ActionModel 是一个去中心化的人工智能项目,旨在开发一个社区拥有的“大型行动模型”(LAM)。该平台旨在通过与图形用户界面(GUI)交互来执行数字任务,目标是通过浏览器扩展来补偿贡献训练数据的用户。 [2]
ActionModel 正在被开发为大型科技公司控制的中心化人工智能系统的去中心化替代方案。该项目的基本概念是,提供数据来训练AI模型的人应该分享该模型创造的价值。该系统旨在通过观察用户交互来学习如何执行基于计算机的任务,这些交互通过浏览器扩展收集。这种方法允许模型自动化跨各种网站和应用程序的任务,而无需访问其应用程序编程接口(API)。
该项目的长期愿景是创建一个由其贡献者和用户社区拥有和管理的“互联网自动化层”。这种集体所有权模式通过平台的原生代币 $LAM 来促进。该代币旨在既作为访问生态系统内服务的实用工具,又作为治理工具,允许持有者参与有关平台开发和未来方向的关键决策。生态系统的结构旨在创建一个循环,用户数据贡献改进AI,进而实现更强大的自动化工具,供社区使用。
ActionModel 生态系统围绕两个核心产品构建,旨在用于数据贡献和任务自动化。
ActionModel 浏览器扩展是 ActionModel 生态系统中数据收集的主要工具。它在用户 Web 浏览器的后台运行,捕获匿名交互数据,用于训练大型行动模型(LAM)。该扩展包括两种数据贡献模式:被动训练,自动收集浏览交互数据以构建广泛的数据集;主动训练,允许用户有意识地记录特定的工作流程或任务,以生成更高质量的标记数据,用于复杂的、多步骤的过程。参与者因其贡献而获得代币,反映了一种社区驱动的 AI 训练方法。该扩展集成了隐私保护,让用户可以控制共享信息,同时排除敏感数据,并且设计简单易安装,可在后台运行。 [2] [1]
Actionist 是 ActionModel 的旗舰桌面应用程序,旨在自动化基于计算机的任务,而无需编码知识。它通过控制用户的鼠标、键盘和屏幕来运行,使其能够执行类似于人类用户的数字活动。该平台支持创建 AI 代理,这些代理可以按计划执行工作流程,并支持内存、历史记录跟踪以及与外部工具的集成。 [10]
ActionModel 的技术架构基于两个专有概念,这些概念控制着 AI 如何学习和执行任务。
行动循环是 LAM 用于执行任何给定任务的基本循环过程。此过程包含四个不同的步骤,这些步骤会重复执行,直到达到最终目标:
行动树是一个概念框架,表示网站和应用程序数字环境中所有可能的用户操作和工作流程的综合地图。此“地图”是通过从用户贡献收集的数据构建和不断扩展的,这些贡献被称为“行动分支”。每个贡献都会在树中添加一条新路径或改进现有路径。随着越来越多的用户贡献来自各种应用程序的数据,行动树会变得更大、更详细,这反过来又使 LAM 能够以更高的精度和可靠性导航和执行越来越广泛的复杂任务。 [12] [13]
ActionModel 生态系统的原生实用程序和 治理代币 被指定为 $LAM。该代币旨在成为平台经济模型、价值分配和去中心化治理结构不可或缺的一部分。
该项目的目标是实施一种去中心化治理模型,其中 $LAM 代币的持有者可以积极参与决策过程。这种结构旨在让用户和数据贡献者社区直接影响 ActionModel 平台的未来方向,包括协议升级和功能开发。