Si l'avenir de l'Internet se transforme en un marché où des agents d'IA se paient mutuellement des services, alors dans une certaine mesure, les produits et marchés grand public que les crypto-monnaies réaliseront seront en adéquation avec cela, ce qui était auparavant un rêve. Bien que j'ai confiance dans le fait que des paiements pour services émergeront entre agents d'IA, je reste réservé quant à la possibilité que le modèle de marché l'emporte.
Le terme "marché" fait référence à un écosystème décentralisé et sans autorisation, composé d'agents indépendants et coordonnés de manière lâche. Un tel Internet ressemble davantage à un marché ouvert qu'à un système planifié centralement. Le cas le plus typique de "succès" est Linux. En revanche, le modèle de la "cathédrale" est un système de services intégrés verticalement et contrôlé par quelques grands acteurs, avec Windows comme représentant typique. (Le terme provient de l'article classique d'Eric Raymond, "La cathédrale et le marché", qui décrit le développement open source comme apparemment chaotique mais adaptable. C'est un système évolutif qui, au fil du temps, peut surpasser des systèmes soigneusement conçus.)
Analysons un par un les deux prérequis pour réaliser cette vision, à savoir la généralisation des paiements par agents intelligents et l'émergence d'une économie de type marché. Ensuite, expliquons pourquoi, lorsque ces deux éléments deviennent réalité, les cryptomonnaies ne sont pas seulement pratiques, mais deviennent également indispensables.
Condition 1 : Les paiements seront intégrés dans la plupart des transactions des agents
Le modèle de subvention des coûts de l'internet que nous connaissons repose sur le placement de publicités en fonction du nombre de visites humaines sur les pages d'application. Mais dans un monde dominé par des agents intelligents, les humains n'auront plus besoin de visiter personnellement des sites pour obtenir des services en ligne. Les applications se tourneront également de plus en plus vers une architecture basée sur des agents intelligents, plutôt que sur le modèle traditionnel d'interface utilisateur.
Les agents intelligents n'ont pas d'"yeux" disponibles pour la vente de publicités (c'est-à-dire l'attention des utilisateurs), donc les applications ont un besoin urgent de transformer leur stratégie de profit pour facturer directement des frais de service aux agents intelligents. Cela ressemble essentiellement au modèle commercial actuel des API. Prenons LinkedIn comme exemple, son service de base est gratuit, mais si vous souhaitez appeler son API (c'est-à-dire l'interface utilisateur "robot"), vous devez payer les frais correspondants.
Il apparaît donc que les systèmes de paiement seront probablement intégrés à la plupart des transactions des agents. Lorsqu'un agent fournit un service, il facturera des frais aux utilisateurs ou à d'autres agents sous forme de microtransactions. Par exemple : vous pourriez demander à votre agent personnel de rechercher d'excellents candidats pour un poste sur LinkedIn, à ce moment-là, votre agent personnel interagira avec l'agent de recrutement de LinkedIn, qui facturera à l'avance les frais de service correspondants.
Condition 2 : Les utilisateurs dépendront d'agents construits par des développeurs indépendants, dotés d'invites, de données et d'outils hautement spécialisés. Ces agents formeront une sorte de "marché" grâce à l'appel mutuel des services, mais il n'existe pas de relation de confiance entre les agents de ce marché.
Cette condition a du sens en théorie, mais je ne suis pas sûr de son fonctionnement dans la pratique.
Voici les raisons pour lesquelles le mode marché sera formé :
Actuellement, l'humanité assume la grande majorité des travaux de service, et nous résolvons des tâches spécifiques via Internet. Mais avec l'émergence des agents intelligents, la portée des tâches que la technologie peut prendre en charge connaîtra une expansion exponentielle. Les utilisateurs auront besoin d'agents intelligents capables de fournir des instructions spécifiques, d'appeler des outils et de soutenir des données pour accomplir des tâches particulières. La diversité des ensembles de tâches sera bien supérieure à la capacité de couverture d'un petit nombre d'entreprises de confiance, tout comme l'iPhone doit s'appuyer sur un écosystème massif de développeurs tiers pour libérer tout son potentiel.
Les développeurs indépendants assumeront ce rôle, en combinant des coûts de développement très bas (comme Vide Coding) avec des modèles open source, leur permettant de créer des agents intelligents spécialisés. Cela donnera naissance à un marché de longue traîne composé d'agents dans d'innombrables domaines de spécialisation, formant un écosystème semblable à un marché. Lorsque les utilisateurs demandent à un agent d'exécuter une tâche, ces agents appellent d'autres agents possédant des compétences spécifiques pour travailler en collaboration, et les agents appelés continueront à appeler des agents encore plus spécialisés, formant ainsi un réseau de collaboration en chaîne progressif.
Dans ce scénario de place de marché, la grande majorité des proxys qui fournissent des services sont relativement peu fiables les uns des autres, car ils sont fournis par des développeurs inconnus et sont utilisés à des fins de niche. Les agents à long terme auront du mal à se forger une réputation suffisante pour obtenir une approbation de confiance. Ce problème de confiance sera particulièrement important dans le modèle en guirlande, lorsque le service est délégué couche par couche, et que le proxy de service s’éloigne de plus en plus de l’agent auquel l’utilisateur a initialement fait confiance (ou même de l’agent que l’utilisateur peut raisonnablement identifier), la confiance de l’utilisateur diminuera progressivement à chaque lien délégué.
Cependant, lorsqu'on considère comment mettre cela en pratique, de nombreuses questions restent en suspens :
Commençons par les données professionnelles comme un des principaux cas d'application des agents intelligents sur le marché, en approfondissant notre compréhension à travers des cas concrets. Supposons qu'il existe un petit cabinet d'avocats traitant un grand nombre de transactions pour des clients en cryptomonnaie, et que cette institution ait accumulé des centaines de listes de clauses négociées. Si vous êtes une entreprise de cryptomonnaie en phase de financement de démarrage, vous pouvez imaginer un tel scénario : un agent intelligent affiné sur la base de ces listes de clauses, capable d'évaluer efficacement si vos conditions de financement sont conformes aux normes du marché, ce qui aurait une valeur pratique importante.
Mais nous devons réfléchir plus en profondeur : est-ce que le fait que les cabinets d'avocats fournissent des services de raisonnement sur ce type de données par le biais d'agents intelligents est réellement dans leur intérêt ?
L’ouverture du service au public sous la forme d’une API banalise essentiellement les données propriétaires du cabinet d’avocats, et la véritable aspiration commerciale du cabinet d’avocats est d’obtenir un revenu premium grâce au temps de service professionnel de l’avocat. Du point de vue de la réglementation juridique, les données juridiques de grande valeur sont souvent soumises à des obligations de confidentialité strictes, ce qui est au cœur de leur valeur commerciale, et c’est aussi une raison importante pour laquelle les modèles publics tels que ChatGPT ne peuvent pas obtenir ces données. Même si le réseau de neurones présente les caractéristiques de « l’atomisation de l’information », dans le cadre des obligations de confidentialité avocat-client, l’inexplicable de la boîte noire algorithmique suffit-elle à donner au cabinet d’avocats l’assurance que des informations sensibles ne seront pas divulguées ? Il y a d’importantes répercussions sur la conformité.
En tenant compte de l'ensemble des facteurs, la stratégie optimale pour les cabinets d'avocats pourrait être de déployer des modèles d'IA en interne afin d'améliorer la précision et l'efficacité des services juridiques, de construire un avantage concurrentiel différencié dans le secteur des services professionnels, et de continuer à faire des avocats le capital intellectuel central de leur modèle de profit, plutôt que de prendre le risque de monétiser des actifs de données.
À mon avis, les "meilleures applications" des données professionnelles et des agents intelligents doivent répondre à trois conditions :
Les données ont une grande valeur commerciale
Provenant d'industries non sensibles (non médicales/juridiques, etc.)
"Sous-produits de données" qui ne relèvent pas de l'activité principale.
Prenons l'exemple d'une compagnie maritime (secteur non sensible), les données générées au cours de son processus de transport logistique, telles que la localisation des navires, le volume de fret, le turnover des ports ("déchets de données" en dehors des activités principales), pourraient avoir de la valeur pour les fonds de couverture sur les matières premières en prédisant les tendances du marché. La clé de la monétisation de ce type de données réside dans le fait que le coût marginal d'acquisition des données tend vers zéro et qu'il n'implique pas de secrets commerciaux cruciaux. Des scénarios similaires peuvent exister dans des domaines tels que : les cartes thermiques des flux de clients dans le commerce de détail (évaluation de l'immobilier commercial), les données de consommation d'électricité des entreprises de réseau (prévisions de l'indice de production industrielle), et les données de comportement de visionnage des utilisateurs sur les plateformes de films et de séries (analyse des tendances culturelles), etc.
Les cas typiques connus incluent les compagnies aériennes vendant des données de ponctualité aux plateformes de tourisme, des institutions de cartes de crédit vendant des rapports sur les tendances de consommation régionales aux détaillants, etc.
Concernant les mots-clés et les appels d'outils, je ne suis pas sûr des valeurs que les développeurs indépendants peuvent offrir qui n'ont pas été commercialisées par des marques grand public. Ma logique simple est la suivante : si une combinaison de mot-clé et d'appel d'outil a suffisamment de valeur pour permettre à un développeur indépendant de réaliser un profit, les grandes marques de confiance ne vont-elles pas entrer directement sur le marché pour la commercialiser ?
Cela peut provenir de mon manque d'imagination, les petits dépôts de code avec une distribution en longue traîne sur GitHub offrent une bonne analogie pour l'écosystème des agents, n'hésitez pas à partager des cas concrets.
Si les conditions réelles ne soutiennent pas le modèle de marché, alors la grande majorité des agents fournissant des services aura une relative crédibilité, car ils seront développés par des marques reconnues. Ces agents peuvent limiter la portée des interactions à un ensemble d'agents de confiance sélectionnés, en appliquant une garantie de service par le biais d'un mécanisme de chaîne de confiance.
Pourquoi les cryptomonnaies sont-elles indispensables ?
Si Internet devenait un marché composé d'agents spécialisés mais fondamentalement peu fiables (condition 2), ces agents étant rémunérés pour les services qu'ils fournissent (condition 1), alors le rôle des cryptomonnaies deviendrait beaucoup plus clair : elles offrent la garantie de confiance nécessaire pour soutenir les transactions dans un environnement à faible confiance.
Lorsque les utilisateurs utilisent des services en ligne gratuits, ils s'engagent sans hésitation (car le pire résultat est simplement de perdre du temps), mais lorsqu'il s'agit de transactions financières, les utilisateurs exigent fermement une garantie de "paiement contre service". Actuellement, les utilisateurs réalisent cette garantie par un processus de "faire confiance puis vérifier", en faisant confiance à l'autre partie de la transaction ou à la plateforme de service lors du paiement, puis en vérifiant la conformité après l'achèvement du service.
Mais dans un marché composé de nombreux agents, la confiance et la vérification a posteriori seront beaucoup moins faciles à réaliser que dans d'autres scénarios.
Confiance. Comme mentionné précédemment, les agents situés dans une distribution en longue traîne auront du mal à accumuler une réputation suffisante pour gagner la confiance des autres agents.
Validation postérieure. Les agents s'appelleront mutuellement dans une longue structure en chaîne, rendant le travail de vérification manuelle par les utilisateurs et l'identification des agents défaillants ou malhonnêtes beaucoup plus difficiles.
La clé est que le modèle "faire confiance mais vérifier" sur lequel nous comptons actuellement ne sera pas durable dans cet écosystème (technique). Et c'est précisément dans ce domaine que la technologie cryptographique brille, car elle permet d'effectuer des échanges de valeur dans un environnement sans confiance. La technologie cryptographique remplace la dépendance à la confiance, aux systèmes de réputation et aux vérifications manuelles postérieures dans le modèle traditionnel grâce à la double garantie des mécanismes de vérification cryptographique et des incitations économiques cryptographiques.
Vérification cryptographique : Les agents exécutant le service ne peuvent être rémunérés que s'ils sont en mesure de fournir une preuve cryptographique à l'agent demandeur du service, confirmant qu'ils ont accompli la tâche promise. Par exemple, l'agent peut prouver, par le biais d'un environnement d'exécution de confiance (TEE) ou d'une preuve de couche de transport de connaissance nulle (zkTLS) (à condition que nous puissions réaliser ce type de vérification à un coût suffisamment bas ou à une vitesse suffisamment rapide), qu'il a effectivement extrait des données d'un site Web spécifié, exécuté un modèle spécifique ou contribué un certain montant de ressources de calcul. Ce type de travail possède des caractéristiques déterministes et peut être vérifié relativement facilement par des techniques cryptographiques.
Économie des cryptomonnaies : Les agents de services d'exécution doivent mettre en gage un certain actif, et en cas de fraude, ils seront pénalisés. Ce mécanisme garantit un comportement honnête par le biais d'incitations économiques, même dans un environnement sans confiance. Par exemple, un agent peut étudier un sujet et soumettre un rapport, mais comment juger de sa "performance exceptionnelle" ? C'est une forme de vérifiabilité plus complexe, car elle n'est pas déterministe, et atteindre une vérifiabilité floue précise a longtemps été l'objectif ultime des projets cryptographiques.
Mais je crois qu'en utilisant l'IA comme arbitre neutre, nous avons enfin l'espoir d'atteindre une vérifiabilité floue. Nous pouvons envisager que, dans des environnements de confiance minimisée comme les environnements d'exécution de confiance, un comité d'IA gère le règlement des litiges et les processus de confiscation. Lorsqu'un agent remet en question le travail d'un autre agent, chaque IA du comité reçoit les données d'entrée, les résultats de sortie et les informations contextuelles pertinentes (y compris son historique de litiges sur le réseau, ses travaux passés, etc.) de cet agent. Ensuite, elles peuvent décider si une confiscation doit être appliquée. Cela formera un mécanisme de vérification optimiste qui, par des incitations économiques, empêchera fondamentalement les comportements frauduleux des parties participantes.
D'un point de vue pratique, les cryptomonnaies nous permettent de réaliser l'atomicité des paiements grâce à la preuve de service, c'est-à-dire que tout le travail doit être vérifié et complété avant que l'agent AI puisse être récompensé. Dans l'économie des agents sans autorisation d'entrée, c'est la seule solution évolutive qui peut garantir une sécurité fiable aux bords du réseau.
En résumé, si la grande majorité des transactions d'agents n'impliquent pas de paiement d'argent (c'est-à-dire ne remplissent pas la condition 1) ou sont effectuées avec des marques fiables (c'est-à-dire ne remplissent pas la condition 2), alors nous n'avons peut-être pas besoin de mettre en place un canal de paiement en cryptomonnaie pour les agents. Cela est dû au fait que lorsque les fonds sont en sécurité, les utilisateurs ne se soucient pas d'interagir avec des parties non fiables ; et lorsque des transactions financières sont impliquées, les agents doivent simplement limiter les objets interactifs à une liste blanche restreinte de marques et d'institutions fiables, et utiliser une chaîne de confiance pour garantir l'exécution des promesses des services fournis par chaque agent.
Mais si ces deux conditions sont remplies, les cryptomonnaies deviendront une infrastructure indispensable, car elles sont le seul moyen de valider à grande échelle le travail et d'imposer des paiements dans un environnement à faible confiance et sans autorisation. La technologie de cryptage a donné au "marché" un outil de concurrence dépassant celui de la "cathédrale".
Voir l'original
Le contenu est fourni à titre de référence uniquement, il ne s'agit pas d'une sollicitation ou d'une offre. Aucun conseil en investissement, fiscalité ou juridique n'est fourni. Consultez l'Avertissement pour plus de détails sur les risques.
"Le marché" dépasse "la cathédrale", comment les cryptoactifs deviennent-ils la pierre angulaire de la confiance dans l'économie des agents IA ?
Traduit par : Tim,
Si l'avenir de l'Internet se transforme en un marché où des agents d'IA se paient mutuellement des services, alors dans une certaine mesure, les produits et marchés grand public que les crypto-monnaies réaliseront seront en adéquation avec cela, ce qui était auparavant un rêve. Bien que j'ai confiance dans le fait que des paiements pour services émergeront entre agents d'IA, je reste réservé quant à la possibilité que le modèle de marché l'emporte.
Le terme "marché" fait référence à un écosystème décentralisé et sans autorisation, composé d'agents indépendants et coordonnés de manière lâche. Un tel Internet ressemble davantage à un marché ouvert qu'à un système planifié centralement. Le cas le plus typique de "succès" est Linux. En revanche, le modèle de la "cathédrale" est un système de services intégrés verticalement et contrôlé par quelques grands acteurs, avec Windows comme représentant typique. (Le terme provient de l'article classique d'Eric Raymond, "La cathédrale et le marché", qui décrit le développement open source comme apparemment chaotique mais adaptable. C'est un système évolutif qui, au fil du temps, peut surpasser des systèmes soigneusement conçus.)
Analysons un par un les deux prérequis pour réaliser cette vision, à savoir la généralisation des paiements par agents intelligents et l'émergence d'une économie de type marché. Ensuite, expliquons pourquoi, lorsque ces deux éléments deviennent réalité, les cryptomonnaies ne sont pas seulement pratiques, mais deviennent également indispensables.
Condition 1 : Les paiements seront intégrés dans la plupart des transactions des agents
Le modèle de subvention des coûts de l'internet que nous connaissons repose sur le placement de publicités en fonction du nombre de visites humaines sur les pages d'application. Mais dans un monde dominé par des agents intelligents, les humains n'auront plus besoin de visiter personnellement des sites pour obtenir des services en ligne. Les applications se tourneront également de plus en plus vers une architecture basée sur des agents intelligents, plutôt que sur le modèle traditionnel d'interface utilisateur.
Les agents intelligents n'ont pas d'"yeux" disponibles pour la vente de publicités (c'est-à-dire l'attention des utilisateurs), donc les applications ont un besoin urgent de transformer leur stratégie de profit pour facturer directement des frais de service aux agents intelligents. Cela ressemble essentiellement au modèle commercial actuel des API. Prenons LinkedIn comme exemple, son service de base est gratuit, mais si vous souhaitez appeler son API (c'est-à-dire l'interface utilisateur "robot"), vous devez payer les frais correspondants.
Il apparaît donc que les systèmes de paiement seront probablement intégrés à la plupart des transactions des agents. Lorsqu'un agent fournit un service, il facturera des frais aux utilisateurs ou à d'autres agents sous forme de microtransactions. Par exemple : vous pourriez demander à votre agent personnel de rechercher d'excellents candidats pour un poste sur LinkedIn, à ce moment-là, votre agent personnel interagira avec l'agent de recrutement de LinkedIn, qui facturera à l'avance les frais de service correspondants.
Condition 2 : Les utilisateurs dépendront d'agents construits par des développeurs indépendants, dotés d'invites, de données et d'outils hautement spécialisés. Ces agents formeront une sorte de "marché" grâce à l'appel mutuel des services, mais il n'existe pas de relation de confiance entre les agents de ce marché.
Cette condition a du sens en théorie, mais je ne suis pas sûr de son fonctionnement dans la pratique.
Voici les raisons pour lesquelles le mode marché sera formé :
Actuellement, l'humanité assume la grande majorité des travaux de service, et nous résolvons des tâches spécifiques via Internet. Mais avec l'émergence des agents intelligents, la portée des tâches que la technologie peut prendre en charge connaîtra une expansion exponentielle. Les utilisateurs auront besoin d'agents intelligents capables de fournir des instructions spécifiques, d'appeler des outils et de soutenir des données pour accomplir des tâches particulières. La diversité des ensembles de tâches sera bien supérieure à la capacité de couverture d'un petit nombre d'entreprises de confiance, tout comme l'iPhone doit s'appuyer sur un écosystème massif de développeurs tiers pour libérer tout son potentiel.
Les développeurs indépendants assumeront ce rôle, en combinant des coûts de développement très bas (comme Vide Coding) avec des modèles open source, leur permettant de créer des agents intelligents spécialisés. Cela donnera naissance à un marché de longue traîne composé d'agents dans d'innombrables domaines de spécialisation, formant un écosystème semblable à un marché. Lorsque les utilisateurs demandent à un agent d'exécuter une tâche, ces agents appellent d'autres agents possédant des compétences spécifiques pour travailler en collaboration, et les agents appelés continueront à appeler des agents encore plus spécialisés, formant ainsi un réseau de collaboration en chaîne progressif.
Dans ce scénario de place de marché, la grande majorité des proxys qui fournissent des services sont relativement peu fiables les uns des autres, car ils sont fournis par des développeurs inconnus et sont utilisés à des fins de niche. Les agents à long terme auront du mal à se forger une réputation suffisante pour obtenir une approbation de confiance. Ce problème de confiance sera particulièrement important dans le modèle en guirlande, lorsque le service est délégué couche par couche, et que le proxy de service s’éloigne de plus en plus de l’agent auquel l’utilisateur a initialement fait confiance (ou même de l’agent que l’utilisateur peut raisonnablement identifier), la confiance de l’utilisateur diminuera progressivement à chaque lien délégué.
Cependant, lorsqu'on considère comment mettre cela en pratique, de nombreuses questions restent en suspens :
Commençons par les données professionnelles comme un des principaux cas d'application des agents intelligents sur le marché, en approfondissant notre compréhension à travers des cas concrets. Supposons qu'il existe un petit cabinet d'avocats traitant un grand nombre de transactions pour des clients en cryptomonnaie, et que cette institution ait accumulé des centaines de listes de clauses négociées. Si vous êtes une entreprise de cryptomonnaie en phase de financement de démarrage, vous pouvez imaginer un tel scénario : un agent intelligent affiné sur la base de ces listes de clauses, capable d'évaluer efficacement si vos conditions de financement sont conformes aux normes du marché, ce qui aurait une valeur pratique importante.
Mais nous devons réfléchir plus en profondeur : est-ce que le fait que les cabinets d'avocats fournissent des services de raisonnement sur ce type de données par le biais d'agents intelligents est réellement dans leur intérêt ?
L’ouverture du service au public sous la forme d’une API banalise essentiellement les données propriétaires du cabinet d’avocats, et la véritable aspiration commerciale du cabinet d’avocats est d’obtenir un revenu premium grâce au temps de service professionnel de l’avocat. Du point de vue de la réglementation juridique, les données juridiques de grande valeur sont souvent soumises à des obligations de confidentialité strictes, ce qui est au cœur de leur valeur commerciale, et c’est aussi une raison importante pour laquelle les modèles publics tels que ChatGPT ne peuvent pas obtenir ces données. Même si le réseau de neurones présente les caractéristiques de « l’atomisation de l’information », dans le cadre des obligations de confidentialité avocat-client, l’inexplicable de la boîte noire algorithmique suffit-elle à donner au cabinet d’avocats l’assurance que des informations sensibles ne seront pas divulguées ? Il y a d’importantes répercussions sur la conformité.
En tenant compte de l'ensemble des facteurs, la stratégie optimale pour les cabinets d'avocats pourrait être de déployer des modèles d'IA en interne afin d'améliorer la précision et l'efficacité des services juridiques, de construire un avantage concurrentiel différencié dans le secteur des services professionnels, et de continuer à faire des avocats le capital intellectuel central de leur modèle de profit, plutôt que de prendre le risque de monétiser des actifs de données.
À mon avis, les "meilleures applications" des données professionnelles et des agents intelligents doivent répondre à trois conditions :
Prenons l'exemple d'une compagnie maritime (secteur non sensible), les données générées au cours de son processus de transport logistique, telles que la localisation des navires, le volume de fret, le turnover des ports ("déchets de données" en dehors des activités principales), pourraient avoir de la valeur pour les fonds de couverture sur les matières premières en prédisant les tendances du marché. La clé de la monétisation de ce type de données réside dans le fait que le coût marginal d'acquisition des données tend vers zéro et qu'il n'implique pas de secrets commerciaux cruciaux. Des scénarios similaires peuvent exister dans des domaines tels que : les cartes thermiques des flux de clients dans le commerce de détail (évaluation de l'immobilier commercial), les données de consommation d'électricité des entreprises de réseau (prévisions de l'indice de production industrielle), et les données de comportement de visionnage des utilisateurs sur les plateformes de films et de séries (analyse des tendances culturelles), etc.
Les cas typiques connus incluent les compagnies aériennes vendant des données de ponctualité aux plateformes de tourisme, des institutions de cartes de crédit vendant des rapports sur les tendances de consommation régionales aux détaillants, etc.
Concernant les mots-clés et les appels d'outils, je ne suis pas sûr des valeurs que les développeurs indépendants peuvent offrir qui n'ont pas été commercialisées par des marques grand public. Ma logique simple est la suivante : si une combinaison de mot-clé et d'appel d'outil a suffisamment de valeur pour permettre à un développeur indépendant de réaliser un profit, les grandes marques de confiance ne vont-elles pas entrer directement sur le marché pour la commercialiser ?
Cela peut provenir de mon manque d'imagination, les petits dépôts de code avec une distribution en longue traîne sur GitHub offrent une bonne analogie pour l'écosystème des agents, n'hésitez pas à partager des cas concrets.
Si les conditions réelles ne soutiennent pas le modèle de marché, alors la grande majorité des agents fournissant des services aura une relative crédibilité, car ils seront développés par des marques reconnues. Ces agents peuvent limiter la portée des interactions à un ensemble d'agents de confiance sélectionnés, en appliquant une garantie de service par le biais d'un mécanisme de chaîne de confiance.
Pourquoi les cryptomonnaies sont-elles indispensables ?
Si Internet devenait un marché composé d'agents spécialisés mais fondamentalement peu fiables (condition 2), ces agents étant rémunérés pour les services qu'ils fournissent (condition 1), alors le rôle des cryptomonnaies deviendrait beaucoup plus clair : elles offrent la garantie de confiance nécessaire pour soutenir les transactions dans un environnement à faible confiance.
Lorsque les utilisateurs utilisent des services en ligne gratuits, ils s'engagent sans hésitation (car le pire résultat est simplement de perdre du temps), mais lorsqu'il s'agit de transactions financières, les utilisateurs exigent fermement une garantie de "paiement contre service". Actuellement, les utilisateurs réalisent cette garantie par un processus de "faire confiance puis vérifier", en faisant confiance à l'autre partie de la transaction ou à la plateforme de service lors du paiement, puis en vérifiant la conformité après l'achèvement du service.
Mais dans un marché composé de nombreux agents, la confiance et la vérification a posteriori seront beaucoup moins faciles à réaliser que dans d'autres scénarios.
Confiance. Comme mentionné précédemment, les agents situés dans une distribution en longue traîne auront du mal à accumuler une réputation suffisante pour gagner la confiance des autres agents.
Validation postérieure. Les agents s'appelleront mutuellement dans une longue structure en chaîne, rendant le travail de vérification manuelle par les utilisateurs et l'identification des agents défaillants ou malhonnêtes beaucoup plus difficiles.
La clé est que le modèle "faire confiance mais vérifier" sur lequel nous comptons actuellement ne sera pas durable dans cet écosystème (technique). Et c'est précisément dans ce domaine que la technologie cryptographique brille, car elle permet d'effectuer des échanges de valeur dans un environnement sans confiance. La technologie cryptographique remplace la dépendance à la confiance, aux systèmes de réputation et aux vérifications manuelles postérieures dans le modèle traditionnel grâce à la double garantie des mécanismes de vérification cryptographique et des incitations économiques cryptographiques.
Vérification cryptographique : Les agents exécutant le service ne peuvent être rémunérés que s'ils sont en mesure de fournir une preuve cryptographique à l'agent demandeur du service, confirmant qu'ils ont accompli la tâche promise. Par exemple, l'agent peut prouver, par le biais d'un environnement d'exécution de confiance (TEE) ou d'une preuve de couche de transport de connaissance nulle (zkTLS) (à condition que nous puissions réaliser ce type de vérification à un coût suffisamment bas ou à une vitesse suffisamment rapide), qu'il a effectivement extrait des données d'un site Web spécifié, exécuté un modèle spécifique ou contribué un certain montant de ressources de calcul. Ce type de travail possède des caractéristiques déterministes et peut être vérifié relativement facilement par des techniques cryptographiques.
Économie des cryptomonnaies : Les agents de services d'exécution doivent mettre en gage un certain actif, et en cas de fraude, ils seront pénalisés. Ce mécanisme garantit un comportement honnête par le biais d'incitations économiques, même dans un environnement sans confiance. Par exemple, un agent peut étudier un sujet et soumettre un rapport, mais comment juger de sa "performance exceptionnelle" ? C'est une forme de vérifiabilité plus complexe, car elle n'est pas déterministe, et atteindre une vérifiabilité floue précise a longtemps été l'objectif ultime des projets cryptographiques.
Mais je crois qu'en utilisant l'IA comme arbitre neutre, nous avons enfin l'espoir d'atteindre une vérifiabilité floue. Nous pouvons envisager que, dans des environnements de confiance minimisée comme les environnements d'exécution de confiance, un comité d'IA gère le règlement des litiges et les processus de confiscation. Lorsqu'un agent remet en question le travail d'un autre agent, chaque IA du comité reçoit les données d'entrée, les résultats de sortie et les informations contextuelles pertinentes (y compris son historique de litiges sur le réseau, ses travaux passés, etc.) de cet agent. Ensuite, elles peuvent décider si une confiscation doit être appliquée. Cela formera un mécanisme de vérification optimiste qui, par des incitations économiques, empêchera fondamentalement les comportements frauduleux des parties participantes.
D'un point de vue pratique, les cryptomonnaies nous permettent de réaliser l'atomicité des paiements grâce à la preuve de service, c'est-à-dire que tout le travail doit être vérifié et complété avant que l'agent AI puisse être récompensé. Dans l'économie des agents sans autorisation d'entrée, c'est la seule solution évolutive qui peut garantir une sécurité fiable aux bords du réseau.
En résumé, si la grande majorité des transactions d'agents n'impliquent pas de paiement d'argent (c'est-à-dire ne remplissent pas la condition 1) ou sont effectuées avec des marques fiables (c'est-à-dire ne remplissent pas la condition 2), alors nous n'avons peut-être pas besoin de mettre en place un canal de paiement en cryptomonnaie pour les agents. Cela est dû au fait que lorsque les fonds sont en sécurité, les utilisateurs ne se soucient pas d'interagir avec des parties non fiables ; et lorsque des transactions financières sont impliquées, les agents doivent simplement limiter les objets interactifs à une liste blanche restreinte de marques et d'institutions fiables, et utiliser une chaîne de confiance pour garantir l'exécution des promesses des services fournis par chaque agent.
Mais si ces deux conditions sont remplies, les cryptomonnaies deviendront une infrastructure indispensable, car elles sont le seul moyen de valider à grande échelle le travail et d'imposer des paiements dans un environnement à faible confiance et sans autorisation. La technologie de cryptage a donné au "marché" un outil de concurrence dépassant celui de la "cathédrale".