The Graph 如何擴展爲 AI 驅動的 Web3 基礎設施？

作者：LINDABELL 來源：ChainFeeds 

2022 年，OpenAI 推出了 GPT-3.5 模型驅動的 ChatGPT，自此開啓了一波又一波的 AI敘事浪潮。然而，儘管 ChatGPT 在多數情況下能能有效處理問題，但其在需要特定領域知識或實時數據時的表現仍可能受限。例如，當詢問關於 Vitalik Buterin 過去 18 個月內的代幣交易記錄時，它無法提供可靠且詳盡的信息。爲此，The Graph 核心開發團隊 Semiotic Labs 結合 The Graph 索引軟件棧和 OpenAI 推出了 Agentc 的項目，能夠爲用戶提供加密貨幣市場趨勢分析和交易數據查詢服務。

在詢問 Agentc 關於 Vitalik Buterin 過去18個月內的代幣交易記錄時，它提供了更爲詳盡的答案。然而，The Graph 的 AI 佈局並不僅限於此，其在發佈的「The Graph as AI Infrastructure」白皮書中表示，目標並不是推出某個特定應用程序，而是充分利用其作爲去中心化數據索引協議的優勢，爲開發者提供構建 Web3 原生 AI 應用的工具。爲了支持該目標， Semiotic Labs 也會開源 Agentc 的代碼庫，讓開發者可以創建功能類似於 Agentc 的 AI dapp，如 NFT 市場趨勢分析代理及 DeFi 交易助理代理等。

The Graph 去中心化 AI 路線圖

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的協議。通過該協議，開發者可以使用開放 API 創建和發佈名爲子圖（Subgraph）的數據索引，使應用程序能夠高效檢索鏈上數據。截至目前，The Graph 已經支持超 50 條鏈、託管了超 7.5 萬個項目，並處理了超過 1.26 萬億次查詢。

The Graph 能夠處理如此龐大數據，離不開其背後的核心團隊的支持，包括 Edge & Node、Streamingfast、Semiotic、The Guild、GraphOps、Messari 和 Pinax。其中 Streamingfast 主要提供區塊鏈數據流的跨鏈架構技術，Semiotic AI 則專注於將 AI 和密碼學應用於 The Graph 中。The Guild、GraphOps、Messari 和 Pinax 則各自專注於 GraphQL 開發、索引服務、子圖開發和數據流解決方案等領域。

The Graph 佈局 AI 並非新想法。早在去年 3 月，The Graph Blog 就發佈了一篇文章，概述了利用其數據索引功能進行人工智能應用的潛力。去年 12 月，The Graph 發佈了名爲「New Era」的新路線圖，計劃添加大型語言模型的 AI 輔助查詢。隨着近期白皮書的發佈，其 AI 路線圖進一步清晰。白皮書中介紹了兩項 AI 服務：Inference（推理）和 Agent（代理）Service，允許開發者直接將 AI 功能集成到應用前端，整個過程均由 The Graph 支持。

Inference Service：支持多種開源 AI 模型

在傳統推理服務中，模型通過中心化的雲計算資源對輸入數據進行預測。例如，當你向 ChatGPT 提出問題時，它會進行推理並返回答案。然而，這種中心化的方式不僅增加了成本，還存在審查風險。The Graph 希望通過構建一個去中心化的模型託管市場來解決這個問題，使得 dApp 開發者在部署和託管 AI 模型時更加靈活。

The Graph 在白皮書中舉了一個例子，展示瞭如何通過其創建一個應用程序來幫助 Farcaster 用戶瞭解其帖子是否會獲得大量點贊。首先，使用 The Graph 的子圖數據服務，對 Farcaster 帖子的評論和點贊數量進行索引。接着，訓練神經網絡預測新的 Farcaster 評論是否會被點贊，並將神經網絡部署至 The Graph 的推理服務中。最終開發的 dApp 可以幫助用戶撰寫能夠獲得更多點讚的帖子。

這種方式使開發者能夠輕鬆利用 The Graph 的基礎設施，將預訓練的模型託管在 The Graph 網絡上，並通過 API 接口集成到應用中，從而用戶在使用 dApp 時就能直接體驗這些功能。

而爲了給開發者提供更多選擇和靈活性，The Graph 的 Inference Service 支持大部分現有的流行模型。其在白皮書中寫到，「在 MVP 階段，The Graph 的 Inference Service 將支持一組經過篩選的流行開源 AI 模型，包括 Stable Diffusion、Stable Video Diffusion、LLaMA、Mixtral、Grok 和 Whisper 等。」未來，任何經過足夠測試和索引器操作的開放模型都可以在 The Graph Inference Service 中部署。此外，爲了減少部署 AI 模型的技術複雜性，The Graph 提供了用戶友好的接口，簡化了整個過程，使開發者可以輕鬆上傳和管理他們的 AI 模型，無需擔心基礎設施維護。

而爲了進一步增強模型在特定應用場景下的表現，The Graph 還支持模型進行特定數據集的微調（fine-tuning）。但需要注意的是，微調通常不在 The Graph 上進行。開發者需要在外部對模型進行微調，隨後再利用 The Graph 的推理服務部署這些模型。而爲了鼓勵開發者公開微調後的模型，The Graph 正在開發激勵機制，例如在模型創建者和提供模型的索引器之間合理分配查詢費用。

在驗證推理任務執行方面，The Graph 提供了多種方法，如可信權威、M-of-N 共識、交互式欺詐證明和 zk-SNARKs。這四種方式各有優缺點，其中可信權威依賴於可信實體；M-of-N 共識需要多個索引器驗證，增加作弊難度的同時也增加了計算和協調成本；交互式欺詐證明安全性較強，但不適用於需要快速響應的應用；而 zk-SNARKs 則是技術實現較爲複雜，不適合大型模型。

The Graph 認爲開發者和用戶應有權根據自己的需求選擇合適的安全級別。因此，The Graph 計劃在其推理服務中計劃支持多種驗證方法，以適應不同安全需求和應用場景。例如，在涉及到財務交易或重要業務邏輯的場合，可能需要使用更高安全性的驗證方法，如 zk-SNARKs 或 M-of-N 共識。而對於一些低風險或以娛樂爲目的的應用，則可以選擇成本較低、實施較簡單的驗證方法，如可信權威或交互式欺詐證明。此外，The Graph 還計劃探索隱私增強技術，以改善模型和用戶隱私問題。

Agent Service：幫助開發者構建自主 AI 驅動應用

相較於 Inference Service 主要是運行訓練好的 AI 模型進行推理，Agent Service 更爲複雜，其需要多個組件協同工作，以使得這些 Agent 能夠執行一系列複雜和自動化的任務。The Graph 的 Agent Service 價值主張是將 Agent 的構建、託管和執行都集成至 The Graph，並由索引器網絡提供服務。

具體而言，The Graph 會提供一個去中心化的網絡，支持 Agent 的構建和託管。當 Agent 被部署在 The Graph 網絡上後，The Graph 索引器便會提供必要的執行支持，包括索引數據、響應鏈上事件等各種交互請求。

正如上文提到的，The Graph 核心開發團隊 Semiotic Labs 已經推出了一個早期 Agent 實驗產品 Agentc，結合了 The Graph 的索引軟件棧和 OpenAI ，其主要功能是將自然語言輸入轉換爲 SQL 查詢，方便用戶直接查詢區塊鏈上的實時數據，並將查詢結果以易於理解的形式呈現給用戶。簡單理解，Agentc 專注於爲用戶提供便捷的加密貨幣市場趨勢分析和交易數據查詢，其所有數據均來自以太坊上 Uniswap V2、Uniswap V3、Uniswap X及其分叉，價格每小時更新一次。

此外，The Graph 還表示 The Graph 使用的 LLM 模型準確率僅有 63.41%，因此存在錯誤響應的問題。爲了解決這一問題，The Graph 正在開發一種名爲 KGLLM（Knowledge Graph-enabled Large Language Models）的新型大語言模型。

KGLLM 通過使用 Geo 提供的結構化知識圖譜數據，能夠顯著減少生成錯誤信息的概率。Geo 系統中每個聲明都由鏈上時間戳和投票驗證支持。集成 Geo 的知識圖譜後，代理可以應用於多種場景，包括醫療法規、政治發展、市場分析等，從而提升代理服務的多樣性和準確性。例如，KGLLM 可以利用政治數據爲去中心化自治組織（DAO）提供政策變更建議，並確保基於當前且準確的信息。

KGLLM 優勢還包括：

• 結構化數據的使用：KGLLM 使用的是結構化的外部知識庫。信息在知識圖譜中以圖形形式建模，使得數據之間的關係一目瞭然，因此查詢和理解數據也變的更加直觀；

• 關係數據處理能力：KGLLM 尤其適合處理關係數據，例如它可以理解人和人之間的關係、人和事件之間的關係等。且其使用圖遍歷算法，通過在知識圖譜中跳躍多個節點（類似於地圖上移動）找到相關信息。通過這種方式，KGLLM 可以找到最相關的信息來回答問題；

• 高效的信息檢索和生成：通過圖遍歷算法，KGLLM 提取的關係會以自然語言轉換成模型可以理解的提示，通過這些清晰的指示，KGLLM 模型能夠生成更加準確和相關的回答。

展望

The Graph 作爲「Web3 的 Google」，利用其優勢彌補了當前 AI 服務的數據短缺問題，並通過引入 AI 服務簡化了開發者的項目開發流程。隨着更多 AI 應用的開發和使用，用戶體驗將有望得到進一步提升。未來，The Graph 開發團隊將繼續探索人工智能與 Web3 結合的可能性。此外，其生態系統中的其他團隊，如 Playgrounds Analytics 和 DappLooker，也在設計與代理服務相關的解決方案。

來源：金色財經