介紹HyperAGI團隊和專案背景

HyperAGI 是第一個由社區驅動的去中心化 AI 專案，其 AI Rune HYPER·AGI·代理。HyperAGI 團隊深耕 AI 領域多年，在 Web3 生成式 AI 應用方面積累了豐富的經驗。三年前，HyperAGI團隊利用生成式AI創建2D圖像和3D模型，在區塊鏈上構建了一個名為MOSSAI的開放世界，該世界由數千個AI生成的島嶼組成。他們還為人工智慧生成的不可替代加密資產NFG提出了一個標準。然而，當時還沒有開發出用於人工智慧模型訓練和生成的去中心化解決方案。僅靠平臺的GPU資源不足以支援大量使用者，阻止了爆炸式增長。隨著大型語言模型 （LLM） 的興起點燃了公眾對 AI 的興趣，HyperAGI 推出了其去中心化 AI 應用平臺，並於 2024 年第一季度開始在乙太坊和比特幣 L2 上進行測試。

HyperAGI專注於去中心化的人工智慧應用，旨在培養自主的加密貨幣經濟。其最終目標是建立無條件基本代理收入（UBAI）。它繼承了比特幣強大的安全性和去中心化，並通過創新的有用工作量證明 （PoUW） 共識機制得到增強。消費級GPU節點無需許可即可加入網路，通過執行AI推理和3D渲染等PoUW任務$HYPT挖掘本地代幣。

用戶可以使用各種工具開發由 LLM 驅動的人格證明 （PoP） AGI 代理。這些代理可以配置為元宇宙中的聊天機器人或 3D/XR 實體。AI 開發人員可以即時使用或部署 LLM AI 微服務，從而促進創建可程式設計、自主的鏈上代理。這些可程式設計代理可以發行或擁有加密貨幣資產，持續運營或交易，為支援UBAI實現的充滿活力、自主的加密經濟做出貢獻。持有HYPER·AGI·AGENT rune 代幣有資格在比特幣第 1 層鏈上創建 PoP 代理，並且可能很快有資格獲得其代理的基本福利。

什麼是 AI 代理？HyperAGI的代理與其他代理有何不同？

人工智慧代理的概念在學術界並不新鮮，但當前的市場炒作使這個詞越來越令人困惑。HyperAGI 的代理是指 LLM 驅動的具身代理，可以在 3D 虛擬模擬環境中進行訓練並與使用者交互，而不僅僅是 LLM 驅動的聊天機器人。HyperAGI智慧體可以存在於虛擬數位世界和真實的物理世界中。目前，HyperAGI代理正在與機器狗、無人機和人形機器人等物理機器人集成。未來，這些代理將能夠將增強的訓練從虛擬3D世界下載到物理機器人，以便更好地執行任務。

此外，HyperAGI代理完全歸使用者所有，具有社會經濟意義。代表使用者的 PoP 代理可以接收 UBAI 以調整基本代理收入。HyperAGI智慧體分為代表個人使用者的PoP（Proof of Personhood）智慧體和普通功能智慧體。在HyperAGI的代理經濟中，PoP代理可以以代幣的形式獲得基本收入，激勵用戶參與其PoP代理的培訓和互動。這有助於積累證明人類個性的數據，而UBAI體現了AI的平等和民主。

AGI是炒作還是會很快成為現實？與其他人工智慧專案相比，HyperAGI的研發路徑有哪些不同和特點？

雖然通用人工智慧（AGI）的定義尚未統一，但幾十年來一直被視為人工智慧學術界和工業界的聖杯。雖然基於 Transformer 的大型語言模型 （LLM） 正在成為各種 AI 代理和 AGI 的核心，但 HyperAGI 並不完全同意這一觀點。LLM確實提供了新穎便捷的資訊提取，以及基於自然語言的規劃和推理能力。然而，它們從根本上說是數據驅動的深度神經網路。幾年前，在大數據熱潮期間，我們瞭解到這樣的系統本質上會受到GIGO（垃圾輸入，垃圾輸出）的影響。LLM缺乏高級智慧的一些基本特徵，例如具身化，這使得這些AI或代理難以理解人類使用者的世界模型或制定計劃並採取行動來解決現實世界的問題。此外，LLM 不會表現出更高的認知活動，如自我意識、反思或內省。

我們的創始人Landon Wang在人工智慧領域擁有豐富而長期的研究經驗。2004年，他提出了面向方面的人工智慧 （AOAI），這是一項將神經啟發計算與面向方面程式設計 （AOP） 相結合的創新。方面是指對象之間多個關係或約束的封裝。例如，神經元是與多個其他細胞的關係或約束的封裝。具體來說，神經元通過從神經元體延伸的纖維和突觸與感覺或運動細胞相互作用，使每個神經元都包含這種關係和邏輯。每個 AI 代理都可以被視為解決問題的特定方面，從技術上講，它可以建模為一個方面。

在人工神經網路的軟體實現中，神經元或層通常被建模為物件，這在面向對象的程式設計語言中是可以理解和維護的。然而，這使得神經網路的拓撲結構難以調整，神經元的啟動序列相對殭化。雖然這在執行簡單的高強度計算（例如在 LLM 訓練和推理中）顯示出強大的功能，但它在靈活性和適應性方面表現不佳。另一方面，在AOAI中，神經元或層被建模為方面而不是物件。這種神經網路架構具有很強的適應性和靈活性，使得神經網路的自我演化成為可能。

HyperAGI將高效的LLM與可進化的AOAI相結合，形成了一條將傳統人工神經網路的效率與AO神經網路的自進化特性相結合的路徑。迄今為止，這被視為實現AGI的可行方法。

HyperAGI的願景是什麼

HyperAGI的願景是實現無條件基本代理收入（UBAI），建立一個技術公平地為每個人服務的未來，打破剝削的迴圈，並創建一個真正去中心化和公平的數字社會。與其他只聲稱致力於UBI的區塊鏈專案不同，HyperAGI的UBAI在代理經濟中具有明確的實施路徑，而不是一個無法實現的理想。

中本聰（Satoshi Nakamoto）推出的比特幣對人類來說是一項巨大的創新，但它只是一種去中心化的數位貨幣，沒有實際效用。人工智慧的重大進步和興起使得通過去中心化模式創造價值成為可能。在這種模式中，人們受益於在機器上運行的人工智慧，而不是從他人的價值中受益。一個基於代碼的真正加密世界正在出現，所有機器都是為了人類的利益和福祉而創建的。

在這樣的加密世界中，人工智慧代理之間可能仍然存在等級制度，但人類的剝削被消除了，因為代理本身可能擁有某種形式的自主權。人工智慧的最終目的和意義是為人類服務，正如編碼在區塊鏈上的那樣。

比特幣 L2 與 AI 之間的關係，以及為什麼要在比特幣 L2 上構建 AI

1. 比特幣 L2 作為 AI 代理的支付方式

   比特幣目前是「最大中立性」的縮影，使其非常適合從事價值交易的人工智慧代理。比特幣消除了法定貨幣固有的低效率和“摩擦”。作為一種「數位原生」媒介，比特幣為人工智慧進行價值交換提供了天然基礎。比特幣 L2 增強了比特幣的可程式設計能力，滿足了 AI 價值交換所需的速度要求，從而將比特幣定位為 AI 的原生貨幣。

2. 比特幣 L2 上的去中心化 AI 治理

   當前 AI 集中化的趨勢使分散的 AI 對齊和治理成為焦點。Bitcoin L2 更強大的智慧合約可以作為規範 AI 代理行為和協定模型的規則，實現去中心化的 AI 對齊和治理模型。此外，比特幣最大中立性的特點使得在人工智慧的一致性和治理方面更容易達成共識。

3. 在比特幣 L2 上發行 AI 資產

   除了在比特幣 L1 上發行 AI 代理作為資產外，比特幣 L2 的高性能可以滿足 AI 代理發行 AI 資產的需求，這將是代理經濟的基礎。

4. AI 代理作為比特幣和比特幣 L2 的殺手級應用程式

   由於性能問題，比特幣自誕生以來一直沒有實際應用，除了作為一種價值儲存手段。比特幣進入 L2 獲得了更強大的可程式設計性。人工智慧代理通常用於解決現實世界的問題，因此比特幣驅動的人工智慧代理可以真正應用。人工智慧代理使用的規模和頻率可能成為比特幣和L2的殺手級應用。雖然人類經濟可能不會優先考慮比特幣作為支付方式，但機器人經濟可能會。大量 24/7 全天候工作的 AI 代理可以不知疲倦地使用比特幣進行和接收小額支付。對比特幣的需求可能會以目前無法想像的方式顯著增加。

5. AI 計算增強比特幣 L2 安全性

   人工智慧計算可以補充比特幣的工作量證明（PoW），甚至可以用有用工作量證明（PoUW）取代PoW，革命性地確保安全性，同時將目前用於比特幣挖礦的能量注入人工智慧代理。人工智慧可以利用 L2 將比特幣變成一個智慧的綠色區塊鏈，這與乙太坊的 PoS 機制不同。我們提出的基於3D/AI計算的PoUW的超圖共識將在稍後介紹。

與其他去中心化人工智慧專案相比，HyperAGI的獨特之處是什麼？

HyperAGI 憑藉其獨特的願景、解決方案和技術在 Web3 AI 領域脫穎而出。HyperAGI的方法包括GPU算力、AI體現和資產化的共識，使其成為一個去中心化的混合AI-金融應用。近日，學術界提出了去中心化AI平臺應具備的五大特徵，我們根據這五大特點對現有的去中心化AI專案進行了簡要的回顧和比較。去中心化AI平臺的五大特點：

1. 遠端運行的 AI 模型的可驗證性
   • 去中心化可驗證性包括數據可用性和零知識 （ZK） 證明等技術。
2. 公開可用的 AI 模型的可用性
   • 可用性取決於 AI 模型（主要是 LLM）API 節點是否是點對點的，以及網路是否完全去中心化。
3. 對 AI 開發人員和用戶的激勵
   • 公平的代幣生成機制對於激勵至關重要。
4. 數字社會中基本解決方案的全球治理
   • 人工智慧治理應該是中立的和共識驅動的。
5. 無供應商鎖定
   • 該平台應該完全去中心化。

基於這些特徵的現有去中心化人工智慧項目的比較：

1. 遠端運行的 AI 模型的可驗證性
   • Giza：基於ZKML共識機制，Giza滿足可驗證性要求，但目前存在性能問題，尤其是大型模型。
   • Cortex AI：五年前啟動的去中心化 AI L1 專案，Cortex AI 將新指令整合到 EVM 中以支援神經網路計算，但無法滿足大型 LLM 模型的需求。
   • Ofelimos：PoUW在密碼學社區中的第一個提案，但與特定的應用程式或項目無關。
   • PAI 專案：在白皮書中提到了 PoUW，但缺少產品。
   • Qubic：提出使用多個GPU進行人工神經網路計算的PoUW，但其實際應用尚不清楚。
   • FLUX：使用 PoW ZelHash，而不是 PoUW。
   • Coinai：在研究階段，缺乏嚴格的共識機制。
2. 不符合可驗證性標準的專案包括：
   • GPU 計算租賃專案：缺乏去中心化的可驗證性機制，如 DeepBrain Chain、EMC、Atheir、IO.NET、CLORE。人工智慧等。
   • DeepBrain Chain：專注於GPU租賃，於2021年上線主網。
   • EMC：集中式任務分配和獎勵，缺乏分散的共識。
   • Athey和 IO.NET：沒有觀察到共識機制。
   • 克洛爾。AI：利用眾包、鏈上支付進行 AI 模型發佈和 NFT 發行，但缺乏可驗證性。類似的專案包括 SingularityNET、Bittensor、AINN、Fetch.ai、Ocean Protocol 和 Algovera.ai。
3. 公開可用的 AI 模型的可用性
   • Cortex AI 和 Qubic：未觀察到對 LLM 的支援。

現有的去中心化人工智慧項目都沒有完全解決這五個問題。然而，HyperAGI 是一個完全去中心化的 AI 協定，基於 Hypergraph PoUW 共識機制和完全去中心化的比特幣 L2 堆棧，並計劃在未來升級到比特幣 AI 專用的 L2。

HyperAGI的獨特功能：

• Hypergraph PoUW 共識機制：以最有效的方式確保網路安全，利用礦工為 LLM 推理和雲渲染服務提供的所有計算能力。
• 完全去中心化的平臺：基於比特幣 L2 堆疊，確保平臺不受供應商鎖定，並促進對 AI 治理的輕鬆共識。
• 可驗證性和可用性：PoUW的願景確保計算能力可用於解決提交給去中心化網路的各種問題，解決遠端運行的AI模型的可驗證性，並使公開可用的AI模型可用。

HyperAGI 不僅滿足去中心化 AI 平臺所需的特性，而且還通過在去中心化框架內獨特地集成 GPU 計算能力和 AI 資產化來推動該領域的發展。

為什麼是現在？

1. LLM的爆炸式增長及其應用

OpenAI 的 ChatGPT 在短短三個月內就達到了 1 億使用者，引發了全球對大型語言模型 （LLM） 的開發、應用和投資的激增。然而，到目前為止，LLM的技術和培訓已經高度集中。這種集中化引起了學術界、工業界和公眾對少數主要供應商對人工智慧技術的壟斷、數據隱私洩露、雲計算公司的侵佔和供應商鎖定的重大擔憂。這些問題從根本上源於中心化平臺對互聯網和應用閘道的控制，不適合大規模的人工智慧應用。人工智慧社區已經開始實施一些本地運營和去中心化的人工智慧專案。例如，Ollama 代表本地執行，Petals 代表去中心化。Ollama 使用參數壓縮或降精度方法，使中小型 LLM 能夠在個人電腦甚至手機上運行，從而保護用戶數據隱私和其他權利。但是，這種方法顯然難以支援生產環境和網路應用程式。另一方面，Petals 通過 Bittorrent 的 Peer2Peer 技術實現了完全去中心化的 LLM 推理。然而，Petals缺乏共識和激勵層協定，仍然局限於一小部分研究人員。

2. LLM 驅動的智慧代理

在LLM的支援下，智慧代理可以執行更高層次的推理，並具備一定的規劃能力。利用自然語言，多個智慧代理可以形成類似於人類的社交協作。已經提出了幾個LLM驅動的智慧代理框架，例如Microsoft的AutoGen，Langchain和CrewAI。目前，大量的AI創業者和開發者正在關注LLM驅動的智慧代理及其應用的方向。對穩定、可擴展的 LLM 推理的需求很高，但這主要是通過從雲計算公司租用 GPU 推理實例來實現的。2024 年 3 月，英偉達發佈了包括 LLM 在內的生成式 AI 微服務平臺 ai.nvidia.com，以滿足這一巨大需求，儘管它尚未正式推出。LLM驅動的智慧代理正在蓬勃發展，就像網站開發曾經做過的那樣。然而，協作仍然主要在傳統的 Web2 模式下進行，智慧代理開發人員需要租用 GPU 或從 LLM 提供商處採購 API 來支援這些代理的運行。這造成了巨大的摩擦，阻礙了智慧代理生態系統的快速增長和智慧代理經濟中的價值傳遞。

3. 具身智慧體類比環境

目前，大多數代理只能通過代碼或腳本、編寫 LLM 生成的控制命令或讀取外部狀態來訪問和操作某些 API，或與這些 API 進行交互。一般的智慧代理不僅要理解和生成自然語言，還要理解人類世界。經過適當的培訓后，他們應該能夠轉移到機器人系統（如無人機、吸塵器、人形機器人等）來完成特定任務。這些代理稱為具體代理。訓練具身智慧體需要大量真實世界的視覺數據，以幫助它們更好地理解特定環境和現實世界，從而縮短機器人的訓練和開發時間，提高訓練效率，降低成本。目前，用於訓練具身智慧的類比環境由少數公司構建和擁有，例如Microsoft的Minecraft和Nvidia的Isaac Gym。沒有去中心化的環境來滿足具身智慧的訓練需求。最近，一些遊戲引擎開始專注於人工智慧，比如 Epic 的虛幻引擎，它正在推廣符合 OpenAI GYM 的 AI 訓練環境。

4. 比特幣 L2 生態系統

儘管比特幣側鏈已經存在多年，但它們主要用於支付，缺乏對智慧合約的支援阻礙了複雜的鏈上應用。相容 EVM 的比特幣 L2 的出現使比特幣能夠通過 L2 支援去中心化的 AI 應用程式。去中心化的人工智慧需要一個完全去中心化的、計算佔主導地位的區塊鏈網路，而不是越來越集中的PoS區塊鏈網路。為原生比特幣資產引入新的協定，如銘文和序數，使基於比特幣的生態系統和應用程式的建立成為可能。例如，HYPER•AGI•AGENT'S FAIR LAUNCH MINT 在一小時內完成，未來，HyperAGI 將在比特幣上發行更多 AI 資產和社區驅動的應用程式。

HyperAGI的技術框架和解決方案

1.如何實現去中心化的LLM驅動的AI智慧代理應用平臺？

當今去中心化人工智慧的主要挑戰是實現大型人工智慧模型的遠端推理，以及使用高性能、低開銷的可驗證演算法對具身智慧代理進行訓練和推理。如果沒有可驗證性，系統將回歸傳統的多方市場模式，涉及供應商、需求方和平台運營商，而不是實現完全去中心化的人工智慧應用平臺。

可驗證的 AI 計算需要 PoUW（有用工作證明）共識演算法。這是權力下放激勵機制的基礎。具體來說，在網路激勵中，代幣的鑄造是由節點完成計算任務並提交可驗證結果來執行的，而不是任何中心化實體將代幣轉移到節點上。

為了實現可驗證的AI計算，我們首先需要定義AI計算本身。人工智慧計算包括許多層次，從低級機器指令和CUDA指令到C++和Python等高級語言。同樣，在具身智慧代理的訓練中，3D 計算也存在於各個層面，包括著色器語言、OpenGL、C++ 和藍圖腳本。

HyperAGI 的 PoUW 共識演算法是使用計算圖實現的。計算圖被定義為節點對應於數學運算的有向圖。它是一種表達和計算數學表達式的方法，本質上是一種描述方程的“語言”，包含節點（變數）和邊（運算或簡單函數）。

可驗證的 AI 計算實現：

1.1 使用計算圖定義可驗證計算

任何計算（例如，3D 和 AI 計算）都可以使用計算圖來定義。不同級別的計算可以用子圖表示。這種方法包括各種類型的計算，並通過子圖表達不同的計算級別。目前，它涉及兩層：頂級計算圖部署在鏈上，方便節點驗證。

1.2 LLM模型和3D場景的分散載入和執行

LLM 模型和 3D 場景關卡以完全分散的方式載入和運行。當使用者訪問 LLM 模型進行推理或進入 3D 場景進行渲染時，HyperAGI 智慧代理將啟動另一個可信節點來運行相同的超圖（LLM 或 3D 場景）。

1.3 計算結果的驗證

如果驗證節點發現節點提交的結果與可信節點提交的結果不一致，則對第二層計算圖（子圖）的鏈下計算結果進行二分搜索，定位子圖內發散的計算節點（算子）。子圖運算子被預先部署到智慧合約中。通過將不一致算子的參數傳遞給智慧合約並執行算子，可以驗證結果。

2. 如何避免過多的計算開銷？

可驗證 AI 計算的一個重大挑戰是管理額外的計算開銷。在拜占庭共識協定中，必須有 2/3 的節點同意才能形成共識。對於AI推理共識來說，這意味著所有節點都需要完成相同的計算，這在AI計算中是不可接受的浪費。然而，HyperAGI 只需要 1 到 （m） 個節點來執行額外的計算以進行驗證。

2.1 LLM推理的伴隨計算

每個 LLM 推理都不是獨立運行的。HyperAGI智慧代理至少啟動一個受信任的節點進行“伴隨計算”。由於 LLM 推理由深度神經網路執行，其中每一層的計算結果都用作下一層的輸入，直到推理完成，因此多個使用者可以同時訪問同一個大型 LLM 模型。因此，最多需要啟動等於 LLM （m） 數量的額外可信節點。“伴隨計算”至少只需要一個受信任的節點。

2.2 3D場景渲染計算

3D場景渲染遵循類似的原理。當使用者進入場景並啟動超圖時，HyperAGI智慧代理會基於超圖載入可信節點，以執行相應的超圖計算。如果（m）用戶進入不同的3D場景，則最多需要啟動（m）個可信節點進行“伴隨計算”。

總之，參與額外計算的節點數在 1 到 （n + m） 之間（其中 （n） 是進入 3D 場景的用戶數，（m） 是 LLM 數）。該分佈遵循高斯分佈，在保證網路驗證效率的同時，有效避免了資源浪費。

AI 如何與 Web3 融合形成半人工智慧和半金融應用

AI 開發人員可以將智慧代理部署為智慧合約，合約包含頂級超圖鏈上數據。使用者或其他智慧代理可以調用這些智慧代理合約的方法並支付相應的代幣。提供服務的智慧代理必須完成相應的計算並提交可驗證的結果。此設置可確保使用者或其他智慧代理與智慧代理之間的分散式業務交互。

智慧代理在完成任務後不會擔心收不到代幣，支付方也不需要擔心在沒有獲得正確的業務計算結果的情況下支付代幣。智慧代理服務的能力和價值由智慧代理資產（包括 ERC-20、ERC-721 或 ERC-1155 NFT）的二級市場價格和市場價值決定。

超越半人工智慧和半金融應用

HyperAGI的應用並不局限於半人工智慧和半金融應用。它旨在實現UBAI（通用基礎 AI），構建一個技術平等服務於每個人的未來，打破剝削迴圈，創造一個真正去中心化和公平的數字社會。

陳述：

1. 本文轉載自【techflow deep tide】，原標題為《HyperAGI訪談：構建真正的AI代理，打造自主的加密貨幣經濟》，版權歸原作者所有【五】，如對轉載有異議，請聯繫 Gate Learn團隊，團隊將按照相關程序儘快處理。

2. 免責聲明：本文所表達的觀點和意見僅代表作者的個人觀點，不構成任何投資建議。

3. 文章的其他語言版本由Gate Learn團隊翻譯， 未在 Gate.io 中提及，翻譯后的文章不得轉載、分發或抄襲。