Pananaliksik: Pangkalahatang-ideya ng AI Agent Sector

Ang mga unang implementasyon ng AI agent sa crypto space ay pangunahing gumamit ng automated social chat functions, sentiment analysis, at surface-level na on-chain analysis.

Ang mga paunang pag-unlad na ito, na tinutukoy dito bilang “unang alon,” ay naglatag ng pundasyon para sa conversational AI sa loob ng mga platform tulad ng X, na nagpapahintulot sa mga gawain mula sa content moderation, user engagement, at on-chain data retrieval.

Pagkatapos ay naging mas mature ang sektor habang nagsimulang lumitaw ang “ikalawang alon” ng mga AI solution na sumasaklaw sa mas komplikadong DeFi protocols, cross-chain interoperability, at automation na nakabase sa smart contract.

Mahalagang tandaan na habang ang mga proyektong ito ay nagsasalita tungkol sa “AI-driven” na operasyon, ang mabibigat na proseso ng inference ay isinasagawa off-chain.

Layon ng ulat na ito na magbigay ng pangkalahatang-ideya ng mga proyektong ito habang sinusuri kung paano sila sama-samang nakakatulong sa hinaharap ng sektor.

Indibidwal na Pagsusuri ng Proyekto

Agentic Frameworks

Ang unang alon ng mga AI agent ay maaaring ilarawan sa pamamagitan ng iba’t ibang proyekto na nakatuon sa agentic frameworks, mula sa ai16z at ang ELIZA framework nito, Virtuals at ang G.A.M.E. framework nito, ang AI RIG Complex (ARC) framework, at Coinbase’s AgentKit, na lahat ay nagbunga ng karamihan, ngunit hindi eksklusibo, ng mga AI agent na binibigyang-diin ang komunikatibong mga tungkulin.

Orihinal na inilaan bilang isang DAO-oriented na inisyatiba na naglalayong isama ang AI sa fund management, ai16z’s limitadong transparency ng in-house AI agent na “AI Marc” at ng investment fund na diumano’y pinamamahalaan nito ay nagpaunti ng bisa nito.

Ang tunay na traction ng ai16z ay nagmula sa ELIZA framework, isang TypeScript-based toolkit para sa pag-develop ng AI agent sa iba’t ibang platform tulad ng X, Discord, at Telegram, pati na rin sa mga on-chain na kapaligiran tulad ng Solana o EVM-based blockchains.

Bagaman ang core AI processes ng ELIZA ay tumatakbo off-chain, na tanging mahahalagang output lamang ang ipinapadala sa blockchain systems, ipinakita ng disenyo nito ang maagang integrasyon ng AI insights sa on-chain activities.

Layon ng framework na pahintulutan ang sinuman na bumuo ng mga agent na may iba’t ibang functionality, mula sa basic chatbots o plugins hanggang sa potensyal na advanced functionalities tulad ng mga integration na nag-uugnay sa isang ELIZA agent sa proprietary market data services o specialized analytics dashboards.

Isang masusing ulat tungkol sa ai16z at ELIZA framework ay isinagawa sa isang previous research piece.

Ang modular na katangian ng ELIZA framework ay naging popular sa mga developer, na may halos 15K stars sa Github sa oras ng pagsulat, habang ang kaugnay nitong $ai16z token ay umabot sa market cap na higit sa $2.5B sa tuktok nito, bagaman bumaba na ito ng higit sa 80% sa oras ng pagsulat.

Ang aktibidad sa GitHub, batay sa bilang ng stars na natatanggap ng elizaOS repository bawat araw, ay bumaba rin nang malaki mula noong tuktok nito noong Disyembre 2024.

Pinagmulan: sentient.market, The Block Pro Research

Sa kabilang banda, ang Virtuals ay pangunahing isang launchpad para sa mga AI agent, habang ang G.A.M.E. framework nito ay katulad ng ELIZA kung saan pinapahintulutan nito ang isang agent na magplano at magsagawa ng mga aksyon at desisyon batay sa impormasyong ibinibigay dito.

Isang pangkalahatang ulat tungkol sa Virtuals ay isinagawa sa isang previous research piece.

Ang pinaka-kilalang AI agent na nagmula sa Virtuals ecosystem ay ang aixbt, na may kakayahang magsuri ng on-chain at off-chain crypto market data nang autonomously upang magbigay ng real-time insights at makipag-ugnayan sa mga user sa X.

ARC ay isa pang agentic framework na may katulad na layunin at gamit tulad ng ELIZA at G.A.M.E., na ang pangunahing pagkakaiba ay nakabase ito sa Rust language.

Kagaya ng ELIZA framework, ang aktibidad ng ARC sa GitHub, batay sa bilang ng stars na natatanggap ng repository nito bawat araw, ay bumaba rin nang malaki mula noong tuktok nito.

Pinagmulan: sentient.market, The Block Pro Research

Sa kabilang banda, Coinbase’s AgentKit ay isang model-agnostic framework na direktang nag-iintegrate sa Coinbase Developer Platform SDK at mga suportadong tools tulad ng LangChain na nagpapahintulot sa mga developer na lumikha, mag-customize, at magpanatili ng mga blockchain-aware agent.

DeFAI at Transactional AI Solutions

Sa “ikalawang alon”, ang mga proyekto tulad ng HeyAnon, Wayfinder, AgentKit, Giza at ang ARMA agent nito, pati na rin ang Almanak ay nagpapakita ng lumalaking diin sa automated transactional flows at decentralized finance AI (DeFAI). 

Hindi tulad ng unang alon, ang mga proyektong ito ay dinisenyo upang gumana sa loob ng mga itinatag na DeFi frameworks, kung saan ang mga AI model ay tumatakbo off-chain at nagpapadala ng mga signal para sa on-chain execution.

Kinikilala ng approach na ito na habang ang mga smart contract ay nananatiling immutable at deterministic, maaari silang makinabang mula sa off-chain AI na nagsusuri ng data at nagmumungkahi ng mga aksyon, basta’t ang mga output na ito ay ligtas at maaasahang na-integrate.

Mahalagang tandaan na ang malaking bahagi ng mga proyekto sa kategoryang ito ay hindi pa naglulunsad ng sarili nilang mga token.

Isang eksepsiyon dito ay ang HeyAnon, na nag-iintegrate ng natural language processing models sa DeFi protocols, na nagpapahintulot sa mga user na magsagawa ng swaps, magpahiram ng assets o mag-bridge ng tokens sa pamamagitan ng pagsusumite ng text-based na mga utos sa isang conversational interface.

Isinasagawa ang katulad na konsepto ngunit wala pang token sa ngayon, ang Wayfinder ay gumagamit ng AI agents na tinatawag na “shells” na nagna-navigate sa DeFi protocols sa pamamagitan ng chat-based interface.

Sa paggamit ng “wayfinding paths”, na pangunahing curated routes sa iba’t ibang blockchains, pinapayagan ng Wayfinder ang mga user na magsagawa ng DeFi tasks sa pamamagitan ng pag-type ng kanilang layunin sa pang-araw-araw na wika.

Bagaman kaakit-akit ang bisyon ng isang AI-driven na “super app” para sa DeFi, nananatili ang mga tanong tungkol sa pagiging maaasahan ng data at pagprotekta laban sa malisyosong smart contract triggers, kahit pa may kasamang built-in risk mitigations, tulad ng fallback procedures kung ang AI output ay malayo sa inaasahang resulta.

Mahalaga ring tandaan na ang sistemang ito ay umaasa sa LLMs upang bigyang-kahulugan ang smart contract logic off-chain bago ipasok ang kanilang mga konklusyon sa on-chain processes.

Sa ganitong pananaw, ang potensyal na maling interpretasyon at posibilidad ng malisyoso o may depektong mga path ay malalaking likas na panganib.

Giza ay isang AI agent stack na nag-aalok ng mga framework, command-line interfaces, datasets, at SDKs para sa mga autonomous agent.

Ang debut AI agent nito, ARMA, ay nag-o-optimize ng stablecoin yields sa iba’t ibang DeFi lending protocols sa pamamagitan ng dynamic na pagre-reallocate ng pondo at auto-compounding ng returns. 

Umasa ang ARMA sa real-time APR data at madalas na rebalancing, na pinangangasiwaan marahil off-chain na tanging secure summaries lamang ang ipinapasok on-chain, na binibigyang-diin ang kahalagahan ng maaasahang data inputs at pagbawas ng computational overhead.

Bagaman ang maagang datos ay nagpapahiwatig ng potensyal na pagtaas ng yield, ang pangmatagalang tagumpay nito ay nakasalalay sa matibay na security audits at performance sa ilalim ng market volatility.

Almanak ay nagbibigay ng komprehensibong suite para sa AI-driven DeFi strategy ideation, testing, at deployment, na binubuo ng dalawang pangunahing bahagi: ang strategy at agentic infrastructure nito.

Ang “strategy infrastructure” ay gumagamit ng blockchain state machine para sa simulation, na nag-aalok ng mas makatotohanang modeling kaysa sa tradisyonal na price feed–based approaches. 

Samantala, ang “agentic infrastructure” nito ay gumagamit ng LLMs tulad ng Llama at Mistral upang i-automate ang buong lifecycle mula sa strategy ideation hanggang sa on-chain execution.

Ang mga teknik tulad ng privacy-preserving execution sa pamamagitan ng trusted execution environments ay ginagamit upang makatulong na mabawasan ang front-running risks.

Story ay naiiba mula sa alon ng DeFAI-driven agent deployments sa pamamagitan ng pagtutok sa on-chain intellectual property (IP) sa halip na direktang AI-agent execution.

Ine-tokenize ng Story ang IP sa programmable assets, na nagpapahintulot sa automatic licensing at royalty distribution sa pamamagitan ng specialized “cores” sa isang custom Layer-1 architecture.

Layon ng Agent Transaction Control Protocol (Agent TCP/IP) nito na mapadali ang AI-driven licensing negotiations para sa mga IP asset.

Isang masusing ulat tungkol sa Story ay isinagawa sa isang earlier research piece.

Gayunpaman, mahalagang tandaan na ang Story ay isang proyektong may malaking pondo na may makabuluhang private market raises, kaya’t mas mataas ang valuation nito sa public market sa paglulunsad.

Sektor-wide Meta Analysis

Ang trajectory ng pag-unlad na napansin sa mga proyektong ito ay nagpapakita ng malinaw na paglipat mula sa social facilitation patungo sa direktang financial engagement.

Ipinakita ng unang alon na may potensyal ang AI bilang epektibong kasangkapan para sa pag-oorganisa ng chatbots, pagmo-moderate ng online communities, at kahit sa pagpropropose ng governance ideas para sa DAOs sa advisory capacity, bagaman ang aktwal na pagpapatupad sa huli ay medyo kulang kung babalikan.

Ang mga proyekto sa kategoryang ito ay nakatuon sa pagbuo ng mga specialized framework para sa personality-rich bots at pag-bridge ng kakayahan ng AI sa wika sa blockchain-based interactions.

Gayunpaman, ipinakita rin ng tagumpay ng mga naunang venture na iyon ang mga kakulangan sa tunay na economic application.

Bilang resulta, ang ikalawang alon ay bumubuo sa mga naunang eksperimento sa pamamagitan ng pagtutok sa transactional contexts, pag-bridge ng maraming chain, at pag-automate ng DeFi operations sa malakihang antas, na ang mga proyekto tulad ng HeyAnon at Wayfinder, pati na rin ang Giza, ARMA, at Almanak, ay sumasalamin sa pagbabagong ito.

Bagaman bawat isa sa mga proyektong ito sa ikalawang alon ay may kanya-kanyang paraan ng transactional engagement, lahat sila ay nagpapakita ng mas malawak na paggalaw palayo sa AI bilang isang “chatty bot” lamang at patungo sa AI bilang mahalagang kalahok sa value exchange.

Ang pagbabagong ito ay nagdadala ng mas malalim na hamon at tensyon, na nagbubukas ng mga tanong kung paano dapat harapin ng mga proyektong ito ang mga potensyal na panganib ng exploit, maging mula sa sopistikadong market manipulation, maling interpretasyon ng AI, data signal corruption, o kahinaan sa off-chain processing pipelines.

Sa kabilang banda, binibigyang-diin ng Story ang lumalawak na depinisyon ng AI facilitation sa pamamagitan ng paglalapat ng programmable on-chain logic sa IP licensing at paggamit ng mga scenario, kabilang ang AI data sets.

Mga Limitasyon

Ilang limitasyon ang naging malinaw sa mga platform na ito:

Security Architecture

Tulad ng bawat protocol o mekanismo sa crypto, ang AI-driven on-chain interactions ay may likas na panganib ng private-key compromises at pag-exploit ng mga kahinaan sa real-time rebalancing o licensing protocols.

Data Reliability & AI Model Risks

Ang hindi na-verify o manipuladong data sources ay maaaring makasira sa yield-optimization o attention-token strategies. Ang LLMs ay nananatiling madaling magkamali at magkaroon ng “hallucinations.”

Ang matibay na guardrails, tulad ng mahigpit na model validation, tuloy-tuloy na monitoring, at paggamit ng consensus mula sa maraming AI system, ay magiging mahalaga upang maiwasan ang maling interpretasyon ng mahahalagang utos.

Social Automation Challenges

Ang AI-driven social automation ay umaasa sa pagproseso ng napakaraming data off-chain at pagkatapos ay pagbibigay ng actionable insights on-chain.

Dahil ang karamihan ng data analysis ay nangyayari off-chain, ang pagtiyak na ang mga sistemang ito ay nananatiling transparent at verifiable ay isang malaking hamon.

Dapat isaalang-alang ng mga developer hindi lamang ang teknikal na aspeto ng data processing kundi pati na rin kung paano magpatupad ng oversight mechanisms na nagsisiguro ng fairness at nagbabawas ng bias, lalo na kung ang AI ay potensyal na ginagamit para sa governance processes.

Mga Takeaway

Ipinakita ng unang alon ng mga AI project sa blockchain space na ang automated chat tools, social media bots, at community-driven interactions ay may lugar upang umunlad. Ngunit inilantad din ng mga inisyatibang ito ang mga hangganan ng conversational AI, na binibigyang-diin ang limitasyon sa kakulangan ng economic utility.

Ang ikalawang alon ay gumawa ng matibay na hakbang pasulong sa pamamagitan ng pagsasama ng AI sa DeFi protocols at advanced on-chain operations.

Sa kabila ng pangako, maaaring manahin ng DeFAI ang private-key vulnerability profile ng on-chain trading bots.

Kagaya ng trading bots, kung ang UX gains ng DeFAI ay napatunayang kaakit-akit, maaaring tumaas nang husto ang mainstream adoption anuman ang panganib. Gayunpaman, isang bahagi ng user base ay hindi maiiwasang makaranas ng tail risks ng maling pamamahala ng key o malisyosong exploit, kung sakaling mangyari ito.

Sa madaling salita, ang paglalakbay mula sa chat-based novelty patungo sa value-based practicality ay nagsimula na. Kung ang mga hadlang na ito ay matutugunan sa pamamagitan ng masusing testing at fail-safe mechanisms, maaaring maging mahalagang tagapagpaandar ng user-friendly DeFAI ang AI.