Comment The Graph évolue-t-il pour devenir une infrastructure Web3 pilotée par l'IA?

d peut aider les utilisateurs à écrire des publications qui peuvent obtenir plus de likes.

Cet approche permet aux développeurs de tirer facilement parti de l'infrastructure de The Graph, d'héberger des modèles pré-entraînés sur le réseau The Graph et de les intégrer dans des applications via des interfaces API, afin que les utilisateurs puissent directement expérimenter ces fonctionnalités lors de l'utilisation de dApps.

Pour offrir aux développeurs plus de choix et de flexibilité, le service d'inférence de The Graph prend en charge la plupart des modèles populaires existants. Il est écrit dans le livre blanc : "À l'étape MVP, le service d'inférence de The Graph prendra en charge un ensemble de modèles d'IA open source populaires sélectionnés, y compris Stable Diffusion, Stable Video Diffusion, LLaMA, Mixtral, Grok et Whisper, etc." À l'avenir, tout modèle ouvert qui a été suffisamment testé et exploité par un indexeur pourra être déployé dans le service d'inférence de The Graph. De plus, afin de réduire la complexité technique du déploiement des modèles d'IA, The Graph fournit une interface conviviale qui simplifie l'ensemble du processus, permettant aux développeurs de télécharger et de gérer facilement leurs modèles d'IA sans se soucier de la maintenance de l'infrastructure.

Pour améliorer encore les performances des modèles dans des scénarios d'application spécifiques, The Graph prend également en charge le réglage fin des modèles pour des ensembles de données spécifiques. Cependant, il convient de noter que le réglage fin n'est généralement pas effectué sur The Graph. Les développeurs doivent affiner les modèles en externe, puis les déployer en utilisant le service de raisonnement de The Graph. Pour encourager les développeurs à divulguer publiquement les modèles affinés, The Graph développe des mécanismes d'incitation, tels que l'allocation raisonnable des frais de requête entre les créateurs de modèles et les indexeurs qui fournissent les modèles.

En termes de vérification de l'exécution des tâches de raisonnement, The Graph propose une variété de méthodes, telles que l'autorité de confiance, le consensus M-of-N, les preuves de fraude interactives et les zk-SNARKs. Chacune de ces quatre méthodes a ses propres avantages et inconvénients. L'autorité de confiance repose sur des entités de confiance ; le consensus M-of-N nécessite une vérification par plusieurs indexeurs, ce qui augmente la difficulté de tricher tout en augmentant les coûts de calcul et de coordination ; les preuves de fraude interactives sont plus sécurisées, mais ne conviennent pas aux applications nécessitant des réponses rapides ; et les zk-SNARKs sont plus complexes à mettre en œuvre et ne conviennent pas aux grands modèles.

The Graph estime que les développeurs et les utilisateurs devraient avoir le droit de choisir le niveau de sécurité approprié en fonction de leurs besoins. Par conséquent, The Graph prévoit de prendre en charge plusieurs méthodes de vérification dans son service d'inférence pour s'adapter à différents besoins de sécurité et scénarios d'application. Par exemple, dans des situations impliquant des transactions financières ou une logique commerciale importante, il peut être nécessaire d'utiliser des méthodes de vérification plus sécurisées, telles que les zk-SNARKs ou le consensus M-of-N. Pour certaines applications à faible risque ou de divertissement, vous pouvez choisir des méthodes de vérification moins coûteuses et plus simples à mettre en œuvre, telles que les autorités de confiance ou les preuves de fraude interactives. De plus, The Graph prévoit également d'explorer des technologies améliorant la confidentialité pour améliorer les problèmes de confidentialité des modèles et des utilisateurs.

Service d'agent : Aider les développeurs à créer des applications autonomes pilotées par l'IA

Comparé au service d'inférence, qui exécute principalement des modèles d'IA entraînés pour le raisonnement, le service d'agent est plus complexe et nécessite plusieurs composants pour travailler ensemble afin de permettre à ces agents d'effectuer une série de tâches complexes et automatisées. La proposition de valeur du service d'agent de The Graph est d'intégrer la construction, l'hébergement et l'exécution des agents dans The Graph et de fournir des services à partir du réseau d'indexeurs.

Plus précisément, The Graph fournira un réseau décentralisé pour soutenir la construction et l'hébergement des agents. Une fois l'agent déployé sur le réseau The Graph, l'indexeur de The Graph fournira le support d'exécution nécessaire.

y compris l'indexation des données, la réponse aux événements sur la chaîne et d'autres demandes interactives.

Comme mentionné ci-dessus, l'équipe de développement principal de The Graph, Semiotic Labs, a lancé un produit expérimental précoce appelé Agentc, qui combine la pile logicielle d'indexation de The Graph et OpenAI. Sa fonction principale est de convertir les entrées en langage naturel en requêtes SQL, permettant aux utilisateurs de consulter directement les données en temps réel sur la blockchain et de présenter les résultats de la requête de manière compréhensible. En termes simples, Agentc se concentre sur la fourniture aux utilisateurs d'analyses de tendances du marché des cryptomonnaies et de requêtes de données de transaction pratiques. Toutes ses données proviennent de Uniswap V2, Uniswap V3, Uniswap X et de leurs forks sur Ethereum, et les prix sont mis à jour toutes les heures.

De plus, The Graph a également déclaré que le modèle LLM utilisé par The Graph a un taux de précision de seulement 63,41 %, ce qui pose un problème de réponse incorrecte. Pour résoudre ce problème, The Graph développe un nouveau modèle de langage de grande taille appelé KGLLM (Knowledge Graph-enabled Large Language Models).

KGLLM peut réduire considérablement la probabilité de générer des informations erronées en utilisant des données structurées de graphes de connaissances fournies par Geo. Chaque déclaration dans le système Geo est soutenue par des horodatages sur la chaîne et une vérification par vote. Après l'intégration du graphe de connaissances de Geo, les agents peuvent être appliqués à une variété de scénarios, y compris les réglementations médicales, les développements politiques, l'analyse de marché, etc., améliorant ainsi la diversité et la précision des services d'agents. Par exemple, KGLLM peut utiliser des données politiques pour fournir des recommandations de changement de politique pour les organisations autonomes décentralisées (DAO) et s'assurer qu'elles sont basées sur des informations actuelles et précises.

Les avantages de KGLLM incluent également :

Utilisation de données structurées : KGLLM utilise une base de connaissances externe structurée. Les informations sont modélisées sous forme graphique dans le graphe de connaissances, rendant la relation entre les données claire à première vue, ce qui rend la consultation et la compréhension des données plus intuitives ;
Capacités de traitement des données relationnelles : KGLLM est particulièrement adapté au traitement des données relationnelles, par exemple, il peut comprendre la relation entre les personnes, la relation entre les personnes et les événements, etc. Et il utilise un algorithme de parcours de graphe pour trouver des informations pertinentes en sautant plusieurs nœuds dans le graphe de connaissances (similaire à un déplacement sur une carte). De cette manière, KGLLM peut trouver les informations les plus pertinentes pour répondre aux questions ;
Récupération et génération d'informations efficaces : Grâce à l'algorithme de parcours de graphe, les relations extraites par KGLLM sont converties en invites que le modèle peut comprendre en langage naturel. Grâce à ces instructions claires, le modèle KGLLM peut générer des réponses plus précises et pertinentes.

Perspectives

En tant que "Google du Web3", The Graph utilise ses avantages pour compenser la pénurie actuelle de données des services d'IA et simplifie le processus de développement de projets pour les développeurs en introduisant des services d'IA. Avec le développement et l'utilisation de plus d'applications d'IA, l'expérience utilisateur devrait être encore améliorée. À l'avenir, l'équipe de développement de The Graph continuera d'explorer la possibilité de combiner l'intelligence artificielle avec le Web3. De plus, d'autres équipes de son écosystème, telles que Playgrounds Analytics et DappLooker, conçoivent également des solutions liées aux services de proxy.