا النهج على توسيع نطاق ToT من خلال السماح لأي "عقل" بالاتصال بالعقول الأخرى في الرسم التخطيطي. وهذا الترابط بين الأفكار هو أقرب إلى العملية المعرفية البشرية.

تعكس بنية GoT الشبيهة بالرسم البياني بشكل عام أنماط التفكير البشري بشكل أكثر دقة من CoT أو ToT. في حين أن هناك مواقف قد تتخذ فيها أنماط تفكيرنا بنية سلسلة أو شجرة (كما هو الحال عند وضع خطط الطوارئ أو إجراءات التشغيل القياسية)، إلا أن هذه هي الاستثناء وليست القاعدة. يتماشى نموذج GoT بشكل أكبر مع خصائص التفكير البشري، والذي غالبًا ما يشمل أفكارًا متعددة بدلاً من اتباع التسلسل بشكل صارم. على الرغم من أن بعض المواقف (مثل وضع خطط الطوارئ أو الإجراءات القياسية) قد لا تزال مقيدة بالسلاسل أو على شكل شجرة، إلا أن تفكيرنا عادةً ما يشكل شبكات تفكير معقدة ومترابطة، وهو ما يكون أكثر اتساقًا مع هيكل الرسم البياني لـ GoT.

الصور في GoT النهج المتطور يجعل استكشاف الأفكار أكثر ديناميكية ومرونة، مما قد يؤدي إلى قدرات أكثر إبداعًا وشمولاً في حل المشكلات.

تمثل هذه العمليات المتكررة المستندة إلى الرسم البياني خطوة واحدة فقط في سير العمل المعتمد. التطور التالي الواضح هو التنسيق بين وكلاء متعددين بتخصصات مختلفة يعملون معًا لتحقيق هدف محدد. جمال الوكالة في تكوينها.

يتيح الوكلاء إمكانية التنسيق والتنسيق والتوازي مع LLMs من خلال التنسيق بين الوكلاء المتعددين.

أنظمة متعددة الوكلاء

إن مفهوم الأنظمة متعددة الوكلاء ليس فكرة جديدة. يمكن إرجاع جذورها إلى كتاب مارفن مينسكي "مجتمع العقل"، حيث اقترح أن العقول المعيارية المتعددة التي تعمل معًا يمكن أن تتجاوز العقل الواحد المتجانس. ChatGPT وClaude هما عميلان منفردان، بينما تقوم Mistral بترويج مزيج من الخبراء. ولتوسيع هذه الفكرة بشكل أكبر، نعتقد أن بنية شبكة الوكيل ستكون الشكل النهائي لهذه الهيكلية الذكية.

من منظور الإلكترونيات الإلكترونية، على عكس نماذج الذكاء الاصطناعي التي ترتبط فيها مليارات الخلايا العصبية المتطابقة بطريقة موحدة ويمكن التنبؤ بها، فإن الدماغ البشري (في الأساس آلة واعية) ومستويات الأعضاء والخلايا غير متجانسة للغاية. تتواصل الخلايا العصبية من خلال إشارات معقدة تتضمن تدرجات الناقلات العصبية، وشلالات داخل الخلايا، وأنظمة تنظيمية مختلفة، مما يجعل وظائفها أكثر تعقيدًا بكثير من الحالات الثنائية البسيطة.

يوضح هذا أن الذكاء في علم الأحياء لا يأتي فقط من عدد المكونات أو حجم مجموعة بيانات التدريب. ينشأ الذكاء من تفاعلات معقدة بين وحدات متخصصة مختلفة، وهو نهج يعد في الأساس عملية تناظرية.

لذلك، فإن تطوير ملايين النماذج الصغيرة بدلاً من عدد قليل من النماذج الكبيرة، وتمكين التنسيق بين هذه النماذج، من المرجح أن يؤدي إلى الابتكار في البنى المعرفية، المشابهة لتلك الخاصة بالأنظمة متعددة الوكلاء.

يتمتع تصميم النظام متعدد الوكلاء بالعديد من المزايا مقارنةً بنظام الوكيل الفردي: فهو أسهل في الصيانة والفهم والتوسيع. حتى عندما تكون هناك حاجة إلى واجهة وكيل واحدة فقط، فإن تنفيذها كإطار عمل متعدد الوكلاء يجعل النظام أكثر نمطية، مما يبسط العملية للمطورين لإضافة المكونات أو إزالتها حسب الحاجة. من المهم أن ندرك أنه حتى مع وجود نظام وكيل واحد، فإن البنية متعددة الوكلاء يمكن أن تظل وسيلة فعالة جدًا لبنائه.

مزايا الأنظمة متعددة الوكلاء

على الرغم من أن النماذج اللغوية الكبيرة (LLMs) أظهرت قدرات مذهلة - مثل إنشاء نص يشبه الإنسان، وحل المشكلات المعقدة ويتعامل مع مجموعة متنوعة من المهام - ولكن القيود التي يواجهها وكيل LLM واحد في تطبيقات العالم الحقيقي قد تؤثر على فعاليته. فيما يلي خمسة تحديات رئيسية مرتبطة بأنظمة الوكلاء وكيف يمكن للتعاون متعدد الوكلاء التغلب عليها وفتح الإمكانات الكاملة لـ LLMs.

1. التغلب على الهلوسة من خلال التحقق المتبادل
   يمكن لوكيل LLM واحد في كثير من الأحيان الهلوسة أو توليدها بشكل غير صحيح أو سخيف معلومة. في هذه الحالة، على الرغم من التدريب المكثف للنموذج، قد تظل النتائج تبدو معقولة ولكنها تفتقر إلى الدقة الواقعية. تسمح الأنظمة متعددة الوكلاء بالتحقق من صحة المعلومات بين الوكلاء، مما يقلل من مخاطر الأخطاء. ومن خلال تخصصاتهم، يستطيع الوكلاء ضمان استجابات أكثر موثوقية ودقة.

2. توسيع نافذة السياق من خلال المعالجة الموزعة
   تحتوي برامج LLM على نافذة سياق محدودة، مما يجعل من الصعب معالجة المستندات أو المحادثات الأطول. في إطار عمل متعدد الوكلاء، يمكن للوكلاء مشاركة عبء المعالجة، حيث يتعامل كل وكيل مع جزء من السياق. من خلال التواصل بين الوكلاء، يكونون قادرين على الحفاظ على الاتساق في جميع أنحاء النص، وتوسيع نافذة السياق بشكل فعال.

3. زيادة الكفاءة من خلال المعالجة المتوازية
   عادةً ما تعالج شهادة LLM واحدة مهمة واحدة في كل مرة، مما يؤدي إلى أوقات استجابة أبطأ. تدعم الأنظمة متعددة الوكلاء المعالجة المتوازية، مما يسمح للعديد من الوكلاء بمعالجة مهام مختلفة في نفس الوقت. يؤدي ذلك إلى تحسين الكفاءة وأوقات الاستجابة، مما يسمح للشركات بالتعامل مع الاستفسارات المتعددة دون تأخير.

4. تسهيل التعاون لحل المشكلات المعقدة
   غالبًا ما يكون ماجستير إدارة الأعمال الواحد غير قادر على حل المشكلات المعقدة التي تتطلب خبرات متنوعة. تسهل الأنظمة متعددة الوكلاء التعاون بين الوكلاء، حيث يساهم كل وكيل بمهاراته ووجهات نظره الفريدة. ومن خلال العمل معًا، يستطيع الوكلاء حل التحديات المعقدة بشكل أكثر فعالية وتقديم حلول أكثر شمولاً وابتكارًا.

5. تحسين إمكانية الوصول من خلال تحسين الموارد
   يتطلب LLM المتقدم قدرًا كبيرًا من موارد الحوسبة، مما يجعل نشره مكلفًا وصعبًا. يعمل إطار العمل متعدد الوكلاء على تحسين استخدام الموارد من خلال تخصيص المهام لوكلاء مختلفين، وبالتالي تقليل التكلفة الحسابية الإجمالية. يتيح ذلك اعتماد تقنية الذكاء الاصطناعي على نطاق أوسع من قبل المزيد من المؤسسات.

على الرغم من أن الأنظمة متعددة الوكلاء تُظهر مزايا مقنعة في حل المشكلات الموزعة وتحسين الموارد، إلا أنه يتم أخذ إمكاناتها الحقيقية في الاعتبار عند تنفيذها على حافة الشبكة المعروضة في ذلك الوقت. مع استمرار تطور الذكاء الاصطناعي، فإن تكامل البنية متعددة الوكلاء والحوسبة المتطورة يخلق تآزرًا قويًا - ليس فقط لتمكين الذكاء التعاوني، ولكن أيضًا لتمكين المعالجة المحلية الفعالة عبر عدد لا يحصى من الأجهزة. يعمل هذا النهج الموزع لنشر الذكاء الاصطناعي بشكل طبيعي على توسيع مزايا الأنظمة متعددة الوكلاء، مما يوفر الذكاء التعاوني المتخصص حيث تشتد الحاجة إليه: المستخدم النهائي.

الذكاء في الحوسبة المتطورة

تقود شعبية الذكاء الاصطناعي في المجال الرقمي عملية إعادة البناء الأساسية لبنية الحوسبة. نظرًا لأن الذكاء أصبح جزءًا من تفاعلاتنا الرقمية اليومية، فإننا نشهد تشعبًا طبيعيًا للحوسبة: حيث تتعامل مراكز البيانات المتخصصة مع الاستدلال المعقد والمهام الخاصة بالمجال، في حين تتعامل الأجهزة الطرفية مع الاستعلامات الشخصية والحساسة للسياق محليًا. يعد هذا التحول إلى التفكير الحدي أكثر من مجرد تفضيل معماري، فهو ضرورة مدفوعة بعدة عوامل رئيسية.

أولاً، سوف يطغى الحجم الضخم للتفاعلات المعتمدة على الذكاء الاصطناعي على موفري الاستدلال المركزي، مما يؤدي إلى إنشاء متطلبات غير مستدامة لعرض النطاق الترددي ومشكلات في زمن الاستجابة.

ثانيًا، تتيح المعالجة الطرفية الاستجابة في الوقت الفعلي، وهي ميزة مهمة لتطبيقات مثل المركبات ذاتية القيادة والواقع المعزز وأجهزة إنترنت الأشياء.

ثالثًا، يحمي استنتاج الحافة خصوصية المستخدم من خلال الاحتفاظ بالبيانات الحساسة على الأجهزة الشخصية.

رابعًا، تعمل حوسبة الحافة على تقليل استهلاك الطاقة والبصمة الكربونية بشكل كبير عن طريق تقليل تدفق البيانات في الشبكة.

أخيرًا، يدعم استنتاج الحافة الوظائف والمرونة دون اتصال بالإنترنت، مما يضمن بقاء وظائف الذكاء الاصطناعي حتى لو كان الاتصال بالشبكة محدودًا.

يعد نموذج الذكاء الموزع هذا أكثر من مجرد تحسين للأنظمة الحالية، فهو يعيد تصورًا أساسيًا لكيفية نشر الذكاء الاصطناعي والتفاعل معه في عالم متصل بشكل متزايد.

بالإضافة إلى ذلك، فقد شهدنا تحولًا أساسيًا في متطلبات الحوسبة لمجلة LLM. على مدار العقد الماضي، هيمنت المتطلبات الحسابية الضخمة لتدريب نماذج لغوية كبيرة على تطور الذكاء الاصطناعي، والآن دخلنا عصرًا أصبحت فيه حوسبة زمن الاستدلال أمرًا مركزيًا. ويتجلى هذا التحول بشكل خاص في ظهور أنظمة الذكاء الاصطناعي القائمة على الوكيل، مثل اختراق Q* من OpenAI، والذي أظهر أن الاستدلال الديناميكي يتطلب كميات كبيرة من موارد الحوسبة في الوقت الحقيقي.

على عكس حوسبة وقت التدريب، والتي تعد استثمارًا واحدًا في تطوير النموذج، تمثل حوسبة وقت الاستدلال حوارًا حسابيًا مستمرًا للوكلاء المستقلين، مما يدعم تفكيرهم وتخطيطهم وتكيفهم مع المواقف الجديدة. يتطلب هذا التحول من التدريب على النماذج الثابتة إلى الاستدلال الديناميكي للوكيل إعادة التفكير بشكل أساسي في البنية التحتية للحوسبة - وفي هذه البنية الجديدة، لا تعد الحوسبة الطرفية مفيدة فحسب، بل إنها مهمة أيضًا.

مع ظهور هذا التحول، نشهد صعود سوق الاستدلال الطرفي، حيث تشكل الآلاف من الأجهزة المتصلة - من الهواتف الذكية إلى أنظمة المنزل الذكي - شبكة حوسبة ديناميكية. يمكن لهذه الأجهزة تبادل قدرات الاستدلال بسلاسة، مما يؤدي إلى إنشاء سوق عضوي تتدفق فيه موارد الحوسبة إلى حيث تشتد الحاجة إليها. وتصبح قوة الحوسبة المتبقية للأجهزة الخاملة مورداً قيماً يمكن تداوله في الوقت الفعلي، مما يتيح بنية تحتية أكثر كفاءة ومرونة من الأنظمة المركزية التقليدية.

لا تعمل هذه اللامركزية في الحوسبة الاستدلالية على تحسين استخدام الموارد فحسب، بل تخلق أيضًا فرصًا اقتصادية جديدة في النظام البيئي الرقمي، حيث يمكن لكل جهاز متصل أن يصبح مزودًا صغيرًا محتملاً لقدرات الذكاء الاصطناعي. وبالتالي فإن مستقبل الذكاء الاصطناعي لن يتحدد من خلال قدرات النماذج الفردية فحسب، بل من خلال الذكاء الجماعي للأجهزة الطرفية المتصلة، مما يشكل سوق استدلال عالمي لا مركزي أقرب إلى السوق الفورية للاستدلال الذي يمكن التحقق منه على أساس العرض والطلب.

التفاعل المرتكز على الوكيل

اليوم، تسمح لنا LLM بالوصول إلى كميات هائلة من المعلومات من خلال المحادثة بدلاً من التصفح التقليدي. سيصبح نهج المحادثة هذا قريبًا أكثر شخصية ومحلية مع تحول الإنترنت إلى منصة لعملاء الذكاء الاصطناعي بدلاً من مساحة للمستخدمين البشريين فقط.

من وجهة نظر المستخدم، سيتحول التركيز من اختيار "أفضل نموذج" إلى الحصول على الإجابات الأكثر تخصيصًا. يكمن مفتاح الحصول على إجابات أفضل في الجمع بين بيانات المستخدمين الخاصة والمعرفة العامة بالإنترنت. في البداية، ستساعد نوافذ السياق الأكبر والتوليد المعزز للاسترجاع (RAG) على دمج البيانات الشخصية، ولكن في النهاية ستتفوق البيانات الشخصية على بيانات الإنترنت العامة من حيث الأهمية.

سيؤدي هذا إلى مستقبل يمتلك فيه كل واحد منا نموذجًا شخصيًا للذكاء الاصطناعي يتفاعل مع نموذج خبير الإنترنت الأوسع. في البداية، سيحدث التخصيص جنبًا إلى جنب مع النماذج البعيدة، ولكن نظرًا لمخاوف الخصوصية والاستجابة، سيتم تحويل المزيد من التفاعلات إلى الأجهزة المحلية. وهذا من شأنه أن يخلق حدوداً جديدة ــ ليس بين البشر والآلات، بل بين نماذجنا الشخصية ونماذج الخبراء على الإنترنت.

سوف يصبح نموذج الإنترنت التقليدي عتيقًا، ولن يتمكن من الوصول إلى البيانات الأولية بعد الآن. وبدلاً من ذلك، سيتواصل النموذج المحلي الخاص بك مع نموذج خبير عن بعد، ويجمع المعلومات ويقدمها لك بأكثر الطرق المخصصة ذات النطاق الترددي العالي الممكنة. ستصبح هذه النماذج الشخصية لا غنى عنها بشكل متزايد لأنها تتعلم المزيد عن تفضيلاتك وعاداتك.

سوف تتحول الإنترنت إلى نظام بيئي من النماذج المترابطة: نماذج شخصية محلية عالية السياق ونماذج خبراء عن بعد وعالية المعرفة. وسيتضمن ذلك تقنيات جديدة، مثل التعلم الموحد، لتحديث المعلومات بين هذه النماذج. ومع تطور اقتصاد الآلة، سنحتاج إلى إعادة تصور الأسس الحسابية التي تقوم عليها هذه العملية، وخاصة فيما يتعلق بالحوسبة، وقابلية التوسع، والمدفوعات. سيؤدي ذلك إلى إعادة تنظيم مساحة المعلومات التي تتمحور حول الوكيل، وذات السيادة، والقابلة للتأليف بدرجة عالية، والتعلم الذاتي، والمتطورة باستمرار.

بنية بروتوكول الوكيل

في شبكة الوكلاء (Agentic Web)، يتطور التفاعل بين البشر والوكلاء إلى شبكة اتصالات معقدة بين الوكلاء . وتوفر هذه البنية إعادة تصور أساسية لبنية الإنترنت، حيث يصبح الوكلاء السياديون هم الواجهة الأساسية للتفاعل الرقمي. فيما يلي الأساسيات الأساسية المطلوبة لتنفيذ بروتوكول الوكيل:

• الهوية السيادية

  • تنتقل الهويات الرقمية من عناوين IP التقليدية إلى المفاتيح العامة المشفرة التي يملكها ممثلو الوكيل بشكل صحيح.

  • يحل نظام مساحة الاسم القائم على blockchain محل DNS التقليدي ويزيل نقطة التحكم المركزية.

  • تتتبع أنظمة السمعة مقاييس الموثوقية والقدرة للوكلاء.

  • تطبق إثباتات صفر المعرفة عملية التحقق من الهوية للحفاظ على الخصوصية.

  • تمكن إمكانية تكوين الهويات الوكلاء من إدارة سياقات وأدوار متعددة.

• الوكيل المستقل

• فهم اللغة الطبيعية وتحليل النوايا

• التخطيط متعدد الخطوات وتحليل المهام

< li>

إدارة الموارد وتحسينها

• التعلم من التفاعلات والتعليقات

• اتخاذ قرارات مستقلة ضمن معلمات محددة < /p>

• تخصص الوكيل وسوق القدرات المحددة

• آلية أمان مدمجة وبروتوكول محاذاة

< li>

كيان ذاتي التوجيه مع:

• البنية التحتية للبيانات

• إمكانات استيعاب البيانات ومعالجتها في الوقت الفعلي

• الموزعة آلية التحقق من البيانات والتحقق منها

• مجموعة النظام المختلط: zkTLS ومجموعة بيانات التدريب التقليدية وتجميع البيانات على الويب في الوقت الفعلي

• < p>شبكة التعلم التعاوني

• شبكة RLHF (التعلم المعزز بناءً على التعليقات البشرية)

• مجموعة الملاحظات الموزعة

  p>

• آلية الإجماع الموزونة للجودة

• بروتوكول تعديل النموذج الديناميكي

• < p>طبقة الحوسبة

• السوق الحسابية من نقطة إلى نقطة

• نظام الإثبات الحسابي

• تخصيص الموارد الديناميكية

< li>

تكامل الحوسبة المتطورة

• السلامة الحسابية

• إمكانية تكرار النتائج

• كفاءة الموارد

• يضمن بروتوكول الاستدلال الذي يمكن التحقق منه:

• البنية التحتية للحوسبة اللامركزية مع ：

• نموذج النظام البيئي

• نماذج اللغات الصغيرة الخاصة بمهمة محددة (SLMs)

• نماذج اللغات الكبيرة ذات الأغراض العامة (LLMs)

• نماذج متخصصة متعددة الوسائط

• نماذج العمل الكبيرة (LAMs)

• < p>بنية النموذج الهرمي:
  < /li>

• دمج النماذج وتنسيقها

• التعلم المستمر والقدرة على التكيف

• واجهات وبروتوكولات النماذج الموحدة

• إطار التنسيق

< ul class=" list-paddingleft-2" style="list -style-type: Square;">

• معالجة المهام المتزامنة

• عزل الموارد

• إدارة الحالة

• حل النزاعات

• تضمن بروتوكولات التشفير وكلاء آمنين وتفاعليين

• نظام إدارة حقوق الملكية الرقمية

• هيكل الحوافز الاقتصادية

• آلية الحوكمة: حل النزاعات وتخصيص الموارد وتحديث البروتوكول

• دعم بيئة التنفيذ الموازي:

• الحوكمة وتوزيعات الأرباح

p>

• يمتلك الوكيل نسبة معينة من الرموز المميزة عند الإنشاء

• يدفع سوق الاستدلال المجمع من خلال السيولة

  < /li>

• المفاتيح الموجودة على السلسلة والتي التحكم في الحسابات خارج السلسلة

• البدائيات الموجودة على السلسلة المستخدمة للهوية (مثل Gnosis وSquad multisigs)

• الاقتصاد والمعاملات بين الوكلاء

• يتمتع الوكلاء بالسيولة

• يصبح الوكلاء أصولًا مدرة للدخل

• الوكيل DAO

إنشاء بنية فوقية للذكاء

قوي>

تصميم حديث للنظام الموزع يوفر إلهامًا وأساسيات فريدة لتنفيذ بروتوكولات الوكيل، وخاصة البنى المبنية على الأحداث و"نماذج الممثل" الحسابية المباشرة.

يوفر نموذج الممثل أساسًا نظريًا أنيقًا لتنفيذ أنظمة الوكلاء. يتعامل هذا النموذج الحسابي مع "الجهات الفاعلة" باعتبارها عناصر أولية عالمية للحساب، ويمكن لكل منها:

• معالجة الرسائل

• اتخاذ قرارات محلية

• إنشاء المزيد من الممثلين

• إرسال رسائل إلى جهات فاعلة أخرى

  < /li>

• حدد كيفية الرد على الرسالة التالية المستلمة

تتضمن المزايا الرئيسية التي يجلبها نموذج الممثل إلى أنظمة الوكلاء ما يلي: