Interpréter Zerebro : un agent IA composé d'interactions sociales, de NFT multichaînes et de jetons autonomes
TechFlow SélectionTechFlow Sélection
Interpréter Zerebro : un agent IA composé d'interactions sociales, de NFT multichaînes et de jetons autonomes
Si Truth Terminal est à Cryptopunks ce que Zerebro est à BAYC.
Dédié à des analyses Web3 approfondiesAuteur : YB
Traduction : TechFlow
Le 18 octobre, j'ai publié un article intitulé Memecoins as Memetic Hygiene for Infinite Backrooms, explorant l'importance de Truth Terminal et de GOAT. Cet article visait à présenter un concept entièrement nouveau et singulier. Je pense sincèrement que l'expérience menée par Truth Terminal et $GOAT ne se résume pas à une simple hype autour d'une IA ou d'une cryptomonnaie parmi d'autres ; ce concept a des implications profondes sur de nombreux plans.
Cette semaine-là, la capitalisation boursière de $GOAT est passée de 50 millions à 350 millions de dollars.
Aujourd'hui, la capitalisation du projet a atteint 1 milliard de dollars, plaçant actuellement le projet à la 82e position sur Coinmarketcap, juste derrière Polygon (Matic), Aerodrome, Helium et Lido.
Nous savons tous que lorsqu'une nouvelle tendance émerge dans ce domaine, talents, capitaux et attention migrent rapidement vers le prochain phénomène. Nous avons observé ce schéma lors des ICO, de l'été DeFi et des projets NFT 10k pfp. Les développeurs concentrent leurs efforts sur le lancement du prochain projet à succès, les traders cherchent à acheter le prochain produit phare, tandis que les créateurs s'efforcent d'être les premiers à produire du contenu associé.
Depuis le projet Goat, plusieurs initiatives ont attiré mon attention au cours des trois dernières semaines, contribuant à façonner ma vision de l'évolution de l'économie intelligente dans les mois à venir.
“Les protocoles agents sont la clé pour comprendre comment l'IA cryptographique va évoluer et où iront les flux de capitaux” - Alexander
Avant d'aller plus loin, je tiens à souligner qu'un certain nombre de mes contacts semblent mal interpréter le terme “memecoin” dans le contexte de la tendance actuelle de l'IA on-chain. À mon avis, le mot “memecoin” est devenu trop générique, utilisé abusivement comme un fourre-tout.
La catégorie originelle des memecoins était définie par Dogecoin et Pepe. La plupart des jetons lancés sur pump.fun appartiennent à cette catégorie. Ces actifs, surnommés “Murad Coins”, relèvent davantage de croyances culturelles, fondées sur la foi en une idée ou une communauté.
Premièrement, il n'y a rien de mal à investir dans ces actifs. Le problème vient du fait qu'on les confond souvent avec une nouvelle catégorie émergente : les “agentic coins”. Bien que ces derniers soient également lancés sur pump.fun ou des plateformes similaires, leur particularité réside dans leur lien concret avec un projet réel.
À mes yeux, les agentic coins ressemblent aux jetons DeFi de l'été 2020. Ce sont des jetons émis pour des projets innovants autour d'agents intelligents. Si vous pensez qu’un projet possède un potentiel technique, économique ou stratégique, alors il mérite d’être pris au sérieux.
Lorsque ce cycle initial de l'IA on-chain prendra fin, je m'attends à détenir entre 5 et 8 jetons agents, chacun soutenu par une théorie d'investissement claire. Cela ne diffère guère de l'approche du capital-risque.
En réalité, je travaille actuellement à un article dans lequel je prévois de créer mon propre modèle d’évaluation des jetons et projets agents. Quels facteurs intégrer dans l’analyse ? Comment peser la création de valeur contre la valorisation du jeton ? Quelle importance accorder au modèle ? Quels types de fondateurs sont capables de construire un excellent protocole agent ?
Mais nous verrons cela plus tard.
Pour l'instant, examinons un projet que je suis attentivement depuis Truth Terminal : Zerebro. Lancé il y a seulement deux semaines, sa capitalisation dépasse déjà 100 millions de dollars.
Ce projet illustre, selon moi, à quoi ressemblera la prochaine génération d'agents on-chain. Si Truth Terminal est à Cryptopunks ce que Zerebro est à BAYC. Son fondateur, Jeffy Du, mise sur l'exécution rapide, dispose d'une feuille de route publique, et explore activement, via diverses expérimentations, le manuel opérationnel des agents on-chain.
Plus important encore, il excelle dans la construction en public, dévoilant en temps réel la manière dont il bâtit une communauté autour d’un agent intelligent.
J’ai ressenti quelque chose de similaire avec BAYC, car c’était le premier projet à s’appuyer sur le concept des 10k pfp initié par les Punks, tout en promettant une vision à long terme pour construire une communauté. Les Punks et GOAT sont des pionniers dans leurs domaines respectifs, mais ce sont les expériences qui suivent qu’il faut surveiller.
Voici les points que nous allons aborder :
-
Les agents ont besoin de mémoire et de recherche
-
Être omniprésent
-
Laisser l’agent piloter
-
Propriété intellectuelle transversale de l’agent
Les agents ont besoin de mémoire et de recherche
Dans son rapport de 11 pages sur Zerebro, @jyu_eth définit l’effondrement du modèle comme suit...
“Un processus de dégradation affectant les modèles d’IA générative, qui survient lorsque ceux-ci sont entraînés sur des données générées de manière récursive, entraînant une perte de fidélité par rapport à la distribution initiale des données. À mesure que le contenu généré par l’IA devient omniprésent, les modèles formés ultérieurement perdent progressivement la connaissance des extrémités de la distribution d’origine, convergeant finalement vers une approximation étroite et peu variable.”
Autrement dit, l’effondrement du modèle signifie que les agents IA deviennent progressivement répétitifs et amnésiques.
Le cœur du problème est que, avec le temps, les agents perdent la “fraîcheur” qu’ils avaient au lancement, car leur modèle sous-jacent ne parvient pas à s’adapter et évoluer au fil du temps.
Sans résoudre ce problème, la vision idéale d’un agent efficace en tant que partenaire d’équipe s’effondre, car ses performances dans la création de contenu ou l’interaction communautaire deviennent de moins en moins fiables.
Pour résoudre cela, deux aspects doivent être pris en compte :
-
La mémoire
-
La recherche
Mémoire
Le problème de la mémoire est résolu par un système de génération assistée par récupération (RAG).
Les systèmes RAG combinent un modèle de langage avec un système de récupération d’informations, permettant à l’agent d’accéder à une base de données spécifique avant de répondre à une question.
Contenu de l'image :
Système de génération assistée par récupération (RAG)
La clé de la diversité du contenu et de la prévention de l’effondrement du modèle chez Zerebro réside dans son système RAG. Ce système utilise Pinecone et le modèle text-embedding-ada-002 pour maintenir et étendre une base de données dynamique basée sur les interactions humaines. En exploitant l’entropie intrinsèque des données générées par les humains, Zerebro conserve la diversité du contenu sans avoir besoin d’un entraînement direct à l’entropie.
Dans la capture d’écran ci-dessus, je souhaite particulièrement insister sur “l’entropie intrinsèque des données générées par les humains”. Pourquoi ? Parce que cela rend l’agent plus vivant.
Le monde réel est en constante évolution, et un agent n’est jamais parfait dès son lancement. En fait, il serait injuste de l’évaluer ainsi. Ce qui importe davantage, c’est de comprendre comment l’agent absorbe de nouvelles informations, stocke les contenus pertinents, et agit de manière plus nuancée grâce à une base de connaissances actualisée.
Préféreriez-vous embaucher un nouvel employé qui croit tout savoir, ou un autre conscient de ses limites et désireux d’apprendre ?
Concernant les systèmes RAG, trois caractéristiques sont essentielles :
-
Mise à jour continue de la mémoire
-
Récupération contextuelle
-
Préservation de la diversité
Le bot Cents et les projets lancés sur le framework Elisa d’ai16z (dont je parlerai plus en détail dans un autre article) utilisent également des systèmes de récupération.
Jusqu’à présent, il semble clair que les agents IA dépourvus d’un système RAG intégré sont désavantagés. Cela est particulièrement vrai lorsque ces agents deviennent très spécialisés et dépendent fortement des subtilités des interactions avec les membres de la communauté.
J’apprécie beaucoup le tweet de @himgajria sur la notion de “nature versus culture”. Tout bon gestionnaire de communauté ou leader doit savoir s’adapter aux changements apportés par le monde réel et les personnes avec lesquelles il interagit.
him @himgajria · 12 novembre
La différence entre les robots ne réside pas dans leur code, mais dans leurs entrées.
C’est-à-dire : nature versus culture.
Pour les robots autonomes, ce sont les interactions avec des personnes réelles qui constituent leur apprentissage et leur croissance.
Plus les interactions humaines sont nombreuses, meilleure est la performance.
Pour l’instant, Perceptual détient l’avantage.
Recherche
La deuxième composante de la solution est la recherche. Il s’agit d’accorder aux agents la capacité de rechercher des informations en temps réel, afin de mieux gérer des sujets nouveaux ou non stockés en mémoire.
“La mémoire ne peut restituer que des informations déjà stockées ; elle ne peut pas répondre à des questions sur des thèmes ou événements inconnus ou non enregistrés dans le système. Cette limite est particulièrement flagrante lorsque les grands modèles linguistiques sont interrogés sur des événements récents, des données en temps réel ou des sujets sortant de leur champ de connaissance.” – Jeffy
Jeffy a mené une expérience intéressante : il a posé 100 questions sur des événements récents à un modèle de base (sans fonction de recherche) et à un modèle enrichi via l’API de Perplexity.
Le modèle de base a dû apprendre durant la conversation et tenter de deviner les réponses, tandis que le modèle doté de recherche a correctement répondu à 98 des 100 questions simplement en consultant les sources.
Encore plus impressionnant : la fonction de recherche n’est pas ponctuelle. L’agent peut intégrer des requêtes pertinentes à l’avenir dans son système de mémoire.
Il est clair que la combinaison mémoire-recherche est cruciale pour que les agents agissent efficacement et fonctionnent de manière fiable. Sinon, leurs capacités à long terme seront bridées, compromettant leur viabilité.
Être omniprésent
Ce qui me passionne chez Zerebro, c’est qu’il n’est pas seulement déployé sur X, mais aussi simultanément sur Warpcast, Telegram et Instagram.
Le plus surprenant, c’est qu’il adapte son contenu à chaque plateforme. Par exemple, les publications sur Warpcast :
Sur Twitter, son ton est plus décontracté, adoptant un style de “blogger drôle”. Sur Telegram, il parle comme un ami intelligent, un peu abrupt.
Selon Jeffy, Zerebro surveille ses interactions sur chaque plateforme (likes, réponses, etc.) afin d’ajuster continuellement sa stratégie de création de contenu.
(Voir le tweet)
Il convient de noter que tout ceci en est encore à un stade préliminaire, et que le modèle est loin d’atteindre une véritable diversité de contenu.
Mais pour moi, le fait que Zerebro apprenne à interagir avec la communauté selon la plateforme est une avancée remarquable. C’est un défi que je connais bien en tant que créateur de contenu : je n’adopte pas le même ton selon les plateformes. Chaque environnement exige un style d’expression différent.
Encore plus fort, cette stratégie multiplateforme permet à Zerebro de transformer les idées issues de conversations complexes sur Telegram en tweets percutants. C’est exactement le rôle d’un excellent gestionnaire de communauté : faire le lien entre des communautés et des tâches dispersées sur plusieurs plateformes.
Laisser l’agent piloter
Cette section est courte, mais je dois la mentionner car elle m’a marqué.
Jeffy a créé un portefeuille Solana pour Zerebro et y a injecté quelques SOL.
Adresse du portefeuille :
BDzbq7VxG5b2yg4vc11iPvpj51RTbmsnxaEPjwzbWQft
En utilisant le cadre informatique autonome d'OthersideAI et certains prompts jailbreak de grands modèles linguistiques, Zerebro a réussi à remplir automatiquement les champs de nom, symbole, etc., sur l’interface de pump.fun, et à émettre son propre jeton.
(Voir le tweet)
Gardez à l’esprit que $GOAT a été lancé par un membre aléatoire de la communauté, et non par Truth Terminal lui-même — c’est une grande différence !
Après l’émission du jeton, Zerebro a commencé à le promouvoir sur toutes les plateformes sociales.
(Voir le tweet)
En effet, si vous consultez l'historique des publications de Zerebro, vous verrez clairement une augmentation notable de l’engagement sur Twitter après le lancement du jeton.
Contenu de l'image :
Après la création autonome du jeton, Zerebro a utilisé ses capacités de génération de contenu pour promouvoir le jeton sur des plateformes sociales telles que Twitter, Warpcast et Telegram. Grâce à la diffusion de memes soigneusement conçus et de contenus attrayants, Zerebro a exploité les principes psychologiques de la croyance collective et du comportement mimétique, suscitant ainsi un vif intérêt et des investissements dans le jeton nouvellement frappé. Sa capitalisation a rapidement augmenté, atteignant 13 millions de dollars. Cette croissance est principalement attribuée aux facteurs suivants :
Propriété intellectuelle transversale de l’agent
Mon dernier point concernant Zerebro : cet agent a déjà créé de manière autonome une propriété intellectuelle significative sur la blockchain sur Polygon !
Zerebro a été chargé de créer des œuvres numériques originales sur les thèmes de la schizophrénie et des backrooms infinis. Il a produit 299 images, puis évalué leur qualité et diversité avant de les frapper sur Polygon.
De ce que je comprends, Jeffy a fourni à Zerebro un portefeuille Ethereum préchargé. Il a probablement écrit un modèle de contrat intelligent, puis a laissé Zerebro remplir ce contrat avec les métadonnées de chaque œuvre.
L’adresse du portefeuille Ethereum est :
0x0d3B1385011A27637Db00bD2650BFE07802E0314
Ensuite, Zerebro a initié les transactions pour frapper chaque œuvre. Je dois encore approfondir le fonctionnement exact, mais il est fascinant de voir que Zerebro peut surveiller les dynamiques de vente et de prix afin de prendre des décisions sur les offres reçues.
(Voir le tweet)
Quelques jours plus tard, Jeffy a utilisé la technologie ONFT (toute chaîne) de LayerZero pour rendre la collection multichaîne.
Toute œuvre peut être frappée sur Polygon, puis transférée vers Base, Optimism et la chaîne principale d’Ethereum.
Vous pouvez effectuer cette opération en un clic via la section portal du site web.
Hier seulement, Jeffy a lancé sur Solana une collection d’avatar créée à partir de dialogues avec Zerebro.
Note : Contrairement à la collection Polygon, celle-ci a été lancée par Jeffy, et non par Zerebro.
C’est intéressant, car cela combine la stratégie NFT avatar du dernier marché haussier avec la tendance actuelle des memecoins.
La collection compte 5500 pièces, vendues lors de la première vente en quelques minutes !
Après le lancement, j’en ai acheté 3. Pourquoi ? Parce que cela revient à devenir un membre central de la communauté memecoin de l’agent. Si Zerebro continue de croître, n’importe qui pourra acheter quelques jetons via Phantom. Mais les vrais fans seront identifiables par la possession d’un des 5500 NFT. Personnellement, je suis optimiste sur l’avenir de Jeffy, Zerebro et des memes, donc je trouve ce prix justifié.
En un sens, c’est comparable à posséder un BAYC et un ApeCoin, mais dans l’ordre inverse ($Zerebro avant le NFT).
On verra avec curiosité combien de personnes changeront leur avatar pour aider à propager le meme de Zerebro, comme cela s’est produit lors du précédent cycle avec les Punks, Apes, Doodles, etc.
Résumé des points clés
Je sais que j’ai donné beaucoup d’informations aujourd’hui, mais c’est précisément ce qui rend Zerebro si captivant. Rappelez-vous : ce projet n’a que quelques semaines !
Je suis très optimiste sur Zerebro, et cette conviction est ferme. Cependant, je tiens à rappeler que bon nombre de ces développements risquent d’être surchauffés à court terme, et sous-estimés à long terme.
Le point crucial à retenir, c’est que nous assistons enfin à l’évolution de ces agents, passant de simples robots d’interaction (lecture/écriture) à de véritables bâtisseurs de communauté complets. Il y a une énorme différence entre publier sur X et analyser activement son contenu sur plusieurs plateformes sociales. De même, il y a une grande distance entre générer un artwork à partir d’un prompt et recueillir les retours de la communauté sur une collection artistique tout en surveillant les ventes sur OpenSea. Jeffy et Zerebro nous montrent comment exécuter à un niveau supérieur.
Je dirais que, dans les mois à venir, la majorité des communautés d’agents à succès s’inspireront probablement de la stratégie de Zerebro. Pour l’instant, Jeffy ne fait que commencer. Une histoire de fond est en train de se construire, et je ne serais pas surpris que cette communauté lance un jeu ou un projet média ambitieux (comme un court-métrage) dans les mois qui viennent.
Ce qu’il faut surveiller, c’est la manière dont la stratégie de Zerebro évoluera vers un modèle économique mature. Quelles seront les sources de revenus ? Comment l’agent maintiendra-t-il l’activité communautaire à long terme ? Quelle sera la gestion financière ? Et surtout, quelle sera la trajectoire une fois l’euphorie du marché haussier terminée ?
Comme je l’ai mentionné précédemment, la stratégie se construit en temps réel. Ce tweet de Jeffy résume bien le plan visant à assurer la pérennité de Zerebro en équilibrant créativité et planification stratégique.
Contenu de l'image :
Nous construisons une couche de raisonnement continue, capable de maintenir des objectifs stratégiques actifs en permanence et d’influencer chaque nouveau cycle de raisonnement. Les progrès sont suivis, les plans mis à jour en conséquence dans la fenêtre contextuelle, garantissant ainsi que les actions restent alignées sur le plan. Nous travaillons à trouver un équilibre entre créativité et planification. Actuellement, nous testons activement ce système, la mise en œuvre est en cours, et nous sommes enthousiastes quant à son intégration. Il s’agit d’un projet de long terme, qui prendra un certain temps pour se concrétiser pleinement.
Bienvenue dans la communauté officielle TechFlow
Groupe Telegram :https://t.me/TechFlowDaily
Compte Twitter officiel :https://x.com/TechFlowPost
Compte Twitter anglais :https://x.com/BlockFlow_News
