The GraphはどのようにしてAI駆動のWeb3インフラストラクチャにスケールするのか

dは、ユーザーがより多くの「いいね」を獲得できる投稿を書くのを支援します。

このアプローチにより、開発者はThe Graphのインフラストラクチャを簡単に活用し、事前にトレーニングされたモデルをThe Graphネットワーク上でホストし、APIインターフェースを通じてアプリケーションに統合することができます。これにより、ユーザーはdAppsを使用する際にこれらの機能を直接体験することができます。

開発者により多くの選択肢と柔軟性を提供するために、The Graphの推論サービスは既存の人気モデルのほとんどをサポートしています。ホワイトペーパーには、「MVP段階では、The Graphの推論サービスは、Stable Diffusion、Stable Video Diffusion、LLaMA、Mixtral、Grok、Whisperなど、選別された人気のオープンソースAIモデルのセットをサポートします」と記載されています。将来的には、十分にテストされ、インデクサーによって運用される任意のオープンモデルがThe Graph推論サービスにデプロイされることができます。さらに、AIモデルのデプロイの技術的な複雑さを軽減するために、The Graphはユーザーフレンドリーなインターフェースを提供し、開発者がインフラストラクチャの保守を心配することなく、AIモデルを簡単にアップロードおよび管理できるようにしています。

特定のアプリケーションシナリオでモデルのパフォーマンスをさらに向上させるために、The Graphは特定のデータセットに対するモデルの微調整もサポートしています。ただし、微調整は通常The Graph上で行われることはありません。開発者は外部でモデルを微調整し、その後The Graphの推論サービスを使用してデプロイする必要があります。開発者が微調整されたモデルを公開することを奨励するために、The Graphは、モデル作成者とモデルを提供するインデクサーの間でクエリ料金を合理的に配分するなどのインセンティブメカニズムを開発しています。

推論タスクの実行を検証するために、The Graphは信頼できる権威、M-of-Nコンセンサス、インタラクティブな不正証明、zk-SNARKsなど、さまざまな方法を提供しています。これらの4つの方法にはそれぞれ利点と欠点があります。信頼できる権威は信頼できるエンティティに依存し、M-of-Nコンセンサスは複数のインデクサーによる検証を必要とし、詐欺の難易度を高める一方で計算および調整コストも増加させます。インタラクティブな不正証明はより安全ですが、迅速な応答が必要なアプリケーションには適していません。zk-SNARKsは実装が複雑で、大規模なモデルには適していません。

The Graphは、開発者とユーザーが自分のニーズに基づいて適切なセキュリティレベルを選択する権利を持つべきだと考えています。したがって、The Graphは推論サービスで複数の検証方法をサポートし、さまざまなセキュリティニーズとアプリケーションシナリオに適応する計画です。たとえば、金融取引や重要なビジネスロジックに関わる状況では、zk-SNARKsやM-of-Nコンセンサスなど、より安全な検証方法を使用する必要があるかもしれません。低リスクまたはエンターテインメントアプリケーションの場合、信頼できる権威やインタラクティブな不正証明など、コストが低く実装が簡単な検証方法を選択できます。さらに、The Graphはモデルとユーザーのプライバシー問題を改善するために、プライバシー強化技術の探索も計画しています。

エージェントサービス：開発者が自律的なAI駆動アプリケーションを構築するのを支援

主にトレーニングされたAIモデルを推論する推論サービスと比較して、エージェントサービスはより複雑で、これらのエージェントが一連の複雑で自動化されたタスクを実行できるようにするために、複数のコンポーネントが協力する必要があります。The Graphのエージェントサービスの価値提案は、エージェントの構築、ホスティング、および実行をThe Graphに統合し、インデクサーネットワークからサービスを提供することです。

具体的には、The Graphはエージェントの構築とホスティングをサポートするための分散型ネットワークを提供します。エージェントがThe Graphネットワークにデプロイされると、The Graphインデクサーが必要な実行サポートを提供します。

インデックスデータの処理、オンチェーンイベントへの対応、その他のインタラクティブなリクエストに対応します。

前述の通り、The Graphのコア開発チームであるSemiotic Labsは、The GraphのインデックスソフトウェアスタックとOpenAIを組み合わせた初期のエージェント実験製品Agentcを発表しました。主な機能は、自然言語入力をSQLクエリに変換し、ユーザーがブロックチェーン上のリアルタイムデータを直接クエリし、クエリ結果をユーザーにわかりやすい形で提示することです。簡単に言えば、Agentcはユーザーに便利な暗号通貨市場のトレンド分析と取引データのクエリを提供することに焦点を当てています。すべてのデータはUniswap V2、Uniswap V3、Uniswap Xおよびそのフォークから取得され、価格は毎時更新されます。

さらに、The Graphは、The Graphが使用するLLMモデルの精度が63.41%に過ぎないため、誤った応答が発生する問題があると述べています。この問題に対処するために、The GraphはKGLLM（Knowledge Graph-enabled Large Language Models）という新しい大規模言語モデルを開発しています。

KGLLMは、Geoが提供する構造化ナレッジグラフデータを使用することで、誤情報の生成確率を大幅に減少させることができます。Geoシステム内の各ステートメントはオンチェーンのタイムスタンプと投票検証によってサポートされています。Geoのナレッジグラフを統合することで、エージェントは医療規制、政治の進展、市場分析など、さまざまなシナリオに適用でき、エージェントサービスの多様性と精度を向上させることができます。例えば、KGLLMは政治データを使用して分散型自律組織（DAO）の政策変更の推奨を提供し、それが最新かつ正確な情報に基づいていることを保証します。

KGLLMの利点には以下が含まれます：

構造化データの使用：KGLLMは構造化された外部ナレッジベースを使用します。情報はナレッジグラフ内でグラフィカルな形式でモデル化されており、データ間の関係が一目でわかるため、データのクエリと理解が直感的になります；
関係データ処理能力：KGLLMは特に関係データの処理に適しており、例えば、人と人の関係、人とイベントの関係などを理解することができます。そして、グラフトラバーサルアルゴリズムを使用して、ナレッジグラフ内の複数のノードをジャンプすることで関連情報を見つけます（地図上を移動するのに似ています）。このようにして、KGLLMは質問に答えるための最も関連性の高い情報を見つけることができます；
効率的な情報検索と生成：グラフトラバーサルアルゴリズムを通じて、KGLLMが抽出した関係は自然言語でモデルが理解できるプロンプトに変換されます。これらの明確な指示を通じて、KGLLMモデルはより正確で関連性の高い回答を生成することができます。

展望

「Web3のGoogle」として、The Graphはその利点を活かしてAIサービスの現在のデータ不足を補い、AIサービスを導入することで開発者のプロジェクト開発プロセスを簡素化します。より多くのAIアプリケーションの開発と使用に伴い、ユーザーエクスペリエンスのさらなる向上が期待されます。将来的には、The Graphの開発チームは人工知能とWeb3の組み合わせの可能性を引き続き探求していきます。さらに、そのエコシステム内の他のチーム、例えばPlaygrounds AnalyticsやDappLookerも、プロキシサービスに関連するソリューションを設計しています。