หลังจากคาดหวังมานาน บริษัท Eliza ได้เปิดเผยเอกสารขาวเทคนิคอย่างเป็นทางการวันนี้

ในขณะที่ AI agents หลายตัวที่รู้จักกันเป็นทั่วไปว่าถูกสร้างขึ้นบนกรอบการพัฒนาเปิด Eliza มักขาดข้อมูลที่ละเอียดและเอกสารทางการที่ชัดเจนเกี่ยวกับวิธีที่ Eliza กำหนดตนเองจากมุมมองทางเทคนิค

เอกสารประกอบนี้ให้คำตอบที่ครอบคลุมอย่างละเอียดเรื่องว่า Eliza ทำให้การผสมผสานอย่างลึกลับระหว่าง AI และ Web3 เป็นไปอย่างไร โครงสร้างระบบแบบโมดูลของมัน และรายละเอียดการปฏิบัติทางเทคนิคของบทบาทของมันเป็นโครงสร้างโอเพ่นซอร์ส

เอกสาร Whitepaper นี้ได้ร่วมกันเขียนโดย Shaw สมาชิกของ Eliza Labs หลายคน และผู้เชี่ยวชาญด้านเทคนิคจากองค์กรที่เกี่ยวข้องอื่น ๆ อย่างไรก็ตาม เนื่องจากมีรายละเอียดทางเทคนิคและแนวคิดที่เฉพาะเจาะจงมาก อาจจะไม่เข้าใจง่ายสำหรับผู้อ่านทั่วไป

เพื่อแก้ไขปัญหานี้ TechFlow ได้ทำให้เนื้อหาเป็นเรื่องง่ายและกรอบคำสั้น ๆ เพื่ออธิบาย whitepaper ในภาษาที่เข้าใจง่าย เพื่อช่วยให้อ่านเข้าใจและตีความได้อย่างรวดเร็ว

1. ทำไม Eliza ถูกสร้างขึ้น?

สิ่งที่สำคัญคือต้องกำหนดขอบเขตที่ชัดเจนเมื่อพิจารณาคำถามนี้ โดยเฉพาะอย่างยิ่ง เพราะไม่ใช่เพียงแค่เปรียบเทียบเฟรมเวิร์คนี้กับเฟรม AI ที่กว้างกว่าหรือไม่

ตามแนวคิดนี้ ส่วนที่เกี่ยวกับการแนะนำและพื้นหลังของเอกสารวิชาการทางเทคนิคนี้จะให้คำตอบที่ยอดเยี่ยม:

ในจุดที่สองของ AI และ Web3 เสมอมีช่องว่างที่สำคัญ - ขาดโครงสร้างที่สามารถผสานการใช้งานร่วมกับแอปพลิเคชัน Web3 ได้อย่างมีความราบรื่น

โดยเฉพาะเอกสารขาวระบุว่ามีอุปสรรคสามประการที่สำคัญที่เผชิญหน้าในอวกาศ Web3:

1. ความซับซ้อนของธุรกรรมที่ไม่มีการจัดกลุ่มกับการเติบโตที่รวดเร็วของโซลาน่าแบบสาธารณะเช่นเอเทอเรีย ซอลาน่าและเบส การจัดการสินทรัพย์และดำเนินการทางธุรกรรมข้ามโซลาน่าที่แตกต่างกันได้มีความท้าทายมากขึ้น ในขณะที่มีแพลตฟอร์มการซื้อขายที่มีอยู่ ฟังก์ชันพื้นฐานของพวกเขามักมีข้อบกพร่องสำหรับผู้ใช้ระดับกลางและขั้นสูงที่มีความต้องการในการปรับแต่ง
2. การแยกข้อมูลจากบล็อกเชนบนเครือข่าย บล็อกเชนเก็บข้อมูลมูลค่ามากมาย ตั้งแต่เมตริกพื้นฐานเช่นการเปลี่ยนแปลงที่อยู่กระเป๋าเงิน ราคาโทเค็น และทุนตลาด ไปจนถึงเมตริกขั้นสูงเช่นอัตราส่วนบัญชีวาฬและรูปแบบผู้สร้างตลาด การแปลงข้อมูลซับซ้อนนี้ให้กลายเป็นข้อมูลสำคัญยังคงเป็นปัญหาที่ยังคงมีความเร่งด่วน
3. การแตกแยกของข้อมูลสื่อสังคมสำหรับอุตสาหกรรมเว็บ 3 แพลตฟอร์มเช่น Twitter, Discord และ Farcaster เป็นช่องทางสำคัญสำหรับข้อมูล อย่างไรก็ตาม เมื่อจำนวนผู้นำเสนอความเห็น (KOLs) เพิ่มขึ้น ข้อมูลก็เป็นรูปแบบที่แตกแยกกันมากขึ้น การแยกข้อมูลที่มีความคุ้มค่าจากข้อมูลที่มากมายนี้กลายเป็นความท้าทายที่สำคัญสำหรับนักเทรด

Eliza ถูกสร้างขึ้นเพื่อตอบสนองความต้องการจริงในชีวิตประจำวันเหล่านี้ ในฐานะระบบปฏิบัติการของเอเจนต์ AI ที่เปิดเผยโอกาสแรกที่เข้ากับ Web3 รุ่นแรก Eliza นำเสนอการออกแบบแบบโมดูลเสริมซึ่งช่วยให้นักพัฒนาและผู้ใช้สามารถปรับแต่งแนวทางการแก้ปัญหาตามความต้องการเฉพาะของพวกเขาได้

Eliza มีเป้าหมายที่จะลดขีดจำกัดให้กับผู้ใช้ทั่วไปในการเข้าถึงความสามารถขั้นสูงของ AI

เพื่อให้พวกเขาสามารถสร้างตัวแทน AI ของตนเองโดยไม่ต้องมีความเชี่ยวชาญในการเขียนโปรแกรมอย่างแท้จริง

นอกจากนี้ whitepaper เปรียบเทียบ Eliza กับเฟรมเวิร์ก AI ที่พบบ่อยหลายรูปแบบ ตารางเปรียบเทียบชัดเจนแสดงให้เห็นว่า Eliza อ้างว่ามีการสนับสนุนที่ดีที่สุดสำหรับ Web3 ซึ่งเป็นข้อความสำคัญที่ whitepaper ทั้งหมดพยายามสื่อ

2. ปรัชญาการออกแบบและนวัตกรรมทางเทคนิคของ Eliza

หลักการออกแบบสามองค์ประกอบ: ความเรียบง่ายโดยไม่เกินไป

ความสำเร็จของ Eliza ไม่ใช่เรื่องบังเอิญ ตั้งแต่เริ่มต้นทีมได้กำหนดหลักการหลักสามข้อ:

1. นักพัฒนา Web3 อันดับแรกเมื่อตระหนักว่าการพัฒนา Web3 อาศัย JavaScript/TypeScript เป็นหลัก Eliza จึงเลือก TypeScript เป็นภาษาสําหรับการพัฒนา การตัดสินใจนี้ช่วยให้นักพัฒนาสามารถทํางานกับเครื่องมือที่คุ้นเคยและรวมฟังก์ชันบล็อกเชนเข้ากับเว็บแอปพลิเคชันที่มีอยู่ได้อย่างราบรื่น พูดง่ายๆก็คือมันช่วยให้นักพัฒนา Web3 สามารถ "ใช้มันนอกกรอบ"
2. โครงสร้างปลัักอินแบบโมดูลาร์ Eliza แยกระบบของมันเป็นระบบรันไทม์หลักและสี่ส่วนสำคัญ

• Adapter (การผสานข้อมูล)
• ตัวละคร (ลักษณะบุคลิกภาพของเอเจ้นต์)
• ไคลเอนต์ (การติดต่อข้อความ)
• ปลั๊กอิน(ฟังก์ชั่นทั่วไป)

สถาปัตยกรรมนี้ช่วยให้นักพัฒนาสามารถเพิ่มปลั๊กอินของตนเองเข้าไปได้อย่างอิสระ ไคลเอ็นต์ ตัวละคร และอะแดปเตอร์โดยไม่ต้องกังวลเกี่ยวกับรายละเอียดของคอร์รันไทม์ นอกจากนี้ยังช่วยให้ Eliza สนับสนุนผู้ให้บริการรูปแบบต่าง ๆ (เช่น OpenAI, Llama, Qwen), การผสมแปลงแพลตฟอร์ม (เช่น Twitter, Discord, Telegram) และความเข้ากันได้กับบล็อกเชน (เช่น Solana, Ethereum, Ton) อย่างหลากหลาย

1. พิจารณาความเรียบง่ายเป็นสำคัญกว่าความซับซ้อน

ด้วยทรัพยากรวิศวกรที่จำกัดการดูแลง่ายๆภายในช่วยประหยัดเวลาในการพัฒนาคุณสมบัติใหม่ การปรับตัวเข้ากับสถานการณ์ใหม่และการทำงานร่วมกับ AI และ Web3 ที่เปลี่ยนแปลงอย่างรวดเร็ว

นวัตกรรมทางเทคนิค: เสริมความแข็งแกร่งภายในและขยายตัวภายนอก

นวัตกรรมทางเทคนิคของ Eliza สามารถแบ่งเป็นสองมิติ: การปรับปรุงภายในและการขยายภายนอก

1. การพัฒนาภายใน เพื่อปรับปรุงความสามารถในการตรวจคำตอบของโมเดล AI Eliza รวมเทคนิคที่ทันสมัยหลายอย่างเข้าด้วยกัน:

• Chain-of-Thoughts (CoT):
  • คำจำกัดความทางเทคนิค: นำเสนออธิบายขั้นตอนโดยละเอียด
  • คำอธิบายอย่างง่าย: เหมือนกับการแก้ปัญหาทางคณิตศาสตร์โดยการเขียนทุกขั้นตอนออกมา ปัญญาประดิษฐ์อธิบายกระบวนการความคิดของมันขั้นต่อขั้น แทนที่จะกระโดดไปที่คำตอบโดยตรง สิ่งนี้ไม่เพียงทำให้ความแม่นยำเพิ่มขึ้น แต่ยังทำให้มนุษย์เข้าใจได้ง่ายขึ้นว่าสรุปถึงอยู่ที่ไหน
• Tree-of-Thoughts (ToT):
  • คำจำกัดความทางเทคนิค: ช่วยให้สามารถแบ่งสาขาเพื่อสำรวจทางเลือกหลายทางได้
  • คำอธิบายอย่างง่าย: เหมือนการพิจารณาการเลือกท่าทางต่าง ๆ ในเกมหมากรุก AI สำรวจทางเลือกที่เป็นไปได้หลายตัวพร้อมกันและเลือกทางที่ดีที่สุด มันเหมือนการนำทางในต้นไม้การตัดสินใจเพื่อหาทางที่เหมาะสมที่สุด
• Graph-of-Thoughts (GoT):
  • คำจำกัดความทางเทคนิค: เชื่อมต่อเส้นทางการคิด
  • อธิบายอย่างง่าย: จัดการกับปัญหาให้เหมือนเป็นเครือข่ายที่ความคิดเชื่อมโยงกัน คล้ายกับวิธีที่มนุษย์สร้างแผนที่ความคิดสำหรับปัญหาที่ซับซ้อน AI เชื่อมต่อความคิดต่าง ๆ เพื่อเป็นการเข้าใจอย่างเป็นรายละเอียด
• Layer-of-Thoughts (LoT):
  • คำจำกัดความทางเทคนิค: เชื่อมต่อเส้นทางการคิด
  • คำอธิบายอย่างเรียบง่าย: มองปัญหาเหมือนเป็นเครือข่ายที่ความคิดเชื่อมโยงกัน คล้ายกับวิธีที่มนุษย์สร้างแผนผังความคิดสำหรับปัญหาที่ซับซ้อน AI เชื่อมต่อความคิดต่าง ๆ เพื่อสร้างความเข้าใจองค์รวม

1. ขยายความสามารถของภายนอกเพื่อเสริมสร้างความสามารถในการแก้ปัญหาที่แท้จริง Eliza รวมฟังก์ชันภายนอกต่าง ๆ เข้าไว้ด้วยกัน

• Retrieval-Augmented Generation (RAG):
  • คำจำกัดความทางเทคนิค: เพิ่มความสามารถในการสร้างผ่านการเรียกคืน
  • คำอธิบายอย่างเรียบง่าย: เหมือนนักเรียนที่ใช้หนังสือเรียนขณะทำการบ้าน เทคโนโลยี AI เข้าถึง 'ฐานความรู้' เพื่อให้คำตอบที่แม่นยำมากขึ้น
• ฐานข้อมูลเวกเตอร์:
  • คำจำกัดความทางเทคนิค: เก็บและดึงข้อมูลโครงสร้าง
  • คําอธิบายแบบง่าย: ฟังก์ชั่นเช่น "ไลบรารี" สําหรับ AI ทําให้สามารถค้นหาเนื้อหาที่คล้ายกันได้อย่างรวดเร็ว ตัวอย่างเช่นหากคุณขอบทกวีเกี่ยวกับดวงจันทร์ก็สามารถดึงงานที่เกี่ยวข้องได้ทันที
• การค้นหาบนเว็บ:
  • คำจำกัดความทางเทคนิค: ดึงข้อมูลแบบเรียลไทม์จากอินเทอร์เน็ต
  • คำอธิบายอย่างเรียบง่าย: ทำให้ AI สามารถเรียกดูเว็บไซต์เหมือนมนุษย์ได้เพื่อเข้าถึงข้อมูลล่าสุดแทนที่จะพึ่งพาความรู้ที่มีอยู่แล้ว
• Text-to-Image/Video/3D Model:
  • คำจำกัดความทางเทคนิค: แปลงคำอธิบายข้อความเป็นเนื้อหามัลติมีเดีย
  • อธิบายในรูปแบบที่เข้าใจง่าย: เหมือนศิลปินที่วาดภาพตามคำอธิบาย เทคโนโลยี AI สามารถสร้างภาพ วิดีโอ หรือแม้แต่โมเดล 3 มิติขึ้นอยู่กับข้อมูลที่คุณให้

เปรียบเทียบกับเฟรมเวิร์กอื่น ๆ ใน Web3 Space

ในเฟรมเวิร์ค AI agent Web3 ปัจจุบัน Eliza แสดงข้อได้เปรียบชัดเจน โดยอ้างอิงจากคำติชมจากนักวิจัย AI กว่า 50 คนและนักพัฒนาบล็อกเชนระดับสูง Eliza ดีกว่าเฟรมเวิร์คอื่นๆ ในเมตริกสำคัญต่อไปนี้:

• การสนับสนุนผู้ให้บริการโมเดล
• ความเข้ากันได้ของโซ่
• ความสมบูรณ์ของคุณลักษณะ
• การผสานรวมสื่อสังคม

3. Eliza OS: นิเวศ AI Web3 ที่สร้างอย่างดี

หลังจากเข้าใจแนวคิดออกแบบของ Eliza แล้ว มาลองศึกษาวิธีการทำงานของเฟรมเวิร์กนี้กัน Eliza สามารถมองเห็นได้เป็นระบบ LEGO ที่ออกแบบอย่างพิถีพิถัน โดยที่แต่ละส่วนจะพอดีกับการต่อเติมกันได้อย่างสมบูรณ์แบบในขณะที่ยังคงความยืดหยุ่นที่ยอดเยี่ยมอยู่ด้วย

ส่วนประกอบหลัก: ห้าบทบาทสำคัญ

ในระบบนิเวศของ Eliza มีส่วนประกอบหลัก 5 องค์ประกอบที่ทำงานร่วมกันเพื่อสร้างระบบอัจฉริยะที่สมบูรณ์

• ตัวแทน: ตัวละครหลักของระบบ

พวกเขาทํางานเหมือน "ผู้ช่วยดิจิทัล" อิสระซึ่งรับผิดชอบในการจัดการการโต้ตอบอัตโนมัติต่างๆ ตัวแทนแต่ละคนมี "หน่วยความจํา" และ "บุคลิกภาพ" ของตัวเองและสามารถมีส่วนร่วมในการสนทนาและการโต้ตอบกับผู้ใช้ที่สอดคล้องกันผ่านช่องทางต่างๆเช่น Discord และ Twitter

• Character Files: บุคคลิกภาพของตัวแทน

เพื่อทำให้ตัวแทนเหล่านี้มีความเคลื่อนไหวมากขึ้น Character Files ทำหน้าที่เป็น “ประวัติส่วนตัว” ของพวกเขา ไฟล์เหล่านี้กำหนดเอกลักษณ์และลักษณะบุคลิกภาพของตัวแทน ระบุว่าตัวแทนสามารถใช้แบบจำลองไหนได้ (เช่น OpenAI, Anthropic) และกำหนดว่าพวกเขาสามารถดำเนินการได้เช่นไร (เช่น การทำธุรกรรมบล็อกเชน, การสร้าง NFT) ผ่านการกำหนดค่าตัวละครที่ออกแบบอย่างดี เราสามารถเห็นความเชี่ยวชาญอย่างเฉพาะเจาะจงและลักษณะพฤติกรรมที่แตกต่างกันของแต่ละตัวแทนได้

• ผู้ให้บริการ: "ระบบการรับรู้" ของตัวแทน

เมื่อมีปฏิinteractionกับโลกภายนอก ตัวแทนพึ่งพาผู้ให้บริการเป็น "ระบบการรับรู้" ทำเช่นเดียวกับมนุษย์ที่ต้องการความรู้สึกในการรับรู้สิ่งแวดล้อมของพวกเขา ผู้ให้บริการจะให้ข้อมูลให้ตัวแทนเรียลไทม์ เช่น ข้อมูลตลาด รายละเอียดกระเป๋าเงิน และการวิเคราะห์อารมณ์ เพื่อให้เข้าใจสภาวะแวดล้อมและบริบทปัจจุบันได้ดียิ่งขึ้น

• การกระทำ: "ทักษะ" ของตัวแทน

เมื่อต้องการการกระทำที่เฉพาะเจาะจง การกระทำจะทำหน้าที่เป็น 'ความสามารถ' ของเอเจนต์ ตั้งแต่คำสั่งซื้อ / ขายที่เรียบง่ายไปจนถึงการสร้าง NFT ที่ซับซ้อน การกระทำแต่ละอย่างจะผ่านการตรวจสอบความปลอดภัยอย่างเข้มงวดเพื่อให้มั่นใจได้ว่ามีความปลอดภัยอย่างสูงที่สุดเมื่อดำเนินการทางการเงิน ทักษะเหล่านี้ช่วยให้เอเจนต์สามารถดำเนินการได้อย่างมีประสิทธิภาพจริงในระบบเว็บ 3

• Evaluators: ระบบการตัดสินใจของตัวแทน

ในที่สุด Evaluators ทำหน้าที่เป็น "ระบบตัดสินใจ" ของตัวแทน รับผิดชอบในการประเมินเนื้อหาของการสนทนา สกัดสกุลความสำคัญ และช่วยให้ตัวแทนสร้างหน่วยความจำระยะยาว พวกเขาไม่เพียงแค่ติดตามความคืบหน้าสู่เป้าหมาย แต่ยังรับผิดชอบในการให้ความสอดคล้องของกระบวนการสนทนาทั้งหมด

การโต้ตอบอัจฉริยะ: ไม่ใช่เพียงการสนทนาเพียงแค่ง่ายๆ

ในเชิงปฏิสัมพันธ์ Eliza ใช้ระบบเข้าใจหลายชั้นเหมือนนักแปลที่มีประสบการณ์ซึ่งไม่เพียงแค่เข้าใจความหมายตามประโยคแต่ยังเข้าใจบริบทและเจตนาของคำ ระบบนี้สามารถเข้าใจความต้องการจริงๆของผู้ใช้ได้อย่างแม่นยำ รักษาประสบการณ์ที่สม่ำเสมอในแพลตฟอร์มการสื่อสารต่างๆ และปรับตอบสนองได้อย่างยืดหยุ่นตามบริบท

ระบบปลั๊กอิน: ศักยภาพในการขยายตัวได้ไม่จำกัด

ระบบปลั๊กอินของ Eliza เป็นเครื่องมือที่นำเสนอความสามารถในการขยายออกไปยังเฟรมเวิร์กโดยเฉพาะ ความสามารถในการขยายนี้ประกอบด้วยการสร้างสื่อมัลติมีเดีย เชื่อมต่อกับเว็บ 3 และโครงสร้างพื้นฐาน:

• สำหรับการสร้างสื่อมัลติมีเดีย มันสามารถสร้างภาพ วิดีโอ และโมเดลสามมิติได้ รองรับการสร้างคอลเล็กชัน NFT โดยอัตโนมัติและมีความสามารถในการวิเคราะห์และอธิบายภาพ
• สำหรับการผสม Web3 มันสนับสนุนการดำเนินงานหลายๆ ซีกบนเครือข่ายเช่น Ethereum และ Solana นอกจากนี้ยังมีชุดคุณลักษณะการซื้อขายที่ครอบคลุมมากมายและการผสม DeFi ต่างๆ
• สำหรับโครงสร้างพื้นฐาน มันจะให้ความสามารถที่เป็นพื้นฐาน เช่น บริการเบราว์เซอร์ การประมวลผลเอกสาร และการแปลงคำพูดเป็นข้อความ

ผ่านการออกแบบแบบโมดูลนี้ Eliza ไม่เพียงแต่รักษาระบบให้มีความมั่นคง แต่ยังมอบความเป็นไปได้ในการขยายตัวอย่างไม่จำกัดให้กับนักพัฒนา ซึ่งทำให้ Eliza สามารถที่จะปรับตัวให้เข้ากับความต้องการและสถานการณ์ที่เกิดขึ้นอยู่ในโครงสร้างนิติบุคคลเว็บ3อย่างไม่มีที่สิ้นสุด

4. ความสามารถของ Eliza เป็นอย่างไร? ข้อมูลสารสนเทศจากข้อมูล

เมื่อกรอบเทคโนโลยีใหม่เกิดขึ้น ประสิทธิภาพจริงๆ มักเป็นปัญหาหลัก ในที่นี้ Eliza ให้คำตอบอย่างตรงไปตรงมา
ในการทดสอบเบนช์มาร์ก GAIA (แพลตฟอร์มที่ออกแบบมาเพื่อประเมินความสามารถของตัวแทน AI ในการแก้ปัญหาในโลกจริง) Eliza ได้แสดงความสามารถที่น่าประทับใจ การทดสอบนี้ไม่ได้เพียงแค่ประเมินทักษะพื้นฐานในการตอบคำถามเท่านั้น แต่ยังต้องการให้ตัวแทน AI มีความสามารถต่างๆ เช่น การอreasoning ตรรกะ, การประมวลผลแบบหลายๆ รูปแบบ, การเรียกดูเว็บ, และการใช้เครื่องมือ
แม้ว่าคะแนนรวมของ Eliza (19.42%) ยังต่ำกว่าการแก้ปัญหาที่ดีที่สุดในปัจจุบัน นี่เป็นผลลัพธ์ที่สมควรสำหรับ Eliza โดยเฉพาะอย่างยิ่งเมื่อพิจารณาถึงการใช้แหล่งข้อมูล Web3 โดยเฉพาะอย่างยิ่ง ความสำเร็จที่ค่อนข้างโดดเด่นของ Eliza อยู่ที่การจัดการกับงานพื้นฐาน (ระดับ 1) ซึ่ง Eliza ได้รับอัตราส่วนการเสร็จสิ้นอย่างสมบูรณ์อย่างน่าสนใจที่ 32.21% ซึ่งเป็นการแสดงความสามารถของพื้นฐานที่มั่นคงของ Eliza

โดเมน Web3: ผู้กำหนดมาตรฐานที่เป็นนายแบบ

สิ่งที่น่าสังเกตคือ Eliza เป็นผู้เล่นบทของ "ตัวกำหนดมาตรฐาน" ในสนาม Web3 นอกจากนี้ยังมีระบบ AI ที่ใช้เน้น Web3 อยู่ในช่วงเริ่มต้น Eliza ได้เป็นผู้นำในการเสนอเฟรมเวิร์กการประเมินอย่างครอบคลุม ตั้งทิศทางสำหรับอุตสาหกรรมทั้งหมด

เชิงประเมินเฟรมเวิร์กนี้ถูกแบ่งออกเป็นสามระดับ ที่อ้างถึงในกระดาษสีขาวว่าเป็นเวอร์ชัน AI ของ Web3 ของ "Turing Test"

• ความสามารถพื้นฐาน: รวมถึงการดำเนินการพื้นฐาน เช่น การสร้างวอลเล็ต, ธุรกรรมโทเค็น และการโต้ตอบสมาร์ทคอนแทร็ค
• คุณสมบัติขั้นสูง: รวมเทคโนโลยี AI ล่าสุด เช่น การแปลงข้อความเป็นวิดีโอ/สร้างภาพ 3 มิติ และการสนับสนุน RAG
• คุณสมบัติพรีเมี่ยม: ทำให้สามารถวางแผนและคิดอย่างอิสระตามคำสั่งของผู้ใช้ ทำให้การตัดสินใจที่ฉลาดจริงๆ

ในปัจจุบัน Eliza ได้ประสบความสำเร็จในการนำสมบัติทั้งหมดไปใช้ในระดับพื้นฐานและกำลังก้าวหน้าสู่ระดับขั้นสูง ทีมแสดงความมั่นใจว่าพวกเขาจะบรรเทาและประสบความสำเร็จในระบบเอไอต้นทุนในอีกไม่กี่ปีข้างหน้า

5. การใช้งานในชีวิตจริง: ตลาดโหวตด้วยเงินจริง

เอกสารขาวต้นฉบับรวมไว้ในส่วนที่แสดงรหัสเพื่อสาธิตการประยุกต์ใช้ที่เป็นไปได้กับเฟรมเวิร์ก อย่างไรก็ตาม ในการอธิบายอย่างง่ายและหลีกเลี่ยงรายละเอียดทางเทคนิค เราจะเน้นไปที่การประยุกต์ใช้ที่กว้างขวางเท่านั้นที่นี่

ตามข้อมูลในหนังสือ white paper จนถึงเดือน มกราคม พ.ศ. 2568 โครงการ Web3 ที่สำคัญมีระบบ AI agent ที่พัฒนาขึ้นบน Eliza โดยมีมูลค่าตลาดรวมกันของพาร์ทเนอร์เหล่านี้เกิน 20 ล้านล้านดอลลาร์

ตัวเลขนี้อาจเป็นการสนับสนุนที่ดีที่สุดสำหรับความแข็งแกร่งของเทคโนโลยีของ Eliza โดยตลาดเอง

สิ่งที่สำคัญกว่าคือทีม Eliza มั่นใจในอนาคต เขาเชื่อว่าเมื่อ "ตัวแทนฉลาด" เหล่านี้ยังคงพัฒนาต่อไป เราจะเห็นยุคใหม่ที่หลายหน่วย AI ทำงานร่วมกันได้อย่างสมดุลกัน ตามที่ CEO ของ Anthropic ชื่อ Dario Amodei ได้กล่าวไว้ในวิสัยทัศน์ของ "ศูนย์ข้อมูลเจนียส์" Eliza กำลังเปลี่ยนแปลงอนาคตนี้

6. ข้อ จำกัด ที่ มีอยู่ และ การมองเห็น ในอนาคต: การวิเคราะห์ตัวเองอย่างซื่อสัตย์

ไม่มีเฟรมเวิร์กเทคโนโลยีใดที่เป็นสมบูรณ์แบบ และทีม Eliza ก็บอกเลยว่าเฟรมเวิร์กของพวกเขายังมีข้อจำกัดบางอย่างในขณะนี้ในไวท์เพเปอร์อย่างซื่อสัตย์

Three major challenges to be solved

• ขาดระบบการทำงาน: เหมือนผู้ช่วยที่มีความชำนาญต้องใช้กระบวนการทำงานมาตรฐานเช่นเดียวกับนักพัฒนาที่ต้องการนำเสนองานที่ซ้ำกัน (เช่นการรวมข้อมูลจากแหล่งที่มาหลายแหล่งในระยะเวลาที่กำหนด) โครงสร้างปัจจุบันของ Eliza ไม่มีการแก้ไขที่พร้อมใช้งานสำหรับที่ต้องการเช่นนี้ สำหรับความต้องการเช่นนี้จะต้องใช้ระบบการทำงานที่มีกราฟิกอินเตอร์เฟสเช่น Dify หรือ Coze อาจยังจำเป็น
• ปัญหาประสิทธิภาพในระบบ Multi-Agent: เมื่อจำนวนเอเจนต์เพิ่มขึ้น บริบทและเนื้อหาของหน่วยความจำที่ระบบต้องจัดการเพิ่มขึ้นอย่างเหนือจำนวน โดยเฉพาะการสมดุลความสามารถในการประมวลผลและประสิทธิภาพการทำงานในขณะที่จัดการงาน ขนาดใหญ่เช่นนี้ยังคงเป็นความท้าทายทางเทคนิคที่ต้องแก้ไขอย่างต่อเนื่อง
• การขยายการสนับสนุนหลายภาษา: ในปัจจุบัน Eliza ยังคงเน้นที่ TypeScript เป็นหลัก แต่เพื่อดึงดูดนักพัฒนาจากโดเมนอื่น ๆ จะต้องขยายการสนับสนุนสำหรับภาษาโปรแกรมอื่น ๆ เช่น Python และ Rust

ที่มุ่งหวัง: การเป็นผู้นำในยุคใหม่ของ AI แบบกระจาย

แม้จำกัดเหล่านี้ ความสำคัญของ Eliza ได้เกินไปไกลกว่าเพียงเฟรมเวิร์กเทคโนโลยีเท่านั้น

มันแสดงถึงการพยายามเป็นนวัตกรรมในการผสมผสานระบบ AI และแอปพลิเคชัน Web3 โดยการออกแบบโมดูลการทำงานแต่ละตัวเป็นโปรแกรม TypeScript มาตรฐาน Eliza ยืนยันว่าผู้ใช้งานมีการควบคุมระบบอย่างสมบูรณ์ นอกจากนี้ยังมีการผสมผสานรายละเอียดกับข้อมูลบล็อกเชนและสมาร์ทคอนแทรคอย่างไม่มีรอยต่อ

การออกแบบนี้รับประกันความปลอดภัยและความยืดหยุ่นทั้งสองด้าน เหมือนกับที่ได้กล่าวไว้ที่ส่วนสุดท้ายของเอกสาร White Paper ความเป็นไปได้ของ Eliza จะถูก จำกัด เพียงตามจินตนาการของผู้ใช้งานเท่านั้น

ด้วยการวิวัฒนาการต่อเนื่องของเทคโนโลยี AI และ Web3 Eliza ยังคงพัฒนาต่อไป โดยทำให้เป็นผู้นำในการพัฒนา AI แบบกระจาย

คำประกาศ

1. บทความนี้ถูกคัดลอกมาจาก [ deep tide TechFlow], ลิขสิทธิ์เป็นของผู้แต่งเพลงต้นฉบับ [gateDeep Chao TechFlow], หากคุณมีข้อเสนอแนะใด ๆ เกี่ยวกับการเผยแพร่ฉบับสมุดพิมพ์โปรดติดต่อ Gate Learnทีมงานจะดำเนินการตามขั้นตอนที่เกี่ยวข้องเพื่อแก้ไขปัญหาให้เร็วที่สุด
2. คำปฏิเสธ: มุมมองและความคิดเห็นที่แสดงในบทความนี้เป็นเพียงมุมมองส่วนตัวของผู้เขียนเท่านั้น และไม่เป็นการให้คำแนะนำในการลงทุนใด ๆ
3. เวอร์ชันภาษาอื่นของบทความถูกแปลโดยทีมงานการเรียนรู้เกต ยกเว้นที่ระบุไว้เป็นอย่างอื่น บทความที่แปลอาจไม่สามารถคัดลอก แจกจ่ายหรือนำไปทำเลียนแบบได้