Kedalaman analisis Intuisi: Bagaimana membangun kembali internet di era agen AI?

Laporan ini ditulis oleh Tiger Research, menganalisis bagaimana Intuition mencapai konsensus standar melalui struktur pengetahuan berbasis atom, pendaftaran Token yang terstruktur (TCR), dan sistem pengukuran kepercayaan berbasis sinyal, untuk membangun kembali infrastruktur jaringan di era AI agen.

Ringkasan Poin

• Era kecerdasan buatan AI telah tiba. Agen AI tidak dapat memanfaatkan potensinya secara maksimal. Infrastruktur jaringan saat ini dirancang untuk manusia. Situs web menggunakan format data yang berbeda. Informasi masih belum terverifikasi. Ini membuat agen sulit untuk memahami dan memproses data.
• Intuition melalui metode Web3 mengembangkan visi web semantik. Ini mengatasi keterbatasan yang ada. Sistem ini mengstrukturkan pengetahuan menjadi atom (Atoms). Ini menggunakan daftar Token terkurasi (TCR) untuk mencapai konsensus tentang penggunaan data. Sinyal (Signal) menentukan tingkat kepercayaan terhadap data.
• Intuition akan mengubah jaringan. Jaringan saat ini mirip dengan jalan yang belum dibangun. Intuition menciptakan jalan raya di mana agen dapat beroperasi dengan aman. Ini akan menjadi standar infrastruktur baru. Ini akan mewujudkan potensi sejati era AI agen.

1. Era kecerdasan dimulai: Apakah infrastruktur jaringan cukup?

Era AI agen cerdas sedang berkembang pesat. Kita dapat membayangkan masa depan di mana agen pribadi menangani segala hal mulai dari perencanaan perjalanan hingga manajemen keuangan yang kompleks. Tetapi dalam praktiknya, situasinya tidak semudah itu. Masalahnya bukan pada kinerja AI itu sendiri. Keterbatasan yang sebenarnya terletak pada infrastruktur jaringan saat ini.

Jaringan dibangun untuk manusia membaca dan menginterpretasikan melalui browser. Oleh karena itu, itu sangat tidak cocok untuk agen yang memerlukan analisis semantik dan menghubungkan hubungan antar sumber data. Keterbatasan ini terlihat jelas dalam layanan sehari-hari. Situs web maskapai penerbangan mungkin mencantumkan waktu keberangkatan sebagai "14:30", sementara situs web hotel menampilkan waktu check-in sebagai "2:30 PM". Manusia segera memahami keduanya adalah waktu yang sama, tetapi agen akan menginterpretasikannya sebagai format data yang sepenuhnya berbeda.

Sumber: Tiger Research

Masalahnya tidak hanya terletak pada perbedaan format. Sebuah tantangan kunci adalah apakah agen dapat mempercayai data itu sendiri. Manusia dapat menangani informasi yang tidak lengkap dengan mengandalkan konteks dan pengalaman awal. Sebaliknya, agen kekurangan standar yang jelas untuk menilai sumber atau keandalannya. Ini membuat mereka rentan terhadap input yang salah, kesimpulan yang cacat, bahkan ilusi.

Akhirnya, bahkan agen yang paling canggih pun tidak dapat berkembang dalam situasi seperti ini. Mereka seperti mobil balap F1: tidak peduli seberapa kuatnya, mereka tidak dapat melaju dengan kecepatan penuh di jalan yang tidak teraspal (data tidak terstruktur). Jika tanda yang menyesatkan (data yang tidak dapat diandalkan) tersebar di sepanjang jalan, mereka mungkin tidak pernah mencapai garis finish.

2. Utang teknologi jaringan: membangun kembali infrastruktur

Masalah ini pertama kali diusulkan lebih dari 20 tahun yang lalu oleh pendiri World Wide Web, Tim Berners-Lee, melalui proposalnya tentang web semantik.

Gagasan inti dari web semantik sangat sederhana: mengatur informasi jaringan agar mesin dapat memahaminya, dan tidak hanya teks yang dapat dibaca manusia. Misalnya, "Tiger Research didirikan pada tahun 2021" sangat jelas bagi manusia, tetapi bagi mesin itu hanyalah sebuah string. Web semantik menyusunnya menjadi "Tiger Research (subjek) - didirikan pada (predikat) - tahun 2021 (objek)" sehingga mesin dapat menginterpretasikan maknanya.

Metode ini berada di depan zamannya, tetapi pada akhirnya gagal untuk direalisasikan. Alasan terbesar adalah tantangan dalam pelaksanaan. Mencapai konsensus tentang format data dan standar penggunaan terbukti sulit, lebih penting lagi, membangun dan memelihara kumpulan data besar melalui kontribusi sukarela pengguna hampir tidak mungkin. Kontributor tidak mendapatkan imbalan atau manfaat langsung. Selain itu, apakah data yang dibuat dapat dipercaya masih merupakan masalah yang belum terpecahkan.

Meskipun demikian, visi web semantik tetap berlaku. Prinsip bahwa mesin harus memahami dan memanfaatkan data pada tingkat semantik tidak berubah. Dalam era AI, kebutuhan ini menjadi semakin penting.

3. Intuisi: Menghidupkan kembali web semantik dengan cara Web3

Intuition mengembangkan visi web semantik melalui metode Web3 untuk mengatasi keterbatasan yang ada. Inti dari ini adalah menciptakan sistem yang mendorong pengguna untuk secara sukarela berpartisipasi dalam mengumpulkan dan memverifikasi data terstruktur berkualitas tinggi. Ini secara sistematis membangun grafik pengetahuan yang dapat dibaca mesin, memiliki sumber yang jelas, dan dapat diverifikasi. Akhirnya, ini memberikan dasar untuk operasi agen yang dapat diandalkan dan membawa kita lebih dekat ke masa depan yang kita bayangkan.

3.1. Atom: Modul konstruksi pengetahuan

Intuition pertama-tama membagi semua pengetahuan menjadi unit terkecil yang disebut atom (Atoms). Atom mewakili konsep seperti orang, tanggal, organisasi, atau atribut. Setiap atom memiliki pengidentifikasi unik (menggunakan teknologi seperti pengidentifikasi terdesentralisasi DIDs) dan ada secara independen. Setiap atom mencatat informasi kontributor, sehingga Anda dapat memverifikasi siapa yang menambahkan informasi apa dan kapan.

Alasan untuk memecah pengetahuan menjadi atom sangat jelas. Informasi sering muncul dalam bentuk kalimat yang kompleks. Mesin seperti agen memiliki batasan struktural saat menganalisis dan memahami informasi komposit semacam itu. Mereka juga kesulitan untuk menentukan bagian mana yang akurat dan mana yang salah.

Subjek: Tiger Research

Predikat: didirikan pada

Objek: Tahun 2021

Pertimbangkan kalimat "Tiger Research didirikan pada tahun 2021". Ini mungkin benar, atau hanya sebagian salah. Apakah organisasi itu benar-benar ada, apakah "tanggal pendirian" adalah atribut yang tepat, dan apakah tahun 2021 benar, masing-masing perlu diverifikasi secara terpisah. Namun, memperlakukan seluruh kalimat sebagai satu kesatuan membuat sulit untuk membedakan elemen mana yang akurat dan mana yang salah. Melacak sumber setiap informasi juga menjadi rumit.

Atom menyelesaikan masalah ini. Dengan mendefinisikan setiap elemen sebagai atom independen, seperti [Tiger Research], [didirikan pada], [tahun 2021], Anda dapat mencatat sumbernya dan memverifikasi setiap elemen secara terpisah.

Subjek: Tanggal pendirian Tiger Research adalah 2021

Predikat: Berdasarkan

Objek: catatan resmi

Atom bukan hanya alat untuk membagi informasi — mereka dapat digabungkan seperti blok Lego. Misalnya, atom tunggal [Tiger Research], [dibentuk pada] dan [tahun 2021] terhubung membentuk triple. Ini menciptakan informasi yang bermakna: "Tiger Research dibentuk pada tahun 2021." Ini mengikuti struktur yang sama dengan triple dalam RDF (Resource Description Framework) dari web semantik.

Tiga tuple ini sendiri juga dapat menjadi atom. Tiga tuple "Tiger Research didirikan pada tahun 2021" dapat diperluas menjadi tiga tuple baru, seperti "Tanggal pendirian Tiger Research pada tahun 2021 berdasarkan catatan bisnis." Dengan cara ini, atom dan tiga tuple dikombinasikan berulang kali, berevolusi dari unit kecil menjadi struktur yang lebih besar.

Hasilnya adalah Intuition membangun peta pengetahuan fraktal yang dapat diperluas tanpa batas dari elemen dasar. Bahkan pengetahuan yang kompleks dapat dipecah untuk diverifikasi, lalu disusun kembali.

3.2. TCRs: Konsensus yang Dipicu oleh Pasar

Jika Intuition menyediakan kerangka konseptual pengetahuan terstruktur melalui atom, maka masih ada tiga pertanyaan kunci: siapa yang akan berkontribusi untuk membuat atom-atom ini? Atom mana yang dapat dipercaya? Ketika atom yang berbeda bersaing untuk mewakili konsep yang sama, yang mana yang menjadi standar?

Sumber: Intuition Whitepaper

Intuition menyelesaikan masalah ini melalui TCR. **TCR didasarkan pada entri penyaringan konten yang dihargai oleh komunitas. Staking koin mencerminkan penilaian ini. Pengguna mempertaruhkan $TRUST (koin asli Intuition) ketika mengusulkan atom baru, triplet, atau struktur data. **Peserta lain jika menganggap proposal tersebut berguna, akan mempertaruhkan koin di pihak pendukung; jika menganggap tidak berguna, akan mempertaruhkan koin di pihak penentang. Mereka juga dapat mempertaruhkan pada alternatif kompetitif. Jika data yang dipilih pengguna digunakan secara frekuent atau mendapatkan penilaian tinggi, mereka akan mendapatkan imbalan. Jika tidak, mereka akan kehilangan sebagian dari staking.

TCRs memvalidasi satu bukti, tetapi mereka juga secara efektif menangani masalah standarisasi ontologi. Standarisasi ontologi berarti ketika ada berbagai cara untuk mengekspresikan konsep yang sama, memutuskan metode mana yang menjadi standar bersama. Sistem terdistribusi menghadapi tantangan untuk mencapai konsensus ini tanpa koordinasi terpusat.

Pertimbangkan predikat evaluasi dari dua produk kompetitif: [hasReview] dan [customerFeedback]. Jika [hasReview] diperkenalkan terlebih dahulu dan banyak pengguna membangunnya, kontributor awal memiliki hak Token dalam kesuksesan tersebut. Sementara itu, pendukung [customerFeedback] mendapatkan insentif ekonomi dan secara bertahap beralih ke standar yang lebih luas.

Mekanisme ini mencerminkan bagaimana standar token ERC-20 diadopsi secara alami. Pengembang yang mengadopsi ERC-20 mendapatkan manfaat kompatibilitas yang jelas—integrasi langsung ke dalam dompet, bursa, dan dApp yang ada. Keuntungan ini secara alami menarik pengembang untuk menggunakan ERC-20. Ini menunjukkan bahwa pilihan yang hanya didorong oleh pasar dapat menyelesaikan masalah standarisasi dalam lingkungan terdistribusi. TCR bekerja berdasarkan prinsip yang serupa. Mereka mengurangi perjuangan agen dengan format data yang terfragmentasi dan menyediakan lingkungan di mana informasi dapat dipahami dan diproses dengan lebih konsisten.

3.3. Sinyal: Membangun Jaringan Pengetahuan Berbasis Kepercayaan

Intuition mengstrukturkan pengetahuan melalui atom dan triplet, dan menggunakan insentif untuk mencapai konsensus tentang "apa yang sebenarnya digunakan".

Tantangan terakhir masih ada: Sejauh mana kita dapat mempercayai informasi ini? Intuition memperkenalkan sinyal (Signal) untuk mengisi kekosongan ini. Sinyal mengekspresikan kepercayaan atau ketidakpercayaan pengguna terhadap atom atau triplet tertentu. Ini melampaui sekadar mencatat keberadaan data—ini menangkap berapa banyak dukungan yang diperoleh data dalam konteks yang berbeda. Sinyal meng sistematisasi proses verifikasi sosial yang kita gunakan dalam kehidupan nyata, misalnya ketika kita menilai informasi berdasarkan "orang terpercaya merekomendasikannya" atau "ahli telah memverifikasinya."

Sinyal terakumulasi dengan tiga cara. Pertama, sinyal eksplisit melibatkan evaluasi yang disengaja oleh pengguna, seperti staking Token. Kedua, sinyal implisit muncul secara alami dari pola penggunaan (seperti permintaan berulang atau aplikasi). Akhirnya, sinyal transisi menciptakan efek hubungan—ketika orang yang saya percayai mendukung informasi, saya juga cenderung lebih mempercayainya. Kombinasi ketiga ini menciptakan jaringan pengetahuan yang menunjukkan siapa yang mempercayai apa, seberapa banyak, dan dengan cara apa.

Sumber: Buku Putih Intuition

Intuition menyediakan ini melalui Reality Tunnels. Reality Tunnels memberikan perspektif yang dipersonalisasi untuk melihat data. Pengguna dapat mengonfigurasi untuk memprioritaskan evaluasi kelompok ahli, menghargai pendapat teman dekat, atau mencerminkan kebijaksanaan komunitas tertentu. Pengguna dapat memilih tunnel yang terpercaya atau beralih antara beberapa tunnel untuk perbandingan. Aset juga dapat menggunakan metode interpretasi tertentu untuk tujuan tertentu. Misalnya, memilih tunnel yang mencerminkan jaringan terpercaya Vitalik Buterin akan mengatur aset untuk menginterpretasikan informasi dan membuat keputusan dari "perspektif Vitalik."

Semua sinyal dicatat di blockchain. Pengguna dapat secara transparan memverifikasi mengapa informasi tertentu tampaknya dapat dipercaya, server mana yang menjadi sumbernya, siapa yang menjamin, dan berapa banyak Token yang dipertaruhkan. Proses pembentukan kepercayaan yang transparan ini memungkinkan pengguna untuk langsung memverifikasi bukti, alih-alih menerima informasi secara membabi buta. Agen juga dapat menggunakan dasar ini untuk membuat penilaian yang sesuai dengan latar belakang dan sudut pandang individu.

4. Bagaimana jika Intuition menjadi infrastruktur jaringan generasi berikutnya?

Infrastruktur Intuition bukan hanya ide konseptual, tetapi merupakan solusi praktis untuk masalah yang dihadapi agen dalam lingkungan jaringan saat ini.

Jaringan saat ini dipenuhi dengan data yang terfragmentasi dan informasi yang belum diverifikasi. Intuition mengubah data menjadi peta pengetahuan yang deterministik, memberikan hasil yang jelas dan konsisten untuk setiap pertanyaan. Sinyal berbasis Token dan proses kurasi memvalidasi data ini. Agen dapat membuat keputusan yang jelas tanpa bergantung pada tebakan. Ini sekaligus meningkatkan akurasi, kecepatan, dan efisiensi.

Intuition juga menyediakan dasar untuk kolaborasi agen cerdas. Struktur data yang distandarkan memungkinkan berbagai agen untuk memahami dan berkomunikasi informasi dengan cara yang sama. Seperti ERC-20 menciptakan kompatibilitas koin, grafik pengetahuan Intuition menciptakan lingkungan di mana agen dapat berkolaborasi berdasarkan data yang konsisten.

Intuition melampaui infrastruktur yang terbatas pada agen, menjadi lapisan dasar yang dapat dibagikan oleh semua layanan digital. Ini dapat menggantikan sistem kepercayaan yang saat ini dibangun secara terpisah oleh setiap platform dengan satu basis yang seragam—ulasan Amazon, penilaian Uber, rekomendasi LinkedIn. Seperti HTTP menyediakan standar komunikasi umum untuk web, Intuition menyediakan protokol standar untuk struktur data dan verifikasi kepercayaan.

Perubahan terpenting adalah portabilitas data. Pengguna memiliki data yang mereka buat secara langsung dan dapat menggunakannya di mana saja. Data yang terisolasi di berbagai platform akan terhubung dan membentuk kembali seluruh ekosistem digital.

5. Membangun kembali dasar untuk era agen cerdas yang akan datang

Tujuan Intuition bukan hanya perbaikan teknis sederhana. Ia bertujuan untuk mengatasi utang teknis yang terakumulasi selama 20 tahun terakhir dan secara mendasar merancang ulang infrastruktur jaringan. Ketika web semantik pertama kali diusulkan, visinya jelas. Namun, ia kekurangan insentif untuk mendorong partisipasi. Bahkan jika visi mereka terwujud, manfaatnya tetap tidak jelas.

Situasi telah berubah. Kemajuan AI sedang membuat era agen cerdas menjadi kenyataan. Agen AI sekarang melampaui alat sederhana. Mereka mewakili kita dalam melaksanakan tugas-tugas kompleks. Mereka membuat keputusan secara mandiri. Mereka berkolaborasi dengan agen lainnya. Agen-agen ini memerlukan inovasi mendasar dari infrastruktur jaringan yang ada agar dapat beroperasi secara efektif.

Sumber: Balaji

Seperti yang dinyatakan oleh mantan CTO Coinbase Balaji, kita perlu membangun infrastruktur yang tepat agar agen-agen ini dapat beroperasi. Jaringan saat ini mirip dengan jalan yang belum dipaving, dan bukan jalan raya di mana agen dapat bergerak dengan aman di atas data yang dapat dipercaya. Setiap situs web memiliki struktur dan format yang berbeda. Informasi tidak dapat diandalkan. Data tetap tidak terstruktur, membuat agen sulit untuk memahaminya. Ini menciptakan hambatan besar bagi agen untuk melakukan pekerjaan dengan akurat dan efisien.

Intuition berusaha untuk membangun jaringan untuk memenuhi kebutuhan ini. Ini bertujuan untuk membangun struktur data standar yang mudah dipahami dan digunakan oleh agen. Ini memerlukan sistem verifikasi informasi yang dapat diandalkan. Ini membutuhkan protokol yang memungkinkan interaksi yang lancar antar agen. Ini mirip dengan cara HTTP dan HTML menciptakan standar jaringan di awal internet. Ini mewakili upaya untuk menetapkan standar baru untuk era agen.

Tentu saja, tantangan masih ada. Tanpa partisipasi dan efek jaringan yang cukup, sistem tidak dapat berfungsi dengan baik. Mencapai kualitas kritis memerlukan waktu dan energi yang cukup banyak. Mengatasi inersia ekosistem jaringan yang ada tidak pernah mudah. Membangun standar baru juga sulit. Namun, ini adalah tantangan yang harus diatasi. Rebase yang diusulkan oleh Intuition akan mengatasi tantangan-tantangan ini. Ini akan membuka kemungkinan baru untuk era agen yang baru saja mulai dibayangkan.