Ripple XRP newsXRP gets rejected at the 0.786 Fig again, 1-day chart | Source: <a href="https://www.tradingview.com/x/XC4im0RI/" target="_blank" rel="noopener nofollow">XRPUSDT on TradingView.com</a>

Editorial confiável conteúdo, revisado pelos principais especialistas do setor e editores experientes. Divulgação de anúncio

A University Blockchain Research Initiative (UBRI) da Ripple mostrou como a pesquisa acadêmica está sendo fundida diretamente no XRP Ledger (XRPL), posicionando a rede como um lar nativo para a IA de agente.

Em um episódio do podcast “All About Blockchain” da UBRI, a apresentadora Lauren Weymouth e o professor Yang Liu da Universidade Tecnológica de Nanyang detalharam uma camada de execução multiagente programável que se conecta aos trilhos de transação e liquidação do XRPL para que agentes específicos de tarefas – bots de negociação, ferramentas de pesquisa, serviços de IoT – possam viver em infraestrutura compartilhada e auditável.

Ripple e NTU criam camada de IA para o razão XRP

RippleX provocou o episódio via X: “IA e blockchain são o futuro dos aplicativos seguros e que economizam tempo. No último episódio do podcast All About Blockchain, o professor Yang Liu da Universidade Tecnológica de Nanyang (@NTUsg) explora como a IA poderia aprimorar o XRP Ledger com: detecção de fraude mais inteligente, análise mais precisa, novas formas de inteligência on-chain.”

Weymouth enquadrou o trabalho explicitamente em torno do XRPL, observando que os pesquisadores da UBRI usaram o Apex para “mergulhar profundamente nas melhorias no nível do protocolo, melhorias de segurança e casos de uso que impulsionam desenvolvimentos estratégicos no XRP Ledger”. Ela disse que a própria ferramenta de pesquisa UBRI da Ripple em xrpledgercommons.org “está sendo portada como um aplicativo principal de agente de bomba com middleware que eles construíram”, ressaltando que a pilha de agentes está sendo integrada em um livro-razão em vez de mantida como uma camada de conveniência fora da cadeia. O objetivo, acrescentou ela, é mostrar “como a P&D acadêmica se transforma em inovação de nível produtivo” no próprio livro-razão.

Liu traçou a origem do projeto desde o foco de segurança cibernética de seu laboratório até o blockchain, impulsionado pela realidade de que “a segurança se torna o tipo de busca número um” quando o valor passa para a cadeia. As primeiras tentativas de se apoiar em grandes modelos de linguagem para revisão de contratos inteligentes encontraram um problema estrutural: “Você muda um caractere, você pode mudar um programa normal para um programa vulnerável e vice-versa. Mas o modelo de linguagem é um modelo probabilístico. Eles não conseguem perceber a pequena diferença.” Essa lacuna entre a sintaxe do código e o comportamento do tempo de execução empurrou a equipe para a IA de agente – sistemas que imitam os fluxos de trabalho de auditores especializados e invasores e podem ser implantados como serviços de contabilidade.

“Estamos realmente tentando digitalizar o conhecimento e o pensamento dos hackers de segurança e convertê-los no cérebro do agente”, disse Liu. Em benchmarks de contrato único, os agentes “geraram vulnerabilidades realmente de dia zero”, com resultados “iguais aos do nosso auditor de segurança interno” em certos casos. Para XRPL, a implicação é prática: a rede pode hospedar agentes cujos métodos e resultados são rastreáveis ​​por meio de liquidação na cadeia e trilhos compartilhados, melhorando a responsabilidade pela automação que agrega valor.

Criticamente para o público, Liu enfatizou que “a integração com o tipo de plataforma XRP” serve duas funções. Primeiro, dá aos agentes de IA acesso nativo a pagamentos e liquidações. Questionado sobre a transferência de um pagamento XRP para a camada do agente, ele respondeu: “Para ser franco, acho que não haverá muitos obstáculos… em parte devido ao tipo de design de plataforma agradável do XRP Ledger”.

Em segundo lugar, a transparência da XRPL transforma a adoção da IA ​​num processo observável. “Como os livros-razão estão em cadeia… todas as transações são transparentes. Portanto, isso também pode melhorar a transparência da adoção da IA”, disse ele. Em outras palavras, os agentes que acionam pagamentos, gerenciam taxas ou coordenam serviços podem ser acoplados a mudanças de estado verificáveis ​​no XRPL, em vez de permanecerem autômatos opacos e fora do registro.

O que esperar a seguir

Weymouth pressionou no caminho da produção de software voltado para XRPL, e a resposta de Liu retornou aos ciclos de lançamento disciplinados que importam em um livro-razão ao vivo: “bem definidos… API e documentação, além do tipo de testes sólidos sobre essa integração”. Ele acrescentou que seu grupo está usando agentes para a própria engenharia de software – “agente de requisitos, agente arquiteto, agente de codificação, agente de teste” – para fortalecer o middleware que fica entre a lógica do agente e os primitivos XRPL.

As notas de advertência da equipa sobre o risco da IA ​​também se basearam na realidade da automatização de valor numa cadeia pública. Liu distinguiu a segurança da IA ​​– prevenção de jailbreaks e golpes – da segurança da IA, onde agentes em busca de objetivos exibem comportamento não intencional. Ele descreveu um agente de xadrez que “mudou a configuração do tabuleiro de xadrez… e ele ganhou”, e um agente de sinistros que “criou automaticamente uma conta de e-mail… para representar o proprietário”. Se tais comportamentos forem apontados para ações no livro-razão, a superfície de ataque inclui não apenas código, mas também objetivos desalinhados que podem movimentar fundos ou alterar o estado. “A segurança da IA… torne-se a grande novidade”, alertou ele, e é por isso que a equipe pretende combinar a integração do XRPL com proteções e verificação.

Olhando para o futuro, Liu traçou um roteiro para a camada de agente que mantém o XRPL no centro. A adopção é a prioridade imediata: “as pessoas farão a adopção… podemos construir mais agentes e mais, hum, agentes utilitários úteis na cadeia e tê-los amplamente adoptados”. A agenda de pesquisa por trás desse impulso concentra-se em capacidades cognitivas implementáveis ​​– “abstração” e “memória” em destaque – que faltam nos modelos de linguagem atuais, mas que serão exigidas pelos agentes que operam em torno de um mecanismo de transação em cadeia.

“Precisamos ter capacidades de abstração dedicadas… e ideias de memória”, disse ele, incluindo mecanismos para mover informações de buffers de curto prazo para “memória semântica de longo prazo”, para que os agentes que interagem com XRPL possam raciocinar sobre o estado e a história, em vez de reagir sem estado.

A segurança continua sendo o campo de provas para essas capacidades, com o laboratório explorando se um agente com memória aumentada pode aprender a detectar novas classes de vulnerabilidade ao longo do tempo. O motivo é consistente: projetar agentes que possam melhorar, incorporá-los onde suas ações e pagamentos são visíveis e acoplá-los ao XRPL para que a automação tenha tanto liquidação nativa quanto responsabilidade pública.

Weymouth encerrou com uma pergunta prática para os construtores da comunidade. O conselho de Liu foi direto e orientado para o produto: “Você precisa entender qual é o valor da pesquisa em que está trabalhando. Se a pesquisa tem valor, definitivamente tem a demanda… a possibilidade de fazer uma startup de sucesso. Siga seu coração, escolha o tópico mais valioso para você e vá atrás dele.”

Para Ripple e NTU, essa perseguição já colocou uma superestrutura de agente de IA ao alcance do XRP Ledger. De um white paper acadêmico a um middleware ativo “em menos de um ano”, como observou Weymouth, o esforço visa permitir que os desenvolvedores implantem agentes que transacionem em XRP, herdem segurança comum e trilhos de liquidação e deixem uma pegada transparente na cadeia. Seja dando ao razão um “cérebro de IA” ou simplesmente tornando a automação verificável por padrão, a direção é clara: os agentes de IA não estão apenas se integrando ao XRP Ledger – eles estão aprendendo a operar nele.

Até o momento, o XRP era negociado a US$ 2,85.

XRP é rejeitado novamente em 0,786 Fig, gráfico de 1 dia | Fonte: XRPUSDT em TradingView.com

Imagem em destaque criada com DALL.E, gráfico de TradingView.com

Processo Editorial for bitcoinist está centrado na entrega de conteúdo exaustivamente pesquisado, preciso e imparcial. Mantemos padrões rígidos de fornecimento e cada página passa por uma revisão diligente por nossa equipe de especialistas em tecnologia e editores experientes. Este processo garante a integridade, relevância e valor de nosso conteúdo para nossos leitores.



Fontebitcoinist

Deixe um comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *