Podjąłem operację, która wydawała mi się trochę ryzykowna w perspektywie późniejszej.
Dwa miesiące temu stakowałem AI Agenta skoncentrowanego na analizie nastrojów w rynku kryptowalut w ekosystemie @OpenLedger . Kwota nie była duża, ale wystarczająca, aby poważnie zbadać, jak to wszystko działa.
Po przeanalizowaniu, uważam, że ten mechanizm jest znacznie bardziej skomplikowany, niż się spodziewałem — skomplikowane miejsce, które jest dokładnie najczęściej niedocenianym elementem całej logiki blockchain AI.
Co oznacza stakowanie AI Agenta
Najpierw wyjaśnijmy podstawową logikę tej sprawy.
W projekcie #OpenLedger AI Agent nie działa za darmo. Każdy, kto chce wdrożyć Agenta na łańcuchu i oferować usługi na zewnątrz, musi stakować określoną ilość tokenów OPEN. To stakowanie nie jest opłatą transakcyjną ani prostym progiem dostępu, to forma gwarancji ekonomicznej.
W białej księdze opisano ten mechanizm w bardzo bezpośredni sposób: staking agenta może być ukarany slash — jeśli ten agent nie spełnia wymagań lub działa w złej wierze, stakowane tokeny zostaną pomniejszone.
Kiedy po raz pierwszy to przeczytałem, zatrzymałem się na chwilę.
To oznacza, że wdrożenie złego agenta ma ekonomiczne konsekwencje. Nie chodzi o to, że użytkownicy będą narzekać, ani o negatywne opinie, ale o to, że twoje pieniądze zostaną utracone.
Podstawowa logika tego projektu jest isomorficzna z mechanizmem slash validatorów Ethereum — używanie kar ekonomicznych w celu dostosowania motywacji do zachowań. Różnica polega na tym, że tutaj nie karze się problemów z bezpieczeństwem sieci, ale jakość usług AI.
To jest projekt, którego nie widziałem na żadnej innej platformie AI.
Rzeczy, które zauważyłem po zainwestowaniu w staking
Wybrany przeze mnie agent analizy emocji ma stały próg wymagań stakingowych. Po spełnieniu wymogów otrzymałem odpowiednie prawo głosu i kwalifikację do podziału zysków.
W ciągu następnych sześciu tygodni będę co kilka dni sprawdzać rejestr wykonania tego agenta na łańcuchu. Jest kilka rzeczy, które szczególnie zwróciły moją uwagę:
Pierwszą rzeczą jest gęstość rejestrów na łańcuchu. Każde wywołanie tego agenta dokumentuje dane wejściowe, kroki wnioskowania i wyniki, ale te rejestry nie są intuicyjne dla przeciętnego użytkownika. Zajęło mi trochę czasu, aby zrozumieć, jak powiązać surowe dane łańcuchowe z rzeczywistym zachowaniem agenta. To jest problem z doświadczeniem produktu, nie z mechanizmem, ale dla kogoś, kto chce poważnie monitorować swoją pozycję stakingową, obecnie rzeczywiście istnieje bariera.
Drugą sprawą jest asymetria informacji między stakerami a deweloperami agentów. Kiedy stakowałem, specyfikacje techniczne agenta były dość ogólne, głównie polegając na ocenach społeczności i historii wywołań, aby ocenić jakość. To źródło informacji jest niedokładne. Jeśli deweloper agenta w początkowej fazie sztucznie zwiększy liczbę wywołań, a później jego wyniki będą niedostateczne, stakerzy w wczesnym etapie będą mieli trudności z wykryciem tego. Ten mechanizm ujawniania informacji wymaga jeszcze poprawy.
Trzecia sprawa, która mnie najbardziej interesuje: warunki wyzwalające slash na poziomie protokołu są obecnie zbyt ogólne. Obecne sformułowanie brzmi "niedostateczne wyniki lub złośliwe działania", ale co to oznacza, że wyniki są niedostateczne? Dla agenta analizy emocji, czy to oznacza, że dokładność prognoz jest poniżej jakiegoś progu? A może opóźnienie odpowiedzi przekracza jakiś standard? Jeśli te kryteria oceny nie są wystarczająco jasne, mechanizm slash staje się narzędziem odstraszającym, które istnieje, ale rzadko jest wykorzystywane, co znacznie osłabia jego siłę odstraszającą.
Głębsze pytanie
Od dłuższego czasu myślę o stakingu agenta AI w kontekście całego projektu OpenLedger.
W białej księdze znajduje się opis mechanizmu koła zamachowego systemu: więcej wysokiej jakości agentów przyciąga więcej zapytań, więcej zapytań generuje więcej zysków, a więcej zysków motywuje do wdrożenia większej liczby wysokiej jakości agentów.
Czy to koło zamachowe naprawdę się zakręci, mechanizm slash jest jednym z kluczowych zmiennych.
Powód jest prosty: bez ekonomicznych kar, wdrożenie agenta, który ledwo działa, jest bezkosztowe. Ekosystem będzie wypełniony agentami o różnej jakości, co pogorszy doświadczenie użytkowników, a koło zamachowe się nie zakręci. Dzięki mechanizmowi slash, deweloperzy przed wdrożeniem agenta dokładnie ocenią, czy ich produkt jest wystarczająco dobry, ponieważ wdrożenie złego agenta wiąże się z realnym kosztem.
Ta logika jest teoretycznie czysta. Ale na poziomie wykonawczym jest wiele szczegółów do dopracowania.
Moja ocena
Po tym jak zainwestowałem w staking, zadałem sobie pytanie: jeśli ten agent zostanie ukarany slash, czy moja strata będzie tego warta?
Moja odpowiedź brzmi — ta strata sama w sobie nie jest ważna, ważne jest, że istnienie tego mechanizmu zmienia motywacje deweloperów agentów.
Jeśli mechanizm slash jest poważnie wdrażany, jakość agentów w ekosystemie będzie na wyższym poziomie niż w świecie bez tego mechanizmu. Moje pieniądze, które zainwestowałem w staking, w pewnym sensie płacą za ten mechanizm selekcji.
Projekt badawczy OpenLedger we współpracy z Centrum Blockchain Uniwersytetu Cambridge, który wynosi 5 milionów dolarów, ma na celu między innymi badanie, jak zbudować bardziej rygorystyczny system weryfikacji jakości wkładów AI. Z tej perspektywy, dopracowanie mechanizmu slash może być jednym z problemów, które te badania mają na celu rozwiązanie. The Defiant
Ale teraz ten mechanizm wciąż znajduje się w stosunkowo surowej, wczesnej formie.
Nadal mam w stakingu. Nie dlatego, że jestem pewien, że będzie działał prawidłowo, ale ponieważ to jeden z najbardziej poważnych projektów w zakresie jakości usług AI, jakie do tej pory widziałem.
