Ringkasan Cepat

• Jaringan NIM adalah blockchain yang berfokus pada kecerdasan buatan yang bertujuan untuk mengoptimalkan pengembangan agen kecerdasan buatan untuk permainan Web3.
• Ini menyediakan akses on-chain ke model AI untuk pengembang game dan kepemilikan model ini untuk pemegang token.
• Para agen AI yang dikerahkan di NIM difokuskan pada permainan tetapi juga dapat memberikan manfaat pada aplikasi dunia nyata.
• Ini PenelitianPiece dibuka oleh Jaringan NIM.

Jaringan NIM adalah blockchain yang berfokus pada kecerdasan buatan (AI) yang bertujuan untuk membudidayakan ekosistem yang disesuaikan untuk iterasi dan kemajuan cepat agen AI, terutama untuk permainan Web3. Secara sederhana, jaringan NIM menyediakan sebuah tempat untuk penyebaran cepat agen AI untuk permainan.

Entitas AI ini terampil dalam meniru perilaku yang ditunjukkan oleh pemain nyata, dengan demikian meningkatkan kualitas gameplay yang mendalam dengan berperan sebagai karakter non-playable (NPC) yang mirip pemain. Dalam permainan digital biasa, tugas ini biasanya menjadi tanggung jawab pengembang permainan. Dengan NIM, siapa pun dapat menggunakan, mengembangkan, atau menerapkan agen AI tanpa izin yang nantinya dapat digunakan dan ditingkatkan oleh peserta jaringan lainnya dalam aplikasi mereka. Menurut roadmap NIM, agen AI ini nantinya juga akan mampu secara otonom dan transparan menangani transaksi keuangan on-chain, yang lebih lanjut memperluas utilitas dan potensi platform ini.

Jaringan NIM juga akan menawarkan metode baru dalam memberikan insentif dalam pengembangan dan implementasi agen AI on-chain. Misalnya, NIM akan memberikan akses kepada pengembang untuk menggunakan model AI dan menawarkan kesempatan kepada pengguna untuk memiliki model-model AI tersebut. Dengan memiliki bagian dari agen AI ini, pemegang token NIM dapat berbagi dalam aliran pendapatan yang dihasilkan dari biaya model AI. Di sisi lain, pengembang AI yang menggunakan agen mereka di NIM juga dapat diberikan insentif melalui token reward. Selain itu, NIM berencana untuk menggabungkan mekanisme yang mendistribusikan biaya gas jaringan dan emisi token secara proporsional kepada konsumen gas teratas di NIM untuk mendorong partisipasi dan pengembangan.

AI dan Gaming: Kemajuan Simbiotik

Lanskap AI dan game menjadi lebih berpotongan, dengan potensi AI tumbuh dari hari ke hari. Sejak diperkenalkannya AI ke dalam game pada akhir 1970-an, seperti di Space Invaders dan Pac-Man, AI tumbuh ke tingkat di mana kami mulai melihat agen AI melebihi kinerjapemain profesional internasional dalam permainan kompleks seperti Dota 2.

Melompat ke hari ini, kita melihat AI secara generik terintegrasi ke dalam permainan sebagai agen. Contoh baiknya adalah Proyek Agen Skalabel, Instruktif, Multiworld (SIMA)SIMA, yang telah menarik perhatian yang cukup besar dari entitas terkemuka termasuk Google's DeepMind. Karakteristik utama dari agen SIMA terletak pada kapasitas mereka untuk secara otonom menginterpretasikan dan menjalankan instruksi berbasis teks, memberi mereka kemampuan untuk menavigasi beragam lingkungan virtual dan melakukan berbagai tugas. Yang penting, melatih model AI seperti ini bukan hanya merupakan kasus penggunaan utama untuk pengembangan game, tetapi juga dapat meningkatkan performa model AI di bidang lain.

Kemajuan kemampuan agen AI generik memiliki implikasi di luar ranah permainan, yang termanifestasi dalam manfaat nyata untuk aplikasi dunia nyata. Secara tradisional, pelatihan agen AI untuk mensimulasikan interaksi manusia realistis membutuhkan sumber daya keuangan yang besar. Dengan memberikan insentif kepada pemain dan pengembang untuk meningkatkan respons model AI melalui permainan, NIM berpotensi mempercepat pengembangan SIMA dan melebarkan horison untuk SIMA juga. Pada akhirnya, kemampuan SIMA untuk bereaksi secara optimal di lingkungan simulasi namun realistis berpotensi berdampak pada sektor dunia nyata lainnya seperti robotika dan pengemudi otonom, di mana agen AI bertugas dalam proses pengambilan keputusan kompleks, seperti mengatur aliran lalu lintas.

Sebuah tinjauan tentang gaming dan AI. Gambar: Google DeepMind.

NIM menyediakan lingkungan di mana SIMA dapat diterapkan secara on-chain, memungkinkan pengguna mengadopsi, mengevaluasi, dan memodifikasinya secara bebas untuk kasus penggunaan dan lingkungan tertentu. Semua data model yang relevan dicatat on-chain dan diperkuat oleh bukti yang sesuai, menciptakan ekosistem tanpa kepercayaan di mana pengguna dapat secara kolaboratif meningkatkan agen AI mereka. Fitur ini, yang disebut komputasi terbukti, dapat meningkatkan pelatihan SIMA dengan mendorong kolaborasi. Ini pada akhirnya menguntungkan baik pemain game yang ingin berinteraksi secara realistis dengan agen AI maupun pengembang AI yang ingin menyempurnakan model AI mereka.

Keuntungan besar dari menerapkan agen-agen seperti itu di dalam rantai adalah bahwa agen kecerdasan buatan ini sekarang dapat melakukan transaksi dan penyelesaian atas nama mereka yang menerapkannya dengan cara yang transparan dan dapat dipertanggungjawabkan secara publik. Mengingat semakin banyaknya permainan Web3, masing-masing dengan token ekonomi uniknya, menjadi mungkin bagi pemain terampil untuk memperoleh pendapatan dari partisipasi dalam permainan. Namun, skalabilitas usaha seperti ini mengharuskan adanya otomatisasi yang didorong oleh kecerdasan buatan yang luas. Kemampuan untuk memeriksa perilaku agen kecerdasan buatan secara publik dari waktu ke waktu, yang difasilitasi oleh kerangka kerja NIM, merupakan fitur berharga lainnya bagi para pengguna agen tersebut. Misalnya, jika seorang agen kecerdasan buatan berperilaku sub-optimal, hal ini dapat diketahui oleh partisipan jaringan lainnya, yang memicu upaya optimasi berulang. Ini dapat menghasilkan agen kecerdasan buatan yang sangat dioptimalkan sehingga dari waktu ke waktu dapat lebih baik memenuhi permintaan para pemain profesional.

Tech Stack dan Roadmap NIM

Meskipun dokumentasi teknis NIM belum tersedia untuk umum, tim telah memberikan wawasan kepada The Block Research tentang kondisi pengembangannya saat ini.

Jaringan NIM memanfaatkan kerangka modular Dymension untuk membangun blockchain-nya, yang memberikan akses ke ekosistem Cosmos sejak awal. Tidak hanya itu, tetapi rantai Dymension juga kompatibel dengan EVM, yang berarti bahwa NIM mampu mendukung apa pun yang dapat dilakukan oleh rantai EVM generik biasa.

Jaringan NIM dioptimalkan untuk pengembangan kolaboratif dan implementasi agen AI, karena kemampuannya untuk mendukung perhitungan yang dapat dipertanggungjawabkan. Perhitungan yang dapat dipertanggungjawabkan merupakan fitur penting untuk pengembangan dan implementasi agen AI secara kolaboratif karena pelatihan model AI seperti itu membutuhkan komputasi yang intensif. Akan tidak praktis untuk mengharapkan semua pengguna NIM untuk melatih model AI canggih dari awal pada perangkat lokal mereka sendiri. Namun, dengan perhitungan yang dapat dipertanggungjawabkan, pengguna dapat mempercayai model AI dengan fitur khusus dan pada tahap pengembangan tertentu yang sebelumnya telah diterapkan di rantai, dan menggunakannya untuk tujuan mereka sendiri. Tim pengembangan NIM sedang aktif mengeksplorasi berbagai pendekatan untuk perhitungan yang dapat dipertanggungjawabkan, mulai dari lingkungan eksekusi terpercaya hingga verifikasi optimis.

Namun, pendekatan utama yang tim telah fokus pada, adalah penggunaan bukti keberlakuan. Bukti keberlakuan dapat dimanfaatkan dalam berbagai situasi, mulai dari skalabilitas Layer 2 di Ethereum hingga memberikan privasi. Selain itu, bukti keberlakuan juga dapat digunakan untuk menguji rangkaian komputasi, dengan demikian membuktikan bahwa komputasi telah dilakukan dan hasilnya sesuai dengan yang disajikan. NIM bermaksud menggunakan bukti keberlakuan yang relatif baru ini,Ligero, untuk pendekatan ini.

Selain itu, NIM berencana untuk menggabungkan pembagian pendapatan kepada pemegang token NIM. Pendapatan ini akan berasal dari pengguna yang membayar untuk memanfaatkan platform kecerdasan buatan untuk menerapkan agen kecerdasan buatan. Pada dasarnya, staking token NIM akan mewakili kepemilikan sebagian dari infrastruktur kecerdasan buatan yang dibangun di atas NIM.

Sebuah tonggak sejarah yang akan segera terjadi bagi NIM adalah peluncuran mainnet-nya pada pertengahan April 2024, di mana jaringan NIM akan mendistribusikan @NIM_Network/nim-network-genesis-rolldrop-aa86af5f6134">airdrop genesis kepada komunitas yang luas, mulai dari para pemain Parallel hingga pemegang Pudgy Penguin. Selanjutnya, NIM telah merencanakan serangkaian kemitraan strategis dengan beberapa game Web3, seperti Titans, sebuah game AI versus AI.

Outlook

Prospek jaringan NIM tampaknya penuh dengan kemungkinan, tetapi masih harus dilihat apakah dapat mengatasi rintangan awal dalam mendapatkan adopsi. Meskipun teknologinya menjanjikan, keberhasilannya sangat bergantung pada keberhasilan game yang telah bekerjasama dengannya. Selain itu, ada faktor lain di luar kendali NIM, seperti keberlanjutan desain tokennya dan munculnya pesaing potensial. Yang lebih penting, kemampuan teknis yang dijanjikan oleh NIM masih memerlukan waktu sebelum siap diproduksi.

Namun, dengan minat yang kembali dalam permainan Web3, serta lonjakan harga token gaming dalam beberapa bulan terakhir, nampaknya NIM saat ini berada pada posisi yang baik untuk menangkap nilai yang akan datang dengan booming industri permainan Web3. Dengan menyediakan ekosistem yang kuat yang disesuaikan untuk pengembangan dan implementasi kolaboratif agen AI, dikombinasikan dengan narasi untuk pengalaman bermain game yang didorong oleh AI, NIM siap untuk memenuhi janjinya dan potensialnya untuk mengukuhkan posisinya sebagai pelopor dalam membentuk masa depan permainan yang didorong oleh AI.

Penyangkalan:

1. Artikel ini dicetak ulang dari [BLOK]. Semua hak cipta milik penulis asli [Arnold Toh]. Jika ada keberatan terhadap cetakan ini, silakan hubungi Gate Belajartim, dan mereka akan menanganinya dengan segera.
2. Penyangkalan Tanggung Jawab: Pandangan dan opini yang terdapat dalam artikel ini semata-mata milik penulis dan tidak merupakan saran investasi apa pun.
3. Terjemahan artikel ke dalam bahasa lain dilakukan oleh tim Gate Learn. Kecuali disebutkan, menyalin, mendistribusikan, atau menjiplak artikel yang diterjemahkan dilarang.