2022年，OpenAI推出了GPT-3.5模型驅動的ChatGPT，引發了一波人工智能敘事的熱潮。雖然ChatGPT在處理查詢時表現良好，但在處理特定領域知識或實時數據時可能受限。例如，在提供Vitalik Buterin過去18個月的代幣交易的詳細可靠信息方面，它很難提供。為了解決這個問題，The Graph的核心開發團隊Semiotic Labs將The Graph的索引軟件堆棧與OpenAI結合起來，推出了代理人項目，提供加密貨幣市場趨勢分析和交易數據查詢服務。

當查詢關於Vitalik Buterin過去18個月的代幣交易時，Agentc提供了更全面的答案。然而，The Graph的人工智能野心超越於此。其白皮書名為“AI基礎設施的圖形“概述其目标不是推出特定的应用程序，而是利用其去中心化的数据索引协议，为开发人员提供构建Web3本地AI应用程序的工具。为了支持这一目标，Semiotic Labs还将开源Agentc的代码库，使开发人员能够创建类似于Agentc的AI dApp，如NFT市场趋势分析代理和DeFi交易助手。

Graph的去中心化AI路线图

The Graph 於2018年7月推出，是一個用於索引和查詢區塊鏈數據的去中心化協議。開發人員可以使用開放的 API 創建和部署名為 subgraphs 的數據索引，從而使應用程序能夠檢索鏈上數據。迄今為止，The Graph 支持超過50條鏈，托管超過75,000個項目，並處理了超過1.26萬億個查詢。

The Graph的處理如此大量的數據的能力得到了它的核心團隊的支持，包括Edge & Node、Streamingfast、Semiotic、The Guild、GraphOps、Messari和Pinax。Streamingfast為區塊鏈數據流提供跨鏈架構技術，而Semiotic AI則專注於將人工智能和加密學融入到The Graph中。The Guild、GraphOps、Messari和Pinax專注於GraphQL開發、索引服務、子圖開發和數據流解決方案等領域。

The Graph的AI策略並不新鮮。去年三月，圖表博客發布一篇概述了利用其数据索引能力的人工智能應用潛力的文章。在十二月，The Graph揭示了其“新時代“路线图，其中包括计划添加大型语言模型（LLM）辅助查询。最近的白皮书进一步阐明了其人工智能路线图，介绍了两项人工智能服务：推理和代理服务，允许开发人员直接将人工智能功能集成到应用程序前端，并得到The Graph的支持。

推論服務：支援各種開源AI模型

在传统的推理服务中，模型使用集中式云资源对输入数据进行预测。例如，ChatGPT执行推理并返回答案。然而，这种集中式方法会增加成本并带来审查风险。The Graph旨在通过创建分散的模型托管市场来解决这个问题，为dApp开发人员在部署和托管AI模型方面提供更大的灵活性。

白皮書提供了一個示例，說明如何使用The Graph創建一個應用程式，幫助Farcaster用戶了解他們的帖子是否會收到很多喜歡。首先，The Graph的子圖數據服務對Farcaster帖子上的評論和喜歡進行索引。接下來，訓練一個神經網絡來預測新的Farcaster評論是否會被喜歡，並將神經網絡部署在The Graph的推理服務中。結果的dApp可以幫助用戶製作更有可能獲得喜歡的帖子。

這種方法可以讓開發人員輕鬆利用The Graph的基礎設施，在網絡上託管預先訓練的模型，並通過API將它們集成到應用程序中，從而使用戶在使用dApps時可以直接體驗這些功能。

為了為開發人員提供更多選擇和靈活性，The Graph的推理服務支持大多數流行的現有模型。根據白皮書，“在MVP階段，The Graph的推理服務將支持一系列流行的開源AI模型，包括Stable Diffusion、Stable Video Diffusion、LLaMA、Mixtral、Grok和Whisper。”在未來，任何經過良好測試和索引的開放模型都可以部署在The Graph推理服務中。此外，為了減少部署AI模型的技術複雜性，The Graph提供了用戶友好的界面，簡化了過程，使開發人員能夠上傳和管理他們的AI模型，而無需擔心基礎設施維護。

為了進一步提升在特定應用中的模型性能，The Graph 還支持在特定數據集上進行模型微調。然而，通常不在 The Graph 自身上進行微調。開發人員需要在外部進行模型微調，然後使用 The Graph 的推理服務部署這些模型。為了鼓勵開發人員公開微調的模型，The Graph 正在開發激勵機制，例如在模型創建者和索引器之間公平分配查詢費用。

為確保AI推理結果的可信度，The Graph提供了幾種驗證方法，包括受信任的權威機構、M-of-N共識、交互式欺詐證明和zk-SNARKs。每種方法都有其優點和缺點。受信任的權威機構依賴於受信任的實體；M-of-N共識需要多個索引器進行驗證，增加了作弊的難度，同時也提高了計算和協調成本；交互式欺詐證明提供了強大的安全性，但不適用於需要快速響應的應用；zk-SNARKs在技術上較為複雜，不適用於大型模型。

The Graph認為開發人員和用戶應該能夠根據自己的需求選擇適當的安全級別。因此，The Graph計劃在其推理服務中支持各種驗證方法，以適應不同的安全要求和應用場景。例如，金融交易或關鍵業務邏輯可能需要更高的安全驗證方法，如zk-SNARKs或M-of-N共識，而風險較低或以娛樂為導向的應用程序可以選擇更具成本效益和直接的方法，如可信機構或互動性詐騙證據。此外，The Graph計劃探索隱私增強技術，以解決模型和用戶隱私問題。

代理服務：協助開發人員構建自主AI驅動的應用程式

在推理服務主要專注於運行預先訓練的人工智慧模型進行推斷，代理服務則更加複雜，需要多個組件共同工作，使代理能夠執行各種複雜和自動化任務。Graph 的代理服務旨在在 Graph 內部集成代理的構建、托管和執行，並得到索引器網絡的支持。

具体而言，The Graph將提供一個去中心化網絡，支持代理的構建和託管。一旦代理在The Graph網絡上部署，索引器將提供必要的執行支持，包括索引數據，響應鏈上事件和其他互動請求。

正如之前提到的，The Graph的核心开发团队Semiotic Labs已经启动了早期的Agent实验。AgentcAgentc 將 The Graph 的索引軟體堆疊與 OpenAI 結合起來。其主要功能是將自然語言輸入轉換為 SQL 查詢，使用戶能夠查詢區塊鏈上的實時數據並以易於理解的形式呈現結果。簡單來說，Agentc 的重點是為用戶提供方便的加密貨幣市場趨勢分析和交易數據查詢，所有數據來源於以太坊上的 Uniswap V2、Uniswap V3、Uniswap X 及其分叉，價格每小時更新一次。

此外，The Graph 注意到所使用的 LLM 模型的准确率只有 63.41%，表明存在错误回答的可能性。为了解决这个问题，The Graph 正在开发一种新型的大型语言模型，称为 KGLLM（基于知识图谱的大型语言模型）。KGLLM 使用 Geo 提供的结构化知识图谱数据，大大降低了生成错误信息的可能性。Geo 系统中的每个陈述都由链上时间戳和投票验证支持。在集成 Geo 的知识图谱之后，Agents 可以应用于各种场景，包括医疗法规、政治发展、市场分析等，提高了 Agent 服务的多样性和准确性。例如，KGLLM 可以使用政治数据向去中心化自治组织（DAO）提供政策变更建议，并确保这些建议基于当前和准确的信息。

KGLLM的優勢包括：

• 使用結構化數據:KGLLM利用結構化的外部知識庫，將信息以圖形形式建模在知識圖中，使數據之間的關係易於查詢和理解。
• 關聯數據處理:KGLLM非常适合处理关系型数据，比如理解人与事件之间的关系。它使用图遍历算法通过在知识图中跳转多个节点来查找相关信息（类似在地图上移动）。这种方法帮助KGLLM定位回答问题的最相关信息。
• 高效的信息檢索和生成:使用图遍历算法，KGLLM提取关系并将其转化为模型可以理解的自然语言提示。这些清晰的指令使KGLLM能够生成更准确和相关的回答。

Outlook

作為 Web3 的“谷歌”，The Graph 解決了 AI 服務中目前的數據短缺問題，並通過其 AI 服務簡化了開發流程。隨著越來越多的 AI 應用的開發和採用，用戶體驗有望進一步改善。未來，The Graph 開發團隊將繼續探索將 AI 與 Web3 整合的可能性。此外，其生態系統內的其他團隊，例如 Playgrounds Analytics 和 DappLooker，也正在設計與代理服務相關的解決方案。

免責聲明：

1. 本文轉載自[ChainFeeds 研究], 所有版權屬於原作者 [LindaBell]. 如果對此轉載有異議，請聯繫 Gate 學習團隊會及時處理它。
2. 責任聲明：本文所表達的觀點和意見僅代表作者本人的觀點，並不構成任何投資建議。
3. 文章的翻譯由Gate Learn團隊進行。除非另有說明，否則禁止複製、分發或剽竊翻譯的文章。