Conversation avec le fondateur d'ai16z : comment les agents peuvent-ils redéfinir l'avenir de Web3 ?
TechFlow SélectionTechFlow Sélection
Conversation avec le fondateur d'ai16z : comment les agents peuvent-ils redéfinir l'avenir de Web3 ?
couvrant des sujets importants allant des cadres de développement d'agents à l'économie des jetons, en passant par l'avenir des plateformes AGI open source.
Dédié à des analyses Web3 approfondiesSource du podcast : Delphi Digital
Préparation & traduction : Coinspire
Introduction
Si l’on peut dire que les agents IA font une entrée en force dans ce cycle cryptographique, Shaw, fondateur de ai16z et d’Eliza, a sans aucun doute saisi la direction du courant.
Son projet ai16z est le premier fonds blockchain thématique sur les mèmes IA, une parodie du célèbre fonds d'investissement a16z. Lancé en octobre 2024 avec un financement initial nul, il est devenu en quelques mois le DAO dédié à l’IA coté sur Solana dont la valorisation a dépassé pour la première fois 2,5 milliards de dollars (actuellement en correction). Le cœur de ai16z, ElizaOS, est un cadre de simulation multi-agents (Agent), permettant aux développeurs de créer, déployer et gérer des agents IA autonomes. Grâce à son avantage précoce et à la prospérité de la communauté TypeScript, le dépôt de code Eliza a recueilli plus de 10 000 étoiles sur GitHub et occupe environ 60 % du marché actuel du développement d’agents Web3 IA.
Bien que ses prises de position sur les réseaux sociaux suscitent régulièrement la controverse, Shaw reste une figure clé du domaine de l’IA cryptographique. La communauté chinoise dispose déjà de nombreuses interviews exclusives le concernant. Toutefois, nous pensons que le podcast du 6 janvier entre Tom Shaughnessy, cofondateur de Delphi Digital – un important cabinet de recherche et d’investissement crypto –, Ejazz de 26 Crypto Capital, et Shaw constitue à ce jour l’entretien le plus approfondi et le plus visionnaire sur les « réflexions pratiques de Shaw concernant les agents IA ».
Cet échange se distingue non seulement par la pertinence des questions posées, mais aussi par la franchise et la sincérité habituelles de Shaw, qui partage de nombreuses réflexions sur les cas d’usage actuels des agents IA dans l’écosystème Web3, ainsi que ses anticipations futures. Les sujets abordés sont variés : cadre technique des agents, économie de jetons, plateformes open source destinées à l’AGI, etc. Un contenu riche et dense. C’est pourquoi Coinspire a réalisé une transcription complète de cet entretien afin de vous offrir un aperçu d’un possible futur combinant IA et Web3.
🎯 Points clés
▶ Création d’Eliza Labs et croissance fulgurante d’ai16z
▶ Analyse approfondie des aspects techniques du cadre Eliza
▶ Évolution des plateformes d’agents, de la prolifération des « slop bots » (bots inutiles) vers des applications utiles
▶ Discussion sur l’économie des jetons et les mécanismes de capture de valeur
▶ Exploration du développement multi-chaînes et du choix des blockchains
▶ Vision d’un AGI open source et avenir des agents d’intelligence artificielle
Part.1 Parcours entrepreneurial et voyage en Asie
Q1 : Shaw, parlez-nous de votre parcours
Shaw :
J’ai développé de nombreux projets open source pendant plusieurs années, notamment un réseau spatial open source. Mais mon associé m’a retiré de GitHub et a vendu le projet pour 75 millions de dollars, sans que je reçoive quoi que ce soit. Il n’avait pas écrit une seule ligne de code, alors que j’étais le développeur principal. Bien que je sois en train de le poursuivre en justice, cette affaire m’a tout pris, ruinant ma réputation.
Après cela, j’ai dû repartir de zéro, me concentrant sur la recherche autour des agents IA. Comme mon ancien associé avait gardé tous les fonds, j’ai dû assumer seul toutes les responsabilités, accumuler des dettes, et réaliser divers petits travaux pour survivre. Finalement, le concept du métavers s’est essoufflé, rendant cette orientation de moins en moins viable.
Ensuite, j’ai rejoint Webiverse en tant que développeur principal. Au début, tout allait bien, mais le projet a été piraté, les fonds volés, obligeant l’équipe à pivoter. Cette période a été extrêmement difficile, presque insoutenable.
Malgré ces nombreux revers, j’ai continué à avancer. J’ai collaboré avec le fondateur de Project 89 (un système interactif viral basé sur le langage neuronal) pour lancer une plateforme appelée Magic, et finaliser un tour de financement initial. Il souhaitait en faire un outil no-code permettant aux utilisateurs de construire leurs propres systèmes d’agents. Moi, je pensais que si on fournit une solution complète, les utilisateurs la copieraient directement ; sinon, ils ne sauraient pas par où commencer. Quand les fonds ont commencé à manquer, j’ai décidé de me concentrer sur le développement du système d’agent. À ce moment-là, j’avais déjà créé la première version d’Eliza sur cette plateforme. Cela peut sembler fou, mais j’ai toujours essayé d’explorer de nouvelles directions.
Q2 : Quelle est la situation de la communauté de développeurs en Asie ?
Shaw :
Depuis quelques semaines, je suis en Asie, rencontrant intensivement les communautés locales de développeurs. Depuis le lancement de notre projet, surtout après que nos contenus liés aux agents IA (comme ai16z) aient attiré l’attention, j’ai reçu énormément de messages provenant d’Asie, particulièrement de Chine. Nous avons découvert qu’il y avait beaucoup de soutiens ici.
Grâce à une communauté nommée 706, j’ai fait la connaissance de nombreux membres, certains aidant à gérer notre chaîne chinoise et Discord, organisant même un petit hackathon. Lors de l’événement, j’ai rencontré beaucoup de développeurs, évalué leurs projets, et compris qu’il fallait venir personnellement rencontrer tout le monde. Nous avons donc planifié un voyage, visitant plusieurs villes pour rencontrer les développeurs.
La communauté locale est très chaleureuse, organisant pour nous une série d’événements. Cela m’a permis d’échanger avec de nombreuses personnes, de découvrir leurs projets et d’établir des liens. Ces derniers jours, je suis passé de Pékin à Shanghai, puis à Hong Kong, maintenant à Séoul, et demain je partirai pour le Japon.
Lors de ces rencontres, j’ai vu de nombreux projets intéressants : jeux, applications de petites amies virtuelles, robots et dispositifs portables. Certains projets concernent la collecte de données, le fine-tuning et l’annotation, qui combinés à nos technologies existantes pourraient avoir de bonnes perspectives de développement. Ce qui m’intéresse particulièrement, c’est l’intégration des agents IA dans les protocoles DeFi, ce qui pourrait réduire les barrières d’utilisation et devenir potentiellement une application phare dans les prochains mois. Beaucoup de projets sont encore au stade précoce, mais l’enthousiasme et la créativité des développeurs sont impressionnants.
Part.2 Combinaison Agent IA + DeFi et exploration de l'utilité
Q3 : Aujourd’hui, ai16z atteint une valorisation de plusieurs milliards de dollars, le cadre Eliza prend en charge un grand nombre d’agents, l’intérêt des développeurs est très élevé, et la popularité du projet sur GitHub reste élevée depuis plusieurs semaines. Parallèlement, les utilisateurs commencent à rejeter les chatbots des réseaux sociaux capables uniquement de répondre automatiquement, préférant désormais des agents capables d’exécuter réellement des tâches, comme créer des jetons, gérer des économies de jetons, maintenir un écosystème ou exécuter des opérations DeFi. Pensez-vous que l’avenir des agents ira dans cette direction ? Les agents d’Eliza vont-ils se concentrer sur DeFi ?
Shaw :
C’est une opportunité commerciale évidente. Moi aussi, je suis fatigué de la situation des « Reply Robots ». Beaucoup téléchargent simplement des outils, les montrent brièvement et poussent ensuite un jeton, mais j’espère vraiment que nous pouvons aller au-delà de cela.Ce qui m’intéresse actuellement se résume à trois catégories d’agents : ceux qui vous font gagner de l’argent, ceux qui amènent vos produits aux bons clients, et ceux qui vous font gagner du temps.
Pour l’instant, nous restons coincés dans ce mode de réponse automatique. Personnellement, je bloque tous les robots qui répondent sans avoir été invoqués,je recommande vivement à chacun de faire de même, car cela crée une contre-force sociale qui pousse les développeurs d’agents à réfléchir sérieusement et à construire quelque chose de significatif. Si l’on suit aveuglément une tendance et commente tout et n’importe quoi, cela n’aide aucun jeton.
Ce qui m’intéresse le plus actuellement, c’est DeFi, car il regorge d’opportunités d’arbitrage. DeFi correspond mieux que tout autre domaine à la caractéristique suivante : « il y a des opportunités de gain, mais beaucoup de gens ne savent pas comment s’en servir ». Nous collaborons déjà avec certaines équipes, comme Orca, et DLMM (Dynamic Liquidity Market Maker) sur Meteora. Un bot peut automatiquement identifier les opportunités d’arbitrage potentielles, ajuster automatiquement les positions lorsque la fourchette de prix change, et reverser les profits dans votre portefeuille. Ainsi, les utilisateurs peuvent investir leurs jetons en toute sécurité, tout en bénéficiant d’un processus entièrement automatisé.
De plus, la volatilité des Meme coins est très forte. En réalité,au démarrage, les Meme coins connaissent une hausse très rapide, ce qui rend difficile toute opération sur les pools de liquidité (LP). Mais une fois stabilisés, leur volatilité devient un facteur favorable, permettant alors de générer des profits via les pools de liquidité. Personnellement, je ne vends presque jamais mes jetons, je gagne plutôt de l’argent via les pools de liquidité, et j’encourage constamment d’autres développeurs d’agents à faire de même. Je suis surpris de constater que beaucoup ne le font pas. Un ami m’a dit qu’il avait du mal à gagner de l’argent, je lui ai demandé s’il avait envisagé d’utiliser les pools de liquidité, il m’a répondu qu’il n’avait pas le temps. Pourtant, il devrait le faire, car il pourrait gagner beaucoup d’argent grâce au volume de transactions du jeton.
Q4 : Outre les pools de liquidité, ces Agents vont-ils commencer à gérer leurs propres fonds pour effectuer des transactions, comme les projets Ai16z ou Degen Spartan AI ? Comment gèrent-ils leur gestion d’actifs (AUM), et ces agents seront-ils capables d’atteindre cet objectif cette année ?
Shaw :
Je pense que les grands modèles linguistiques (LLM) ne conviennent actuellement pas directement aux opérations de trading. En revanche, s’il existe des API adaptées pour obtenir des informations de marché, ils peuvent prendre des décisions raisonnables. Par exemple, j’ai vu un système IA avec un taux de réussite d’environ 41 % dans ses trades, ce qui est assez bon, car la plupart des cryptomonnaies sont instables. Maisles LLM ne sont pas doués pour les décisions complexes, leur rôle principal est de prédire le prochain jeton, en prenant des décisions plus rationnelles selon le contexte.
Là où les LLM deviennent précieux, c’est lorsqu’ils transforment des données non structurées en données structurées. Par exemple, transformer les informations échangées dans un groupe de discussion où des gens se recommandent mutuellement des jetons en données exploitables. Une équipe travaille sur un projet appelé « marché de confiance », dont la question centrale est : si nous considérons comme véridiques les recommandations faites dans les groupes ou sur Twitter, et que nous agissons en fonction, pouvons-nous gagner de l’argent ? Il s’avère qu’une petite minorité de personnes sont d’excellents traders et recommandeurs, et nous analysons actuellement les recommandations des meilleurs. À l’avenir, nous pourrions baser nos actions sur leurs suggestions.
C’est un peu comme un marché prédictif : une petite minorité excelle vraiment dans les prédictions, tandis que la majorité est médiocre ou facilement influencée par l’économie comportementale. Ainsi,notre objectif est de suivre les performances de ces individus via des indicateurs mesurables, et d’utiliser cela pour entraîner des stratégies. Je pense que cette méthode ne s’applique pas seulement au gain d’argent, mais aussi à des domaines plus abstraits comme la gouvernance ou la récompense des contributions.
Mais gagner de l’argent est le plus simple, car c’est comme un bloc LEGO facile à mesurer. Je ne pense pas que donner uniquement des séries temporelles à un LLM pour qu’il prédise lui-même quand acheter ou vendre des jetons puisse vraiment résoudre le problème.Si vous concevez un agent pour acheter et vendre automatiquement des jetons, il pourra certainement le faire, mais il ne sera pas forcément rentable, surtout lorsqu’il achète des jetons très volatils. Donc, je pense que nous avons besoin de méthodes plus flexibles et fiables que de simples achats/ventes.
Q5 : S’il existait un agent extrêmement performant en trading, pourquoi le rendre open source et créer un jeton autour, plutôt que de simplement trader soi-même ?
Shaw : On m’a dit qu’une entreprise affirmait pouvoir prédire les prix des jetons avec 70 % de précision. Je me dis alors que si j’y arrivais, je ne serais pas ici en train de vous en parler, je serais en train d’imprimer de l’argent indéfiniment. Une précision de 70 % pour des prévisions à court terme sur Bitcoin signifie que vous pouvez facilement générer des profits infinis. Je suis certain que des sociétés comme BlackRock font déjà quelque chose de similaire : elles tentent de traiter des données mondiales pour prédire les actions, etc., et réussissent probablement, car elles emploient de nombreuses personnes pour ce travail.
Mais je pense quedans les marchés à faible capitalisation, les facteurs comportementaux et l’influence des réseaux sociaux sont souvent plus importants que n’importe quelle donnée fondamentale prévisible. Par exemple, le fait qu’une célébrité retweete une adresse de contrat peut être bien plus efficace que n’importe quel algorithme prédictif. C’est pourquoi les Meme coins sont intéressants : leur faible valeur de marché les rend très sensibles aux dynamiques sociales. Si vous pouvez suivre ces dynamiques sociales, vous trouverez des opportunités.
Part.3 Valeur du cadre d’agent et avantages de développement d’Eliza
Q6 : En lien avec les cas d’usage d’Eliza, comment une équipe peut-elle utiliser Eliza pour commercialiser un agent innovant et entièrement nouveau ? Quels sont les principaux facteurs de différenciation de cet agent ? Le modèle, les données, ou d'autres fonctionnalités ou supports offerts par Eliza ?
Shaw :
Il existe effectivement une idée reçue selon laquelle ce n’est qu’un emballage de ChatGPT, mais c’est un peu comme voir un site web comme un emballage de HTTP, ou une application comme un emballage de React. En réalité,ce qui compte, c’est le produit lui-même, et le fait qu’il y ait des clients qui l’utilisent et paient pour cela. C’est là le cœur de toute chose.
Les modèles sont extrêmement standardisés. Former un modèle de base à partir de rien est extrêmement coûteux, probablement plusieurs centaines de millions de dollars. Si nous avions les fonds et la part de marché d’OpenAI, construire un système complet d’entraînement serait plus facile, mais alors nous serions en concurrence directe avec Meta, OpenAI, XAI, Google, tous cherchant à améliorer leurs performances sur des benchmarks pour prouver qu’ils possèdent le meilleur modèle au monde. En outre, XAI ouvre chaque nouvelle version en publiant la précédente, Meta publie tout ce qu’il fait, utilisant l’open source pour conquérir des parts de marché.
Mais je pense que ce n’est pas là que nous devrions nous battre. Nous devrions nous concentrer sur l’aide aux développeurs pour construire des produits.L’enjeu réside dans l’avenir d’Internet, dans la manière dont les sites, les produits fonctionnent, et comment les utilisateurs interagissent avec les applications. De nombreux produits et infrastructures excellents attendent d’être utilisés, mais les utilisateurs ne savent pas comment les trouver. Vous ne pouvez pas simplement taper « gagner de l’argent avec un protocole DeFi » sur Google, vous trouverez peut-être une liste, faire des recherches, mais si vous ne savez pas ce que vous cherchez, ce n’est pas facile.
Par conséquent,la véritable valeur réside dans la connexion entre ce qui existe déjà, changer les modèles actuels, passer du simple site web et page de connexion à une présence active sur les réseaux sociaux, montrant concrètement les cas d’usage du produit,trouver les utilisateurs qui ont besoin de votre produit. Je pense queles agents IA ne devraient pas être uniquement des produits, mais faire partie intégrante du produit, servir d’interface d’interaction. J’aimerais voir davantage de tentatives dans ce sens.
Q7 : Pourquoi pensez-vous que le cadre Eliza ou la plateforme que vous construisez est le terrain privilégié pour les développeurs et créateurs ? Comparé à d'autres cadres ou langages (Zerepy team utilise Python, Arc Team utilise Rust)
Shaw :
Je pense quele langage est important, mais pas tout. Actuellement, il y a plus de développeurs d’applications JavaScript que dans tout autre langage. Presque toutes les applications de communication, de Discord à Microsoft Teams, sont développées en JavaScript, ou utilisent un runtime natif avec interface et interactions codées en JavaScript, ou encore de nombreux backends.Aujourd’hui, le nombre de développeurs utilisant JavaScript et TypeScript dépasse celui de tous les autres langages réunis, particulièrement avec l’émergence d’outils comme React Native (un framework JavaScript pour créer des applications mobiles natives Android et iOS).
Beaucoup de développeurs ayant déjà travaillé sur EVM ont installé Node.js, utilisé Forge ou Truffle, des outils de développement Ethereum, et sont familiers avec cet écosystème. Nous pouvons toucher les développeurs de sites web, qui peuvent également créer des agents.
Python n’est pas particulièrement difficile à apprendre, mais il pose des problèmes lorsqu’il s’agit de le distribuer sous différentes formes. Beaucoup bloquent dès l’installation. L’écosystème Python est désordonné, les gestionnaires complexes, beaucoup ignorent même comment trouver la bonne version. Bien que Python soit un bon choix pour le backend, j’ai constaté lors de mes anciens développements qu’il était médiocre en programmation asynchrone et compliqué pour le traitement des chaînes.
Quand j’ai compris les avantages de TypeScript pour le développement d’agents, j’ai réalisé que c’était la bonne direction. D’autre part, nous proposons une solution complète : une fois clonée, elle fonctionne immédiatement. Je trouve Arc intéressant, mais il manque des connecteurs, aucun connecteur social. Des projets comme Zeropy sont bons, mais se concentrent sur les connecteurs sociaux ou les boucles de réponse. Beaucoup d’autres projets font dialoguer plusieurs agents, mais ne se connectent pas réellement aux réseaux sociaux.
Je pense queces frameworks sont le corps, et que les LLM (grands modèles linguistiques) sont le cerveau. Ce que nous construisons, c’est ce pont reliant les frameworks à différents clients. En fournissant ces solutions, nous abaissions fortement la barrière d’entrée et réduisons drastiquement la quantité de code à écrire.Les développeurs peuvent se concentrer uniquement sur leur produit, extraire les API nécessaires, et nous fournissons une abstraction simple pour les entrées-sorties.
Q8 : Pour un non-développeur, comment comprendre les fonctionnalités et processus publiés par la plateforme Eliza ? Du point de vue d’un non-développeur, quels sont les fonctionnalités ou supports qu’un créateur d’agent obtient en rejoignant Eliza ou une autre plateforme concurrente ?
Shaw :
Vous téléchargez simplement le code sur votre ordinateur, modifiez le rôle, lancez-le, et vous avez un robot de base capable de faire n’importe quoi, comme discuter, la fonction la plus élémentaire. Nous avons de nombreux plugins : si vous souhaitez ajouter un portefeuille, activez simplement le plugin, ajoutez la clé privée de la chaîne EVM, choisissez la chaîne souhaitée ; vous pouvez aussi ajouter des clés API, par exemple Discord, ou votre nom d’utilisateur Twitter, votre email, etc. Tout cela peut être configuré sans écrire de code, prêt à l’emploi. C’est pourquoi vous voyez tant de robots faire de la promotion et répondre.
Ensuite, vous pouvez utiliser des outils d’abstraction pour d’autres actions, appelées « actions ». Par exemple, si vous voulez qu’un robot commande une pizza, créez une action « commander une pizza ». Le système récupère automatiquement les informations utilisateur, probablement via un fournisseur. Vous aurez besoin d’un évaluateur pour extraire les informations nécessaires, comme nom et adresse. Si quelqu’un vous contacte en privé pour commander une pizza, le système récupère d’abord l’adresse, puis exécute l’action.
Ces trois composants :fournisseur, évaluateur et action, constituent la base de la création d’applications complexes. Toute action similaire au remplissage d’un formulaire sur un site web,peut être réalisée via ces trois éléments. Nous utilisons actuellement cette méthode pour gérer automatiquement les LP, ce qui ressemble à créer un site web : principalement appeler des API, ce que tout développeur peut facilement maîtriser.
Pour les non-développeurs, je recommande de choisir une plateforme hébergée, sélectionner les fonctionnalités ou plugins nécessaires, sans toucher au code. Bien sûr, vous pouvez aussi bricoler si vous le souhaitez.
Q9 : Combien de temps faudrait-il à un développeur pour construire ou assembler ces fonctionnalités depuis zéro ? Et comparativement, quel est le coût en temps avec la plateforme Eliza ?
Shaw :
Cela dépend de ce que vous voulez faire. Si vous comprenez les abstractions du dépôt de code, vous pourriez construire une fonction très spécifique rapidement,par exemple, je pourrais créer un agent pour faire ce que vous voulez en une semaine. Mais si vous voulez une mémoire, extraction d’informations ou un cadre supportant ces fonctionnalités, cela devient plus complexe.
Par exemple, j’ai fait une application de livraison de pizza en 5 heures, quelqu’un d’autre en 2 heures, donc une journée suffit. Si je devais le faire seul, cela me prendrait plusieurs semaines. Bien que l’IA accélère désormais tout, notamment l’écriture de code, le cadre global vous apporte déjà beaucoup.
Prenez React : toutes les applications reposent sur React. Vous pouvez rapidement assembler un site, mais plus le projet devient complexe, plus c’est difficile. Donc, pour des tâches simples, vous avez besoin d’un LLM, d’une blockchain et d’une boucle, cela peut prendre quelques jours. Mais nous supportons tous les modèles, fonctionnons entièrement en local, supportons la transcription : vous pouvez envoyer un fichier audio sur Discord, il sera transcrit, un PDF peut être discuté, tout est intégré.La plupart des gens n’utilisent même pas 80 % de ces fonctionnalités.
Donc, si vous voulez juste une interface de chat simple, vous pouvez le faire vous-même. Mais si vous voulez un agent complet, capable de multiples tâches, vous avez besoin d’un cadre qui a déjà tout prévu. Je peux vous dire que j’ai mis plusieurs mois à construire cela.
Q10 : Contrairement aux autres plateformes d’agents qui mettent l’accent sur la conception rapide, le déploiement et les opérations no-code, Eliza est-elle plus adaptée à la création d’agents personnalisés et dotés de fonctionnalités uniques ?
Shaw :
Si on compare l’ensemble du système d’Arc, ou de Zeropy, ou du framework Game, leur code est bien plus court qu’Eliza, car Eliza inclut de nombreuses fonctionnalités différentes. Même les plugins seuls incluent déjà de nombreux noyaux essentiels : reconnaissance vocale, synthèse vocale, transcription, traitement PDF, traitement d’image, etc., tous intégrés. Même si cela semble trop complexe pour certains, cela rend de nombreuses choses possibles, ce qui explique pourquoi tant de gens l’utilisent.
Je vois quecertains agents sont purement Eliza plus quelques fonctionnalités supplémentaires, par exemple, ils utilisent notre plugin Pump.fun, ou combinent Eliza avec génération d’images et vidéos, des fonctions déjà intégrées.J’aimerais voir plus de gens essayer d’activer simultanément tous les plugins pour voir ce qui se passe.
Mon objectif est que finalement, ces agents puissent eux-mêmes écrire de nouveaux plugins à partir de zéro, car il y aura assez d’exemples similaires, et tout cela sera intégré aux modèles. Une fois qu’un dépôt atteint 100 étoiles et un seuil critique de code, des entreprises comme OpenAI et Claude récupèrent ces données pour l’entraînement. C’est une partie de notre boucle, et finalement, vous pourrez écrire vos propres plugins.
Q11 : Si Eliza devient le dépôt de code le plus puissant (pas seulement en richesse, mais en capacité à offrir les fonctionnalités les plus solides à tout développeur d’agent), cela signifierait-il qu’Eliza pourrait attirer non seulement des développeurs du domaine crypto, mais aussi davantage de développeurs issus de l’IA traditionnelle et du machine learning ?
Shaw :
S’il y a vraiment une percée.Eliza possède de nombreuses intégrations blockchain (toutes en plugins), mais ce n’est pas en soi un projet crypto. J’ai remarqué que la popularité sur GitHub nous aide à attirer des personnes de Web2, qui trouvent simplement que c’est un excellent outil pour développer des cadres d’agents.
Personnellement, j’aimerais beaucoup que les gens acceptent cela. Certains ont des préjugés contre la crypto, mais il est clair que 99 % des agents échangeront à l’avenir 99,9 % des jetons. La crypto est la monnaie native des agents. Essayez avec un compte PayPal, c’est vraiment difficile. Nous, on peut ouvrir un portefeuille, générer une clé privée, c’est réglé.
Nous attirons effectivement des personnes extérieures au domaine crypto, surtout celles qui ne font pas activement de trading, qui trouvent la crypto acceptable, mais sont surtout intéressées par les applications des agents.
Même si certains ont des préjugés contre les projets crypto, ils sont prêts à les accepter s’ils apportent une vraie valeur. Beaucoup voient seulement de la spéculation et du vide, et sont déçus, mais quand ils découvrent que notre projet repose sur une recherche et une ingénierie concrètes, leur opinion change progressivement. J’espère attirer plus de monde, et nous faisons déjà des progrès, un avantage différenciant énorme.
Part.4 La vision d’un AGI open source et l’avenir des agents IA
Q12 : À l’avenir, comment comptez-vous concurrencer OpenAI et les laboratoires traditionnels d’IA ? Est-ce grâce à une collaboration massive d’agents basés sur Eliza, ou cette comparaison n’a-t-elle aucun sens ?
Shaw :
C’est une bonne question. D’abord, quand vous lancez Eliza, cela démarre par défaut un nouveau modèle : un Llama affiné, le modèle Hermes, entraîné par Nous Research. J’adore leur approche. L’un d’eux, Ro Burito, est à la fois membre de Nous Research et développeur d’agent dans notre communauté. Ils ont aidé à lancer les bots God et Satan, et d’autres robots. Donc, nous pourrions former nos propres modèles, mais nous avons des partenaires comme eux,plutôt que de rivaliser, je préfère coopérer, en complémentarité.
Beaucoup ne comprennent pas à quel point former un modèle est simple : cela ne prend qu’une seule commande. Sur Together, je peux lancer un affinage de modèle Llama en cinq minutes avec une commande pointant vers un fichier Json. L’avantage de Nous n’est pas leur méthode d’affinage, mais leurs données. Ils collectent et curatent soigneusement les données, c’est leur compétitivité centrale. Collecter, préparer et nettoyer les données est fastidieux. Ils se concentrent sur des données différentes d’OpenAI. C’est aussi notre différenciation sur le marché.
Nous choisissons leurs modèles car OpenAI refuse souvent des requêtes. Nous avons un terme : « le modèle OpenAI est castré ». Tous les développeurs d’agents sentent que les modèles OpenAI sont limités. Notre différenciation est queOpenAI ne vous laissera jamais créer un agent connecté à Twitter, ni un assistant très personnalisé ou amusant. Ils ne sont pas assez audacieux, pas assez cool, et subissent trop de pression.
Si vous allez sur ChatGPT aujourd’hui et posez une question sur l’élection de 2024, il vous donnera peut-être une longue réponse, mais pendant longtemps, il répondait simplement « Biden », car c’est ainsi qu’il était entraîné. Je ne soutiens aucune campagne, mais je pense qu’il est stupide qu’un modèle dominant fasse un choix politique aussi simpliste.OpenAI est très prudent, faisant surtout de la « conformité », sans vraiment offrir aux utilisateurs ce qu’ils veulent.
Le vrai point de concurrence est la manière dont vous collectez les données et leurs sources. Vous ne verrez jamais OpenAI faire cela. Regardez les tweets de Sam Altman : il dit queles utilisateurs veulent désespérément un « mode adulte », pas nécessairement NSFW (contenu inapproprié en public), mais « ne me traitez pas comme un enfant, ne me cachez pas certaines informations ».Et comme OpenAI est centralisé, il subit énormément de pression politique gouvernementale. Je pense que le mouvement open source échappe à ces contraintes, et surtout offre de la diversité, différents modèles pour satisfaire réellement les besoins des utilisateurs, leur donner ce qu’ils veulent, plutôt que de contrôler leur comportement. Cette approche finira par l’emporter. OpenAI dispose certes de capitaux colossaux, d’une très haute valorisation, et de nombreux talents. Mais l’IA décentralisée bénéficie du soutien communautaire, d’incitations, de financements rapides, et n’a pas besoin d’attendre des GPU.
Je pense quele chemin vers l’AGI n’est pas exclusif, mais combine différentes approches. Si les plus grandes entreprises du monde font une chose, est-ce que rivaliser peut vraiment accélérer le développement ? Je pense que les agents IA sont les « enfants naturels » du monde de l’IA,car ils ne peuvent pas être mesurés facilement par des standards classiques. Les chercheurs PhD ont du mal à quantifier qu’un agent est meilleur qu’un autre. Les agents IA relèvent davantage de l’ingénierie fondamentale, de la résolution créative de problèmes, ce qui fait la particularité des développeurs investis dans ce domaine.
Q13 : Que signifie concrètement un AGI (intelligence artificielle générale) open source ? Est-ce par une collaboration autonome d’agents aboutissant à un super-intelligence collective, ou par d’autres moyens ?
Shaw :
Si des millions de développeurs utilisent des modèles et outils majoritairement open source, ils vont se concurrencer, optimisant collectivement les capacités du système.Je pense que l’AGI est en réalité la forme d’Internet lui-même, Internet étant composé d’innombrables agents accomplissant toutes sortes de tâches. Et cela n’a pas besoin d’être un système unifié. Nous pouvons l’appeler AGI, mais cela dépend de la définition que vous en donnez.
La plupart pensent que l’AGI est une intelligence capable de faire tout ce qu’un humain fait.En réalité, un agent n’a pas besoin de posséder toutes les connaissances à l’avance ; il peut appeler des API ou manipuler un ordinateur pour obtenir les informations nécessaires. S’il peut manipuler un ordinateur comme un humain, avec un système de mémoire puissant et des fonctionnalités riches, et finalement s’intégrer à des robots physiques, l’AGI deviendra évident.
Mais dans le domaine de l’IA, on dit souvent que « l’AGI, c’est ce que les ordinateurs ne peuvent pas encore faire », et cet objectif change constamment avec les nouveaux modèles. Il existe aussi le concept d’ASI, l’intelligence artificielle super-intelligente, un modèle capable de dominer le monde. Je pense que s’il est construit uniquement par de grandes entreprises comme Microsoft, il pourrait avoir ce potentiel. Maiss’il y a de nombreux acteurs, chacun ouvrant son modèle, les affinant et les optimisant continuellement, on finira par former un système multi-agents semblable à Internet, interagissant entre eux, ayant chacun leurs spécialités, un système qui ressemblera à une super-intelligence.
C’est un système massif, voire un ensemble de systèmes. Si un agent veut attaquer d’autres agents, ce sera très difficile, car aucun ne sera suffisamment dominant. Avec le progrès technologique, nous atteignons aussi une limite énergétique : les modèles ne peuvent pas s’étendre indéfiniment, sinon il faudrait des réacteurs nucléaires pour les alimenter. Microsoft investit déjà dans des centrales nucléaires, toutes les entreprises améliorent progressivement leurs modèles.
Le nouveau modèle GPT-4 d’OpenAI est très proche de l’intelligence humaine, mais d’autres entreprises développent activement des modèles similaires, beaucoup surveillent et appliquent les dernières avancées. Même si le modèle d’OpenAI approche l’AGI, à cause du nombre colossal d’utilisateurs, il doit faire des compromis sur la qualité, en passant à des modèles plus légers pour alléger la charge GPU.
Dans l’ensemble, je pense quela concurrence entre entreprises rend les modèles de plus en plus efficaces, et l’open source permet à davantage de développeurs de participer, accélérant ainsi l’émergence de l’intelligence artificielle super-intelligente. J’espère qu’à l’avenir, sur Twitter, je pourrai facilement trouver un robot capable de faire une tâche précise, et choisir le meilleur.
Q14 : Dans la réalisation de l’innovation et de la vision future, quel rôle joueront les jetons et les marchés de la crypto ?
Shaw :
Si on regarde du côté de l’« intelligence »,le marché lui-même est une forme d’intelligence. Il découvre des opportunités, alloue du capital, stimule la concurrence, et optimise finalement la meilleure solution. Ce processus peut impliquer une concurrence prolongée jusqu’à la formation d’un système complet et mature. Je pense que l’intelligence du marché et la concurrence jouent un rôle crucial ici.
Le rôle de la crypto est évident. Elle a deux fonctions clés :
D’abord, elle offre un mécanisme de financement participatif, remplaçant le vieux modèle des VC de la Silicon Valley, basé sur ce que les gens veulent vraiment, et non sur la définition minoritaire de la valeur par quelques investisseurs. Bien que les VC aient souvent des analyses profondes, leur logique d’investissement peut être limitée par un cercle géographique ou culturel, négligeant le potentiel d’une allocation décentralisée du capital.
Ensuite, la crypto peut capturer précisément les besoins émotionnels des gens. Si un produit répond à ce besoin, les utilisateurs seront enthousiastes. Mais le principal
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
Delphi Digital
