May-akda: Zen, PANews
Ginugol mo ang anim na buwan upang gawing maunawaan ni ChatGPT ang iyong mga gawi sa paggawa, istilo sa pagsulat, at mga proyektong pangmatagalang. Alam nito kung paano mo binabago ang mga artikulo, kung ano ang mga kumpanya na madalas mong tinitingnan, at unti-unting nalalaman nito ang iyong pagkakaiba sa istruktura ng nilalaman, tono, at densidad ng impormasyon.
Ngunit isang araw, lumabas ang mas malakas na bagong model. Ibinuksan mo ang Claude, Gemini, o DeepSeek at nalaman mong kailangan mong magsimula muli. Ang bagong model ay hindi kilala sa iyo, hindi alam ang iyong mga konteksto sa trabaho na iyong nakalikom sa loob ng ilang buwan, at hindi alam kung paano ka nagsisipag-isip, nagsusulat, at gumagawa ng desisyon.
Sa nakalipas na dalawang taon, ang pinakamahalagang pakikidigma sa industriya ng AI ay nakatuon sa “kapasidad ng modelo.” Sino ang mas malakas na pag-iisip, mas mahabang konteksto, at mas magandang kakayahan sa paggawa ng code, halos nagpapasya sa lahat. Ngunit ngayon, isang bagong tanong ang lumalabas: lalo na nang nauunawaan ng AI ang iyo, ngunit sino ba talaga ang may-ari ng mga “pag-unawa” na ito?
Pagbabago ng papel, ang AI ay maging personal na digital assistant
Noong Nobyembre 2022, lumabas ang AI chatbot na ChatGPT. Pagkatapos nito, nagdulot ito ng isang malaking alon ng pag-uusap sa buong mundo, at nakamit ang isang milyong aktibong gumagamit bawat buwan sa loob ng dalawang buwan lamang, gawaing pinakamabilis na paglago sa kasaysayan ng mga consumer application. Noong panahong iyon, ang malalaking modelo ay parang “mas mataas na paghahanap.” Ang mga gumagamit ay nagtatanong sa AI, at agad itong naglalabas ng sagot; pagkatapos ng usapan, natatapos din ang ugnayan.
Ngunit sa nakaraang dalawang taon, ang papel ng AI ay nagkakaroon ng malinaw na pagbabago. Kasabay ng pagtaas ng kakayahan sa pag-iisip, pagkakasulat ng code, at paggamit ng mga kasangkapan, ang AI ay nagsimulang maging malalim sa mga totoong proseso ng trabaho. Lalong lumalaki ang bilang ng mga tao na gumagamit nito para mag-write ng code, ayusin ang mga materyales, analisahin ang data, plano ang mga biyahe, pamahalaan ang kanilang mga jadwal, at kahit na mag-ambag nang mahaba sa paggawa ng nilalaman at paggawa ng mga desisyon sa negosyo.
Sa maraming kaso, ang mga gumagamit ay hindi na lamang “nagtatanong sa AI,” kundi nagtatrabaho nang matagal sa pagkakasundo kasama ito. Nagsisimula itong maintindihan ang iyong paraan ng paggawa, mga gawi sa pagsasalita, at matagalang layunin, at nagsisimula ring magpatuloy na makilahok sa iisang proyekto, iisang workflow, at kahit na umabot sa pagtanggap ng ilang mga gawain. Sa ilang paraan, ang AI ay nagsisimulang maging isang panandalian na kasangkapan sa pagtatanong at nagiging isang pangmatagalang personal na digital assistant.
Samantalang tumataas nang malaki ang kakayahan ng modelo, nagiging magkakapareho na ang lakas ng mga pangunahing produkto, at habang patuloy at malawak ang paggamit ng AI, lumalabas ang mga bagong problema.
Kapag nagsisimula ang AI na magtrabaho nang mahaba ang panahon, ang “memory” na ginagamit bilang sistema para i-store at i-recall ang nakaraang karanasan upang mapabuti ang pagdedesisyon at pangkabuuang pagganap ay hindi na isang walang kahalagang database. Sa maraming aplikasyon, ang bottleneck ay hindi na ang antas ng pag-iisip ng modelo, kundi ang kakayahan sa pangmatagalang memorya at pagpapamahala ng konteksto. Direktang tinawag ng Cloudflare ang agentic memory bilang isa sa pinakamalaking hamon at isa sa pinakamabilis na umuunlad na larangan sa kasalukuyang infrastruktura ng AI.
Nakikita na rin ng mga pangunahing AI na kumpanya na ang pangmatagalang memorya ay naging bahagi na ng karanasan sa produkto. Ibinahagi ng OpenAI ang memorya ng ChatGPT sa saved memories at Reference chat history, kung saan ang una ay nag-iimbak ng impormasyon na gustong panatilihin ng user, habang ang pangalawa ay nagpapahintulot sa ChatGPT na kunin ang mga kapaki-pakinabang na nilalaman mula sa nakaraang pag-uusap para gamitin sa mga susunod na personalisadong sagot. Kumikilos na rin ang Gemini batay sa nakaraang pag-uusap upang matutunan ang mga preferensya ng user. Tinatanggap naman ni Claude ang memorya, at sumusuporta sa pag-import at pag-export ng memorya.
Ang platform isolation ay ginagawa ang AI na "memory" bilang bagong battlefield ng industriya
Ngunit ang problema ay ang mga kakayahan sa pagtatala na ito ay patuloy na nakabatay sa kanilang sariling mga platform, na kabilang lamang sa mga account system at produktibong kapaligiran na independiyente sa bawat platform, at nananatiling mga isla. Bagaman tinatanggap na ni Anthropic ang pag-import at pag-export ng memorya, kasalukuyan itong mas tila isang tool para sa paglipat patungo sa Claude, kaysa isang pangkalahatang pamantayan sa memorya na tinatanggap ng lahat.
Ang ZetaChain ay nagsisikap na punan ang parteng ito. Pagkatapos ng ganap na paglipat sa AI, sinimulan ng ZetaChain na palawakin ang konsepto ng “pagmamay-ari,” na dati ay nasa larangan ng cryptocurrency, patungo sa AI memory at user context. Layunin nitong buuin hindi lamang isang chat product, kundi isang hiwalay na private memory layer na nakalayong sa anumang model platform, upang makapag-utos ang mga user sa kanilang sariling matagalang memorya, pagkakasunod-sunod ng pagkilos, at AI context.
Ang Anuma, ang AI consumer product ng ZetaChain, ay nagtataguyod ng isang encrypted private memory para sa mga user, at nagbibigay-daan sa seamless paggamit sa mga pangunahing AI model tulad ng ChatGPT, Claude, at Gemini. Hindi na kailangan ng mga user na muling magtatag ng konteksto, preferensya, at mga gawain bawat paglipat sa iba’t ibang model; ang pag-access sa kanilang kasaysayang memorya ay kontrolado ng user at maaaring dala-dala sa iba’t ibang model at Agent.
Habang unti-unting nakakalap ng AI ang mga pagpili ng user, mga gawi sa pagsusulat, mga proseso sa trabaho, at mga nakaraang usapan, ang tinatawag na “memorya” ay lalabas na parang isang “mirror ng pagkatao.” Hindi lamang ito ang magdedesisyon kung ang mga sagot ng model ay sumasalungat sa mga pagpili ng user, kundi maaari rin itong magdesisyon kung ang model ay magiging katuwang sa paggawa ng desisyon sa hinaharap—nagsasagawa ba ito ayon sa iyong mga gawi at halaga.
Kung saan sa pagbubuo ng isang programmable, auditabile, at revocable na sistema ng pahintulot na nagpapahintulot sa AI agent na basahin ang rekord nang isang beses, at maaaring i-revoke ang pahintulot kahit kailan, at ang lahat ng pagbabago sa pahintulot ay maaaring irekord at itaas sa blockchain.
Hindi lang iyon, ang mga memorya at kaalaman ng mga user ay maaari ring maging mga asset na maaaring i-share, i-authorized, at imonetize nang walang pagpapakita ng orihinal na data. Ito ay nagpapahintulot sa mga user na propesyonal tulad ng mga investor, doktor, abogado, at developer na i-encapsulate ang kanilang propesyonal na kaalaman bilang Agent at i-publish sa Agent Marketplace upang kumita kapag ginamit ng iba.
Bakit nag-transform ang ZetaChain mula sa cross-chain patungo sa cross-AI platform?
Ang pagkakaroon ng kakayahang magagawa ng Anuma ang mga function na nabanggit ay dahil sa pahintulot ng Private Memory Layer, ang ilalim na imprastruktura na dinisenyo ng ZetaChain. Bilang isang pribadong memorya, pagkakakilanlan, pahintulot, pagbabayad, at imprastruktura para sa mga agent na nakatuon sa AI, ito ay naglalayong bigyan ng kakayahan ang mga app at agent na magtrabaho nang magkasama sa iba’t ibang model, habang nananatili ang kontrol ng user.
Ang ZetaChain ay laging nakatuon sa pagbuo ng infrastruktura para sa cross-chain interoperability, na may pangunahing layunin na lutasin ang mga problema sa pagpapadala ng mga asset at mensahe sa pagitan ng iba’t ibang blockchain. Sa pagkakaroon ng “unified multi-chain entry,” nagbuo ito ng isang malaking network at narrative. Ayon sa kanilang opisyal na datos, mayroon itong 11.9 milyong natatanging address at 241 milyong transaksyon sa blockchain nito.
Ngunit kasunod ng pambungad na paglunsad ng Anuma noong Abril 27 ng taong ito at pagkamit ng higit sa 50,000 na user sa unang buwan, nagsimula ang ZetaChain na lumipat nang buo patungo sa AI at paulit-ulit na isasara ang kanilang cross-chain interoperability business. Ang pagbabalik-loob na ito ay mayroon ding isang malinaw na lohikal na batayan.
Noong nakaraan, ang pangunahing problema na tinutugon ng ZetaChain ay ang kakulangan ng interoperabilidad sa pagitan ng mga chain. Sa mundo ng AI ngayon, mayroon ding katulad na pagkakahiwalay. Sa ilang paraan, ang mga digital asset sa blockchain ay katulad ng memorya at konteksto sa AI. Mayroong sariling sariling isinara na sistema ng memorya ang iba’t ibang model, at kapag nagbabago ang user ng platform, karaniwang nasuspinde ang matagal nang nakumpol na konteksto at pagkukulang sa pagpili.
Sa pag-unlad ng mga nakaraang taon, naniniwala ang ZetaChain na ang pinakamalaking hamon ngayon ay hindi na ang paglipat ng mga transaksyon sa pagitan ng mga blockchain, kundi ang kontinuidad sa pagitan ng iba’t ibang modelo at iba’t ibang Agent, at ang pagkakaroon ng kapangyarihan ng mga user sa kanilang sariling konteksto.
Binanggit na rin ng a16z crypto sa kanilang analisis na ang mga agent ay nagsisimula nang maging mga participant sa ekonomiya, ngunit kulang pa sila sa portableng pagkakakilanlan, programmable na pagbabayad, verifiable na awtorisasyon, at publikong koordinasyong layer na kailangan para sa kolaborasyon sa iba’t ibang kaligiran. Kaya, kumpara sa maraming proyektong AI+Crypto na pilit na naghahanap ng mga aplikasyon, mas natural ang lohika ng pagbabago ng ZetaChain.
Sa kasaysayan ng negosyo, ang tagumpay na pagbabago ng mga kompanya ng infrastraktura ay hindi kakaibang bagay. Madalas na hindi lamang ito mga kompanyang nagbabago ng track, kundi naglalayong makahanap ng bagong bottleneck batay sa lohika ng produkto. Ang pinakamahalagang kuwento ni NVIDIA noong unang panahon ay ang graphics computing at gaming GPUs, ngunit habang umuunlad ang AI, naging pundasyon ng buong industriya ng AI ang kanilang GPU architecture. Ang infrastraktura ay hindi laging nakatuon sa iisang constraint, at ang tunay na tagumpay ay karaniwang ang mga unang nakikita na dumadaan ang “susunod na constraint.”
Mula sa privacy memory layer hanggang sa AI consumption layer
Sa kabuuan ng pag-unlad ng AI, ang hinaharap na anyo ng AI ay hindi magiging limitado sa mga window ng chat, kundi magiging malawak na mga AI assistant na patuloy na umiiral at nagtatrabaho nang magkakasama. Batay sa pagkakataong ito, ang ZetaChain, kasama ang pagtataguyod ng “Privacy Memory Layer” upang lutasin kung paano matututuhan ng AI ang user sa matagal, ay naglalayon pa ring magtakda ng konsepto ng “AI Consumer Layer” upang muli pang-ugnayin ang ugnayan sa pagitan ng user at AI matapos na kumatawan ito nang matagal sa pangangailangan ng user.
Sa konsepto ng ZetaChain, ang hinaharap ay hindi lamang ang pagbibigay ng sagot ng AI, kundi ang malalim na pakikilahok nito sa mga proseso ng trabaho at pang-araw-araw na desisyon ng mga gumagamit. Magkakaibang AI assistant ang magkakaroon ng iba’t ibang tungkulin—isa ay nagpaproseso ng code, isa ay nagpapaliwanag ng mga pondo, isa ay nagpaplano ng itinerary, at isa pa ay nakikilahok nang matagal sa paggawa ng nilalaman at pagsusuri. At kung gusto ng mga AI na ito na magtrabaho nang may pagkakaisa, kailangan nilang magbahagi ng iisang sistema ng pangmatagalang konteksto, pagkakakilanlan, at mga pahintulot.
Kaya ang tinatawag na “AI consumption layer” ay nagtatangkang i-integrate ang mga natatanging kakayahan sa isang magkakaugnay na framework. Ang Memory ang responsable sa matagalang konteksto, ang Permissions sa pagkontrol ng mga pahintulot, ang Identity sa sistema ng pagkilala, ang Payments sa pagtawag at pagbabayad sa pagitan ng mga AI, habang ang Agents ay ang huling mga AI na kumikilos para sa mga gumagamit.
Ito ang dahilan kung bakit ang “pagmamay-ari” ay naging pangunahing konsepto na paulit-ulit na binibigyang-diin ng ZetaChain.
Dahil sa sistema na ito, ang pinakamahalagang bagay ay kung nananatili pa ba ang mga user sa kanilang sariling konteksto, pahintulot, at pagkakakilanlan. Halimbawa, ang isang AI na responsable sa pagmamasid sa code ay maaaring bigyan ng pansamantalang pahintulot na basahin ang GitHub repository; ang isang AI na responsable sa paghahanda ng buwis ay maaaring basahin ang mga dokumento sa buwis nang isang beses; at ang isang AI na responsable sa pagpaplano ng biyahe ay maaaring mag-access lamang sa kasaysayan ng pagbiyahe at mga pahintulot sa kalendaryo. Ang mga pahintulot ay hindi na kinokontrol ng platform nang iisang beses, kundi dinadala ng user nang dinamiko at maaaring i-revoke kahit kailan.
At ito ang dahilan kung bakit bumabalik ang blockchain sa ugnayan sa AI.
Habang lalong dumadami ang AI na nagtatrabaho para sa mga gumagamit, ang mga tanong tulad ng “Sino ang makakapag-access sa ano?”, “Maaari ba itong mawala ang pahintulot?”, at “Maaari ba itong masuri ang pagtawag?” ay magiging bagong isyu sa imprastruktura. Ang mga sistemang pahintulot sa blockchain ay likas na angkop para sa paghawak ng ganitong uri ng pagtutulungan ng maraming partido.
Ang token ng infrastrakturang AI, ZETA, ay nagdudulot ng paglago sa utility kasabay ng pagpapalit
Kasabay ng pagpapalit ng estratehiya ng ZetaChain, binago rin ang mga paggamit at kahalagahan ng token na ZETA. Noon, ang ZETA ay mas parang tradisyonal na token ng public blockchain, na pangunahing ginagamit para sa gas, pagpapatotoo, at seguridad ng cross-chain network, na walang maraming bagong disenyo sa mekanismo. Ngunit sa bagong kuwento, ang ZETA ay magiging isang “token ng AI infrastructure,” at tataas ang kanyang kahalagahan.
Ayon sa kasalukuyang paglalarawan ng ZetaChain, ang hinaharap na mga gamit ng ZETA ay magiging:
Una sa lahat ay ang mga pahintulot sa pag-access sa AI model at Agent. Ang ilang mga advanced na model, propesyonal na AI tool, o serbisyo ng Agent, ay kailangang i-unlock o bayaran ang bayarin sa pagtawag gamit ang ZETA.
Susunod sa pagpapalit at pagkakasundo sa pagitan ng mga Agent. Sinasabi ng ZetaChain na ang mga interaksyon sa pagitan ng iba’t ibang AI at aplikasyon sa hinaharap ay magiging posible sa pamamagitan ng x402 protocol para sa on-chain payments. Ang layunin nito ay malinaw: kung sa hinaharap ay awtomatikong tatawagin ng isang AI ang iba pang AI, kailangan din ng native payment system ang pagitan ng mga machine.
Ang ikatlo ay ang on-chain na pag-update ng mga pahintulot at memorya. Ang mga pagbabago ng user sa mga pahintulot, kontrol sa pag-access, at estado ng memorya ay maaaring maging recorded on-chain sa hinaharap.
Ang ikaapat ay ang creator economy. Gusto ng ZetaChain na sa hinaharap, ang mga developer, siyentipiko, abogado, doktor, at iba pang propesyonal, ay maaaring i-encapsulate ang kanilang kaalaman bilang mga AI tool o Agent, at kumita sa pamamagitan ng paggamit nito, habang ang ZETA ay gagampanan ang papel nito sa paglipat ng halaga.
Gayunpaman, kailangang paalalahanan na ang bahaging ito ay kasalukuyang higit pa sa pagsasalaysay. Dahil ang ekonomiya ng AI Agent ay hindi pa gaanong matatag, ang tunay na malawakang “AI na tumatawag sa AI” at “pagbabayad ng Agent nang sarili nito” ay hindi pa nagaganap. Kasama na rito ang mga konsepto tulad ng x402, on-chain permissions, at AI identity, na kasalukuyang higit pa sa paghahanda ng imprastruktura kaysa sa napatunayang malawakang pangangailangan.
Ngunit ang dahilan kung bakit mahalaga ang ZetaChain at ang kanyang lohika ng produkto ay hindi lamang dahil ito ay gumawa ng isang imprastruktura na kasama ang AI na produkto, kundi dahil ito ay sinusubukang muli pang-define ang alaala, pagkakakilanlan, konteksto, at mga pahintulot ng AI ng mga user sa hinaharap—kung sila ay nasa kamay ng platform o sa sarili ng user. Ang layunin ng ZetaChain ay, sa puso nito, gawing muling bumalik ang mga ito sa kamay ng user, at hindi na kontrolado ng platform.