HyperAGI, AI Rune HYPER· AGI· ARACI. HyperAGI ekibi, Web3 üretken yapay zeka uygulamalarında önemli deneyimler biriktirerek uzun yıllardır yapay zeka alanında derinden yer almaktadır. Üç yıl önce, HyperAGI ekibi, 2D görüntüler ve 3D modeller oluşturmak için üretken yapay zekayı kullandı ve blok zincirinde yapay zeka tarafından oluşturulan binlerce adadan oluşan MOSSAI adlı açık bir dünya inşa etti. Ayrıca, yapay zeka tarafından oluşturulan, değiştirilemez kriptografik varlıklar NFG için bir standart önerdiler. Bununla birlikte, o zamanlar, AI modeli eğitimi ve üretimi için merkezi olmayan çözümler henüz geliştirilmemişti. Platformun GPU kaynakları tek başına çok sayıda kullanıcıyı desteklemek için yetersizdi ve patlayıcı büyümeyi engelledi. Büyük dil modellerinin (LLM'ler) yükselişinin halkın yapay zekaya olan ilgisini ateşlemesiyle HyperAGI, merkezi olmayan yapay zeka uygulama platformunu başlattı ve 2024'ün 1. çeyreğinde Ethereum ve Bitcoin L2 üzerinde testlere başladı.
HyperAGI, özerk bir kripto para birimi ekonomisi geliştirmeyi amaçlayan merkezi olmayan yapay zeka uygulamalarına odaklanır. Nihai hedefi, Koşulsuz Temel Temsilci Geliri (UBAI) oluşturmaktır. Yenilikçi bir Faydalı İş Kanıtı (PoUW) konsensüs mekanizması ile geliştirilmiş Bitcoin'in sağlam güvenliğini ve ademi merkeziyetçiliğini devralır. Tüketici sınıfı GPU düğümleri, yapay zeka çıkarımı ve 3D işleme gibi PoUW görevlerini gerçekleştirerek $HYPT yerel token madenciliği yaparak ağa izinsiz olarak katılabilir.
Kullanıcılar, çeşitli araçlar kullanarak LLM'ler tarafından yönlendirilen Proof of Personhood (PoP) AGI aracıları geliştirebilir. Bu aracılar, meta veri deposunda sohbet botları veya 3D/XR varlıkları olarak yapılandırılabilir. AI geliştiricileri, programlanabilir, özerk zincir üstü aracıların oluşturulmasını kolaylaştıran LLM AI mikro hizmetlerini anında kullanabilir veya dağıtabilir. Bu programlanabilir aracılar, kripto para varlıklarını ihraç edebilir veya bunlara sahip olabilir, sürekli olarak çalışabilir veya ticaret yapabilir ve UBAI'nin gerçekleştirilmesini destekleyen canlı, özerk bir kripto ekonomisine katkıda bulunabilir. Users holding HYPER· AGI· AGENT rune tokenleri, Bitcoin Katman 1 zincirinde bir PoP aracısı oluşturmaya uygundur ve yakında aracıları için temel avantajlara hak kazanabilir.
Yapay zeka ajanı kavramı akademide yeni değil, ancak mevcut pazar yutturmaca terimi giderek daha kafa karıştırıcı hale getirdi. HyperAGI'nin aracıları, yalnızca LLM güdümlü sohbet robotlarıyla değil, 3B sanal simülasyon ortamlarında eğitim alabilen ve kullanıcılarla etkileşime girebilen LLM güdümlü somutlaştırılmış aracıları ifade eder. HyperAGI ajanları hem sanal dijital dünyalarda hem de gerçek fiziksel dünyada var olabilir. Şu anda, HyperAGI ajanları robotik köpekler, dronlar ve insansı robotlar gibi fiziksel robotlarla entegre oluyor. Gelecekte, bu temsilciler daha iyi görev yürütme için sanal 3D dünyadan fiziksel robotlara gelişmiş eğitim indirebilecekler.
Ayrıca, HyperAGI ajanları tamamen kullanıcılara aittir ve sosyo-ekonomik öneme sahiptir. Kullanıcıları temsil eden PoP aracıları, temel temsilci gelirini ayarlamak için UBAI alabilir. HyperAGI ajanları, bireysel kullanıcıları ve sıradan işlevsel ajanları temsil eden PoP (Kişilik Kanıtı) ajanlarına bölünmüştür. HyperAGI'nin aracı ekonomisinde, PoP aracıları, kullanıcıları PoP temsilcilerinin eğitimine ve etkileşimine katılmaya teşvik eden belirteçler şeklinde temel gelir elde edebilir. Bu, insan bireyselliğini kanıtlayan verilerin toplanmasına yardımcı olur ve UBAI, yapay zeka eşitliğini ve demokrasisini somutlaştırır.
AGI Bir Yutturmaca mı Yoksa Yakında Gerçek Olacak mı? HyperAGI'nin araştırma ve geliştirme yolunun diğer yapay zeka projelerine kıyasla farklılıkları ve özellikleri nelerdir?
Yapay Genel Zekanın (AGI) tanımı henüz birleştirilmemiş olsa da, onlarca yıldır AI akademisinin ve endüstrisinin kutsal kâsesi olarak kabul edilmektedir. Transformers'a dayalı Büyük Dil Modelleri (LLM'ler) çeşitli AI ajanlarının ve AGI'nin çekirdeği haline gelirken, HyperAGI bu görüşü tamamen paylaşmıyor. LLM'ler gerçekten de yeni ve kullanışlı bilgi çıkarmanın yanı sıra doğal dile dayalı planlama ve akıl yürütme yetenekleri sağlar. Bununla birlikte, temelde veriye dayalı derin sinir ağlarıdır. Yıllar önce, büyük veri patlaması sırasında, bu tür sistemlerin doğası gereği GIGO'dan (Çöp içeri, çöp dışarı) muzdarip olduğunu anladık. LLM'ler, bu yapay zekanın veya aracıların insan kullanıcıların dünya modellerini anlamasını veya gerçek dünyadaki sorunları çözmek için planlar oluşturmasını ve harekete geçmesini zorlaştıran düzenleme gibi gelişmiş zekanın bazı temel özelliklerinden yoksundur. Ayrıca, LLM'ler öz farkındalık, yansıtma veya iç gözlem gibi daha yüksek bilişsel aktiviteler sergilemezler.
Kurucumuz Landon Wang, yapay zeka alanında kapsamlı ve uzun vadeli araştırma deneyimine sahiptir. 2004 yılında, nöralden ilham alan hesaplamayı Aspect-Oriented Programming (AOP) ile birleştiren bir yenilik olan Aspect-Oriented AI'yı (AOAI) önerdi. Bir görünüm, nesneler arasındaki birden çok ilişkinin veya kısıtlamanın kapsüllenmesini ifade eder. Örneğin, bir nöron, diğer birçok hücreyle olan ilişkilerin veya kısıtlamaların kapsüllenmesidir. Spesifik olarak, bir nöron, nöron gövdesinden uzanan lifler ve sinapslar aracılığıyla duyusal veya motor hücrelerle etkileşime girer ve her nöronu bu tür ilişkileri ve mantığı içeren bir yön haline getirir. Her yapay zeka aracısı, bir sorunun belirli bir yönünü çözüyor olarak görülebilir ve teknik olarak bir yön olarak modellenebilir.
Yapay sinir ağlarının yazılım uygulamasında, nöronlar veya katmanlar genellikle nesne yönelimli programlama dillerinde anlaşılabilir ve sürdürülebilirolan nesneler olarak modellenir. Bununla birlikte, bu, sinir ağının topolojisinin ayarlanmasını zorlaştırır ve nöronların aktivasyon dizileri nispeten katıdır. Bu, LLM eğitimi ve çıkarımında olduğu gibi basit yüksek yoğunluklu hesaplamaların gerçekleştirilmesinde büyük bir güç gösterse de, esneklik ve uyarlanabilirlik açısından zayıf performans gösterir. Öte yandan, AOAI'de nöronlar veya katmanlar nesnelerden ziyade yönler olarak modellenir. Sinir ağlarının bu mimarisi, güçlü uyarlanabilirliğe ve esnekliğe sahiptir ve sinir ağlarının kendi kendine evrimini mümkün kılar.
HyperAGI, verimli LLM'leri evrimleşebilir AOAI ile birleştirerek, geleneksel yapay sinir ağlarının verimliliğini AO sinir ağlarının kendi kendine evrim özellikleriyle bütünleştiren bir yol oluşturur. Bu, bugüne kadar, AGI'ye ulaşmak için uygulanabilir bir yaklaşım olarak görülüyor.
HyperAGI'nin vizyonu, Koşulsuz Temel Temsilci Geliri (UBAI) elde etmek, teknolojinin herkese eşit şekilde hizmet ettiği bir gelecek inşa etmek, sömürü döngüsünü kırmak ve gerçekten merkezi olmayan ve adil bir dijital toplum yaratmaktır. Yalnızca UBI'ye bağlı olduğunu iddia eden diğer blok zinciri projelerinin aksine, HyperAGI'nin UBAI'si, ulaşılamaz bir ideal olmaktan ziyade, aracı ekonomisi aracılığıyla net bir uygulama yoluna sahiptir.
Satoshi Nakamoto'nun Bitcoin'i piyasaya sürmesi insanlık için anıtsal bir yenilikti, ancak pratik faydası olmayan merkezi olmayan bir dijital para birimidir. Yapay zekanın önemli ilerlemeleri ve yükselişi, merkezi olmayan bir model aracılığıyla değer yaratmayı mümkün kılmıştır. Bu modelde insanlar, başkalarının değerinden ziyade makinelerde çalışan yapay zekadan yararlanır. Tüm makinelerin insanlığın yararı ve refahı için yaratıldığı, koda dayalı gerçek bir kriptografik dünya ortaya çıkıyor.
Böyle bir kriptografik dünyada, YZ ajanları arasında hala hiyerarşiler olabilir, ancak ajanların kendileri bir tür özerkliğe sahip olabileceğinden insan sömürüsü ortadan kalkar. Yapay zekanın nihai amacı ve önemi, blok zincirinde kodlandığı gibi insanlığa hizmet etmektir.
Yapay Zeka Aracıları için Bir Ödeme Yöntemi Olarak Bitcoin L2
Bitcoin şu anda "maksimum tarafsızlığı" özetleyen bir ortamdır ve bu da onu değer işlemleriyle uğraşan yapay zeka ajanları için son derece uygun hale getirir. Bitcoin, fiat para birimlerinin doğasında bulunan verimsizlikleri ve "sürtüşmeleri" ortadan kaldırır. "Dijital olarak yerli" bir ortam olarak Bitcoin, yapay zekanın değer alışverişleri gerçekleştirmesi için doğal bir temel sağlar. Bitcoin L2, Bitcoin'in programlanabilir yeteneklerini geliştirerek yapay zeka değer değişimleri için gereken hız gereksinimlerini karşılar ve böylece Bitcoin'i yapay zeka için yerel para birimi olacak şekilde konumlandırır.
Bitcoin L2'de Merkezi Olmayan Yapay Zeka Yönetişimi
Yapay zekadaki mevcut merkezileşme eğilimi, merkezi olmayan yapay zeka uyumunu ve yönetişimini odak noktası haline getirdi. Bitcoin L2'nin daha güçlü akıllı sözleşmeleri, yapay zeka aracısı davranışını ve protokol modellerini düzenleyen kurallar olarak hizmet edebilir ve merkezi olmayan bir yapay zeka hizalama ve yönetişim modeli elde edebilir. Ayrıca, Bitcoin'in maksimum tarafsızlık özelliği, yapay zeka uyumu ve yönetişimi konusunda fikir birliğine varmayı kolaylaştırır.
Bitcoin L2'de AI Varlıkları Yayınlamak
Bitcoin L1'de varlık olarak AI aracıları yayınlamanın yanı sıra, Bitcoin L2'nin yüksek performansı, ajan ekonomisinin temeli olacak AI varlıkları ihraç eden AI aracılarının ihtiyaçlarını karşılayabilir.
Bitcoin ve Bitcoin L2 için Öldürücü Bir Uygulama Olarak AI Aracıları
Performans sorunları nedeniyle Bitcoin, başlangıcından bu yana bir değer deposu olmanın ötesinde pratik bir uygulamaya sahip olmamıştır. L2'ye giren Bitcoin daha güçlü programlanabilirlik kazanır. Yapay zeka ajanları genellikle gerçek dünyadaki sorunları çözmek için kullanılır, bu nedenle Bitcoin odaklı AI ajanları gerçekten uygulanabilir. Yapay zeka aracısı kullanımının ölçeği ve sıklığı, Bitcoin ve L2 için öldürücü bir uygulama haline gelebilir. İnsan ekonomisi Bitcoin'e bir ödeme yöntemi olarak öncelik vermese de, robot ekonomisi olabilir. 7/24 çalışan çok sayıda yapay zeka aracısı, mikro ödemeler yapmak ve almak için yorulmadan Bitcoin'i kullanabilir. Bitcoin'e olan talep, şu anda hayal bile edilemeyecek şekillerde önemli ölçüde artabilir.
Bitcoin L2 Güvenliğini Artırmak için AI Hesaplama
Yapay zeka bilgi işlem, Bitcoin'in Proof of Work'ünü (PoW) tamamlayabilir ve hatta PoW'u Proof of Useful Work (PoUW) ile değiştirebilir ve şu anda Bitcoin madenciliği için kullanılan enerjiyi yapay zeka aracılarına enjekte ederken devrim niteliğinde bir güvenlik sağlayabilir. Yapay zeka, Ethereum'un PoS mekanizmasının aksine, Bitcoin'i akıllı, yeşil bir blok zincirine dönüştürmek için L2'den yararlanabilir. 3D/AI hesaplamanın PoUW'sine dayanan önerilen Hipergraf Konsensüsümüz daha sonra tanıtılacaktır.
HyperAGI, farklı vizyonu, çözümleri ve teknolojisi nedeniyle Web3 AI alanında öne çıkıyor. HyperAGI'nin yaklaşımı, GPU bilgi işlem gücü, yapay zekanın somutlaştırılması ve varlıklaştırmanın fikir birliğini içerir ve bu da onu merkezi olmayan bir hibrit yapay zeka-finansal uygulama haline getirir. Son zamanlarda, akademi, merkezi olmayan yapay zeka platformlarının sahip olması gereken beş özellik önerdi ve mevcut merkezi olmayan yapay zeka projelerini bu beş özelliğe göre kısaca gözden geçirdik ve karşılaştırdık. Merkezi Olmayan Yapay Zeka Platformlarının Beş Özelliği:
Mevcut merkezi olmayan AI projelerinin bu özelliklere göre karşılaştırılması:
Mevcut merkezi olmayan AI projelerinin hiçbiri bu beş sorunu tam olarak ele almıyor. Bununla birlikte, HyperAGI, Hypergraph PoUW konsensüs mekanizmasına ve tamamen merkezi olmayan Bitcoin L2 Stack'e dayanan tamamen merkezi olmayan bir AI protokolüdür ve gelecekte Bitcoin AI'ya özgü bir L2'ye yükseltme planları vardır.
HyperAGI'nin Benzersiz Özellikleri:
HyperAGI, yalnızca merkezi olmayan bir yapay zeka platformu için gerekli özellikleri karşılamakla kalmaz, aynı zamanda merkezi olmayan bir çerçeve içinde GPU bilgi işlem gücü ve yapay zeka varlıklaştırmasının benzersiz entegrasyonu ile alanı ilerletir.
OpenAI'nin ChatGPT'si yalnızca üç ayda 100 milyon kullanıcıya ulaştı ve büyük dil modellerinin (LLM'ler) geliştirilmesi, uygulanması ve yatırımında küresel bir artışa yol açtı. Bununla birlikte, bu noktaya kadar, LLM'lerin teknolojisi ve eğitimi oldukça merkezileştirilmiştir. Bu merkezileşme, akademi, endüstri ve halk arasında yapay zeka teknolojisinin birkaç kilit sağlayıcı tarafından tekelleştirilmesi, veri gizliliği ihlalleri, tecavüz ve bulut bilişim şirketleri tarafından satıcıya kilitlenme konusunda önemli endişelere yol açtı. Bu sorunlar temel olarak, büyük ölçekli yapay zeka uygulamaları için uygun olmayan merkezi platformlar tarafından internet ve uygulama ağ geçitlerinin kontrolünden kaynaklanmaktadır. Yapay zeka topluluğu, yerel olarak işletilen ve merkezi olmayan bazı yapay zeka projelerini uygulamaya başladı. Örneğin, Ollama yerel yürütmeyi temsil eder ve Petals ademi merkeziyetçiliği temsil eder. Ollama, küçük ve orta ölçekli LLM'lerin kişisel bilgisayarlarda ve hatta cep telefonlarında çalışmasını sağlamak için parametre sıkıştırma veya azaltılmış hassasiyet yöntemleri kullanır, böylece kullanıcı veri gizliliğini ve diğer hakları korur. Ancak, bu yaklaşımın üretim ortamlarını ve ağa bağlı uygulamaları desteklemesi açıkça zordur. Öte yandan Petals, Bittorrent'in Peer2Peer teknolojisi aracılığıyla tamamen merkezi olmayan LLM çıkarımı elde eder. Bununla birlikte, Petals fikir birliği ve teşvik katmanı protokollerinden yoksundur ve hala küçük bir araştırmacı çevresiyle sınırlıdır.
LLM'lerin desteğiyle, akıllı aracılar daha üst düzey akıl yürütme gerçekleştirebilir ve belirli planlama yeteneklerine sahip olabilir. Doğal dili kullanarak, birden fazla akıllı ajan, insanlara benzer sosyal işbirlikleri oluşturabilir. Microsoft'un AutoGen, Langchain ve CrewAI gibi çeşitli LLM odaklı akıllı aracı çerçeveleri önerilmiştir. Şu anda, çok sayıda yapay zeka girişimcisi ve geliştiricisi, LLM odaklı akıllı aracıların ve uygulamalarının yönüne odaklanıyor. İstikrarlı, ölçeklenebilir LLM çıkarımı için yüksek bir talep vardır, ancak bu esas olarak bulut bilişim şirketlerinden GPU çıkarım örnekleri kiralayarak elde edilir. Mart 2024'te Nvidia, henüz resmi olarak piyasaya sürülmemiş olsa da bu muazzam talebi karşılamak için LLM'leri içeren üretken bir yapay zeka mikro hizmet platformu olan ai.nvidia.com'i piyasaya sürdü. LLM güdümlü akıllı aracılar, bir zamanlar web sitesi geliştirmenin yaptığı gibi patlama yaşıyor. Bununla birlikte, işbirliği hala öncelikle, akıllı aracı geliştiricilerin bu aracıların çalışmasını desteklemek için GPU'ları kiralaması veya LLM sağlayıcılarından API'ler tedarik etmesi gereken geleneksel Web2 modunda yürütülmektedir. Bu, akıllı ajan ekosisteminin hızlı büyümesini ve akıllı ajan ekonomisi içindeki değer aktarımını engelleyen önemli bir sürtüşme yaratır.
Şu anda çoğu aracı yalnızca belirli API'lere erişebilir ve bunları çalıştırabilir veya bu API'lerle kod veya betikler aracılığıyla etkileşim kurabilir, LLM'ler tarafından oluşturulan denetim komutları yazabilir veya harici durumları okuyabilir. Genel zeki ajanlar sadece doğal dili anlamalı ve üretmekle kalmamalı, aynı zamanda insan dünyasını da anlamalıdır. Uygun eğitimden sonra, belirli görevleri tamamlamak için robotik sistemlere (dronlar, elektrikli süpürgeler, insansı robotlar vb.) geçebilmelidirler. Bu ajanlar somutlaşmış ajanlar olarak adlandırılır. Somutlaşmış ajanları eğitmek, belirli ortamları ve gerçek dünyayı daha iyi anlamalarına yardımcı olmak, robotlar için eğitim ve geliştirme süresini kısaltmak, eğitim verimliliğini artırmak ve maliyetleri azaltmak için büyük miktarda gerçek dünya görsel verisi gerektirir. Şu anda, somutlaşmış zekayı eğitmek için simülasyon ortamları, Microsoft'un Minecraft'ı ve Nvidia'nın Isaac Gym'i gibi birkaç şirket tarafından inşa edilmekte ve sahiplenilmektedir. Somutlaşmış zekanın eğitim ihtiyaçlarını karşılamak için merkezi olmayan ortamlar yoktur. Son zamanlarda, OpenAI GYM ile uyumlu AI eğitim ortamlarını teşvik eden Epic'in Unreal Engine gibi bazı oyun motorları yapay zekaya odaklanmaya başladı.
Bitcoin yan zincirleri yıllardır var olmasına rağmen, çoğunlukla ödemeler için kullanılıyorlardı ve akıllı sözleşmeler için destek eksikliği, karmaşık zincir üstü uygulamaları engelledi. EVM uyumlu Bitcoin L2'lerin ortaya çıkması, Bitcoin'in L2 aracılığıyla merkezi olmayan AI uygulamalarını desteklemesine olanak tanır. Merkezi olmayan yapay zeka, giderek merkezileşen PoS blok zinciri ağlarından ziyade tamamen merkezi olmayan, hesaplama açısından baskın bir blok zinciri ağı gerektirir. Yazıtlar ve sıra sayıları gibi yerel Bitcoin varlıkları için yeni protokollerin tanıtılması, Bitcoin'e dayalı ekosistemlerin ve uygulamaların kurulmasını mümkün kılar. Örneğin, HYPER•AGI•AGENT'ın adil lansman darphanesi bir saat içinde tamamlandı ve gelecekte HyperAGI, Bitcoin üzerinde daha fazla AI varlığı ve topluluk odaklı uygulama yayınlayacak.
Günümüzde merkezi olmayan yapay zekadaki birincil zorluk, büyük yapay zeka modelleri için uzaktan çıkarım yapılmasını ve yüksek performanslı, düşük ek yük doğrulanabilir algoritmalar kullanarak somutlaştırılmış akıllı aracıların eğitilmesini ve çıkarımını sağlamaktır. Doğrulanabilirlik olmadan sistem, tamamen merkezi olmayan bir yapay zeka uygulama platformu elde etmek yerine tedarikçileri, talep edenleri ve platform operatörlerini içeren geleneksel çok taraflı bir pazar modeline geri dönecektir.
Doğrulanabilir AI hesaplaması, PoUW (Faydalı İş Kanıtı) konsensüs algoritmasını gerektirir. Bu, merkezi olmayan teşvik mekanizmalarının temelini oluşturur. Özellikle, ağ teşvikleri dahilinde, tokenlerin basılması, tokenleri düğümlere aktaran herhangi bir merkezi varlık yerine, hesaplama görevlerini tamamlayan ve doğrulanabilir sonuçlar gönderen düğümler tarafından gerçekleştirilir.
Doğrulanabilir yapay zeka hesaplaması elde etmek için önce yapay zeka hesaplamasının kendisini tanımlamamız gerekir. AI hesaplaması, düşük seviyeli makine talimatları ve CUDA talimatlarından C++ ve Python gibi daha yüksek seviyeli dillere kadar birçok seviyeyi kapsar. Benzer şekilde, somutlaştırılmış akıllı aracıların eğitiminde, gölgelendirici dilleri, OpenGL, C++ ve şema komut dosyaları dahil olmak üzere çeşitli düzeylerde 3B hesaplamalar da mevcuttur.
HyperAGI'nin PoUW konsensüs algoritması, hesaplamalı grafikler kullanılarak uygulanır. Hesaplamalı bir grafik, düğümlerin matematiksel işlemlere karşılık geldiği yönlendirilmiş bir grafik olarak tanımlanır. Matematiksel ifadeleri ifade etmenin ve değerlendirmenin bir yoludur, esasen denklemleri tanımlayan, düğümler (değişkenler) ve kenarlar (işlemler veya basit fonksiyonlar) içeren bir "dil"dir.
Doğrulanabilir AI Hesaplama Uygulaması:
1.1 Doğrulanabilir Hesaplamayı Tanımlamak için Hesaplama Grafiklerini Kullanma
Herhangi bir hesaplama (örneğin, 3D ve AI hesaplamaları) hesaplama grafikleri kullanılarak tanımlanabilir. Farklı hesaplama seviyeleri alt grafiklerle temsil edilebilir. Bu yaklaşım, çeşitli hesaplama türlerini kapsar ve alt grafikler aracılığıyla farklı hesaplama seviyelerini ifade eder. Şu anda iki katman içeriyor: üst düzey hesaplama grafiği, düğümler tarafından doğrulamayı kolaylaştırmak için zincir üzerinde konuşlandırılıyor.
1.2 LLM modellerinin ve 3B görüntülerin merkezi olmayan yüklenmesi ve yürütülmesi
LLM modelleri ve 3B sahne seviyeleri tamamen merkezi olmayan bir şekilde yüklenir ve çalıştırılır. Bir kullanıcı çıkarım için bir LLM modeline eriştiğinde veya oluşturma için bir 3B sahneye girdiğinde, bir HyperAGI akıllı aracısı aynı hipergrafı (LLM veya 3B sahne) çalıştırmak için başka bir güvenilir düğüm başlatacaktır.
1.3 Hesaplama Sonuçlarının Doğrulanması
Bir doğrulama düğümü, bir düğüm tarafından gönderilen bir sonucun güvenilir bir düğüm tarafından gönderilen sonuçla tutarsız olduğunu tespit ederse, alt grafik içindeki ıraksak hesaplama düğümünü (operatör) bulmak için ikinci katman hesaplama grafiğinin (alt grafik) zincir dışı hesaplama sonuçları üzerinde ikili bir arama yapar. Alt grafik operatörleri akıllı sözleşmelere önceden konuşlandırılmıştır. Tutarsız operatörün parametrelerini akıllı sözleşmeye geçirerek ve operatörü çalıştırarak sonuçlar doğrulanabilir.
Doğrulanabilir yapay zeka hesaplamasında önemli bir zorluk, ek hesaplama yükünü yönetmektir. Bizans konsensüs protokollerinde, düğümlerin 2/3'ü bir konsensüs oluşturmayı kabul etmelidir. Yapay zeka çıkarım konsensüsü için bu, tüm düğümlerin aynı hesaplamayı tamamlaması gerektiği anlamına gelir ve bu, yapay zeka hesaplamasında kabul edilemez bir israftır. Ancak HyperAGI, doğrulama için ek hesaplama yapmak için yalnızca 1 ila (m) düğüm gerektirir.
2.1 LLM Çıkarımı için Tamamlayıcı Hesaplama
Her LLM çıkarımı bağımsız olarak çalışmaz. HyperAGI akıllı aracısı, "yardımcı hesaplama" için en az bir güvenilir düğüm başlatır. LLM çıkarımı, her katmanın hesaplama sonuçlarının çıkarım tamamlanana kadar bir sonraki katman için girdi olarak kullanıldığı derin sinir ağları tarafından gerçekleştirildiğinden, birden fazla kullanıcı aynı anda aynı büyük LLM modeline erişebilir. Bu nedenle, en fazla, LLM (m) sayısına eşit sayıda güvenilir düğümün başlatılması gerekir. En azından, "tamamlayıcı hesaplama" için yalnızca bir güvenilir düğüm gereklidir.
2.2 3D Sahne İşleme Hesaplaması
3B sahne oluşturma da benzer bir ilkeyi izler. Bir kullanıcı bir sahneye girdiğinde ve hipergrafı etkinleştirdiğinde, HyperAGI akıllı aracısı, karşılık gelen hipergraf hesaplamasını gerçekleştirmek için hipergrafı temel alan güvenilir bir düğüm yükler. (m) kullanıcılar farklı 3B sahneler girerse, "tamamlayıcı hesaplama" için en fazla (m) güvenilir düğümün başlatılması gerekir.
Özetle, ek hesaplamaya katılan düğüm sayısı 1 ile (n + m) arasında değişir (burada (n) 3B görüntülere giren kullanıcı sayısı ve (m) LLM'lerin sayısıdır). Bu dağıtım, ağ doğrulama verimliliğini sağlarken kaynak israfını etkin bir şekilde önleyen bir Gauss dağılımını takip eder.
Yapay zeka geliştiricileri, üst düzey hipergraf zincir üstü verileri içeren sözleşmelerle akıllı aracıları akıllı sözleşmeler olarak dağıtabilir. Kullanıcılar veya diğer akıllı aracılar, bu akıllı aracı sözleşmelerinin yöntemlerini çağırabilir ve ilgili belirteçleri ödeyebilir. Hizmeti sağlayan akıllı aracı, ilgili hesaplamayı tamamlamalı ve doğrulanabilir sonuçlar sunmalıdır. Bu kurulum, kullanıcılar veya diğer akıllı aracılar ile akıllı aracı arasında merkezi olmayan iş etkileşimleri sağlar.
Akıllı aracı, bir görevi tamamladıktan sonra jeton alamama konusunda endişelenmez ve ödeme yapanın doğru iş hesaplama sonuçlarını almadan jeton ödeme konusunda endişelenmesine gerek yoktur. Akıllı temsilcinin hizmetinin kapasitesi ve değeri, akıllı aracı varlıklarının (ERC-20, ERC-721 veya ERC-1155 NFT'leri dahil) ikincil piyasa fiyatı ve piyasa değeri tarafından belirlenir.
Yarı Yapay Zeka ve Yarı Finansal Uygulamaların Ötesinde
HyperAGI uygulaması yarı AI ve yarı finansal uygulamalarla sınırlı değildir. Teknolojinin herkese eşit hizmet ettiği bir gelecek inşa etmeyi, sömürü döngülerini kırmayı ve gerçekten merkezi olmayan ve adil bir dijital toplum yaratmayı amaçlayan UBAI'yi (Evrensel Temel Yapay Zeka) gerçekleştirmeyi amaçlamaktadır.
Bu makale [techflow deep tide]'den alınmıştır, orijinal başlık "HyperAGI Röportajı: Gerçek Bir Yapay Zeka Aracısı Oluşturmak ve Otonom Bir Kripto Para Birimi Ekonomisi Yaratmak"tır, telif hakkı orijinal yazara aittir [Beşinci], yeniden baskıya herhangi bir itirazınız varsa, lütfen Gate Learn Team ile iletişime geçin, ekip bunu ilgili prosedürlere göre mümkün olan en kısa sürede halledecektir.
Yasal Uyarı: Bu makalede ifade edilen görüş ve görüşler yalnızca yazarın kişisel görüşlerini temsil eder ve herhangi bir yatırım tavsiyesi teşkil etmez.
Makalenin diğer dillerdeki versiyonları Gate Learn ekibi tarafından çevrilir, Gate.io'da bahsedilmez, çevrilen makale çoğaltılamaz, dağıtılamaz veya intihal edilemez.
HyperAGI, AI Rune HYPER· AGI· ARACI. HyperAGI ekibi, Web3 üretken yapay zeka uygulamalarında önemli deneyimler biriktirerek uzun yıllardır yapay zeka alanında derinden yer almaktadır. Üç yıl önce, HyperAGI ekibi, 2D görüntüler ve 3D modeller oluşturmak için üretken yapay zekayı kullandı ve blok zincirinde yapay zeka tarafından oluşturulan binlerce adadan oluşan MOSSAI adlı açık bir dünya inşa etti. Ayrıca, yapay zeka tarafından oluşturulan, değiştirilemez kriptografik varlıklar NFG için bir standart önerdiler. Bununla birlikte, o zamanlar, AI modeli eğitimi ve üretimi için merkezi olmayan çözümler henüz geliştirilmemişti. Platformun GPU kaynakları tek başına çok sayıda kullanıcıyı desteklemek için yetersizdi ve patlayıcı büyümeyi engelledi. Büyük dil modellerinin (LLM'ler) yükselişinin halkın yapay zekaya olan ilgisini ateşlemesiyle HyperAGI, merkezi olmayan yapay zeka uygulama platformunu başlattı ve 2024'ün 1. çeyreğinde Ethereum ve Bitcoin L2 üzerinde testlere başladı.
HyperAGI, özerk bir kripto para birimi ekonomisi geliştirmeyi amaçlayan merkezi olmayan yapay zeka uygulamalarına odaklanır. Nihai hedefi, Koşulsuz Temel Temsilci Geliri (UBAI) oluşturmaktır. Yenilikçi bir Faydalı İş Kanıtı (PoUW) konsensüs mekanizması ile geliştirilmiş Bitcoin'in sağlam güvenliğini ve ademi merkeziyetçiliğini devralır. Tüketici sınıfı GPU düğümleri, yapay zeka çıkarımı ve 3D işleme gibi PoUW görevlerini gerçekleştirerek $HYPT yerel token madenciliği yaparak ağa izinsiz olarak katılabilir.
Kullanıcılar, çeşitli araçlar kullanarak LLM'ler tarafından yönlendirilen Proof of Personhood (PoP) AGI aracıları geliştirebilir. Bu aracılar, meta veri deposunda sohbet botları veya 3D/XR varlıkları olarak yapılandırılabilir. AI geliştiricileri, programlanabilir, özerk zincir üstü aracıların oluşturulmasını kolaylaştıran LLM AI mikro hizmetlerini anında kullanabilir veya dağıtabilir. Bu programlanabilir aracılar, kripto para varlıklarını ihraç edebilir veya bunlara sahip olabilir, sürekli olarak çalışabilir veya ticaret yapabilir ve UBAI'nin gerçekleştirilmesini destekleyen canlı, özerk bir kripto ekonomisine katkıda bulunabilir. Users holding HYPER· AGI· AGENT rune tokenleri, Bitcoin Katman 1 zincirinde bir PoP aracısı oluşturmaya uygundur ve yakında aracıları için temel avantajlara hak kazanabilir.
Yapay zeka ajanı kavramı akademide yeni değil, ancak mevcut pazar yutturmaca terimi giderek daha kafa karıştırıcı hale getirdi. HyperAGI'nin aracıları, yalnızca LLM güdümlü sohbet robotlarıyla değil, 3B sanal simülasyon ortamlarında eğitim alabilen ve kullanıcılarla etkileşime girebilen LLM güdümlü somutlaştırılmış aracıları ifade eder. HyperAGI ajanları hem sanal dijital dünyalarda hem de gerçek fiziksel dünyada var olabilir. Şu anda, HyperAGI ajanları robotik köpekler, dronlar ve insansı robotlar gibi fiziksel robotlarla entegre oluyor. Gelecekte, bu temsilciler daha iyi görev yürütme için sanal 3D dünyadan fiziksel robotlara gelişmiş eğitim indirebilecekler.
Ayrıca, HyperAGI ajanları tamamen kullanıcılara aittir ve sosyo-ekonomik öneme sahiptir. Kullanıcıları temsil eden PoP aracıları, temel temsilci gelirini ayarlamak için UBAI alabilir. HyperAGI ajanları, bireysel kullanıcıları ve sıradan işlevsel ajanları temsil eden PoP (Kişilik Kanıtı) ajanlarına bölünmüştür. HyperAGI'nin aracı ekonomisinde, PoP aracıları, kullanıcıları PoP temsilcilerinin eğitimine ve etkileşimine katılmaya teşvik eden belirteçler şeklinde temel gelir elde edebilir. Bu, insan bireyselliğini kanıtlayan verilerin toplanmasına yardımcı olur ve UBAI, yapay zeka eşitliğini ve demokrasisini somutlaştırır.
AGI Bir Yutturmaca mı Yoksa Yakında Gerçek Olacak mı? HyperAGI'nin araştırma ve geliştirme yolunun diğer yapay zeka projelerine kıyasla farklılıkları ve özellikleri nelerdir?
Yapay Genel Zekanın (AGI) tanımı henüz birleştirilmemiş olsa da, onlarca yıldır AI akademisinin ve endüstrisinin kutsal kâsesi olarak kabul edilmektedir. Transformers'a dayalı Büyük Dil Modelleri (LLM'ler) çeşitli AI ajanlarının ve AGI'nin çekirdeği haline gelirken, HyperAGI bu görüşü tamamen paylaşmıyor. LLM'ler gerçekten de yeni ve kullanışlı bilgi çıkarmanın yanı sıra doğal dile dayalı planlama ve akıl yürütme yetenekleri sağlar. Bununla birlikte, temelde veriye dayalı derin sinir ağlarıdır. Yıllar önce, büyük veri patlaması sırasında, bu tür sistemlerin doğası gereği GIGO'dan (Çöp içeri, çöp dışarı) muzdarip olduğunu anladık. LLM'ler, bu yapay zekanın veya aracıların insan kullanıcıların dünya modellerini anlamasını veya gerçek dünyadaki sorunları çözmek için planlar oluşturmasını ve harekete geçmesini zorlaştıran düzenleme gibi gelişmiş zekanın bazı temel özelliklerinden yoksundur. Ayrıca, LLM'ler öz farkındalık, yansıtma veya iç gözlem gibi daha yüksek bilişsel aktiviteler sergilemezler.
Kurucumuz Landon Wang, yapay zeka alanında kapsamlı ve uzun vadeli araştırma deneyimine sahiptir. 2004 yılında, nöralden ilham alan hesaplamayı Aspect-Oriented Programming (AOP) ile birleştiren bir yenilik olan Aspect-Oriented AI'yı (AOAI) önerdi. Bir görünüm, nesneler arasındaki birden çok ilişkinin veya kısıtlamanın kapsüllenmesini ifade eder. Örneğin, bir nöron, diğer birçok hücreyle olan ilişkilerin veya kısıtlamaların kapsüllenmesidir. Spesifik olarak, bir nöron, nöron gövdesinden uzanan lifler ve sinapslar aracılığıyla duyusal veya motor hücrelerle etkileşime girer ve her nöronu bu tür ilişkileri ve mantığı içeren bir yön haline getirir. Her yapay zeka aracısı, bir sorunun belirli bir yönünü çözüyor olarak görülebilir ve teknik olarak bir yön olarak modellenebilir.
Yapay sinir ağlarının yazılım uygulamasında, nöronlar veya katmanlar genellikle nesne yönelimli programlama dillerinde anlaşılabilir ve sürdürülebilirolan nesneler olarak modellenir. Bununla birlikte, bu, sinir ağının topolojisinin ayarlanmasını zorlaştırır ve nöronların aktivasyon dizileri nispeten katıdır. Bu, LLM eğitimi ve çıkarımında olduğu gibi basit yüksek yoğunluklu hesaplamaların gerçekleştirilmesinde büyük bir güç gösterse de, esneklik ve uyarlanabilirlik açısından zayıf performans gösterir. Öte yandan, AOAI'de nöronlar veya katmanlar nesnelerden ziyade yönler olarak modellenir. Sinir ağlarının bu mimarisi, güçlü uyarlanabilirliğe ve esnekliğe sahiptir ve sinir ağlarının kendi kendine evrimini mümkün kılar.
HyperAGI, verimli LLM'leri evrimleşebilir AOAI ile birleştirerek, geleneksel yapay sinir ağlarının verimliliğini AO sinir ağlarının kendi kendine evrim özellikleriyle bütünleştiren bir yol oluşturur. Bu, bugüne kadar, AGI'ye ulaşmak için uygulanabilir bir yaklaşım olarak görülüyor.
HyperAGI'nin vizyonu, Koşulsuz Temel Temsilci Geliri (UBAI) elde etmek, teknolojinin herkese eşit şekilde hizmet ettiği bir gelecek inşa etmek, sömürü döngüsünü kırmak ve gerçekten merkezi olmayan ve adil bir dijital toplum yaratmaktır. Yalnızca UBI'ye bağlı olduğunu iddia eden diğer blok zinciri projelerinin aksine, HyperAGI'nin UBAI'si, ulaşılamaz bir ideal olmaktan ziyade, aracı ekonomisi aracılığıyla net bir uygulama yoluna sahiptir.
Satoshi Nakamoto'nun Bitcoin'i piyasaya sürmesi insanlık için anıtsal bir yenilikti, ancak pratik faydası olmayan merkezi olmayan bir dijital para birimidir. Yapay zekanın önemli ilerlemeleri ve yükselişi, merkezi olmayan bir model aracılığıyla değer yaratmayı mümkün kılmıştır. Bu modelde insanlar, başkalarının değerinden ziyade makinelerde çalışan yapay zekadan yararlanır. Tüm makinelerin insanlığın yararı ve refahı için yaratıldığı, koda dayalı gerçek bir kriptografik dünya ortaya çıkıyor.
Böyle bir kriptografik dünyada, YZ ajanları arasında hala hiyerarşiler olabilir, ancak ajanların kendileri bir tür özerkliğe sahip olabileceğinden insan sömürüsü ortadan kalkar. Yapay zekanın nihai amacı ve önemi, blok zincirinde kodlandığı gibi insanlığa hizmet etmektir.
Yapay Zeka Aracıları için Bir Ödeme Yöntemi Olarak Bitcoin L2
Bitcoin şu anda "maksimum tarafsızlığı" özetleyen bir ortamdır ve bu da onu değer işlemleriyle uğraşan yapay zeka ajanları için son derece uygun hale getirir. Bitcoin, fiat para birimlerinin doğasında bulunan verimsizlikleri ve "sürtüşmeleri" ortadan kaldırır. "Dijital olarak yerli" bir ortam olarak Bitcoin, yapay zekanın değer alışverişleri gerçekleştirmesi için doğal bir temel sağlar. Bitcoin L2, Bitcoin'in programlanabilir yeteneklerini geliştirerek yapay zeka değer değişimleri için gereken hız gereksinimlerini karşılar ve böylece Bitcoin'i yapay zeka için yerel para birimi olacak şekilde konumlandırır.
Bitcoin L2'de Merkezi Olmayan Yapay Zeka Yönetişimi
Yapay zekadaki mevcut merkezileşme eğilimi, merkezi olmayan yapay zeka uyumunu ve yönetişimini odak noktası haline getirdi. Bitcoin L2'nin daha güçlü akıllı sözleşmeleri, yapay zeka aracısı davranışını ve protokol modellerini düzenleyen kurallar olarak hizmet edebilir ve merkezi olmayan bir yapay zeka hizalama ve yönetişim modeli elde edebilir. Ayrıca, Bitcoin'in maksimum tarafsızlık özelliği, yapay zeka uyumu ve yönetişimi konusunda fikir birliğine varmayı kolaylaştırır.
Bitcoin L2'de AI Varlıkları Yayınlamak
Bitcoin L1'de varlık olarak AI aracıları yayınlamanın yanı sıra, Bitcoin L2'nin yüksek performansı, ajan ekonomisinin temeli olacak AI varlıkları ihraç eden AI aracılarının ihtiyaçlarını karşılayabilir.
Bitcoin ve Bitcoin L2 için Öldürücü Bir Uygulama Olarak AI Aracıları
Performans sorunları nedeniyle Bitcoin, başlangıcından bu yana bir değer deposu olmanın ötesinde pratik bir uygulamaya sahip olmamıştır. L2'ye giren Bitcoin daha güçlü programlanabilirlik kazanır. Yapay zeka ajanları genellikle gerçek dünyadaki sorunları çözmek için kullanılır, bu nedenle Bitcoin odaklı AI ajanları gerçekten uygulanabilir. Yapay zeka aracısı kullanımının ölçeği ve sıklığı, Bitcoin ve L2 için öldürücü bir uygulama haline gelebilir. İnsan ekonomisi Bitcoin'e bir ödeme yöntemi olarak öncelik vermese de, robot ekonomisi olabilir. 7/24 çalışan çok sayıda yapay zeka aracısı, mikro ödemeler yapmak ve almak için yorulmadan Bitcoin'i kullanabilir. Bitcoin'e olan talep, şu anda hayal bile edilemeyecek şekillerde önemli ölçüde artabilir.
Bitcoin L2 Güvenliğini Artırmak için AI Hesaplama
Yapay zeka bilgi işlem, Bitcoin'in Proof of Work'ünü (PoW) tamamlayabilir ve hatta PoW'u Proof of Useful Work (PoUW) ile değiştirebilir ve şu anda Bitcoin madenciliği için kullanılan enerjiyi yapay zeka aracılarına enjekte ederken devrim niteliğinde bir güvenlik sağlayabilir. Yapay zeka, Ethereum'un PoS mekanizmasının aksine, Bitcoin'i akıllı, yeşil bir blok zincirine dönüştürmek için L2'den yararlanabilir. 3D/AI hesaplamanın PoUW'sine dayanan önerilen Hipergraf Konsensüsümüz daha sonra tanıtılacaktır.
HyperAGI, farklı vizyonu, çözümleri ve teknolojisi nedeniyle Web3 AI alanında öne çıkıyor. HyperAGI'nin yaklaşımı, GPU bilgi işlem gücü, yapay zekanın somutlaştırılması ve varlıklaştırmanın fikir birliğini içerir ve bu da onu merkezi olmayan bir hibrit yapay zeka-finansal uygulama haline getirir. Son zamanlarda, akademi, merkezi olmayan yapay zeka platformlarının sahip olması gereken beş özellik önerdi ve mevcut merkezi olmayan yapay zeka projelerini bu beş özelliğe göre kısaca gözden geçirdik ve karşılaştırdık. Merkezi Olmayan Yapay Zeka Platformlarının Beş Özelliği:
Mevcut merkezi olmayan AI projelerinin bu özelliklere göre karşılaştırılması:
Mevcut merkezi olmayan AI projelerinin hiçbiri bu beş sorunu tam olarak ele almıyor. Bununla birlikte, HyperAGI, Hypergraph PoUW konsensüs mekanizmasına ve tamamen merkezi olmayan Bitcoin L2 Stack'e dayanan tamamen merkezi olmayan bir AI protokolüdür ve gelecekte Bitcoin AI'ya özgü bir L2'ye yükseltme planları vardır.
HyperAGI'nin Benzersiz Özellikleri:
HyperAGI, yalnızca merkezi olmayan bir yapay zeka platformu için gerekli özellikleri karşılamakla kalmaz, aynı zamanda merkezi olmayan bir çerçeve içinde GPU bilgi işlem gücü ve yapay zeka varlıklaştırmasının benzersiz entegrasyonu ile alanı ilerletir.
OpenAI'nin ChatGPT'si yalnızca üç ayda 100 milyon kullanıcıya ulaştı ve büyük dil modellerinin (LLM'ler) geliştirilmesi, uygulanması ve yatırımında küresel bir artışa yol açtı. Bununla birlikte, bu noktaya kadar, LLM'lerin teknolojisi ve eğitimi oldukça merkezileştirilmiştir. Bu merkezileşme, akademi, endüstri ve halk arasında yapay zeka teknolojisinin birkaç kilit sağlayıcı tarafından tekelleştirilmesi, veri gizliliği ihlalleri, tecavüz ve bulut bilişim şirketleri tarafından satıcıya kilitlenme konusunda önemli endişelere yol açtı. Bu sorunlar temel olarak, büyük ölçekli yapay zeka uygulamaları için uygun olmayan merkezi platformlar tarafından internet ve uygulama ağ geçitlerinin kontrolünden kaynaklanmaktadır. Yapay zeka topluluğu, yerel olarak işletilen ve merkezi olmayan bazı yapay zeka projelerini uygulamaya başladı. Örneğin, Ollama yerel yürütmeyi temsil eder ve Petals ademi merkeziyetçiliği temsil eder. Ollama, küçük ve orta ölçekli LLM'lerin kişisel bilgisayarlarda ve hatta cep telefonlarında çalışmasını sağlamak için parametre sıkıştırma veya azaltılmış hassasiyet yöntemleri kullanır, böylece kullanıcı veri gizliliğini ve diğer hakları korur. Ancak, bu yaklaşımın üretim ortamlarını ve ağa bağlı uygulamaları desteklemesi açıkça zordur. Öte yandan Petals, Bittorrent'in Peer2Peer teknolojisi aracılığıyla tamamen merkezi olmayan LLM çıkarımı elde eder. Bununla birlikte, Petals fikir birliği ve teşvik katmanı protokollerinden yoksundur ve hala küçük bir araştırmacı çevresiyle sınırlıdır.
LLM'lerin desteğiyle, akıllı aracılar daha üst düzey akıl yürütme gerçekleştirebilir ve belirli planlama yeteneklerine sahip olabilir. Doğal dili kullanarak, birden fazla akıllı ajan, insanlara benzer sosyal işbirlikleri oluşturabilir. Microsoft'un AutoGen, Langchain ve CrewAI gibi çeşitli LLM odaklı akıllı aracı çerçeveleri önerilmiştir. Şu anda, çok sayıda yapay zeka girişimcisi ve geliştiricisi, LLM odaklı akıllı aracıların ve uygulamalarının yönüne odaklanıyor. İstikrarlı, ölçeklenebilir LLM çıkarımı için yüksek bir talep vardır, ancak bu esas olarak bulut bilişim şirketlerinden GPU çıkarım örnekleri kiralayarak elde edilir. Mart 2024'te Nvidia, henüz resmi olarak piyasaya sürülmemiş olsa da bu muazzam talebi karşılamak için LLM'leri içeren üretken bir yapay zeka mikro hizmet platformu olan ai.nvidia.com'i piyasaya sürdü. LLM güdümlü akıllı aracılar, bir zamanlar web sitesi geliştirmenin yaptığı gibi patlama yaşıyor. Bununla birlikte, işbirliği hala öncelikle, akıllı aracı geliştiricilerin bu aracıların çalışmasını desteklemek için GPU'ları kiralaması veya LLM sağlayıcılarından API'ler tedarik etmesi gereken geleneksel Web2 modunda yürütülmektedir. Bu, akıllı ajan ekosisteminin hızlı büyümesini ve akıllı ajan ekonomisi içindeki değer aktarımını engelleyen önemli bir sürtüşme yaratır.
Şu anda çoğu aracı yalnızca belirli API'lere erişebilir ve bunları çalıştırabilir veya bu API'lerle kod veya betikler aracılığıyla etkileşim kurabilir, LLM'ler tarafından oluşturulan denetim komutları yazabilir veya harici durumları okuyabilir. Genel zeki ajanlar sadece doğal dili anlamalı ve üretmekle kalmamalı, aynı zamanda insan dünyasını da anlamalıdır. Uygun eğitimden sonra, belirli görevleri tamamlamak için robotik sistemlere (dronlar, elektrikli süpürgeler, insansı robotlar vb.) geçebilmelidirler. Bu ajanlar somutlaşmış ajanlar olarak adlandırılır. Somutlaşmış ajanları eğitmek, belirli ortamları ve gerçek dünyayı daha iyi anlamalarına yardımcı olmak, robotlar için eğitim ve geliştirme süresini kısaltmak, eğitim verimliliğini artırmak ve maliyetleri azaltmak için büyük miktarda gerçek dünya görsel verisi gerektirir. Şu anda, somutlaşmış zekayı eğitmek için simülasyon ortamları, Microsoft'un Minecraft'ı ve Nvidia'nın Isaac Gym'i gibi birkaç şirket tarafından inşa edilmekte ve sahiplenilmektedir. Somutlaşmış zekanın eğitim ihtiyaçlarını karşılamak için merkezi olmayan ortamlar yoktur. Son zamanlarda, OpenAI GYM ile uyumlu AI eğitim ortamlarını teşvik eden Epic'in Unreal Engine gibi bazı oyun motorları yapay zekaya odaklanmaya başladı.
Bitcoin yan zincirleri yıllardır var olmasına rağmen, çoğunlukla ödemeler için kullanılıyorlardı ve akıllı sözleşmeler için destek eksikliği, karmaşık zincir üstü uygulamaları engelledi. EVM uyumlu Bitcoin L2'lerin ortaya çıkması, Bitcoin'in L2 aracılığıyla merkezi olmayan AI uygulamalarını desteklemesine olanak tanır. Merkezi olmayan yapay zeka, giderek merkezileşen PoS blok zinciri ağlarından ziyade tamamen merkezi olmayan, hesaplama açısından baskın bir blok zinciri ağı gerektirir. Yazıtlar ve sıra sayıları gibi yerel Bitcoin varlıkları için yeni protokollerin tanıtılması, Bitcoin'e dayalı ekosistemlerin ve uygulamaların kurulmasını mümkün kılar. Örneğin, HYPER•AGI•AGENT'ın adil lansman darphanesi bir saat içinde tamamlandı ve gelecekte HyperAGI, Bitcoin üzerinde daha fazla AI varlığı ve topluluk odaklı uygulama yayınlayacak.
Günümüzde merkezi olmayan yapay zekadaki birincil zorluk, büyük yapay zeka modelleri için uzaktan çıkarım yapılmasını ve yüksek performanslı, düşük ek yük doğrulanabilir algoritmalar kullanarak somutlaştırılmış akıllı aracıların eğitilmesini ve çıkarımını sağlamaktır. Doğrulanabilirlik olmadan sistem, tamamen merkezi olmayan bir yapay zeka uygulama platformu elde etmek yerine tedarikçileri, talep edenleri ve platform operatörlerini içeren geleneksel çok taraflı bir pazar modeline geri dönecektir.
Doğrulanabilir AI hesaplaması, PoUW (Faydalı İş Kanıtı) konsensüs algoritmasını gerektirir. Bu, merkezi olmayan teşvik mekanizmalarının temelini oluşturur. Özellikle, ağ teşvikleri dahilinde, tokenlerin basılması, tokenleri düğümlere aktaran herhangi bir merkezi varlık yerine, hesaplama görevlerini tamamlayan ve doğrulanabilir sonuçlar gönderen düğümler tarafından gerçekleştirilir.
Doğrulanabilir yapay zeka hesaplaması elde etmek için önce yapay zeka hesaplamasının kendisini tanımlamamız gerekir. AI hesaplaması, düşük seviyeli makine talimatları ve CUDA talimatlarından C++ ve Python gibi daha yüksek seviyeli dillere kadar birçok seviyeyi kapsar. Benzer şekilde, somutlaştırılmış akıllı aracıların eğitiminde, gölgelendirici dilleri, OpenGL, C++ ve şema komut dosyaları dahil olmak üzere çeşitli düzeylerde 3B hesaplamalar da mevcuttur.
HyperAGI'nin PoUW konsensüs algoritması, hesaplamalı grafikler kullanılarak uygulanır. Hesaplamalı bir grafik, düğümlerin matematiksel işlemlere karşılık geldiği yönlendirilmiş bir grafik olarak tanımlanır. Matematiksel ifadeleri ifade etmenin ve değerlendirmenin bir yoludur, esasen denklemleri tanımlayan, düğümler (değişkenler) ve kenarlar (işlemler veya basit fonksiyonlar) içeren bir "dil"dir.
Doğrulanabilir AI Hesaplama Uygulaması:
1.1 Doğrulanabilir Hesaplamayı Tanımlamak için Hesaplama Grafiklerini Kullanma
Herhangi bir hesaplama (örneğin, 3D ve AI hesaplamaları) hesaplama grafikleri kullanılarak tanımlanabilir. Farklı hesaplama seviyeleri alt grafiklerle temsil edilebilir. Bu yaklaşım, çeşitli hesaplama türlerini kapsar ve alt grafikler aracılığıyla farklı hesaplama seviyelerini ifade eder. Şu anda iki katman içeriyor: üst düzey hesaplama grafiği, düğümler tarafından doğrulamayı kolaylaştırmak için zincir üzerinde konuşlandırılıyor.
1.2 LLM modellerinin ve 3B görüntülerin merkezi olmayan yüklenmesi ve yürütülmesi
LLM modelleri ve 3B sahne seviyeleri tamamen merkezi olmayan bir şekilde yüklenir ve çalıştırılır. Bir kullanıcı çıkarım için bir LLM modeline eriştiğinde veya oluşturma için bir 3B sahneye girdiğinde, bir HyperAGI akıllı aracısı aynı hipergrafı (LLM veya 3B sahne) çalıştırmak için başka bir güvenilir düğüm başlatacaktır.
1.3 Hesaplama Sonuçlarının Doğrulanması
Bir doğrulama düğümü, bir düğüm tarafından gönderilen bir sonucun güvenilir bir düğüm tarafından gönderilen sonuçla tutarsız olduğunu tespit ederse, alt grafik içindeki ıraksak hesaplama düğümünü (operatör) bulmak için ikinci katman hesaplama grafiğinin (alt grafik) zincir dışı hesaplama sonuçları üzerinde ikili bir arama yapar. Alt grafik operatörleri akıllı sözleşmelere önceden konuşlandırılmıştır. Tutarsız operatörün parametrelerini akıllı sözleşmeye geçirerek ve operatörü çalıştırarak sonuçlar doğrulanabilir.
Doğrulanabilir yapay zeka hesaplamasında önemli bir zorluk, ek hesaplama yükünü yönetmektir. Bizans konsensüs protokollerinde, düğümlerin 2/3'ü bir konsensüs oluşturmayı kabul etmelidir. Yapay zeka çıkarım konsensüsü için bu, tüm düğümlerin aynı hesaplamayı tamamlaması gerektiği anlamına gelir ve bu, yapay zeka hesaplamasında kabul edilemez bir israftır. Ancak HyperAGI, doğrulama için ek hesaplama yapmak için yalnızca 1 ila (m) düğüm gerektirir.
2.1 LLM Çıkarımı için Tamamlayıcı Hesaplama
Her LLM çıkarımı bağımsız olarak çalışmaz. HyperAGI akıllı aracısı, "yardımcı hesaplama" için en az bir güvenilir düğüm başlatır. LLM çıkarımı, her katmanın hesaplama sonuçlarının çıkarım tamamlanana kadar bir sonraki katman için girdi olarak kullanıldığı derin sinir ağları tarafından gerçekleştirildiğinden, birden fazla kullanıcı aynı anda aynı büyük LLM modeline erişebilir. Bu nedenle, en fazla, LLM (m) sayısına eşit sayıda güvenilir düğümün başlatılması gerekir. En azından, "tamamlayıcı hesaplama" için yalnızca bir güvenilir düğüm gereklidir.
2.2 3D Sahne İşleme Hesaplaması
3B sahne oluşturma da benzer bir ilkeyi izler. Bir kullanıcı bir sahneye girdiğinde ve hipergrafı etkinleştirdiğinde, HyperAGI akıllı aracısı, karşılık gelen hipergraf hesaplamasını gerçekleştirmek için hipergrafı temel alan güvenilir bir düğüm yükler. (m) kullanıcılar farklı 3B sahneler girerse, "tamamlayıcı hesaplama" için en fazla (m) güvenilir düğümün başlatılması gerekir.
Özetle, ek hesaplamaya katılan düğüm sayısı 1 ile (n + m) arasında değişir (burada (n) 3B görüntülere giren kullanıcı sayısı ve (m) LLM'lerin sayısıdır). Bu dağıtım, ağ doğrulama verimliliğini sağlarken kaynak israfını etkin bir şekilde önleyen bir Gauss dağılımını takip eder.
Yapay zeka geliştiricileri, üst düzey hipergraf zincir üstü verileri içeren sözleşmelerle akıllı aracıları akıllı sözleşmeler olarak dağıtabilir. Kullanıcılar veya diğer akıllı aracılar, bu akıllı aracı sözleşmelerinin yöntemlerini çağırabilir ve ilgili belirteçleri ödeyebilir. Hizmeti sağlayan akıllı aracı, ilgili hesaplamayı tamamlamalı ve doğrulanabilir sonuçlar sunmalıdır. Bu kurulum, kullanıcılar veya diğer akıllı aracılar ile akıllı aracı arasında merkezi olmayan iş etkileşimleri sağlar.
Akıllı aracı, bir görevi tamamladıktan sonra jeton alamama konusunda endişelenmez ve ödeme yapanın doğru iş hesaplama sonuçlarını almadan jeton ödeme konusunda endişelenmesine gerek yoktur. Akıllı temsilcinin hizmetinin kapasitesi ve değeri, akıllı aracı varlıklarının (ERC-20, ERC-721 veya ERC-1155 NFT'leri dahil) ikincil piyasa fiyatı ve piyasa değeri tarafından belirlenir.
Yarı Yapay Zeka ve Yarı Finansal Uygulamaların Ötesinde
HyperAGI uygulaması yarı AI ve yarı finansal uygulamalarla sınırlı değildir. Teknolojinin herkese eşit hizmet ettiği bir gelecek inşa etmeyi, sömürü döngülerini kırmayı ve gerçekten merkezi olmayan ve adil bir dijital toplum yaratmayı amaçlayan UBAI'yi (Evrensel Temel Yapay Zeka) gerçekleştirmeyi amaçlamaktadır.
Bu makale [techflow deep tide]'den alınmıştır, orijinal başlık "HyperAGI Röportajı: Gerçek Bir Yapay Zeka Aracısı Oluşturmak ve Otonom Bir Kripto Para Birimi Ekonomisi Yaratmak"tır, telif hakkı orijinal yazara aittir [Beşinci], yeniden baskıya herhangi bir itirazınız varsa, lütfen Gate Learn Team ile iletişime geçin, ekip bunu ilgili prosedürlere göre mümkün olan en kısa sürede halledecektir.
Yasal Uyarı: Bu makalede ifade edilen görüş ve görüşler yalnızca yazarın kişisel görüşlerini temsil eder ve herhangi bir yatırım tavsiyesi teşkil etmez.
Makalenin diğer dillerdeki versiyonları Gate Learn ekibi tarafından çevrilir, Gate.io'da bahsedilmez, çevrilen makale çoğaltılamaz, dağıtılamaz veya intihal edilemez.