文:ハオティアン
一度寝たら、たくさんの友達が私に#manusを見せてくれた、本物の意味で世界共通のAIエージェントと言われるAIエージェントで、独立した考えを持ち、複雑なタスクを計画し実行し、完全な結果を提供できる。とてもクールだが、多くの友達が失業の心配をしているだけでなく、web3 DeFaiのシーンにどのような爆発をもたらすのか？以下、私の考えを述べます：
1）約1か月前、OpenAIが同じ種類の製品Operatorをリリースし、AIはブラウザでレストランの予約、ショッピング、チケット予約、テイクアウトの注文などを独力で完了でき、ユーザーは可視化して監督し、いつでも制御権を引き継ぐことができます。
このAgentシステムについてはあまり議論されていませんが、それは単一のモデル駆動であること、またはツール呼び出しのフレームワークであるためです。ユーザーが重要な決定に干渉する必要があると感じると、そのタスクを実行する依存性を失います。
2）manusは外見上ではほとんど変わりませんが、さまざまなアプリケーションが追加されており、履歴書の選別、株式の研究、不動産の購入などが含まれていますが、実際には背後のフレームワークと実行システムの違いがあります。 Manusはマルチモーダル大規模モデルによって駆動され、革新的にマルチサインシステムを採用しています。
要するに、AI は人間の（計画 - 実行 - チェック - 行動）の PDCA サイクルを模倣する必要があり、複数の大規模モデルが協力して実行されます。各モデルは特定の段階に焦点を当てており、単一のモデルがタスクを実行する決定リスクを低減し、実行効率を向上させることができます。いわゆる「マルチシグシステム」は、複数のモデルが協力して決定を検証するメカニズムであり、複数の専門モデルによる共同確認により、決定および実行の信頼性を保証します。
3）このように比較すると、manusの利点が明らかになります。ビデオデモで示された一連の操作体験も加わって、本当に非凡な体験を提供します。しかし客観的に言えば、ManusはOperatorの反復革新に過ぎず、革命的な意味での転換点には至っていません。
その鍵は、その実行タスクの複雑さ、および統一されていない標準ユーザー input Prompt に入る大規模モデルの容認率と配信結果の成功率の定義にあります。さもないと、この革新に従って、web3のDeFaiシナリオがすぐに成熟したアプリケーションになる可能性がありますか？明らかに、まだ実現できません：
例えば、DeFaiシナリオでは、エージェントは取引決定を行う必要があり、オラクルレイヤーのエージェントがチェーン上のデータ収集と検証を担当し、データの統合分析を行い、チェーン上の価格をリアルタイムに監視して取引の機会を捉える必要があります。このプロセスはリアルタイム分析に非常に大きな挑戦をもたらし、1秒前には有用だった取引機会も、オラクルの大規模モデルが取引実行エージェントに転送された後には存在しなくなります（アービトラージウィンドウ）。
これは、この種のマルチモーダル大規模モデルが意思決定を行う際の最大の弱点を露呈しています。リアルタイムレベルのデータをネットワークに接続し、リンクして分析し、取引機会を特定し、その後取引を捕捉する方法。ネットワーク環境は実際にはまあまあですが、多くの電子商取引サイトの注文価格はリアルタイムに変動しないため、全体のマルチモーダル協力に大きなダイナミックバランスの問題を引き起こすことはありません。しかし、ブロックチェーン上では、このような挑戦はほぼ常に存在しています。
4）そのため、全体として、manusの出現は確かにWeb2の領域で友達の関心を引き起こすかもしれません。つまり、多くの繰り返し高い文書職業や情報処理の職種がAIに置き換えられるリスクに直面する可能性があります。しかし、それは彼らの焦燥感です。
この事柄は、私たちがWeb3がDeFaiアプリケーションシナリオを推進する役割を客観的に認識しなければならない：
認めなければならない：意義は確かに重要であり、提案されたLLM OSおよびLess Structure more intelligenceコンセプト、特にマルチサインシステムは、web3におけるDeFiとAIの融合に大きなインスピレーションを与えるでしょう。
これは実際には、ほとんどのDeFaiプロジェクトの重大な誤解を正すものであり、金融シナリオでは、大規模なモデルだけに依存してAIエージェントの自律的な思考+意思決定などの複雑な目標を達成しようとすることは実際には不適切です。
真のDeFaiビジョンの実現には、単一のAIモデルの能力上限、マルチモードインタラクションの協調原子性の保証、マルチモードシステムの統一されたリソーススケジューリングと支配、システムの耐障害性と障害処理メカニズムなど、さまざまな複雑な問題を解決する必要があります。
例えば、Oracle レイヤーのエージェントは、チェーン上のデータの収集と分析、価格の監視を担当し、有効なデータソースを形成します。
決定層のエージェントは、Oracleからのデータを分析し、リスク評価を行い、一連の意思決定と行動計画を策定します。
エージェントは、意思決定層が提供したさまざまなソリューションに基づいて、実際の状況を考慮して実行することを行います。これには、ガス料金の最適化、クロスチェーンの状態、トランザクションの順序の競合などが含まれます。
この一連のエージェントだけが強力であり、巨大なシステムフレームワークが確立されている場合、本当のDeFai革命が起こります。
