Mysten Labs สนับสนุน Walrus Memory สำหรับหน่วยความจำ AI ที่พกพาได้และมี zk-Proof

หัวข้อ: Walrus Memory มุ่งมอบหน่วยความจำแบบพกพาและน่าเชื่อถือสำหรับตัวแทน AI — ผู้ร่วมก่อตั้ง Mysten Labs อธิบาย โคสตัส ชาลคิอัส ผู้ร่วมก่อตั้งและหัวหน้านักวิทยาการเข้ารหัสของ Mysten Labs กล่าวว่าอุปสรรคใหญ่ครั้งต่อไปสำหรับตัวแทน AI ที่มีความสามารถไม่ใช่การประมวลผล — แต่คือหน่วยความจำ ในความพยายามแก้ปัญหานี้ Mysten (ผู้ร่วมสร้าง Walrus มาตั้งแต่ต้น) สนับสนุน Walrus Memory ซึ่งเป็นชั้นหน่วยความจำที่ออกแบบมาเฉพาะสำหรับตัวแทน AI โดยให้ความมั่นใจในเรื่องความพกพา การควบคุมของผู้ใช้ และบริบทที่ประสานงานและยาวนานข้ามแอปและผู้ให้บริการ “ความเข้าใจผิดหลักในโลก AI คือการที่คิดว่าการประมวลผลคืออุปสรรคเดียว” ชาลคิอัสกล่าวกับ Decrypt “ปัญหาหลักคือมนุษย์เราใช้หน่วยความจำจำนวนมาก และเราต้องการให้ LLMs ของเราเรียนรู้เกี่ยวกับเราจริงๆ” เขากล่าวว่า ตัวแทนในปัจจุบันถูกสร้างขึ้นจากฐานข้อมูล คลังเวกเตอร์ และสถานะแบบเรียลไทม์ที่แตกต่างกัน ทำให้เกิดระบบที่เปราะบางและลืมหรือล้มเหลวเมื่อทำงานซับซ้อน Walrus Memory มุ่งแก้ไขสิ่งที่ชาลคิอัสเรียกว่า “อุปสรรคจริง” — หน่วยความจำแบบตัวแทนที่สะท้อนบริบทของผู้ใช้และสามารถเคลื่อนย้ายได้ระหว่างเซสชัน แอป และโมเดล สิ่งที่ Walrus Memory นำเสนอ - ความพกพา: ตัวแทน แอป และกระบวนการทำงานสามารถแชร์หน่วยความจำได้อย่างอิสระจากสภาพแวดล้อมการรัน เซสชัน หรือผู้ให้บริการคลาวด์ เพื่อป้องกันการผูกขาดผู้ให้บริการ ชาลคิอัสเน้นการบูรณาการกับโมเดลหลักๆ เช่น Claude, ChatGPT และ Gemini เพื่อ “เตรียมความพร้อมสำหรับอนาคต” ของกระบวนการทำงาน - การประสานงานระหว่างตัวแทนหลายตัว: พื้นที่หน่วยความจำร่วมช่วยให้ตัวแทนหลายตัวสามารถประสานงานกันในงานหรือกระบวนการทำงานระยะยาว แทนที่จะทำงานแยกจากกัน - การตรวจสอบด้วยคริปโตกราฟีและการควบคุมการเข้าถึงแบบโปรแกรมได้: Walrus ใช้เครื่องมือคริปโตกราฟีรวมถึง zk-proofs เพื่อเปิดโอกาสให้มีการตรวจสอบบริบทและการควบคุมการเข้าถึงแบบโปรแกรมได้สำหรับหน่วยความจำที่เข้ารหัส ช่วยให้ทีมสามารถปกป้องและเปิดเผยข้อมูลได้อย่างเลือกสรร - ความเป็นส่วนตัวและการควบคุมวงจรชีวิต: หน่วยความจำที่จัดเก็บบนแพลตฟอร์มนี้มีนโยบายการเข้าถึงและการเก็บรักษาแบบโปรแกรมได้ — “คุณไม่อยากให้ข้อมูลของคุณอยู่ที่นั่นตลอดไป คุณไม่อยากให้ข้อมูลของคุณถูกใช้ในทางที่ผิด” ชาลคิอัสกล่าว - เครื่องมือสำหรับนักพัฒนา: พลา๊กอิน (OpenClaw, NemoClaw) พร้อม SDK สำหรับ Python และ TypeScript ทำให้ง่ายต่อการเพิ่มหน่วยความจำแบบพกพาลงในกระบวนการทำงานของตัวแทนที่มีอยู่แล้ว ชาลคิอัสโต้แย้งว่าองค์ประกอบเหล่านี้ล้วนจำเป็น: “แค่มีการประมวลผลเร็ว ก็ไม่ได้หมายความว่าจะมีความเป็นส่วนตัว; แค่มีชั้นการเข้ารหัส ก็ไม่ได้หมายความว่าจะมีวิธีแชร์นโยบายของคุณกับ LLMs ที่คุณต้องการ; หากคุณมีข้อมูลขนาดใหญ่เพียงอย่างเดียว ก็ยังไม่เพียงพอ” เขายังเสริมว่าในมุมมองของเขา โซลูชันที่เน้นบล็อกเชนส่วนใหญ่ในปัจจุบันยังไม่มีใครรวมสามสิ่งนี้เข้าด้วยกันพร้อมกัน — ความพกพา การตรวจสอบด้วยคริปโตกราฟี และการแชร์ตามนโยบาย ผู้ใช้งานรายแรกและข้ออ้างด้านประสิทธิภาพ ทีมที่กำลังทดลอง Walrus Memory อยู่แล้วได้แก่ Allium, Conso Labs, Inflectiv, OpenGradient, Talus Labs และ Tatum กรณีการใช้งานหลากหลายตั้งแต่ระบบตัวตนของตัวแทนแบบพกพาไปจนถึงผู้ช่วย AI ที่จดจำการโต้ตอบกับลูกค้าข้ามเซสชัน ในด้านประสิทธิภาพทางเทคนิค ชาลคิอัสกล่าวว่า Walrus เพิ่มคุณภาพโดยรวมของหน่วยความจำที่มอบให้กับ LLMs โดยแก้ไขสี่ชั้น: การจัดเก็บ การเรียกคืน การจัดอันดับ และการเข้ารหัส “ในบางเมตริก เราได้รับผลลัพธ์ดีขึ้น 60% จากการจัดอันดับที่ดีขึ้น การกรองที่ดีขึ้น และบริบทที่ดีขึ้น” เขาอธิบายว่าผลลัพธ์เหล่านี้มาจากคลาสสิฟายที่ฉลาดกว่า การกรองที่ใช้การเข้ารหัส และการจัดอันดับความเกี่ยวข้องที่ดีขึ้น “เราไม่ได้เป็นแค่ชั้นจัดเก็บอีกต่อไป” เหตุใดจึงควรใส่ใจใน crypto และ Web3 สำหรับผู้สร้างบล็อกเชนและ crypto การมีหน่วยความจำของตัวแทนที่พกพาได้และตรวจสอบได้ เปิดโอกาสใหม่ๆ: ประวัติผู้ช่วยที่เชื่อมโยงกับบัญชี การตัดสินใจของตัวแทนที่สามารถตรวจสอบได้ และตัวตนข้ามแพลตฟอร์มที่เคารพการควบคุมของผู้ใช้และการรับประกันทางคริปโตกราฟี การใช้งาน zk-proofs และการควบคุมการเข้าถึงแบบโปรแกรมได้นั้นสอดคล้องกับค่านิยมของ Web3 ในเรื่องความสามารถในการตรวจสอบและการแชร์แบบรักษาความเป็นส่วนตัว เริ่มต้นใช้งาน นักพัฒนาและทีมสามารถเรียนรู้เพิ่มเติมหรือทดลองใช้งาน Walrus Memory ได้ที่ walrus.xyz/memory สนับสนุนโดย: Walrus เสนอโดย Walrus เรียนรู้เพิ่มเติมเกี่ยวกับการร่วมงานกับ Decrypt