Инфографика Rei Network: Просто о сложном — понимание бесшовной интеграции AI-агента и блокчейна

Автор:francesco

Перевод: TechFlow

При создании AI-агентов ключевой задачей является обеспечение их гибкого обучения, итерации и роста при одновременном гарантировании согласованности результатов.

Rei предоставляет фреймворк для обмена структурированными данными между ИИ и блокчейном, позволяя AI-агентам обучаться, оптимизироваться и сохранять набор опыта и знаний.

Появление этого фреймворка делает возможным разработку AI-систем со следующими возможностями:

• Понимание контекста и паттернов, а также генерация ценных инсайтов

• Преобразование инсайтов в исполняемые действия с использованием прозрачности и надежности блокчейна

Проблемы

ИИ и блокчейн значительно различаются по своим ключевым свойствам, что создает множество проблем для их совместимости:

1. Детерминированные вычисления блокчейна: Каждый шаг операции в блокчейне должен давать абсолютно одинаковый результат на всех узлах, чтобы обеспечить:

   1. Консенсус: Каждый узел достигает согласия по содержанию нового блока, совместно завершая валидацию

   2. Валидация состояния: Состояние блокчейна всегда отслеживаемо и проверяемо. Новые узлы должны быстро синхронизироваться до состояния, согласованного с другими узлами

   3. Выполнение смарт-контрактов: Все узлы должны генерировать одинаковый вывод при одинаковых входных условиях

2. Вероятностные вычисления ИИ: Результаты вывода систем ИИ обычно основаны на вероятности, что означает возможность получения разных результатов при каждом запуске. Эта особенность обусловлена:

   1. Зависимость от контекста: Производительность ИИ зависит от входного контекста, например, данных обучения, параметров модели, а также времени и условий окружающей среды

   2. Ресурсоемкость: Вычисления ИИ требуют поддержки высокопроизводительного оборудования, включая сложные матричные операции и большой объем памяти

Вышеуказанные различия вызывают следующие проблемы совместимости:

• Конфликт между вероятностными и детерминированными данными

  • Как преобразовать вероятностный вывод ИИ в детерминированный результат, требуемый блокчейном?

  • Где и когда должно происходить это преобразование?

  • Как сохранить ценность вероятностного анализа, обеспечивая при этом детерминизм?

• Затраты на Gas: Высокие вычислительные потребности моделей ИИ могут привести к непомерным комиссиям Gas, что ограничивает их применение в блокчейне.

• Ограничения памяти: Объем памяти в среде блокчейна ограничен, что затрудняет удовлетворение потребностей моделей ИИ в хранении данных.

• Время выполнения: Время блока в блокчейне ограничивает скорость работы моделей ИИ, что может повлиять на их производительность.

• Интеграция структур данных: Модели ИИ используют сложные структуры данных, которые трудно напрямую встроить в模式 хранения блокчейна.

• Проблема оракулов (требования к валидации): Блокчейн зависит от оракулов для получения внешних данных, но как проверить точность вычислений ИИ, остается сложной задачей. Особенно это касается того, что системы ИИ требуют богатого контекста и низкой задержки, что конфликтует с свойствами блокчейна.

Оригинальное изображение от francesco, переведено TechFlow

Как AI-агенты могут бесшовно взаимодействовать с блокчейном?

Оригинальное изображение от francesco, переведено TechFlow

Rei предлагает совершенно новое решение, объединяющее преимущества ИИ и блокчейна.

Оригинальное изображение от francesco, переведено TechFlow

Вместо того чтобы насильственно объединять эти две совершенно разные системы, ИИ и блокчейн, Rei предпочитает выступать в роли “универсального переводчика”, позволяя им беспрепятственно общаться и сотрудничать через слой перевода.

Оригинальное изображение от francesco, переведено TechFlow

Ключевые цели Rei включают:

• Предоставить AI-агентам возможность независимо мыслить и обучаться

• Преобразовать инсайты агентов в точные и проверяемые операции блокчейна

Оригинальное изображение от francesco, переведено TechFlow

Первым применением этого фреймворка стал Unit00x0 (Rei_00 - $REI), который в настоящее время обучен как количественный аналитик.

Когнитивная архитектура Rei состоит из следующих четырех уровней:

1. Слой мышления (Thinking Layer): Отвечает за обработку и сбор сырых данных, таких как данные графиков, история транзакций и поведение пользователей, и поиск в них потенциальных паттернов.

2. Слой рассуждений (Reasoning Layer): На основе обнаруженных паттернов добавляет контекстную информацию, такую как дата, время, исторические тренды и рыночные условия, делая данные более объемными.

3. Слой принятия решений (Decision Layer): Разрабатывает конкретные планы действий на основе контекстуализированной информации, предоставленной слоем рассуждений.

4. Слой действий (Action Layer): Преобразует решения в детерминированные операции, которые могут быть выполнены в блокчейне.

Фреймворк Rei основан на следующих трех ключевых столпах:

Оригинальное изображение от francesco, переведено TechFlow

1. Oracle (Оракул, подобно нейронным путям): Преобразует разнообразные выводы ИИ в единый результат и записывает его в блокчейн.

2. Стандарт данных ERC (ERC Data Standard): Расширяет возможности хранения блокчейна, поддерживая хранение данных сложных паттернов, одновременно сохраняя контекстную информацию, генерируемую слоем мышления и слоем рассуждений, тем самым обеспечивая преобразование от вероятностных данных к детерминированному исполнению.

3. Система памяти (Memory System): Позволяет Rei накапливать опыт со временем и в любое время вызывать предыдущие результаты вывода и результаты обучения.

Ниже приведены конкретные проявления этих взаимодействий:

Оригинальное изображение от francesco, переведено TechFlow

• Мост Oracle отвечает за идентификацию паттернов данных

• ERCData используется для хранения этих паттернов

• Система памяти сохраняет контекстную информацию для лучшего понимания паттернов

• Смарт-контракты могут получать доступ к этим накопленным знаниям и действовать на их основе

Благодаря этой архитектуре, агенты Rei уже способны объединятьончейн-данные,изменения цен,социальные настроенияи другую многомерную информацию для глубокого анализа токенов.

Что еще важнее, Rei не только анализирует данные, но и формирует на этой основе более глубокое понимание. Это стало возможным благодаря тому, что она хранит свой опыт и инсайты непосредственно в блокчейне, делая эту информацию частью своей системы знаний, которую можно вызвать в любое время, тем самым постоянно оптимизируя способность принятия решений и общий опыт.

Источники данных Rei включают библиотеки Plotly и Matplotlib (для построения графиков), Coingecko, Defillama, ончейн-данные, а также данные социальных настроений из Twitter. Благодаря этим разнообразным источникам данных Rei может предоставлять комплексный ончейн-анализ и рыночные инсайты.

С обновлением функций Quant V2, Rei теперь поддерживает следующие виды анализа:

1. Анализ проектов: К существующим функциям добавлена поддержка количественных показателей и данных о настроениях. Анализ включает свечной график (Candlestick Chart), график вовлеченности (Engagement Chart), а также распределение держателей (Holder Distribution) и ситуацию с прибылью/убытком (PnL). (Соответствующий пример)

2. Анализ притока и оттока: Мониторя цены и объемы торгов популярных токенов в блокчейне, Rei может сравнивать эти данные с ситуацией притока и оттока средств, помогая пользователям выявлять потенциальные рыночные тренды. (Соответствующий пример)

3. Анализ вовлеченности: Оценивает общую вовлеченность проекта, включая сравнение данных в реальном времени с данными 24 часа назад, а также относительные изменения цены. Эта функция выявляет корреляцию между последней информацией и показателями вовлеченности пользователей. (Соответствующий пример)

4. Анализ топ-категорий: Анализирует минимальный объем торгов и максимальное количество транзакций в рамках одной категории, выделяя результативность проекта в его категории.

5. Первый график показывает объем торгов внизу и количество транзакций вверху; затем следует углубленный анализ отдельной категории, выявляющий изменения показателей отдельного проекта по сравнению с аналогичными проектами. (Соответствующий пример)

Кроме того, по состоянию на январь 2025 года, Rei поддерживает функцию покупки и продажи токенов в блокчейне. Она оснащена кошельком смарт-контракта на основе стандарта ERC-4337, что делает транзакции более удобными и безопасными.

（Примечание TechFlow: ERC-4337 — это предложение по улучшению Ethereum, поддерживающее абстракцию аккаунта, направленное на улучшение пользовательского опыта）.

Смарт-контракты Rei авторизуются посредством подписи пользователя, делегируя операции ей, что позволяет Rei автономно управлять своим инвестиционным портфелем.

Ниже приведены адреса кошельков Rei:

• EOA-кошелек (кошелек для подписи):

• https://basescan.org/address/0x3BC4c3A2a2Fa5ad20a2B95B18CA418D06A360cB

• Смарт-кошелек (кошелек с абстракцией аккаунта):

• https://basescan.org/address/0xf6835acc8d2b51e5d47632ca8954bfee9a0ce49c

Примеры использования: Универсальность фреймворка Rei

Оригинальное изображение от francesco, переведено TechFlow

Фреймворк Rei не ограничивается финансовой сферой, его также можно применять в следующих широких сценариях:

• Взаимодействие пользователя с агентом: Поддержка создания контента

• Анализ рынка: Управление цепочками поставок и логистика

• Построение адаптивных систем: Сценарии управления

• Оценка рисков: В медицинской сфере Rei оценивает потенциальные риски посредством контекстного анализа

Направления будущего развития Rei

• Улучшенный UI

• Alpha-терминал на основе прав токенов

• Платформа для разработчиков