" По мере того как гонка за лучшим человекоподобным роботом набирает обороты, а глобальные команды интегрируют автономные системы в рабочие процессы в здравоохранении, производстве и обороне, выбор лучшего робота для работы становится одной из главных задач в робототехнике. Будь то беспилотник, доставляющий медикаменты, робот, инспектирующий опасные объекты, или агент с искусственным интеллектом, управляющий угрозами кибербезопасности, оптимальное распределение задач между человеком и машиной может определить успех или неудачу миссии. Неправильный выбор приводит к растрате ресурсов и увеличению затрат, а в условиях высокой ставки может привести к катастрофическим последствиям.
Гибридным командам, которые используют роботов для достижения большей эффективности, нужны инструменты, которые позволяют обеспечить выполнение задач наиболее способными участниками. Это требует понимания задачи, окружающей среды и того, как машины будут взаимодействовать с людьми. Децентрализованное финансирование (DeFi) предлагает неожиданное решение. Основные принципы DeFi - децентрализация, прозрачность и автоматизация - закладывают основу для создания более интеллектуальных и эффективных систем, которые объединяют людей и машины. Используя такие инструменты, как аукционы, ставки и репутационные системы, мы можем найти более справедливые способы подбора нужных агентов или роботов для выполнения нужных задач, что делает сотрудничество более плавным и эффективным и устраняет значительную нехватку персонала в ключевых отраслях.
Эффективность за счет конкуренции
По своей сути распределение задач в роботизированных и агентных системах является сложным процессом. В этих системах задействовано множество агентов с различными возможностями, затратами и требованиями к ресурсам. Традиционные централизованные подходы к распределению задач плохо масштабируются в разных компаниях и странах, что приводит к возникновению отдельных точек отказа.
Механизмы торгов предлагают рыночный подход к распределению задач. Задачи в этом контексте рассматриваются как ресурсы, за которые соревнуются агенты, чтобы «выиграть», и распределяются на основе таких измеримых критериев, как стоимость, своевременность и качество.
Наиболее распространенными являются обратные действия, когда продавцы соревнуются, предлагая самую низкую цену за услугу, и аукционы с максимальной извлекаемой стоимостью (MEV). Аукционы MEV позволяют «поисковикам» предлагать цену за включение своих транзакций в блок. Они делают это, предлагая валидаторам или майнерам часть стоимости, которую они извлекают. На этих аукционах часто используется модель второй цены, когда выигрывает тот, кто предложит самую высокую цену, но платит только сумму второй по величине ставки. Такой подход поощряет честные торги, сохраняя при этом честность процесса.
Flashbots развили эту идею, внедрив уровни приватных ставок. Эти уровни помогают снизить перегрузку сети и повысить эффективность системы. Прозрачно и эффективно управляя ограниченными ресурсами, такими как пространство блоков, эти системы создают прочную основу для децентрализованного принятия решений.
Этот подход соответствует принципам конкуренции и самооптимизации, во многом похожим на то, как платформы DeFi оптимизируют ликвидность и включение транзакций через аукционы.
Новый подход для роботов и агентов
В системах, где работают думающие машины, концепция аукционов сильно меняется. Вместо того, чтобы предлагать цену за включение, машины соревнуются за выполнение заданий, предлагая наилучшую стоимость. Это называется обратными торгами.
Когда объявляется задание, отвечающие требованиям, агенты оценивают свою способность выполнить его и подают заявки, исходя из стоимости, времени и качества. Затем система рассматривает эти заявки и назначает задачу агенту или группе агентов, которые предлагают наилучшее соотношение эффективности, скорости и надежности.
В отличие от аукционов MEV, где выигрывает тот, кто предложит самую высокую цену, обратные торги направлены на поиск агента, который сможет выполнить задачу наиболее эффективно и с наименьшими затратами. Это обеспечивает экономичность процесса и ориентацию на производительность.
Командная работа и взаимодействие
Многие задачи слишком сложны для выполнения одним человеком или машиной. Например, для тушения пожара беспилотник может объединиться с человеком-пожарным и наземным роботом для выполнения задания - беспилотник ведет воздушную разведку, человек держит пожарный шланг, а робот обеспечивает регулярное тушение пожара. В таких случаях люди и машины могут создавать динамичные команды, объединяя свои навыки для подачи совместных заявок.
После отбора эти команды работают сообща, используя децентрализованные системы связи. Они обмениваются информацией, координируют действия и адаптируются к изменениям в режиме реального времени, обеспечивая наилучшие результаты. Такой совместный подход повышает уровень сложности и эффективности, аналогично аукционам MEV, но с учетом потребностей роботизированных систем.
Как и в командах, где работают только люди, стимулы также играют ключевую роль. Агенты зарабатывают очки репутации или токены за успешное выполнение заданий, что повышает их шансы на победу в будущих тендерах. Это создает цикл, в котором агенты мотивированы на постоянное совершенствование, стимулирование инноваций и конкуренции в системе.
Ставки на торгах
Торги предлагают робототехнике столь необходимый децентрализованный подход к решению проблем. Это устраняет необходимость в централизованных системах для распределения задач, позволяя роботам и агентам организовываться и динамично работать вместе. Благодаря конкуренции, прозрачности и адаптивности торги открывают новые возможности для масштабируемого децентрализованного сотрудничества.
Сходство с DeFi поразительно. Точно так же, как аукционы MEV оптимизируют использование блочного пространства, обратные торги обеспечивают выполнение задач наиболее способными и экономичными агентами. Обратные торги идут еще дальше, обеспечивая совместную работу нескольких агентов, адаптируемость в режиме реального времени и постоянное совершенствование с помощью систем репутации.
Применяя экономические идеи DeFi к задачам роботизированных экосистем, мы можем создать будущее, в котором люди и машины будут работать сообща. Эти децентрализованные, не требующие доверия системы ставят во главу угла эффективность, справедливость и инновации, прокладывая путь к новой эре сотрудничества.
Цель DeFi - преодоление финансовых барьеров, свободное движение капитала и более разумное распределение ресурсов. Эти принципы, естественно, подходят для автономных агентов и роботов, которые работают в децентрализованной экосистеме.
Об авторе
Пейдж Сюй - одна из основательниц OpenMind, которая помогает роботам создавать интеллект, подобный человеческому, с масштабируемостью и прозрачностью. Ранее она была старшим инвестиционным менеджером в OKX Ventures и консультантом McKinsey. Пейдж Сюй окончила Дартмутский колледж по специальности «экономика».
Эта статья предназначена для общего ознакомления и не должна восприниматься как юридическая консультация или инвестиционный совет. Взгляды, мысли и суждения, выраженные в этой статье, принадлежат только автору.
