En 2022, OpenAI lanzó el modelo GPT-3.5 impulsado por ChatGPT, iniciando una ola de narrativas de IA. Si bien ChatGPT generalmente se desempeña bien en el manejo de consultas, puede ser limitado al tratar con conocimientos específicos de dominio o datos en tiempo real. Por ejemplo, le cuesta proporcionar información detallada y confiable sobre las transacciones de tokens de Vitalik Buterin en los últimos 18 meses. Para abordar esto, el equipo de desarrollo principal de The Graph, Semiotic Labs, combinó la pila de software de indexación de The Graph con OpenAI para lanzar el Agente cproyecto que ofrece análisis de tendencias del mercado de criptomonedas y servicios de consulta de datos de transacciones.

Al consultar a Agentc sobre las transacciones de tokens de Vitalik Buterin en los últimos 18 meses, proporciona una respuesta más completa. Sin embargo, las ambiciones de IA de The Graph van más allá de esto. Su libro blanco titulado "El Gráfico como Infraestructura de IA"describe su objetivo no como el lanzamiento de una aplicación específica, sino como el aprovechamiento de su protocolo descentralizado de indexación de datos para proporcionar a los desarrolladores herramientas para construir aplicaciones de inteligencia artificial nativas de Web3. Para apoyar este objetivo, Semiotic Labs también abrirá el código base de Agentc, lo que permitirá a los desarrolladores crear dApps de IA similares a Agentc, como agentes de análisis de tendencias del mercado de NFT y asistentes comerciales de DeFi."

La hoja de ruta de la IA descentralizada de The Graph

Lanzado en julio de 2018, The Graph es un protocolo descentralizado para indexar y consultar datos de blockchain. Los desarrolladores pueden utilizar APIs abiertas para crear e implementar índices de datos llamados subgrafos, lo que permite a las aplicaciones recuperar datos en cadena. Hasta la fecha, The Graph admite más de 50 cadenas, aloja más de 75,000 proyectos y ha procesado más de 1.26 billones de consultas.

La capacidad de The Graph para manejar datos masivos está respaldada por sus equipos centrales, incluidos Edge & Node, Streamingfast, Semiotic, The Guild, GraphOps, Messari y Pinax. Streamingfast proporciona tecnología de arquitectura de cadena cruzada para flujos de datos de blockchain, mientras que Semiotic AI se enfoca en integrar IA y criptografía en The Graph. The Guild, GraphOps, Messari y Pinax se especializan en áreas como desarrollo de GraphQL, servicios de indexación, desarrollo de subgráficos y soluciones de flujo de datos.

La estrategia de IA de The Graph no es nueva. En marzo pasado, The Graph Blog publicadoun artículo que describe el potencial de las aplicaciones de IA utilizando sus capacidades de indexación de datos. En diciembre, The Graph presentó su “Nueva EraEl roadmap, que incluye planes para agregar consultas asistidas por modelos de lenguaje grande (LLM). El reciente white paper aclara aún más su roadmap de IA, presentando dos servicios de IA: Servicios de Inferencia y Agente, que permiten a los desarrolladores integrar funciones de IA directamente en el frontend de la aplicación, con el apoyo de The Graph.

Servicio de Inferencia: Soporte para una variedad de modelos de IA de código abierto

En los servicios de inferencia tradicionales, los modelos hacen predicciones sobre los datos de entrada utilizando recursos en la nube centralizados. Por ejemplo, ChatGPT realiza inferencias y devuelve respuestas. Sin embargo, este enfoque centralizado aumenta los costos y plantea riesgos de censura. The Graph tiene como objetivo abordar esto creando un mercado descentralizado de alojamiento de modelos, lo que brinda a los desarrolladores de dApp más flexibilidad para implementar y alojar modelos de IA.

El libro blanco proporciona un ejemplo de cómo utilizar The Graph para crear una aplicación que ayude a los usuarios de Farcaster a entender si sus publicaciones recibirán muchos me gusta. Primero, los servicios de datos de subgraph de The Graph indexan comentarios y me gusta en las publicaciones de Farcaster. A continuación, se entrena una red neuronal para predecir si se darán me gusta a nuevos comentarios de Farcaster, y la red neuronal se implementa en el servicio de inferencia de The Graph. La dApp resultante puede ayudar a los usuarios a crear publicaciones que tengan más probabilidades de recibir me gusta.

Este enfoque permite a los desarrolladores utilizar fácilmente la infraestructura de The Graph, alojar modelos pre-entrenados en la red e integrarlos en aplicaciones a través de APIs, lo que permite a los usuarios experimentar directamente estas funcionalidades al usar dApps.

Para brindar a los desarrolladores más opciones y flexibilidad, el servicio de inferencia de The Graph admite la mayoría de los modelos existentes más populares. Según el libro blanco, "En la fase MVP, el servicio de inferencia de The Graph admitirá una selección de modelos de IA de código abierto populares, incluidos Stable Diffusion, Stable Video Diffusion, LLaMA, Mixtral, Grok y Whisper." En el futuro, se podrán implementar en el servicio de inferencia de The Graph cualquier modelo abierto bien probado e indexado. Además, para reducir la complejidad técnica de implementar modelos de IA, The Graph ofrece interfaces fáciles de usar que simplifican el proceso, permitiendo a los desarrolladores cargar y gestionar sus modelos de IA sin preocuparse por el mantenimiento de la infraestructura.

Para mejorar aún más el rendimiento del modelo en aplicaciones específicas, The Graph también admite el ajuste fino de los modelos en conjuntos de datos específicos. Sin embargo, generalmente no se realiza el ajuste fino en The Graph en sí. Los desarrolladores deben ajustar los modelos externamente y luego implementar estos modelos utilizando el servicio de inferencia de The Graph. Para fomentar que los desarrolladores hagan públicos los modelos ajustados finamente, The Graph está desarrollando mecanismos de incentivos, como la distribución equitativa de las tarifas de consulta entre los creadores de modelos e indexadores.

Para garantizar la credibilidad de los resultados de la inferencia de la IA, The Graph ofrece varios métodos de verificación, que incluyen autoridades confiables, consenso M-of-N, pruebas interactivas de fraude y zk-SNARK. Cada método tiene sus ventajas e inconvenientes. Las autoridades de confianza dependen de entidades de confianza; El consenso M-de-N requiere múltiples indexadores para validar, lo que aumenta la dificultad de hacer trampa y al mismo tiempo aumenta los costos computacionales y de coordinación; Las pruebas de fraude interactivas ofrecen una gran seguridad, pero no son adecuadas para aplicaciones que requieren respuestas rápidas; Los zk-SNARK son técnicamente complejos y menos adecuados para modelos grandes.

The Graph cree que los desarrolladores y los usuarios deberían poder elegir el nivel de seguridad apropiado según sus necesidades. Por lo tanto, The Graph planea admitir varios métodos de verificación en su servicio de inferencia para adaptarse a diferentes requisitos de seguridad y escenarios de aplicación. Por ejemplo, las transacciones financieras o la lógica empresarial crítica pueden requerir métodos de verificación de seguridad más altos, como zk-SNARKs o consenso M-de-N, mientras que las aplicaciones de menor riesgo u orientadas al entretenimiento pueden optar por métodos más rentables y directos, como autoridades de confianza o pruebas interactivas de fraude. Además, The Graph planea explorar tecnologías que mejoren la privacidad para abordar problemas de privacidad del modelo y del usuario.

Servicio de Agente: Ayudando a los Desarrolladores a Construir Aplicaciones Autónomas Impulsadas por IA

Si bien el servicio de inferencia se centra principalmente en la ejecución de modelos de IA pre-entrenados para la inferencia, el servicio de agente es más complejo, ya que requiere que múltiples componentes trabajen juntos para permitir que los agentes realicen una variedad de tareas complejas y automatizadas. El servicio de agente de Graph tiene como objetivo integrar la construcción, el alojamiento y la ejecución de agentes dentro de Graph, con el soporte proporcionado por la red de indexación.

Específicamente, The Graph proporcionará una red descentralizada para apoyar la construcción y el alojamiento de Agents. Una vez que un Agente se despliega en la red de The Graph, los indexadores ofrecerán el soporte de ejecución necesario, incluida la indexación de datos y la respuesta a eventos en cadena y otras solicitudes de interacción.

Como se mencionó anteriormente, el equipo de desarrollo principal de The Graph, Semiotic Labs, ha lanzado un experimento temprano de Agent.Agentc, que combina la pila de software de indexación de The Graph con OpenAI. Su función principal es convertir las entradas de lenguaje natural en consultas SQL, lo que permite a los usuarios consultar datos en tiempo real en el blockchain y presentar los resultados de forma fácil de entender. En términos sencillos, Agentc se enfoca en proporcionar a los usuarios un análisis conveniente de las tendencias del mercado de criptomonedas y consultas de datos de transacciones, con todos los datos obtenidos de Uniswap V2, Uniswap V3, Uniswap X y sus forks en Ethereum, y los precios se actualizan por hora.

Además, The Graph ha señalado que los modelos LLM utilizados tienen una tasa de precisión de solo el 63.41%, lo que indica la posibilidad de respuestas incorrectas. Para abordar este problema, The Graph está desarrollando un nuevo tipo de modelo de lenguaje grande llamado KGLLM (Knowledge Graph-enabled Large Language Models). KGLLM utiliza datos estructurados de grafos de conocimiento proporcionados por Geo, lo que reduce significativamente la probabilidad de generar información errónea. Cada declaración en el sistema de Geo está respaldada por marcas de tiempo en cadena y validación por votación. Después de integrar el grafo de conocimiento de Geo, los Agentes pueden aplicarse a varios escenarios, incluidas regulaciones médicas, desarrollos políticos, análisis de mercado, etc., mejorando la diversidad y precisión de los servicios de los Agentes. Por ejemplo, KGLLM puede utilizar datos políticos para proporcionar sugerencias de cambios de política a organizaciones autónomas descentralizadas (DAO) y garantizar que se basen en información actual y precisa.

Las ventajas de KGLLM incluyen:

• Uso de datos estructurados:KGLLM utiliza bases de conocimiento externas estructuradas, con información modelada en forma gráfica en el grafo de conocimiento, lo que hace que las relaciones entre los datos sean fácilmente visibles e intuitivas para consultar y entender.
• Procesamiento de Datos Relacionales: KGLLM es particularmente adecuado para manejar datos relacionales, como la comprensión de las relaciones entre personas y eventos. Utiliza algoritmos de recorrido de grafos para encontrar información relevante saltando a través de varios nodos en el grafo de conocimiento (similar a moverse en un mapa). Este método ayuda a KGLLM a localizar la información más relevante para responder preguntas.
• Recuperación y generación eficientes de información:Utilizando algoritmos de recorrido de gráficos, KGLLM extrae relaciones y las convierte en indicaciones de lenguaje natural que el modelo puede entender. Estas instrucciones claras permiten que KGLLM genere respuestas más precisas y relevantes.

Perspectiva

Como el "Google de Web3," The Graph aborda la actual escasez de datos en los servicios de IA y simplifica el proceso de desarrollo para los desarrolladores a través de sus servicios de IA. Con el desarrollo y la adopción de más aplicaciones de IA, se espera que las experiencias de usuario mejoren aún más. En el futuro, el equipo de desarrollo de The Graph seguirá explorando las posibilidades de integrar la IA con Web3. Además, otros equipos dentro de su ecosistema, como Playgrounds Analytics y DappLooker, también están diseñando soluciones relacionadas con los servicios de agente.

Descargo de responsabilidad：

1. Este artículo es reimpreso de [Investigación de ChainFeeds], Todos los derechos de autor pertenecen al autor original [LindaBell]. Si hay objeciones a esta reimpresión, por favor contacte al Gate Learnequipo y lo resolverán rápidamente.
2. Descargo de responsabilidad: Los puntos de vista y opiniones expresados en este artículo son únicamente los del autor y no constituyen ningún consejo de inversión.
3. Las traducciones del artículo a otros idiomas son realizadas por el equipo de Gate Learn. A menos que se mencione, está prohibido copiar, distribuir o plagiar los artículos traducidos.