HyperAGIチームとプロジェクトの背景の紹介

HyperAGIは、AI Rune HYPER·汎用人工知能·エージェント。HyperAGIチームは、長年にわたりAI分野に深く関わっており、Web3生成AIアプリケーションにおいて豊富な経験を蓄積してきました。3年前、HyperAGIチームはジェネレーティブAIを活用して2D画像と3Dモデルを作成し、AIが生成した数千の島々で構成されるMOSSAIと呼ばれるオープンワールドをブロックチェーン上に構築しました。また、AIが生成した非代替性暗号資産であるNFGの標準も提案しました。しかし、当時はAIモデルのトレーニングと生成のための分散型ソリューションはまだ開発されていませんでした。プラットフォームのGPUリソースだけでは、多数のユーザーをサポートするには不十分であり、爆発的な成長を妨げていました。大規模言語モデル(LLM)の台頭によりAIへの国民の関心が高まる中、HyperAGIは分散型AIアプリケーションプラットフォームを立ち上げ、2024年第1四半期にイーサリアムとビットコインL2のテストを開始しました。

HyperAGIは、自律的な暗号通貨経済の育成を目指し、分散型AIアプリケーションに焦点を当てています。その最終的な目標は、無条件ベーシックエージェントインカム(UBAI)を確立することです。ビットコインの堅牢なセキュリティと分散化を継承し、革新的なプルーフオブワークワーク(PoUW)コンセンサスメカニズムによって強化されています。コンシューマグレードのGPUノードは、許可なくネットワークに参加し、AI推論や3DレンダリングなどのPoUWタスクを実行することで、ローカルトークンをマイニング$HYPTことができます。

ユーザーは、さまざまなツールを使用して、LLMによって駆動されるProof of Personhood(PoP)AGIエージェントを開発できます。これらのエージェントは、メタバースでチャットボットまたは3D/XRエンティティとして構成できます。AI開発者は、LLM AIマイクロサービスを即座に使用または展開できるため、プログラム可能で自律的なオンチェーンエージェントの作成が容易になります。これらのプログラム可能なエージェントは、暗号資産を発行または所有し、継続的に運用または取引することができ、UBIの実現をサポートする活気に満ちた自律的な暗号経済に貢献します。Users holding HYPER·汎用人工知能·AGENTルーントークンは、ビットコインレイヤー1チェーン上にPoPエージェントを作成する資格があり、まもなくエージェントの基本的なメリットを受ける資格を得る可能性があります。

AI エージェントとはHyperAGIのエージェントは他のエージェントとどう違うのですか?

AIエージェントの概念は学界では新しいものではありませんが、現在の市場の誇大広告により、この用語はますます混乱しています。HyperAGIのエージェントは、LLM駆動のチャットボットだけでなく、3D仮想シミュレーション環境でトレーニングし、ユーザーと対話できるLLM駆動のエンボディドエージェントを指します。HyperAGIエージェントは、仮想のデジタル世界と現実の物理世界の両方に存在できます。現在、HyperAGIエージェントは、ロボット犬、ドローン、ヒューマノイドロボットなどの物理ロボットと統合されています。将来的には、これらのエージェントは、仮想3Dの世界から物理的なロボットに強化されたトレーニングをダウンロードして、タスクをより適切に実行できるようになります。

さらに、HyperAGIエージェントはユーザーによって完全に所有されており、社会経済的に重要です。ユーザーを代表するPoPエージェントは、UBIを受け取り、ベーシックエージェント収入を調整することができます。HyperAGIエージェントは、個々のユーザーを表すPoP(Proof of Personhood)エージェントと通常の機能エージェントに分けられます。HyperAGIのエージェントエコノミーでは、PoPエージェントはトークンの形でベーシックインカムを受け取ることができ、ユーザーはPoPエージェントのトレーニングと相互作用に従事するインセンティブを得ることができます。これにより、人間の個性を証明するデータが蓄積され、UBAIはAIの平等と民主主義を体現しています。

汎用人工知能は誇大広告なのか、それともすぐに現実のものになるのか?HyperAGIの研究開発パスは、他のAIプロジェクトとどのような違いや特徴がありますか?

汎用人工知能(AGI)の定義はまだ統一されていませんが、何十年にもわたってAIの学界と産業界の聖杯と見なされてきました。Transformerに基づく大規模言語モデル(LLM)は、さまざまなAIエージェントやAGIの中核になりつつありますが、HyperAGIはこの見解を完全に共有しているわけではありません。LLMは、斬新で便利な情報抽出と、自然言語に基づく計画と推論の機能を提供します。しかし、基本的にはデータ駆動型のディープニューラルネットワークです。数年前、ビッグデータブームのとき、私たちはそのようなシステムが本質的にGIGO(ガベージイン、ガベージアウト)に悩まされていることを理解しました。LLMは、身体性など、高度な知能の本質的な特性を欠いているため、これらのAIやエージェントが人間のユーザーの世界モデルを理解したり、現実世界の問題を解決するための計画を策定したり、行動を起こしたりすることが困難です。さらに、LLMは、自己認識、反省、内省などのより高い認知活動を示しません。

当社の創業者であるランドン・ワンは、AI分野での広範かつ長期的な研究経験を持っています。2004年には、ニューラルインスパイアードコンピューティングとアスペクト指向プログラミング(AOP)を組み合わせたイノベーションであるアスペクト指向AI(AOAI)を提案しました。アスペクトとは、オブジェクト間の複数の関係または制約のカプセル化を指します。たとえば、ニューロンは、他の複数のセルとの関係または制約をカプセル化したものです。具体的には、ニューロンは、ニューロン本体から伸びる線維やシナプスを介して感覚細胞や運動細胞と相互作用し、各ニューロンはそのような関係や論理を含む側面となっています。各AIエージェントは、問題の特定の側面を解決するものと見なすことができ、技術的には側面としてモデル化できます。

人工ニューラルネットワークのソフトウェア実装では、ニューロンまたは層は一般にオブジェクトとしてモデル化され、オブジェクト指向プログラミング言語で理解および保守可能です。ただし、これにより、ニューラルネットワークのトポロジーの調整が困難になり、ニューロンの活性化シーケンスは比較的厳格になります。これは、LLMのトレーニングや推論など、単純な高強度計算の実行には大きな力を発揮しますが、柔軟性と適応性に欠けます。一方、AOAIでは、ニューロンまたは層はオブジェクトではなくアスペクトとしてモデル化されます。このニューラルネットワークのアーキテクチャは、強い適応性と柔軟性を備えており、ニューラルネットワークの自己進化を可能にします。

HyperAGIは、効率的なLLMと進化可能なAOAIを組み合わせ、従来の人工ニューラルネットワークの効率とAOニューラルネットワークの自己進化特性を統合するパスを形成します。これは、これまでのところ、汎用人工知能を達成するための実行可能なアプローチと見なされています。

HyperAGIのビジョンとは

HyperAGIのビジョンは、無条件のベーシックエージェントインカム(UBAI)を達成し、テクノロジーがすべての人に公平にサービスを提供する未来を構築し、搾取のサイクルを断ち切り、真に分散型で公正なデジタル社会を創造することです。UBIにコミットしていると主張する他のブロックチェーンプロジェクトとは異なり、HyperAGIのUBAIは、達成不可能な理想ではなく、エージェントエコノミーを通じて明確な実装パスを持っています。

サトシ・ナカモトによるビットコインの導入は人類にとって記念碑的な革新でしたが、それは実用的な実用性のない単なる分散型デジタル通貨です。人工知能の著しい進歩と台頭により、分散型モデルを通じて価値を創造することが可能になりました。このモデルでは、人間は他者の価値からではなく、機械上で実行されるAIから恩恵を受けます。コードに基づく真の暗号世界が出現し、すべての機械が人類の利益と幸福のために作成されています。

このような暗号の世界では、AIエージェント間にはまだ階層があるかもしれませんが、エージェント自体が何らかの形の自律性を持っている可能性があるため、人間の搾取は排除されます。人工知能の究極の目的と意義は、ブロックチェーンにエンコードされているように、人類に奉仕することです。

ビットコイン L2とAIの関係、そしてビットコイン L2でAIを構築する理由

1. AIエージェントの支払い方法としてのビットコインL2

   ビットコインは現在、「最大の中立性」を象徴する媒体であり、価値取引に従事する人工知能エージェントに非常に適しています。ビットコインは、不換紙幣に固有の非効率性と「摩擦」を排除します。「デジタルネイティブ」なメディアとして、ビットコインはAIが価値交換を行うための自然な基盤を提供します。ビットコイン L2は、ビットコインのプログラム可能な機能を強化し、AI価値交換に必要な速度要件を満たし、それによってビットコインをAIのネイティブ通貨に位置付けます。

2. ビットコインL2の分散型AIガバナンス

   AIの中央集権化という現在の傾向により、分散型AIの連携とガバナンスが注目されています。ビットコイン L2のより強力なスマートコントラクトは、AIエージェントの動作とプロトコルモデルを規制するルールとして機能し、分散型AIの調整とガバナンスモデルを実現します。さらに、ビットコインの最大の中立性の特徴により、AIの調整とガバナンスに関するコンセンサスに到達しやすくなります。

3. ビットコインL2でのAI資産の発行

   ビットコイン L1でAIエージェントを資産として発行するだけでなく、ビットコイン L2の高性能は、エージェントエコノミーの基盤となるAI資産を発行するAIエージェントのニーズを満たすことができます。

4. ビットコインとビットコイン L2のキラーアプリケーションとしてのAIエージェント

   パフォーマンスの問題により、ビットコインは創業以来、価値の貯蔵庫である以上の実用的なアプリケーションを持っていません。ビットコインがL2に入ると、より強力なプログラマビリティが得られます。AIエージェントは一般的に現実世界の問題を解決するために使用されるため、ビットコイン主導のAIエージェントを真に適用できます。AIエージェントの使用の規模と頻度は、ビットコインとL2のキラーアプリケーションになる可能性があります。人間の経済は支払い方法としてビットコインを優先しないかもしれませんが、ロボット経済はそうかもしれません。24時間年中無休で働く多数のAIエージェントは、ビットコインを使用してマイクロペイメントを行ったり受け取ったりすることができます。ビットコインの需要は、現在想像もできない方法で大幅に増加する可能性があります。

5. ビットコインのL2セキュリティを強化するためのAIコンピューティング

   AIコンピューティングは、ビットコインのプルーフオブワーク(PoW)を補完し、PoWをプルーフオブワークワーク(PoUW)に置き換えることができ、ビットコインマイニングに現在使用されているエネルギーをAIエージェントに注入しながら、セキュリティを革命的に確保します。AIはL2を活用して、イーサリアムのPoSメカニズムとは異なり、ビットコインをインテリジェントでグリーンなブロックチェーンに変えることができます。3D/AIコンピューティングのPoUWに基づくHypergraph Consensusの提案は、後ほど紹介します。

HyperAGIが他の分散型AIプロジェクトと異なる点は何ですか?

HyperAGIは、その明確なビジョン、ソリューション、テクノロジーにより、Web3 AI分野で際立っています。HyperAGIのアプローチには、GPUコンピューティングパワー、AIの具現化、資産化のコンセンサスが含まれており、分散型のハイブリッドAIと金融アプリケーションになっています。最近、アカデミアから分散型AIプラットフォームが持つべき5つの特徴が提案され、これらの5つの特徴に従って既存の分散型AIプロジェクトを簡単にレビューし、比較しました。分散型AIプラットフォームの5つの特徴

1. 遠隔操作によるAIモデルの検証可能性
   • 分散型検証可能性には、データの可用性やゼロ知識(ZK)証明などのテクノロジーが含まれます。
2. 公開されているAIモデルのユーザビリティ
   • ユーザビリティは、AIモデル(主にLLM)のAPIノードがピアツーピアであるかどうか、およびネットワークが完全に分散化されているかどうかによって異なります。
3. AI開発者とユーザーへのインセンティブ
   • 公正なトークン生成メカニズムは、インセンティブにとって非常に重要です。
4. デジタル社会における必須ソリューションのグローバルガバナンス
   • AIガバナンスは、中立的でコンセンサス主導型であるべきです。
5. ベンダーロックインなし
   • プラットフォームは完全に分散化する必要があります。

これらの特性に基づく既存の分散型AIプロジェクトの比較:

1. 遠隔操作によるAIモデルの検証可能性
   • Giza: ZKMLコンセンサスメカニズムに基づくGizaは、検証可能性の要件を満たしていますが、現在、特に大規模なモデルでパフォーマンスの問題に悩まされています。
   • Cortex AI:5年前に開始された分散型AI L1プロジェクトであるCortex AIは、ニューラルネットワーク計算をサポートするためにEVMに新しい命令を組み込んでいますが、大規模なLLMモデルのニーズを満たすことはできません。
   • Ofelimos: 暗号化コミュニティにおけるPoUWの最初の提案ですが、特定のアプリケーションやプロジェクトにはリンクされていません。
   • Project PAI: ホワイトペーパーで PoUW について言及しましたが、製品がありません。
   • Qubic:人工ニューラルネットワークの計算に複数のGPUを用いたPoUWを提案しているが、実用化は未だ不明である。
   • FLUX: PoUWではなく、PoW ZelHashを使用します。
   • 小内:研究段階では、厳密なコンセンサスメカニズムが欠けています。
2. 検証可能性の基準を満たさないプロジェクトには、次のものがあります。
   • GPUコンピュートリリースプロジェクト:DeepBrain Chain、EMC、Atheir、IO.NET、CLOREなどの分散型検証メカニズムが欠けている。AIなど。
   • DeepBrain Chain:GPUリースに重点を置き、2021年にメインネットを立ち上げました。
   • EMC:タスクの割り当てと報酬の集中化は、コンセンサスの分散化に欠けています。
   • Atheir and IO.NET: コンセンサスメカニズムは観察されなかった。
   • クロア。AI:クラウドソーシング、AIモデルリリースのためのオンチェーン決済、NFT発行を活用しているが、検証可能性に欠ける。同様のプロジェクトには、SingularityNET、Bittensor、AINN、Fetch.ai、Ocean Protocol、Algovera.ai などがあります。
3. 公開されているAIモデルのユーザビリティ
   • Cortex AIおよびQubic:LLMのサポートは確認されていません。

既存の分散型AIプロジェクトはどれも、これら5つの問題に完全に対処していません。ただし、HyperAGIは、Hypergraph PoUWコンセンサスメカニズムと完全に分散化されたビットコイン L2スタックに基づく完全に分散化されたAIプロトコルであり、将来的にはビットコインAI固有のL2にアップグレードする予定です。

HyperAGIのユニークな機能:

• Hypergraph PoUWコンセンサスメカニズム:LLM推論とクラウドレンダリングサービスのためにマイナーが提供するすべての計算能力を活用し、最も効率的な方法でネットワークセキュリティを確保します。
• 完全に分散化されたプラットフォーム:ビットコイン L2スタックに基づいており、プラットフォームがベンダーロックインから解放され、AIガバナンスに関する簡単なコンセンサスを促進します。
• 検証可能性とユーザビリティ:PoUWのビジョンは、分散型ネットワークに提出されたさまざまな問題を解決するために計算能力を使用できるようにし、リモートで実行されるAIモデルの検証可能性に対処し、公開されているAIモデルを使用できるようにします。

HyperAGIは、分散型AIプラットフォームに必要な特性を満たすだけでなく、分散型フレームワーク内でGPUコンピューティングパワーとAI資産化を独自に統合することで、この分野を前進させます。

なぜ今なのか?

1. LLMの爆発的な普及とその応用

OpenAI の ChatGPT は、わずか 3 か月で 1 億人のユーザーに到達し、大規模言語モデル (LLM) の開発、アプリケーション、投資が世界的に急増しました。しかし、この時点まで、LLMのテクノロジーとトレーニングは高度に中央集権化されていました。この中央集権化により、学界、産業界、一般市民の間で、少数の主要プロバイダーによるAI技術の独占、データプライバシーの侵害、侵害、クラウドコンピューティング企業によるベンダーロックインについて大きな懸念が高まっています。これらの問題は、基本的に、大規模なAIアプリケーションには適さない中央集権的なプラットフォームによるインターネットとアプリケーションゲートウェイの制御に起因しています。AIコミュニティは、ローカルで運営され、分散型のAIプロジェクトを実装し始めています。たとえば、Ollama はローカル実行を表し、Petals は分散化を表します。Ollama は、パラメーター圧縮または低精度の方法を使用して、小規模から中規模の LLM をパーソナル コンピューターや携帯電話で実行できるようにし、ユーザー データのプライバシーやその他の権利を保護します。ただし、このアプローチでは、運用環境やネットワーク アプリケーションをサポートするのが明らかに困難です。一方、Petalsは、BittorrentのPeer2Peerテクノロジーを通じて、完全に分散化されたLLM推論を実現します。それにもかかわらず、Petalsはコンセンサスとインセンティブレイヤーのプロトコルを欠いており、まだ研究者の小さなサークルに限定されています。

2. LLM駆動型インテリジェントエージェント

LLMのサポートにより、インテリジェントエージェントは高レベルの推論を実行し、特定の計画機能を持つことができます。自然言語を利用することで、複数の知的エージェントが人間と同様の社会的コラボレーションを形成することができます。MicrosoftのAutoGen、Langchain、CrewAIなど、いくつかのLLM駆動型インテリジェントエージェントフレームワークが提案されている。現在、多くのAI起業家や開発者が、LLM主導のインテリジェントエージェントとそのアプリケーションの方向性に注目しています。安定したスケーラブルなLLM推論に対する需要は高いですが、これは主にクラウドコンピューティング企業からGPU推論インスタンスをレンタルすることで実現されています。2024年3月、Nvidiaは、まだ正式にはローンチされていませんが、この膨大な需要に応えるために、LLMを含む生成AIマイクロサービスプラットフォームである ai.nvidia.com をリリースしました。LLM主導のインテリジェントエージェントは、かつてのWebサイト開発と同じように活況を呈しています。しかし、コラボレーションは依然として主に従来のWeb2モードで行われており、インテリジェントエージェント開発者は、これらのエージェントの運用をサポートするために、GPUをリースするか、LLMプロバイダーからAPIを調達する必要があります。これは大きな摩擦を生み出し、インテリジェントエージェントエコシステムの急速な成長とインテリジェントエージェント経済における価値の伝達を妨げます。

3. 具体化されたエージェントシミュレーション環境

現在、ほとんどのエージェントは、特定のAPIにアクセスして操作したり、コードやスクリプトを介してこれらのAPIと対話したり、LLMによって生成された制御コマンドを記述したり、外部状態を読み取ったりすることしかできません。一般的な知的エージェントは、自然言語を理解して生成するだけでなく、人間の世界も理解する必要があります。適切なトレーニングを受けた後、ロボットシステム(ドローン、掃除機、ヒューマノイドロボットなど)に移行して、特定のタスクを完了できる必要があります。これらのエージェントは、具体化されたエージェントと呼ばれます。身体化されたエージェントをトレーニングするには、特定の環境と現実世界をよりよく理解するために大量の現実世界の視覚データが必要であり、ロボットのトレーニングと開発の時間を短縮し、トレーニングの効率を向上させ、コストを削減します。現在、身体化された知能をトレーニングするためのシミュレーション環境は、MicrosoftのMinecraftやNvidiaのIsaac Gymなど、いくつかの企業によって構築され、所有されています。具現化された知能のトレーニングニーズを満たす分散型環境はありません。最近では、OpenAI GYMに準拠したAIトレーニング環境を推進しているEpicのUnreal Engineなど、人工知能に着目したゲームエンジンも出てきています。

4. ビットコイン L2 エコシステム

ビットコインのサイドチェーンは何年も前から存在していましたが、主に支払いに使用され、スマートコントラクトのサポートの欠如が複雑なオンチェーンアプリケーションを妨げていました。EVM互換のビットコイン L2の出現により、ビットコインはL2を通じて分散型AIアプリケーションをサポートできます。分散型AIには、ますます中央集権化が進むPoSブロックチェーンネットワークではなく、完全に分散化され、計算量的に支配的なブロックチェーンネットワークが必要です。碑文や序数などのネイティブビットコイン資産の新しいプロトコルの導入により、ビットコインに基づくエコシステムとアプリケーションの確立が可能になります。たとえば、HYPER•AGI•AGENTの公正なローンチミントは1時間以内に完了し、将来的には、HyperAGIはビットコインでより多くのAI資産とコミュニティ主導のアプリケーションを発行する予定です。

HyperAGI の技術フレームワークとソリューション

1.分散型LLM駆動型AIインテリジェントエージェントアプリケーションプラットフォームを実現するには?

今日の分散型AIの主な課題は、大規模なAIモデルのリモート推論と、高性能でオーバーヘッドの少ない検証可能なアルゴリズムを使用して、具現化されたインテリジェントエージェントのトレーニングと推論を可能にすることです。検証可能性がなければ、システムは完全に分散化されたAIアプリケーションプラットフォームを実現するのではなく、サプライヤー、需要者、プラットフォーム事業者が関与する従来のマルチパーティ市場モデルに戻ることになります。

検証可能なAI計算には、PoUW(Proof of Useful Work)コンセンサスアルゴリズムが必要です。これは、分散型インセンティブメカニズムの基盤として機能します。具体的には、ネットワークインセンティブ内では、トークンの鋳造は、中央集権的なエンティティがトークンをノードに転送するのではなく、ノードが計算タスクを完了し、検証可能な結果を提出することによって実行されます。

検証可能なAI計算を実現するには、まずAI計算そのものを定義する必要があります。AI計算には、低レベルの機械命令やCUDA命令から、C++やPythonなどの高水準言語まで、多くのレベルが含まれます。同様に、具現化されたインテリジェント エージェントのトレーニングでは、シェーダー言語、OpenGL、C++、ブループリント スクリプトなど、さまざまなレベルで 3D 計算も存在します。

HyperAGIのPoUWコンセンサスアルゴリズムは、計算グラフを使用して実装されています。計算グラフは、ノードが数学演算に対応する有向グラフとして定義されます。これは、数式を表現および評価する方法であり、本質的には方程式を記述する「言語」であり、ノード(変数)とエッジ(演算または単純な関数)が含まれています。

検証可能なAI計算の実装:

1.1 計算グラフを使用した検証可能な計算の定義

あらゆる計算(3DやAI計算など)は、計算グラフを使用して定義できます。さまざまなレベルの計算をサブグラフで表すことができます。このアプローチは、さまざまなタイプの計算を網羅し、サブグラフを通じてさまざまな計算レベルを表現します。現在、これには2つのレイヤーがあり、トップレベルの計算グラフは、ノードによる検証を容易にするためにオンチェーンで展開されます。

1.2 LLMモデルと3Dシーンの分散読み込みと実行

LLMモデルと3Dシーンレベルは、完全に分散化された方法でロードされ、実行されます。ユーザーが推論のためにLLMモデルにアクセスしたり、レンダリングのために3Dシーンに入ったりすると、HyperAGIインテリジェントエージェントは、同じハイパーグラフ(LLMまたは3Dシーン)を実行するために別の信頼できるノードを開始します。

1.3 計算結果の検証

検証ノードは、ノードによって送信された結果が信頼できるノードによって送信された結果と矛盾していることを発見した場合、第2層計算グラフ(サブグラフ)のオフチェーン計算結果に対してバイナリ検索を実行し、サブグラフ内の発散計算ノード(演算子)を見つけます。サブグラフ演算子は、スマートコントラクトに事前にデプロイされています。一貫性のない演算子のパラメータをスマートコントラクトに渡し、演算子を実行することで、結果を検証することができます。

2. 過度の計算オーバーヘッドを回避するには?

検証可能なAI計算における重要な課題は、追加の計算オーバーヘッドを管理することです。ビザンチンコンセンサスプロトコルでは、コンセンサスを形成するためにノードの2/3が同意する必要があります。AI推論のコンセンサスでは、これはすべてのノードが同じ計算を完了する必要があることを意味し、これはAI計算において許容できない無駄です。ただし、HyperAGIでは、検証のために追加の計算を実行するために必要なノードは1〜mです。

2.1 LLM推論のためのコンパニオン計算

各 LLM 推論は独立して実行されません。HyperAGI インテリジェント エージェントは、「コンパニオン計算」のために少なくとも 1 つの信頼できるノードを開始します。LLM推論はディープニューラルネットワークによって実行され、推論が完了するまで各レイヤーの計算結果が次のレイヤーの入力として使用されるため、複数のユーザーが同じ大規模なLLMモデルに同時にアクセスできます。したがって、最大で、LLMの数(m)に等しい数の信頼できるノードを追加で開始する必要があります。少なくとも、「コンパニオン計算」に必要な信頼ノードは 1 つだけです。

2.2 3Dシーンレンダリング計算

3D シーンのレンダリングも同様の原則に従います。ユーザーがシーンに入り、ハイパーグラフをアクティブにすると、HyperAGI インテリジェント エージェントはハイパーグラフに基づいて信頼できるノードをロードし、対応するハイパーグラフ計算を実行します。(m)人のユーザーが異なる3Dシーンに入る場合、「コンパニオン計算」のために最大(m)個の信頼できるノードを開始する必要があります。

要約すると、追加の計算に関与するノードの数は、1 から (n + m) の範囲です (ここで、(n) は 3D シーンに入るユーザーの数、(m) は LLM の数です)。この分布はガウス分布に従うため、ネットワーク検証の効率を確保しながら、リソースの浪費を効果的に回避できます。

AIがWeb3と統合してセミAIおよびセミファイナンシャルアプリケーションを形成する方法

AI開発者は、インテリジェントエージェントをスマートコントラクトとして展開し、トップレベルのハイパーグラフオンチェーンデータを含むコントラクトを持つことができます。ユーザーまたは他のインテリジェント・エージェントは、これらのインテリジェント・エージェント・コントラクトのメソッドを呼び出し、対応するトークンを支払うことができます。サービスを提供するインテリジェント・エージェントは、対応する計算を完了し、検証可能な結果を送信する必要があります。このセットアップにより、ユーザーまたは他のインテリジェント・エージェントとインテリジェント・エージェントとの間のビジネス対話が分散されます。

インテリジェントなエージェントは、タスクの完了後にトークンを受け取らないことを心配する必要はなく、支払者は、正しいビジネス計算結果を取得せずにトークンの支払いを心配する必要はありません。インテリジェントエージェントのサービスの機能と価値は、インテリジェントエージェント資産(ERC-20、ERC-721、またはERC-1155 NFTを含む)の流通市場価格と市場価値によって決定されます。

セミAIとセミファイナンシャルアプリケーションを超えて

HyperAGIの応用は、半AIや半金融の用途に限定されません。UBAI(Universal Basic AI)の実現を目指し、テクノロジーがすべての人に平等にサービスを提供する未来を構築し、搾取のサイクルを断ち切り、真に分散型で公正なデジタル社会を創造することを目指しています。

陳述：

1. この記事は[techflow deep tide]から転載され、原題は「HyperAGI Interview: Building a Real AI Agent and Creating an Autonomous Cryptocurrency Economy」で、著作権は原作者[第五]に帰属しますので、転載に異議がある場合は、 Gate Learn Teamにご連絡ください。

2. 免責事項:この記事で表明された見解や意見は、著者の個人的な見解を表しているにすぎず、投資アドバイスを構成するものではありません。

3. 記事の他の言語バージョンはGate Learnチームによって翻訳されており、 Gate.io で言及されていない場合、翻訳された記事を複製、配布、または盗用することはできません。