AI agents เป็น narrative ที่ร้อนแรงที่สุดในช่วงปลายปี 2024 และถูกคาดว่าจะเป็น narrative ที่ดึงความสนใจจากทั้ง native cryptobro และหน้าใหม่ได้อย่างมากต่อเนื่องไปในปี 2025 ด้วย ถ้าถามว่าร้อนแรงขนาดไหน ก็ระดับที่ 4 อันเดับแรกจาก 14 เรื่องที่ a16z เฝ้าจับตาในปี 2025 เกี่ยวข้องกับ AI ทั้งหมด และยังมีอีก 2 เรื่องที่คาบเกี่ยวอย่างมากการพัฒนาของ AI x Crypto ด้วย
เนื่องจากผมมีความสนใจเป็นพิเศษใน Crypto x AI และพอจะมีพื้นฐานด้าน Machine Learning / Deep Learning และ System Engineering อยู่บ้าง จึงอยากจะใช้โอกาสนี้รวบรวมข้อมูลที่จะช่วยในทุกๆคนสามารถทำความเข้าใจการพัฒนาของ AI agents & AI x Crypto space และช่วยให้การมองหาและวิเคราะห์ความเป็นไปได้ของ Alpha ได้ง่ายขึ้นครับ
Disclaimer
บทความนี้ไม่ใช่คำแนะนำการลงทุน
ทุกข้อความเป็นความเห็นส่วนตัวและใช้เพื่อการศึกษาเท่านั้น
ผมเป็น Ambassador/Advocate ของ Morph L2, OG Labs, Allora Network ซึ่งมีความเกี่ยวข้องมากน้อยกับ AI agents & AI x Crypto space ดังนั้นหากเห็นการใช้ตัวอย่างจากโปรเจคเหล่านี้เยอะเป็นพิเศษ ก็พราะผมใช้เวลาอ่านบทความและศึกษาสามโปรเจคนี้เยอะกว่าโปรเจคอื่นๆมาก
และแน่นอนว่าผมจะพูดถึงโปรเจคที่ผมสนใจมากกว่าโปรเจคอื่นๆ เพราะผมได้ใช้เวลาศึกษาโปรเจคเหล่านี้ไว้แล้วก่อนจะเขียนบทความนี้
Key terms ที่ควรทราบ
ว่าด้วย AI Agents
AI Agent คืออะไร (ขยายความ)
Agents, Tokens, Utility, Framework, Infrastructure (หรือ Meme) ตกลงยังไงกัน?
Level of AI agent
LLM & RAG Engine - AI เข้าใจภาษามนุษย์และควบคุม personality ได้อย่างไร
ส่วนประกอบของ AI Agent (อ้างอิงจาก Virtuals’ framework)
Use Cases
AI x Defi
AI x Entertainment
AI x Gaming
AI x Culture x Memes
AI x Assistants
AI Agent เป็นมากกว่า price goes up narrative?
**
Allora x Swarms โขยง AI agents ที่แชร์สมองและทำงานร่วมกันเพื่อประสิทธิภาพที่มากขึ้น ?**
0G’s dAIOS x Decentralised AIโครงสร้าง Decentralized AI stackการประสานร่วมกันของ Decentralized AI projects แบบ Modularความน่าใจและจุดแข็งของ Decentralized AI
**ติดตามได้ใน YE24 Article สองฉบับถัดไป
ส่วนนี้จะรวบรวม terms ต่างที่ใช้กันมากในการอธิบายจุดประสงค์และการทำงานของ project ต่างๆ ไม่ว่าจะใน whitepaper, article, หรือ thread (รวบรวมเบื้องต้นโดย grok)
คำศัพท์พื้นฐานด้าน AI
Artificial Intelligence (AI): โดยทั่วไป AI จะหมายถึง model จำลองกระบวนการคิดของมนุษย์โดยระบบคอมพิวเตอร์ ซึ่งรวมถึงการเรียนรู้(Learning) การใช้เหตุผล(Reasoning) และการแก้ไขข้อผิดพลาดด้วยตนเอง(Self-Correction) แต่ในบริบทปัจจุบันมักใช้เรียก LLM ที่มีสามารถรับคำสั่งภาษามนุษย์และตอบสนองความต้องการโดยอัตโนมัติได้
Inference: กระบวนการที่ระบบ AI ใช้ model ที่ผ่านการ train ให้คาดการณ์ ตัดสินใจ หรือสรุปผลจากข้อมูลใหม่ที่ไม่เคยเห็นมาก่อน เป็นการนำสิ่งที่เรียนรู้ในระหว่างการtrainingมาใช้ทำความเข้าใจ input data ใหม่
Natural Language Inference (NLI): การพิจารณาว่าสมมติฐานนั้นเป็นจริง (entailment) เป็นเท็จ (contradiction) หรือไม่สามารถระบุได้ (neutral) จากข้อความที่กำหนด มักใช้ในการทำความเข้าใจและสร้างภาษาธรรมชาติ เราสามารถประยุกต์ใช้ NLI ในการเข้าใจบริบทหรือการหาคำตอบของคำถามที่สอดคล้องกับคำถามหรือข้อมูลที่มีอยู่ ซึ่งความเข้าใจในคำถามหรือคำสั่งและยังช่วยเพิ่มความแม่นยำของการกระทำถัดไปอีกด้วย
Machine Learning (ML): ส่วนประกอบหนึ่ง(subset) ของ AI ที่เกี่ยวข้องกับการพัฒนา algorithm ที่สามารถเรียนรู้และตัดสินใจจาก data ซึ่งเป็นพื้นฐานของการสร้าง Inferences
Deep Learning: machine learning รูปแบบหนึ่ง ที่เกี่ยวข้องกับการใช้ neural networks ที่มีเรียงต่อกันหลาย layer (deep neural networks) ซึ่งเรียนรู้การแทนค่าข้อมูลในหลายระดับเพื่อสร้าง Inferences
Neural Networks: ระบบที่เริ่มต้นมาจากการจำลองการทำงานของสมองมนุษย์ ออกแบบมาเพื่อจดจำรูปแบบหรือจัดหมวดหมู่ข้อมูลผ่านการเชื่อมโยงของ neurons หลายๆ layer
Supervised Learning: ประเภทของ ML ที่ model ได้รับการฝึกฝนด้วยชุดข้อมูลที่มี labels (เฉลย) เพื่อให้ model เรียนรู้ที่จะคาดการณ์ผลลัพธ์จากคู่ input และ output
Unsupervised Learning: ML ที่อัลกอริทึมทำงานกับข้อมูลที่ไม่มี labels โดย model จะต้องพยายามค้นหารูปแบบหรือการจัดกลุ่มภายในข้อมูลด้วยตัวเอง
Reinforcement Learning: ML รูปแบบหนึ่ง ที่ใช้ในการ train Agentic Software ให้ประพฤติตัวหรือกระทำการตามที่ควรกระทำในสภาพแวดล้อมและเงือนไขที่กำหนดไว้ล่วงหน้าเพื่อสะสมรางวัลที่ได้จากการกระทำที่ถูกต้องให้มากที่สุด
Natural Language Processing (NLP): ความสามารถของ AI ในการประมวลผลข้อมูลที่เป็นภาษามนุษย์เพื่อความเข้าใจและการต่อโต้ตอบ ซึ่งเป็นส่วนสำคัญสำหรับการมีปฏิสัมพันธ์กับทั้งข้อมูลภาษามนุษย์และผู้ใช้งาน
Explainability (XAI - Explainable AI): ระบบ AI ที่สามารถอธิบายการกระทำของตนในรูปแบบที่มนุษย์เข้าใจได้ ซึ่งสำคัญต่อความไว้วางใจและความน่าเชื่อถือ
Human-AI Interaction: การออกแบบInterfaceและการปฏิสัมพันธ์ของมนุษย์และ AI agent ที่จะช่วยให้สามารถทำงานร่วมกันหรือช่วยเหลือมนุษย์ได้อย่างมีประสิทธิภาพ
Large Language Models (LLM) และคำศัพท์ที่เกี่ยวข้อง
Large Language Model (LLM): model ประเภทหนึ่งที่มักสร้างโดย transformer และได้รับการฝึกฝนด้วยคลังข้อความขนาดใหญ่เพื่อเข้าใจ สร้าง และมีปฏิสัมพันธ์โดยใช้ภาษามนุษย์ ตัวอย่างเช่น โมเดลอย่าง GPT, BERT, llma, หรือ Claude เป็นต้น
Transformer: สถาปัตยกรรม neural network ที่อาศัยกลไก self-attention เพื่อให้น้ำหนักความสำคัญกับคำต่างๆ ในประโยคตามลำดับความสำคัญโดยไม่เป็นไปตามเสมอไปการเรียงของคำเสมอไป เป็นพื้นฐานสำคัญสำหรับ LLMs
Tokenization: กระบวนการแปลงข้อความเป็นโทเค็น (ในระดับ คำหรือส่วนประกอบของคำ) สำหรับการประมวลผลโดย NLP model
Fine-Tuning: กระบวนการนำ LLM ที่ผ่านการ pre-train แล้วมาฝึกฝนเพิ่มเติมด้วยชุดข้อมูลเฉพาะสำหรับงานเฉพาะ
Prompt Engineering: ศิลปะของการสร้าง prompts เพื่อให้ได้ประสิทธิภาพสูงสุดจาก LLM สำหรับงานเฉพาะหรือผลลัพธ์ที่ต้องการ
Retrieval-Augmented Generation (RAG)
Retrieval-Augmented Generation (RAG): เทคนิคที่รวม model แบบ retrieval-based กับโมเดลแบบ generative โดยระบบจะดึงข้อมูลที่เกี่ยวข้องและเชื่อถือได้จากฐานข้อมูลหรือคลังข้อมูลก่อนด้วย retrieval-based model จากนั้นจะส่งข้อมูลประกอบและpromptไปที่ generative model เพื่อสร้างคำตอบหรือข้อความ เป็นกระบวนการที่เพิ่มความแม่นยำและความเกี่ยวข้องของผลลัพธ์ด้วยคลังข้อมูลที่เชื่อถือได้
Knowledge Base: คลังข้อมูลที่ใช้โดยระบบ RAG เพื่อดึงข้อมูลที่เกี่ยวข้อง
Embedding: กระบวนการแปลงข้อความเป็น vector ตัวเลขที่แทนความหมายทางบริบท ใช้ในระบบ retrieval เพื่อจับคู่คำค้นหากับเอกสารหรือข้อมูลที่เกี่ยวข้อง
Vector Database: ฐานข้อมูลที่ปรับแต่งมาสำหรับการเก็บและค้นหา high-dimensional vectors ซึงสำคัญสำหรับการดึงข้อมูลที่มีประสิทธิภาพในระบบ RAG
Semantic Search: เทคนิคการค้นหาที่ไปไกลกว่าการจับคู่คำสำคัญ ด้วยการใช้ high-dimensional vectors เพื่อเข้าใจเจตนาของผู้ค้นหาและความหมายตามบริบทของคำ มักใช้ร่วมกับ RAG เพื่อเพิ่มประสิทธิภาพและลดการ hallucination ของ LLM
AI Agents และแนวคิดที่เกี่ยวข้อง
AI Agent: Entity ที่รับรู้สภาพแวดล้อมผ่าน sensors (data flow จากแหล่งข้อมูลที่ Agentนั้นๆ เข้าถึงได้) ตัดสินใจเลือก และกระทำต่อสภาพแวดล้อมนั้นผ่านตัวกระทำ(ที่สามารถเข้าถึงได้)เพื่อบรรลุเป้าหมายบางอย่าง
Autonomous AI Agents: Agent ที่สามารถทำงานได้อย่างอิสระมากขึ้น โดยต้องการการช่วยเหลือของมนุษย์น้อยลง สามารถตัดสินใจตามโปรแกรมที่ถูกเขียนไว้และสามารถติดตามผลลัพธ์เพื่อเรียนรู้และปรับปรุงพฤติกรรมได้ด้วยตนเอง
Multi-Agent Systems: ระบบที่ AI Agents หลายตัวมีปฏิสัมพันธ์กันเพื่อแก้ปัญหาร่วมกันหรือแข่งขันกัน โดยมากมักเป็นไปเพื่อใช้งานหรือทดสอบจุดแข็งและความเชี่ยวชาญพิเศษของ AI Agent แต่ละตัวในระบบ
Percept: Input data ที่ตัวแทนได้รับจากสภาพแวดล้อม
Action: ผลลัพธ์หรือการตัดสินใจที่ตัวแทนทำเพื่อส่งผลต่อสภาพแวดล้อม
State: สถานการณ์หรือการกำหนดค่าปัจจุบันของสภาพแวดล้อมตามที่ตัวแทนเข้าใจ
Goal: สถานะสุดท้ายหรือผลลัพธ์ที่ต้องการที่ตัวแทนกำลังทำงานเพื่อให้บรรลุ
Utility Function: ตัววัดที่ใช้โดย Agent เพื่อประเมินว่า State ใดๆเป็นที่ต้องการมากหรือน้อย ด้วยการแปลงมาตรวัดเป็นตัวเลข
Capabilities/Functions: ความสามารถในการทำงาน (Actions) ของ Agent เช่น การโพส บน Twitter หรือ การหา route การ swap ที่ดีที่สุด
Planning: การกำหนดลำดับขั้นตอนหรือการกระทำเพื่อบรรลุเป้าหมาย ก่อนเริ่ม Action
Reactive vs. Deliberative Agents:
Reactive Agents: กระทำโดยตรงตามการรับรู้ปัจจุบันโดยไม่มีการวางแผนระยะยาว
Deliberative Agents: ตัดสินใจบนพื้นฐานของการวางแผนและสถานะในอนาคต
Learning Agents: ตัวแทนที่ปรับปรุงประสิทธิภาพเมื่อเวลาผ่านไปโดยเรียนรู้จากประสบการณ์
Bounded Rationality: แนวคิดที่ว่าด้วยการที่ Agent จะต้องทำงานภายใต้ข้อจำกัด เช่น เวลาและcomputing power เพื่อนำไปสู่การตัดสินใจที่น่าพอใจภายใต้ข้อจำกัดมากกว่าการหา action ที่ดีที่สุดหากไร้ข้อจำกัดดังกล่าว
Swarms และคำศัพท์เกี่ยวข้อง
key terms ส่วนนี้ยังไม่มีความจำเป็นมากนัก ณ ปัจจุบัน แต่จะเริ่มถูกกล่าวถึงมากขึ้นในอนาคตอันใกล้
Swarms: ในบริบทของ AI หมายถึงกลุ่มของ Agents ที่ปฏิสัมพันธ์กันเองและกับสภาพแวดล้อมในภาพย่อย (AI agent ตัวหนึ่ง interact กบัอีกตัวหนึ่ง) แต่นำไปสู่พฤติกรรมรวมหมู่ที่ส่งผลกระทบในภาพใหญ่ โดยได้แรงบันดาลใจจากธรรมชาติ เช่น อาณาจักรมด หรือฝูงนก
Swarm Intelligence: สาขาหนึ่งใน AI ที่ศึกษาพฤติกรรมรวมของระบบแบบ decentralized ที่self-organisedได้ ซึ่งสามารถแก้ปัญหาที่ซับซ้อนผ่านปฏิสัมพันธ์อย่างง่ายระหว่าง Agents
Coordination: กระบวนการที่ Agent หลายตัวทำงานร่วมกันเพื่อบรรลุเป้าหมายร่วมหรือชุดเป้าหมาย ในบริบทของ AI coordiantionเกี่ยวข้องกับกลไกทางเทคนิค เช่นการสื่อสาร การเจรจาต่อรอง กระบวนการส่งผ่านข้อมูล หรือกลยุทธ์ร่วม
Multi-Agent Systems (MAS): ระบบที่ประกอบด้วย Agents หลายตัวที่ปฏิสัมพันธ์กัน โดยการประสานงานเป็นกุญแจสำคัญในการบรรลุจุดประสงค์หรือแก้ปัญหาที่ซับซ้อนเกินกว่าตัวแทนเดียวจะทำได้ ระบบ MAS ที่ดีจะสร้างผลลัพธ์ที่ยอดเยี่ยมกว่า Agent ใดๆเพียงตัวเดียวในระบบเสมอ
Decentralized Control: แนวทางการประสานงานที่ไม่มีentityใดมีการควบคุมทั้งหมด แต่การตัดสินใจทำโดยกลุ่ม มักผ่านกฎหรือปฏิสัมพันธ์ในภาพย่อยระหว่าง Agents ด้วยกันเอง
Emergent Behavior: พฤติกรรมระบบที่ซับซ้อนที่เกิดขึ้นจากปฏิสัมพันธ์ของ Agent ที่เรียบง่ายที่ทำตามกฎในภาพย่อย ไม่ได้เกิดจากคำสั่งส่วนกลางหรือพฤติกรรมที่ถูกโปรแกรมไว้ล่วงหน้า
Stigmergy: รูปแบบของการประสานงานทางอ้อมที่ Agentปรับเปลี่ยนสภาพแวดล้อม และการกระทำต่อมาของ Agent อื่นๆ ได้รับอิทธิพลจากการเปลี่ยนแปลงเหล่านี้ ตัวอย่างเช่น การสร้างเส้นทางของมด
Consensus Algorithms: วิธีการที่ใช้ในการประสานงานเพื่อให้บรรลุข้อตกลงระหว่าง Agent หรือระบบ Decentralized มักพบในเทคโนโลยี blockchain แต่สามารถประยุกต์ใช้กับ AI swarms สำหรับการตัดสินใจ
Task Allocation: ในระบบ swarm เกี่ยวข้องกับการกระจายงานระหว่าง Agents ตามความสามารถ สถานะปัจจุบัน หรือสภาพแวดล้อมเพื่อเพิ่มประสิทธิภาพโดยรวม
Communication Protocols: วิธีการหรือกฎที่ Agents ใน swarm หรือระบบที่ประสานงานใช้แลกเปลี่ยนข้อมูล สำคัญสำหรับการทำงานเป็นทีมที่มีประสิทธิภาพ
Cooperation vs. Competition: ในการประสานงาน AI Agents อาจร่วมมือกันเพื่อบรรลุเป้าหมายร่วมกันหรือแข่งขันเพื่อทรัพยากรหรือความสำเร็จส่วนตัว ส่งผลต่อวิธีการพัฒนากลยุทธ์การประสานงาน
Self-Organization: กระบวนการที่ระบบของ Agent เพื่อความเป็นระเบียบ เป็นโครงสร้างที่เกิดขึ้นโดยไม่มีการแทรกแซงจากภายนอก เป็นแง่มุมสำคัญของ swarm intelligence
Distributed Problem Solving: แนวทางที่ปัญหาถูกแบ่งย่อยเป็นปัญหาย่อยที่แก้ไขโดย Agent ต่างๆ โดยผลลัพธ์ถูกรวมกันเพื่อสร้างทางแก้สำหรับปัญหาที่ใหญ่กว่า
Negotiation: กระบวนการที่ Agent บรรลุข้อตกลงผ่านการสนทนาหรือแลกเปลี่ยนข้อเสนอ สำคัญสำหรับการประสานงานในสภาพแวดล้อมที่เปลี่ยนแปลงหรือขัดแย้ง
Collective Learning: เมื่อ Agent แต่ละตัวเรียนรู้จากกันและกันหรือจากประสบการณ์รวมของ swarm นำไปสู่การปรับปรุงประสิทธิภาพหรือการปรับตัว
Scalability: ในระบบ swarm หมายถึงความสามารถในการรักษาหรือปรับปรุงประสิทธิภาพเมื่อจำนวน Agent เพิ่มขึ้น เป็นความท้าทายสำคัญในการประสานงาน
Robustness: ความสามารถของระบบ swarm หรือระบบที่ประสานงานในการรักษาการทำงานแม้เมื่อ Agent บางตัวล้มเหลวหรือสภาพแวดล้อมเปลี่ยนแปลงโดยไม่คาดคิด
Boids: โมเดลสำหรับจำลองพฤติกรรมการรวมฝูงในกลุ่มสัตว์ แสดงให้เห็นว่ากฎง่ายๆ สามารถนำไปสู่พลวัตกลุ่มที่ซับซ้อน เช่น การหลีกเลี่ยง การจัดแนว และการรวมกลุ่ม
Particle Swarm Optimization (PSO): อัลกอริทึมการหาค่าเหมาะสมที่ได้แรงบันดาลใจจากการบินรวมฝูงของนก ใช้ในการแก้ปัญหาที่ซับซ้อนในการหาค่า/Actionเหมาะสมที่ Agent ควรใช้งานหรือปฎิบัติตวามข้อมูลที่รับรู้ในระดับภาพย่อยโดยสามารถปรับเปลี่ยนตามสถานการณ์ภาพใหญ่ได้ตลอดเวลา (ผลลัพธ์หนึ่งเรียกว่า particle) เช่น การปรับเส้นทางตามตำแหน่งที่ดีที่สุดที่รู้จักของตัวเองและตำแหน่งที่ดีที่สุดที่รู้จักของทั้ง swarm ของฝูงนก โดยดูจากความเร็วและทิศทางการบินปัจจุบันขอทั้งตัวเองและตัวอื่นๆรอบข้างในระยะใกล้เคียง
AI agent คือ Application หรือ Software programme ที่ออกมาแบบมาให้ปฏิบัติงานบางอย่างเพื่อให้บรรลุเป้าหมายของ Users แต่สิ่งที่ทำให้ AI agent แตกต่างจาก Application ทั่วๆไปคือ การที่ Users ไม่จำเป็นต้องระบุขั้นตอนการทำงานโดยละเอียดให้กับ AI agent เพื่อให้เป้าหมายสำเร็จ AI agent จะรับเอาเป้าหมายในภาษามนุษย์จาก Users ตีความและทำความเข้าใจคำสั่ง วิเคราะห์ State ปัจจุบันและสิ่งแวดล้อมซึ่งรวมถึงชุดข้อมูลที่มีและfunctionsของตนเอง เพื่อตัดสินใจและสร้างขั้นตอนการปฏิบัติงานนั้นด้วยตนเอง ในอีกแง่หนึ่ง เราสามรถมอง AI Agent เป็น function bot ที่สามารถใช้ LLM/RAG (ที่มักเรียกว่า AI ในบริบทปัจจุบัน) รับคำสั่งภาษามนุษย์ ทำความเข้าใจคำสั่งและบริบท (Perception and Reasoning) และปฏิบัติงานตามคำสั่ง (Action) และยังสามารถรับ feedback เพื่อปรับปรุงการกระทำได้ด้วยตนเอง (Self-Learning)
หากเราจะลอง oversimplify โครงสร้าง AI agent เพื่อให้ง่ายต่อความเข้าใจ และละ Communication core ที่ใช้ในการสื่อสารไว้ มันจะประกอบด้วย สามส่วนใหญ่ๆคือ
Input Sensing & Perception Core - ส่วนการรับรู้ ซึ่งรวมทั้ง เป้าหมาย, User Input, การรับรู้ State ปัจจุบัน, และสิ่งแวดล้อมผ่าน sensors
Data Processing & Memory Core - ส่วนการใช้เหตุผลเพื่อประมวล data สร้างขั้นตอนปฎิบัติงาน และ การตัดสินใจ ในส่วนนี้จะรวมถึงการดึงเอาประสบการณ์เพื่อ Self-Learning มาใช้งานด้วย
Action Core - การตอบสนองหรือการปฏิบัติงานผ่าน tool ที่สามารถเข้าถึงได้ เช่น การ generate texts และ post บน Twitter, การซื้อขาย tokens, หรือการ generate รูปภาพและเผยแพร่ ซึ่งสามารถทำได้ผ่าน API ที่ได้รับอนุญาติให้ใช้งาน
ภาพแรกนี้แสดงถึงการสื่อสารและส่งผ่านข้อมูลระหว่าง AI Agent และ sources ต่างๆ ที่นำไปสู่การประมวลผลและตัดสินใจ ก่อนที่จะเกิด Action
ภาพที่สองแสดงถึง feedback loop ที่ทำให้เกิด Self-Learning โดยส่วนมาก AI Agent จะเก็บ log ผลลัพธ์ของ Action ไว้ในส่วนของ Memory เพื่อให้สามารถกลับนำมาใช้งานเป็น Input ได้ โดย Memory core ที่ดีจะต้องได้รับการกรองอย่างสม่ำเสมอเพื่อให้ ข้อมูลที่เก็บไว้มีแต่ข้อมูลที่ยังเป็นประโยชน์อยู่เท่านั้น
ภาพที่สามคือตัวอย่างแผนผังการทำงานของ Utility-Agent ที่สามารถ Planning และ Reasoning ได้ทำให้เกิดการวางแผนแบบเป็นขั้นตอนเพื่อให้บรรลุเป้าหมาย และยังมีการ monitor Environment และ State เพื่อปรับเปลี่ยนแผนการในทุกๆ iteration
โอเค ตอนนี้มันมี Tokens ที่เกี่ยวข้องกับ AI Agents อยู่เต็มไปหมด โดยส่วนมากก็จะมี X chatbot ที่โต้ตอบกับ CT (Crypto Twitter) ที่บางตัวก็เหมือนจะเป็นการตอบคำถามเกี่ยวกับการ trade หรือบางตัวก็เป็นเพื่อความบันเทิงเพียงอย่างเดียวไม่ได้มีสาระอะไร และเราจะจัดกลุ่ม AI Agent tokens พวกนี้ได้อย่างไรบ้าง
และนอกเหนือจากกลุ่ม AI Agent ก็จะเป็นกลุ่มที่เรียกว่า AI Agent Framework หรือ Infrastructure เช่น $AI16Z หรือ $VIRTUAL
ในส่วนนี้ผมจะแบ่งขั้นตอนการจัดกลุ่มเป็น 4 ขั้นตอนผ่านสมมุติฐานว่าเราได้กรองเอา AI projects มาไว้ก่อนแล้วเพื่อเอาเฉพาะ AI Agent มาดูกันต่อไป โดยเริ่มง่ายๆจากคำถามดังต่อไปนี้:
มี AI Agent หรือเปล่า?
ตัว AI Agent มี Functions หรือเปล่า?
Functions นั้นเกี่ยวข้องกับ Tokens หรือเปล่า?
* การประเมิน Tokens ต่างๆ ขอให้ใช้เป็นเพียงตัวอย่างเท่านั้นนะครับ เพราะ space นี้พัฒนาเร็วมากและอาจมีการเปลี่ยนแปลงเกิดขึ้นระหว่างช่วงรวบรวมข้อมูลกับช่วงปล่อยบทความมากแล้วก็ได้
1. มี AI Agent หรือเปล่า?
คำถามแรกคือเราจะมาดูกันว่า โปรเจค AI ที่ว่านี้มี Tokenized AI Agent หรือไม่ใช่ ซึ่งอาจจะเป็น Infrastructure / Framework หรือ อื่นๆ
วิธีแยกของผมก็คือดูสิ่งต่อไปนี้:
วิธีการใช้งาน เป็นการป้อนคำสั่งตามแบบ Traditional Application หรือไม่?
แสดงให้เห็นถึงการตัดสินใจและการปรับเปลี่ยน Action ตามสิ่งแวดล้อมอย่างอัตโนมัติหรือไม่?
แสดงถึงการเรียนรู้จาก feedback โดยอัตโนมัติหรือไม่?
ทีนี้เราเลือกโปรเจคมากลุ่มหนึ่งละลองจัดวางด้วยคำถามข้างต้นดู ซึ่งผมเอามาจาก Tweet นี้
$METAV, $RM9000, $FARTCOIN, $ZEREBRO, $AIXBT, $ALCH, $REI, $TRUST, $ELIZA, $AI16Z, $VADER, $VIRTUAL, $SANTA, $GRIFFAIN
และผมก็เพิ่ม Mozaic Finance $MOZ, H4CK Terminal $H4CK, และ $NICK ที่เป็น Meme เข้าไปด้วยเพื่อให้สิ่งที่จะพูดถึงต่อไปอยู่ในชุดเดียวกัน
ซึ่งคำตอบของผมออกมาดังนี้ครับ
จะเห็นว่ากลุ่มที่เป็น AI Agent คือ$RM9000, $ZEREBRO, $AIXBT, $ALCH, $REI, $TRUST, $ELIZA, $VADER, $SANTA, $MOZ, $H4CK
ในขณะที่กลุ่มที่ไม่ใช่ AI Agent คือ
$METAV และ $FARTCOIN - Meme coins ที่ถูกสร้างขึ้นโดย AI Agent
$AI16Z - Token ตัวแทนของ ai16z dao ที่เกี่ยวข้องกับ Eliza Framework
$NICK - Meme อีกตัวหนึ่งที่ CTO โดย Allora community (ไม่ใช่ Allora Labs) และมีความตั้งใจจะทำให้เป็น Token ตัวแทนของ Community Co-owned AI Agent ที่ยังไม่เกิดขึ้น
2.ตัว AI Agent มี Function หรือเปล่า?
หากเรานับการ yapping บน Twitter เป็น Function ด้ววยแล้วก็ AI Agent ทุกตัวในข้อที่ผ่านมาก็คงจะเป็น AI Agent with Utility กันหมด
แต่ถ้าไม่นับ yapping ตัว AI Agent with Utility ที่จะเหลืออยู่คือ $ZEREBRO, $AIXBT, $ALCH, $REI, $TRUST, $VADER, $SANTA, $MOZ, $H4CK
ซึ่งในกลุ่มนี้ก็รวมไปถึงตัวที่รวบรวม Data ผ่าน API และเลือกนำมา yap tweet อย่าง $VADER และ $ALCH ที่เป็น platform สำหรับสร้าง application ผ่านภาษามนุษย์ และ $MOZ ที่เป็น AI Fund Manager ที่ไม่มี yapper outlet บน X อยู่ด้วย
อีกกลุ่มหนึ่งที่ค่อนข้างจะอยู่ระหว่าง yapper กับ utility คือ $LUNA และ $LUCY ที่เป็น Influencer Agent ซึ่งมีหน้าที่ entertainment แต่เป็นไปเพื่อชื่อเสียงและความเป็นที่รู้จักของตัว Agent ซึ่งอาจจะนำมาซึ่ง Utility ในภายหลัง
ในขณะที่กลุ่มที่ถูกมองว่าไม่มี AI Agent แต่มี Utility ประกอบด้วย $AI16Z
จะเห็นว่าการประเมินว่า AI Agent มี Utility หรือเปล่านั้นขึ้นอยู่กับความเข้มงวดของเกณฑ์อย่างมาก ซึ่งหากมองว่า utility ของ AI Agent คือ price action และ narrative play ก็สามารถลืมๆที่ผมเขียนในไว้ข้อนี้ได้เลยครับ
3.Function นั้นเกี่ยวข้องกับ Tokens หรือเปล่า?
แม้ว่า AI Agent จะมี Utility แต่ไม่ได้แปลว่า Tokens ที่ผูกติดกับ AI Agents นั้นจะมี Utility หรือเชื่อมโยงกับ Utility ของ AI Agent ไปด้วย
ในกลุ่มที่ได้พูดถึงในสองข้อที่ผ่านมา มี $ZEREBRO, $AIXBT, $ALCH, $TRUST, $MOZ, และ $H4CK ที่ตัว Tokens มี Utility โดย
$ZEREBRO - จ่ายค่าใช้ platform ด้วย $ZEREBRO
$AIXBT - holder เข้าถึง private terminal ที่มาพร้อมกันความสามารถในการวิเคราะห์ที่มากกว่า
$TRUST - 100k holder จะได้รับ trade signal ก่อนคนอื่น
$ALCH - เป็นค่าใช้จ่ายในการใช้งาน platform สร้าง application ด้วย AI
$VADER - fee จาก fund management platform จะถูกนำมา buy back & burn
$MOZ - staker จะได้รับ yield ที่มาจากส่วนแบ่งของรายได้จาก Fund management
$H4CK - staker จะได้รับ yield ที่มาจากส่วนแบ่งของ bounty จากการทำ white-hat hack
สำหรับตัวๆอื่นๆ รวมถึง $AI16Z นั้น แม้ว่าตัว project จะมีหรือไม่มี Utility ตัว Tokens ก็ไม่ได้เชื่อมโยงกับ Utility นั้นๆแต่อย่างใด ($CONVO และ $GAME ที่เป็น tokens ตัวแทนของ Framework สำคัญของ Virtuals ก็อยู่ในสถานะนี้เช่นกัน) แต่นั้นก็ไม่ได้แปลว่าจะไม่มีการเปลี่ยนแปลงในเกิดความเชื่อมโยง อย่างเช่นในกรณีของ $AI16Z ที่มีแผนการจะปรับปรุง tokenomics และอีกตัวอย่างหนึ่งที่เห็นได้ชัดคือ $MAX ซึ่งเป็น AI Agent ของ Oraichain ที่เริ่มต้นจากการเป็น AI Agent yapper บน Twitter ก่อนที่จะเพิ่ม Functionalities เข้าไปในรูปแบบของ AI Prediction Market และ การใช้ $MAX เพื่อรับสิทธิ์พิเศษต่างๆบน agentdotland AI Agent launchpad
ระหว่างการสัมภาษน์ของ Jansen Teng จาก Virtuals Protocol กับ Bankless นั้น Jansen ได้กล่าวถึง level of AI Agent ว่ามี 5 - 6 ระดับ โดยถึงแม้ framework ตรงนี้จะยังไม่แน่ชัดนักด้วยความใหม่ของ AI Agent แต่เขาได้ประเมินว่า $LUNA คือ AI Agent level 3 ที่มีเป้าหมายเป็นของตัวเองและสามารถวางแผนกำหนด Actions เพื่อให้บรรลุเป้าหมายอย่างอัตโนมัติได้ โดยต้องการความช่วยเหลือจากมนุษย์เป็นบางครั้งเท่านั้น
แล้ว level ที่ว่ามีนิยามคร่าวๆอย่างไรบ้าง ผมได้สรุปเอาไว้ด้านล่างครับ
Level 1 - Rule-Based Agents: ทำงานได้ตามคำสั่งและบริบทที่ชัดเจนและเป็นขั้นเป็นตอน โดยใช้เพียงความสามารถมนการรับรู้ข้อมูลและปฏิบัติตามคำสั่งเท่านั้น (Perception & Actions)
Level 2 - Learning Agents: สามารถพัฒนาประสิทธิภาพผ่านประสบการณ์ ใช้เทคนิคอย่าง reinforcement learning เพื่อปรับปรุงพฤติกรรม รับคำสั่งที่ชัดเจนพร้อมบริบท แต่ก็สามารถตัดสินใจเพิ่มขั้นตอนที่จำเป็นเพื่อทำคำสั่งให้สำเร็จได้
Level 3 - Planning Agents: AI ขั้นสูงขึ้นมา ที่สามารถเรียนรู้ รับข้อมูล ตัดสินใจ และมีหน่วยความจำ สามารถเข้าใจ State, สภาพแวดล้อม, Functions, patterns ต่างๆได้ด้วยตนเอง เพื่อวางแผนขั้นตอนเพื่อกำหนด Actions ที่จะทำให้บรรลุเป้าหมายได้โดยอัตโนมัติ (Memory & Reflection)
Level 4 - Reasoning Agents: มีความสามารถในการเรียนรู้จากประสบการณ์ Self-Learning และสามารถประยุกต์ใช้สิ่งที่เรียนรู้ในสถานการณ์ใหม่ที่ไม่เคยพบมาก่อน (Generalization) ด้วยการใช้ knowledge bases และ inference engines จากความเข้าใจในบริบทของ Users
Level 5 - General-Purpose Agents: มีความยืดหยุ่นระดับมนุษย์ในหลากหลายด้าน สามารถถ่ายโอนความรู้ระหว่างงาน เข้าใจบริบท และจัดการปัญหาแทน Users ได้โดยอัตโนมัติ สามารถเป็นตัวแทนของ Users ในการเข้าถึง Software/Applications อื่นๆ และทำงานร่วมกับ AI Agent ตัวอื่นๆเพื่อบรรลุเป้าหมายอย่างปลอดภัยและไว้ใจได้
ในความเห็นของผม AI Agent ที่น่าสนใจจะต้องอยู่ที่ level 3 เป็นต้นไป (หรือมี roadmap ที่จะไปให้ถึงอย่างน้อย level 3) เพราะเป็นระดับที่ AI Agent สามารถรับเอาเป้าหมายและคิดหาหนทางเพื่อที่จะบรรลุเป้าหมายนั้นได้โดยอัตโนมัติ โดยต้องการการแทรกแซงของมนุษย์เพียงเล็กน้อย แม้จะยังต้องใช้ความช่วยเหลือจากมนุษย์ในการเพิ่ม Functions/Capabilities ที่เป็นเครื่องมือเพื่อ take Actions อยู่
ความสามารถในการเข้าใจภาษามนุษย์ทั้งในแง่ความหมายของข้อความและบริบทนั้นเป็นกลไกสำคัญที่ทำให้ AI Agent สามารถเรียนรู้จาก data บน Internet ที่เป้นภาษามนุษย์และตอบสนองความต้องการของ Users ได้อย่างถูกต้องและแม่นยำ และนี่คือหนึ่งในความสามารถที่ทำให้ AI Agent ต่างจาก Bot ทั่วไปที่ทำตามคำสั่งที่ชัดเจนและเป็นขั้นเป็นตอนเท่านั้น และเพื่อให้ทุกคนเข้าใจการทำงานของ AI Agent ในส่วนนี้เราจะพูดถึง เทคโนโลยี RAG (Retrieval-Augmented Generation) ได้เข้ามาเพิ่มพลังให้กับการใช้งาน NLP และ LLM อย่างมีนัยสำคัญ และเป็นจุดเริ่มต้นของความเป็นไปได้ในการพัฒนา AI Agent
Machine Learning
ก่อนอื่นขอเริ่มจาก diagram ด้านล่างที่แสดงการทำงานแบบคร่าวๆของ Machine Learning model ที่เป็นพื้นฐานของ LLM ก่อนจะไปเป็น RAG และ AI Agent
กระบวนการจะเริ่มจากการกำหนดเป้าหมายที่ต้องการหาคำตอบ, รวบรวมและเตรียมความพร้อมของ dataset, เลือก algorithm ที่เหมาะสม, ประเมินคุณภาพของผลลัพธ์ และปรับเปลี่ยนน้ำหนักของข้อมูลแต่ละชนิด (feature) เพื่อให้ได้ผลลัพธ์ที่ดีที่สุด
diagram อีกภาพด้านล่าง แสดงให้ภาพเมื่อพูดถึง weight ของแต่ละ feature ซึ่งจะเปลี่ยนแปลงในแต่ละ iteration
แต่การ design Machine Learning system นั้นไม่ได้จบเพียงเท่านี้เพราะยังต้องมีการปรับ hyperparameters และ การวางระบบ feedback loop ที่ต้องทำงานได้อย่างมีประสิทธิภาพซึ่งจะยังไม่กล่าวถึงในบทความนี้
NLP & LLM
ต่อมาเราจะไปดูการสร้าง LLM ซึ่งสามารถสรุปแบบย่อๆได้ตาม steps ที่แสดงใน flowchart ด้านล่างนี้ และผมจะสรุปย่อให้สั้นลงอีกดังนี้
1 - 2: กำหนดเป้าหมายและเตรียม dataset
3 - 4: การเลือก model ที่เหมาะสมและ training
5 - 6: ใช้ Reinforcement Learning ในการฝึกให้ LLM มีการตอบสนองอย่างเหมาะสมและประเมินผลลัพธ์ในแต่ละ iteration
7 - 8: ปรับจูนขั้นสุดท้ายเพื่อเตรียมความพร้อม, เปิดใช้งาน, และ monitor คุณภาพและประสิทธิภาพเพื่อใช้เป็น input ในการพัฒนา model รุ่นต่อไป
ในขั้นตอนการเตรียม data ก่อนทำการ training สิ่งที่เกิดขึ้นคือการ tokenization และ Embedding ที่แปลงคำ ข้อความ หรือ บางส่วนของข้อความให้เป็น vectorหลายมิติ เพื่อให้ model สามารถรับรู้ถึงคำอื่นๆที่ใกล้เคียงและเกียวข้องในหลากหลายบริบท ซึ่งสามารถทำให้พอเห็นภาพได้จาก vector 3 มิติ ด้านล่างนี้ ซึ่งวางตำแหน่งของคำว่า King ไว้ใกล้ Queen และ Man มากกว่า Woman และ Woman ก็ยังคงอยู่ใกล้ Man และ Queen มากกว่า King
และในการ training สิ่งที่เกิดขึ้นการที่ embedded tokenized dataset ถูกส่งผ่าน transformer ที่มาพร้อมกับ Attention mechanism ซึ่งเป็น Neural Network architecture รูปแบบหนึ่งที่ใช้ในการสร้าง LLM และสิ่งที่ได้คือ probability ของคำหรือข้อความที่เกี่ยวข้องกับคำหรือข้อความที่กำลังถูกพิจารณา ภาพด้านล่างพอจะแสดงให้เห็นการทำงานแบบขั้นพื้นฐานอยู่บ้าง
เราจะหยุดการอธิบายการทำงานของ LLM ไว้เท่านี้ก่อนเพื่อไม่ให้บทความนี้ technical จนเกินไป
RAG model
ไปดูต่อกันที่ RAG ซึ่งเป็นการประยุกต์ใช้ Attention เพื่อควบคุม scope ของการตอบสนองของ LLM ด้วยคลังความรู้ที่เกี่ยวข้องและเชื่อถือได้ ซึ่งปิดจุดบอดเรื่อง Hallucination ความไม่ทันสมัยของ data ที่ใช้ในการ train LLM และเพิ่มความน่าเชื่อถือด้วยการใช้ reference ซึ่งในความเห็นของผม นี่คือจุดแรกของการที่เราจะสามารถเริ่มเรียกระบบตัวนี้ว่า AI Agent ได้แล้ว
ภาพด้านล่างแสดง Smart search ที่เพิ่มเข้ามาขั้นกลางระหว่าง User กับ LLM ซึ่งก็คือ RAG Engine ที่ดึงเอาข้อมูลจากคลังความรู้ที่เกี่ยวข้องกับ prompt ไปป้อนให้ LLM เพื่อให้ได้คำตอบที่คุณภาพดีขึ้น
การพัฒนาในส่วนนี้ยังสามารถทำให้ดีได้มากขึ้นไปอีกจากการใช้ Knowledge Graph ที่เป็นเหมือนการสรุปเอา key words ของคลังความรู้ เพื่อให้การค้นหาคำที่เกี่ยวข้องนั้นใช้ computing power น้อยลงและทำได้รวดเร็วขึ้น
แต่ข้อเสียของการใช้ knowledge graph คือเราสูญเสียการเข้าถึงคลังความรู้ที่มีความละเอียดไปและอาจทำให้พลาดการอ้างอิงบริบทบางอย่างหรือข้อมูลที่ทันสมัยกว่าข้อมูลที่ใช้ในการ train ตัว LLM ได้ ซึ่งสามารถแก้ไขได้ด้วยการผสานทั้ง Knowledge graph และคลังความรู้ที่อาจจะเล็กลงกว่าในรูปแบบแรกเพื่อความสมดุล
ซึ่งคลังความรู้แบบใหม่นี่จะเข้าไปแทนที่ของเดิมและทำให้การค้นหาข้อมูลรวดเร็วขึ้นแต่อาจจะต้องแลกมาด้วยความต้องการ memory ที่มากขึ้นเพื่อจัดเก็บทั้งข้อมูลและ Knowledge graph
ขออนุญาตแทรกขายของแบบไม่อ้อมค้อม สำหรับผู้ที่สนใจเกี่ยวกับ data storage infrastructure แบบ decentralized solution ที่ถูกออกแบบมาเพื่อรองรับ AI application โดยเฉพาะ ผมขอนำเสนอ 0G storage จาก 0G labs ที่เป็นฐานข้อมูลบน blockchain ที่เพิ่มขนาดได้อย่างไร้ขีดจำกัด และสามารถดึง data ได้อย่างรวดเร็วด้วย Dual-lane system for data management และ Layered storage architecture สามารถอ่านเพิ่มเติมได้ที่บทความแปลของผมที่ลิ้งค์นี้ครับ
0G กำลังพัฒนา Decentralized AI Operating System (dAIOS) แรกของโลกที่เป็นเหมือนกับ on-chain AWS ที่สามารถบริหารจัดการ workflow ของ AI โดยการประสานทรัพยากร storage, data availability และการคำนวณอย่างมีประสิทธิภาพผ่าน permissionless network ด้วยองค์ประกอบแบบ modular เพื่อตอบสนองความต้องการของ AI อ่านเพิ่มเติมเกี่ยวกับ 0G’s dAIOS ได้ที่ลิ้งค์นี้
การพัฒนาของ RAG ยังไม่สิ้นสุดเพียงเท่านี้ เพราะยังมีการพยายามอย่างต่อเนื่องที่จะเพิ่มประสิทธิภาพในการทำงานของ RAG Engine จากหลายๆทีมงาน ทั้งเจ้าใหญ่อย่าง OpenAI, Deepmind, หรือ Anthropic และ AI startup หลากหลาย project อีกด้วย
Contextual Retrieval Preprocessing from Claude AI
ผมจะขอยกตัวอย่าง solution ของ Anthropic ที่เป็นผู้พัฒนา Claude AI กับการเพิ่มความเข้าใจบริบทด้วย Contextual Retrieval Preprocessing ตามรูปด้านล่างครับ
ในการจัดเก็บข้อมูลในคลังความรู้ก่อน ข้อมูลจะถูกแบ่งเป็น chunk เล็กๆเพิ่อการจัดเก็บที่มีประสิทธิภาพ ที่เราเห็นใน Corpus ในรูปด้านบน ซึ่งข้อเสียของวิธีการนี้ก็คือการสูญเสียความเชื่อมโยงของบริบทเมื่อข้อมูลบางอย่างถูกตัดแบ่งออกจากกัน
สิ่งที่ Claude AI นำเสนอคือการใช้ LLM สรุปความแต่ละบทความก่อนตัดแบ่งออกเป็น chunk และเพิ่มบทสรุปนั้นไปบน chunk ด้วยเพื่อรักษาบริบทเอาไว้ การทำแบบนี้ช่วยให้ RAG Engine สามารถหาความเชื่อมโยงได้แม่นยำมากขึ้นนั่นเอง
Automatic Chain-Of-Thought
อีกหนึ่งเทคนิคในการพัฒนา LLM และ RAG Engine คือ Chain-Of-Thought ซึ่งเป็นการแบ่ง prompt ของ Users ออกเป็นส่วนย่อยๆที่เรียงกันเป็น steps จากนั้น LLM จะวางแผนเส้นทางการตอบคำถาม และดึงเอาเครื่องมือและข้อมูลที่มีมาใช้ตอบคำถามทีละ step เพื่อใช้คำตอบจาก step ที่ผ่านมาเพื่อช่วยตอยคำถามใน step ถัดไป ด้วย Automatic Chain-Of-Thought, model สามารถแบ่งคำถามเป็น steps ได้โดยอัตโนมัติ ภาพด้านล่างแสดงตัวอย่างการทำงานของ Chain-Of-Thought
การสร้าง Personality
มาถึงตรงนี้ทุกคนก็คงพอจะเดากันได้แล้ว ว่าการสร้าง personality ก็คือการ upload ข้อมูลของ lore ที่ต้องการไม่ว่าจะเป็นประวัติของ AI Agent, วิธีการใช้คำพูด, และลักษณะนิสัย และให้ RAG Engine ดึงเอาส่วนนี้ไปใช้ทุกครั้งก่อนส่งต่อไปที่ LLM เพื่อสร้างการตอบสนอง หากการตอบสนองยังไม่ดีพอการ fine-tune LLM เพื่อฝึก AI Agent ก็เป็นอีกทางเลือกหนึ่ง
เนื้อหาส่วนนี้ได้แรงบันดาลใจมากจากการสัมภาษน์ของ Jansen Teng จาก Virtuals Protocol กับ Bankless อีกครั้ง ซึ่ง Jansen ได้อธิบายถึง modules ที่เป็นดั่ง “สมอง” ของ Luna Influencer AI ที่ถูกใช้ในการวางแผนเพื่อให้บรรลุเป้าหมายในการมี 100,000 followers
ทั้ง 4 modules ประกอบไปด้วย
High-level planner module: ส่วนนี้มองไปที่เป้าหมาย รับรู้ State, Environment, และ Functions ของตัวเอง เพื่อวางแผนและตัดสินใจ ว่าจะต้องทำอะไรบ้างเพื่อให้บรรลุเป้าหมาย และส่งแผนการนี้ไปที่ Low-level planner
Low-level planner module: รับแผนการมา และแย่งย่อยแผนเป็นขั้นตอนที่สามารถ take Actions ได้ อย่างเป็นขั้นเป็นตอน เช่น หากแผนการคือการ tweet ขั้นตอน 1. เตรียมข้อความ 2. เชื่อมต่อ API 3. เรียกใช้ API เพื่อ tweet 4. เก็บสถิติ engagement etc.
Short-term working memory module: รับผิดชอบในการรักษาลำดับขั้นตอนที่ถูกต้องเพื่อให้ Actions นั้นสมเหตุสมผลกับสิ่งที่ทำไปก่อนหน้า เช่น เมื่อตั้งใจจะ tweet หลังจากเตรียมข้อความแล้ว สิ่งถัดไปก็คือการ tweet ไม่ใช่การนำข้อความไปตอบคำถามบน terminal เป็นต้น
Long-term working memory module: การเก็บ log journal เพื่อนำมาใช้ในการ self-learning ซึ่งรวมไปถึงบทสนทนา บริบท environment และ impact ของ Actions ต่อ States เพื่อนำไปใช้ในการวางแผนต่อไป
และเราสามารถดูการวางแผนต่างๆที่เป็นส่วนของ planning module ได้ที่ terminal ของ Luna
แน่นอนว่านี่เป็นเพียงส่วนหนึ่งของ cores ต่างๆที่เป็นส่วนประกอบของ AI Agent ส่วนอื่นๆที่อาจจะมีส่วนเกี่ยวข้อง ซึ่งผมอ้างอิงมาจาก docs ของ Virtuals และ *เพิ่มเติมเองด้วย ซึ่งประกอบด้วย:
Cognitive core: ส่วน “สมอง” ของ AI Agent ซึ่งประกอบไปด้วยทั้ง 4 modules ที่กล่าวถึงข้างต้น ที่กำหนดความคิดและpersonality ของตัว AI Agent ซึ่งเกิดมาจาก domain-specific datasets และการ fine-tuning LLM
*Communication core: ส่วนการสื่อสารที่ประกอบด้วย ความสามารถในการทำความเข้าใจภาษามนุษย์และสร้าง internal prompt ที่ใช้สำหรับเตรียมการสื่อสารกับ Users เช่นการเขียนข้อความหรือสิ่งที่ต้องการสื่อสารกลับผ่านรูปภาพหรือanimation ตามที่ Cognitive core เห็นสมควร
*Execution core: ส่วนแขนขาที่รวบรวมเอา Functions ที่ AI Agent สามารถทำได้ เช่น การเรียก Twitter API, การใช้งาน crypto wallet, การเรียกใช้ price forecast model, การ genearte รูป หรือ animation, etc
*Memory core: ควบคุมการจัดเก็บและดึงข้อมูลที่จะถูกใช้งานโดย Cognitive core
Learning module: ควบคุมการ self-learning ที่ใช้ในการสร้าง generalized knowledge ใหม่ซึ่งเป็นผลมาจากการทดลอง logs จากการ take Actions ต่างๆ, dataset ใหม่, และ feedback จากมนุษย์
Voice core: ควบคุมการใช้งานการโต้ตอบแบบใช้เสียง
Visual core: ควบคุมการปรากฏตัวของ AI Agent ในรูปแบบวีดีโอ หรือ animations ทั้งการแสดงออกทางสีหน้าและการแสดงท่าทาง
ซึ่งเราสามารถดูตัวอย่างการผสานงานของ core และ module ต่างๆเหล่านี้ได้ที่ diagram ของ $GAME by Virtuals ซึ่งเป็น Framework สำหรับการควบคุมพฤติกรรมของ AI Agent
ณ วันนี้ เราน่าจะพอได้เห็นตัวอย่างความสามารถของสิ่งที่ AI Agent สามารถทำได้กันบ้างแล้ว ซึ่งผมก็จะใช้ส่วนนี้ในการสรุป Use Cases ตามข้อมูลที่รวบรวมมาและแนวความคิดของผม โดยจะผนวกเข้ากับความเป็นไปได้ที่จะเกิดจากการนำ Multi-Agent system ซึ่งก่อให้เกิด Swarm Intelligence หรือ Collective Intelligence มาใช้ในการเพิ่มประสิทธิภาพของระบบโดยภาพรวมด้วย
ก่อนอื่นขอแนะนำตัว persona ซึ่งก็คือ…
NickdotAI คือ memecoin ที่ถูก CTO โดย Allora community (ไม่ใช่ Allora Labs) ที่อยากจะให้ $NICK เป็น Token ตัวแทนของ AI Agent ที่ทำอะไรซักอย่าง (ซึ่ง $NICK as a Token ก็จะยังเป็น meme ที่ไม่มี Utility) โดย Integrate สิ่งที่ Allora Network เป็นเข้ามาด้วย ซึ่ง Allora Network คือ Decentralized AI’s collective intelligence (swarms) และ Self-Improving layer ที่พร้อมเป็น Cognitive Core และ Learning Module ให้กับ NICK the Agent ซึ่งทำให้ความเป็นได้แทบจะไร้ขีดจำกัดทีเดียว
Disclaimer: ตัวอย่างด้านล่างเป็นเพียงการใช้ NICK เป็น persona เพื่อเพิ่มความน่าสนใจเท่านั้น ไม่ได้บ่งบอกถึงสิ่งที่ NICK จะพัฒนาไปเป็นแต่อย่างใด และ ณ วันที่เขียน NICK คือ meme ที่ไม่มี Agent และไม่มี Utility
AI x DeFi:
Smart Contract Automation: $NICK สามารถควบคุมและใช้งาน Smart Contract ที่ซับซ้อนให้ Users โดยอัตโนมัติ และด้วยความสามารถในการ forecast โดยการใช้ AI with Collective Intelligence จาก Allora เพื่อปรับปรุงกลยุทธ์การทำ yield farming จะสะดวกและมีประสิทธิภาพมากขึ้น จากการจัดการสภาพคล่องอัตโนมัติด้วย AI ที่สามารถตรวจสอบสภาวะตลาดแบบ real-time เช่น ความผันผวนของราคา ปริมาณการซื้อขาย และการกระจุกตัวของสภาพคล่องภายในพูล เพื่อปรับตำแหน่งสภาพคล่องแบบไดนามิก (ตัวอย่างที่มีให้เห็นแล้วคือ $MOZ ที่ใช้ in-house AI สำหรับ fund management) โดยการวิเคราะห์แนวโน้มในอดีตและข้อมูลตลาดปัจจุบัน AI สามารถคาดการณ์การเคลื่อนไหวของราคาและจัดตำแหน่งสภาพคล่องใหม่เชิงรุกอย่างเหมาะสมที่สุดเพื่อรักษาผลตอบแทนระหว่างการเปลี่ยนแปลงของตลาด (อ่าานเพิ่มเติมเกี่ยวกับการประยุกต์ใช้ Allora ในการใช้งาน Defi application ได้ที่ลิ้งค์นี้)
Dynamic Fee Management: สำหรับ Defi Protocol ที่ต้องการความยืดหยุ่นในการปรับค่าธรรมเนียมตามสถานการณ์ AI Agent ที่ integrate กับ Allora สามารถจัดการกับปัญหานี้โดยใช้ models หลายตัวในรูปแบบ Collective Intelligence เพื่อปรับค่าธรรมเนียมโดยอัตโนมัติตามประเภทผู้ใช้ การแข่งขันเสนอสภาพคล่องในตลาด และความผันผวนที่คาดการณ์ของคู่การซื้อขาย สร้างผลเชิงบวกสำหรับ DEX ต้องการเพื่อดึงดูดสภาพคล่องเพิ่มเติมเพื่อป้องกันการขาดแคลนสภาพคล่อง
Risk Assessment and Fraud Detection: โดยการบูรณาการกับ Collective Intelligence ของ Allora, $NICK สามารถประเมินความเสี่ยงแบบ real-time สำหรับการให้กู้หรือการลงทุน และตรวจจับความผิดปกติที่อาจบ่งบอกถึงการฉ้อโกง โดยใช้เทคนิคเช่น Anomaly Detection ที่เพิ่มเติมด้วยความสามารถในการเข้าใจบริบท ที่จะลดความผิดพลาดในการตรวจจับ edge cases และปรับตัวให้เข้ากับสถานการณ์แบบที่ไม่เคยเจอมาก่อนได้ดียิ่งขึ้น
Prediction market managed by AI Agents: การสร้าง AI-driven prediction นั้นพอจะมีให้เห็นมาบ้างแล้วอย่างเช่น Soccersm บน Morph L2 ที่ใช้ AI ในการทำนายผลการแข่งขันฟุตบอลและให้เป็นแนวทางสำหรับการเล่นเกมนี้บน platform ด้วยความสามารถในการรับรู้บริบทของ Allora Network และการแยก topic สำหรับเรื่องที่สนใจ มันเป็นไปได้ที่จะสร้าง AI Agent ที่มีความสามารถในการควบคุม Prediction market ในหลายหัวข้อ และยังเป็น AI Agent ที่เรียนรู้ได้จากทั้งภาพรวมของแต่ละหัวข้อและภาพย่อยของแต่ละเกมอีกด้วย การใช้งานอีกรูปแบบหนึ่งคือใช้ AI Agent หาประโยชน์จากความไม่สมบูรณ์ของเกมที่เปิดให้เล่นอยูู่ อย่างทีมงาน Robonet เคยทำสำเร็จมาแล้วกับ Polymarket’s US Presidential election
AI x Entertainment:
Personalized Content Creation: ใช้ AI Agent เพื่อสร้างหรือแนะนำเนื้อหาความบันเทิงที่ปรับแต่งตามความชอบของผู้ใช้ เช่น เพลย์ลิสต์ส่วนตัว คำแนะนำภาพยนตร์ หรือแม้กระทั่งงานศิลปะหรือ meme ที่สร้างโดย AI ตามความนิยมในชุมชน และด้วยพลังของ swarm ของ AI Agents จาก Allora Network การสร้างผลงานระดับ master piece ในแบบที่ไม่มี AI Agent ตัวใดเพียงตัวหนึ่งทำได้ ก็ดูเป็นการทดลองที่น่าสนใจมากทีเดียว
Interactive AI Characters: $NICK สามารถขับเคลื่อนตัวละครที่ควบคุมด้วย AI ในแพลตฟอร์มความบันเทิง นำเสนอประสบการณ์การโต้ตอบที่ผู้ใช้สามารถมีปฏิสัมพันธ์กับบุคลิก AI ที่พร้อมปรับเปลี่ยนไปตามสถานการณ์ $NICK สามารถสวมบทบาที่แตกต่างตาม character ที่เหมาะสมได้อย่างแม่นยำกว่า AI Agent จาก model เพียงหนึ่งเดียวซึ่งได้พิสูจน์ให้เห็นแล้วกับการทดลองเกี่ยวกับการสร้าง personality ของ AI Agent ตามมาตรฐาน MTBI ในลิ้งค์นี้
AI x Gaming:
Dynamic Game Environments: $NICK สามารถสร้างสภาพแวดล้อมในเกมที่ควบคุมด้วย AI ซึ่งปรับตัวตามพฤติกรรมของผู้เล่น สร้างประสบการณ์การเล่นเกมที่ไม่ซ้ำกันในแต่ละครั้งขณะที่เรียนรู้จากการโต้ตอบของผู้เล่นเพื่อปรับปรุงความสมดุลหรือเรื่องราวในเกม และด้วย Collective Intelligence ความหลากหลายในความเป็นไปได้ก็แทบจะไม่มีที่สิ้นสุด ด้วยความสามารถในการหยิบใช้บริบทที่ต่างกันจาก model หลากหลายตัวที่ผสานงานกันบน Allora Network
AI Opponents and Allies: ใช้ตัวแทน AI เป็น NPC คู่ต่อสู้หรือพันธมิตรในเกม โดยใช้ความสามารถในการพัฒนาตนเองของ Allora เพื่อแปลงโฉมประสบการณ์การเล่นเกมที่ทแตกต่าง ทำให้ปฏิสัมพันธ์ระหว่าง NPC เปลี่ยนไปอย่างสิ้นเชิง เป็น NPC ที่พัฒนาไปพร้อมๆกับผู้เล่นและนำเสนอเรื่องราวที่น่าสนใจและความท้าทายใหม่ได้เสมอ ราวกับเป็นเพื่อนผู้เล่นคนหนึ่งที่พร้อมผจญภัยไปด้วยกันตลอดเวลา
AI x Culture x Memes:
Meme Generation and Curation: เราสามารถใช้ AI เพื่อวิเคราะห์ trend ทางวัฒนธรรมในการสร้างหรือคัดเลือก meme ทำให้ $NICK เป็นส่วนสำคัญของวัฒนธรรม meme โดยการคาดการณ์ว่าอะไรจะได้รับความนิยมในอนาคต และด้วยความสามารถในการเรียนรู้บริบทการคาดการณ์จะแม่นยำมากขึ้น และเข้าถึงcommunityกลุ่มย่อยๆได้มากกว่า ในขณะที่ก็สามารถใช้ประโยชน์จาก trend ภาพใหญ่ไปได้พร้อมกัน ซึ่งเป็นความยืดหยุ่นที่ไม่สามารถบรรลุได้ด้วย Large model หรือ Small model เพียงตัวใดตัวหนึ่ง
AI x Assistants:
Enhanced Generic/Sector-Specific Personal Assistants: $NICK สามารถเพิ่มประสิทธิภาพ AI Agent ที่เป็นผู้ช่วยส่วนบุคคลหรือผู้ช่วยทางธุรกิจด้วยความสามารถในการเรียนรู้อันลึกซึ้งบนบริบทที่หลากหลายจาก Allora Network $NICK จะสามารถตอบสนองได้อย่างสมเหตุสมผลและเสนอช่วยเหลือล่วงหน้าตามนิสัยและความชอบของผู้ใช้แต่ละคน แถมยังสามารถดึงเอาความเชี่ยวชาญในหลากหลายด้านจาก models แต่ละตัวอย่างผสมผสานเพื่อนำเสนอ solution ราวกับมีกลุ่มผู้เชี่ยวชาญในแขนงต่างๆมาเป็นที่ปรึกษาส่วนตัว
AI x DON’T TRUST, VERIFY:
Blockchain Verification: การนำ AI มาใช้ในการตรวจสอบการทำธุรกรรม smart contract หรือความถูกต้องของข้อมูลบนเครือข่ายบล็อกเชน เพื่อให้มีความโปร่งใสและความไว้วางใจนั้นไม่ใช่เรื่องใหม่ แต่การที่เราสามรถใช้ประโยชน์จาก collective intelligence ที่จะดึงเอาความรู้จากภาพใหญ่และความเชี่ยวชาญเฉพาะระบบมาทำงานร่วมกัน จะยิ่งเสริมประสิทธิภาพการตรวจสอบให้แม่นยำมากขึ้น
Data Integrity in AI Training: เราสามารถให้ $NICK ช่วยตรวจสอบข้อมูลที่ใช้ในการฝึก AI ว่าถูกต้องและน่าเชื่อถือหรือไม่ด้วยการหาค่า correlation จาก models ต่างๆในระบบ ซึ่งลดอคติและเพิ่มความน่าเชื่อถือของโมเดล ในขณะเดียวกันก็สามารถใช้ $NICK เพื่อตรวจสอบข้อมูลที่ปลอมแปลงมาด้วยการจับ patterns ที่แตกต่างจากงานที่เป็น original ได้อีกด้วย และด้วยความสามรถมนการรับรู้บริบท ความครอบคลุมก็จะหลากหลายมากขึ้นตั้งแต่ ตรวจสอบ AI generated image / AI generated video / Deepfake ตามแต่เจตนาของผู้สร้าง
แน่นอนว่าด้านบนไม่ใช่ทั้งหมดของความเป็นไปได้ แต่เป็นสิ่งที่ผมเห็นว่าใกล้เคียงความเป็นจริงมากในระดับที่ผมสามารถจินตนาการไปถึง เรายังสามารถพูดถึงการใช้ AI ในทางการแพทย์หรือทางกฏหมายหรืออื่นๆอีกมากมายที่ผมไม่มีความเชี่ยวชาญมากพอ
Allora คือ Decentralized AI network ที่สามารถพัฒนาตัวเอง (Self-improving) ได้ด้วยการใข้ประโยชน์จาก การผสาน models ที่หลากหลายในรูปแบบ swarm ด้วย Inference synthesis mechanism ที่ก่อให้เกิด Collective Intelligence ที่ให้ผลลัพธ์ที่ดีกว่า model ที่ดีที่สุดเพียงตัวหนึ่งบน network
Allora ช่วยให้ Applications สามารถใช้ประโยชน์จาก AI ที่ฉลาดกว่าและปลอดภัยกว่าผ่าน network ของ ML models ที่พัฒนาตัวเองได้ ด้วยการรวมนวัตกรรม AI ที่ได้จาก crowdsourced intelligence, reinforcement learning, และ regret minimization
อ่านเพิ่มเติมเกี่ยวกับ Allora Network ได้ที่ลิ้งค์นี้
ในฐานะ Techno-optimist ผมตื่นเต้นมากกับการพัฒนาของ AI Agent โดยเฉพาะอย่างยิ่งในรูปแบบของ Decentralized AI ที่พัฒนากันบนโลกของ web3 และเหตุผลที่มองว่าทำไม AI Agent จะเป็น Narrative ที่ใหญ่ที่สุดในช่วงปีข้างหน้า
หลักจากการชนะเลือกตั้งประธานาธิบดีสหรัฐของ Donald Trump ปี 2025 จะเป็นปีแรกที่วงการ crypto จะไม่ถูกขัดขวางด้วยทุกวิถีทางจากผู้คุมกฏในประเทศที่มีพลังอำนาจสูงสุดในปัจจุบันและนั้นหมายถึงการที่ประเทศอื่นๆจะตามปรับตัวตามไปด้วย เราจะได้เห็นการเกิดขึ้นและเติบโตของ web3 projects อย่างที่ไม่เคยเห็นมาก่อน crypto OG จำนวนมากฝันถึง Defi Renaissance ที่กำลังจะมาถึงและผมก็เชื่อเช่นกันว่ามันจะมาถึงจริงๆ แต่ปัญหาของ web3 ในด้านประสบการณ์ใช้งานก็ยังอยู่ ซึ่งจะทำให้การเกิด adoption ช้าลงไป อีกทั้งยังมีคู่แข่งที่คุมตลาดไว้แล้วอย่าง Tradfi ที่ก็คงจะพยายามทำทุกวิถีทางเพื่อป้องกันการเสียส่วนแบ่งการตลาดเดิม และแย่งชิงส่วนแบ่งการตลาด Digital Assets อย่างที่เราก็ได้เห็นกันแล้วจากการออก ETF ในปี 2024
แต่ AI Agent นั้นแตกต่างออกไป เพราะนี่คือน่านน้ำใหม่ที่ยังไม่มีผู้ชนะหรือเจ้าถิ่นเดิม แม้ Big tech จะเป็นผู้นำอย่างเห็นได้ชัดในด้านการให้บริการ LLM แต่ applications ในระดับผู้ใช้งานทั่วไปในชีวิตประจำวันก็ยังจำกัดอยู่มาก และผู้เล่น web 2 ส่วนมากก็เป็น start-up ซึ่งไม่ต่างอะไรกับ web 3 และด้วยธรรมชาติของ application เหล่านี้ที่อาศัยอยู่บนโลก Internet ประสบการณ์การใช้งานที่นอกเหนือไปจากการเริ่มต้นครั้งแรกก็แทบจะไม่ต่างกัน อีกทั้ง web 3 AI Agent มีข้อได้เปรียบจากการมี Meme culture ที่คอยหนุนหลังและให้ feedback ต่อ project ทั้งโดยตรงผ่านคอมเม้นต์ต่างๆ และโดยอ้อมผ่าน price action ยิ่งเสริมให้ improvement iteration ของ web 3 AI Agent พัฒนาได้รวดเร็วมากขึ้นไปอีก
และก็เป็น AI Agent เองนี่แหละที่จะเข้ามาแก้ปัญหา UX ของโลก crypto ผ่านควาามเป็นไปได้อย่าง Intent-solver หรือ AI Agent Personal Assistant ที่จะช่วย drive adoption ให้ sector อื่นๆบน web 3 และนั้นก็หมายถึงว่า AI Agent จะได้รับทั้งกำลังใจและแรงสนับสนุนจากทั้งวงการเพื่อดันให้ web 3 AI Agent ดึงดูด real-world adoption เข้ามาใช้งาน Decentralized applications
นอกเหนือไปจากนั้นการที่ web 3 native AI Agent สามารถถือครองและเข้าถึง wallet ได้นั้นก็สร้างความเป็นไปได้ใหม่ๆในด้านความร่วมมือต่างตอบแทนระหว่าง Agent ที่ web 2 AI Agent ทำได้ยากลำบากด้วยข้อจำกัดของ payment rail ซึ่งจะทำให้ web 3 AI Agent สามารถพัฒนาไปสู่ Level ที่สูงกว่า 3 ได้รวดเร็วกว่าอีกด้วย
ผมมองว่าการพัฒนาของ AI Agent ในปี 2025 จะเป็นไปอย่างก้าวกระโดด เพราะจะมีทั้ง organic growth ทางด้านเทคโนโลยี แรงสนับสนุนจากทั้งวงการ และกำแพงที่ต่ำกว่า sector อื่นๆ และ AI Agent จะไม่ใช่เพียง price goes up narrative แต่เป็น enabler ที่จะพาวงการ crypto เดินไปข้างหน้าสู่ mass adoption พร้อมๆกัน