Em 2022, a OpenAI lançou o ChatGPT impulsionado pelo modelo GPT-3.5, iniciando uma onda de narrativas de IA. Embora o ChatGPT geralmente tenha um bom desempenho no tratamento de consultas, pode ser limitado ao lidar com conhecimentos específicos de domínio ou dados em tempo real. Por exemplo, ele tem dificuldades em fornecer informações detalhadas e confiáveis sobre as transações de tokens de Vitalik Buterin nos últimos 18 meses. Para lidar com isso, a equipe principal de desenvolvimento do The Graph, Semiotic Labs, combinou o software de indexação do The Graph com a OpenAI para lançar o Agentcprojeto, oferecendo análise de tendências de mercado de criptomoedas e serviços de consulta de dados de transações.

Ao consultar a Agentc sobre as transações de tokens de Vitalik Buterin nos últimos 18 meses, ela fornece uma resposta mais abrangente. No entanto, as ambições de IA do The Graph vão além disso. Seu white paper intitulado "O Graph como Infraestrutura de IA“esboça o seu objetivo de não lançar uma aplicação específica, mas sim de aproveitar o seu protocolo de indexação de dados descentralizados para fornecer aos desenvolvedores ferramentas para construir aplicações de IA nativas da Web3. Para apoiar este objetivo, a Semiotic Labs também irá disponibilizar o código-fonte do Agentc, permitindo aos desenvolvedores criar dApps de IA semelhantes ao Agentc, como agentes de análise de tendências de mercado NFT e assistentes de negociação DeFi.

O Roadmap de IA Descentralizada do Graph

Lançado em julho de 2018, The Graph é um protocolo descentralizado para indexação e consulta de dados blockchain. Os desenvolvedores podem usar APIs abertas para criar e implantar índices de dados chamados subgráficos, permitindo que aplicativos obtenham dados on-chain. Até o momento, The Graph suporta mais de 50 chains, 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 blockchain, enquanto a Semiotic AI foca na integração de IA e criptografia no 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 da The Graph não é nova. Em março passado, o Blog da The Graph publicadoum artigo que descreve o potencial de aplicações de IA usando suas capacidades de indexação de dados. Em dezembro, o Graph revelou seu "Nova Era"roadmap, que inclui planos para adicionar consultas assistidas por modelos de linguagem grande (LLM). O recente white paper esclarece ainda mais o seu roadmap de IA, introduzindo dois serviços de IA: Serviços de Inferência e Agente, que permitem aos desenvolvedores integrar funções de IA diretamente no frontend da aplicação, com suporte de 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 em nuvem centralizados. Por exemplo, o ChatGPT realiza a 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 de hospedagem de modelos descentralizados, dando aos desenvolvedores de dApps mais flexibilidade na implantação e hospedagem de modelos de IA.

O white paper fornece um exemplo de como usar o The Graph para criar uma aplicação que ajuda os usuários do Farcaster a entender se seus posts receberão muitos likes. Primeiro, os serviços de dados do subgráfico do The Graph indexam comentários e likes em posts 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 posts que têm mais probabilidade de receber likes.

Esta abordagem permite aos desenvolvedores utilizar facilmente a infraestrutura do The Graph, hospedar modelos pré-treinados na rede e integrá-los em aplicações através de APIs, permitindo aos utilizadores experimentar diretamente estas 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 populares. De acordo com o white paper, "Na fase MVP, o Serviço de Inferência do The Graph suportará uma seleção de modelos de IA open-source 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 de implantar 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 ajuste fino de modelos em conjuntos de dados específicos. No entanto, geralmente não é realizado ajuste fino no The Graph em si. Os desenvolvedores precisam ajustar os modelos externamente e, em seguida, implantar esses modelos usando o serviço de inferência do The Graph. Para incentivar os desenvolvedores a tornarem públicos modelos ajustados finamente, o The Graph está desenvolvendo mecanismos de incentivo, como distribuição equitativa das taxas de consulta entre criadores de modelos e indexadores.

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

The Graph acredita que os desenvolvedores e usuários devem ser capazes de escolher o nível de segurança apropriado com base em suas necessidades. Portanto, The 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 elevados, como zk-SNARKs ou consenso M-de-N, enquanto aplicações de baixo risco ou orientadas para o entretenimento podem optar por métodos mais econômicos e diretos, como autoridades confiáveis ou provas interativas de fraude. Além disso, The Graph planeja explorar tecnologias de aprimoramento de privacidade para resolver problemas de privacidade de modelo e usuário.

Serviço de Agente: Auxiliando os Desenvolvedores na Construção de Aplicações Autônomas Impulsionadas por IA

Embora o Serviço de Inferência se concentre 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 série 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 apoiar a construção e hospedagem de Agentes. Uma vez que um Agente é implantado na rede do Graph, os indexadores oferecerão suporte de execução necessário, incluindo a indexação de dados e resposta a eventos on-chain e outros pedidos de interação.

Como mencionado anteriormente, a equipe de desenvolvimento central do The Graph, Semiotic Labs, lançou um experimento inicial do Agente,Agentc, que combina a pilha de software de indexação da The Graph com a OpenAI. Sua principal função é converter entradas de linguagem natural em consultas SQL, permitindo que os usuários consultem dados em tempo real na blockchain e apresentem os resultados em um formato fácil de entender. Em termos simples, o Agentc se concentra em fornecer aos usuários análises convenientes das tendências 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 The 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 The Graph está desenvolvendo um novo tipo de modelo de linguagem grande chamado KGLLM (Modelos de Linguagem Grande Habilitados para o Knowledge Graph). O KGLLM usa dados estruturados do conhecimento do grafo fornecido pelo Geo, reduzindo significativamente a probabilidade de gerar informações erradas. Cada declaração no sistema do Geo é suportada por carimbos de data/hora na cadeia e validação por votação. Após a integração do grafo de conhecimento do Geo, os Agentes podem ser aplicados a vários cenários, incluindo regulamentações médicas, desenvolvimentos políticos, análises de mercado, etc., aumentando a diversidade e precisão dos serviços de Agente. Por exemplo, o KGLLM pode usar dados políticos para fornecer sugestões de mudança de política para organizações autônomas descentralizadas (DAOs) e garantir que 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 de consultar e entender.
• Processamento de Dados Relacionais:KGLLM é particularmente adequado para lidar com dados relacionais, como entender as relações entre pessoas e eventos. Utiliza algoritmos de travessia de gráficos para encontrar informações relevantes ao percorrer vários nós no grafo de conhecimento (semelhante a deslocar-se num mapa). Este método ajuda o KGLLM a localizar as informações mais relevantes para responder a perguntas.
• Recuperação e Geração Eficiente de Informação: Usando algoritmos de travessia de grafos, o KGLLM extrai relações e as converte em prompts de linguagem natural que o modelo pode entender. Estas instruções claras permitem que o KGLLM gere respostas mais precisas e relevantes.

Perspectiva

Como o “Google da Web3,” o The Graph aborda a escassez de dados atuais nos serviços de IA e simplifica o processo de desenvolvimento para os desenvolvedores por meio 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 da IA com a Web3. Além disso, outras equipes dentro de seu ecossistema, como Playgrounds Analytics e DappLooker, também estão projetando soluções relacionadas aos serviços do Agente.

Aviso legal:

1. Este artigo é reproduzido a partir de [Pesquisa ChainFeeds], Todos os direitos autorais pertencem ao autor original [LindaBell]. Se houver objeções a esta reimpressão, entre em contato com o Gate Learnequipa e eles irão tratar disso prontamente.
2. Isenção de Responsabilidade: As opiniões e pontos de vista expressos neste artigo são unicamente os do autor e não constituem qualquer conselho de investimento.
3. As traduções do artigo para outros idiomas são feitas pela equipe Gate Learn. Salvo indicação em contrário, é proibido copiar, distribuir ou plagiar os artigos traduzidos.