Em 2022, a OpenAI lançou o modelo GPT-3.5 impulsionado pelo ChatGPT, iniciando uma onda de narrativas de IA. Embora o ChatGPT geralmente tenha um bom desempenho ao lidar com consultas, ele pode ser limitado ao lidar com conhecimento específico de domínio ou dados em tempo real. Por exemplo, ele tem dificuldade em fornecer informações detalhadas e confiáveis sobre as transações de tokens de Vitalik Buterin nos últimos 18 meses. Para resolver isso, a equipe de desenvolvimento principal da The Graph, Semiotic Labs, combinou a pilha de software de indexação da The Graph com a OpenAI para lançar a Agentcprojeto, oferecendo análise de tendências de mercado de criptomoedas e serviços de consulta de dados de transação.

Ao consultar o Agente sobre as transações de token de Vitalik Buterin nos últimos 18 meses, ele fornece uma resposta mais abrangente. No entanto, as ambições de IA do The Graph vão além disso. Seu white paper intitulado “O Gráfico como Infraestrutura de IA“ delimita seu objetivo não lançar um aplicativo específico, mas aproveitar seu protocolo de indexação de dados descentralizados para fornecer aos desenvolvedores ferramentas para construir aplicativos de IA nativos da Web3. Para apoiar esse objetivo, a Semiotic Labs também tornará o código-fonte do Agentc de código aberto, permitindo que os desenvolvedores criem aplicativos de IA semelhantes ao Agentc, como agentes de análise de tendências de mercado de NFT e assistentes de negociação DeFi.

O roteiro de IA descentralizada do Graph

Lançado em julho de 2018, o The Graph é um protocolo descentralizado para indexação e consulta de dados de blockchain. Os desenvolvedores podem usar APIs abertas para criar e implantar índices de dados chamados subgrafos, permitindo que aplicativos recuperem dados on-chain. Até o momento, o The Graph suporta mais de 50 cadeias, hospeda mais de 75.000 projetos e processou mais de 1,26 trilhão de consultas.

A capacidade do Graph de lidar com dados tão massivos é suportada por suas equipes principais, incluindo Edge & Node, Streamingfast, Semiotic, The Guild, GraphOps, Messari e Pinax. A Streamingfast fornece tecnologia de arquitetura cross-chain para fluxos de dados de blockchain, enquanto a Semiotic AI foca na integração de IA e criptografia ao Graph. The Guild, GraphOps, Messari e Pinax são especializados em áreas como desenvolvimento GraphQL, serviços de indexação, desenvolvimento de subgráficos e soluções de fluxo de dados.

A estratégia de IA do The Graph não é nova. Em março passado, o blog The Graph publicadoum artigo delineando o potencial para aplicações de IA usando suas capacidades de indexação de dados. Em dezembro, o Graph revelou seu Nova Era“rota de desenvolvimento, que inclui planos para adicionar consultas assistidas por modelos de linguagem (LLM). O recente white paper esclarece ainda mais sua rota de IA, introduzindo dois serviços de IA: Serviços de Inferência e Agente, que permitem que os desenvolvedores integrem funções de IA diretamente na interface do aplicativo, com suporte do The Graph.

Serviço de Inferência: Suportando uma variedade de modelos de IA de código aberto

Nos serviços de inferência tradicionais, os modelos fazem previsões sobre os dados de entrada usando recursos centralizados na nuvem. Por exemplo, o ChatGPT realiza inferência e retorna respostas. No entanto, essa abordagem centralizada aumenta os custos e representa riscos de censura. O Graph tem como objetivo abordar isso, criando um mercado descentralizado de hospedagem de modelos, oferecendo aos desenvolvedores de dApp mais flexibilidade na implantação e hospedagem de modelos de IA.

O white paper fornece um exemplo de como usar o The Graph para criar um aplicativo que ajuda os usuários do Farcaster a entender se suas postagens receberão muitos likes. Primeiro, os serviços de dados do subgrafo do The Graph indexam comentários e likes em postagens do Farcaster. Em seguida, uma rede neural é treinada para prever se novos comentários do Farcaster serão curtidos, e a rede neural é implantada no serviço de inferência do The Graph. O dApp resultante pode ajudar os usuários a criar postagens que provavelmente receberão likes.

Esta abordagem permite aos desenvolvedores utilizar facilmente a infraestrutura do The Graph, hospedar modelos pré-treinados na rede e integrá-los em aplicativos através de APIs, permitindo aos usuários experimentar diretamente essas funcionalidades ao usar dApps.

Para fornecer aos desenvolvedores mais opções e flexibilidade, o Serviço de Inferência do The Graph suporta a maioria dos modelos existentes mais populares. De acordo com o white paper, 'Na fase MVP, o Serviço de Inferência do The Graph suportará uma seleção de modelos de IA de código aberto populares, incluindo Stable Diffusion, Stable Video Diffusion, LLaMA, Mixtral, Grok e Whisper'. No futuro, quaisquer modelos abertos bem testados e indexados podem ser implantados no Serviço de Inferência do The Graph. Além disso, para reduzir a complexidade técnica da implantação de modelos de IA, o The Graph oferece interfaces amigáveis ​​ao usuário que simplificam o processo, permitindo que os desenvolvedores façam upload e gerenciem seus modelos de IA sem se preocupar com a manutenção da infraestrutura.

Para melhorar ainda mais o desempenho do modelo em aplicações específicas, o The Graph também suporta aprimoramento dos modelos em conjuntos de dados específicos. No entanto, geralmente o aprimoramento é realizado externamente ao The Graph. Os desenvolvedores precisam aprimorar os modelos externamente e, em seguida, implantar esses modelos usando o serviço de inferência do The Graph. Para incentivar os desenvolvedores a tornarem os modelos aprimorados publicamente disponíveis, o The Graph está desenvolvendo mecanismos de incentivo, como a distribuição equitativa das taxas de consulta entre os criadores de modelos e os indexadores.

Para garantir a credibilidade dos resultados de inferência da IA, The Graph oferece vários métodos de verificação, incluindo autoridades confiáveis, consenso M-de-N, provas de fraude interativas e zk-SNARKs. Cada método tem suas vantagens e desvantagens. As autoridades confiáveis contam com entidades confiáveis; o consenso M-de-N requer vários indexadores para validar, aumentando a dificuldade de trapaça e também os custos computacionais e de coordenação; as provas de fraude interativas oferecem segurança forte, mas não são adequadas para aplicativos que requerem respostas rápidas; zk-SNARKs são tecnicamente complexos e menos adequados para modelos grandes.

O Graph acredita que os desenvolvedores e usuários devem ser capazes de escolher o nível de segurança apropriado com base em suas necessidades. Portanto, o Graph planeja suportar vários métodos de verificação em seu serviço de inferência para acomodar diferentes requisitos de segurança e cenários de aplicação. Por exemplo, transações financeiras ou lógica de negócios críticos podem exigir métodos de verificação de segurança mais altos, como zk-SNARKs ou consenso M-de-N, enquanto aplicativos de menor risco ou orientados para entretenimento podem optar por métodos mais econômicos e diretos, como autoridades confiáveis ou provas de fraude interativas. Além disso, o Graph planeja explorar tecnologias de aprimoramento de privacidade para lidar com problemas de privacidade de modelo e usuário.

Serviço de Agente: Auxiliando desenvolvedores na construção de aplicativos autônomos conduzidos por IA

Enquanto o Serviço de Inferência se concentra principalmente na execução de modelos de IA pré-treinados para inferência, o Serviço de Agente é mais complexo, exigindo que vários componentes trabalhem juntos para permitir que os Agentes realizem uma variedade de tarefas complexas e automatizadas. O Serviço de Agente do Graph tem como objetivo integrar a construção, hospedagem e execução de Agentes dentro do Graph, com suporte fornecido pela rede de indexadores.

Especificamente, o Graph fornecerá uma rede descentralizada para suportar a construção e hospedagem de Agents. Uma vez que um Agent é implantado na rede Graph, os indexers oferecerão suporte de execução necessário, incluindo a indexação de dados e a resposta a eventos on-chain e outras solicitações de interação.

Como mencionado anteriormente, a equipe de desenvolvimento central do The Graph, Semiotic Labs, lançou um experimento inicial do Agente.Agentcque combina o conjunto de software de indexação do The Graph com o OpenAI. Sua principal função é converter entradas de linguagem natural em consultas SQL, permitindo que os usuários consultem dados em tempo real no blockchain e apresentem os resultados em um formato de fácil compreensão. Em termos simples, o Agentc se concentra em fornecer aos usuários análises de tendências convenientes do mercado de criptomoedas e consultas de dados de transações, com todos os dados provenientes do Uniswap V2, Uniswap V3, Uniswap X e seus forks no Ethereum, e os preços são atualizados a cada hora.

Além disso, o Graph observou que os modelos LLM usados têm uma taxa de precisão de apenas 63,41%, indicando potencial para respostas incorretas. Para resolver esse problema, o Graph está desenvolvendo um novo tipo de modelo de linguagem grande chamado KGLLM (Knowledge Graph-enabled Large Language Models). KGLLM usa dados estruturados de grafo de conhecimento fornecidos por Geo, reduzindo significativamente a probabilidade de gerar informações errôneas. Cada declaração no sistema de Geo é apoiada por carimbos de data/hora na cadeia e validação por votação. Após integrar o grafo de conhecimento do Geo, os Agentes podem ser aplicados a vários cenários, incluindo regulamentos médicos, desenvolvimentos políticos, análise de mercado, etc., melhorando a diversidade e a precisão dos serviços do Agente. Por exemplo, o KGLLM pode usar dados políticos para fornecer sugestões de mudanças de políticas para organizações autônomas descentralizadas (DAOs) e garantir que elas sejam baseadas em informações atuais e precisas.

As vantagens do KGLLM incluem:

• Uso de Dados Estruturados:KGLLM utiliza bases de conhecimento externas estruturadas, com informações modeladas em forma gráfica no grafo de conhecimento, tornando as relações entre os dados facilmente visíveis e intuitivas para consulta e compreensão.
• Processamento de Dados Relacionais:KGLLM é especialmente adequado para lidar com dados relacionais, como entender as relações entre pessoas e eventos. Ele usa algoritmos de travessia de gráfico para encontrar informações relevantes pulando por vários nós no grafo de conhecimento (similar a se mover em um mapa). Este método ajuda o KGLLM a localizar as informações mais relevantes para responder perguntas.
• Recuperação e Geração Eficiente de Informações:Usando algoritmos de travessia de gráfico, o KGLLM extrai relacionamentos e os converte em prompts de linguagem natural que o modelo pode entender. Essas instruções claras permitem que o KGLLM gere respostas mais precisas e relevantes.

Perspectiva

Como o "Google do Web3", o The Graph aborda as atuais escassez de dados em serviços de IA e simplifica o processo de desenvolvimento para os desenvolvedores através de seus serviços de IA. Com o desenvolvimento e adoção de mais aplicações de IA, espera-se que as experiências do usuário melhorem ainda mais. No futuro, a equipe de desenvolvimento do The Graph continuará a explorar as possibilidades de integração de IA com Web3. Além disso, outras equipes dentro de seu ecossistema, como Playgrounds Analytics e DappLooker, também estão projetando soluções relacionadas a serviços de Agent.

Aviso Legal:

1. Este artigo é reproduzido de [Pesquisa ChainFeeds], Todos os direitos autorais pertencem ao autor original [LindaBell]. Se houver objeções a este reenvio, entre em contato com o Gate Learnequipe e eles vão lidar com isso prontamente.
2. Aviso de Responsabilidade: As opiniões expressas neste artigo são exclusivamente do autor e não constituem qualquer conselho de investimento.
3. As traduções do artigo para outros idiomas são feitas pela equipe do Gate Learn. A menos que mencionado, copiar, distribuir ou plagiar os artigos traduzidos é proibido.