В 2022 году OpenAI запустила модель GPT-3.5, управляемую ChatGPT, инициируя волну искусственного интеллекта. Хотя ChatGPT в целом хорошо справляется с обработкой запросов, он может быть ограничен в случае работы с конкретными знаниями в области или данными в реальном времени. Например, ему трудно предоставить подробную и надежную информацию о токен-транзакциях Виталика Бутерина за последние 18 месяцев. Для решения этой проблемы основная команда разработчиков The Graph, Semiotic Labs, объединила программный стек индексации The Graph с OpenAI для запуска Agentcпроект, предлагающий анализ трендов на рынке криптовалют и услуги по запросу данных о транзакциях.

При запросе у Agentc о транзакциях токенов Vitalik Buterin за последние 18 месяцев он дает более полный ответ. Однако амбиции искусственного интеллекта The Graph выходят за рамки этого. Его белая книга под названием "Gate"Граф как ИИ инфраструктура“определяет свою цель не в запуске конкретного приложения, а в использовании своего децентрализованного протокола индексации данных для обеспечения разработчиков инструментами для создания Web3-нативных AI-приложений. Для поддержки этой цели Semiotic Labs также опубликует кодовую базу Agentc с открытым исходным кодом, что позволит разработчикам создавать AI dApps, аналогичные Agentc, такие как агенты анализа тенденций на рынке NFT и помощники в DeFi-торговле.

Roadmap децентрализованного искусственного интеллекта The Graph

Запущенный в июле 2018 года, The Graph представляет собой децентрализованный протокол для индексации и запроса данных блокчейна. Разработчики могут использовать открытые API для создания и развертывания индексов данных, называемых подграфами, что позволяет приложениям получать данные в сети. На сегодняшний день The Graph поддерживает более 50 цепочек, размещает более 75 000 проектов и обработал более 1,26 триллиона запросов.

Способность The Graph обрабатывать такие объемные данные поддерживается его основными командами, включая Edge & Node, Streamingfast, Semiotic, The Guild, GraphOps, Messari и Pinax. Streamingfast предоставляет технологию кросс-цепочечной архитектуры для потоков данных блокчейна, в то время как Semiotic AI фокусируется на интеграции искусственного интеллекта и криптографии в The Graph. The Guild, GraphOps, Messari и Pinax специализируются в таких областях, как разработка GraphQL, индексирование сервисов, разработка подграфов и решения по потоку данных.

Стратегия искусственного интеллекта Graph не нова. В прошлом марте блог Graph опубликованныйстатья, обрисовывающая потенциал применения AI с использованием его возможностей индексации данных. В декабре The Graph представил своюНовая эра“дорожная карта, которая включает планы по добавлению поддержки большой модели языка (LLM) для запросов. В недавней белой книге также подробно описываются планы по развитию искусственного интеллекта, вводятся две услуги искусственного интеллекта: Inference и Agent Services, которые позволяют разработчикам интегрировать функции искусственного интеллекта непосредственно в интерфейс приложения, с поддержкой от The Graph.

Сервис вывода: поддержка ряда моделей искусственного интеллекта с открытым исходным кодом

В традиционных службах вывода модели делают прогнозы по входным данным с использованием централизованных облачных ресурсов. Например, ChatGPT выполняет вывод и возвращает ответы. Однако этот централизованный подход увеличивает затраты и создает риски цензуры. The Graph стремится решить эту проблему, создав децентрализованный рынок размещения моделей, предоставляя разработчикам dApp больше гибкости в развертывании и размещении моделей искусственного интеллекта.

Белая книга дает пример того, как использовать График для создания приложения, которое помогает пользователям Farcaster понять, получат ли их сообщения много лайков. Сначала данные подграфа от The Graph индексируют комментарии и лайки на сообщениях Farcaster. Затем нейронная сеть обучается предсказывать, будут ли новые комментарии Farcaster лайкаться, и нейронная сеть развертывается в службе вывода The Graph. Получившееся dApp может помочь пользователям создавать сообщения, которые более вероятно получат лайки.

Этот подход позволяет разработчикам легко использовать инфраструктуру The Graph, размещать предварительно обученные модели в сети и интегрировать их в приложения через API, что позволяет пользователям непосредственно испытывать эти функциональные возможности при использовании dApps.

Для предоставления разработчикам большего количества вариантов и гибкости Сервис вывода графика поддерживает большинство популярных существующих моделей. Согласно белой книге, "На этапе MVP Сервис вывода графика поддержит выбор популярных моделей искусственного интеллекта с открытым исходным кодом, включая Stable Diffusion, Stable Video Diffusion, LLaMA, Mixtral, Grok и Whisper." В будущем в Сервис вывода графика можно развернуть любые хорошо протестированные и проиндексированные открытые модели. Кроме того, для уменьшения технической сложности развертывания моделей искусственного интеллекта, The Graph предлагает удобные интерфейсы, упрощающие процесс и позволяющие разработчикам загружать и управлять своими моделями искусственного интеллекта, не беспокоясь о поддержке инфраструктуры.

Для дальнейшего улучшения производительности моделей в конкретных приложениях The Graph также поддерживает настройку моделей на конкретных наборах данных. Однако настройка моделей обычно не выполняется в самом The Graph. Разработчикам необходимо настраивать модели внешне, а затем развертывать эти модели, используя инферентную службу The Graph. Чтобы поощрять разработчиков делать настроенные модели общедоступными, The Graph разрабатывает механизмы стимулирования, такие как равномерное распределение комиссий за запросы между создателями моделей и индексаторами.

Для обеспечения достоверности результатов вывода искусственного интеллекта The Graph предлагает несколько методов проверки, включая надежные органы, M-of-N консенсус, интерактивные доказательства обмана и zk-SNARKs. У каждого метода есть свои преимущества и недостатки. Надежные органы полагаются на надежные сущности; M-of-N консенсус требует нескольких индексаторов для проверки, повышая сложность мошенничества, но также увеличивая вычислительные и координационные затраты; интерактивные доказательства обмана обеспечивают высокую безопасность, но не подходят для приложений, требующих быстрых ответов; zk-SNARKs технически сложны и менее подходят для больших моделей.

The Graph считает, что разработчики и пользователи должны иметь возможность выбирать соответствующий уровень безопасности на основе своих потребностей. Поэтому The Graph планирует поддерживать различные методы проверки в своем службе вывода, чтобы удовлетворить различные требования к безопасности и сценарии применения. Например, финансовые транзакции или критическая бизнес-логика могут требовать более высоких методов проверки безопасности, таких как zk-SNARKs или M-of-N consensus, тогда как приложения с более низким риском или развлекательно-ориентированные приложения могут выбрать более экономичные и простые методы, такие как доверенные органы или интерактивные доказательства мошенничества. Кроме того, The Graph планирует исследовать технологии, обеспечивающие конфиденциальность, чтобы решить проблемы конфиденциальности модели и пользователя.

Служба агента: помощь разработчикам в создании автономных приложений, управляемых ИИ

В то время как Inference Service в основном фокусируется на запуске предварительно обученных моделей искусственного интеллекта для вывода, Agent Service более сложен и требует взаимодействия нескольких компонентов для обеспечения возможности Агентам выполнять широкий спектр сложных и автоматизированных задач. Agent Service Graph стремится интегрировать создание, хостинг и выполнение Агентов в рамках Graph, с поддержкой, предоставляемой сетью индексаторов.

В частности, The Graph предоставит децентрализованную сеть для поддержки создания и размещения Агентов. После развертывания Агента в сети The Graph индексаторы будут предлагать необходимую поддержку выполнения, включая индексирование данных и реагирование на события в цепи и другие запросы взаимодействия.

Как уже упоминалось ранее, основная команда разработчиков The Graph, Semiotic Labs, запустила ранний эксперимент с агентом,Агентк, которая объединяет программный стек индексации The Graph с OpenAI. Ее основная функция - преобразовывать естественноязыковые вводы в SQL-запросы, позволяя пользователям запрашивать данные в режиме реального времени на блокчейне и представлять результаты в понятном формате. Проще говоря, Agentc сосредоточена на предоставлении пользователям удобного анализа тенденций на рынке криптовалют и запроса данных о транзакциях, с данными из Uniswap V2, Uniswap V3, Uniswap X и их форков на Ethereum, и цены обновляются каждый час.

Более того, The Graph отметил, что используемые модели LLM имеют точность всего лишь 63,41%, что указывает на потенциал неправильных ответов. Для решения этой проблемы The Graph разрабатывает новый тип большой языковой модели под названием KGLLM (Knowledge Graph-enabled Large Language Models). KGLLM использует структурированные данные базы знаний, предоставленные Geo, что значительно снижает вероятность генерации ошибочной информации. Каждое утверждение в системе Geo подтверждается временными метками on-chain и проверкой голосованием. После интеграции базы знаний Geo агенты могут быть применены к различным сценариям, включая медицинские регламенты, политические события, анализ рынка и т. д., что повышает разнообразие и точность услуг агентов. Например, KGLLM может использовать политические данные для предоставления рекомендаций по изменению политики децентрализованным автономным организациям (DAO) и обеспечения их на основе актуальной и точной информации.

Преимущества KGLLM включают в себя:

• Использование структурированных данных:KGLLM использует структурированные внешние базы знаний, с информацией, моделированной в графической форме в графе знаний, что делает отношения между данными легко видимыми и интуитивно понятными для запроса и понимания.
• Обработка реляционных данных:KGLLM особенно хорошо подходит для работы с реляционными данными, например, для понимания отношений между людьми и событиями. Он использует алгоритмы обхода графов для поиска соответствующей информации, переходя через несколько узлов в графе знаний (аналогично перемещению по карте). Этот метод помогает KGLLM находить наиболее релевантную информацию для ответа на вопросы.
• Эффективный поиск и генерация информации:С помощью алгоритмов обхода графа KGLLM извлекает отношения и преобразует их в естественноязыковые подсказки, которые модель может понять. Эти четкие инструкции позволяют KGLLM генерировать более точные и актуальные ответы.

Перспектива

Как "Google веб-3", The Graph решает текущий дефицит данных в службах искусственного интеллекта и упрощает процесс разработки для разработчиков через свои службы искусственного интеллекта. С развитием и принятием более широкого спектра приложений искусственного интеллекта ожидается дальнейшее улучшение пользовательского опыта. В будущем команда разработки The Graph будет продолжать изучать возможности интеграции искусственного интеллекта с веб-3. Кроме того, другие команды в его экосистеме, такие как Playgrounds Analytics и DappLooker, также разрабатывают решения, связанные с услугами агента.

Отказ от ответственности：

1. Эта статья перепечатана из [Исследование ChainFeeds], Все авторские права принадлежат автору оригинала [LindaBell]. Если есть возражения против этой публикации, пожалуйста, свяжитесь с Gate Learnкоманда и они быстро решат эту проблему.
2. Отказ от ответственности: Взгляды и мнения, выраженные в этой статье, являются исключительно взглядами автора и не являются инвестиционным советом.
3. Переводы статьи на другие языки выполняются командой Gate Learn. Если не указано иное, копирование, распространение или плагиат переведенных статей запрещены.