Profundidad解析Intuition：如何在AI智能体时代重建互联网？

Este informe fue redactado por Tiger Research y analiza cómo Intuition implementa un consenso estándar a través de una estructura de conocimiento atómico, un registro de tokens (TCR) y un sistema de métricas de confianza basado en señales, con el fin de reconstruir la infraestructura de red para la era de la IA de agentes.

Resumen de puntos clave

• La era de los agentes inteligentes AI ha llegado. Los agentes inteligentes de AI no pueden aprovechar su potencial completamente. La infraestructura de red actual está diseñada para humanos. Los sitios web utilizan diferentes formatos de datos. La información aún no está verificada. Esto dificulta que los agentes comprendan y procesen los datos.
• Intuition evoluciona la visión de la web semántica a través de métodos Web3. Aborda las limitaciones existentes. El sistema estructura el conocimiento en átomos (Atoms). Utiliza un registro de consenso de tokens (TCR) para alcanzar consenso sobre el uso de datos. La señal (Signal) determina el nivel de confianza en los datos.
• Intuition cambiará la red. La red actual es similar a un camino sin pavimentar. Intuition crea una autopista donde los agentes pueden operar de manera segura. Se convertirá en el nuevo estándar de infraestructura. Esto realizará el verdadero potencial de la era de la inteligencia artificial de los agentes.

1. Era de los cuerpos inteligentes: ¿es suficiente la infraestructura de red?

La era de los agentes inteligentes AI está en pleno auge. Podemos imaginar un futuro en el que los agentes personales manejen todos los asuntos, desde la planificación de viajes hasta la gestión financiera compleja. Pero en la práctica, la situación no es tan sencilla. El problema no radica en el rendimiento de la IA en sí. La verdadera limitación radica en la infraestructura de red actual.

La red está construida para que los humanos la lean e interpreten a través de un navegador. Por lo tanto, es muy inadecuada para agentes que necesitan analizar el significado y conectar relaciones a través de fuentes de datos. Estas limitaciones son evidentes en los servicios cotidianos. Los sitios web de aerolíneas pueden listar la hora de salida como "14:30", mientras que los sitios web de hoteles la muestran como "2:30 PM". Los humanos entienden de inmediato que ambos son el mismo momento, pero los agentes los interpretan como formatos de datos completamente diferentes.

Fuente: Tiger Research

El problema no radica únicamente en las diferencias de formato. Un desafío clave es si los agentes pueden confiar en los datos mismos. Los humanos pueden manejar información incompleta al depender del contexto y de la experiencia previa. En contraste, los agentes carecen de criterios claros para evaluar la fuente o la fiabilidad. Esto los hace susceptibles a entradas erróneas, conclusiones defectuosas e incluso ilusiones.

Al final, incluso los agentes más avanzados no pueden prosperar en tales circunstancias. Son como los coches de F1: no importa cuán potentes sean, no pueden ir a toda velocidad en un camino sin pavimentar (datos no estructurados). Si hay señales engañosas (datos poco fiables) esparcidas en la ruta, pueden nunca llegar a la meta.

2. Deuda técnica de la red: reconstruir la infraestructura

Este problema fue planteado hace más de 20 años por el fundador de la World Wide Web, Tim Berners-Lee, a través de su propuesta sobre la web semántica.

La idea central de la web semántica es simple: estructurar la información de la red para que las máquinas puedan entenderla, y no solo el texto legible por humanos. Por ejemplo, "Tiger Research se fundó en 2021" es claro para los humanos, pero para las máquinas es solo una cadena de caracteres. La web semántica lo estructura como "Tiger Research (sujeto) - se fundó en (predicado) - 2021 (objeto)", para que las máquinas puedan interpretar el significado.

Este enfoque está adelantado a su tiempo, pero finalmente no logró materializarse. La principal razón son los desafíos de implementación. Alcanzar un consenso sobre el formato de los datos y los estándares de uso ha demostrado ser difícil, y lo que es más importante, es casi imposible construir y mantener un gran conjunto de datos a través de contribuciones voluntarias de los usuarios. Los contribuyentes no reciben recompensas o beneficios directos. Además, la credibilidad de los datos creados sigue siendo un problema no resuelto.

A pesar de esto, la visión de la web semántica sigue siendo válida. El principio de que las máquinas deben entender y utilizar los datos a nivel semántico no ha cambiado. En la era de la IA, esta necesidad se ha vuelto aún más crítica.

3. Intuición: Revivir la web semántica a través de Web3

Intuition evoluciona la visión de la Web semántica a través de métodos Web3 para abordar las limitaciones existentes. El núcleo radica en crear un sistema que incentive a los usuarios a participar voluntariamente en la acumulación y validación de datos estructurados de alta calidad. Este sistema construye de manera sistemática un grafo de conocimiento que es legible por máquinas, de origen claro y verificable. En última instancia, esto proporciona una base para el funcionamiento confiable de los agentes y nos acerca más al futuro que imaginamos.

3.1. Átomo: módulos de construcción del conocimiento

Intuition primero divide todo el conocimiento en unidades mínimas llamadas átomos (Atoms). Los átomos representan conceptos como personas, fechas, organizaciones o atributos. Cada átomo tiene un identificador único (utilizando técnicas como identificadores descentralizados DIDs) y existe de forma independiente. Cada átomo registra información del contribuyente, por lo que puede verificar quién y cuándo agregó qué información.

La razón para descomponer el conocimiento en átomos es clara. La información a menudo aparece en forma de oraciones complejas. Máquinas como los agentes tienen limitaciones estructurales al analizar y comprender este tipo de información compuesta. También les resulta difícil determinar qué partes son precisas y cuáles son incorrectas.

Sujeto: Tiger Research

verbo: fundado en

Objeto: 2021

Considera la frase "Tiger Research se fundó en 2021". Esto puede ser cierto o solo parcialmente incorrecto. La existencia real de la organización, si la "fecha de fundación" es un atributo adecuado y si 2021 es correcto, cada uno necesita ser verificado por separado. Pero tratar toda la oración como una unidad hace difícil distinguir qué elementos son precisos y cuáles son erróneos. Rastrear la fuente de cada información también se vuelve complicado.

Los átomos resolvieron este problema. Al definir cada elemento como un átomo independiente, como [Tiger Research], [fundado en], [2021], puedes registrar la fuente y verificar cada elemento por separado.

Sujeto: La fecha de establecimiento de Tiger Research es en 2021.

Predicado: basado en

Objeto: registro oficial

Los átomos no son solo herramientas para dividir información; se pueden combinar como bloques de Lego. Por ejemplo, el átomo individual [Tiger Research], [fundado en] y [2021] se conectan para formar un trípode (Triple). Esto crea información significativa: "Tiger Research fue fundado en 2021." Esto sigue la misma estructura que los trípodes en la web semántica RDF (Marco de Descripción de Recursos).

Estos tríos pueden convertirse en átomos. El trío "Tiger Research se fundó en 2021" puede expandirse a nuevos tríos, como "La fecha de fundación de Tiger Research en 2021 se basa en registros comerciales." A través de este método, los átomos y los tríos se combinan repetidamente, evolucionando de unidades pequeñas a estructuras más grandes.

El resultado es que Intuition ha construido un gráfico de conocimiento fractal que se puede expandir infinitamente a partir de elementos básicos. Incluso el conocimiento complejo se puede descomponer para su verificación y luego recombinar.

3.2. TCRs: Consenso impulsado por el mercado

Si Intuition proporciona un marco conceptual de conocimiento estructurado a través de átomos, entonces todavía existen tres cuestiones clave: ¿Quién contribuirá a crear estos átomos? ¿Qué átomos se pueden confiar? Cuando diferentes átomos compiten por representar el mismo concepto, ¿cuál se convierte en el estándar?

Fuente: Intuition Libro Blanco

Intuition resuelve este problema a través de TCRs. Los TCRs se basan en la selección de entradas que la comunidad valora. El staking de Token refleja estos juicios. Los usuarios apuestan $TRUST (el Token nativo de Intuition) al proponer nuevos átomos, tríadas o estructuras de datos. Otros participantes, si consideran que la propuesta es útil, apuestan tokens en el lado de apoyo; si creen que es inútil, apuestan tokens en el lado de oposición. También pueden apostar en alternativas competitivas. Si los datos seleccionados por el usuario se usan con frecuencia o reciben una alta calificación, serán recompensados. De lo contrario, perderán parte de su staking.

Los TCRs validan pruebas individuales, pero también abordan efectivamente el problema de la estandarización del ontología. La estandarización del ontología significa decidir cuál de los múltiples enfoques para expresar el mismo concepto se convierte en el estándar común. Los sistemas distribuidos enfrentan el desafío de alcanzar este consenso sin coordinación centralizada.

Considere los predicados de evaluación de dos productos competitivos: [hasReview] y [customerFeedback]. Si [hasReview] se introduce primero y muchos usuarios se basan en ella, los contribuyentes iniciales tienen derechos de Token en ese éxito. Al mismo tiempo, los partidarios de [customerFeedback] reciben incentivos económicos, lo que lleva gradualmente a una adopción más amplia del estándar.

Este mecanismo refleja cómo se adopta naturalmente el estándar de tokens ERC-20. Los desarrolladores que adoptan ERC-20 obtienen beneficios de compatibilidad claros: la integración directa en billeteras, intercambios y dApps existentes. Estas ventajas atraen naturalmente a los desarrolladores a usar ERC-20. Esto indica que la elección impulsada únicamente por el mercado puede resolver problemas de estandarización en entornos distribuidos. Los TCR funcionan sobre principios similares. Reducen la lucha de los agentes con formatos de datos fragmentados y proporcionan un entorno en el que la información puede entenderse y procesarse de manera más consistente.

3.3. Señal: construir una red de conocimiento basada en la confianza

Intuition estructura el conocimiento mediante átomos y tripletas, y utiliza incentivos para alcanzar el consenso sobre "qué se utiliza realmente".

El último desafío sigue existiendo: ¿en qué medida podemos confiar en esta información? Intuition introduce señales (Signal) para llenar este vacío. Las señales expresan la confianza o desconfianza de los usuarios en un átomo o tríada específica. Va más allá de simplemente registrar la existencia de datos: captura cuánto apoyo reciben los datos en diferentes contextos. Las señales sistematizan el proceso de verificación social que usamos en la vida real, como cuando juzgamos la información basada en "personas confiables recomendaron esto" o "expertos lo validaron".

Las señales se acumulan de tres maneras. Primero, las señales explícitas implican evaluaciones intencionales realizadas por los usuarios, como el staking de Token. En segundo lugar, las señales implícitas surgen naturalmente de los patrones de uso (como consultas repetidas o aplicaciones). Finalmente, las señales de transmisión crean efectos de relación: cuando la información es respaldada por personas en las que confío, también tiendo a confiar más en ella. La combinación de estas tres crea una red de conocimiento que muestra quién confía en qué, cuánto confía y de qué manera confía.

Fuente: Intuition whitepaper

Intuition ofrece esto a través de los túneles de realidad (Reality Tunnels). Los túneles de realidad proporcionan una perspectiva personalizada para ver los datos. Los usuarios pueden configurar túneles que priorizan la evaluación de grupos de expertos, valoran las opiniones de amigos cercanos o reflejan la sabiduría de comunidades específicas. Los usuarios pueden elegir túneles de confianza o alternar entre varios túneles para compararlos. Los agentes también pueden utilizar métodos de interpretación específicos para propósitos específicos. Por ejemplo, elegir un túnel que refleje la red de confianza de Vitalik Buterin configurará al agente para interpretar la información y tomar decisiones desde la "perspectiva de Vitalik".

Todos los señales se registran en la cadena. Los usuarios pueden verificar de manera transparente por qué cierta información parece confiable, qué servidores actúan como fuente, quién la respalda y cuántos Tokens se han apostado. Este proceso de formación de confianza transparente permite a los usuarios verificar directamente la evidencia, en lugar de aceptar la información ciegamente. Los agentes también pueden utilizar esta base para hacer juicios adecuados al contexto y perspectiva individuales.

4. ¿Qué pasaría si Intuition se convierte en la infraestructura de red de próxima generación?

La infraestructura de Intuition no es solo una idea conceptual, sino una solución práctica para los problemas que enfrentan los agentes en el entorno de red actual.

La red actual está llena de datos fragmentados e información no verificada. Intuition convierte los datos en un gráfico de conocimiento determinista, proporcionando resultados claros y consistentes para cualquier consulta. Las señales basadas en Token y el proceso de curaduría verifican estos datos. Los agentes pueden tomar decisiones claras sin depender de suposiciones. Esto mejora la precisión, la velocidad y la eficiencia al mismo tiempo.

Intuition también proporciona una base para la colaboración de agentes. Las estructuras de datos estandarizadas permiten que diferentes agentes comprendan y se comuniquen la información de la misma manera. Así como ERC-20 creó la compatibilidad de Token, el gráfico de conocimiento de Intuition creó un entorno en el que los agentes pueden colaborar basándose en datos consistentes.

Intuition va más allá de la infraestructura limitada a agentes inteligentes, convirtiéndose en la capa base que todos los servicios digitales pueden compartir. Puede reemplazar el sistema de confianza que actualmente cada plataforma construye de manera independiente con una base unificada: las reseñas de Amazon, las calificaciones de Uber, las recomendaciones de LinkedIn. Así como HTTP proporciona un estándar de comunicación universal para la red, Intuition proporciona un protocolo estándar para la estructura de datos y la verificación de confianza.

El cambio más importante es la portabilidad de datos. Los usuarios son los propietarios directos de los datos que crean y pueden usarlos en cualquier lugar. Los datos aislados en cada plataforma se conectarán y transformarán todo el ecosistema digital.

5. Reconstruir la base para la próxima era de los agentes inteligentes

El objetivo de Intuition no es simplemente una mejora técnica. Busca superar la deuda técnica acumulada en los últimos 20 años y rediseñar fundamentalmente la infraestructura de la red. Cuando se propuso por primera vez la web semántica, la visión era clara. Pero carecía de incentivos para fomentar la participación. Incluso si su visión se realizara, los beneficios seguirían siendo poco claros.

La situación ha cambiado. El avance de la IA está haciendo realidad la era de los agentes inteligentes. Los agentes de IA ahora superan las herramientas simples. Representan nuestra ejecución de tareas complejas. Toman decisiones autónomas. Colaboran con otros agentes. Estos agentes necesitan una innovación fundamental en la infraestructura de red existente para funcionar de manera efectiva.

Fuente: Balaji

Como señaló el ex-CTO de Coinbase, Balaji, necesitamos construir la infraestructura adecuada para que estos agentes funcionen. La red actual es similar a un camino sin pavimentar, en lugar de una autopista donde los agentes puedan moverse de manera segura sobre datos confiables. Cada sitio web tiene una estructura y formato diferentes. La información no es confiable. Los datos siguen siendo no estructurados, lo que dificulta la comprensión por parte de los agentes. Esto crea obstáculos significativos para que los agentes realicen su trabajo de manera precisa y eficiente.

Intuition busca reconstruir la red para satisfacer estas necesidades. Su objetivo es construir estructuras de datos estandarizadas que sean fáciles de entender y usar para los agentes. Necesita un sistema de verificación de información confiable. Necesita un protocolo que permita interacciones fluidas entre los agentes. Esto es similar a la forma en que HTTP y HTML crearon estándares de red en los primeros días de Internet. Representa un intento de establecer nuevos estándares para la era de los agentes.

Por supuesto, los desafíos siguen existiendo. Sin suficiente participación y efectos de red, el sistema no puede funcionar correctamente. Alcanzar una masa crítica requiere una cantidad considerable de tiempo y esfuerzo. Superar la inercia del ecosistema de red existente nunca ha sido fácil. Establecer nuevos estándares presenta dificultades. Pero este es un desafío que debe ser abordado. La rebase propuesta por Intuition superará estos desafíos. Abrirá nuevas posibilidades para la era de los agentes que apenas comenzamos a imaginar.