Năm 2022, OpenAI ra mắt mô hình GPT-3.5 điều khiển ChatGPT, khởi đầu một làn sóng truyện tranh AI. Mặc dù ChatGPT nói chung thực hiện tốt trong việc xử lý các câu hỏi, nhưng nó có thể bị hạn chế khi xử lý kiến thức lĩnh vực cụ thể hoặc dữ liệu thời gian thực. Ví dụ, nó gặp khó khăn trong việc cung cấp thông tin chi tiết và đáng tin cậy về các giao dịch token của Vitalik Buterin trong 18 tháng qua. Để giải quyết điều này, nhóm phát triển cốt lõi của The Graph, Semiotic Labs, đã kết hợp ngăn xếp phần mềm chỉ mục của The Graph với OpenAI để ra mắt Agentcdự án, cung cấp phân tích xu hướng thị trường tiền điện tử và dịch vụ truy vấn dữ liệu giao dịch.

Khi truy vấn Agentc về các giao dịch token của Vitalik Buterin trong 18 tháng qua, nó sẽ đưa ra câu trả lời toàn diện hơn. Tuy nhiên, tham vọng AI của The Graph vượt xa điều này. Sách trắng của nó có tiêu đề "Đồ thị như Cơ sở Hạ tầng trí tuệ nhân tạo“đề ra mục tiêu của mình không phải là ra mắt một ứng dụng cụ thể mà là tận dụng giao thức chỉ mục dữ liệu phi tập trung của mình để cung cấp cho các nhà phát triển các công cụ để xây dựng ứng dụng trí tuệ nhân tạo Web3-native. Để hỗ trợ mục tiêu này, Semiotic Labs cũng sẽ công bố mã nguồn mở của Agentc, cho phép các nhà phát triển tạo ra các ứng dụng dApps trí tuệ nhân tạo tương tự như Agentc, chẳng hạn như các đại lý phân tích xu hướng thị trường NFT và các trợ lý giao dịch DeFi.

Lộ trình trí tuệ nhân tạo phi tập trung của The Graph

The Graph được ra mắt vào tháng 7 năm 2018, là một giao thức phi tập trung để chỉ mục và truy vấn dữ liệu blockchain. Nhà phát triển có thể sử dụng các API mở để tạo và triển khai các chỉ mục dữ liệu gọi là subgraphs, cho phép ứng dụng truy xuất dữ liệu on-chain. Đến nay, The Graph đã hỗ trợ hơn 50 chuỗi, lưu trữ hơn 75.000 dự án và xử lý hơn 1,26 nghìn tỷ truy vấn.

Khả năng xử lý dữ liệu khổng lồ của The Graph được hỗ trợ bởi các nhóm nhân viên chính bao gồm Edge & Node, Streamingfast, Semiotic, The Guild, GraphOps, Messari và Pinax. Streamingfast cung cấp công nghệ kiến trúc xuyên chuỗi cho luồng dữ liệu blockchain, trong khi Semiotic AI tập trung vào tích hợp trí tuệ nhân tạo và mật mã vào The Graph. The Guild, GraphOps, Messari và Pinax chuyên về các lĩnh vực như phát triển GraphQL, dịch vụ lập chỉ mục, phát triển phụ đồ và giải pháp dòng dữ liệu.

Chiến lược AI của The Graph không phải là mới. Tháng 3 năm ngoái, Blog của The Graph được công bốmột bài báo chỉ ra tiềm năng của các ứng dụng trí tuệ nhân tạo sử dụng khả năng chỉ mục dữ liệu của nó. Vào tháng 12, The Graph đã công bố “Kỷ nguyên mới“lộ trình, bao gồm kế hoạch thêm trợ giúp của mô hình ngôn ngữ lớn (LLM) cho các truy vấn. Bài báo trắng gần đây cũng làm rõ hơn lộ trình trí tuệ nhân tạo của nó, giới thiệu hai dịch vụ trí tuệ nhân tạo: Dịch và Dịch vụ Điều khiển, cho phép các nhà phát triển tích hợp các chức năng trí tuệ nhân tạo trực tiếp vào giao diện ứng dụng, với sự hỗ trợ từ The Graph.

Dịch vụ suy luận: Hỗ trợ một loạt các mô hình trí tuệ nhân tạo nguồn mở

Trong dịch vụ suy luận truyền thống, các mô hình thực hiện dự đoán trên dữ liệu đầu vào bằng cách sử dụng tài nguyên đám mây tập trung. Ví dụ, ChatGPT thực hiện suy luận và trả lời câu hỏi. Tuy nhiên, cách tiếp cận tập trung này tăng chi phí và đặt ra rủi ro kiểm duyệt. The Graph nhằm giải quyết vấn đề này bằng cách tạo ra một chợ mô hình tập trung, mang lại sự linh hoạt hơn cho các nhà phát triển dApp trong triển khai và lưu trữ các mô hình trí tuệ nhân tạo.

Bài viết trắng cung cấp một ví dụ về cách sử dụng The Graph để tạo ra một ứng dụng giúp người dùng Farcaster hiểu được bài viết của họ có nhận được nhiều lượt thích hay không. Đầu tiên, dịch vụ dữ liệu con đồi từ The Graph chỉ mục bình luận và lượt thích trên bài viết Farcaster. Tiếp theo, một mạng nơ-ron được huấn luyện để dự đoán xem những bình luận Farcaster mới có được thích hay không, và mạng nơ-ron được triển khai trong dịch vụ suy luận của The Graph. Ứng dụng dApp kết quả có thể giúp người dùng tạo ra những bài viết có khả năng nhận được nhiều lượt thích hơn.

Phương pháp này cho phép các nhà phát triển dọc sử dụng cơ sở hạ tại cấu trúc của The Graph, lưu trữ mô hình được đào tạo trên mạng và tích hợp chúng vào các ứng dụng qua API, cho phép người dùng trực tiếp trả nghiệm các chức năng này khi sử dụng dApps.

Để cung cấp cho các nhà phát triển nhiều tùy chọn và tính linh hoạt hơn, Dịch vụ suy luận của The Graph hỗ trợ hầu hết các mô hình phổ biến hiện có. Theo sách trắng, "Trong giai đoạn MVP, Dịch vụ suy luận của The Graph sẽ hỗ trợ lựa chọn các mô hình AI nguồn mở phổ biến, bao gồm Khuếch tán ổn định, Khuếch tán video ổn định, LLaMA, Mixtral, Grok và Whisper." Trong tương lai, bất kỳ mô hình mở nào được thử nghiệm và lập chỉ mục đều có thể được triển khai trong Dịch vụ suy luận đồ thị. Ngoài ra, để giảm độ phức tạp kỹ thuật của việc triển khai các mô hình AI, The Graph cung cấp các giao diện thân thiện với người dùng giúp đơn giản hóa quy trình, cho phép các nhà phát triển tải lên và quản lý các mô hình AI của họ mà không phải lo lắng về việc bảo trì cơ sở hạ tầng.

Để nâng cao hiệu suất mô hình trong các ứng dụng cụ thể, The Graph cũng hỗ trợ việc điều chỉnh mô hình trên các bộ dữ liệu cụ thể. Tuy nhiên, việc điều chỉnh thường không được thực hiện trên The Graph chính. Các nhà phát triển cần điều chỉnh mô hình từ bên ngoài và sau đó triển khai các mô hình này bằng dịch vụ suy luận của The Graph. Để khuyến khích các nhà phát triển đưa ra các mô hình đã được điều chỉnh công khai, The Graph đang phát triển cơ chế động viên, chẳng hạn như phân phối công bằng các khoản phí truy vấn giữa người tạo mô hình và người lập chỉ mục.

Để đảm bảo tính minh thạch của kết quả suy luận AI, The Graph cung cấp một số phương pháp xác minh, bao gồm các cơ quan tin cậy, sự đồng thuận M-trong-N, chứng minh gian lận tương tác và zk-SNARKs. Mỗi phương pháp đều có ưu điểm và nhược điểm riêng. Các cơ quan tin cậy dựa vào các thực thể tin cậy; sự đồng thuận M-trong-N yêu cầu nhiều người chỉ mục để xác thực, tăng độ khó trong việc gian lận đồng thời tăng chi phí tính toán và điều phối; chứng minh gian lận tương tác cung cấp bảo mật mạnh nhưng không phù hợp với các ứng dụng yêu cầu phản hồi nhanh; zk-SNARKs kỹ thuật phức tạp và ít phù hợp với các mô hình lớn.

The Graph tin rằng những nhà phát triển và người dùng nên có thể lựa chọn mức độ bảo mật phù hợp dựa trên nhu cầu của họ. Do đó, The Graph dự định hỗ trợ các phương pháp xác minh khác nhau trong dịch vụ suy luận của mình để đáp ứng các yêu cầu bảo mật và kịch bản ứng dụng khác nhau. Ví dụ, các giao dịch tài chính hoặc logic kinh doanh quan trọng có thể yêu cầu các phương pháp xác minh bảo mật cao hơn, như zk-SNARKs hoặc sự đồng thuận M-of-N, trong khi các ứng dụng có rủi ro thấp hoặc hướng giải trí có thể chọn các phương pháp tiết kiệm chi phí và đơn giản hơn, như các cơ quan đáng tin cậy hoặc chứng minh gian lận tương tác. Ngoài ra, The Graph dự định khám phá các công nghệ tăng cường quyền riêng tư để giải quyết các vấn đề về quyền riêng tư của mô hình và người dùng.

Dịch Vụ Đại Lý: Hỗ Trợ Nhà Phát Triển Xây Dựng Ứng Dụng Tự Động AI-Driven

Trong khi Dịch vụ Suy luận chủ yếu tập trung vào việc chạy các mô hình trí tuệ nhân tạo được đào tạo trước để suy luận, Dịch vụ Đại lý phức tạp hơn, yêu cầu nhiều thành phần phải làm việc cùng nhau để cho phép Đại lý thực hiện một loạt các nhiệm vụ phức tạp và tự động. Dịch vụ Đại lý của Graph nhằm tích hợp việc xây dựng, đăng tải và thực thi các Đại lý trong Graph, với sự hỗ trợ của mạng chỉ mục.

Cụ thể, The Graph sẽ cung cấp một mạng phi tập trung để hỗ trợ việc xây dựng và lưu trữ các Đại lý. Khi một Đại lý được triển khai trên mạng The Graph, các nhà chỉ số sẽ cung cấp hỗ trợ thực thi cần thiết, bao gồm chỉ số dữ liệu và phản hồi cho các sự kiện trên chuỗi và các yêu cầu tương tác khác.

Như đã đề cập trước đó, đội phát triển chính của The Graph, Semiotic Labs, đã ra mắt một thí nghiệm Agent sớm,Agentc, kết hợp ngăn xếp phần mềm chỉ mục của The Graph với OpenAI. Chức năng chính của nó là chuyển đổi đầu vào ngôn ngữ tự nhiên thành các truy vấn SQL, cho phép người dùng truy vấn dữ liệu thời gian thực trên chuỗi khối và hiển thị kết quả dưới dạng dễ hiểu. Nói một cách đơn giản, Agentc tập trung vào cung cấp cho người dùng phân tích xu hướng thị trường tiền điện tử tiện lợi và truy vấn dữ liệu giao dịch, với tất cả dữ liệu được lấy từ Uniswap V2, Uniswap V3, Uniswap X và các nhánh của chúng trên Ethereum, và giá cập nhật hàng giờ.

Hơn nữa, The Graph đã ghi nhận rằng các mô hình LLM được sử dụng có tỷ lệ chính xác chỉ đạt 63,41%, cho thấy khả năng có thông tin không chính xác. Để giải quyết vấn đề này, The Graph đang phát triển một loại mô hình ngôn ngữ lớn mới được gọi là KGLLM (Knowledge Graph-enabled Large Language Models). KGLLM sử dụng dữ liệu đồ thị kiến thức có cấu trúc do Geo cung cấp, giảm đáng kể khả năng tạo ra thông tin sai lầm. Mỗi tuyên bố trong hệ thống của Geo được hỗ trợ bởi các dấu thời gian trên chuỗi và xác thực bỏ phiếu. Sau khi tích hợp đồ thị kiến thức của Geo, các Agent có thể được áp dụng vào các kịch bản khác nhau, bao gồm quy định y tế, phát triển chính trị, phân tích thị trường, v.v., tăng tính đa dạng và chính xác của dịch vụ Agent. Ví dụ, KGLLM có thể sử dụng dữ liệu chính trị để cung cấp gợi ý thay đổi chính sách cho tổ chức tự trị phi tập trung (DAOs) và đảm bảo rằng chúng dựa trên thông tin hiện tại và chính xác.

Ưu điểm của KGLLM bao gồm:

• Sử dụng Dữ liệu Cấu trúc:KGLLM sử dụng các cơ sở kiến thức bên ngoài được cấu trúc, với thông tin được mô hình hóa dưới dạng đồ thị kiến thức, giúp các mối quan hệ giữa dữ liệu dễ dàng nhìn thấy và truy vấn và dễ hiểu.
• Xử lý Dữ liệu Mối quan hệ:KGLLM đặc biệt phù hợp cho việc xử lý dữ liệu quan hệ, như hiểu về mối quan hệ giữa người và sự kiện. Nó sử dụng thuật toán duyệt đồ thị để tìm thông tin liên quan bằng cách di chuyển qua nhiều nút trong biểu đồ tri thức (tương tự như di chuyển trên bản đồ). Phương pháp này giúp KGLLM định vị thông tin phù hợp nhất để trả lời các câu hỏi.
• Tìm kiếm và tạo thông tin hiệu quả:Sử dụng các thuật toán duyệt đồ thị, KGLLM trích xuất các mối quan hệ và chuyển chúng thành các lời nhắc bằng ngôn ngữ tự nhiên mà mô hình có thể hiểu. Những hướng dẫn rõ ràng này giúp KGLLM tạo ra các phản ứng chính xác và liên quan hơn.

Triển vọng

Với tư cách là “Google của Web3,” The Graph giải quyết tình trạng thiếu hụt dữ liệu hiện tại trong các dịch vụ trí tuệ nhân tạo và đơn giản hóa quá trình phát triển cho các nhà phát triển thông qua các dịch vụ trí tuệ nhân tạo của mình. Với sự phát triển và áp dụng của nhiều ứng dụng trí tuệ nhân tạo hơn, dự kiến trải nghiệm người dùng sẽ tiếp tục được cải thiện. Trong tương lai, nhóm phát triển The Graph sẽ tiếp tục khám phá các khả năng tích hợp trí tuệ nhân tạo với Web3. Ngoài ra, các nhóm khác trong hệ sinh thái của nó, như Playgrounds Analytics và DappLooker, cũng đang thiết kế các giải pháp liên quan đến các dịch vụ đặc trưng.

Disclaimer:

1. Bài viết này được sao chép từ [Nghiên cứu ChainFeeds], Tất cả bản quyền thuộc về tác giả gốc [LindaBell]. Nếu có ý kiến phản đối bản in lại này, vui lòng liên hệ với Cổng họcđội ngũ và họ sẽ xử lý nhanh chóng.
2. Miễn trách nhiệm về trách nhiệm: Quan điểm và ý kiến được thể hiện trong bài viết này chỉ là quan điểm của tác giả và không đại diện cho bất kỳ lời khuyên đầu tư nào.
3. Việc dịch bài viết sang các ngôn ngữ khác được thực hiện bởi nhóm Gate Learn. Trừ khi có ghi chú, việc sao chép, phân phối hoặc đạo văn các bài viết đã được dịch là không được phép.