Im Jahr 2022 startete OpenAI das auf dem GPT-3.5-Modell basierende ChatGPT und leitete eine Welle von KI-Erzählungen ein. Während ChatGPT im Allgemeinen gut darin ist, Anfragen zu bearbeiten, kann es bei der Behandlung spezifischen Fachwissens oder Echtzeitdaten begrenzt sein. Beispielsweise fällt es schwer, detaillierte und zuverlässige Informationen über Vitalik Buterins Token-Transaktionen in den letzten 18 Monaten bereitzustellen. Um dies zu lösen, kombinierte das Kernentwicklungsteam von The Graph, Semiotic Labs, The Graphs Indexierungssoftware-Stack mit OpenAI, um das AgentcProjekt, das Kryptowährungsmarkt-Trendanalyse und Transaktionsdaten-Abfrage-Services anbietet.

Bei der Abfrage von Agentc über Vitalik Buterins Token-Transaktionen in den letzten 18 Monaten liefert er eine umfassendere Antwort. Die KI-Ambitionen von The Graph gehen jedoch über dies hinaus. In seinem Whitepaper mit dem Titel "Gate"Der Graph als KI-Infrastruktur„stellt sein Ziel nicht dar, eine spezifische Anwendung zu starten, sondern seine dezentralisierte Datenindexierungsprotokoll zu nutzen, um Entwicklern Werkzeuge für den Aufbau von Web3-native KI-Anwendungen zur Verfügung zu stellen. Um dieses Ziel zu unterstützen, wird Semiotic Labs auch den Codebase von Agentc als Open Source veröffentlichen, sodass Entwickler ähnliche KI-dApps wie Agentc erstellen können, z.B. Agenten zur Analyse von Trends auf dem NFT-Markt und DeFi-Handelsassistenten.

Die dezentrale KI-Roadmap von The Graph

Im Juli 2018 gestartet, ist The Graph ein dezentrales Protokoll zur Indexierung und Abfrage von Blockchain-Daten. Entwickler können offene APIs verwenden, um Datenindizes namens Subgraphs zu erstellen und bereitzustellen, wodurch Anwendungen On-Chain-Daten abrufen können. Bisher unterstützt The Graph über 50 Chains, hostet über 75.000 Projekte und hat über 1,26 Billionen Abfragen verarbeitet.

Die Fähigkeit von The Graph, solch massive Daten zu verarbeiten, wird von seinen Kernteams unterstützt, darunter Edge & Node, Streamingfast, Semiotic, The Guild, GraphOps, Messari und Pinax. Streamingfast bietet eine Cross-Chain-Architekturtechnologie für Blockchain-Datenströme, während sich Semiotic AI auf die Integration von KI und Kryptographie in The Graph konzentriert. The Guild, GraphOps, Messari und Pinax sind auf Bereiche wie GraphQL-Entwicklung, Indexierungsdienste, Subgraph-Entwicklung und Datentransportlösungen spezialisiert.

Die KI-Strategie von The Graph ist nicht neu. Im letzten März veröffentlichte The Graph Blog veröffentlichtEin Artikel, der das Potenzial für KI-Anwendungen unter Verwendung seiner Datenindexierungsfähigkeiten skizziert. Im Dezember enthüllte The Graph seine „Neue ÄraDer Fahrplan umfasst Pläne zur Ergänzung von Abfragen, die von großen Sprachmodellen (LLM) unterstützt werden. Das kürzlich veröffentlichte Whitepaper präzisiert den KI-Fahrplan weiter und führt zwei KI-Dienste ein: Inferenz und Agentendienste, die es Entwicklern ermöglichen, KI-Funktionen direkt in die Anwendungsfrontend zu integrieren, mit Unterstützung von The Graph.

Inferenceservice: Unterstützung einer Reihe von Open-Source-KI-Modellen

In traditionellen Inferenzdiensten machen Modelle Vorhersagen über Eingabedaten mithilfe zentralisierter Cloud-Ressourcen. Zum Beispiel führt ChatGPT Inferenz durch und liefert Antworten zurück. Diese zentralisierte Methode erhöht jedoch die Kosten und birgt Zensurrisiken. Das Ziel von Graph ist es, dies durch die Schaffung eines dezentralen Marktplatzes für Modellhosting zu lösen, wodurch dApp-Entwicklern mehr Flexibilität bei der Bereitstellung und dem Hosting von KI-Modellen gegeben wird.

Das Whitepaper liefert ein Beispiel dafür, wie man The Graph verwendet, um eine Anwendung zu erstellen, die Farcaster-Benutzern dabei hilft, zu verstehen, ob ihre Beiträge viele Likes erhalten werden. Zunächst werden Subgraph-Datendienste von The Graph zur Indexierung von Kommentaren und Likes zu Farcaster-Beiträgen verwendet. Anschließend wird ein neuronales Netzwerk trainiert, um vorherzusagen, ob neue Farcaster-Kommentare geliked werden, und das neuronale Netzwerk wird im Inferenzdienst von The Graph bereitgestellt. Die resultierende dApp kann Benutzern dabei helfen, Beiträge zu verfassen, die wahrscheinlicher Likes erhalten.

Mit diesem Ansatz können Entwickler die Infrastruktur von The Graph einfach nutzen, vortrainierte Modelle im Netzwerk hosten und sie über APIs in Anwendungen integrieren, so dass Benutzer diese Funktionalitäten direkt bei der Verwendung von dApps erleben können.

Um Entwicklern mehr Optionen und Flexibilität zu bieten, unterstützt der Inferenzdienst von The Graph die meisten gängigen vorhandenen Modelle. Laut Whitepaper wird der Inferenzdienst von The Graph in der MVP-Phase eine Auswahl beliebter Open-Source-KI-Modelle unterstützen, darunter Stable Diffusion, Stable Video Diffusion, LLaMA, Mixtral, Grok und Whisper. In Zukunft können beliebige gut getestete und indexierte Open-Modelle im The Graph Inference Service bereitgestellt werden. Darüber hinaus bietet The Graph benutzerfreundliche Schnittstellen an, um die technische Komplexität bei der Bereitstellung von KI-Modellen zu reduzieren, wodurch Entwickler ihre KI-Modelle hochladen und verwalten können, ohne sich um die Infrastrukturwartung sorgen zu müssen.

Um die Leistung des Modells in spezifischen Anwendungen weiter zu verbessern, unterstützt The Graph auch die Feinabstimmung von Modellen auf spezifischen Datensätzen. Die Feinabstimmung wird jedoch in der Regel nicht auf The Graph selbst durchgeführt. Entwickler müssen Modelle extern feinabstimmen und diese dann mithilfe des Inferenzdienstes von The Graph bereitstellen. Um Entwickler dazu zu ermutigen, feinabgestimmte Modelle öffentlich zugänglich zu machen, entwickelt The Graph Anreizmechanismen, wie beispielsweise eine gerechte Verteilung der Abfragegebühren zwischen Modellerstellern und Indexierern.

Um die Glaubwürdigkeit der KI-Schlussfolgerungsergebnisse zu gewährleisten, bietet The Graph mehrere Überprüfungsmethoden an, darunter vertrauenswürdige Behörden, M-aus-N-Konsens, interaktive Betrugsnachweise und zk-SNARKs. Jede Methode hat ihre Vor- und Nachteile. Vertrauenswürdige Behörden verlassen sich auf vertrauenswürdige Entitäten; M-aus-N-Konsens erfordert mehrere Indexer zur Validierung, was die Schwierigkeit des Betrugs erhöht und gleichzeitig die Rechen- und Koordinationskosten steigert; interaktive Betrugsnachweise bieten eine starke Sicherheit, sind jedoch ungeeignet für Anwendungen, die schnelle Antworten erfordern; zk-SNARKs sind technisch komplex und weniger geeignet für große Modelle.

The Graph glaubt, dass Entwickler und Benutzer den geeigneten Sicherheitslevel entsprechend ihren Bedürfnissen wählen können sollten. Aus diesem Grund plant The Graph, verschiedene Verifikationsmethoden in seinen Inferenzdienst zu integrieren, um unterschiedliche Sicherheitsanforderungen und Anwendungsszenarien zu ermöglichen. Finanztransaktionen oder kritische Geschäftslogiken erfordern möglicherweise höhere Sicherheitsverifikationsmethoden wie zk-SNARKs oder M-of-N-Konsens, während Anwendungen mit geringerem Risiko oder unterhaltungsorientierte Anwendungen kostengünstigere und einfachere Methoden wie vertrauenswürdige Autoritäten oder interaktive Betrugsnachweise wählen können. Darüber hinaus plant The Graph, Datenschutztechnologien zu erforschen, um Modell- und Benutzerdatenschutzprobleme anzugehen.

Agent Service: Unterstützung von Entwicklern beim Aufbau autonomer KI-gesteuerter Anwendungen

Während sich der Inferenzdienst hauptsächlich auf das Ausführen vortrainierter KI-Modelle für die Inferenz konzentriert, ist der Agentendienst komplexer und erfordert das Zusammenwirken mehrerer Komponenten, um Agenten die Durchführung einer Reihe komplexer und automatisierter Aufgaben zu ermöglichen. Der Agentendienst von The Graph zielt darauf ab, das Erstellen, Bereitstellen und Ausführen von Agenten in The Graph zu integrieren, wobei Unterstützung durch das Indexernetzwerk bereitgestellt wird.

Speziell wird The Graph ein dezentrales Netzwerk bereitstellen, um den Aufbau und das Hosting von Agents zu unterstützen. Sobald ein Agent im The Graph-Netzwerk bereitgestellt wird, bieten Indexer die erforderliche Ausführungsunterstützung an, einschließlich der Indexierung von Daten und der Reaktion auf On-Chain-Ereignisse und andere Interaktionsanfragen.

Wie bereits erwähnt, hat das Kernentwicklungsteam von The Graph, Semiotic Labs, ein frühes Agentenexperiment gestartet, Agentc, das The Graph's Indexierungssoftware-Stack mit OpenAI kombiniert. Seine Hauptfunktion besteht darin, natürlichsprachliche Eingaben in SQL-Abfragen umzuwandeln, wodurch Benutzer Echtzeitdaten auf der Blockchain abfragen und die Ergebnisse in einem leicht verständlichen Format präsentieren können. Agentc konzentriert sich im Wesentlichen darauf, Benutzern bequeme Analysen der Markttrends für Kryptowährungen und Abfragen von Transaktionsdaten bereitzustellen. Alle Daten stammen von Uniswap V2, Uniswap V3, Uniswap X und deren Forks auf Ethereum, und die Preise werden stündlich aktualisiert.

Darüber hinaus hat The Graph festgestellt, dass die verwendeten LLM-Modelle eine Genauigkeitsrate von nur 63,41% aufweisen, was auf mögliche fehlerhafte Antworten hinweist. Um dieses Problem zu lösen, entwickelt The Graph eine neue Art von großen Sprachmodellen namens KGLLM (Knowledge Graph-enabled Large Language Models). KGLLM verwendet strukturierte Wissensgraphendaten, die von Geo bereitgestellt werden, und reduziert so die Wahrscheinlichkeit der Generierung fehlerhafter Informationen erheblich. Jede Aussage im Geo-System wird durch on-Chain-Zeitstempel und Validierung durch Abstimmung unterstützt. Nach der Integration des Wissensgraphen von Geo können Agents in verschiedenen Szenarien, einschließlich medizinischer Vorschriften, politischer Entwicklungen, Marktanalysen usw., angewendet werden, um die Vielfalt und Genauigkeit der Agentendienste zu verbessern. Zum Beispiel kann KGLLM politische Daten verwenden, um dezentralen autonomen Organisationen (DAOs) Änderungsvorschläge für Richtlinien bereitzustellen und sicherzustellen, dass sie auf aktuellen und genauen Informationen basieren.

Vorteile von KGLLM umfassen:

• Verwendung strukturierter Daten:KGLLM nutzt strukturierte externe Wissensbasen, bei denen Informationen in grafischer Form im Wissensgraphen modelliert sind, um Beziehungen zwischen Daten leicht sichtbar und intuitiv abfragbar und verständlich zu machen.
• Relationale Datenverarbeitung:KGLLM eignet sich besonders gut für die Verarbeitung von Beziehungsinformationen, wie z.B. das Verständnis von Beziehungen zwischen Personen und Ereignissen. Es verwendet Graphtraversierungsalgorithmen, um relevante Informationen zu finden, indem es in der Wissensgrafik durch mehrere Knoten springt (ähnlich wie das Bewegen auf einer Karte). Diese Methode hilft KGLLM, die relevantesten Informationen zur Beantwortung von Fragen zu finden.
• Effiziente Informationsabfrage und -generierung:Mit Hilfe von Graphdurchlaufalgorithmen extrahiert KGLLM Beziehungen und wandelt sie in natürlichsprachliche Anweisungen um, die das Modell verstehen kann. Diese klaren Anweisungen ermöglichen es KGLLM, präzisere und relevantere Antworten zu generieren.

Aussicht

Als das "Google von Web3" adressiert The Graph den aktuellen Datenmangel in KI-Diensten und vereinfacht den Entwicklungsprozess für Entwickler durch seine KI-Dienste. Mit der Entwicklung und Verbreitung von mehr KI-Anwendungen wird erwartet, dass sich die Benutzererfahrungen weiter verbessern. In Zukunft wird das Entwicklungsteam von The Graph weiterhin die Möglichkeiten der Integration von KI mit Web3 erkunden. Darüber hinaus entwerfen auch andere Teams innerhalb seines Ökosystems, wie Playgrounds Analytics und DappLooker, Lösungen im Zusammenhang mit Agentendiensten.

Haftungsausschluss:

1. Dieser Artikel wurde von Gate übernommen.[ChainFeeds Forschung], Alle Urheberrechte liegen beim ursprünglichen Autor [LindaBell]. Wenn es Einwände gegen diesen Nachdruck gibt, kontaktieren Sie bitte das Gate LearnTeam und sie werden es prompt bearbeiten.
2. Haftungsausschluss: Die Ansichten und Meinungen, die in diesem Artikel zum Ausdruck gebracht werden, sind ausschließlich die des Autors und stellen keine Anlageberatung dar.
3. Übersetzungen des Artikels in andere Sprachen werden vom Gate Learn-Team durchgeführt. Sofern nicht anders angegeben, ist das Kopieren, Verteilen oder Plagiieren der übersetzten Artikel untersagt.