Як The Graph масштабується, щоб стати інфраструктурою Web3, керованою штучним інтелектом

Автор: ChainFeeds Research

У 2022 році OpenAI запустила ChatGPT на основі моделі GPT-3.5, що з того часу спричинило хвилі AI-наративів. Однак, хоча ChatGPT може ефективно вирішувати проблеми в більшості випадків, його продуктивність може бути обмеженою, коли потрібні специфічні знання або дані в реальному часі. Наприклад, коли його запитують про записи торгівлі токенами Віталіка Бутеріна за останні 18 місяців, він не може надати надійну та детальну інформацію. З цієї причини основна команда розробників The Graph, Semiotic Labs, об'єднала програмний стек індексації The Graph та OpenAI для запуску проекту Agentc, який може надавати користувачам послуги аналізу ринкових тенденцій криптовалют та запитів даних про транзакції.

Коли запитали Agentc про записи торгівлі токенами Віталіка Бутеріна за останні 18 місяців, він надав більш детальну відповідь. Однак, AI-розробка The Graph не обмежується цим. У білому папері "The Graph як AI-інфраструктура" зазначено, що мета полягає не в запуску конкретного додатку, а в повному використанні своїх переваг як децентралізованого протоколу індексації даних для надання розробникам інструментів для створення Web3-нативних AI-додатків. Для підтримки цієї мети Semiotic Labs також відкриє вихідний код бази Agentc, дозволяючи розробникам створювати AI-додатки з функціями, подібними до Agentc, такими як агенти аналізу ринкових тенденцій NFT та агенти-помічники для торгівлі DeFi.

Децентралізована AI-дорожня карта The Graph

The Graph був запущений у липні 2018 року і є децентралізованим протоколом для індексації та запитів даних блокчейну. Через цей протокол розробники можуть використовувати відкриті API для створення та публікації індексів даних, званих субграфами, що дозволяє додаткам ефективно отримувати дані з блокчейну. На сьогоднішній день The Graph підтримує більше 50 ланцюгів, хостить більше 75,000 проектів і обробляє більше 1.26 трильйонів запитів.

The Graph здатний обробляти таку величезну кількість даних завдяки підтримці основної команди, включаючи Edge Node, Streamingfast, Semiotic, The Guild, GraphOps, Messari та Pinax. Серед них Streamingfast головним чином надає технологію крос-ланцюгової архітектури для потоку даних блокчейну, а Semiotic AI зосереджується на застосуванні AI та криптографії до The Graph. The Guild, GraphOps, Messari та Pinax кожен зосереджуються на таких областях, як розробка GraphQL, індексаційні послуги, розробка субграфів та рішення для потоку даних.

Розробка AI The Graph не є новою ідеєю. Ще в березні минулого року The Graph Blog опублікував статтю, в якій окреслив потенціал використання своїх можливостей індексації даних для додатків штучного інтелекту. У грудні минулого року The Graph випустив нову дорожню карту під назвою "Нова ера", плануючи додати AI-асистовані запити для великих мовних моделей. З недавнім випуском білого паперу його AI-дорожня карта стала чіткішою. Білий папір представляє дві AI-послуги: Inference та Agent Service, які дозволяють розробникам інтегрувати AI-функції безпосередньо у фронтенд додатку, і весь процес підтримується The Graph.

Inference Service: Підтримка кількох відкритих AI-моделей

У традиційних сервісах інференції моделі роблять прогнози на основі вхідних даних через централізовані хмарні обчислювальні ресурси. Наприклад, коли ви задаєте питання ChatGPT, він робить висновок і повертає відповідь. Однак цей централізований підхід не тільки збільшує витрати, але й створює ризики цензури. The Graph сподівається вирішити цю проблему, створивши децентралізований ринок хостингу моделей, надаючи розробникам dApp більше гнучкості у розгортанні та хостингу AI-моделей.

The Graph наводить приклад у білому папері, показуючи, як створити додаток, щоб допомогти користувачам Farcaster зрозуміти, чи їхні пости отримають багато лайків. Спочатку використовуйте службу даних субграфа The Graph для індексації кількості коментарів та лайків на постах Farcaster. Потім навчіть нейронну мережу передбачати, чи новий коментар Farcaster буде лайкнутий, і розгорніть нейронну мережу на службу інференції The Graph. Кінцевий dApp розроблений

d може допомогти користувачам писати пости, які отримують більше лайків.

Цей підхід дозволяє розробникам легко використовувати інфраструктуру The Graph, розміщувати попередньо навчені моделі в мережі The Graph і інтегрувати їх у додатки через API інтерфейси, щоб користувачі могли безпосередньо відчути ці функції при використанні dApps.

Для того, щоб надати розробникам більше вибору та гнучкості, Сервіс Інференції The Graph підтримує більшість існуючих популярних моделей. У білому папері зазначено: "На етапі MVP Сервіс Інференції The Graph підтримуватиме набір відібраних популярних відкритих AI моделей, включаючи Stable Diffusion, Stable Video Diffusion, LLaMA, Mixtral, Grok та Whisper тощо." У майбутньому будь-яка відкрита модель, яка пройшла достатнє тестування та експлуатацію індексатором, може бути розгорнута в Сервісі Інференції The Graph. Крім того, для зменшення технічної складності розгортання AI моделей, The Graph надає зручний інтерфейс, який спрощує весь процес, дозволяючи розробникам легко завантажувати та керувати своїми AI моделями без необхідності турбуватися про обслуговування інфраструктури.

Для подальшого покращення продуктивності моделей у конкретних сценаріях застосування, The Graph також підтримує тонке налаштування моделей для конкретних наборів даних. Однак слід зазначити, що тонке налаштування зазвичай не виконується на The Graph. Розробники повинні виконувати тонке налаштування моделей зовні, а потім розгортати їх за допомогою сервісу інференції The Graph. Щоб заохотити розробників публічно розкривати тонко налаштовані моделі, The Graph розробляє механізми стимулювання, такі як розумний розподіл плати за запити між творцями моделей та індексаторами, які надають моделі.

Щодо перевірки виконання завдань інференції, The Graph надає різні методи, такі як довірена авторитетність, консенсус M-of-N, інтерактивні докази шахрайства та zk-SNARKs. Кожен з цих чотирьох методів має свої переваги та недоліки. Довірена авторитетність покладається на довірені суб'єкти; консенсус M-of-N вимагає перевірки кількома індексаторами, що збільшує складність шахрайства, але також збільшує обчислювальні та координаційні витрати; інтерактивні докази шахрайства є більш безпечними, але не підходять для додатків, які потребують швидкої відповіді; а zk-SNARKs є більш складними у впровадженні та не підходять для великих моделей.

The Graph вважає, що розробники та користувачі повинні мати право вибирати відповідний рівень безпеки відповідно до своїх потреб. Тому The Graph планує підтримувати кілька методів перевірки у своєму сервісі інференції, щоб адаптуватися до різних потреб безпеки та сценаріїв застосування. Наприклад, у ситуаціях, що стосуються фінансових транзакцій або важливої бізнес-логіки, може бути необхідно використовувати більш безпечні методи перевірки, такі як zk-SNARKs або консенсус M-of-N. Для деяких низькоризикових або розважальних додатків можна вибрати методи перевірки, які є менш витратними та простішими у впровадженні, такі як довірена авторитетність або інтерактивні докази шахрайства. Крім того, The Graph також планує досліджувати технології підвищення конфіденційності для покращення питань конфіденційності моделей та користувачів.

Сервіс Агентів: Допомога розробникам у створенні автономних додатків на основі AI

Порівняно з Сервісом Інференції, який головним чином запускає навчені AI моделі для інференції, Сервіс Агентів є більш складним і вимагає, щоб кілька компонентів працювали разом, щоб ці агенти могли виконувати серію складних та автоматизованих завдань. Ціннісна пропозиція Сервісу Агентів The Graph полягає в інтеграції створення, розміщення та виконання агентів у The Graph та наданні послуг від мережі індексаторів.

Зокрема, The Graph надасть децентралізовану мережу для підтримки створення та розміщення агентів. Після розгортання Агента в мережі The Graph, індексатор The Graph надасть необхідну підтримку виконання

включаючи індексацію даних, реагування на події в ланцюжку та інші інтерактивні запити.

Як зазначено вище, основна команда розробників The Graph, Semiotic Labs, запустила ранній експериментальний продукт Agentc, який поєднує індексаційний програмний стек The Graph та OpenAI. Його основна функція полягає в перетворенні введення природної мови в SQL-запити, що дозволяє користувачам безпосередньо запитувати дані в реальному часі на блокчейні та представляти результати запиту у зрозумілій формі. Простіше кажучи, Agentc зосереджується на наданні користувачам зручного аналізу ринкових тенденцій криптовалют та запитів даних про транзакції. Всі його дані надходять з Uniswap V2, Uniswap V3, Uniswap X та їх форків на Ethereum, а ціни оновлюються щогодини.

Крім того, The Graph також зазначив, що модель LLM, яку використовує The Graph, має точність лише 63,41%, тому існує проблема некоректної відповіді. Для вирішення цієї проблеми The Graph розробляє нову велику мовну модель під назвою KGLLM (Knowledge Graph-enabled Large Language Models).

KGLLM може значно зменшити ймовірність генерації неправдивої інформації, використовуючи структуровані дані графу знань, надані Geo. Кожне твердження в системі Geo підтримується часовими мітками в ланцюжку та верифікацією голосуванням. Після інтеграції графу знань Geo агенти можуть застосовуватися до різних сценаріїв, включаючи медичні регламенти, політичні події, аналіз ринку тощо, тим самим покращуючи різноманітність та точність агентських послуг. Наприклад, KGLLM може використовувати політичні дані для надання рекомендацій щодо змін політики для децентралізованих автономних організацій (DAO) та забезпечувати, щоб вони базувалися на актуальній та точній інформації.

Переваги KGLLM також включають:

Використання структурованих даних: KGLLM використовує структуровану зовнішню базу знань. Інформація моделюється у графічній формі в графі знань, що робить відносини між даними зрозумілими з першого погляду, тому запити та розуміння даних стають більш інтуїтивними;
Можливості обробки реляційних даних: KGLLM особливо підходить для обробки реляційних даних, наприклад, він може розуміти відносини між людьми, відносини між людьми та подіями тощо. І він використовує алгоритм обходу графу для знаходження відповідної інформації, переходячи через кілька вузлів у графі знань (подібно до переміщення на карті). Таким чином, KGLLM може знайти найбільш релевантну інформацію для відповіді на запитання;
Ефективне отримання та генерація інформації: Через алгоритм обходу графу відносини, витягнуті KGLLM, перетворюються на підказки, які модель може зрозуміти природною мовою. Завдяки цим чітким інструкціям модель KGLLM може генерувати більш точні та релевантні відповіді.

Перспективи

Як "Google Web3", The Graph використовує свої переваги для компенсації поточного дефіциту даних у AI-сервісах та спрощує процес розробки проектів для розробників, впроваджуючи AI-сервіси. З розвитком та використанням більшої кількості AI-додатків очікується подальше покращення користувацького досвіду. У майбутньому команда розробників The Graph продовжуватиме досліджувати можливості поєднання штучного інтелекту з Web3. Крім того, інші команди в його екосистемі, такі як Playgrounds Analytics та DappLooker, також розробляють рішення, пов'язані з проксі-сервісами.