У 2022 році OpenAI запустив модель ChatGPT на основі GPT-3.5, що спричинило хвилю AI-наративів. Хоча ChatGPT в цілому добре справляється з обробкою запитів, він може бути обмежений при роботі з конкретними знаннями в галузі або реальними даними. Наприклад, він має проблеми з наданням детальної та надійної інформації про транзакції токенів Віталіка Бутеріна протягом останніх 18 місяців. Для вирішення цього завдання команда розробників The Graph, Semiotic Labs, поєднала програмний стек індексації The Graph з OpenAI, щоб запустити Agentcпроект, який пропонує аналіз тенденцій на криптовалютному ринку та послуги запиту даних про транзакції.

Запитуючи Agentc про транзакції з токенами Віталіка Бутеріна за останні 18 місяців, він дає більш вичерпну відповідь. Однак амбіції The Graph щодо штучного інтелекту виходять за рамки цього. Його біла книга під назвою «Граф як інфраструктура штучного інтелекту" окреслює свою мету не запустити конкретну програму, а використовувати свій децентралізований протокол індексації даних, щоб надати розробникам інструменти для створення додатків штучного інтелекту, нативних Web3. Щоб підтримати цю мету, Semiotic Labs також відкриє кодову базу Agentc, що дозволить розробникам створювати dApps зі штучним інтелектом, подібно до Agentc, наприклад, агентів аналізу ринкових тенденцій NFT та торгових помічників DeFi.

Децентралізована дорожня карта штучного інтелекту Графа

Запущений у липні 2018 року, The Graph є децентралізованим протоколом для індексації та запиту даних блокчейну. Розробники можуть використовувати відкриті API для створення та розгортання індексів даних, які називаються підграфами, що дозволяє програмам отримувати дані в ланцюжку. На сьогоднішній день The Graph підтримує понад 50 мереж, розміщує понад 75 000 проєктів і обробив понад 1,26 трильйона запитів.

Можливість Graph обробляти такі великі обсяги даних підтримується його основними командами, включаючи Edge & Node, Streamingfast, Semiotic, The Guild, GraphOps, Messari та Pinax. Streamingfast надає технологію крос-чейн-архітектури для потоків даних блокчейну, тоді як Semiotic AI спеціалізується на інтеграції штучного інтелекту та криптографії в The Graph. The Guild, GraphOps, Messari та Pinax спеціалізуються в таких галузях, як розробка GraphQL, індексаційні сервіси, розробка підграфів та рішення потоків даних.

Стратегія штучного інтелекту Graph не нова. У минулому березні блог Graph опублікованостаттю, в якій розкривається потенціал застосування штучного інтелекту з використанням його можливостей індексування даних. У грудні The Graph представив свою «Нова Ера«дорожня карта, яка включає плани щодо додавання запитів з використанням великих моделей мови (LLM). Остання біла книга додатково уточнює свою дорожню карту штучного інтелекту, представляючи дві послуги штучного інтелекту: інференс та послуги агента, які дозволяють розробникам безпосередньо інтегрувати функції штучного інтелекту в фронтенд додатка з підтримкою від The Graph.

Сервіс інференції: підтримка ряду відкритих моделей штучного інтелекту

У традиційних послугах висновку моделі роблять прогнози на вхідних даних за допомогою централізованих хмарних ресурсів. Наприклад, ChatGPT виконує висновки та повертає відповіді. Однак цей централізований підхід збільшує витрати та створює ризики цензури. The Graph має на меті вирішити це, створивши децентралізований ринок розміщення моделей, що дозволяє розробникам додатків більшу гнучкість у розгортанні та розміщенні моделей штучного інтелекту.

У білій книзі наведено приклад того, як використовувати The Graph для створення додатку, який допоможе користувачам Farcaster зрозуміти, чи отримають їхні повідомлення багато лайків. Спочатку послуги підграфіка The Graph індексують коментарі та лайки на повідомлення Farcaster. Далі, нейронна мережа навчається прогнозувати, чи будуть нові коментарі Farcaster підходити, і нейронна мережа розгортається в сервісі висновків The Graph. Отриманий додаток може допомогти користувачам створювати повідомлення, які ймовірніше отримають лайки.

Цей підхід дозволяє розробникам легко використовувати інфраструктуру The Graph, розміщувати попередньо навчені моделі в мережі та інтегрувати їх в додатки через API, що дозволяє користувачам безпосередньо використовувати ці функціональні можливості при використанні dApps.

Щоб надати розробникам більше варіантів та гнучкості, Сервіс Інференції The Graph підтримує найпопулярніші існуючі моделі. Згідно з білокімнатом, «На фазі MVP Сервіс Інференції The Graph підтримуватиме вибір популярних відкритих моделей ШІ, включаючи Stable Diffusion, Stable Video Diffusion, LLaMA, Mixtral, Grok та Whisper.» У майбутньому будь-які добре протестовані та індексовані відкриті моделі можуть бути розгорнуті в Сервісі Інференції The Graph. Крім того, для зменшення технічної складності розгортання моделей ШІ, The Graph пропонує користувачам зручні інтерфейси, які спрощують процес, дозволяючи розробникам завантажувати та керувати своїми моделями ШІ, не турбуючись про підтримку інфраструктури.

Для подальшого покращення продуктивності моделі в конкретних застосуваннях The Graph також підтримує налаштування моделей на конкретних наборах даних. Однак налаштування моделей, як правило, не виконується безпосередньо в The Graph. Розробники повинні здійснювати налаштування моделей зовнішньо, а потім розгортати ці моделі, використовуючи сервіс інференції The Graph. Щоб заохотити розробників робити налаштовані моделі загальнодоступними, The Graph розробляє стимулюючі механізми, такі як справедливий розподіл оплати запитів між творцями моделей та індексаторами.

Для забезпечення вірогідності результатів ШІ-інференції, The Graph пропонує кілька методів верифікації, включаючи довірені органи, M-of-N консенсус, інтерактивні докази шахрайства та zk-SNARKs. Кожен метод має свої переваги та недоліки. Довірені органи покладаються на довірені сутності; M-of-N консенсус потребує валідації кількох індексаторів, що підвищує складність обману, а також збільшує обчислювальні та координаційні витрати; інтерактивні докази шахрайства пропонують високий рівень безпеки, але не підходять для додатків, які потребують швидких відповідей; zk-SNARKs технічно складні та менше підходять для великих моделей.

The Graph вважає, що розробники та користувачі повинні мати можливість вибрати відповідний рівень безпеки, виходячи зі своїх потреб. Тому The Graph планує підтримувати різні методи верифікації у своєму сервісі логічного висновку, щоб врахувати різні вимоги безпеки та сценарії застосування. Наприклад, фінансові транзакції або критична бізнес-логіка можуть вимагати більш високих методів перевірки безпеки, таких як zk-SNARK або консенсус M-of-N, тоді як програми з меншим ризиком або розвагами можуть вибрати більш економічно ефективні та прості методи, такі як надійні органи або інтерактивні докази шахрайства. Крім того, The Graph планує дослідити технології, що підвищують конфіденційність, для вирішення проблем із моделлю та конфіденційністю користувачів.

Agent Service: допомога розробникам у створенні автономних додатків на основі штучного інтелекту

Хоча сервіс Inference Service в основному фокусується на запуску попередньо навчених моделей AI для інференції, сервіс Agent Service є більш складним і вимагає працювати разом декілька компонентів для забезпечення роботи Агентів в межах широкого діапазону складних та автоматизованих завдань. Сервіс Agent Service Graph має на меті інтеграцію створення, розміщення та виконання Агентів в межах The Graph з підтримкою з боку мережі індексаторів.

Конкретно, The Graph надаст децентралізовану мережу для підтримки конструкції та розміщення Агентів. Після розгортання Агента в мережі The Graph, індексатори нададуть необхідну підтримку виконання, включаючи індексацію даних та відповідь на події на ланцюжку та інші запити взаємодії.

Як зазначалося раніше, основна команда розробників The Graph, Semiotic Labs, запустила ранній експеримент з Агентом,Агент, який поєднує стек програмного забезпечення індексації The Graph з OpenAI. Його основна функція полягає в перетворенні природної мови в запити SQL, що дозволяє користувачам запитувати дані в реальному часі на блокчейні та представляти результати у зрозумілому форматі. Простими словами, Agentc зосереджується на наданні користувачам зручного аналізу тенденцій на ринку криптовалют та запитів даних про транзакції, при цьому всі дані надходять з Uniswap V2, Uniswap V3, Uniswap X та їх вілок на Ethereum, і ціни оновлюються щогодини.

Крім того, The Graph зазначив, що використовувані моделі LLM мають точність лише 63,41%, що вказує на потенційну можливість неправильних відповідей. Щоб вирішити цю проблему, The Graph розробляє новий тип великої мовної моделі під назвою KGLLM (Knowledge Graph-enabled Large Language Models). KGLLM використовує структуровані дані графа знань, надані Geo, значно знижуючи ймовірність генерації помилкової інформації. Кожна заява в системі Geo підтримується позначками часу в ланцюжку та перевіркою голосування. Після інтеграції графа знань Geo, агенти можуть бути застосовані до різних сценаріїв, включаючи медичні правила, політичні події, аналіз ринку тощо, підвищуючи різноманітність і точність послуг агентів. Наприклад, KGLLM може використовувати політичні дані, щоб надавати пропозиції щодо зміни політики децентралізованим автономним організаціям (DAO) і гарантувати, що вони ґрунтуються на поточній і точній інформації.

Переваги KGLLM включають:

• Використання структурованих даних: KGLLM використовує структуровані зовнішні бази знань з інформацією, змодельованою в графічній формі в графічному вигляді в графі знань, що робить зв'язки між даними легко видимими та інтуїтивно зрозумілими для запиту та розуміння.
• Обробка реляційних даних:KGLLM особливо підходить для роботи з реляційними даними, такими як розуміння взаємозв'язків між людьми та подіями. Він використовує алгоритми обходу графа для знаходження відповідної інформації, переходячи через кілька вузлів у графі знань (схоже на переміщення на мапі). Цей метод допомагає KGLLM знаходити найбільш відповідну інформацію для відповіді на питання.
• Ефективне вилучення та генерація інформації:За допомогою алгоритмів обходу графів KGLLM витягує взаємозв'язки та перетворює їх на запити природною мовою, які модель може зрозуміти. Ці чіткі інструкції дозволяють KGLLM генерувати більш точні та відповідні відповіді.

Перспектива

Як "Google Web3," The Graph вирішує поточний дефіцит даних у послугах штучного інтелекту та спрощує процес розробки для розробників завдяки своїм послугам штучного інтелекту. З розвитком та упровадженням більше AI-застосувань очікується подальше поліпшення користувацьких вражень. У майбутньому команда розробників The Graph продовжуватиме досліджувати можливості інтеграції штучного інтелекту з Web3. Крім того, інші команди у його екосистемі, такі як Playgrounds Analytics та DappLooker, також розробляють рішення, пов'язані з послугами агента.

Відмова від відповідальності:

1. Ця стаття переписана з [Дослідження ChainFeeds], Усі авторські права належать оригінальному автору [LindaBell]. Якщо є заперечення щодо цього перевидання, будь ласка, зв'яжіться з Gate Learnкоманда, і вони оперативно з цим впораються.
2. Відповідальність за відмову: погляди та думки, висловлені в цій статті, належать виключно автору і не є жодною інвестиційною порадою.
3. Переклади статті на інші мови виконуються командою Gate Learn. Якщо не зазначено, копіювання, поширення або плагіат перекладених статей заборонено.