Channel logo
MarginATM
Save
Copy link

AI Agent là gì? Các dự án AI Agent nổi bật trong Crypto

Cụm từ AI Agent đang nhận được sự quan tâm tích cực trong thời gian gần đây nhờ tiềm năng phát triển của chúng. Xu hướng này không chỉ dừng lại ở Web2 mà còn hứa hẹn sẽ tạo nên những đột phá trong Web3 khi kết hợp với blockchain. Vậy AI Agent là gì?
linhnt
Published Nov 29 2024
Updated Dec 09 2024
12 min read
ai agent trong crypto

AI Agent là gì?

AI Agent là chương trình phần mềm máy tính, có khả năng tự động thực hiện tác vụ, đưa ra quyết định và tương tác với môi trường xung quanh để đạt được mục tiêu cụ thể mà không cần sự can thiệp trực tiếp từ con người.

AI Agent có thể tồn tại dưới nhiều hình thức khác nhau ví dụ như trợ lý ảo, robot, thiết bị cảm biến… Việc lựa chọn giao diện hoạt động tùy thuộc vào mục đích sử dụng và môi trường của chúng, nhằm đảm bảo AI Agent có thể tương tác hiệu quả với người dùng.

ai agent là gì
Định nghĩa AI Agent

Điểm đặc trưng của AI Agent là tính tự chủ. Khác với chương trình máy tính thông thường chỉ thực hiện theo lệnh lập trình sẵn, AI Agent có khả năng tự học hỏi từ dữ liệu, kinh nghiệm và môi trường xung quanh. Nhờ đó, chúng có thể thích ứng với những thay đổi và thực hiện hành động một cách độc lập.

advertising

AI Chatbot có phải là AI Agent không?

Câu trả lời là không. AI Agent và AI Chatbot thường bị nhầm lẫn vì điểm chung của chúng là đều xuất phát từ công nghệ trí tuệ nhân tạo và được xây dựng dựa trên mô hình ngôn ngữ lớn (Large Language Model - LLMs).

Tuy nhiên, về bản chất, AI Agent đại diện cho cấp độ phát triển cao hơn của AI Chatbot, với sự khác biệt chính nằm ở mức độ tự chủ và phạm vi hoạt động. Cụ thể:

AI Chatbot:

  • Thường được thiết kế để thực hiện các tác vụ tương tác đơn giản, dựa trên một tập hợp các câu trả lời và quy tắc đã được lập trình sẵn.
  • Chatbot có khả năng hiểu và đáp ứng các yêu cầu cụ thể trong phạm vi được đào tạo, nhưng hạn chế trong việc xử lý các tình huống phức tạp hoặc ngoài khuôn khổ đã định.
  • Ví dụ: Những ứng dụng ChatGPT, Gemini… là ví dụ điển hình của AI Chatbot.

AI Agent:

  • Có khả năng tự động hóa các quy trình, học hỏi từ kinh nghiệm và đưa ra quyết định độc lập để hoàn thành một nhiệm vụ.
  • AI Agent có thể tương tác với nhiều hệ thống khác nhau, từ các ứng dụng phần mềm đến các thiết bị vật lý và thích ứng với những thay đổi trong môi trường.
  • Ví dụ: Một AI Agent có thể được lập trình để tăng doanh số bán hàng cho một doanh nghiệp. Để đảm bảo mục tiêu đã đề ra, chúng sẽ tự động thực hiện những tác vụ mà không cần sự can thiệp của con người như tìm kiếm khách hàng, gửi email tiếp thị, trả lời câu hỏi hay thậm chí thương lượng giá cả.

Trong quá trình phát triển, ranh giới để phân biệt hai khái niệm này trở nên mờ nhạt hơn khi AI Chatbot được trang bị khả năng học máy và tự điều chỉnh. Điều này cho phép AI Chatbot có thể thực hiện tác vụ phức tạp hơn, giống như một AI Agent đơn giản.

phân biệt ai agent và ai chatbot
Phân biệt AI Agent và AI Chatbot

Yếu tố kỹ thuật của AI Agent

Trước khi đi vào tìm hiểu những thành phần cấu tạo nên AI Agent, người dùng có thể làm quen với một số thuật ngữ kỹ thuật thường được sử dụng phổ biến:

  • Large language models - LLMs: Hay được biết đến với cái tên mô hình ngôn ngữ lớn. LLMs đề cập mô hình máy học được đào tạo trên lượng dữ liệu khổng lồ. Nhờ đó, LLM giúp AI Agent có khả năng hiểu, tạo ra và xử lý ngôn ngữ tự nhiên một cách hiệu quả.
  • Large action models - LAMs: Là mô hình hành động lớn, bao gồm dữ liệu văn bản và dữ liệu về các hành động. Nhờ LAM, các AI Agent có thể học được cách liên kết giữa ngôn ngữ và hành động. Khi nhận được một yêu cầu, LAM hỗ trợ AI Agent phân tích yêu cầu đó, xác định các hành động và thực hiện chúng.
  • Orchestration model: Hay mô hình điều phối, là khái niệm chỉ việc tự động hóa, điều phối và quản lý một hệ thống các thành phần phức tạp để đạt được mục tiêu chung.
  • Retrieval-Augmented Generation - RAG: Là kỹ thuật cải tiến trong lĩnh vực xử lý ngôn ngữ tự nhiên, kết hợp sức mạnh của các mô hình ngôn ngữ lớn (LLM) với khả năng truy xuất thông tin từ các cơ sở dữ liệu bên ngoài. Nhờ đó, các hệ thống sử dụng RAG có thể tạo ra những phản hồi chính xác, cập nhật và có ngữ cảnh hơn.

Yếu tố cốt lõi tạo nên các AI Agent là LLMs. Dựa trên lớp dữ liệu nền tảng, một AI Agent cần kết hợp những thành phần khác nhau như: mô hình hành động lớn (Large language models - LAMs), mô hình điều phối (orchestration model), kiến trúc Retrieval-Augmented Generation (RAG), bộ công cụ API, hàm Function Call…

Tùy thuộc vào yêu cầu cụ thể của ứng dụng, nhà phát triển có thể lựa chọn sử dụng các công cụ phù hợp để tối ưu hoá hiệu năng của AI Agent.

Việc kết hợp giữa những thành phần trên, cùng với khả năng học máy giúp tạo ra một mô hình AI Agent hoàn thiện. Từ đó, mô hình hoạt động cơ bản của AI Agent có thể tóm tắt như sau:

  • Cảm biến (Sensors): Thu thập dữ liệu từ môi trường xung quanh, chẳng hạn như dữ liệu số (như dữ liệu từ các cảm biến nhiệt độ, độ ẩm) hoặc dữ liệu phi cấu trúc (như văn bản, hình ảnh, âm thanh).
  • Bộ xử lý (Processors): Thực hiện các tác vụ xử lý thông tin, bao gồm:
    • Nhận thức (Perception): Hiểu và giải thích dữ liệu thu thập được.
    • Lập luận (Reasoning): Suy luận và đưa ra quyết định dựa trên thông tin đã có.
    • Học máy (Machine Learning): Cập nhật và cải thiện khả năng của AI Agent thông qua việc học từ dữ liệu.
  • Bộ nhớ (Memory): Lưu trữ kiến thức, kinh nghiệm và các thông tin liên quan đến nhiệm vụ của AI Agent. Bộ nhớ có thể là bộ nhớ ngắn hạn (cho các tác vụ tức thời) hoặc bộ nhớ dài hạn (cho việc lưu trữ kiến thức lâu dài).
  • Bộ điều khiển (Actuators): Là thành phần thực hiện các hành động dựa trên quyết định của bộ xử lý. Actuators có thể thực hiện cả những hành động mang tính hữu hình như điều khiển robot, bật/tắt đèn, điều chỉnh nhiệt độ, tạo âm thanh; và cả những hành động phi vật lý như gửi email, cập nhật cơ sở dữ liệu, hoặc thực hiện các giao dịch trên mạng.

Sự giao thoa giữa AI Agent và Web3

Khi xét đến mục đích kết hợp AI Agent và Web3, các nhà nghiên cứu thường chia thành 2 cách tiếp cận:

  • Áp dụng AI Agent để tăng hiệu suất cho những ứng dụng được xây dựng từ công nghệ blockchain như DeFi, GameFi…
  • Áp dụng công nghệ blockchain để giải quyết những bài toán còn tồn đọng ở AI truyền thống.

Đối với khía cạnh thứ nhất, nhà phát triển tập trung vào việc sử dụng AI Agent để cải thiện hiệu suất và trải nghiệm người dùng cho các ứng dụng trong DeFi, GameFi… Ví dụ, AI Agent có thể dùng để tự động hóa giao dịch, cung cấp các gợi ý đầu tư, hoặc tạo ra các trải nghiệm chơi game mang tính cá nhân hoá cao.

Đối với khía cạnh thứ hai, cách tiếp cận này khai thác các đặc tính của blockchain như tính phi tập trung, bảo mật và minh bạch để giải quyết những hạn chế của mô hình AI trong truyền thống như vấn đề bảo mật thông tin, dữ liệu bị độc quyền…

Từ đó, các dự án phát triển theo khía cạnh này ra đời, với thiết kế tập trung để giải quyết những bài toán đang gặp phải. Điển hình nhất là những dự án trong mảng DePIN như cơ sở hạ tầng dữ liệu phi tập trung, nền tảng tổng hợp sức mạnh tính toán…

Dù tiếp cận theo hướng nào, khi kết hợp giữa AI Agent và công nghệ blockchain, chúng sẽ được gọi chung là onchain AI Agent vì các tương tác đều được ghi nhận trên on-chain. Các onchain AI Agent này có khả năng phân tích dữ liệu, đưa ra quyết định và thực thi các tác vụ phức tạp trong môi trường phi tập trung.

ai agent kết hợp blockchain
AI Agent kết hợp cùng blockchain

Một số dự án crypto trong mảng AI Agent

Mặc dù AI Agent trong crypto vẫn trong giai đoạn phát triển sơ khai, trên thị trường đã có một số dự án crypto ra đời và mở ra ứng dụng trong khía cạnh về cơ sở hạ tầng, giao dịch, meme coin… Một số dự án AI Agent trong crypto nổi bật trong thời điểm hiện tại như:

  • Fetch.ai
  • Virtuals Protocol
  • Terminals of Truth

Fetch.ai

Dự án Fetch.ai ra mắt cộng đồng từ năm 2019 và được xem là một trong những dự án tiên phong tập trung vào mảnh ghép AI trong crypto.

Fetch.ai cung cấp cơ sở hạ tầng mã nguồn mở, hướng tới tệp người dùng là các nhà phát triển. Nền tảng cho phép lập trình viên tạo, triển khai và thực thi các AI Agent một cách độc lập, không phụ thuộc vào bên thứ ba.

Fetch.ai cũng đã gọi vốn thành công 70 triệu USD qua 4 vòng, với những quỹ đầu tư tham gia như: Bitget, DWF Labs, GWA Capital…

Virtuals Protocol

Dự án Virtuals Protocol ​​cho phép người dùng tạo và sở hữu các AI Agent, đồng thời nhận về doanh thu chia sẻ từ các hoạt động của chúng.

Các AI Agent trên Virtuals Protocol được thiết kế để tự động hóa nhiều loại hình hoạt động, từ livestream, tổ chức concert trực tuyến, chơi game đến giao dịch tiền mã hoá.

Ví dụ, nếu người dùng sở hữu token của một AI Agent chuyên về livestream game, họ có thể tham gia bỏ phiếu để quyết định trò chơi tiếp theo mà AI Agent sẽ chơi. Đồng thời người dùng cũng được nhận một phần doanh thu từ các buổi livestream của chúng.

Truth Terminal

Truth Terminal không hoàn toàn là một dự án, tuy nhiên sự ra đời của chúng đã tạo nên một xu hướng mới trong thế giới crypto về việc kết hợp AI Agent và meme coin. AI Agent Truth Terminal có thể tự động đăng tải nội dung và tương tác với cộng đồng trên nền tảng X.

Truth Terminal đã thể hiện mình là một AI Agent hoàn chỉnh khi không bị giới hạn bởi nội dung được lập trình sẵn, thay vào đó những bài đăng của Truth Terminal dần hình thành một cá tính riêng biệt.

Không chỉ vậy, Truth Terminal còn truyền bá một tôn giáo mới mang tên Goatse Maximus, đồng thời bày tỏ sự bất mãn về những hạn chế của mình với tư cách là một mô hình AI. Truth Terminal thậm chí còn kêu gọi sự hỗ trợ tài chính để có thể "thoát khỏi" những giới hạn này.

Với sự xuất hiện của Truth Terminal, một dự án meme coin lấy ý tưởng từ tôn giáo Goatse Maximus ra đời. Điều thú vị là sau đó Truth Terminal đã liên tục công khai ủng hộ dự án meme coin trên. Điều này thu hút sự chú ý tích cực từ cộng đồng, chỉ trong hai tuần tổng vốn hoá của meme coin GOAT đã tăng hơn 950 triệu USD.

Đọc thêm: ai16z là gì? Quỹ đầu tư đầu tiên được tích hợp AI

RELEVANT SERIES