Ada alasan mengapa sebagian besar AI on-chain masih terasa kekanak-kanakan meskipun teknologi di baliknya terlihat canggih. Masalahnya bukan pada model atau komputasi. Ini adalah lingkungan tempat AI ditempatkan.
Kebanyakan blockchain dibangun untuk melupakan.
Setiap transaksi bersifat final. Setiap interaksi berdiri sendiri. Setelah eksekusi selesai, konteks menghilang. Desain itu masuk akal ketika blockchain dibangun untuk penyimpanan catatan dan transfer nilai antar manusia. Itu jauh lebih tidak masuk akal ketika pengguna adalah sistem otonom yang seharusnya belajar seiring waktu.
Kecerdasan bergantung pada kontinuitas.
Manusia tidak menjadi lebih pintar hanya karena mereka mengeksekusi tindakan lebih cepat. Mereka meningkat karena pengalaman terakumulasi. Hasil masa lalu memengaruhi pilihan di masa depan. Pola terbentuk. Memori membentuk perilaku.
AI bekerja dengan cara yang sama.
Jika seorang agen terbangun dengan slate kosong setiap kali ia bertindak, ia tidak sedang belajar. Ia sedang mengulang.
Mengapa sistem tanpa status membatasi kecerdasan
Dalam sistem tanpa status, setiap keputusan terisolasi. Agen AI dapat menganalisis input dan menghasilkan output tetapi tidak dapat mengembangkan rasa kemajuan. Keberhasilan tidak memperkuat perilaku. Kegagalan tidak mengubah strategi.
Inilah mengapa banyak demo AI terlihat mengesankan sekali dan tidak luar biasa pada kali kedua. Mereka tidak meningkat karena mereka tidak dapat mengingat.
Pengembang mencoba menyelesaikan ini dengan mendorong memori keluar dari rantai. Basis data menyimpan sejarah. Skrip menyambungkan konteks. Tetapi ini menciptakan sistem yang rapuh di mana kecerdasan ada di luar rantai sementara eksekusi terjadi di dalamnya.
Hasilnya adalah otak terbelah.
Kecerdasan sejati memerlukan memori dan tindakan untuk hidup di lingkungan yang sama.
Menganggap memori sebagai infrastruktur
Di sinilah gagasan infrastruktur AI pertama kali menjadi penting.
Jika Anda menganggap agen AI akan ada sebagai peserta jangka panjang, maka memori tidak bisa opsional. Itu harus menjadi bagian dari sistem itu sendiri, bukan tambahan.
Vanar mendekati ini dengan menganggap memori sebagai sesuatu yang persisten dan dapat dirujuk daripada penyimpanan statis. Dengan myNeutron, konteks dapat bertahan lebih dari satu eksekusi. Interaksi meninggalkan jejak yang berarti kemudian.
Ini mengubah cara agen berperilaku.
Agen yang dapat merujuk pada sejarahnya sendiri tidak perlu diprogram secara eksplisit untuk setiap skenario. Ia dapat menyesuaikan perilaku berdasarkan apa yang terjadi sebelumnya. Itulah cara belajar dimulai.
Konteks di atas data mentah
Memori bukan tentang menyimpan segalanya. Ini tentang menyimpan makna.
Kebanyakan blockchain sudah menyimpan data tetapi data saja tidak menciptakan kecerdasan. Konteks yang melakukannya. Memahami mengapa sesuatu terjadi lebih penting daripada mencatat bahwa itu terjadi.
Dengan fokus pada konteks semantik daripada catatan mentah, Vanar memungkinkan AI untuk membangun narasi dari tindakannya sendiri. Ini lebih dekat dengan cara kerja memori manusia dan lebih berguna untuk pengambilan keputusan.
Agen tidak lagi bereaksi hanya pada saat ini. Ia bertindak dengan kesadaran akan masa lalunya.
Mengapa ini penting sebelum otomatisasi
Ada godaan di Web3 untuk terburu-buru menuju otomatisasi. Biarkan agen bertindak. Biarkan ia mengeksekusi. Biarkan ia berkembang.
Tetapi otomatisasi tanpa memori berbahaya.
Agen yang tidak dapat mengingat kesalahan masa lalu akan mengulanginya. Agen yang tidak dapat mengenali pola akan salah menafsirkan sinyal. Meningkatkan perilaku itu hanya akan menggandakan risiko.
Memori bertindak sebagai kekuatan penstabil. Ia memperlambat perilaku sembarangan dan memungkinkan perbaikan bertahap.
Inilah mengapa fokus pada kontinuitas terlebih dahulu masuk akal meskipun terlihat kurang menarik daripada demo otomatisasi.
Pandangan jangka panjang tentang kecerdasan
Banyak proyek mengukur kemajuan berdasarkan fitur yang dikirim atau transaksi yang diproses. Kecerdasan berkembang dengan cara yang berbeda.
Ia tumbuh perlahan. Ia bertambah. Ia memerlukan kesabaran.
Infrastruktur yang mendukung jenis pertumbuhan ini mungkin terlihat kurang mengesankan pada awalnya. Tidak ada metrik instan yang menangkap pembelajaran seiring waktu. Nilai muncul kemudian ketika perubahan perilaku menjadi terlihat.
Ini adalah salah satu alasan mengapa kesiapan AI sering disalahpahami. Ia tidak mengumumkan dirinya dengan keras. Ia mengungkapkan dirinya melalui konsistensi.
Membangun untuk apa yang datang setelah fase demo
AI di rantai masih awal. Sebagian besar sistem berada dalam fase percobaan. Itu adalah hal yang normal.
Yang penting adalah proyek mana yang mempersiapkan apa yang akan datang selanjutnya.
Begitu AI bergerak melampaui demo, persyaratan akan berubah. Sistem tidak akan dinilai berdasarkan seberapa pintar mereka terlihat tetapi seberapa baik mereka beradaptasi. Memori tidak akan lagi menjadi opsional. Kontinuitas akan menjadi hal yang diharapkan.
Rantai yang menganggap kecerdasan akan menjadi fitur yang hidup singkat akan kesulitan untuk menyesuaikan. Rantai yang menganggap agen akan bertahan sudah akan selaras.
Kemajuan yang lebih tenang
Vanar tidak merasa seperti sedang berlomba untuk membuktikan sesuatu. Ia merasa seperti sedang bersiap untuk mendukung sesuatu yang belum sepenuhnya ada.
Persiapan itu mudah diabaikan dalam pasar yang didorong oleh perhatian. Tetapi infrastruktur cenderung dihargai setelah menjadi diperlukan, bukan sebelum.
Ketika AI mulai berperilaku kurang seperti demo dan lebih seperti peserta, memori akan menjadi garis pemisah.
Sistem yang ingat akan meningkat.
Sistem yang lupa akan mengulangi.
Dan seiring waktu, perbedaan itu menjadi tidak mungkin diabaikan.