Giới thiệu nhóm HyperAGI và nền tảng dự án

HyperAGI là dự án AI phi tập trung đầu tiên được thúc đẩy bởi cộng đồng với AI Rune HYPER · AGI· NGƯỜI ĐẠI LÝ. Nhóm HyperAGI đã tham gia sâu vào lĩnh vực AI trong nhiều năm, tích lũy kinh nghiệm đáng kể trong các ứng dụng AI tạo ra Web3. Ba năm trước, nhóm HyperAGI đã sử dụng AI tạo ra để tạo ra hình ảnh 2D và mô hình 3D, xây dựng một thế giới mở được gọi là MOSSAI trên blockchain, bao gồm hàng ngàn hòn đảo do AI tạo ra. Họ cũng đề xuất một tiêu chuẩn cho các tài sản mật mã không thể thay thế do AI tạo ra, NFG. Tuy nhiên, tại thời điểm đó, các giải pháp phi tập trung cho đào tạo và tạo mô hình AI vẫn chưa được phát triển. Chỉ riêng tài nguyên GPU của nền tảng đã không đủ để hỗ trợ một số lượng lớn người dùng, ngăn chặn sự tăng trưởng bùng nổ. Với sự gia tăng của các mô hình ngôn ngữ lớn (LLM) khơi dậy sự quan tâm của công chúng đối với AI, HyperAGI đã ra mắt nền tảng ứng dụng AI phi tập trung, bắt đầu thử nghiệm trên Ethereum và Bitcoin L2 vào quý 1 năm 2024.

HyperAGI tập trung vào các ứng dụng AI phi tập trung, nhằm mục đích nuôi dưỡng một nền kinh tế tiền điện tử tự trị. Mục tiêu cuối cùng của nó là thiết lập Thu nhập đại lý cơ bản vô điều kiện (UBAI). Nó kế thừa tính bảo mật và phân cấp mạnh mẽ của Bitcoin, được tăng cường bởi cơ chế đồng thuận Bằng chứng công việc hữu ích (PoUW) sáng tạo. Các nút GPU cấp tiêu dùng có thể tham gia mạng mà không được phép, khai thác mã thông báo cục bộ $HYPT bằng cách thực hiện các tác vụ PoUW như suy luận AI và kết xuất 3D.

Người dùng có thể phát triển các tác nhân AGI Proof of Personhood (PoP) do LLM điều khiển bằng nhiều công cụ khác nhau. Các tác nhân này có thể được cấu hình thành chatbot hoặc thực thể 3D / XR trong metaverse. Các nhà phát triển AI có thể ngay lập tức sử dụng hoặc triển khai các vi dịch vụ LLM AI, tạo điều kiện thuận lợi cho việc tạo ra các tác nhân trên chuỗi có thể lập trình, tự trị. Các tác nhân có thể lập trình này có thể phát hành hoặc sở hữu tài sản tiền điện tử, liên tục hoạt động hoặc giao dịch, góp phần vào một nền kinh tế tiền điện tử tự trị, sôi động hỗ trợ việc thực hiện UBAI. Người dùng đang nắm giữ HYPER· AGI· Mã thông báo rune AGENT đủ điều kiện để tạo tác nhân PoP trên chuỗi Bitcoin Lớp 1 và có thể sớm đủ điều kiện nhận các lợi ích cơ bản cho các đại lý của họ.

AI Agent là gì? Tác nhân của HyperAGI khác với những tác nhân khác như thế nào?

Khái niệm về một tác nhân AI không phải là mới trong giới học thuật, nhưng sự cường điệu của thị trường hiện tại đã khiến thuật ngữ này ngày càng khó hiểu. Các tác nhân của HyperAGI đề cập đến các tác nhân thể hiện dựa trên LLM có thể đào tạo trong môi trường mô phỏng ảo 3D và tương tác với người dùng, không chỉ các chatbot điều khiển LLM. Các tác nhân HyperAGI có thể tồn tại trong cả thế giới kỹ thuật số ảo và thế giới thực. Hiện tại, các tác nhân HyperAGI đang tích hợp với các robot vật lý như chó robot, máy bay không người lái và robot hình người. Trong tương lai, các đại lý này sẽ có thể tải xuống đào tạo nâng cao từ thế giới 3D ảo sang robot vật lý để thực hiện nhiệm vụ tốt hơn.

Hơn nữa, các đại lý HyperAGI hoàn toàn thuộc sở hữu của người dùng và có ý nghĩa kinh tế xã hội. Các đại lý PoP đại diện cho người dùng có thể nhận UBAI để điều chỉnh thu nhập cơ bản của đại lý. Các tác nhân HyperAGI được chia thành các tác nhân PoP (Proof of Personhood) đại diện cho người dùng cá nhân và các tác nhân chức năng thông thường. Trong nền kinh tế đại lý của HyperAGI, các đại lý PoP có thể nhận được thu nhập cơ bản dưới dạng mã thông báo, khuyến khích người dùng tham gia vào việc đào tạo và tương tác của các đại lý PoP của họ. Điều này giúp tích lũy dữ liệu chứng minh cá tính của con người và UBAI thể hiện sự bình đẳng và dân chủ của AI.

AGI là một sự cường điệu hay nó sẽ sớm trở thành hiện thực? Sự khác biệt và đặc điểm của con đường nghiên cứu và phát triển của HyperAGI so với các dự án AI khác là gì?

Mặc dù định nghĩa về Trí tuệ tổng hợp nhân tạo (AGI) vẫn chưa được thống nhất, nhưng nó đã được coi là chén thánh của học viện và ngành công nghiệp AI trong nhiều thập kỷ. Trong khi các mô hình ngôn ngữ lớn (LLM) dựa trên Transformers đang trở thành cốt lõi của các tác nhân AI và AGI khác nhau, HyperAGI không hoàn toàn chia sẻ quan điểm này. LLM thực sự cung cấp trích xuất thông tin mới lạ và thuận tiện, cũng như khả năng lập kế hoạch và lý luận dựa trên ngôn ngữ tự nhiên. Tuy nhiên, về cơ bản chúng là các mạng nơ-ron sâu theo hướng dữ liệu. Nhiều năm trước, trong thời kỳ bùng nổ dữ liệu lớn, chúng tôi hiểu rằng các hệ thống như vậy vốn đã bị GIGO (Rác vào, rác ra). LLM thiếu một số đặc điểm thiết yếu của trí thông minh tiên tiến, chẳng hạn như hiện thân, khiến các AI hoặc tác nhân này khó hiểu các mô hình thế giới của người dùng hoặc xây dựng kế hoạch và hành động để giải quyết các vấn đề trong thế giới thực. Hơn nữa, LLM không thể hiện các hoạt động nhận thức cao hơn như tự nhận thức, phản ánh hoặc hướng nội.

Người sáng lập của chúng tôi, Landon Wang, có nhiều kinh nghiệm nghiên cứu và lâu dài trong lĩnh vực AI. Năm 2004, ông đề xuất AI định hướng khía cạnh (AOAI), một sự đổi mới kết hợp điện toán lấy cảm hứng từ thần kinh với Lập trình hướng khía cạnh (AOP). Một khía cạnh đề cập đến sự đóng gói của nhiều mối quan hệ hoặc ràng buộc giữa các đối tượng. Ví dụ, một tế bào thần kinh là sự đóng gói các mối quan hệ hoặc ràng buộc với nhiều tế bào khác. Cụ thể, một tế bào thần kinh tương tác với các tế bào cảm giác hoặc vận động thông qua các sợi và khớp thần kinh kéo dài từ cơ thể tế bào thần kinh, làm cho mỗi tế bào thần kinh trở thành một khía cạnh chứa các mối quan hệ và logic như vậy. Mỗi tác nhân AI có thể được xem là giải quyết một khía cạnh cụ thể của một vấn đề và về mặt kỹ thuật, nó có thể được mô hình hóa như một khía cạnh.

Trong việc triển khai phần mềm của các mạng thần kinh nhân tạo, các tế bào thần kinh hoặc các lớp thường được mô hình hóa như các đối tượng, điều này có thể hiểu và duy trì được trong các ngôn ngữ lập trình hướng đối tượng. Tuy nhiên, điều này làm cho cấu trúc liên kết của mạng lưới thần kinh khó điều chỉnh và trình tự kích hoạt của các tế bào thần kinh tương đối cứng nhắc. Mặc dù điều này cho thấy sức mạnh lớn trong việc thực hiện các phép tính cường độ cao đơn giản, chẳng hạn như trong đào tạo và suy luận LLM, nhưng nó hoạt động kém về tính linh hoạt và khả năng thích ứng. Mặt khác, trong AOAI, các tế bào thần kinh hoặc các lớp được mô hình hóa như các khía cạnh chứ không phải là các đối tượng. Kiến trúc mạng nơ-ron này sở hữu khả năng thích ứng và linh hoạt mạnh mẽ, làm cho sự tự tiến hóa của mạng lưới thần kinh trở nên khả thi.

HyperAGI kết hợp các LLM hiệu quả với AOAI có thể phát triển, tạo thành một con đường tích hợp hiệu quả của các mạng thần kinh nhân tạo truyền thống với các đặc điểm tự tiến hóa của mạng nơ-ron AO. Điều này, cho đến nay, được coi là một cách tiếp cận khả thi để đạt được AGI.

Tầm nhìn của HyperAGI là gì

Tầm nhìn của HyperAGI là đạt được Thu nhập đại lý cơ bản vô điều kiện (UBAI), xây dựng một tương lai nơi công nghệ phục vụ công bằng cho tất cả mọi người, phá vỡ chu kỳ khai thác và tạo ra một xã hội kỹ thuật số thực sự phi tập trung và công bằng. Không giống như các dự án blockchain khác chỉ tuyên bố cam kết với UBI, UBAI của HyperAGI có một lộ trình triển khai rõ ràng thông qua nền kinh tế đại lý, thay vì là một lý tưởng không thể đạt được.

Việc giới thiệu Bitcoin của Satoshi Nakamoto là một sự đổi mới hoành tráng cho nhân loại, nhưng nó chỉ đơn thuần là một loại tiền kỹ thuật số phi tập trung mà không có tiện ích thực tế. Những tiến bộ đáng kể và sự gia tăng của trí tuệ nhân tạo đã giúp tạo ra giá trị thông qua một mô hình phi tập trung. Trong mô hình này, mọi người được hưởng lợi từ AI chạy trên máy móc hơn là từ giá trị của người khác. Một thế giới mật mã thực sự dựa trên mã đang nổi lên, nơi tất cả các máy móc được tạo ra vì lợi ích và hạnh phúc của nhân loại.

Trong một thế giới mật mã như vậy, vẫn có thể có hệ thống phân cấp giữa các tác nhân AI, nhưng việc khai thác con người bị loại bỏ vì bản thân các tác nhân có thể sở hữu một số hình thức tự chủ. Mục đích và tầm quan trọng cuối cùng của trí tuệ nhân tạo là phục vụ nhân loại, như được mã hóa trên blockchain.

Mối quan hệ giữa Bitcoin L2 và AI, và tại sao xây dựng AI trên Bitcoin L2

1. Bitcoin L2 làm phương thức thanh toán cho các đại lý AI

   Bitcoin hiện là phương tiện thu nhỏ "tính trung lập tối đa", làm cho nó rất phù hợp cho các tác nhân trí tuệ nhân tạo tham gia vào các giao dịch giá trị. Bitcoin loại bỏ sự thiếu hiệu quả và "ma sát" vốn có trong các loại tiền tệ fiat. Là một phương tiện "bản địa kỹ thuật số", Bitcoin cung cấp một nền tảng tự nhiên cho AI để tiến hành trao đổi giá trị. Bitcoin L2 tăng cường khả năng lập trình của Bitcoin, đáp ứng các yêu cầu về tốc độ cần thiết cho việc trao đổi giá trị AI, từ đó định vị Bitcoin trở thành tiền tệ bản địa cho AI.

2. Quản trị AI phi tập trung trên Bitcoin L2

   Xu hướng tập trung hóa hiện nay trong AI đã đưa sự liên kết và quản trị AI phi tập trung vào trọng tâm. Các hợp đồng thông minh mạnh mẽ hơn của Bitcoin L2 có thể đóng vai trò là quy tắc điều chỉnh hành vi và mô hình giao thức của tác nhân AI, đạt được mô hình quản trị và liên kết AI phi tập trung. Hơn nữa, đặc tính trung lập tối đa của Bitcoin giúp dễ dàng đạt được sự đồng thuận về sự liên kết và quản trị AI.

3. Phát hành tài sản AI trên Bitcoin L2

   Ngoài việc phát hành các đại lý AI làm tài sản trên Bitcoin L1, hiệu suất cao của Bitcoin L2 có thể đáp ứng nhu cầu của các đại lý AI phát hành tài sản AI, đây sẽ là nền tảng của nền kinh tế đại lý.

4. AI Agents như một ứng dụng sát thủ cho Bitcoin và Bitcoin L2

   Do các vấn đề về hiệu suất, Bitcoin đã không có một ứng dụng thực tế ngoài việc trở thành một kho lưu trữ giá trị kể từ khi thành lập. Bitcoin vào L2 đạt được khả năng lập trình mạnh mẽ hơn. Các tác nhân AI thường được sử dụng để giải quyết các vấn đề trong thế giới thực, vì vậy các tác nhân AI điều khiển bằng Bitcoin có thể thực sự được áp dụng. Quy mô và tần suất sử dụng tác nhân AI có thể trở thành một ứng dụng giết người cho Bitcoin và L2. Mặc dù nền kinh tế loài người có thể không ưu tiên Bitcoin làm phương thức thanh toán, nhưng nền kinh tế robot có thể. Một số lượng lớn các đại lý AI làm việc 24/7 có thể sử dụng Bitcoin không mệt mỏi để thực hiện và nhận các khoản thanh toán vi mô. Nhu cầu về Bitcoin có thể tăng đáng kể theo những cách hiện không thể tưởng tượng được.

5. Điện toán AI để tăng cường bảo mật Bitcoin L2

   Điện toán AI có thể bổ sung cho Proof of Work (PoW) của Bitcoin và thậm chí thay thế PoW bằng Proof of Useful Work (PoUW), đảm bảo an ninh một cách cách cách mạng trong khi bơm năng lượng hiện đang được sử dụng để khai thác Bitcoin vào các tác nhân AI. AI có thể tận dụng L2 để biến Bitcoin thành một blockchain xanh, thông minh, không giống như cơ chế PoS của Ethereum. Đồng thuận Hypergraph được đề xuất của chúng tôi, dựa trên PoUW của điện toán 3D / AI, sẽ được giới thiệu sau.

Điều gì làm cho HyperAGI trở nên độc đáo so với các dự án AI phi tập trung khác?

HyperAGI nổi bật trong lĩnh vực Web3 AI nhờ tầm nhìn, giải pháp và công nghệ khác biệt. Cách tiếp cận của HyperAGI bao gồm sự đồng thuận về sức mạnh tính toán GPU, hiện thân của AI và tài sản hóa, làm cho nó trở thành một ứng dụng tài chính AI lai phi tập trung. Gần đây, giới học thuật đã đề xuất năm đặc điểm mà các nền tảng AI phi tập trung nên sở hữu và chúng tôi đã xem xét và so sánh ngắn gọn các dự án AI phi tập trung hiện có theo năm tính năng này. Năm đặc điểm của nền tảng AI phi tập trung:

1. Khả năng xác minh của các mô hình AI chạy từ xa
   • Khả năng xác minh phi tập trung bao gồm các công nghệ như Tính khả dụng của dữ liệu và bằng chứng Zero-Knowledge (ZK).
2. Khả năng sử dụng của các mô hình AI có sẵn công khai
   • Khả năng sử dụng phụ thuộc vào việc các nút API của mô hình AI (chủ yếu là LLM) có phải là Peer-to-Peer hay không và liệu mạng có được phân cấp hoàn toàn hay không.
3. Khuyến khích cho các nhà phát triển và người dùng AI
   • Cơ chế tạo mã thông báo công bằng là rất quan trọng để khuyến khích.
4. Quản trị toàn cầu các giải pháp thiết yếu trong xã hội kỹ thuật số
   • Quản trị AI nên trung lập và dựa trên sự đồng thuận.
5. Không khóa nhà cung cấp
   • Nền tảng nên được phân cấp hoàn toàn.

So sánh các dự án AI phi tập trung hiện có dựa trên các đặc điểm sau:

1. Khả năng xác minh của các mô hình AI chạy từ xa
   • Giza: Dựa trên cơ chế đồng thuận ZKML, Giza đáp ứng yêu cầu về khả năng xác minh nhưng hiện đang gặp vấn đề về hiệu suất, đặc biệt là với các mô hình lớn.
   • Cortex AI: Một dự án AI L1 phi tập trung bắt đầu cách đây năm năm, Cortex AI kết hợp các hướng dẫn mới vào EVM để hỗ trợ tính toán mạng thần kinh, nhưng không thể đáp ứng nhu cầu của các mô hình LLM lớn.
   • Ofelimos: Đề xuất đầu tiên của PoUW trong cộng đồng mật mã, nhưng không liên quan đến các ứng dụng hoặc dự án cụ thể.
   • Dự án PAI: Đã đề cập đến PoUW trong sách trắng nhưng thiếu sản phẩm.
   • Qubic: Đề xuất PoUW sử dụng nhiều GPU để tính toán mạng thần kinh nhân tạo, nhưng ứng dụng thực tế của nó vẫn chưa rõ ràng.
   • FLUX: Sử dụng PoW ZelHash, không phải PoUW.
   • Coinai: Trong giai đoạn nghiên cứu, thiếu một cơ chế đồng thuận chặt chẽ.
2. Các dự án không đáp ứng tiêu chí kiểm tra bao gồm:
   • Dự án cho thuê tính toán GPU: Thiếu các cơ chế xác minh phi tập trung, chẳng hạn như DeepBrain Chain, EMC, Atheir, IO.NET, CLORE. AI và những thứ khác.
   • DeepBrain Chain: Tập trung vào cho thuê GPU, ra mắt mainnet vào năm 2021.
   • EMC: Phân công nhiệm vụ tập trung và khen thưởng, thiếu sự đồng thuận phi tập trung.
   • Athem và IO.NET: Không có cơ chế đồng thuận nào được quan sát.
   • ĐÓNG CỬA. AI: Sử dụng nguồn lực cộng đồng, thanh toán trên chuỗi cho các bản phát hành mô hình AI và phát hành NFT, nhưng thiếu khả năng xác minh. Các dự án tương tự bao gồm SingularityNET, Bittensor, AINN, Fetch.ai, Ocean Protocol và Algovera.ai.
3. Khả năng sử dụng của các mô hình AI có sẵn công khai
   • Cortex AI và Qubic: Không quan sát thấy hỗ trợ LLM.

Không có dự án AI phi tập trung nào hiện có giải quyết đầy đủ năm vấn đề này. Tuy nhiên, HyperAGI là một giao thức AI phi tập trung hoàn toàn dựa trên cơ chế đồng thuận Hypergraph PoUW và Bitcoin L2 Stack phi tập trung hoàn toàn, với kế hoạch nâng cấp lên L2 dành riêng cho Bitcoin AI trong tương lai.

Các tính năng độc đáo của HyperAGI:

• Cơ chế đồng thuận Hypergraph PoUW: Đảm bảo an ninh mạng theo cách hiệu quả nhất, tận dụng tất cả sức mạnh tính toán được cung cấp bởi các thợ đào cho các dịch vụ suy luận LLM và kết xuất đám mây.
• Nền tảng hoàn toàn phi tập trung: Dựa trên Bitcoin L2 Stack, đảm bảo nền tảng không bị khóa nhà cung cấp và tạo điều kiện cho sự đồng thuận dễ dàng về quản trị AI.
• Khả năng xác minh và khả năng sử dụng: Tầm nhìn PoUW đảm bảo rằng sức mạnh tính toán có thể được sử dụng để giải quyết các vấn đề khác nhau được gửi đến mạng phi tập trung, giải quyết khả năng xác minh của các mô hình AI chạy từ xa và làm cho các mô hình AI có sẵn công khai có thể sử dụng được.

HyperAGI không chỉ đáp ứng các đặc điểm cần thiết cho một nền tảng AI phi tập trung mà còn thúc đẩy lĩnh vực này với sự tích hợp độc đáo của sức mạnh tính toán GPU và tài sản hóa AI trong khuôn khổ phi tập trung.

Tại sao bây giờ?

1. Sự bùng nổ của LLM và các ứng dụng của chúng

ChatGPT của OpenAI đạt 100 triệu người dùng chỉ trong ba tháng, tạo ra sự đột biến toàn cầu trong việc phát triển, ứng dụng và đầu tư vào các mô hình ngôn ngữ lớn (LLM). Tuy nhiên, cho đến thời điểm này, công nghệ và đào tạo LLM đã được tập trung cao độ. Sự tập trung này đã làm dấy lên mối quan tâm đáng kể giữa các học viện, ngành công nghiệp và công chúng liên quan đến sự độc quyền công nghệ AI của một số nhà cung cấp chính, vi phạm quyền riêng tư dữ liệu, xâm lấn và khóa nhà cung cấp của các công ty điện toán đám mây. Những vấn đề này về cơ bản xuất phát từ việc kiểm soát internet và các cổng ứng dụng bởi các nền tảng tập trung, không phù hợp với các ứng dụng AI quy mô lớn. Cộng đồng AI đã bắt đầu triển khai một số dự án AI do địa phương điều hành và phi tập trung. Ví dụ, Ollama đại diện cho việc thực thi địa phương và Petals đại diện cho sự phân cấp. Ollama sử dụng các phương pháp nén tham số hoặc giảm độ chính xác để cho phép các LLM quy mô vừa và nhỏ chạy trên máy tính cá nhân hoặc thậm chí điện thoại di động, do đó bảo vệ quyền riêng tư dữ liệu người dùng và các quyền khác. Tuy nhiên, cách tiếp cận này rõ ràng là khó khăn để hỗ trợ môi trường sản xuất và các ứng dụng nối mạng. Mặt khác, Petals đạt được suy luận LLM phi tập trung hoàn toàn thông qua công nghệ Peer2Peer của Bittorrent. Tuy nhiên, Petals thiếu sự đồng thuận và các giao thức lớp khuyến khích và vẫn bị giới hạn trong một nhóm nhỏ các nhà nghiên cứu.

2. Trợ lý thông minh điều khiển LLM

Với sự hỗ trợ của LLM, các tác nhân thông minh có thể thực hiện lý luận cấp cao hơn và có khả năng lập kế hoạch nhất định. Sử dụng ngôn ngữ tự nhiên, nhiều tác nhân thông minh có thể hình thành sự hợp tác xã hội tương tự như con người. Một số khung tác nhân thông minh dựa trên LLM đã được đề xuất, chẳng hạn như AutoGen, Langchain và CrewAI của Microsoft. Hiện tại, một số lượng lớn các doanh nhân và nhà phát triển AI đang tập trung vào hướng của các tác nhân thông minh dựa trên LLM và các ứng dụng của họ. Có nhu cầu cao về suy luận LLM ổn định, có thể mở rộng, nhưng điều này chủ yếu đạt được bằng cách thuê các phiên bản suy luận GPU từ các công ty điện toán đám mây. Vào tháng 3/2024, Nvidia đã phát hành ai.nvidia.com, một nền tảng vi dịch vụ AI bao gồm LLM, để đáp ứng nhu cầu khổng lồ này, mặc dù nó vẫn chưa chính thức ra mắt. Các tác nhân thông minh điều khiển LLM đang bùng nổ, giống như phát triển trang web đã từng làm. Tuy nhiên, sự hợp tác vẫn chủ yếu được tiến hành trong chế độ Web2 truyền thống, nơi các nhà phát triển tác nhân thông minh cần thuê GPU hoặc mua API từ các nhà cung cấp LLM để hỗ trợ hoạt động của các tác nhân này. Điều này tạo ra ma sát đáng kể, cản trở sự phát triển nhanh chóng của hệ sinh thái tác nhân thông minh và việc truyền tải giá trị trong nền kinh tế tác nhân thông minh.

3. Môi trường mô phỏng tác nhân thể hiện

Hiện tại, hầu hết các tác nhân chỉ có thể truy cập và vận hành một số API nhất định hoặc tương tác với các API này thông qua mã hoặc tập lệnh, viết các lệnh điều khiển được tạo bởi LLM hoặc đọc các trạng thái bên ngoài. Các tác nhân thông minh nói chung không chỉ hiểu và tạo ra ngôn ngữ tự nhiên mà còn hiểu được thế giới con người. Sau khi được đào tạo thích hợp, họ sẽ có thể chuyển sang các hệ thống robot (như máy bay không người lái, máy hút bụi, robot hình người, v.v.) để hoàn thành các nhiệm vụ cụ thể. Các tác nhân này được gọi là tác nhân thể hiện. Đào tạo các đại lý thể hiện đòi hỏi một lượng lớn dữ liệu hình ảnh trong thế giới thực để giúp họ hiểu rõ hơn về môi trường cụ thể và thế giới thực, rút ngắn thời gian đào tạo và phát triển cho robot, nâng cao hiệu quả đào tạo và giảm chi phí. Hiện tại, các môi trường mô phỏng để đào tạo trí thông minh thể hiện được xây dựng và sở hữu bởi một vài công ty, chẳng hạn như Minecraft của Microsoft và Isaac Gym của Nvidia. Không có môi trường phi tập trung để đáp ứng nhu cầu đào tạo của trí thông minh thể hiện. Gần đây, một số game engine đã bắt đầu tập trung vào trí tuệ nhân tạo, chẳng hạn như Unreal Engine của Epic, đang thúc đẩy môi trường đào tạo AI tuân thủ OpenAI GYM.

4. Hệ sinh thái Bitcoin L2

Mặc dù sidechain Bitcoin đã tồn tại trong nhiều năm, nhưng chúng chủ yếu được sử dụng để thanh toán và việc thiếu hỗ trợ cho các hợp đồng thông minh đã cản trở các ứng dụng phức tạp trên chuỗi. Sự xuất hiện của Bitcoin L2s tương thích EVM cho phép Bitcoin hỗ trợ các ứng dụng AI phi tập trung thông qua L2. AI phi tập trung đòi hỏi một mạng blockchain hoàn toàn phi tập trung, thống trị tính toán thay vì các mạng blockchain PoS ngày càng tập trung. Việc giới thiệu các giao thức mới cho các tài sản Bitcoin gốc, chẳng hạn như chữ khắc và thứ tự, làm cho việc thiết lập các hệ sinh thái và ứng dụng dựa trên Bitcoin trở nên khả thi. Ví dụ: xưởng đúc tiền ra mắt công bằng của HYPER • AGI • AGENT đã được hoàn thành trong vòng một giờ và trong tương lai, HyperAGI sẽ phát hành thêm tài sản AI và các ứng dụng hướng đến cộng đồng trên Bitcoin.

Khung kỹ thuật và giải pháp của HyperAGI

1.Làm thế nào để hiện thực hóa một nền tảng ứng dụng tác nhân thông minh AI dựa trên LLM phi tập trung?

Thách thức chính trong AI phi tập trung ngày nay là cho phép suy luận từ xa cho các mô hình AI lớn và đào tạo và suy luận các tác nhân thông minh được thể hiện bằng cách sử dụng các thuật toán có thể kiểm chứng hiệu suất cao, chi phí thấp. Nếu không có khả năng xác minh, hệ thống sẽ trở lại mô hình thị trường đa bên truyền thống liên quan đến các nhà cung cấp, người yêu cầu và nhà khai thác nền tảng, thay vì đạt được một nền tảng ứng dụng AI phi tập trung hoàn toàn.

Tính toán AI có thể kiểm chứng yêu cầu thuật toán đồng thuận PoUW (Proof of Useful Work). Đây là nền tảng cho các cơ chế khuyến khích phi tập trung. Cụ thể, trong các ưu đãi mạng, việc đúc mã thông báo được thực hiện bởi các nút hoàn thành các nhiệm vụ tính toán và gửi kết quả có thể xác minh, thay vì bất kỳ thực thể tập trung nào chuyển mã thông báo đến các nút.

Để đạt được tính toán AI có thể kiểm chứng, trước tiên chúng ta cần xác định chính tính toán AI. Tính toán AI bao gồm nhiều cấp độ, từ các hướng dẫn máy cấp thấp và hướng dẫn CUDA đến các ngôn ngữ cấp cao hơn như C ++ và Python. Tương tự, trong việc đào tạo các tác nhân thông minh thể hiện, tính toán 3D cũng tồn tại ở nhiều cấp độ khác nhau, bao gồm các ngôn ngữ đổ bóng, OpenGL, C ++ và các tập lệnh blueprint.

Thuật toán đồng thuận PoUW của HyperAGI được triển khai bằng cách sử dụng đồ thị tính toán. Đồ thị tính toán được định nghĩa là một đồ thị có hướng trong đó các nút tương ứng với các phép toán học. Đó là một cách để thể hiện và đánh giá các biểu thức toán học, về cơ bản là một "ngôn ngữ" mô tả các phương trình, chứa các nút (biến) và cạnh (phép toán hoặc hàm đơn giản).

Triển khai tính toán AI có thể kiểm chứng:

1.1 Sử dụng đồ thị tính toán để xác định tính toán có thể kiểm chứng

Bất kỳ tính toán nào (ví dụ: tính toán 3D và AI) đều có thể được xác định bằng cách sử dụng đồ thị tính toán. Các mức tính toán khác nhau có thể được biểu diễn bằng đồ thị con. Cách tiếp cận này bao gồm nhiều loại tính toán khác nhau và thể hiện các mức tính toán khác nhau thông qua các đồ thị con. Hiện tại, nó bao gồm hai lớp: đồ thị tính toán cấp cao nhất được triển khai trên chuỗi để tạo điều kiện xác minh bởi các nút.

1.2 Tải và thực hiện phi tập trung các mô hình LLM và cảnh 3D

Các mô hình LLM và cấp độ cảnh 3D được tải và chạy theo cách phi tập trung hoàn toàn. Khi người dùng truy cập mô hình LLM để suy luận hoặc nhập cảnh 3D để kết xuất, tác nhân thông minh HyperAGI sẽ khởi tạo một nút đáng tin cậy khác để chạy cùng một siêu đồ thị (cảnh LLM hoặc 3D).

1.3 Xác minh kết quả tính toán

Nếu một nút xác minh thấy rằng kết quả được gửi bởi một nút không nhất quán với kết quả được gửi bởi một nút đáng tin cậy, nó sẽ tiến hành tìm kiếm nhị phân trên các kết quả tính toán ngoài chuỗi của đồ thị tính toán lớp thứ hai (đồ thị con) để xác định vị trí nút tính toán phân kỳ (toán tử) trong biểu đồ con. Các toán tử subgraph được triển khai trước cho các hợp đồng thông minh. Bằng cách chuyển các tham số của nhà điều hành không nhất quán sang hợp đồng thông minh và thực hiện nhà điều hành, kết quả có thể được xác minh.

2. Làm thế nào để tránh chi phí tính toán quá mức?

Một thách thức đáng kể trong tính toán AI có thể kiểm chứng là quản lý chi phí tính toán bổ sung. Trong các giao thức đồng thuận Byzantine, 2/3 số nút phải đồng ý để tạo thành sự đồng thuận. Đối với sự đồng thuận suy luận AI, điều này có nghĩa là tất cả các nút sẽ cần phải hoàn thành cùng một tính toán, đây là một sự lãng phí không thể chấp nhận được trong tính toán AI. Tuy nhiên, HyperAGI chỉ yêu cầu các nút từ 1 đến (m) để thực hiện tính toán bổ sung để xác nhận.

2.1 Tính toán đồng hành cho suy luận LLM

Mỗi suy luận LLM không chạy độc lập. Tác nhân thông minh HyperAGI khởi tạo ít nhất một nút đáng tin cậy cho "tính toán đồng hành". Bởi vì suy luận LLM được thực hiện bởi các mạng nơ-ron sâu, nơi kết quả tính toán của mỗi lớp được sử dụng làm đầu vào cho lớp tiếp theo cho đến khi suy luận được hoàn thành, nhiều người dùng có thể truy cập đồng thời cùng một mô hình LLM lớn. Do đó, tối đa, cần phải bắt đầu thêm một số nút đáng tin cậy bằng số lượng LLM (m). Tối thiểu, chỉ cần một nút đáng tin cậy cho "tính toán đồng hành".

2.2 Tính toán kết xuất cảnh 3D

Kết xuất cảnh 3D tuân theo một nguyên tắc tương tự. Khi người dùng vào một cảnh và kích hoạt siêu đồ thị, tác nhân thông minh HyperAGI sẽ tải một nút đáng tin cậy dựa trên siêu đồ thị để thực hiện tính toán siêu đồ thị tương ứng. Nếu (m) người dùng vào các cảnh 3D khác nhau, tối đa (m) các nút đáng tin cậy cho "tính toán đồng hành" cần được bắt đầu.

Tóm lại, số lượng nút tham gia tính toán bổ sung nằm trong khoảng từ 1 đến (n + m) (trong đó (n) là số lượng người dùng nhập cảnh 3D và (m) là số lượng LLM). Phân phối này tuân theo phân phối Gaussian, tránh lãng phí tài nguyên một cách hiệu quả trong khi vẫn đảm bảo hiệu quả xác minh mạng.

Cách AI tích hợp với Web3 để hình thành các ứng dụng bán AI và bán tài chính

Các nhà phát triển AI có thể triển khai các tác nhân thông minh dưới dạng hợp đồng thông minh, với các hợp đồng chứa dữ liệu siêu đồ thị cấp cao nhất trên chuỗi. Người dùng hoặc các trợ lý thông minh khác có thể gọi các phương thức của các hợp đồng trợ lý thông minh này và thanh toán các mã thông báo tương ứng. Tác nhân thông minh cung cấp dịch vụ phải hoàn thành tính toán tương ứng và gửi kết quả có thể xác minh được. Thiết lập này đảm bảo các tương tác kinh doanh phi tập trung giữa người dùng hoặc các tác nhân thông minh khác và tác nhân thông minh.

Trợ lý thông minh sẽ không lo lắng về việc không nhận được mã thông báo sau khi hoàn thành nhiệm vụ và người thanh toán không cần phải lo lắng về việc thanh toán mã thông báo mà không nhận được kết quả tính toán kinh doanh chính xác. Khả năng và giá trị của dịch vụ trợ lý thông minh được xác định bởi giá thị trường thứ cấp và giá trị thị trường của tài sản trợ lý thông minh (bao gồm ERC-20, ERC-721 hoặc ERC-1155 NFT).

Ngoài các ứng dụng bán AI và bán tài chính

Việc áp dụng HyperAGI không giới hạn ở các ứng dụng bán AI và bán tài chính. Nó nhằm mục đích hiện thực hóa UBAI (AI cơ bản phổ quát), xây dựng một tương lai nơi công nghệ phục vụ mọi người bình đẳng, phá vỡ chu kỳ khai thác và tạo ra một xã hội kỹ thuật số thực sự phi tập trung và công bằng.

Tuyên bố:

1. Bài viết này được sao chép từ [techflow deep tide], tiêu đề ban đầu là "Phỏng vấn HyperAGI: Xây dựng một đại lý AI thực sự và tạo ra một nền kinh tế tiền điện tử tự trị", bản quyền thuộc về tác giả gốc [Thứ năm], nếu bạn có bất kỳ phản đối nào về việc tái bản, vui lòng liên hệ với Gate Learn Team, nhóm sẽ xử lý trong thời gian sớm nhất theo các thủ tục liên quan.

2. Tuyên bố từ chối trách nhiệm: Các quan điểm và ý kiến được thể hiện trong bài viết này chỉ đại diện cho quan điểm cá nhân của tác giả và không cấu thành bất kỳ lời khuyên đầu tư nào.

3. Các phiên bản ngôn ngữ khác của bài viết được dịch bởi nhóm Gate Learn, không được đề cập trong Gate.io, bài viết đã dịch không được sao chép, phân phối hoặc đạo văn.