Caurskatot pēdējo dienu pētījumus par
#Vanar un
#Neutron semantiskās atmiņas slāni, es sapratu, kāpēc lielākā daļa AI aģentu blokķēdē izskatās kā "aizmāršīgi cilvēki". Katra mijiedarbība tos iepriekšējos stāvokļos gandrīz pilnībā atiestata, un nepārtrauktus uzdevumus ir grūti veikt.
Vanar pieeja ir ļoti intuitīva: izmantojot Neutron kā semantiskās atmiņas slāni blokķēdē, AI konteksta stāvokli ilgstoši saglabā un indeksē. Piemēram, Virtua, lietotāja nepārtrauktās darbības — aktīvu mijiedarbība, uzdevumu pabeigšana, skatu maiņa — vienas pilnas pieredzes laikā vidēji izraisa desmitiem blokķēdes stāvokļa atjauninājumu, ko Neutron spēj stabilizēt. Mezglu apstrādes aizkave tiek uzturēta 1–2 sekunžu līmenī, un maksimālā slodze nepārsniedz 3 sekundes, nodrošinot vienmērīgu pieredzi.
Vēl svarīgāk ir tas, ka šī glabāšana nav "pilnīga datu pievienošana blokķēdei", bet gan izvirza būtiskos stāvokļus un verifikācijas informāciju blokķēdē, bet pārējo efektīvi apstrādā ārpus blokķēdes. Rezultāts ir tas, ka AI aģenti var nepārtraukti darboties stundām ilgi, blokķēdes konteksts netiek zaudēts, un iesaistošā pieredze un mijiedarbības blīvums tiek uzturēts miljonu notikumu/ dienā līmenī, kamēr visa tīkla enerģijas patēriņš joprojām ir zem 2 kWh/mezgls/dienā.
Izstrādātājiem un lietotājiem tas nozīmē, ka nepārtraukti uzdevumi, immersīvās spēles vai metaversa scēnas var tikt veikti gludi, nebaidoties, ka AI katru reizi sāk no nulles. Neutron nesaka konceptus un nepārdod stāstus, tā risina vissmagāko problēmu: blokķēdes AI nekad neatiestata stāvokli.
Pieredzes ziņā tas ļauj AI aģentiem patiešām ilgstoši darboties autonomi, saglabājot iegremdēšanās sajūtu. Man personīgi šis solis ir svarīgāks par jebkuru veiktspējas rādītāju — AI "atmiņa" ir jau pārgājusi no koncepta uz realitāti.
@Vanar
$VANRY #vanar