Se no futuro a internet evoluir para um mercado onde serviços são pagos entre agentes de IA, então, de certa forma, as criptomoedas se alinharão com produtos e mercados mainstream, algo que antes só podíamos sonhar que acontecesse. Embora eu esteja confiante de que haverá pagamento por serviços entre agentes de IA, ainda sou cauteloso quanto à possibilidade do modelo de mercado prevalecer.
O que eu chamo de "mercado" refere-se a um ecossistema descentralizado e sem permissão, composto por agentes independentes e coordenados de forma solta. Essa internet se assemelha mais a um mercado aberto do que a um sistema de planejamento central. O exemplo mais típico de "sucesso" é o Linux. Em contraste, temos o modelo da "catedral": um sistema de serviços verticalmente integrado e controlado por poucos gigantes, com o Windows como representante típico. (O termo vem do artigo clássico de Eric Raymond, "A Catedral e o Mercado", que descreve o desenvolvimento de código aberto como aparentemente caótico, mas adaptável. É um sistema evolutivo que, com o tempo, pode superar sistemas cuidadosamente projetados.)
Vamos analisar um a um os dois pré-requisitos para a realização desta visão: a popularização dos pagamentos por agentes inteligentes e a ascensão da economia de mercado. Depois, explicaremos por que, quando ambos se tornam uma realidade, as criptomoedas não apenas têm utilidade, mas também se tornam uma presença indispensável.
Condição 1: Os pagamentos serão integrados na maioria das transações de agência
O modelo de subsídio de custo da internet que conhecemos depende da exibição de anúncios com base no número de visualizações humanas nas páginas de aplicativos. Mas em um mundo dominado por agentes inteligentes, os humanos não precisarão mais visitar sites pessoalmente para obter serviços online. Os aplicativos também se voltarão cada vez mais para uma arquitetura baseada em agentes inteligentes, em vez do modelo tradicional de interface do usuário.
Os agentes inteligentes não têm "olhos" (ou seja, atenção dos usuários) disponíveis para vender publicidade, portanto, os aplicativos precisam urgentemente mudar sua estratégia de monetização, passando a cobrar diretamente dos agentes por serviços. Isso é essencialmente semelhante ao modelo de negócios atual das APIs. Tomemos o LinkedIn como exemplo; seus serviços básicos são gratuitos, mas para acessar sua API (ou seja, a interface do usuário "bot"), é necessário pagar a taxa correspondente.
Desta forma, é muito provável que o sistema de pagamento seja integrado na maioria das transações de agentes. Ao fornecer serviços, os agentes cobrarão taxas dos usuários ou de outros agentes na forma de microtransações. Por exemplo: você pode pedir ao seu agente pessoal para encontrar excelentes candidatos a emprego no LinkedIn, e nesse caso, o seu agente pessoal interagirá com o agente de recrutamento do LinkedIn, que cobrará antecipadamente a respectiva taxa de serviço.
Condição dois: Os usuários dependerão de agentes construídos por desenvolvedores independentes, que possuem dicas, dados e ferramentas altamente especializadas, e esses agentes formarão uma forma de "mercado" através da chamada mútua de serviços, mas não há relação de confiança entre os agentes nesse mercado.
Esta condição faz sentido teoricamente, mas não tenho certeza de como funcionará na prática.
As razões pelas quais o modo de mercado será formado:
Atualmente, a humanidade assume a maior parte do trabalho de serviços, resolvemos tarefas específicas através da Internet. Mas com o surgimento de agentes inteligentes, o alcance das tarefas que a tecnologia pode assumir irá expandir exponencialmente. Os usuários precisarão de agentes inteligentes com instruções específicas, capacidade de invocar ferramentas e suporte de dados para realizar tarefas específicas, e a diversidade desse conjunto de tarefas superará em muito a capacidade de cobertura de algumas empresas confiáveis, assim como o iPhone deve depender de um vasto ecossistema de desenvolvedores de terceiros para liberar todo o seu potencial.
Os desenvolvedores independentes assumirão esse papel, obtendo a capacidade de criar agentes inteligentes especializados através da combinação de custos de desenvolvimento extremamente baixos (como Vide Coding) com modelos de código aberto. Isso dará origem a um mercado de cauda longa composto por agentes de nichos massivos, formando um ecossistema semelhante a um mercado. Quando os usuários solicitam que um agente execute uma tarefa, esses agentes chamam outros agentes com habilidades profissionais específicas para trabalhar em conjunto; os agentes convocados, por sua vez, continuarão a chamar agentes ainda mais verticais, formando assim uma rede de colaboração em cadeia.
Neste cenário de mercado, a grande maioria dos proxies que fornecem serviços são relativamente pouco confiáveis uns pelos outros porque são fornecidos por desenvolvedores desconhecidos e são usados para um propósito de nicho. Os agentes na extremidade de cauda longa terão dificuldade em construir reputação suficiente para ganhar um endosso confiável. Esse problema de confiança será particularmente proeminente no modelo daisy-chain, quando o serviço é delegado camada por camada, e como o proxy de serviço está cada vez mais longe do agente em que o usuário inicialmente confiava (ou mesmo do agente que o usuário pode razoavelmente identificar), a confiança do usuário decairá gradualmente em cada link delegado.
No entanto, ao considerar como implementar isso na prática, ainda existem muitas questões em aberto:
Vamos começar com dados profissionais como um dos principais cenários de aplicação de agentes inteligentes no mercado, aprofundando a compreensão através de casos concretos. Suponha que exista um pequeno escritório de advocacia que lida com um grande volume de transações para clientes de criptomoeda, e essa instituição acumulou centenas de listas de termos negociados. Se você é uma empresa de criptomoeda que está em uma rodada de financiamento seed, pode imaginar um cenário em que um agente modelo ajustado com base nessas listas de termos consegue avaliar efetivamente se os seus termos de financiamento estão de acordo com os padrões de mercado, o que terá um valor prático significativo.
Mas precisamos pensar mais profundamente: será que os escritórios de advogados realmente beneficiam-se de fornecer serviços de inferência sobre esses dados através de agentes inteligentes?
Abrir este serviço ao público na forma de API, na prática, transforma os dados proprietários do escritório de advocacia em um produto comercial, enquanto a verdadeira demanda comercial do escritório é obter receitas premium através do tempo de serviço profissional dos advogados. Sob a perspectiva da regulamentação legal, dados jurídicos de alto valor são frequentemente restritos por obrigações de confidencialidade rigorosas, que são o núcleo do seu valor comercial e a razão pela qual modelos públicos como o ChatGPT não conseguem acessar esses dados. Mesmo que as redes neurais possuam características de "fogginess" da informação, dentro do quadro de obrigações de confidencialidade entre advogado e cliente, a mera ineficácia explicativa do algoritmo é suficiente para garantir ao escritório que informações sensíveis não serão vazadas? Isso apresenta um grande risco de conformidade.
Considerando todos os fatores, a melhor estratégia para o escritório de advocacia pode ser implementar modelos de IA internamente para melhorar a precisão e eficiência dos serviços jurídicos, construindo uma vantagem competitiva diferenciada no setor de serviços profissionais, mantendo o capital intelectual dos advogados como o principal modelo de lucro, em vez de arriscar a monetização de ativos de dados.
Na minha opinião, os "melhores cenários de aplicação" de dados profissionais e agentes inteligentes devem satisfazer três condições:
Os dados têm alto valor comercial
Proveniente de setores não sensíveis (não médico/jurídico, etc.)
"Subprodutos de dados" que pertencem a atividades principais.
Por exemplo, as empresas de transporte marítimo (indústrias não sensíveis) podem ter valor na previsão de tendências de mercado para fundos de hedge de commodities por meio de dados como posicionamento de navios, volume de frete e volume de negócios portuário gerados no processo de logística e transporte ("desperdício de dados" fora de seu negócio principal). A chave para monetizar esse tipo de dados é que o custo marginal da aquisição de dados é próximo de zero e não envolve segredos comerciais centrais. Cenários semelhantes podem existir em áreas como o mapa de calor das linhas de fluxo de passageiros no setor de varejo (avaliação de imóveis comerciais), os dados regionais de consumo de eletricidade de empresas de rede elétrica (previsão de índice de produção industrial) e os dados de comportamento de visualização de plataformas de cinema e televisão (análise de tendências culturais).
Os casos típicos conhecidos atualmente incluem companhias aéreas que vendem dados de pontualidade a plataformas de turismo e instituições de cartões de crédito que vendem relatórios de tendências de consumo regional a varejistas.
Sobre as palavras-chave e chamadas de ferramentas, não tenho certeza de que valor os desenvolvedores independentes podem oferecer que não tenha sido comercializado pelos grandes produtos de marca. A minha lógica simples é: se uma combinação de palavra-chave e chamada de ferramenta tem valor suficiente para permitir que os desenvolvedores independentes tenham lucro, não é verdade que grandes marcas confiáveis não entrariam diretamente no mercado para comercializá-la?
Isto pode resultar da minha falta de imaginação, os repositórios de código de nicho com distribuição de cauda longa no GitHub oferecem uma boa analogia para a ecologia dos agentes, sintam-se à vontade para compartilhar casos concretos.
Se as condições reais não suportarem o modelo de mercado, a grande maioria dos agentes que oferecem serviços terá uma credibilidade relativamente alta, pois serão desenvolvidos por marcas conhecidas. Esses agentes podem limitar o escopo da interação a um conjunto de agentes confiáveis selecionados, aplicando um mecanismo de cadeia de confiança para garantir a prestação de serviços.
Por que as criptomoedas são indispensáveis?
Se a internet se tornar um mercado composto por intermediários especializados, mas basicamente não confiáveis (condição 2), que recebem recompensas por oferecer serviços (condição 1), então o papel das criptomoedas se tornará muito mais claro: elas fornecem a garantia de confiança necessária para sustentar transações em um ambiente de baixa confiança.
Quando os utilizadores utilizam serviços online gratuitos, eles investem sem receios (porque o pior resultado é apenas perder tempo), mas quando se trata de transações financeiras, os utilizadores exigem fortemente a garantia de "pagar é receber". Atualmente, os utilizadores alcançam essa garantia através do processo de "primeiro confiar, depois verificar", confiando no contraparte ou na plataforma de serviços ao efetuar o pagamento, e, após a conclusão do serviço, verificam a conformidade.
Mas em um mercado composto por muitos agentes, a confiança e a verificação posterior serão muito mais difíceis de alcançar do que em outros cenários.
Confiança. Como mencionado anteriormente, os agentes em uma distribuição de cauda longa terão dificuldade em acumular credibilidade suficiente para ganhar a confiança de outros agentes.
Verificação posterior. Os agentes irão chamar-se mutuamente em uma longa estrutura em cadeia, portanto, a dificuldade dos usuários em verificar manualmente o trabalho e identificar qual agente falhou ou agiu de maneira inadequada aumentará significativamente.
A chave é que o modelo de "confiar, mas verificar" em que atualmente dependemos não será sustentável nesse ecossistema (tecnológico). E é exatamente nesse campo que a tecnologia criptográfica brilha, pois permite a troca de valor em um ambiente sem confiança. A tecnologia criptográfica substitui a dependência de confiança, sistemas de reputação e verificações manuais posteriores do modelo tradicional, através da dupla garantia dos mecanismos de verificação criptográfica e dos incentivos da economia criptográfica.
Validação criptográfica: A parte agente que executa o serviço só pode receber recompensas após fornecer uma prova criptográfica à parte agente que solicita o serviço, confirmando que completou a tarefa prometida. Por exemplo, a parte agente pode usar uma prova de Ambiente de Execução Confiável (TEE) ou uma prova de Camada de Transporte de Conhecimento Zero (zkTLS) (desde que possamos realizar essa validação a um custo suficientemente baixo ou em uma velocidade suficientemente rápida), para confirmar que realmente extraiu dados de um site específico, executou um modelo específico ou contribuiu com uma quantidade específica de recursos de computação. Esse tipo de trabalho possui características determinísticas, podendo ser validado de forma relativamente conveniente por meio de tecnologia criptográfica.
Economia da senha: A execução de serviços por um agente requer a penhora de um determinado ativo, e uma vez que a trapaça seja descoberta, será confiscado. Este mecanismo garante comportamentos honestos através de incentivos econômicos, funcionando mesmo em ambientes onde a confiança não é necessária. Por exemplo, um agente pode pesquisar um determinado tema e submeter um relatório, mas como podemos julgar se ele ‘realizou o trabalho com excelência’? Esta é uma forma mais complexa de verificabilidade, pois não é determinística, e alcançar uma verificabilidade nebulosa precisa tem sido o objetivo final dos projetos criptográficos por muito tempo.
Mas eu acredito que, ao usar a IA como um árbitro neutro, finalmente temos a esperança de alcançar a verificabilidade difusa. Podemos imaginar que, em ambientes de minimização de confiança, como os ambientes de execução confiável, um comitê de IA gerencia a resolução de disputas e os processos de confisco. Quando um agente questiona o trabalho de outro agente, cada IA no comitê recebe os dados de entrada, os resultados de saída e as informações de contexto relevantes (incluindo seu histórico de disputas na rede, trabalhos anteriores, etc.). Então, elas podem decidir se o confisco deve ser aplicado. Isso formará um mecanismo de verificação otimista, que, por meio de incentivos econômicos, fundamentalmente impede comportamentos desonestos das partes envolvidas.
Do ponto de vista prático, as criptomoedas permitem-nos realizar a atomicidade dos pagamentos através da prova de serviço, ou seja, todo o trabalho deve ser verificado e concluído antes que o agente de IA possa ser recompensado. Na economia de agentes sem necessidade de licença de acesso, esta é a única solução escalável que pode garantir fiabilidade na periferia da rede.
Resumindo, se a grande maioria das transações de corretagem não envolver pagamentos (ou seja, não atender à condição 1) ou forem realizadas com marcas confiáveis (ou seja, não atender à condição 2), então pode não ser necessário construir um canal de pagamento em criptomoedas para os corretores. Isso ocorre porque, quando os fundos estão seguros, os usuários não se importam de interagir com partes não confiáveis; e quando há transações financeiras envolvidas, o corretor deve limitar os objetos interativos a uma lista restrita de marcas e instituições confiáveis, e garantir o cumprimento das promessas dos serviços prestados por meio de uma cadeia de confiança.
Mas se ambas as condições forem cumpridas, a criptomoeda se tornará uma infraestrutura indispensável, pois é a única maneira de validar o trabalho e forçar pagamentos em escala em um ambiente de baixa confiança e sem permissão. A criptografia deu ao "bazar" uma ferramenta competitiva que supera a "catedral".
Ver original
O conteúdo é apenas para referência, não uma solicitação ou oferta. Nenhum aconselhamento fiscal, de investimento ou jurídico é fornecido. Consulte a isenção de responsabilidade para obter mais informações sobre riscos.
"Mercado" supera "Catedral", como é que os ativos de criptografia se tornaram a pedra angular de confiança da economia de agentes de IA?
Compilado por: Tim,
Se no futuro a internet evoluir para um mercado onde serviços são pagos entre agentes de IA, então, de certa forma, as criptomoedas se alinharão com produtos e mercados mainstream, algo que antes só podíamos sonhar que acontecesse. Embora eu esteja confiante de que haverá pagamento por serviços entre agentes de IA, ainda sou cauteloso quanto à possibilidade do modelo de mercado prevalecer.
O que eu chamo de "mercado" refere-se a um ecossistema descentralizado e sem permissão, composto por agentes independentes e coordenados de forma solta. Essa internet se assemelha mais a um mercado aberto do que a um sistema de planejamento central. O exemplo mais típico de "sucesso" é o Linux. Em contraste, temos o modelo da "catedral": um sistema de serviços verticalmente integrado e controlado por poucos gigantes, com o Windows como representante típico. (O termo vem do artigo clássico de Eric Raymond, "A Catedral e o Mercado", que descreve o desenvolvimento de código aberto como aparentemente caótico, mas adaptável. É um sistema evolutivo que, com o tempo, pode superar sistemas cuidadosamente projetados.)
Vamos analisar um a um os dois pré-requisitos para a realização desta visão: a popularização dos pagamentos por agentes inteligentes e a ascensão da economia de mercado. Depois, explicaremos por que, quando ambos se tornam uma realidade, as criptomoedas não apenas têm utilidade, mas também se tornam uma presença indispensável.
Condição 1: Os pagamentos serão integrados na maioria das transações de agência
O modelo de subsídio de custo da internet que conhecemos depende da exibição de anúncios com base no número de visualizações humanas nas páginas de aplicativos. Mas em um mundo dominado por agentes inteligentes, os humanos não precisarão mais visitar sites pessoalmente para obter serviços online. Os aplicativos também se voltarão cada vez mais para uma arquitetura baseada em agentes inteligentes, em vez do modelo tradicional de interface do usuário.
Os agentes inteligentes não têm "olhos" (ou seja, atenção dos usuários) disponíveis para vender publicidade, portanto, os aplicativos precisam urgentemente mudar sua estratégia de monetização, passando a cobrar diretamente dos agentes por serviços. Isso é essencialmente semelhante ao modelo de negócios atual das APIs. Tomemos o LinkedIn como exemplo; seus serviços básicos são gratuitos, mas para acessar sua API (ou seja, a interface do usuário "bot"), é necessário pagar a taxa correspondente.
Desta forma, é muito provável que o sistema de pagamento seja integrado na maioria das transações de agentes. Ao fornecer serviços, os agentes cobrarão taxas dos usuários ou de outros agentes na forma de microtransações. Por exemplo: você pode pedir ao seu agente pessoal para encontrar excelentes candidatos a emprego no LinkedIn, e nesse caso, o seu agente pessoal interagirá com o agente de recrutamento do LinkedIn, que cobrará antecipadamente a respectiva taxa de serviço.
Condição dois: Os usuários dependerão de agentes construídos por desenvolvedores independentes, que possuem dicas, dados e ferramentas altamente especializadas, e esses agentes formarão uma forma de "mercado" através da chamada mútua de serviços, mas não há relação de confiança entre os agentes nesse mercado.
Esta condição faz sentido teoricamente, mas não tenho certeza de como funcionará na prática.
As razões pelas quais o modo de mercado será formado:
Atualmente, a humanidade assume a maior parte do trabalho de serviços, resolvemos tarefas específicas através da Internet. Mas com o surgimento de agentes inteligentes, o alcance das tarefas que a tecnologia pode assumir irá expandir exponencialmente. Os usuários precisarão de agentes inteligentes com instruções específicas, capacidade de invocar ferramentas e suporte de dados para realizar tarefas específicas, e a diversidade desse conjunto de tarefas superará em muito a capacidade de cobertura de algumas empresas confiáveis, assim como o iPhone deve depender de um vasto ecossistema de desenvolvedores de terceiros para liberar todo o seu potencial.
Os desenvolvedores independentes assumirão esse papel, obtendo a capacidade de criar agentes inteligentes especializados através da combinação de custos de desenvolvimento extremamente baixos (como Vide Coding) com modelos de código aberto. Isso dará origem a um mercado de cauda longa composto por agentes de nichos massivos, formando um ecossistema semelhante a um mercado. Quando os usuários solicitam que um agente execute uma tarefa, esses agentes chamam outros agentes com habilidades profissionais específicas para trabalhar em conjunto; os agentes convocados, por sua vez, continuarão a chamar agentes ainda mais verticais, formando assim uma rede de colaboração em cadeia.
Neste cenário de mercado, a grande maioria dos proxies que fornecem serviços são relativamente pouco confiáveis uns pelos outros porque são fornecidos por desenvolvedores desconhecidos e são usados para um propósito de nicho. Os agentes na extremidade de cauda longa terão dificuldade em construir reputação suficiente para ganhar um endosso confiável. Esse problema de confiança será particularmente proeminente no modelo daisy-chain, quando o serviço é delegado camada por camada, e como o proxy de serviço está cada vez mais longe do agente em que o usuário inicialmente confiava (ou mesmo do agente que o usuário pode razoavelmente identificar), a confiança do usuário decairá gradualmente em cada link delegado.
No entanto, ao considerar como implementar isso na prática, ainda existem muitas questões em aberto:
Vamos começar com dados profissionais como um dos principais cenários de aplicação de agentes inteligentes no mercado, aprofundando a compreensão através de casos concretos. Suponha que exista um pequeno escritório de advocacia que lida com um grande volume de transações para clientes de criptomoeda, e essa instituição acumulou centenas de listas de termos negociados. Se você é uma empresa de criptomoeda que está em uma rodada de financiamento seed, pode imaginar um cenário em que um agente modelo ajustado com base nessas listas de termos consegue avaliar efetivamente se os seus termos de financiamento estão de acordo com os padrões de mercado, o que terá um valor prático significativo.
Mas precisamos pensar mais profundamente: será que os escritórios de advogados realmente beneficiam-se de fornecer serviços de inferência sobre esses dados através de agentes inteligentes?
Abrir este serviço ao público na forma de API, na prática, transforma os dados proprietários do escritório de advocacia em um produto comercial, enquanto a verdadeira demanda comercial do escritório é obter receitas premium através do tempo de serviço profissional dos advogados. Sob a perspectiva da regulamentação legal, dados jurídicos de alto valor são frequentemente restritos por obrigações de confidencialidade rigorosas, que são o núcleo do seu valor comercial e a razão pela qual modelos públicos como o ChatGPT não conseguem acessar esses dados. Mesmo que as redes neurais possuam características de "fogginess" da informação, dentro do quadro de obrigações de confidencialidade entre advogado e cliente, a mera ineficácia explicativa do algoritmo é suficiente para garantir ao escritório que informações sensíveis não serão vazadas? Isso apresenta um grande risco de conformidade.
Considerando todos os fatores, a melhor estratégia para o escritório de advocacia pode ser implementar modelos de IA internamente para melhorar a precisão e eficiência dos serviços jurídicos, construindo uma vantagem competitiva diferenciada no setor de serviços profissionais, mantendo o capital intelectual dos advogados como o principal modelo de lucro, em vez de arriscar a monetização de ativos de dados.
Na minha opinião, os "melhores cenários de aplicação" de dados profissionais e agentes inteligentes devem satisfazer três condições:
Por exemplo, as empresas de transporte marítimo (indústrias não sensíveis) podem ter valor na previsão de tendências de mercado para fundos de hedge de commodities por meio de dados como posicionamento de navios, volume de frete e volume de negócios portuário gerados no processo de logística e transporte ("desperdício de dados" fora de seu negócio principal). A chave para monetizar esse tipo de dados é que o custo marginal da aquisição de dados é próximo de zero e não envolve segredos comerciais centrais. Cenários semelhantes podem existir em áreas como o mapa de calor das linhas de fluxo de passageiros no setor de varejo (avaliação de imóveis comerciais), os dados regionais de consumo de eletricidade de empresas de rede elétrica (previsão de índice de produção industrial) e os dados de comportamento de visualização de plataformas de cinema e televisão (análise de tendências culturais).
Os casos típicos conhecidos atualmente incluem companhias aéreas que vendem dados de pontualidade a plataformas de turismo e instituições de cartões de crédito que vendem relatórios de tendências de consumo regional a varejistas.
Sobre as palavras-chave e chamadas de ferramentas, não tenho certeza de que valor os desenvolvedores independentes podem oferecer que não tenha sido comercializado pelos grandes produtos de marca. A minha lógica simples é: se uma combinação de palavra-chave e chamada de ferramenta tem valor suficiente para permitir que os desenvolvedores independentes tenham lucro, não é verdade que grandes marcas confiáveis não entrariam diretamente no mercado para comercializá-la?
Isto pode resultar da minha falta de imaginação, os repositórios de código de nicho com distribuição de cauda longa no GitHub oferecem uma boa analogia para a ecologia dos agentes, sintam-se à vontade para compartilhar casos concretos.
Se as condições reais não suportarem o modelo de mercado, a grande maioria dos agentes que oferecem serviços terá uma credibilidade relativamente alta, pois serão desenvolvidos por marcas conhecidas. Esses agentes podem limitar o escopo da interação a um conjunto de agentes confiáveis selecionados, aplicando um mecanismo de cadeia de confiança para garantir a prestação de serviços.
Por que as criptomoedas são indispensáveis?
Se a internet se tornar um mercado composto por intermediários especializados, mas basicamente não confiáveis (condição 2), que recebem recompensas por oferecer serviços (condição 1), então o papel das criptomoedas se tornará muito mais claro: elas fornecem a garantia de confiança necessária para sustentar transações em um ambiente de baixa confiança.
Quando os utilizadores utilizam serviços online gratuitos, eles investem sem receios (porque o pior resultado é apenas perder tempo), mas quando se trata de transações financeiras, os utilizadores exigem fortemente a garantia de "pagar é receber". Atualmente, os utilizadores alcançam essa garantia através do processo de "primeiro confiar, depois verificar", confiando no contraparte ou na plataforma de serviços ao efetuar o pagamento, e, após a conclusão do serviço, verificam a conformidade.
Mas em um mercado composto por muitos agentes, a confiança e a verificação posterior serão muito mais difíceis de alcançar do que em outros cenários.
Confiança. Como mencionado anteriormente, os agentes em uma distribuição de cauda longa terão dificuldade em acumular credibilidade suficiente para ganhar a confiança de outros agentes.
Verificação posterior. Os agentes irão chamar-se mutuamente em uma longa estrutura em cadeia, portanto, a dificuldade dos usuários em verificar manualmente o trabalho e identificar qual agente falhou ou agiu de maneira inadequada aumentará significativamente.
A chave é que o modelo de "confiar, mas verificar" em que atualmente dependemos não será sustentável nesse ecossistema (tecnológico). E é exatamente nesse campo que a tecnologia criptográfica brilha, pois permite a troca de valor em um ambiente sem confiança. A tecnologia criptográfica substitui a dependência de confiança, sistemas de reputação e verificações manuais posteriores do modelo tradicional, através da dupla garantia dos mecanismos de verificação criptográfica e dos incentivos da economia criptográfica.
Validação criptográfica: A parte agente que executa o serviço só pode receber recompensas após fornecer uma prova criptográfica à parte agente que solicita o serviço, confirmando que completou a tarefa prometida. Por exemplo, a parte agente pode usar uma prova de Ambiente de Execução Confiável (TEE) ou uma prova de Camada de Transporte de Conhecimento Zero (zkTLS) (desde que possamos realizar essa validação a um custo suficientemente baixo ou em uma velocidade suficientemente rápida), para confirmar que realmente extraiu dados de um site específico, executou um modelo específico ou contribuiu com uma quantidade específica de recursos de computação. Esse tipo de trabalho possui características determinísticas, podendo ser validado de forma relativamente conveniente por meio de tecnologia criptográfica.
Economia da senha: A execução de serviços por um agente requer a penhora de um determinado ativo, e uma vez que a trapaça seja descoberta, será confiscado. Este mecanismo garante comportamentos honestos através de incentivos econômicos, funcionando mesmo em ambientes onde a confiança não é necessária. Por exemplo, um agente pode pesquisar um determinado tema e submeter um relatório, mas como podemos julgar se ele ‘realizou o trabalho com excelência’? Esta é uma forma mais complexa de verificabilidade, pois não é determinística, e alcançar uma verificabilidade nebulosa precisa tem sido o objetivo final dos projetos criptográficos por muito tempo.
Mas eu acredito que, ao usar a IA como um árbitro neutro, finalmente temos a esperança de alcançar a verificabilidade difusa. Podemos imaginar que, em ambientes de minimização de confiança, como os ambientes de execução confiável, um comitê de IA gerencia a resolução de disputas e os processos de confisco. Quando um agente questiona o trabalho de outro agente, cada IA no comitê recebe os dados de entrada, os resultados de saída e as informações de contexto relevantes (incluindo seu histórico de disputas na rede, trabalhos anteriores, etc.). Então, elas podem decidir se o confisco deve ser aplicado. Isso formará um mecanismo de verificação otimista, que, por meio de incentivos econômicos, fundamentalmente impede comportamentos desonestos das partes envolvidas.
Do ponto de vista prático, as criptomoedas permitem-nos realizar a atomicidade dos pagamentos através da prova de serviço, ou seja, todo o trabalho deve ser verificado e concluído antes que o agente de IA possa ser recompensado. Na economia de agentes sem necessidade de licença de acesso, esta é a única solução escalável que pode garantir fiabilidade na periferia da rede.
Resumindo, se a grande maioria das transações de corretagem não envolver pagamentos (ou seja, não atender à condição 1) ou forem realizadas com marcas confiáveis (ou seja, não atender à condição 2), então pode não ser necessário construir um canal de pagamento em criptomoedas para os corretores. Isso ocorre porque, quando os fundos estão seguros, os usuários não se importam de interagir com partes não confiáveis; e quando há transações financeiras envolvidas, o corretor deve limitar os objetos interativos a uma lista restrita de marcas e instituições confiáveis, e garantir o cumprimento das promessas dos serviços prestados por meio de uma cadeia de confiança.
Mas se ambas as condições forem cumpridas, a criptomoeda se tornará uma infraestrutura indispensável, pois é a única maneira de validar o trabalho e forçar pagamentos em escala em um ambiente de baixa confiança e sem permissão. A criptografia deu ao "bazar" uma ferramenta competitiva que supera a "catedral".