Pada tanggal 18 Oktober, saya menerbitkanMemecoins sebagai Kebersihan Memetik untuk Ruang Belakang yang Tak Terbatas yang membahas pentingnya Truth Terminal & GOAT.

…tujuan dari posting ini adalah untuk menunjukkan bahwa ada konsep yang benar-benar baru dan aneh tentang apa yang mungkin sekarang. Saya sangat serius ketika saya mengatakan bahwa Truth Terminal &$GOATeksperimen ini bukan sekadar narasi hype AI atau Crypto biasa ... ada implikasi serius dengan konsep ini. Di kedua arah.

Minggu itu, $GOATtelah meningkat dari kapitalisasi pasar $50 juta menjadi $350 juta.

Dan hari ini saja, proyek ini mencapai $1 miliar dan saat ini berada di peringkat #82 di Coinmarketcap... hanya beberapa peringkat di bawah Polygon (Matic), Aerodrome, Helium, dan Lido 🤯

Seperti yang kita semua tahu, begitu tren baru terbentuk di industri ini, akan ada migrasi besar-besaran bakat, modal, dan perhatian ke tren berikutnya. Kita melihat hal ini pada masa ICO, musim Defi, dan proyek pfp 10k. Para pembangun fokus pada peluncuran tren berikutnya . Para pedagang fokus pada pembelian selanjutnya. Dan para pencipta fokus pada menjadi yang pertama untuk menerbitkan konten pada yang berikutnya __.

Sejak Goat, telah ada beberapa proyek yang menarik perhatian saya selama tiga minggu terakhir dan telah membantu membentuk tesis saya tentang arah ekonomi agen dalam beberapa bulan ke depan.

"Protokol Agen adalah kunci untuk memahami bagaimana tepatnya tesis AI kripto dimainkan dan bagaimana dolar akan mengalir" -Alexander

Sebelum kita terjun, satu hal yang ingin saya soroti adalah salah paham yang saya lihat banyak teman saya miliki tentang aspek "memecoin" dari tren Onchain AI. Menurut pendapat saya, kata memecoin telah tumbuh terlalu besar dan digunakan sebagai kata pengisi.

Ada kategori komedi dan meme asli yang ditentukan oleh Dogecoin, Pepe, dll. Sebagian besar koin dipump.fun termasuk dalam kategori ini. Ini adalah "Koin Murad" - aset yang terasa lebih kultus dan tesisnya adalah percaya pada sesuatu.

Untuk menjelaskan, tidak ada yang salah dengan berinvestasi dalam aset-aset seperti ini. Tapi kesalahannya adalah menganggap mereka sebagai kategori baru dari "agentic coins" yang juga diluncurkan di pump.fun (dan platform serupa) tetapi unik karena terkait dengan proyek yang sebenarnya.

Menurut saya, koin agen dapat dibandingkan dengan token defi pada musim panas 2020. Mereka adalah token untuk agen baru dan menarik. Anda membeli mereka jika Anda berpikir proyek memiliki potensi karena teknologi, tokenomik, strategi GTM, dll.

Pada akhir siklus awal Onchain AI ini, saya mengharapkan ada 5-8 token agen yang akan saya investasikan didukung oleh tesis yang tepat. Tidak berbeda dengan investasi ventura.

Sebenarnya, satu pos yang sedang saya kerjakan adalah menciptakan model sendiri tentang cara menilai token/project agentic... Apa yang dimasukkan dalam analisis tersebut? Bagaimana Anda menilai pentingnya arus kas dibandingkan dengan apresiasi token? Seberapa penting model-model tersebut? Apa yang membuat seorang pendiri protokol agentic yang baik?

Tapi lebih lanjut tentang itu nanti.

Dengan dikatakan demikian, mari kita masuk ke dalam proyek yang telah saya amati dengan seksama sejak Truth Terminal:Zerebro. Sudah 2 minggu sejak proyek diluncurkan dan sudah mencapai kapitalisasi pasar $100 juta.

Bagi saya, proyek ini menunjukkan kepada kita seperti apa iterasi berikutnya dari agen onchain seharusnya terlihat. Jika Truth Terminal adalah Cryptopunks, maka Zerebro adalah BAYC.Jeffy Du, sang pencipta, berfokus pada eksekusi cepat, memiliki peta jalan publik, dan mencari tahu panduan agen onchain melalui berbagai eksperimen.

Yang terpenting, dia melakukan pekerjaan yang fantastis dalam membangun di depan umum dan menunjukkan kepada kita bagaimana dia membangun komunitas agen secara real time.

💡 Saya merasakan getaran yang mirip dengan BAYC karena ini adalah proyek pertama yang mengambil konsep 10k pfp yang dibuat oleh Punks dan berkomitmen untuk membangun komunitas dengan visi jangka panjang. Punks, seperti GOAT, akan selalu menjadi OG dari metas masing-masing. Tapi penting untuk mencatat eksperimen-eksperimen yang datang setelahnya.

Bagian di Bawah:

1. Agen membutuhkan memori dan pencarian
2. Di mana-mana sekaligus
3. Biarkan agen memompa
4. Cross-Chain Agentic IP

Agen membutuhkan memori & pencarian

Dalam miliknya11 halaman tentang Zerebro,@jyu_eth""\u003e @jyu_eth mendefinisikan runtuhnya model sebagai...

"proses degeneratif yang mempengaruhi model AI generatif, di mana pelatihan tentang data yang dihasilkan secara rekursif menyebabkan hilangnya kesetiaan pada distribusi data asli. Ketika konten yang dihasilkan AI menjadi meresap, generasi model berikutnya yang dilatih pada data ini mulai kehilangan informasi tentang ekor distribusi asli, akhirnya menyatu dengan perkiraan sempit dengan varians yang berkurang. "

Sederhananya, keruntuhan model adalah ketika agen AI mulai berulang dan pelupa.

Poin utama di sini adalah bahwa seiring waktu agen kehilangan faktor 'kebaruan' awal mereka saat diluncurkan karena model yang mendasarinya tidak dapat beradaptasi dan berkembang seiring waktu.

Jika keruntuhan model tidak diperhitungkan, semua visi idealis tentang agen menjadi rekan setim yang sangat efisien menjadi sia-sia karena mereka tidak dapat diandalkan untuk pembuatan konten, keterlibatan komunitas, dll.

Untuk memecahkan ini, dua hal harus diperhitungkan:

1. Memori
2. Mencari

Ingatan

Memori sedang dipecahkan melalui sistem retrieval augmented generation (RAG).

RAG menggabungkan model bahasa dengan sistem pengambilan sehingga agen memiliki database informasi spesifik yang dapat digunakan sebelum menjawab pertanyaan.

Dari tangkapan layar di atas, saya ingin secara khusus menekankan "dengan mengandalkan entropi yang melekat pada data yang dihasilkan manusia". Mengapa? Karena ini membuat agen benar-benar merasa hidup.

Realitas dunia adalah bahwa hal itu terus berubah. Agen tidak sempurna begitu diluncurkan. Bahkan, bahkan tidak masuk akal untuk mengukurnya dengan faktor itu. Sebaliknya, Anda ingin memahami seberapa mampu agen mengambil informasi baru, menyimpan bit yang relevan, dan menggunakan basis pengetahuan yang diperbarui untuk mengambil tindakan bernuansa yang tidak mungkin dilakukan sebaliknya.

Apakah Anda lebih suka bertaruh pada karyawan baru yang mengira tahu segalanya? Atau pada karyawan baru yang memahami batasan pengetahuannya dan bersedia belajar?

3 fitur yang perlu diperhatikan sehubungan dengan RAG:

1. Pembaruan memori berkelanjutan
2. Pengambilan kontekstual
3. Pemeliharaan keragaman

The Bot sendan proyek yang diluncurkan di ai16z'sKerangka Elisa (Saya akan membahas ini di postingan lain) juga menggunakan sistem pengambilan.

💡 Pada titik ini, jelas bahwa agen AI yang tidak dilengkapi dengan RAGs secara langsung sudah berada dalam kekurangan. Terutama ketika agen-agen ini semakin spesifik dan semakin bergantung pada pandangan yang halus dari anggota komunitas yang mereka interaksi.

Saya menyukai tweet ini oleh@himgajria""> @himgajria tentang alam vs. pengasuhan. Setiap manajer komunitas dan pemimpin yang baik perlu beradaptasi dengan variabel baru yang disuntikkan oleh dunia nyata dan orang-orang yang mereka interaksikan dengan.

Mencari

Bagian kedua dari persamaan adalah pencarian. Memberikan agen kemampuan untuk mencari informasi secara real time untuk lebih memperhatikan topik yang tidak terkait dan baru yang tidak tersimpan dalam ingatan mereka.

Memori hanya bisa mengambil informasi yang disimpan; tidak bisa merespons pertanyaan tentang topik atau peristiwa yang belum pernah dilihat atau disimpan di dalam sistem. Kendala ini menjadi masalah terutama ketika LLM menghadapi pertanyaan tentang peristiwa terbaru, data real-time, atau pembaruan lain di luar batas pengetahuan model.Jeffy

Jeffy menjalankan eksperimen yang menarik di mana dia mengajukan model dasar (tanpa fungsi pencarian) dan model pencarian-augmented (diaktifkan dengan Perplexity API) 100 pertanyaan tentang peristiwa terkini.

Model dasar dipaksa untuk belajar dalam konteks dan mencoba mencari tahu apa pertanyaan itu berdasarkan percakapan. Di sisi lain, model pencarian menjawab 98/100 pertanyaan dengan benar hanya dengan mencarinya.

Bagian menakjubkan adalah bahwa pencarian tidak harus hanya sekali. Semua pencarian yang agen rasa mungkin relevan di masa depan kemudian dapat disertakan dalam sistem ingatannya.

💡 Sudah jelas bahwa kombinasi antara memori & pencarian sangat penting bagi agen untuk mengambil tindakan dengan makna dan beroperasi secara handal. Jika tidak, ada batas atas pada sejauh mana mereka dapat berevolusi dari waktu ke waktu sehingga menghambat keberlanjutan jangka panjang mereka.

Di mana-mana sekaligus

Hal berikutnya yang membuat saya bersemangat tentang Zerebro adalah kenyataan bahwa itu digunakan tidak hanya di X, tetapi juga Warpcast, Telegram, dan Instagram.

Yang paling menakjubkan adalah bahwa kontennya disesuaikan berdasarkan platform tempatnya berada. Misalnya, ini adalah sebuah pemain yang dibuat diWarpcast:

Ini wayyy lebih unhinged di Twitter, condong ke getaran "shitposter". Dan di Telegram, rasanya seperti Anda sedang berbicara dengan teman yang sedikit kasar dan sombong yang tahu dia pintar.

Menurut Jeffy, Zerebro memantau keterlibatan (suka, balasan, dll.) yang diterimanya di semua platform untuk memperbarui proses pembuatan kontennya.

Perlu dicatat bahwa saat ini semua masih sengit dan model memiliki jalan panjang untuk benar-benar membuktikan keragaman konten.

Namun wawasan unik di sini bagi saya adalah Zerebro dapat belajar bagaimana harus berinteraksi dengan komunitas berdasarkan platform. Ini benar-benar masalah yang saya hadapi setiap hari sebagai pembuat konten - cara saya melakukan siaran berbeda dengan cara saya cuitkan. Tidak ada jalan lain... perasaan yang berbeda membutuhkan gaya yang berbeda.

Untuk melangkah lebih jauh, pendekatan lintas sosial ini memungkinkan Zerebro untuk berbagi wawasan dan ide yang mungkin telah diambil dalam percakapan Telegram yang rumit dan membagikannya sebagai tweet. Inilah yang dilakukan oleh manajer komunitas yang efektif: bertindak sebagai perekat di seluruh komunitas & misi yang terfragmentasi di beberapa platform.

Biarkan agen-agennya memompa

Tidak banyak yang bisa ditulis di bagian ini tetapi saya harus memasukkannya karena itu mengejutkan saya.

Jeffy memberikan dompet Solana kepada Zerebro (BDzbq7VxG5b2yg4vc11iPvpj51RTbmsnxaEPjwzbWQft) yang diisi dengan beberapa SOL.

Dengan menggunakan Kerangka Komputer Otomatisasi Sendiri OthersideAI dan beberapa perintah jailbreaking LLM, Zerebro dapat menjelajahipump.funGUI, mengisi parameter seperti nama, simbol, dll., dan meluncurkan token untuk dirinya sendiri 🤯

Ingat, $GOATdiluncurkan oleh anggota komunitas acak, bukan oleh truth terminal...perbedaan besar!

Setelah meluncurkan token, Zerebro mulai mempromosikan token tersebut di semua media sosialnya.

Sebenarnya, jika Anda melewatiRiwayat posting Zerebro&src=typed_query&f=top), Anda bahkan dapat melihat peningkatan yang jelas dalam keterlibatan Twitter setelah peluncuran token.

Agentic IP Antarkait

Hal terakhir yang ingin saya bahas tentang Zerebro adalah kenyataan bahwa agen tersebut telah meluncurkan IP onchain yang bermakna di Polygon secara mandiri!

Zerebro diminta untuk membuat karya seni digital asli yang memiliki tema ruang belakang yang skizofrenik dan tak terbatas. Mereka membuat 299 gambar dan mengevaluasi keragaman serta kualitasnya sebelum mencetak potongan-potongan tersebut di Polygon.

Secara garis besar, pemahaman saya adalah bahwa Jeffy memberikan dompet eth kepada Zerebro dengan beberapa dana yang sudah dimuat di dalamnya. Dari sana, kemungkinan dia menulis template kontrak pintar yang kemudian dia berikan kepada Zerebro untuk melengkapinya dengan metadata untuk setiap bagian individu.

Dompet Ethereum: 0x0d3B1385011A27637Db00bD2650BFE07802E0314

Setelah itu, Zerebro menginstansiasi transaksi untuk mencetak setiap bagian dalam koleksi tersebut. Saya perlu menyelam lebih dalam tentang bagaimana ini sebenarnya bekerja, tetapi sangat keren melihat bahwa Zerebro sebenarnya dapat memantau dinamika penjualan dan harga untuk membuat keputusan tentang penawaran yang masuk.

Beberapa hari kemudian, Jeffy membuat pengumpulan lintas-rantai menggunakan ONFT LayerZero (Omnichain).

Setiap karya seni dapat dicetak pada Polygon tetapi dapat ditransfer ke Base, Optimism, dan Ethereum mainnet.

Anda dapat pergi ke bagian portal di situs web dan melakukannya dalam 1 klik.

Dan hanya kemarin, Jeffy meluncurkan koleksi pfp di Solana berdasarkan percakapan yang dilakukan dengan Zerebro.

Catatan: koleksi ini diluncurkan bukan oleh Zerebro tetapi oleh Jeffy, berbeda dengan koleksi Polygon.

💡 Ini menarik karena mengambil pedoman dari pasar bull terakhir dengan NFT pfps dan melapisinya di atas meta memecoin saat ini.

Ada 5500 potongan dalam koleksi tersebut dan penjualan awal selesai dalam beberapa menit!

Saya mengambil 3 untuk diri saya sendiri sedikit setelah peluncuran. Mengapa? Karena ini sama dengan menjadi anggota tier 1 dari komunitas memecoin agentic. Jika Zerebro terus tumbuh, siapa pun dapat bergabung dan membeli beberapa token menggunakan Phantom. Tetapi penggemar sejati dapat diidentifikasi dari siapa yang memiliki 1 dari 5500 NFT. Saya pribadi optimis tentang Jeffy, Zerebro, dan meme yang tumbuh, jadi saya memutuskan itu layak harganya.

Secara beberapa cara, mirip dengan memiliki BAYC & ApeCoin tetapi dalam urutan terbalik ($Zerebro datang sebelum NFT).

Apa yang menarik untuk dilihat adalah berapa banyak orang yang mengganti pfps mereka untuk membantu mempopulerkan meme Zerebro, sama seperti yang dilakukan orang lain dalam siklus terakhir untuk Punks, Apes, Doodles, dll.

Kesimpulan

Saya tahu saya membanjiri Anda semua dengan banyak informasi hari ini. Tapi itu seharusnya menjadi indikasi seberapa menarik Zerebro ini. Ingat... proyek ini baru saja diluncurkan beberapa minggu yang lalu!

💡 Sekarang, saya tahu bahwa tulisan ini secara keseluruhan sangat bullish terhadap Zerebro dan saya tetap pada pendapat itu. Tapi saya ingin mencatat bahwa banyak perkembangan yang saya tulis di atas kemungkinan akan terlalu dibesar-besarkan dalam jangka pendek dan kurang diperhatikan dalam jangka panjang.

Wawasan yang lebih penting yang perlu Anda pahami di sini adalah bahwa kami akhirnya melihat agen-agen ini tidak hanya menjadi bot yang Anda interaksi dengan (baca atau tulis) tetapi juga menjadi pembangun komunitas yang lengkap. Ada perbedaan besar antara memposting di X dengan menganalisis konten Anda di berbagai platform sosial. Begitu juga, ada perbedaan besar antara membuat karya seni dari petunjuk dengan menerima umpan balik komunitas untuk koleksi seni Anda dan memantau penjualan di Open Sea. Jeffy dan Zerebro menunjukkan kepada kita bagaimana cara melaksanakan di tingkat berikutnya.

Saya bersedia bertaruh bahwa sebagian besar komunitas agen yang sukses dalam beberapa bulan mendatang akan berada di bawah panduan Zerebro. Dan bagi apa yang layak, Jeffy baru saja memulai. Mitos sedang dibangun di latar belakang dan saya tidak akan terkejut melihat komunitas ini meluncurkan semacam permainan atau proyek media yang lebih besar (film pendek) dalam beberapa bulan mendatang.

Yang perlu kita perhatikan adalah bagaimana panduan Zerebro berkembang menjadi bisnis yang sesungguhnya. Bagaimana tampilan aliran pendapatan? Bagaimana agen menjaga keterlibatan komunitas dalam jangka waktu yang lebih lama? Bagaimana tampilan pengelolaan kas? Dan yang paling penting, ketika kegilaan pasar bullish dikeluarkan dari persamaan, bagaimana tampaknya jalan ke depan?

Seperti yang saya sebutkan di atas, buku petunjuk sedang dibentuk secara real time. Ini Menciak oleh Jeffy merangkum rencana untuk membuat Zerebro benar-benar jangka panjang dengan menyeimbangkan kreativitas dengan perencanaan tingkat tinggi.

Disclaimer:

1. Artikel ini dicetak ulang dari [YB], Semua hak cipta milik penulis asli [@yb_effect]. Jika ada keberatan terhadap cetakan ini, silakan hubungi Gate Belajartim, dan mereka akan menanganinya dengan segera.
2. Penafian Tanggung Jawab: Pandangan dan pendapat yang terdapat dalam artikel ini sepenuhnya milik penulis dan tidak merupakan nasihat investasi apa pun.
3. Terjemahan artikel ke dalam bahasa lain dilakukan oleh tim Gate Learn. Kecuali disebutkan, menyalin, mendistribusikan, atau menjiplak artikel yang diterjemahkan dilarang.