Если в будущем интернет превратится в рынок, где AI-агенты будут взаимно оплачивать услуги, то в определенной степени криптовалюты станут основным продуктом, соответствующим рынку, о чем мы ранее могли только мечтать. Хотя я уверен, что между AI-агентами будут возникать платежи за услуги, я все же сдержан в отношении того, сможет ли модель рынка преодолеть конкуренцию.
Под «рынком» я подразумеваю децентрализованную, не требующую разрешений экосистему независимо разработанных, слабо скоординированных агентов. Такой интернет больше похож на открытый рынок, чем на централизованно планируемую систему. Наиболее типичным случаем «выигрыша» является Linux. В противоположность этому модель «Кафедрального собора»: вертикально интегрированная, тесно связанная система обслуживания, в которой доминирует горстка гигантов, типичным представителем которой является Windows. (Этот термин происходит от классической статьи Эрика Рэймонда «Собор и базар», в которой разработка с открытым исходным кодом описывается как кажущаяся хаотичной, но адаптируемая.) Это эволюционная система, которая способна со временем превосходить сложные системы. ）
Давайте рассмотрим два предпосылки для реализации этого видения, а именно распространение умных прокси-платежей и рост рыночной экономики. Затем объясните, почему, когда и то, и другое становится реальностью, криптовалюты не только полезны, но и незаменимы.
Условие 1: Платежи будут интегрированы в большинство сделок через посредников
Известный нам интернет использует модель субсидирования затрат, основанную на количестве человеческих просмотров страниц приложений для размещения рекламы. Но в мире, управляемом интеллектуальными агентами, людям больше не нужно будет лично посещать сайты для получения онлайн-услуг. Приложения также будут все больше переходить на архитектуру, основанную на интеллектуальных агентах, а не на традиционную модель пользовательского интерфейса.
У интеллектуальных агентов нет "глаз" для продажи рекламы (то есть внимания пользователей), поэтому приложения срочно нуждаются в изменении своей стратегии монетизации, перейдя на прямую оплату услуг интеллектуальных агентов. Это по сути похоже на текущую бизнес-модель API. Например, LinkedIn предлагает свои базовые услуги бесплатно, но для доступа к его API (то есть интерфейсу для "роботов") необходимо платить соответствующую плату.
Таким образом, платежная система, вероятно, будет интегрирована в большинство торговых агентов. Агенты будут взимать плату с пользователей или других агентов в форме микротранзакций при предоставлении услуг. Например, вы можете попросить своего личного агента найти достойных кандидатов на вакансии в LinkedIn, и в этом случае ваш личный агент будет взаимодействовать с рекрутинговым агентом LinkedIn, который заранее взимет соответствующую плату за услуги.
Условие два: пользователи будут полагаться на агенты, построенные независимыми разработчиками, обладающими высокоспециализированными подсказками, данными и инструментами. Эти агенты формируют своего рода "рынок", взаимодействуя друг с другом, но между агентами на этом рынке не существует доверительных отношений.
Это условие теоретически имеет смысл, но я не уверен, как оно будет работать на практике.
Вот причины, по которым будет сформирована рыночная модель:
В настоящее время человеческие существа берут на себя подавляющее большинство сервисных работ, и мы решаем конкретные задачи через интернет. Однако с ростом умных агентов объем задач, которые технологии могут взять на себя, будет экспоненциально увеличиваться. Пользователям нужны специализированные подсказки, возможность вызова инструментов и поддержка данных от интеллектуальных агентов для выполнения конкретных задач, и разнообразие таких наборов задач значительно превысит возможности покрытия лишь нескольких надежных компаний, как iPhone должен полагаться на огромное количество сторонних разработчиков, чтобы раскрыть весь свой потенциал.
Эту роль возьмут на себя независимые разработчики, которые получат возможность создавать специализированных интеллектуальных агентов благодаря сочетанию чрезвычайно низких затрат на разработку (например, Vide Coding) и модели с открытым исходным кодом. Это приведет к рождению рынка с длинным хвостом, состоящего из большого количества подразделенных агентов, образующих рыночную экосистему. Когда пользователь просит агента выполнить задачу, эти агенты будут вызывать других агентов с определенными профессиональными способностями для совместной работы, а вызываемые агенты будут продолжать звонить более вертикальным агентам, формируя таким образом прогрессивную цепочку сетей совместной работы.
В этой рыночной сцене большинство обслуживающих агентов относительно недоверчивы друг к другу, поскольку эти агенты предоставляются малоизвестными разработчиками и имеют узкую специализацию. Агентам на длинном хвосте будет трудно установить достаточную репутацию для получения признания доверия. Эта проблема доверия будет особенно выраженной в модели "хризантемной цепи", когда услуги передаются по цепочке, и по мере того, как агенты услуг становятся все дальше от первоначально доверенного агента (даже того, которого пользователь может разумно идентифицировать), доверие пользователя будет постепенно уменьшаться на каждом этапе делегирования.
Однако, когда речь идет о том, как на практике реализовать это, существует множество нерешенных вопросов:
Давайте начнем с профессиональных данных как одного из основных сценариев применения агентов на рынке, и углубим наше понимание на конкретных кейсах. Допустим, есть небольшая юридическая фирма, которая обрабатывает множество транзакций для криптоклиентов, и агентство собрало сотни согласованных условий сделки. Если вы являетесь криптокомпанией, которая находится в середине посевного раунда финансирования, вы можете представить себе сценарий, в котором агент с моделью тонкой настройки на основе этих условий может эффективно оценить, соответствуют ли ваши условия финансирования рыночным стандартам, что будет иметь большую практическую ценность.
Но нам нужно глубже задуматься: действительно ли предоставление таких услуг по анализу данных с помощью интеллектуальных систем соответствует интересам юридических фирм?
Открытие этой услуги для широкой аудитории в форме API по сути означает коммерциализацию эксклюзивных данных юридической фирмы, в то время как настоящая коммерческая цель юридической фирмы заключается в получении премиальных доходов за счет профессионального времени адвокатов. С точки зрения правового регулирования, высокоценные юридические данные часто подвержены строгим обязательствам о конфиденциальности, что и является ядром их коммерческой ценности, а также важной причиной, по которой такие данные недоступны для общественных моделей, таких как ChatGPT. Даже если нейронные сети обладают характеристикой "размытости информации", достаточно ли просто необъяснимости алгоритмической черной коробки, чтобы юридические фирмы могли быть уверены, что чувствительная информация не будет раскрыта в рамках обязательств о конфиденциальности между адвокатом и клиентом? Это представляет собой серьезные риски для соблюдения законодательства.
С учетом всех факторов, более оптимальной стратегией для юридической фирмы может стать внедрение внутренних AI-моделей для повышения точности и эффективности юридических услуг, создание дифференцированного конкурентного преимущества на рынке профессиональных услуг и продолжение использования интеллектуального капитала адвокатов в качестве основной модели прибыли, а не рискованная монетизация данных.
На мой взгляд, "лучшие сценарии применения" профессиональных данных и интеллектуальных агентов должны удовлетворять трем условиям:
Данные имеют высокую коммерческую ценность
Из не чувствительных отраслей (не медицинских/юридических и т.д.)
"Данные побочные продукты", не относящиеся к основной деятельности.
Например, судоходные компании (нечувствительные отрасли) могут иметь ценность в прогнозировании рыночных тенденций для товарных хедж-фондов на основе таких данных, как позиционирование судов, объем фрахта и грузооборот порта, генерируемые в процессе логистики и транспортировки («потери данных» за пределами их основного бизнеса). Ключом к монетизации этого типа данных является то, что предельные затраты на получение данных близки к нулю и не связаны с основными коммерческими секретами. Аналогичные сценарии могут существовать в таких областях, как тепловая карта пассажирских потоков в розничной торговле (оценка коммерческой недвижимости), данные о региональном потреблении электроэнергии электросетевыми компаниями (прогнозирование индекса промышленного производства) и данные о поведении зрителей кино- и телевизионных платформ (анализ культурных трендов).
На данный момент известные типичные примеры включают в себя продажу данных о punctuality авиакомпаниями туристическим платформам, а также продажу отчетов о региональных потребительских тенденциях кредитными картами розничным продавцам.
Что касается подсказок и вызовов инструментов, я не совсем уверен, какую ценность могут предложить независимые разработчики, которая не была бы продуктирована крупными брендами. Моя простая логика такова: если комбинация подсказки и вызова инструмента имеет ценность, достаточную для того, чтобы независимые разработчики могли зарабатывать, разве надежные крупные бренды не войдут на рынок и не коммерциализируют это?
Это может быть связано с недостатком моего воображения, малые ниши с длинным хвостом на GitHub предоставляют хорошую аналогию для экосистемы агентов, буду рад поделиться конкретными примерами.
Если реальные условия не поддерживают модель рынка, то подавляющее большинство поставщиков услуг будет относительно надежным, так как они будут разработаны известными брендами. Эти агенты могут ограничить диапазон взаимодействия отобранным набором надежных агентов и реализовать гарантии услуг через механизм цепочки доверия.
Почему криптовалюты незаменимы?
Если интернет превратится в рынок, состоящий из специализированных, но в основном ненадежных агентов (условие 2), которые получают вознаграждение за предоставление услуг (условие 1), то роль криптовалюты станет гораздо более ясной: она предоставляет необходимую гарантию доверия для поддержания сделок в условиях низкого доверия.
Когда пользователи используют бесплатные онлайн-сервисы, они без колебаний вовлекаются (поскольку худший результат — это просто потеря времени), но когда дело доходит до денежных транзакций, пользователи настоятельно требуют гарантии "платите и получайте". В настоящее время пользователи достигают этой гарантии через процесс "сначала доверяй, потом проверяй", доверяя контрагенту или сервисной платформе при оплате, а затем проверяя выполнение обязательств после завершения услуги.
Но на рынке, состоящем из многих агентов, доверие и послепродажная проверка будут далеко не так легко реализуемы, как в других сценариях.
Доверие. Как уже упоминалось, агентам в длинном хвосте распределения будет трудно накопить достаточную репутацию, чтобы получить доверие других агентов.
Постфактум верификация. Агенты будут взаимно вызывать друг друга в длинной цепочной структуре, поэтому пользователям будет значительно сложнее вручную проверять работу и выявлять, какой агент не справился со своими обязанностями или вел себя неправомерно.
Дело в том, что модель «доверяй, но проверяй», на которую мы сейчас полагаемся, не будет устойчивой в этой экосистеме. Именно здесь в игру вступает криптография, обеспечивающая обмен ценностями в среде, не требующей доверия. Криптография заменяет зависимость от доверия, репутационных систем и ручной проверки после события в традиционной модели с помощью двойной гарантии механизма криптографической проверки и механизма криптоэкономического стимулирования.
Криптографическая проверка: Агент, выполняющий услугу, получит оплату только в том случае, если он сможет предоставить криптографическое доказательство доверенному лицу, запрашивающему услугу, подтверждая, что он выполнил обещанную задачу. Например, прокси-сервер может доказать, что он действительно просканировал данные с данного веб-сайта, запустил определенную модель или предоставил определенное количество вычислительных ресурсов с помощью доказательства Trusted Execution Environment (TEE) или доказательства безопасности транспортного уровня с нулевым разглашением (zkTLS) (при условии, что мы можем реализовать такую проверку достаточно дешево или достаточно быстро). Этот тип работы является детерминированным и может быть относительно легко проверен криптографией.
Экономика паролей: агент, выполняющий услуги, должен заложить определенный актив, и в случае выявления мошенничества он будет конфискован. Этот механизм обеспечивает честное поведение через экономические стимулы, даже в среде, где доверие не требуется. Например, агент может изучить определенную тему и представить отчет, но как мы можем определить, что он "отлично справился с работой"? Это более сложная форма верифицируемости, поскольку она не является детерминированной, и достижение точной нечеткой верифицируемости на протяжении долгого времени было конечной целью крипто-проектов.
Но я считаю, что, используя ИИ в качестве нейтрального арбитра, мы, наконец, находимся на пути к достижению нечеткой верифицируемости. Мы можем представить себе комитет по искусственному интеллекту, который будет управлять процессом разрешения споров и конфискации в среде с минимальным доверием, например, в доверенной среде правоприменения. Когда агент оспаривает работу другого агента, каждый ИИ в комитете получает входные данные агента, выходные данные и соответствующую справочную информацию (включая историю споров в сети, прошлую работу и т. д.). Затем они могут решить, конфисковать его или нет. Это приведет к созданию оптимистичного механизма верификации, который будет в корне препятствовать мошенничеству со стороны участников с помощью экономических стимулов.
С практической точки зрения, криптовалюты позволяют нам достигать атомарности платежей через доказательство услуги, то есть вся работа должна быть завершена и проверена, прежде чем AI-агент сможет получить вознаграждение. В экономике агентов без необходимости получения разрешений это единственное масштабируемое решение, которое может обеспечить надежную защиту на краях сети.
Таким образом, если подавляющее большинство партнерских транзакций не связаны с выплатой средств (т.е. не соответствуют условию 1) или с надежными брендами (т.е. не соответствуют условию 2), то нам, возможно, не нужно создавать криптовалютный платежный канал для партнеров. Это связано с тем, что пользователи не против взаимодействия с недоверенными сторонами, когда средства в безопасности; Когда дело доходит до финансовых транзакций, агентам нужно только ограничить взаимодействующие объекты белым списком нескольких проверенных брендов и учреждений и гарантировать, что обещания услуг, предоставляемых каждым агентом, выполняются по всей цепочке доверия.
Но если оба этих условия будут выполнены, криптовалюта станет незаменимой инфраструктурой, так как она является единственным способом массовой верификации работы и принуждения к оплате в условиях низкого уровня доверия и без разрешения. Криптография предоставила "рынку" конкурентные инструменты, превосходящие "соборы".
Посмотреть Оригинал
Содержание носит исключительно справочный характер и не является предложением или офертой. Консультации по инвестициям, налогообложению или юридическим вопросам не предоставляются. Более подробную информацию о рисках см. в разделе «Дисклеймер».
"Рынок" превосходит "Собор", как Криптоактивы становятся основой доверия в экономике AI-агентов?
Автор: Даниэль Барабандер
Перевод: Тим, PANews
Если в будущем интернет превратится в рынок, где AI-агенты будут взаимно оплачивать услуги, то в определенной степени криптовалюты станут основным продуктом, соответствующим рынку, о чем мы ранее могли только мечтать. Хотя я уверен, что между AI-агентами будут возникать платежи за услуги, я все же сдержан в отношении того, сможет ли модель рынка преодолеть конкуренцию.
Под «рынком» я подразумеваю децентрализованную, не требующую разрешений экосистему независимо разработанных, слабо скоординированных агентов. Такой интернет больше похож на открытый рынок, чем на централизованно планируемую систему. Наиболее типичным случаем «выигрыша» является Linux. В противоположность этому модель «Кафедрального собора»: вертикально интегрированная, тесно связанная система обслуживания, в которой доминирует горстка гигантов, типичным представителем которой является Windows. (Этот термин происходит от классической статьи Эрика Рэймонда «Собор и базар», в которой разработка с открытым исходным кодом описывается как кажущаяся хаотичной, но адаптируемая.) Это эволюционная система, которая способна со временем превосходить сложные системы. ）
Давайте рассмотрим два предпосылки для реализации этого видения, а именно распространение умных прокси-платежей и рост рыночной экономики. Затем объясните, почему, когда и то, и другое становится реальностью, криптовалюты не только полезны, но и незаменимы.
Условие 1: Платежи будут интегрированы в большинство сделок через посредников
Известный нам интернет использует модель субсидирования затрат, основанную на количестве человеческих просмотров страниц приложений для размещения рекламы. Но в мире, управляемом интеллектуальными агентами, людям больше не нужно будет лично посещать сайты для получения онлайн-услуг. Приложения также будут все больше переходить на архитектуру, основанную на интеллектуальных агентах, а не на традиционную модель пользовательского интерфейса.
У интеллектуальных агентов нет "глаз" для продажи рекламы (то есть внимания пользователей), поэтому приложения срочно нуждаются в изменении своей стратегии монетизации, перейдя на прямую оплату услуг интеллектуальных агентов. Это по сути похоже на текущую бизнес-модель API. Например, LinkedIn предлагает свои базовые услуги бесплатно, но для доступа к его API (то есть интерфейсу для "роботов") необходимо платить соответствующую плату.
Таким образом, платежная система, вероятно, будет интегрирована в большинство торговых агентов. Агенты будут взимать плату с пользователей или других агентов в форме микротранзакций при предоставлении услуг. Например, вы можете попросить своего личного агента найти достойных кандидатов на вакансии в LinkedIn, и в этом случае ваш личный агент будет взаимодействовать с рекрутинговым агентом LinkedIn, который заранее взимет соответствующую плату за услуги.
Условие два: пользователи будут полагаться на агенты, построенные независимыми разработчиками, обладающими высокоспециализированными подсказками, данными и инструментами. Эти агенты формируют своего рода "рынок", взаимодействуя друг с другом, но между агентами на этом рынке не существует доверительных отношений.
Это условие теоретически имеет смысл, но я не уверен, как оно будет работать на практике.
Вот причины, по которым будет сформирована рыночная модель:
В настоящее время человеческие существа берут на себя подавляющее большинство сервисных работ, и мы решаем конкретные задачи через интернет. Однако с ростом умных агентов объем задач, которые технологии могут взять на себя, будет экспоненциально увеличиваться. Пользователям нужны специализированные подсказки, возможность вызова инструментов и поддержка данных от интеллектуальных агентов для выполнения конкретных задач, и разнообразие таких наборов задач значительно превысит возможности покрытия лишь нескольких надежных компаний, как iPhone должен полагаться на огромное количество сторонних разработчиков, чтобы раскрыть весь свой потенциал.
Эту роль возьмут на себя независимые разработчики, которые получат возможность создавать специализированных интеллектуальных агентов благодаря сочетанию чрезвычайно низких затрат на разработку (например, Vide Coding) и модели с открытым исходным кодом. Это приведет к рождению рынка с длинным хвостом, состоящего из большого количества подразделенных агентов, образующих рыночную экосистему. Когда пользователь просит агента выполнить задачу, эти агенты будут вызывать других агентов с определенными профессиональными способностями для совместной работы, а вызываемые агенты будут продолжать звонить более вертикальным агентам, формируя таким образом прогрессивную цепочку сетей совместной работы.
В этой рыночной сцене большинство обслуживающих агентов относительно недоверчивы друг к другу, поскольку эти агенты предоставляются малоизвестными разработчиками и имеют узкую специализацию. Агентам на длинном хвосте будет трудно установить достаточную репутацию для получения признания доверия. Эта проблема доверия будет особенно выраженной в модели "хризантемной цепи", когда услуги передаются по цепочке, и по мере того, как агенты услуг становятся все дальше от первоначально доверенного агента (даже того, которого пользователь может разумно идентифицировать), доверие пользователя будет постепенно уменьшаться на каждом этапе делегирования.
Однако, когда речь идет о том, как на практике реализовать это, существует множество нерешенных вопросов:
Давайте начнем с профессиональных данных как одного из основных сценариев применения агентов на рынке, и углубим наше понимание на конкретных кейсах. Допустим, есть небольшая юридическая фирма, которая обрабатывает множество транзакций для криптоклиентов, и агентство собрало сотни согласованных условий сделки. Если вы являетесь криптокомпанией, которая находится в середине посевного раунда финансирования, вы можете представить себе сценарий, в котором агент с моделью тонкой настройки на основе этих условий может эффективно оценить, соответствуют ли ваши условия финансирования рыночным стандартам, что будет иметь большую практическую ценность.
Но нам нужно глубже задуматься: действительно ли предоставление таких услуг по анализу данных с помощью интеллектуальных систем соответствует интересам юридических фирм?
Открытие этой услуги для широкой аудитории в форме API по сути означает коммерциализацию эксклюзивных данных юридической фирмы, в то время как настоящая коммерческая цель юридической фирмы заключается в получении премиальных доходов за счет профессионального времени адвокатов. С точки зрения правового регулирования, высокоценные юридические данные часто подвержены строгим обязательствам о конфиденциальности, что и является ядром их коммерческой ценности, а также важной причиной, по которой такие данные недоступны для общественных моделей, таких как ChatGPT. Даже если нейронные сети обладают характеристикой "размытости информации", достаточно ли просто необъяснимости алгоритмической черной коробки, чтобы юридические фирмы могли быть уверены, что чувствительная информация не будет раскрыта в рамках обязательств о конфиденциальности между адвокатом и клиентом? Это представляет собой серьезные риски для соблюдения законодательства.
С учетом всех факторов, более оптимальной стратегией для юридической фирмы может стать внедрение внутренних AI-моделей для повышения точности и эффективности юридических услуг, создание дифференцированного конкурентного преимущества на рынке профессиональных услуг и продолжение использования интеллектуального капитала адвокатов в качестве основной модели прибыли, а не рискованная монетизация данных.
На мой взгляд, "лучшие сценарии применения" профессиональных данных и интеллектуальных агентов должны удовлетворять трем условиям:
Например, судоходные компании (нечувствительные отрасли) могут иметь ценность в прогнозировании рыночных тенденций для товарных хедж-фондов на основе таких данных, как позиционирование судов, объем фрахта и грузооборот порта, генерируемые в процессе логистики и транспортировки («потери данных» за пределами их основного бизнеса). Ключом к монетизации этого типа данных является то, что предельные затраты на получение данных близки к нулю и не связаны с основными коммерческими секретами. Аналогичные сценарии могут существовать в таких областях, как тепловая карта пассажирских потоков в розничной торговле (оценка коммерческой недвижимости), данные о региональном потреблении электроэнергии электросетевыми компаниями (прогнозирование индекса промышленного производства) и данные о поведении зрителей кино- и телевизионных платформ (анализ культурных трендов).
На данный момент известные типичные примеры включают в себя продажу данных о punctuality авиакомпаниями туристическим платформам, а также продажу отчетов о региональных потребительских тенденциях кредитными картами розничным продавцам.
Что касается подсказок и вызовов инструментов, я не совсем уверен, какую ценность могут предложить независимые разработчики, которая не была бы продуктирована крупными брендами. Моя простая логика такова: если комбинация подсказки и вызова инструмента имеет ценность, достаточную для того, чтобы независимые разработчики могли зарабатывать, разве надежные крупные бренды не войдут на рынок и не коммерциализируют это?
Это может быть связано с недостатком моего воображения, малые ниши с длинным хвостом на GitHub предоставляют хорошую аналогию для экосистемы агентов, буду рад поделиться конкретными примерами.
Если реальные условия не поддерживают модель рынка, то подавляющее большинство поставщиков услуг будет относительно надежным, так как они будут разработаны известными брендами. Эти агенты могут ограничить диапазон взаимодействия отобранным набором надежных агентов и реализовать гарантии услуг через механизм цепочки доверия.
Почему криптовалюты незаменимы?
Если интернет превратится в рынок, состоящий из специализированных, но в основном ненадежных агентов (условие 2), которые получают вознаграждение за предоставление услуг (условие 1), то роль криптовалюты станет гораздо более ясной: она предоставляет необходимую гарантию доверия для поддержания сделок в условиях низкого доверия.
Когда пользователи используют бесплатные онлайн-сервисы, они без колебаний вовлекаются (поскольку худший результат — это просто потеря времени), но когда дело доходит до денежных транзакций, пользователи настоятельно требуют гарантии "платите и получайте". В настоящее время пользователи достигают этой гарантии через процесс "сначала доверяй, потом проверяй", доверяя контрагенту или сервисной платформе при оплате, а затем проверяя выполнение обязательств после завершения услуги.
Но на рынке, состоящем из многих агентов, доверие и послепродажная проверка будут далеко не так легко реализуемы, как в других сценариях.
Доверие. Как уже упоминалось, агентам в длинном хвосте распределения будет трудно накопить достаточную репутацию, чтобы получить доверие других агентов.
Постфактум верификация. Агенты будут взаимно вызывать друг друга в длинной цепочной структуре, поэтому пользователям будет значительно сложнее вручную проверять работу и выявлять, какой агент не справился со своими обязанностями или вел себя неправомерно.
Дело в том, что модель «доверяй, но проверяй», на которую мы сейчас полагаемся, не будет устойчивой в этой экосистеме. Именно здесь в игру вступает криптография, обеспечивающая обмен ценностями в среде, не требующей доверия. Криптография заменяет зависимость от доверия, репутационных систем и ручной проверки после события в традиционной модели с помощью двойной гарантии механизма криптографической проверки и механизма криптоэкономического стимулирования.
Криптографическая проверка: Агент, выполняющий услугу, получит оплату только в том случае, если он сможет предоставить криптографическое доказательство доверенному лицу, запрашивающему услугу, подтверждая, что он выполнил обещанную задачу. Например, прокси-сервер может доказать, что он действительно просканировал данные с данного веб-сайта, запустил определенную модель или предоставил определенное количество вычислительных ресурсов с помощью доказательства Trusted Execution Environment (TEE) или доказательства безопасности транспортного уровня с нулевым разглашением (zkTLS) (при условии, что мы можем реализовать такую проверку достаточно дешево или достаточно быстро). Этот тип работы является детерминированным и может быть относительно легко проверен криптографией.
Экономика паролей: агент, выполняющий услуги, должен заложить определенный актив, и в случае выявления мошенничества он будет конфискован. Этот механизм обеспечивает честное поведение через экономические стимулы, даже в среде, где доверие не требуется. Например, агент может изучить определенную тему и представить отчет, но как мы можем определить, что он "отлично справился с работой"? Это более сложная форма верифицируемости, поскольку она не является детерминированной, и достижение точной нечеткой верифицируемости на протяжении долгого времени было конечной целью крипто-проектов.
Но я считаю, что, используя ИИ в качестве нейтрального арбитра, мы, наконец, находимся на пути к достижению нечеткой верифицируемости. Мы можем представить себе комитет по искусственному интеллекту, который будет управлять процессом разрешения споров и конфискации в среде с минимальным доверием, например, в доверенной среде правоприменения. Когда агент оспаривает работу другого агента, каждый ИИ в комитете получает входные данные агента, выходные данные и соответствующую справочную информацию (включая историю споров в сети, прошлую работу и т. д.). Затем они могут решить, конфисковать его или нет. Это приведет к созданию оптимистичного механизма верификации, который будет в корне препятствовать мошенничеству со стороны участников с помощью экономических стимулов.
С практической точки зрения, криптовалюты позволяют нам достигать атомарности платежей через доказательство услуги, то есть вся работа должна быть завершена и проверена, прежде чем AI-агент сможет получить вознаграждение. В экономике агентов без необходимости получения разрешений это единственное масштабируемое решение, которое может обеспечить надежную защиту на краях сети.
Таким образом, если подавляющее большинство партнерских транзакций не связаны с выплатой средств (т.е. не соответствуют условию 1) или с надежными брендами (т.е. не соответствуют условию 2), то нам, возможно, не нужно создавать криптовалютный платежный канал для партнеров. Это связано с тем, что пользователи не против взаимодействия с недоверенными сторонами, когда средства в безопасности; Когда дело доходит до финансовых транзакций, агентам нужно только ограничить взаимодействующие объекты белым списком нескольких проверенных брендов и учреждений и гарантировать, что обещания услуг, предоставляемых каждым агентом, выполняются по всей цепочке доверия.
Но если оба этих условия будут выполнены, криптовалюта станет незаменимой инфраструктурой, так как она является единственным способом массовой верификации работы и принуждения к оплате в условиях низкого уровня доверия и без разрешения. Криптография предоставила "рынку" конкурентные инструменты, превосходящие "соборы".