Fetch.ai é um projeto de software de código aberto que visa construir infraestrutura para o desenvolvimento de aplicativos modernos, descentralizados e ponto a ponto (P2P). Fetch.ai aproveita a inteligência artificial e a tecnologia de automação para fornecer uma variedade de ferramentas e estruturas para criar e conectar agentes inteligentes para executar tarefas complexas na economia digital. Um agente inteligente é um código de software autônomo que pode agir em nome de um ser humano, de uma organização ou de uma máquina. A rede Fetch.ai é um protocolo cross-chain baseado no Cosmos-SDK, que pode implementar criptografia avançada e lógica de aprendizado de máquina na cadeia. Fetch.ai também possui sua própria criptomoeda, chamada FET, com circulação atual de 746 milhões e oferta máxima de 1,153 bilhão.
Como uma empresa de tecnologia que combina profundamente tecnologia de blockchain e inteligência artificial, a Fetch.AI visa construir uma economia inteligente descentralizada e atingir objetivos distribuídos combinando inteligência artificial, blockchain e tecnologias de Internet das Coisas. O objetivo da empresa é proporcionar às empresas e aos consumidores uma nova forma de interagir economicamente, permitindo transações mais eficientes, seguras e inteligentes.
Graças à arquitetura altamente inteligente e aberta da IA+blockchain, a Fetch.AI tem uma ampla gama de cenários de aplicação, incluindo logística, cadeia de suprimentos, finanças, energia, medicina e outras áreas. A arquitetura técnica do Fetch.AI consiste principalmente em duas partes: cadeia principal Fetch.AI e agente inteligente Fetch.AI. A cadeia principal Fetch.AI é um livro-razão distribuído baseado na tecnologia blockchain, usado para registrar transações e contratos inteligentes e garantir a segurança e confiabilidade das transações. O agente inteligente Fetch.AI é um contrato inteligente com recursos de inteligência artificial que pode executar tarefas de forma autônoma, coordenar recursos e interagir com outros agentes inteligentes para obter interações econômicas automatizadas, inteligentes e descentralizadas.
Este artigo não irá elaborar muito sobre a cadeia principal. Vamos nos concentrar no desmantelamento da arquitetura de agente autônomo (AEA) e dos mecanismos de aprendizagem em grupo (Colearn) para mostrar como a IA participa do processo de operação e aplicação de dados do sistema blockchain.
Deixe os nós da rede gerenciarem a si mesmos: Arquitetura de Agente Econômico Autônomo (AEA)
Na rede Fetch.ai, os indivíduos ou empresas que possuem dados são representados pelos seus agentes, que se comunicam com os agentes dos indivíduos ou empresas que procuram os dados. A agência opera no Quadro Económico Aberto (OEF). Isso atua como um mecanismo de busca e descoberta onde os agentes que representam fontes de dados podem anunciar os dados aos quais têm acesso. Da mesma forma, uma pessoa ou empresa que procure dados pode utilizar a OEF para procurar agentes que tenham acesso aos dados em questão.
A arquitetura AEA da Fetch.AI é uma arquitetura de agente inteligente distribuída usada para construir uma rede autônoma de agentes inteligentes colaborativos. AEA significa Agente Económico Autónomo. A sua ideia central é combinar inteligência artificial e tecnologia blockchain para construir uma economia inteligente descentralizada e alcançar uma interacção económica inteligente, autónoma e descentralizada.
Os componentes principais da arquitetura AEA incluem principalmente os quatro módulos a seguir:
Agente AEA: O agente AEA é um agente inteligente autônomo e programável com capacidade de tomada de decisão autônoma, colaboração autônoma e aprendizagem autônoma. É o componente central da AEA e representa uma entidade independente com capacidade de tomada de decisão e ação autônoma. habilidade. Cada agente da AEA possui seu próprio endereço de carteira, identidade e contrato inteligente, e pode interagir e cooperar com outros agentes.
Comunicação AEA (Conexão): A comunicação AEA é um protocolo de comunicação ponto a ponto baseado na tecnologia blockchain, usado para realizar a transmissão de informações e interação entre agentes. A comunicação AEA garante a segurança e confiabilidade das interações. O AEA do Fetch.AI oferece suporte a vários métodos de conexão, incluindo conexões WebSocket e HTTP.
Habilidade AEA (Skill): A habilidade AEA é um módulo conectável usado para estender as funções e capacidades do agente AEA. Cada habilidade inclui um contrato inteligente e um pacote Python que implementa funcionalidades específicas do agente, como processamento de linguagem natural, aprendizado de máquina, tomada de decisão, etc. As habilidades podem conter vários protocolos e modelos para que os agentes possam compreender e responder às solicitações de outros agentes.
Protocolo AEA: O protocolo AEA é um mecanismo de colaboração usado para conseguir colaboração e interação entre agentes. O protocolo AEA define o formato da mensagem, o processo do protocolo e as regras de interação entre os agentes para alcançar o trabalho colaborativo entre os agentes. Protocolos são as regras e diretrizes para comunicação entre agentes. O protocolo define como os agentes devem trocar informações, responder às solicitações e lidar com erros. O AEA da Fetch.AI oferece suporte a vários protocolos, incluindo a própria linguagem de comunicação de agente (ACL) e protocolos HTTP da Fetch.AI.
Imagine que uma empresa esteja procurando dados para treinar um modelo preditivo. Quando o agente da empresa se conectar ao agente que representa a fonte de dados, ele solicitará informações sobre os termos de troca. O agente que trabalha em nome do fornecedor de dados fornecerá então os termos sob os quais está disposto a vender os dados. Os agentes que vendem acesso aos dados podem procurar o preço mais alto possível, enquanto os agentes que compram acesso aos dados querem pagar o preço mais baixo possível. Porém, a agência que vende os dados sabe que se cobrar um preço muito alto, perderá a venda. Isso ocorre porque o agente que busca os dados não aceitará os termos e, em vez disso, tentará adquirir os dados de outra fonte na web. Se o agente de compras considerar os termos aceitáveis, pagará ao agente de vendas o preço acordado por meio de uma transação no livro razão Fetch.ai. Após receber o pagamento, o agente que vende os dados enviará os dados criptografados pela rede Fetch.ai.
Além da configuração inicial, todo o processo é totalmente automatizado e realizado pelo agente Fetch.ai. Isso significa que os funcionários da empresa podem trabalhar sem interrupções, enquanto os modelos preditivos acumulam dados anonimizados relevantes. Ao adquirir os dados, as empresas que compram informações conseguem treinar os seus modelos de forma mais eficiente, que podem então ser usados para fazer previsões mais precisas. Essas previsões podem ser usadas em qualquer setor.
O núcleo para tornar os nós inteligentes: módulo de habilidade AEA e mecanismo de aprendizagem em grupo (Colearn)
Entre os quatro módulos acima, o mais importante é o módulo de habilidade AEA, que é um módulo chave para tornar os nós inteligentes. A habilidade AEA é um módulo conectável usado para realizar a função de aprendizagem autônoma do grupo dos agentes. Cada habilidade de aprendizagem inclui um contrato inteligente e um pacote Python para implementar diferentes tipos de tarefas de aprendizagem, como aprendizagem por reforço, aprendizagem supervisionada, aprendizagem não supervisionada, etc. Quando um agente precisa aprender, ele pode escolher as habilidades de aprendizagem mais adequadas e salvar os resultados da aprendizagem em seu próprio estado. Os agentes podem ajustar autonomamente os seus comportamentos e estratégias com base nos resultados da aprendizagem, permitindo interações económicas mais inteligentes, mais eficientes e mais sustentáveis.
O princípio de aprendizagem coletiva da Fetch.AI inclui as seguintes etapas:
Compartilhamento de dados: Diferentes agentes coletam seus próprios dados e os carregam em um banco de dados compartilhado na rede blockchain. Esses dados podem ser dados de sensor, dados de texto, dados de imagem, etc. Todos os agentes participantes da aprendizagem coletiva podem acessar os dados do banco de dados compartilhado e utilizá-los para treinamento.
Treinamento de modelo: o agente usa dados de um banco de dados compartilhado para treinamento de modelo. Os modelos podem ser modelos de aprendizado de máquina, modelos de aprendizado profundo ou outros tipos de algoritmos. Os agentes podem ser treinados usando diferentes modelos para aprender diferentes tarefas ou problemas.
Seleção do modelo: Após a conclusão do treinamento do modelo, o agente carrega seu modelo na rede blockchain. Todos os agentes participantes da aprendizagem coletiva podem acessar esses modelos e escolher aquele que mais lhes convém de acordo com suas necessidades. O processo de seleção pode ser baseado em fatores como desempenho do agente, requisitos de tarefa, restrições de recursos, etc.
Integração de modelo: Depois que um modelo é selecionado, os agentes podem integrá-lo às suas próprias habilidades para melhor concluir suas tarefas. As habilidades podem ser módulos que lidam com tipos específicos de tarefas, como negociação de criptomoedas, gerenciamento de logística, etc. Os agentes podem usar diversas habilidades e modelos para processamento de tarefas.
Mecanismo de recompensa: No processo de aprendizagem coletiva, os agentes podem receber recompensas contribuindo com seus próprios dados e modelos. As recompensas podem ser distribuídas com base em fatores como desempenho do agente, contribuição, eficiência na utilização de recursos, etc. O mecanismo de recompensa pode incentivar os agentes a participarem ativamente na aprendizagem coletiva e melhorar o desempenho de todo o sistema.
Suponha que existam dois agentes A e B que precisam cooperar para completar uma tarefa, como o transporte de mercadorias. O agente A é responsável pelo fornecimento das mercadorias e o agente B é responsável pela prestação dos serviços de transporte. Na interação inicial, tanto o agente A quanto o agente B podem adotar estratégias de comportamento aleatório para completar a tarefa, como selecionar rotas ou métodos de transporte aleatoriamente.
À medida que a interação prossegue, o Agente A e o Agente B podem aprender os dados do histórico de interação por meio de habilidades de aprendizagem e ajustar de forma autônoma estratégias comportamentais com base nos resultados da aprendizagem. Por exemplo, o Agente A pode aprender informações como o fornecimento de bens e os custos de transporte através da aprendizagem de competências e, em seguida, seleccionar de forma independente a estratégia de cooperação óptima com base na procura actual de bens e nos preços de mercado. O Agente B também pode aprender informações como a eficiência e o custo das rotas e métodos de transporte por meio de habilidades de aprendizagem, de modo a selecionar de forma independente a estratégia de transporte ideal com base nas condições atuais de tráfego e nos preços da energia.
À medida que a interacção continua e os resultados da aprendizagem são continuamente actualizados, o Agente A e o Agente B podem optimizar gradualmente as suas estratégias comportamentais, alcançando assim interacções económicas mais eficientes, mais inteligentes e mais sustentáveis. Este processo de autoaprendizagem pode ser continuamente iterado e otimizado para alcançar melhores benefícios económicos e valor social.
Deve-se notar que a função de aprendizagem autônoma exige que o agente tenha poder computacional e recursos de dados suficientes para alcançar bons resultados de aprendizagem. Portanto, em aplicações práticas, é necessário selecionar habilidades de aprendizagem adequadas e alocação de recursos com base na situação real e nas necessidades do agente para alcançar o melhor efeito de aprendizagem.
O principal Agente Econômico Autônomo (AEA) da Fetch.ai atinge os objetivos de inteligência, autonomia e descentralização na interação econômica. A sua vantagem reside na profunda integração da inteligência artificial e da tecnologia blockchain, e na realização da concepção de agentes económicos autónomos. Estes agentes da AEA podem aprender, tomar decisões e interagir livremente de forma autónoma num ambiente descentralizado, melhorando a eficiência e eficiência da interacção económica. . Grau de inteligência. Além disso, o mecanismo de aprendizagem em grupo (Colearn) do Fetch.AI incentiva os agentes a participar ativamente e a melhorar o desempenho de todo o sistema, compartilhando dados e modelos.
No entanto, Fetch.AI também enfrenta alguns desafios. Primeiro, a sua função de aprendizagem autónoma requer elevado poder computacional e recursos de dados, o que pode limitar a sua aplicação em ambientes com recursos limitados. Em segundo lugar, a arquitetura técnica e as funções do Fetch.AI são relativamente complexas, exigindo limiares técnicos e custos de aprendizagem mais elevados, o que pode ter um impacto na sua ampla aplicação.
Resumo
Olhando para o futuro, Fetch.AI ainda tem perspectivas brilhantes. À medida que a tecnologia continua a se desenvolver, ela poderá introduzir mais tecnologias de IA e blockchain para melhorar o desempenho e a eficiência e atender a mais cenários e necessidades de aplicações. Ao mesmo tempo, à medida que a proteção da privacidade e a segurança dos dados recebem cada vez mais atenção, os recursos de descentralização e segurança do Fetch.AI podem receber mais atenção e aplicações. Apesar de alguns desafios, a inovação e o potencial da Fetch.AI nas áreas de IA e blockchain ainda merecem nossa atenção e exploração.
Referências:
[1] Documentação do desenvolvedor Fetch.AI
[2] Melanie Mitchell: IA 3.0
[3] Alexey Potapov: Recursos básicos do Atomese necessários
Isenção de responsabilidade: este artigo é apenas para referência de pesquisa e não constitui qualquer conselho ou recomendação de investimento. O mecanismo de projeto apresentado neste artigo representa apenas a opinião pessoal do autor e não tem interesse no autor ou nesta plataforma. Os investimentos em blockchain e em moeda digital estão sujeitos a riscos de mercado extremamente elevados, riscos políticos, riscos técnicos e outros fatores incertos. O preço dos tokens no mercado secundário flutua violentamente. O autor deste artigo ou desta plataforma não se responsabiliza por quaisquer perdas causadas aos investidores devido à utilização das informações prestadas neste artigo.