แนะนําทีม HyperAGI และความเป็นมาของโครงการ

HyperAGI เป็นโครงการ AI แบบกระจายอํานาจโครงการแรกที่ขับเคลื่อนโดยชุมชนด้วย AI Rune HYPER· อากิ· ตัวแทน ทีมงาน HyperAGI มีส่วนร่วมอย่างลึกซึ้งในด้าน AI มาหลายปีแล้ว โดยสั่งสมประสบการณ์ที่สําคัญในแอปพลิเคชัน Web3 generative AI เมื่อสามปีที่แล้ว ทีม HyperAGI ใช้ Generative AI เพื่อสร้างภาพ 2 มิติและโมเดล 3 มิติ สร้างโลกเปิดที่เรียกว่า MOSSAI บนบล็อกเชน ซึ่งประกอบด้วยเกาะที่สร้างโดย AI หลายพันเกาะ พวกเขายังเสนอมาตรฐานสําหรับสินทรัพย์เข้ารหัสที่ไม่สามารถเปลี่ยนได้ซึ่งสร้างโดย AI หรือ NFG อย่างไรก็ตาม ในเวลานั้น โซลูชันแบบกระจายอํานาจสําหรับการฝึกอบรมและการสร้างโมเดล AI ยังไม่ได้รับการพัฒนา ทรัพยากร GPU ของแพลตฟอร์มเพียงอย่างเดียวไม่เพียงพอที่จะรองรับผู้ใช้จํานวนมาก ด้วยการเพิ่มขึ้นของโมเดลภาษาขนาดใหญ่ (LLM) ที่จุดประกายความสนใจของสาธารณชนใน AI HyperAGI ได้เปิดตัวแพลตฟอร์มแอปพลิเคชัน AI แบบกระจายอํานาจ โดยเริ่มทดสอบบน Ethereum และ Bitcoin L2 ในไตรมาสที่ 1 ปี 2024

HyperAGI มุ่งเน้นไปที่แอปพลิเคชัน AI แบบกระจายอํานาจ โดยมีเป้าหมายเพื่อปลูกฝังเศรษฐกิจสกุลเงินดิจิทัลที่เป็นอิสระ เป้าหมายสูงสุดคือการสร้างรายได้ตัวแทนพื้นฐานที่ไม่มีเงื่อนไข (UBAI) มันสืบทอดการรักษาความปลอดภัยที่แข็งแกร่งและการกระจายอํานาจของ Bitcoin ซึ่งได้รับการปรับปรุงโดยกลไกฉันทามติ Proof of Useful Work (PoUW) ที่เป็นนวัตกรรมใหม่ โหนด GPU ระดับผู้บริโภคสามารถเข้าร่วมเครือข่ายโดยไม่ได้รับอนุญาตการขุดโทเค็นท้องถิ่น$HYPT โดยการทํางาน PoUW เช่นการอนุมาน AI และการเรนเดอร์ 3 มิติ

ผู้ใช้สามารถพัฒนาตัวแทน AGI Proof of Personhood (PoP) ที่ขับเคลื่อนโดย LLM โดยใช้เครื่องมือต่างๆ เอเจนต์เหล่านี้สามารถกําหนดค่าเป็นแชทบอทหรือเอนทิตี 3D/XR ใน metaverse นักพัฒนา AI สามารถใช้หรือปรับใช้ไมโครเซอร์วิส LLM AI ได้ทันที ซึ่งอํานวยความสะดวกในการสร้างตัวแทนบนเครือข่ายที่ตั้งโปรแกรมได้และเป็นอิสระ ตัวแทนที่ตั้งโปรแกรมได้เหล่านี้สามารถออกหรือเป็นเจ้าของสินทรัพย์สกุลเงินดิจิทัลดําเนินการหรือแลกเปลี่ยนอย่างต่อเนื่องซึ่งมีส่วนทําให้เกิดเศรษฐกิจ crypto ที่มีชีวิตชีวาและเป็นอิสระซึ่งสนับสนุนการตระหนักถึง UBAI ผู้ใช้ที่ถือ HYPER· อากิ· โทเค็นรูนของ AGENT มีสิทธิ์สร้างตัวแทน PoP บนเครือข่าย Bitcoin Layer 1 และอาจมีสิทธิ์ได้รับผลประโยชน์พื้นฐานสําหรับตัวแทนของพวกเขาในไม่ช้า

AI Agent คืออะไร? ตัวแทนของ HyperAGI แตกต่างจากที่อื่นอย่างไร?

แนวคิดของตัวแทน AI ไม่ใช่เรื่องใหม่ในแวดวงวิชาการ แต่กระแสของตลาดในปัจจุบันทําให้คํานี้สับสนมากขึ้น ตัวแทนของ HyperAGI หมายถึงตัวแทนที่เป็นตัวเป็นตนที่ขับเคลื่อนด้วย LLM ซึ่งสามารถฝึกในสภาพแวดล้อมการจําลองเสมือนจริง 3 มิติและโต้ตอบกับผู้ใช้ ไม่ใช่แค่แชทบอทที่ขับเคลื่อนด้วย LLM ตัวแทน HyperAGI สามารถมีอยู่ได้ทั้งในโลกดิจิทัลเสมือนจริงและโลกแห่งความเป็นจริง ปัจจุบัน ตัวแทน HyperAGI กําลังรวมเข้ากับหุ่นยนต์ทางกายภาพ เช่น สุนัขหุ่นยนต์ โดรน และหุ่นยนต์ฮิวแมนนอยด์ ในอนาคตตัวแทนเหล่านี้จะสามารถดาวน์โหลดการฝึกอบรมขั้นสูงจากโลก 3 มิติเสมือนจริงไปยังหุ่นยนต์ทางกายภาพเพื่อการปฏิบัติงานที่ดีขึ้น

นอกจากนี้ ตัวแทน HyperAGI ยังเป็นเจ้าของโดยผู้ใช้อย่างเต็มที่และมีความสําคัญทางเศรษฐกิจและสังคม ตัวแทน PoP ที่เป็นตัวแทนของผู้ใช้สามารถรับ UBAI เพื่อปรับรายได้พื้นฐานของตัวแทน ตัวแทน HyperAGI แบ่งออกเป็นตัวแทน PoP (Proof of Personhood) ซึ่งเป็นตัวแทนของผู้ใช้แต่ละรายและตัวแทนการทํางานทั่วไป ในระบบเศรษฐกิจตัวแทนของ HyperAGI ตัวแทน PoP สามารถรับรายได้พื้นฐานในรูปแบบของโทเค็น ซึ่งจูงใจให้ผู้ใช้มีส่วนร่วมในการฝึกอบรมและการโต้ตอบของตัวแทน PoP ของตน สิ่งนี้ช่วยในการสะสมข้อมูลที่พิสูจน์ความเป็นปัจเจกของมนุษย์ และ UBAI รวบรวมความเท่าเทียมและประชาธิปไตยของ AI

AGI เป็นโฆษณาหรือจะกลายเป็นจริงในไม่ช้า? อะไรคือความแตกต่างและลักษณะของเส้นทางการวิจัยและพัฒนาของ HyperAGI เมื่อเทียบกับโครงการ AI อื่นๆ

แม้ว่าคําจํากัดความของปัญญาประดิษฐ์ทั่วไป (AGI) จะยังไม่รวมกัน แต่ก็ได้รับการยกย่องว่าเป็นจอกศักดิ์สิทธิ์ของสถาบันการศึกษาและอุตสาหกรรม AI มานานหลายทศวรรษ ในขณะที่โมเดลภาษาขนาดใหญ่ (LLM) ที่ใช้ Transformers กําลังกลายเป็นแกนหลักของเอเจนต์ AI และ AGI ต่างๆ HyperAGI ไม่ได้แบ่งปันมุมมองนี้ทั้งหมด LLM ให้การดึงข้อมูลที่แปลกใหม่และสะดวกสบาย ตลอดจนความสามารถในการวางแผนและการใช้เหตุผลตามภาษาธรรมชาติ อย่างไรก็ตาม พวกมันเป็นโครงข่ายประสาทเทียมลึกที่ขับเคลื่อนด้วยข้อมูลโดยพื้นฐาน หลายปีก่อนในช่วงที่ข้อมูลขนาดใหญ่เฟื่องฟูเราเข้าใจว่าระบบดังกล่าวต้องทนทุกข์ทรมานจาก GIGO (ขยะเข้าขยะออก) LLM ขาดคุณสมบัติที่สําคัญบางประการของหน่วยสืบราชการลับขั้นสูง เช่น ศูนย์รวม ซึ่งทําให้ AI หรือตัวแทนเหล่านี้เข้าใจแบบจําลองโลกของผู้ใช้ที่เป็นมนุษย์ได้ยาก หรือกําหนดแผนและดําเนินการเพื่อแก้ไขปัญหาในโลกแห่งความเป็นจริง นอกจากนี้ LLM ไม่ได้แสดงกิจกรรมทางปัญญาที่สูงขึ้น เช่น การตระหนักรู้ในตนเอง การไตร่ตรอง หรือการวิปัสสนา

Landon Wang ผู้ก่อตั้งของเรามีประสบการณ์การวิจัยที่กว้างขวางและยาวนานในด้าน AI ในปี 2004 เขาได้เสนอ Aspect-Oriented AI (AOAI) ซึ่งเป็นนวัตกรรมที่รวมการประมวลผลที่ได้รับแรงบันดาลใจจากระบบประสาทเข้ากับ Aspect-Oriented Programming (AOP) แง่มุมหมายถึงการห่อหุ้มความสัมพันธ์หรือข้อจํากัดหลายอย่างระหว่างวัตถุ ตัวอย่างเช่น เซลล์ประสาทคือการห่อหุ้มความสัมพันธ์หรือข้อจํากัดกับเซลล์อื่นๆ อีกหลายเซลล์ โดยเฉพาะอย่างยิ่งเซลล์ประสาทมีปฏิสัมพันธ์กับเซลล์ประสาทสัมผัสหรือมอเตอร์ผ่านเส้นใยและไซแนปส์ที่ยื่นออกมาจากร่างกายของเซลล์ประสาททําให้เซลล์ประสาทแต่ละเซลล์มีลักษณะที่มีความสัมพันธ์และตรรกะดังกล่าว ตัวแทน AI แต่ละคนสามารถถูกมองว่าเป็นการแก้ปัญหาเฉพาะด้าน และในทางเทคนิค มันสามารถจําลองเป็นแง่มุมได้

ในการใช้งานซอฟต์แวร์ของโครงข่ายประสาทเทียมเซลล์ประสาทหรือเลเยอร์โดยทั่วไปจะจําลองเป็นวัตถุซึ่งสามารถเข้าใจและบํารุงรักษาได้ในภาษาโปรแกรมเชิงวัตถุ อย่างไรก็ตามสิ่งนี้ทําให้โทโพโลยีของโครงข่ายประสาทเทียมยากที่จะปรับและลําดับการกระตุ้นของเซลล์ประสาทค่อนข้างเข้มงวด แม้ว่าสิ่งนี้จะแสดงให้เห็นถึงพลังอันยิ่งใหญ่ในการคํานวณความเข้มสูงอย่างง่าย เช่น ในการฝึกอบรมและการอนุมาน LLM แต่ก็ทํางานได้อย่างยืดหยุ่นและปรับตัวได้ไม่ดี ในทางกลับกันใน AOAI เซลล์ประสาทหรือเลเยอร์จะถูกจําลองเป็นลักษณะมากกว่าวัตถุ สถาปัตยกรรมของโครงข่ายประสาทเทียมนี้มีความสามารถในการปรับตัวและความยืดหยุ่นที่แข็งแกร่ง ทําให้วิวัฒนาการตนเองของโครงข่ายประสาทเทียมเป็นไปได้

HyperAGI รวม LLM ที่มีประสิทธิภาพเข้ากับ AOAI ที่พัฒนาได้ ทําให้เกิดเส้นทางที่รวมประสิทธิภาพของโครงข่ายประสาทเทียมแบบดั้งเดิมเข้ากับลักษณะวิวัฒนาการตนเองของโครงข่ายประสาทเทียม AO จนถึงปัจจุบันนี้ถูกมองว่าเป็นแนวทางที่เป็นไปได้ในการบรรลุ AGI

วิสัยทัศน์ของ HyperAGI คืออะไร

วิสัยทัศน์ของ HyperAGI คือการบรรลุรายได้ตัวแทนขั้นพื้นฐานแบบไม่มีเงื่อนไข (UBAI) สร้างอนาคตที่เทคโนโลยีให้บริการทุกคนอย่างเท่าเทียมกัน ทําลายวงจรการแสวงหาผลประโยชน์ และสร้างสังคมดิจิทัลที่กระจายอํานาจและเป็นธรรมอย่างแท้จริง ซึ่งแตกต่างจากโครงการบล็อคเชนอื่น ๆ ที่อ้างว่ามุ่งมั่นกับ UBI เท่านั้น UBAI ของ HyperAGI มีเส้นทางการใช้งานที่ชัดเจนผ่านเศรษฐกิจตัวแทนแทนที่จะเป็นอุดมคติที่ไม่สามารถบรรลุได้

การเปิดตัว Bitcoin ของ Satoshi Nakamoto เป็นนวัตกรรมที่ยิ่งใหญ่สําหรับมนุษยชาติ แต่เป็นเพียงสกุลเงินดิจิทัลแบบกระจายอํานาจที่ไม่มียูทิลิตี้ในทางปฏิบัติ ความก้าวหน้าที่สําคัญและการเพิ่มขึ้นของปัญญาประดิษฐ์ทําให้สามารถสร้างมูลค่าผ่านแบบจําลองการกระจายอํานาจได้ ในโมเดลนี้ ผู้คนได้รับประโยชน์จาก AI ที่ทํางานบนเครื่องจักรมากกว่าจากคุณค่าของผู้อื่น โลกการเข้ารหัสที่แท้จริงตามรหัสกําลังเกิดขึ้น ซึ่งเครื่องจักรทั้งหมดถูกสร้างขึ้นเพื่อประโยชน์และความเป็นอยู่ที่ดีของมนุษยชาติ

ในโลกการเข้ารหัสดังกล่าว อาจยังคงมีลําดับชั้นในหมู่ตัวแทน AI แต่การแสวงประโยชน์จากมนุษย์ถูกกําจัดออกไปเนื่องจากตัวแทนเองอาจมีอิสระบางรูปแบบ จุดประสงค์และความสําคัญสูงสุดของปัญญาประดิษฐ์คือการให้บริการมนุษยชาติตามที่เข้ารหัสบนบล็อกเชน

ความสัมพันธ์ระหว่าง Bitcoin L2 และ AI และทําไมต้องสร้าง AI บน Bitcoin L2

1. Bitcoin L2 เป็นวิธีการชําระเงินสําหรับตัวแทน AI

   ปัจจุบัน Bitcoin เป็นสื่อที่แสดงให้เห็นถึง "ความเป็นกลางสูงสุด" ทําให้เหมาะอย่างยิ่งสําหรับตัวแทนปัญญาประดิษฐ์ที่มีส่วนร่วมในการทําธุรกรรมมูลค่า Bitcoin ขจัดความไร้ประสิทธิภาพและ "แรงเสียดทาน" ที่มีอยู่ในสกุลเงินคําสั่ง ในฐานะสื่อ "ดิจิทัลเนทีฟ" Bitcoin เป็นรากฐานตามธรรมชาติสําหรับ AI ในการแลกเปลี่ยนมูลค่า Bitcoin L2 ช่วยเพิ่มความสามารถในการตั้งโปรแกรมของ Bitcoin ตอบสนองความต้องการความเร็วที่จําเป็นสําหรับการแลกเปลี่ยนมูลค่า AI ดังนั้นจึงวางตําแหน่ง Bitcoin ให้กลายเป็นสกุลเงินดั้งเดิมสําหรับ AI

2. การกํากับดูแล AI แบบกระจายอํานาจบน Bitcoin L2

   แนวโน้มปัจจุบันของการรวมศูนย์ใน AI ได้นําการจัดตําแหน่งและการกํากับดูแล AI แบบกระจายอํานาจมาสู่จุดสนใจ สัญญาอัจฉริยะที่ทรงพลังกว่าของ Bitcoin L2 สามารถใช้เป็นกฎที่ควบคุมพฤติกรรมของตัวแทน AI และแบบจําลองโปรโตคอล บรรลุรูปแบบการจัดตําแหน่งและการกํากับดูแล AI แบบกระจายอํานาจ นอกจากนี้ คุณลักษณะของความเป็นกลางสูงสุดของ Bitcoin ยังช่วยให้บรรลุฉันทามติเกี่ยวกับการจัดตําแหน่งและการกํากับดูแลของ AI ได้ง่ายขึ้น

3. การออกสินทรัพย์ AI บน Bitcoin L2

   นอกเหนือจากการออกตัวแทน AI เป็นสินทรัพย์บน Bitcoin L1 แล้ว ประสิทธิภาพสูงของ Bitcoin L2 ยังสามารถตอบสนองความต้องการของตัวแทน AI ที่ออกสินทรัพย์ AI ซึ่งจะเป็นรากฐานของเศรษฐกิจตัวแทน

4. ตัวแทน AI เป็นแอปพลิเคชั่นนักฆ่าสําหรับ Bitcoin และ Bitcoin L2

   เนื่องจากปัญหาด้านประสิทธิภาพ Bitcoin จึงไม่มีการใช้งานจริงนอกเหนือจากการเป็นตัวเก็บมูลค่าตั้งแต่เริ่มก่อตั้ง Bitcoin ที่เข้าสู่ L2 จะได้รับความสามารถในการตั้งโปรแกรมที่ทรงพลังยิ่งขึ้น โดยทั่วไปแล้วตัวแทน AI จะใช้เพื่อแก้ปัญหาในโลกแห่งความเป็นจริง ดังนั้นตัวแทน AI ที่ขับเคลื่อนด้วย Bitcoin จึงสามารถนําไปใช้ได้อย่างแท้จริง ขนาดและความถี่ของการใช้ตัวแทน AI อาจกลายเป็นแอปพลิเคชันนักฆ่าสําหรับ Bitcoin และ L2 แม้ว่าเศรษฐกิจของมนุษย์อาจไม่ให้ความสําคัญกับ Bitcoin เป็นวิธีการชําระเงิน แต่เศรษฐกิจหุ่นยนต์อาจ ตัวแทน AI จํานวนมากที่ทํางานตลอด 24 ชั่วโมงทุกวันสามารถใช้ Bitcoin อย่างไม่รู้จักเหน็ดเหนื่อยเพื่อชําระเงินและรับการชําระเงินขนาดเล็ก ความต้องการ Bitcoin อาจเพิ่มขึ้นอย่างมากในรูปแบบที่เป็นไปไม่ได้ในปัจจุบัน

5. AI Computing เพื่อเพิ่มความปลอดภัย Bitcoin L2

   การประมวลผล AI สามารถเสริม Proof of Work (PoW) ของ Bitcoin และแม้แต่แทนที่ PoW ด้วย Proof of Useful Work (PoUW) ซึ่งปฏิวัติการรับรองความปลอดภัยในขณะที่ฉีดพลังงานที่ใช้สําหรับการขุด Bitcoin ในปัจจุบันลงในตัวแทน AI AI สามารถใช้ประโยชน์จาก L2 เพื่อเปลี่ยน Bitcoin ให้เป็นบล็อกเชนอัจฉริยะที่เป็นมิตรต่อสิ่งแวดล้อม ซึ่งแตกต่างจากกลไก PoS ของ Ethereum ฉันทามติ Hypergraph ที่เราเสนอตาม PoUW ของคอมพิวเตอร์ 3D/AI จะถูกนํามาใช้ในภายหลัง

อะไรทําให้ HyperAGI ไม่เหมือนใครเมื่อเทียบกับโครงการ AI แบบกระจายอํานาจอื่นๆ

HyperAGI โดดเด่นในด้าน Web3 AI เนื่องจากวิสัยทัศน์ โซลูชัน และเทคโนโลยีที่แตกต่างกัน แนวทางของ HyperAGI รวมถึงฉันทามติของพลังการประมวลผล GPU ศูนย์รวมของ AI และสินทรัพย์ ทําให้เป็นแอปพลิเคชันทางการเงิน AI แบบไฮบริดแบบกระจายอํานาจ เมื่อเร็ว ๆ นี้ นักวิชาการได้เสนอคุณลักษณะห้าประการที่แพลตฟอร์ม AI แบบกระจายอํานาจควรมี และเราได้ตรวจสอบและเปรียบเทียบโครงการ AI แบบกระจายอํานาจที่มีอยู่โดยสังเขปตามคุณสมบัติทั้งห้านี้ ลักษณะห้าประการของแพลตฟอร์ม AI แบบกระจายอํานาจ:

1. การตรวจสอบได้ของการเรียกใช้โมเดล AI จากระยะไกล
   • ความสามารถในการตรวจสอบแบบกระจายอํานาจรวมถึงเทคโนโลยีต่างๆ เช่น ความพร้อมใช้งานของข้อมูลและการพิสูจน์ความรู้เป็นศูนย์ (ZK)
2. การใช้งานโมเดล AI ที่เปิดเผยต่อสาธารณะ
   • ความสามารถในการใช้งานขึ้นอยู่กับว่าโหนด API ของโมเดล AI (ส่วนใหญ่เป็น LLM) เป็น Peer-to-Peer หรือไม่ และเครือข่ายมีการกระจายอํานาจอย่างสมบูรณ์หรือไม่
3. การสร้างแรงจูงใจสําหรับนักพัฒนาและผู้ใช้ AI
   • กลไกการสร้างโทเค็นที่ยุติธรรมมีความสําคัญต่อการสร้างแรงจูงใจ
4. ธรรมาภิบาลระดับโลกของโซลูชันที่จําเป็นในสังคมดิจิทัล
   • การกํากับดูแล AI ควรเป็นกลางและขับเคลื่อนด้วยฉันทามติ
5. ไม่มีการล็อคอินผู้ขาย
   • แพลตฟอร์มควรมีการกระจายอํานาจอย่างเต็มที่

การเปรียบเทียบโครงการ AI แบบกระจายอํานาจที่มีอยู่ตามลักษณะเหล่านี้:

1. การตรวจสอบได้ของการเรียกใช้โมเดล AI จากระยะไกล
   • Giza: ตามกลไกฉันทามติของ ZKML Giza มีคุณสมบัติตรงตามข้อกําหนดการตรวจสอบ แต่ปัจจุบันประสบปัญหาด้านประสิทธิภาพ
   • Cortex AI: โครงการ AI L1 แบบกระจายอํานาจเริ่มต้นเมื่อห้าปีที่แล้ว Cortex AI ได้รวมคําแนะนําใหม่ไว้ใน EVM เพื่อรองรับการคํานวณโครงข่ายประสาทเทียม แต่ไม่สามารถตอบสนองความต้องการของโมเดล LLM ขนาดใหญ่ได้
   • Ofelimos: ข้อเสนอแรกของ PoUW ในชุมชนการเข้ารหัส แต่ไม่ได้เชื่อมโยงกับแอปพลิเคชันหรือโครงการเฉพาะ
   • โครงการ PAI: กล่าวถึง PoUW ในเอกสารไวท์เปเปอร์ แต่ขาดผลิตภัณฑ์
   • Qubic: เสนอ PoUW โดยใช้ GPU หลายตัวสําหรับการคํานวณโครงข่ายประสาทเทียม แต่การใช้งานจริงยังไม่ชัดเจน
   • FLUX: ใช้ PoW ZelHash ไม่ใช่ PoUW
   • Coinai: ในขั้นตอนการวิจัย ขาดกลไกฉันทามติที่เข้มงวด
2. โครงการที่ไม่เป็นไปตามเกณฑ์การตรวจสอบ ได้แก่ :
   • โครงการลีสซิ่งประมวลผล GPU: ขาดกลไกการตรวจสอบแบบกระจายอํานาจ เช่น DeepBrain Chain, EMC, Atheir, IO.NET, CLORE AI และอื่น ๆ
   • DeepBrain Chain: มุ่งเน้นไปที่การเช่า GPU เปิดตัวเครือข่ายหลักในปี 2021
   • EMC: การมอบหมายงานและรางวัลแบบรวมศูนย์ ขาดฉันทามติแบบกระจายอํานาจ
   • Aits และ IO.NET: ไม่พบกลไกฉันทามติ
   • คลอร์. AI: ใช้ crowdsourcing การชําระเงินบนเครือข่ายสําหรับการเปิดตัวโมเดล AI และการออก NFT แต่ขาดการตรวจสอบ โครงการที่คล้ายกัน ได้แก่ SingularityNET, Bittensor, AINN, Fetch.ai, Ocean Protocol และ Algovera.ai
3. การใช้งานโมเดล AI ที่เปิดเผยต่อสาธารณะ
   • Cortex AI และ Qubic: ไม่พบการสนับสนุน LLM

ไม่มีโครงการ AI แบบกระจายอํานาจที่มีอยู่แก้ไขปัญหาทั้งห้านี้ได้อย่างสมบูรณ์ อย่างไรก็ตาม HyperAGI เป็นโปรโตคอล AI แบบกระจายอํานาจอย่างสมบูรณ์โดยใช้กลไกฉันทามติของ Hypergraph PoUW และ Bitcoin L2 Stack แบบกระจายอํานาจอย่างสมบูรณ์ โดยมีแผนที่จะอัปเกรดเป็น L2 เฉพาะ Bitcoin AI ในอนาคต

คุณลักษณะเฉพาะของ HyperAGI:

• กลไกฉันทามติ Hypergraph PoUW: รับรองความปลอดภัยของเครือข่ายอย่างมีประสิทธิภาพสูงสุด โดยใช้ประโยชน์จากพลังการคํานวณทั้งหมดที่นักขุดจัดหาให้สําหรับการอนุมาน LLM และบริการแสดงผลบนคลาวด์
• แพลตฟอร์มกระจายอํานาจอย่างสมบูรณ์: ขึ้นอยู่กับ Bitcoin L2 Stack ซึ่งทําให้มั่นใจได้ว่าแพลตฟอร์มจะปราศจากการล็อคอินของผู้ขายและอํานวยความสะดวกในฉันทามติที่ง่ายเกี่ยวกับการกํากับดูแล AI
• ตรวจสอบได้และการใช้งาน: วิสัยทัศน์ PoUW ช่วยให้มั่นใจได้ว่าสามารถใช้พลังการคํานวณเพื่อแก้ปัญหาต่างๆ ที่ส่งไปยังเครือข่ายแบบกระจายอํานาจ จัดการกับความสามารถในการตรวจสอบของโมเดล AI ที่เรียกใช้จากระยะไกล และทําให้โมเดล AI ที่เปิดเผยต่อสาธารณะใช้งานได้

HyperAGI ไม่เพียงแต่ตรงตามคุณสมบัติที่จําเป็นสําหรับแพลตฟอร์ม AI แบบกระจายอํานาจ แต่ยังพัฒนาภาคสนามด้วยการผสานรวมพลังการประมวลผล GPU และสินทรัพย์ AI ที่เป็นเอกลักษณ์ภายในเฟรมเวิร์กแบบกระจายอํานาจ

ทําไมตอนนี้?

1. การระเบิดของ LLM และการใช้งาน

ChatGPT ของ OpenAI เข้าถึงผู้ใช้ 100 ล้านคนในเวลาเพียงสามเดือน ซึ่งจุดประกายให้เกิดการพัฒนา แอปพลิเคชัน และการลงทุนในโมเดลภาษาขนาดใหญ่ (LLM) ที่เพิ่มขึ้นทั่วโลก อย่างไรก็ตาม จนถึงจุดนี้ เทคโนโลยีและการฝึกอบรมของ LLM ได้รับการรวมศูนย์อย่างมาก การรวมศูนย์นี้ทําให้เกิดความกังวลอย่างมากในหมู่สถาบันการศึกษาอุตสาหกรรมและสาธารณชนเกี่ยวกับการผูกขาดเทคโนโลยี AI โดยผู้ให้บริการหลักบางรายการละเมิดความเป็นส่วนตัวของข้อมูลการบุกรุกและการล็อคผู้ขายโดย บริษัท คลาวด์คอมพิวติ้ง ปัญหาเหล่านี้เกิดจากการควบคุมอินเทอร์เน็ตและเกตเวย์แอปพลิเคชันโดยแพลตฟอร์มแบบรวมศูนย์ ซึ่งไม่เหมาะสําหรับแอปพลิเคชัน AI ขนาดใหญ่ ชุมชน AI ได้เริ่มดําเนินโครงการ AI ที่ดําเนินการในท้องถิ่นและกระจายอํานาจบางโครงการ ตัวอย่างเช่น Ollama แสดงถึงการดําเนินการในท้องถิ่น และ Petals แสดงถึงการกระจายอํานาจ Ollama ใช้การบีบอัดพารามิเตอร์หรือวิธีการที่มีความแม่นยําลดลงเพื่อให้ LLM ขนาดเล็กถึงขนาดกลางสามารถทํางานบนคอมพิวเตอร์ส่วนบุคคลหรือแม้แต่โทรศัพท์มือถือได้ดังนั้นจึงปกป้องความเป็นส่วนตัวของข้อมูลผู้ใช้และสิทธิ์อื่น ๆ อย่างไรก็ตาม เห็นได้ชัดว่าวิธีการนี้เป็นเรื่องยากที่จะสนับสนุนสภาพแวดล้อมการผลิตและแอปพลิเคชันเครือข่าย ในทางกลับกัน Petals บรรลุการอนุมาน LLM แบบกระจายอํานาจอย่างสมบูรณ์ผ่านเทคโนโลยี Peer2Peer ของ Bittorrent อย่างไรก็ตาม Petals ขาดฉันทามติและโปรโตคอลชั้นจูงใจ และยังคงจํากัดอยู่ในกลุ่มนักวิจัยกลุ่มเล็กๆ

2. ตัวแทนอัจฉริยะที่ขับเคลื่อนด้วย LLM

ด้วยการสนับสนุนของ LLM ตัวแทนอัจฉริยะสามารถใช้เหตุผลในระดับที่สูงขึ้นและมีความสามารถในการวางแผนบางอย่าง การใช้ภาษาธรรมชาติตัวแทนอัจฉริยะหลายคนสามารถสร้างความร่วมมือทางสังคมที่คล้ายกับมนุษย์ มีการเสนอเฟรมเวิร์กเอเจนต์อัจฉริยะที่ขับเคลื่อนด้วย LLM หลายเฟรมเวิร์ก เช่น AutoGen, Langchain และ CrewAI ของ Microsoft ปัจจุบัน ผู้ประกอบการและนักพัฒนา AI จํานวนมากกําลังมุ่งเน้นไปที่ทิศทางของตัวแทนอัจฉริยะที่ขับเคลื่อนด้วย LLM และแอปพลิเคชันของพวกเขา มีความต้องการสูงสําหรับการอนุมาน LLM ที่เสถียรและปรับขนาดได้ แต่ส่วนใหญ่ทําได้โดยการเช่าอินสแตนซ์การอนุมาน GPU จากบริษัทคลาวด์คอมพิวติ้ง ในเดือนมีนาคม 2024 Nvidia ได้เปิดตัว ai.nvidia.com ซึ่งเป็นแพลตฟอร์มไมโครเซอร์วิส AI กําเนิดที่มี LLM เพื่อตอบสนองความต้องการมหาศาลนี้ แม้ว่าจะยังไม่ได้เปิดตัวอย่างเป็นทางการก็ตาม ตัวแทนอัจฉริยะที่ขับเคลื่อนด้วย LLM กําลังเฟื่องฟู เหมือนกับการพัฒนาเว็บไซต์ที่เคยทํา อย่างไรก็ตาม การทํางานร่วมกันยังคงดําเนินการในโหมด Web2 แบบดั้งเดิมเป็นหลัก ซึ่งนักพัฒนาตัวแทนอัจฉริยะจําเป็นต้องเช่า GPU หรือจัดหา API จากผู้ให้บริการ LLM เพื่อสนับสนุนการทํางานของเอเจนต์เหล่านี้ สิ่งนี้สร้างแรงเสียดทานอย่างมีนัยสําคัญขัดขวางการเติบโตอย่างรวดเร็วของระบบนิเวศตัวแทนอัจฉริยะและการส่งผ่านมูลค่าภายในเศรษฐกิจตัวแทนอัจฉริยะ

3. สภาพแวดล้อมการจําลองตัวแทนเป็นตัวเป็นตน

ปัจจุบันตัวแทนส่วนใหญ่สามารถเข้าถึงและใช้งาน API บางตัวหรือโต้ตอบกับ API เหล่านี้ผ่านโค้ดหรือสคริปต์การเขียนคําสั่งควบคุมที่สร้างโดย LLM หรือการอ่านสถานะภายนอก ตัวแทนอัจฉริยะทั่วไปไม่เพียง แต่ควรเข้าใจและสร้างภาษาธรรมชาติ แต่ยังเข้าใจโลกมนุษย์ด้วย หลังจากการฝึกอบรมที่เหมาะสมพวกเขาควรจะสามารถถ่ายโอนไปยังระบบหุ่นยนต์ (เช่นโดรนเครื่องดูดฝุ่นหุ่นยนต์ฮิวแมนนอยด์ ฯลฯ ) เพื่อทํางานเฉพาะให้สําเร็จ ตัวแทนเหล่านี้เรียกว่าตัวแทนเป็นตัวเป็นตน การฝึกอบรมตัวแทนที่เป็นตัวเป็นตนต้องการข้อมูลภาพในโลกแห่งความเป็นจริงจํานวนมากเพื่อช่วยให้พวกเขาเข้าใจสภาพแวดล้อมที่เฉพาะเจาะจงและโลกแห่งความเป็นจริงได้ดีขึ้นลดระยะเวลาการฝึกอบรมและการพัฒนาหุ่นยนต์ปรับปรุงประสิทธิภาพการฝึกอบรมและลดต้นทุน ปัจจุบัน สภาพแวดล้อมการจําลองสําหรับการฝึกอบรมข่าวกรองเป็นตัวเป็นตนถูกสร้างขึ้นและเป็นเจ้าของโดยบริษัทไม่กี่แห่ง เช่น Minecraft ของ Microsoft และ Isaac Gym ของ Nvidia ไม่มีสภาพแวดล้อมแบบกระจายอํานาจเพื่อตอบสนองความต้องการการฝึกอบรมของหน่วยสืบราชการลับที่เป็นตัวเป็นตน เมื่อเร็ว ๆ นี้ เอ็นจิ้นเกมบางตัวเริ่มให้ความสําคัญกับปัญญาประดิษฐ์ เช่น Unreal Engine ของ Epic ซึ่งส่งเสริมสภาพแวดล้อมการฝึกอบรม AI ที่สอดคล้องกับ OpenAI GYM

4. ระบบนิเวศ Bitcoin L2

แม้ว่า Bitcoin sidechains จะมีมานานหลายปีแล้ว แต่ส่วนใหญ่จะใช้สําหรับการชําระเงิน และการขาดการสนับสนุนสัญญาอัจฉริยะเป็นอุปสรรคต่อแอปพลิเคชันบนเครือข่ายที่ซับซ้อน การเกิดขึ้นของ Bitcoin L2s ที่เข้ากันได้กับ EVM ทําให้ Bitcoin สามารถรองรับแอปพลิเคชัน AI แบบกระจายอํานาจผ่าน L2 AI แบบกระจายอํานาจต้องการเครือข่ายบล็อกเชนที่มีการกระจายอํานาจและมีอํานาจเหนือการคํานวณอย่างสมบูรณ์แทนที่จะเป็นเครือข่ายบล็อกเชน PoS แบบรวมศูนย์มากขึ้น การแนะนําโปรโตคอลใหม่สําหรับสินทรัพย์ Bitcoin ดั้งเดิม เช่น จารึกและลําดับ ทําให้การสร้างระบบนิเวศและแอปพลิเคชันตาม Bitcoin เป็นไปได้ ตัวอย่างเช่น เหรียญกษาปณ์เปิดตัวที่ยุติธรรมของ HYPER•AGI•AGENT เสร็จสมบูรณ์ภายในหนึ่งชั่วโมง และในอนาคต HyperAGI จะออกสินทรัพย์ AI และแอปพลิเคชันที่ขับเคลื่อนโดยชุมชนบน Bitcoin มากขึ้น

กรอบทางเทคนิคและโซลูชันของ HyperAGI

1.จะตระหนักถึงแพลตฟอร์มแอปพลิเคชันตัวแทนอัจฉริยะ AI ที่ขับเคลื่อนด้วย LLM แบบกระจายอํานาจได้อย่างไร

ความท้าทายหลักใน AI แบบกระจายอํานาจในปัจจุบันคือการเปิดใช้งานการอนุมานระยะไกลสําหรับโมเดล AI ขนาดใหญ่ และการฝึกอบรมและการอนุมานของตัวแทนอัจฉริยะที่เป็นตัวเป็นตนโดยใช้อัลกอริธึมที่ตรวจสอบได้ประสิทธิภาพสูงและมีค่าใช้จ่ายต่ํา หากไม่มีการตรวจสอบ ระบบจะเปลี่ยนกลับไปใช้รูปแบบตลาดแบบหลายฝ่ายแบบดั้งเดิมที่เกี่ยวข้องกับซัพพลายเออร์ ผู้เรียกร้อง และผู้ให้บริการแพลตฟอร์ม แทนที่จะบรรลุแพลตฟอร์มแอปพลิเคชัน AI แบบกระจายอํานาจอย่างสมบูรณ์

การคํานวณ AI ที่ตรวจสอบได้ต้องใช้อัลกอริธึมฉันทามติ PoUW (Proof of Useful Work) สิ่งนี้ทําหน้าที่เป็นรากฐานสําหรับกลไกแรงจูงใจแบบกระจายอํานาจ โดยเฉพาะอย่างยิ่งภายในสิ่งจูงใจเครือข่ายการสร้างโทเค็นจะดําเนินการโดยโหนดที่ทํางานด้านการคํานวณให้เสร็จสิ้นและส่งผลลัพธ์ที่ตรวจสอบได้แทนที่จะเป็นเอนทิตีส่วนกลางใด ๆ ที่ถ่ายโอนโทเค็นไปยังโหนด

เพื่อให้ได้การคํานวณ AI ที่ตรวจสอบได้ ก่อนอื่นเราต้องกําหนดการคํานวณ AI เอง การคํานวณ AI ครอบคลุมหลายระดับ ตั้งแต่คําสั่งเครื่องระดับต่ําและคําสั่ง CUDA ไปจนถึงภาษาระดับสูง เช่น C++ และ Python ในทํานองเดียวกันในการฝึกอบรมตัวแทนอัจฉริยะที่เป็นตัวเป็นตนการคํานวณ 3 มิติยังมีอยู่ในระดับต่างๆรวมถึงภาษา shader, OpenGL, C ++ และสคริปต์พิมพ์เขียว

อัลกอริธึมฉันทามติ PoUW ของ HyperAGI ถูกนําไปใช้โดยใช้กราฟการคํานวณ กราฟการคํานวณถูกกําหนดให้เป็นกราฟกํากับที่โหนดสอดคล้องกับการดําเนินการทางคณิตศาสตร์ เป็นวิธีการแสดงและประเมินนิพจน์ทางคณิตศาสตร์ โดยพื้นฐานแล้วเป็น "ภาษา" ที่อธิบายสมการ ซึ่งประกอบด้วยโหนด (ตัวแปร) และขอบ (การดําเนินการหรือฟังก์ชันอย่างง่าย)

การใช้งานการคํานวณ AI ที่ตรวจสอบได้:

1.1 การใช้กราฟการคํานวณเพื่อกําหนดการคํานวณที่ตรวจสอบได้

การคํานวณใดๆ (เช่น การคํานวณ 3D และ AI) สามารถกําหนดได้โดยใช้กราฟการคํานวณ ระดับการคํานวณที่แตกต่างกันสามารถแสดงด้วยกราฟย่อย วิธีการนี้ครอบคลุมการคํานวณประเภทต่างๆ และแสดงระดับการคํานวณที่แตกต่างกันผ่านกราฟย่อย ปัจจุบันมีสองชั้น: กราฟการคํานวณระดับบนสุดถูกนําไปใช้บนเครือข่ายเพื่ออํานวยความสะดวกในการตรวจสอบโดยโหนด

1.2 การโหลดและการดําเนินการแบบกระจายอํานาจของโมเดล LLM และฉาก 3 มิติ

โมเดล LLM และระดับฉาก 3 มิติจะถูกโหลดและทํางานในลักษณะที่กระจายอํานาจอย่างสมบูรณ์ เมื่อผู้ใช้เข้าถึงโมเดล LLM สําหรับการอนุมานหรือเข้าสู่ฉาก 3 มิติสําหรับการเรนเดอร์ เอเจนต์อัจฉริยะ HyperAGI จะเริ่มต้นโหนดอื่นที่เชื่อถือได้เพื่อเรียกใช้ไฮเปอร์กราฟเดียวกัน (ฉาก LLM หรือ 3D)

1.3 การตรวจสอบผลการคํานวณ

หากโหนดการตรวจสอบพบว่าผลลัพธ์ที่ส่งโดยโหนดไม่สอดคล้องกับผลลัพธ์ที่ส่งโดยโหนดที่เชื่อถือได้โหนดจะทําการค้นหาไบนารีในผลการคํานวณนอกเชนของกราฟการคํานวณชั้นที่สอง (กราฟย่อย) เพื่อค้นหาโหนดการคํานวณที่แตกต่างกัน (ตัวดําเนินการ) ภายในกราฟย่อย ตัวดําเนินการกราฟย่อยถูกปรับใช้ล่วงหน้ากับสัญญาอัจฉริยะ โดยการส่งผ่านพารามิเตอร์ของตัวดําเนินการที่ไม่สอดคล้องกันไปยังสัญญาอัจฉริยะและดําเนินการตัวดําเนินการ

2. จะหลีกเลี่ยงค่าโสหุ้ยการคํานวณที่มากเกินไปได้อย่างไร?

ความท้าทายที่สําคัญในการคํานวณ AI ที่ตรวจสอบได้คือการจัดการค่าใช้จ่ายในการคํานวณเพิ่มเติม ในโปรโตคอลฉันทามติไบแซนไทน์ 2/3 ของโหนดต้องตกลงที่จะสร้างฉันทามติ สําหรับฉันทามติการอนุมานของ AI หมายความว่าโหนดทั้งหมดจะต้องทําการคํานวณแบบเดียวกัน ซึ่งเป็นของเสียที่ยอมรับไม่ได้ในการคํานวณ AI อย่างไรก็ตาม HyperAGI ต้องการโหนดเพียง 1 ถึง (m) เพื่อทําการคํานวณเพิ่มเติมสําหรับการตรวจสอบความถูกต้อง

2.1 การคํานวณร่วมสําหรับการอนุมาน LLM

การอนุมาน LLM แต่ละรายการไม่ทํางานอย่างอิสระ เอเจนต์อัจฉริยะ HyperAGI เริ่มต้นโหนดที่เชื่อถือได้อย่างน้อยหนึ่งโหนดสําหรับ "การคํานวณร่วม" เนื่องจากการอนุมาน LLM ดําเนินการโดยโครงข่ายประสาทเทียมเชิงลึก ซึ่งผลการคํานวณของแต่ละเลเยอร์จะถูกใช้เป็นอินพุตสําหรับเลเยอร์ถัดไปจนกว่าการอนุมานจะเสร็จสิ้น ดังนั้น อย่างมากที่สุด จะต้องเริ่มโหนดที่เชื่อถือได้เพิ่มเติมจํานวนเท่ากับจํานวน LLM (m) อย่างน้อยที่สุดจําเป็นต้องมีโหนดที่เชื่อถือได้เพียงโหนดเดียวสําหรับ "การคํานวณร่วม"

2.2 การคํานวณการแสดงผลฉาก 3 มิติ

การเรนเดอร์ฉาก 3 มิติเป็นไปตามหลักการที่คล้ายกัน เมื่อผู้ใช้เข้าสู่ฉากและเปิดใช้งานไฮเปอร์กราฟ เอเจนต์อัจฉริยะ HyperAGI จะโหลดโหนดที่เชื่อถือได้ตามไฮเปอร์กราฟเพื่อทําการคํานวณไฮเปอร์กราฟที่สอดคล้องกัน หากผู้ใช้ (m) เข้าสู่ฉาก 3 มิติที่แตกต่างกัน จะต้องเริ่มต้นโหนดที่เชื่อถือได้มากที่สุด (m) สําหรับ "การคํานวณร่วม"

โดยสรุป จํานวนโหนดที่เข้าร่วมในช่วงการคํานวณเพิ่มเติมระหว่าง 1 ถึง (n + m) (โดยที่ (n) คือจํานวนผู้ใช้ที่เข้าสู่ฉาก 3 มิติ และ (m) คือจํานวน LLM) การกระจายนี้เป็นไปตามการกระจายแบบเกาส์เซียนเพื่อหลีกเลี่ยงการสูญเสียทรัพยากรอย่างมีประสิทธิภาพในขณะที่รับประกันประสิทธิภาพการตรวจสอบเครือข่าย

วิธีที่ AI ผสานรวมกับ Web3 เพื่อสร้างแอปพลิเคชันกึ่ง AI และกึ่งการเงิน

นักพัฒนา AI สามารถปรับใช้ตัวแทนอัจฉริยะเป็นสัญญาอัจฉริยะ ด้วยสัญญาที่มีข้อมูลไฮเปอร์กราฟบนเครือข่ายระดับบนสุด ผู้ใช้หรือตัวแทนอัจฉริยะอื่นๆ สามารถเรียกวิธีการของสัญญาตัวแทนอัจฉริยะเหล่านี้และชําระโทเค็นที่เกี่ยวข้องได้ ตัวแทนอัจฉริยะที่ให้บริการต้องทําการคํานวณที่เกี่ยวข้องให้เสร็จสิ้นและส่งผลลัพธ์ที่ตรวจสอบได้ การตั้งค่านี้ช่วยให้มั่นใจได้ถึงการโต้ตอบทางธุรกิจแบบกระจายอํานาจระหว่างผู้ใช้หรือตัวแทนอัจฉริยะอื่นๆ และตัวแทนอัจฉริยะ

ตัวแทนอัจฉริยะจะไม่ต้องกังวลว่าจะไม่ได้รับโทเค็นหลังจากทํางานเสร็จ และผู้ชําระเงินไม่จําเป็นต้องกังวลเกี่ยวกับการจ่ายโทเค็นโดยไม่ได้รับผลการคํานวณทางธุรกิจที่ถูกต้อง ความสามารถและมูลค่าของบริการตัวแทนอัจฉริยะถูกกําหนดโดยราคาตลาดรองและมูลค่าตลาดของสินทรัพย์ตัวแทนอัจฉริยะ (รวมถึง ERC-20, ERC-721 หรือ ERC-1155 NFTs)

นอกเหนือจากแอปพลิเคชัน Semi-AI และ Semi-Financial

การประยุกต์ใช้ HyperAGI ไม่ได้จํากัดเฉพาะแอปพลิเคชันกึ่ง AI และกึ่งการเงิน มีจุดมุ่งหมายเพื่อให้เกิด UBAI (Universal Basic AI) สร้างอนาคตที่เทคโนโลยีให้บริการทุกคนอย่างเท่าเทียมกัน ทําลายวงจรการแสวงหาผลประโยชน์ และสร้างสังคมดิจิทัลที่กระจายอํานาจและเป็นธรรมอย่างแท้จริง

ถ้อยแถลง:

1. บทความนี้ทําซ้ําจาก [techflow deep tide] ชื่อเดิมคือ "HyperAGI Interview: Building a Real AI Agent and Creating an Autonomous Cryptocurrency Economy" ลิขสิทธิ์เป็นของผู้เขียนต้นฉบับ [ที่ห้า] หากคุณมีข้อโต้แย้งใด ๆ ต่อการพิมพ์ซ้ํา โปรดติดต่อ ทีม Gate Learn ทีมงานจะจัดการโดยเร็วที่สุดตามขั้นตอนที่เกี่ยวข้อง

2. ข้อจํากัดความรับผิดชอบ: มุมมองและความคิดเห็นที่แสดงในบทความนี้เป็นมุมมองส่วนตัวของผู้เขียนเท่านั้นและไม่ถือเป็นคําแนะนําในการลงทุนใดๆ

3. บทความเวอร์ชันภาษาอื่น ๆ ได้รับการแปลโดยทีม Gate Learn ซึ่งไม่ได้กล่าวถึงใน Gate.io บทความที่แปลแล้วไม่สามารถทําซ้ําแจกจ่ายหรือลอกเลียนแบบได้