TL;DR

Com o aumento dos grandes modelos de linguagem, a demanda por personalização em software está crescendo como nunca antes. A plataforma recém-lançada da Plastic Labs, Honcho, adota uma abordagem de 'plug-and-play' projetada para salvar os desenvolvedores de reinventar a roda quando se trata de construir perfis de usuário profundos.

Em 11 de abril (horário de Pequim), a startup de IA Plastic Labs anunciou que concluiu uma rodada de financiamento Pre-Seed de $5.35 milhões. A rodada foi liderada pela Variant, White Star Capital e Betaworks, com a participação da Mozilla Ventures, Seed Club Ventures, Greycroft e Differential Ventures. Os investidores-anjo incluíram Scott Moore, NiMA Asghari e Thomas Howell. Ao mesmo tempo, sua plataforma de identidade de IA personalizada, Honcho, foi oficialmente aberta para acesso antecipado.

Uma vez que o projeto ainda está nos seus estágios iniciais, a comunidade cripto em geral sabe muito pouco sobre os Plastic Labs. Ao lado do anúncio do Plastic no X sobre seu financiamento e lançamento de produto, Daniel Barabander—Sócio-Gerente e Conselheiro do investidor líder Variant—compartilhou uma análise detalhada do projeto e da sua plataforma Honcho. O conteúdo original é o seguinte:

Com o aumento das aplicações de grandes modelos de linguagem (LLM), a procura por personalização em software tem crescido de forma sem precedentes. Estas aplicações dependem da linguagem natural, que muda dependendo da pessoa com quem está a falar - tal como explicaria um conceito matemático de forma diferente aos seus avós do que aos seus pais ou filhos. Instintivamente adapta a sua comunicação ao seu público, e as aplicações LLM devem igualmente "entender" com quem estão a interagir para proporcionar experiências mais eficazes e personalizadas. Quer se trate de um assistente terapêutico, de um consultor jurídico ou de um companheiro de compras, estas aplicações necessitam de compreender verdadeiramente o utilizador para proporcionar valor real.

No entanto, apesar da importância crítica da personalização, atualmente não existem soluções prontas que as aplicações LM possam integrar facilmente. Os desenvolvedores muitas vezes têm que juntar sistemas fragmentados para armazenar dados do usuário (geralmente na forma de registros de conversas) e recuperá-los quando necessário. Como resultado, cada equipe acaba reinventando a roda ao construir sua própria infraestrutura de gerenciamento de estado do usuário. Ainda pior, técnicas como armazenar interações do usuário em um banco de dados vetorial e usar geração aumentada por recuperação (RAG) só podem lembrar conversas passadas - não conseguem capturar aspectos mais profundos do usuário, como interesses, preferências de comunicação ou sensibilidade ao tom.

A Plastic Labs apresenta o Honcho, uma plataforma plug-and-play que permite aos desenvolvedores implementar facilmente a personalização em qualquer aplicação LL. Em vez de construir a modelagem do usuário do zero, os desenvolvedores podem simplesmente integrar o Honcho para acessar instantaneamente perfis de usuário ricos e persistentes. Esses perfis vão além do que os métodos tradicionais podem oferecer, graças ao uso de técnicas de ponta da ciência cognitiva pela equipe. Além disso, eles suportam consultas em linguagem natural, permitindo que os LLs se adaptem dinamicamente com base no perfil do usuário.

Ao abstrair a complexidade da gestão do estado do utilizador, o Honcho abre as portas a um novo nível de experiências hiper-personalizadas para aplicações LL. No entanto, a sua importância vai muito além disso: os perfis de utilizador ricos e abstratos gerados pelo Honcho também abrem caminho para a há muito elusiva "camada de dados do utilizador partilhada".

Historicamente, as tentativas de construir uma camada de dados de usuário compartilhada falharam por duas razões principais:

• Falta de interoperabilidade: Os dados do utilizador tradicional estão muitas vezes fortemente ligados a contextos de aplicação específicos, tornando difícil a migração entre aplicações. Por exemplo, uma plataforma social como X pode modelar utilizadores com base em quem seguem, mas esses dados têm pouco valor para a rede profissional do LinkedIn. Por outro lado, o Honcho captura traços de utilizador de ordem superior e mais universais que podem servir qualquer aplicação de LL. Por exemplo, se uma aplicação de tutoria descobrir que um utilizador aprende melhor através de analogias, um assistente de terapia poderia aproveitar essa mesma perspicácia para comunicar de forma mais eficaz, mesmo que os dois casos de uso sejam totalmente diferentes.

• Falta de valor imediato: As camadas compartilhadas anteriores lutaram para atrair adotantes de aplicativos iniciais porque não forneciam benefícios tangíveis antecipadamente, mesmo que esses usuários iniciais fossem essenciais para gerar dados valiosos. O Honcho adota uma abordagem diferente: primeiro resolve o “problema principal” da gestão do estado do usuário para aplicativos individuais. À medida que mais aplicativos se juntam, o efeito de rede resultante aborda naturalmente o “problema secundário”. Novos aplicativos não apenas se integram para personalização, mas também se beneficiam de perfis de usuário compartilhados existentes desde o início, contornando completamente o problema de inicialização a frio.

Atualmente, centenas de aplicações estão em lista de espera para o beta fechado da Honcho, abrangendo casos de uso como coaching para recuperação de vícios, companheiros educacionais, assistentes de leitura e ferramentas de comércio eletrónico. A estratégia da equipa é focar primeiro na resolução do desafio central da gestão do estado do utilizador para as aplicações e, em seguida, implementar gradualmente a camada de dados partilhados para as aplicações participantes. Esta camada será suportada por incentivos encriptados: os primeiros integradores receberão ações de propriedade na camada de dados e beneficiarão com o seu crescimento. Além disso, os mecanismos de blockchain garantirão que o sistema permaneça descentralizado e confiável, aliviando preocupações sobre entidades centralizadas que extraem valor ou constroem produtos concorrentes.

A Variant acredita que a equipa da Plastic Labs está bem posicionada para enfrentar o desafio da modelagem do utilizador no software impulsionado por LL. A equipa vivenciou este ponto crítico em primeira mão enquanto desenvolvia a Bloom, uma aplicação de tutoria personalizada baseada em chat, e percebeu que a aplicação não conseguia verdadeiramente entender os alunos ou os seus estilos de aprendizagem. O Honcho nasceu desta perceção - e agora está a resolver um problema com o qual todos os desenvolvedores de aplicações LLM estão destinados a enfrentar.

Aviso legal:

1. Este artigo é republicado a partir de [GatePANews]. Copyright belongs to the original author [Zen]. Se tiver preocupações sobre a republicação, por favor entre em contacto com oGate Aprenderequipa, que a tratará através dos canais apropriados.

2. Aviso legal: As opiniões expressas neste artigo são exclusivamente do autor e não constituem aconselhamento de investimento.

3. Outras versões deste artigo em outras línguas foram traduzidas pela equipa Gate Learn. Não reproduza, distribua ou plagie estas versões traduzidas sem atribuição adequada aGate.io.