【英文长推】Web 4.0 将是人工智能代理网络(Agentic Web)
Chainfeeds 导读:
人工智能通过机器学习和神经网络增强人类的认知能力,区块链技术引入了可验证的数字稀缺性,实现了去信任协调方式。它们正在为互联网下一个迭代奠定基础 —— 自治代理与去中心化系统进行交互。这种「代理网络」引入了一类新的数字居民:可以独立导航、协商和交易的人工智能代理。
文章来源:
https://x.com/magicofazi/status/1852397476738945156
文章作者:
Azi.eth.sol | zo.me
观点:
Azi.eth.sol | zo.me:网络的每次迭代都以不同的功能和架构范例为标志:前两代网络专注于信息传播,后两代则支持信息增强。Web 3.0 通过代币引入了数据所有权,而 Web 4.0 通过大语言模型(LLMs)注入了智能。代理架构对于研究人员和开发者来说是一次巨大的探索。新的方法不断被开发出来,以增强推理和解决问题的能力: - Chain-of-Thought(CoT)提示鼓励 LLMs 将复杂任务分解为更小的、可处理的步骤。这种方法对于需要逻辑推理的问题特别有效,如编写 Python 脚本或求解数学方程。 - Tree-of-Thoughts(ToT)建立在 CoT 的基础上,引入了允许探索多个独立思维路径的树状结构,使 LLMs 能处理更复杂的任务。 - Graph-of-Thought(GoT)通过将经典数据结构与 LLMs 结合,进一步发展了这一概念,允许任何「思维」链接到图结构内的任何其他思维。 与代理系统相关的五个关键挑战: - 通过交叉验证客服幻觉:单个 LLM 代理经常会产生错觉,产生不正确或无意义的信息,尽管接受了大量训练。多代理系统允许代理交叉验证信息,从而降低错误风险。通过专注于不同领域,代理能提供更可靠和准确的回复。 - 利用分布式处理扩展上下文窗口:LLMs 的上下文窗口有限,难以处理较长文档或对话。在多代理框架下,代理可以划分处理负载,每个代理处理一部分上下文,通过代理间通信保持整个文本的连贯性,有效地扩展上下文窗口。 - 通过并行处理提升效率:单个 LLM 通常一次处理一个任务,导致响应时间较慢。多代理系统支持并行处理,允许多个代理同时处理不同任务,从而提高效率并加快响应速度,使企业能处理多个查询。 - 促进解决复杂问题的协作:单个 LLM 很难解决需要不同专业知识的复杂问题。多代理系统促进协作,每个代理贡献独特的技能和观点,可以更有效地应对复杂挑战,提供更全面和创新的解决方案。 - 通过资源优化提高可访问性:高级 LLM 需要大量计算资源,昂贵且不以访问。多代理框架通过在代理间分配任务来优化资源使用,从而降低总体计算成本,使 AI 技术更加经济实惠且易于使用。 人工智能在数字领域的扩散正在推动计算架构的根本性重组。随着智能融入我们日常数字交互的结构中,我们正在见证计算的自然分叉:专用数据中心负责复杂推理和特定领域任务,而边缘设备则在本地处理个性化的、上下文敏感的查询。这种向边缘推理的转变不仅一种架构偏好,而是由多个关键因素驱动的必然要求。 - 首先,AI 驱动的交互数量之大会压垮集中式推理提供商,造成不可持续的带宽需求和延迟问题。 - 其次,边缘处理能实现实时响应,这对于自动驾驶、增强现实和物联网设备等应用至关重要。 - 第三,本地推理通过将敏感数据保存在个人设备上来保护用户隐私。 - 第四,边缘计算通过最大限度地减少跨网络的数据传输,显著降低了能耗和碳排放。 - 最后,边缘推理可实现离线功能和弹性,确保即使网络连接不佳,AI 功能也能持续存在。【原文为英文】
内容来源免责声明:文章中的所有内容仅代表作者的观点,与本平台无关。用户不应以本文作为投资决策的参考。