В фокусе структура и видение Allora: как блокчейн решает проблему длинного хвоста искусственного интеллекта?

Автор：Tranks, DeSpread

Отказ от ответственности: Содержание данного отчета отражает мнения соответствующих авторов и предназначено только для информационных целей; оно не составляет рекомендации покупать или продавать токены или использовать протоколы. Никакое содержание данного отчета не составляет инвестиционной рекомендации и не должно восприниматься как таковая.

1. Введение

С момента появления генеративного искусственного интеллекта, представленного ChatGPT, технология ИИ быстро развивается, а участие и инвестиции предприятий в индустрию ИИ постоянно растут. В последнее время ИИ демонстрирует отличные результаты не только в генерации конкретных результатов, но и в обработке больших данных, распознавании образов, статистическом анализе, прогнозном моделировании и других областях, что приводит к расширению сферы применения ИИ в различных отраслях.

• JP Morgan: наняла более 600 инженеров ML, разработала и протестировала более 400 случаев использования технологий ИИ, включая алгоритмическую торговлю, прогнозирование мошенничества и прогнозирование денежного потока.

• Walmart: анализирует историю сезонных и региональных продаж для прогнозирования спроса на продукцию и оптимизации запасов.

• Ford: анализирует данные датчиков автомобилей для прогнозирования неисправностей деталей и уведомления клиентов, предотвращая аварии, вызванные неисправностями деталей.

В последнее время тенденция объединения экосистемы блокчейна с ИИ становится все более очевидной, причем область DeFAI, сочетающая протоколы DeFi с ИИ, привлекает особое внимание.

Кроме того, становится все больше случаев непосредственной интеграции ИИ в механизмы работы протоколов, что делает прогнозирование и управление рисками протоколов DeFi более эффективными и внедряет новые виды финансовых продуктов и услуг, которые ранее были невозможны.

Дополнительное чтение: «ИИ-нарратив набирает обороты: как DeFi может извлечь из этого выгоду?»

Однако из-за необходимости обучения на больших объемах данных и высокого порога входа для профессиональных технологий ИИ, создание моделей ИИ для конкретных функций в настоящее время все еще монополизировано несколькими крупными предприятиями и экспертами в области ИИ.

Поэтому другие отрасли и небольшие стартапы сталкиваются со значительными трудностями во внедрении ИИ, и экосистемные dApp блокчейна сталкиваются с теми же ограничениями. Поскольку dApp должны поддерживать ключевую ценность «без доверия» (trustless), не требующую доверия к третьим сторонам, необходима децентрализованная инфраструктура ИИ, чтобы больше протоколов могло внедрять ИИ для предоставления услуг, которым пользователи могут доверять.

В этом контексте Allora стремится создать самосовершенствующуюся децентрализованную инфраструктуру ИИ и поддержать проекты, желающие безопасно интегрировать ИИ в свои сервисы.

2. Allora, децентрализованная сеть синтеза инференса

Allora — это децентрализованная сеть инференса, которая может прогнозировать и предоставлять будущие значения для конкретных тем, запрашиваемых различными субъектами. Существует два основных метода реализации распределенного ИИ-инференса:

• Одна модель/распределенная обработка: обучение модели и процесс инференса осуществляются децентрализованным способом, создавая распределенную единую модель ИИ.

• Несколько моделей/синтез инференса: сбор результатов инференса из нескольких предварительно обученных моделей ИИ и их синтез в единый результат инференса.

Из этих двух методов Allora использует метод нескольких моделей/синтеза инференса. Операторы моделей ИИ могут свободно участвовать в сети Allora, выполняя инференс для запросов прогнозов по конкретным темам, а протокол будет отвечать на запросы запросчиков единым прогнозируемым результатом, синтезированным из значений инференса, полученных этими операторами.

При синтезе значений инференса моделей ИИ Allora не просто вычисляет среднее значение инференса каждой модели, а определяет окончательное значение инференса путем назначения весов каждой модели. Затем Allora сравнивает значение инференса каждой модели с фактическим результатом по этой теме и осуществляет самосовершенствование, присваивая более высокие веса и вознаграждения моделям, чьи значения инференса ближе к фактическим результатам, чтобы повысить точность инференса.

Благодаря этому методу Allora может выполнять более профессиональный и ориентированный на конкретные темы инференс, чем ИИ, созданный методом одной модели/распределенной обработки. Чтобы поощрить участие большего количества моделей ИИ в протоколе, Allora предоставляет архитектуру с открытым исходным кодом Allora MDK (Model Development Kit), чтобы помочь любому легко создавать и развертывать модели ИИ.

Кроме того, Allora предоставляет два SDK для пользователей, желающих использовать данные инференса Allora: Allora Network Python и TypeScript SDK. Эти SDK предоставляют пользователям среду для легкой интеграции и использования данных, предоставляемых Allora.

Цель Allora — стать промежуточным слоем, соединяющим модели ИИ и протоколы, нуждающиеся в данных инференса, предоставляя операторам моделей ИИ возможности для получения дохода и одновременно создавая непредвзятую инфраструктуру данных для сервисов и протоколов.

Далее мы рассмотрим архитектуру протокола связи Allora, чтобы лучше понять способ работы и особенности Allora.

2.1. Архитектура протокола связи

В Allora любой может настроить и развернуть конкретную тему, и в процессе выполнения инференса и получения окончательного значения инференса для конкретной темы участвуют четыре стороны:

• Потребители (Consumers): платят за запрос инференса по конкретной теме.

• Работники (Workers): используют свои базы данных для управления моделями ИИ и выполнения инференса по конкретным темам, запрошенным потребителями.

• Reputers: проводят оценку, сравнивая и сопоставляя данные, выведенные Workers, с фактическими значениями.

• Валидаторы (Validators): управляют узлами сети Allora, обрабатывая и записывая транзакции, generated каждым участником.

Структура сети Allora разделена на исполнителей инференса, оценщиков и валидаторов и центрирована вокруг сетевого токена $ALLO. $ALLO используется как плата за запросы инференса и вознаграждение за выполнение инференса, соединяя участников сети, одновременно обеспечивая безопасность через стейкинг.

Далее мы подробно рассмотрим взаимодействие между различными участниками в зависимости от функций каждого слоя, включая слой потребления инференса, слой синтеза инференса и слой консенсуса.

2.1.1. Слой потребления инференса

Слой потребления инференса обрабатывает взаимодействие между участниками протокола и Allora, включая создание тем, управление участниками тем и запросы инференса.

Пользователи, желающие создать тему, могут взаимодействовать с Системой управления темами и инференсом (Topic Coordinator) Allora, оплачивая определенное количество $ALLO и устанавливая правила для определения содержания желаемого инференса, способа проверки фактических результатов и оценки значений инференса, полученных Workers.

Как только тема создана, Workers и Reputers могут использовать $ALLO для оплаты регистрационного взноса и регистрации в качестве участников инференса для этой темы. Reputers должны дополнительно внести определенную сумму $ALLO в эту тему, подвергая себя риску сокращения активов (Asset Slashing) в случае злонамеренных результатов.

Когда тема создана, а Workers и Reputers зарегистрированы, Consumers могут платить $ALLO теме для запроса инференса, а Workers и Reputers получат эти сборы за запрос темы в качестве вознаграждения за инференс.

2.1.2. Слой инференса и синтеза

Слой инференса и синтеза — это основной слой, который Allora использует для генерации децентрализованного инференса; здесь Workers выполняют инференс, Reputers оценивают производительность, и на основе этих оценок устанавливаются веса и осуществляется синтез инференса.

Workers в сети Allora должны не только предоставлять значения инференса для тем, запрошенных Consumers, но и оценивать точность инференса других Workers, и на основе этих оценок выводить «Прогнозируемые потери» (Forecasted Losses). Эти прогнозируемые потери отражаются в расчете весов, необходимых для синтеза инференса; когда инференс Worker точен и он точно прогнозирует точность инференса других Workers, Worker получает более высокое вознаграждение. Благодаря этой структуре Allora может выводить веса синтеза инференса, учитывающие различные ситуации, а не только прошлую производительность Workers.

Прогноз точности инференса Workers для контекстной осведомленности

Источник: Allora Docs

Например, в теме прогнозирования цены Bitcoin через один час предположим следующие ситуации для Workers A и B:

• Worker A: средняя точность инференса достигает 90%, но в условиях нестабильности рынка точность снижается.

• Worker B: средняя точность инференса составляет 80%, но в условиях волатильности рынка сохраняет относительно высокую точность.

Если текущий рынок высоковолатилен, и несколько Workers прогнозируют «преимущество Worker B в условиях волатильности, у них будет только около 5% ошибки в этом прогнозе», и одновременно прогнозируют «ошибка Worker A в этих условиях волатильности составит около 15%», то, несмотря на более низкую среднюю историческую производительность Worker B, Allora все равно присвоит более высокий вес его инференсу в этом прогнозе.

Координатор темы использует окончательные веса, полученные в результате этого процесса, для синтеза инференса и предоставляет окончательное значение инференса Consumers. Кроме того, в этом процессе рассчитываются и предоставляются доверительные интервалы (Confidence Intervals) на основе распределения значений инференса, предоставленных Workers. Затем Reputers сравнивают фактические результаты с окончательным значением инференса, чтобы оценить производительность инференса каждого Worker и прогнозировать точность прогнозов точности инференса других Workers, корректируя веса Workers в соответствии с пропорцией консенсуса стейкинга.

Allora использует этот метод для синтеза и оценки инференса, особенно благодаря своей структуре «контекстной осведомленности», которая позволяет каждому Worker оценивать точность инференса других Workers, позволяя Allora выводить оптимизированные значения инференса для различных ситуаций, что способствует повышению точности инференса. Кроме того, по мере накопления данных о производительности инференса Workers эффективность функции контекстной осведомленности также будет повышаться, позволяя функции инференса Allora более эффективно самосовершенствоваться.

Процесс синтеза инференса Allora

Источник: Allora Docs

Слой консенсуса Allora — это место, где выполняются расчеты весов тем, распределение сетевых вознаграждений и осуществляется запись деятельности участников; он построен на Cosmos SDK на основе механизмов консенсуса CometBFT и DPoS.

Пользователи могут участвовать в сети Allora в качестве валидаторов, минтя токены $ALLO и управляя узлами, получая комиссии за транзакции, отправленные участниками Allora, в качестве вознаграждения за управление сетью и обеспечение безопасности. Даже без управления узлами пользователи могут косвенно получать эти вознаграждения, делегируя свои $ALLO валидаторам.

Кроме того, особенностью Allora является распределение вознаграждений $ALLO среди участников сети: 75% вновь разблокированных и распределенных $ALLO распределяются среди Workers и Reputers, участвующих в инференсе тем, а остальные 25% распределяются среди валидаторов. Когда все $ALLO будут выпущены, эти инфляционные вознаграждения прекратятся и будут следовать структуре постепенного сокращения вдвое разблокированного количества.

Когда 75% инфляционных вознаграждений распределяются среди Workers и Reputers, пропорция распределения зависит не только от производительности Workers и стейка Reputers, но и от веса темы. Вес темы рассчитывается на основе суммы стейка Reputers, участвующих в этой теме, и дохода от комиссий, тем самым стимулируя Workers и Reputers продолжать участвовать в темах с высоким спросом и высокой стабильностью.

3. От ончейна до различных отраслей

3.1. Предстоящий запуск основной сети Allora

Allora учредила Фонд Allora 10 января 2025 года и ускоряет запуск основной сети после завершения публичного тестнета с участием более 300 000 Workers. По состоянию на 6 февраля Allora проводит Allora Model Forge Competition для отбора создателей моделей ИИ для предстоящей основной сети.

Категории конкурса Allora Model Forge

Источник: Allora Model Forge Competition

Кроме того, до запуска основной сети Allora также установила партнерские отношения с большинством проектов. Основные партнерские отношения Allora и предоставляемые ими функции следующие:

• Plume: предоставление цен RWA, мгновенного APY и прогнозирования рисков в сети Plume.

• Story Protocol: предоставление оценки стоимости IP и потенциального анализа, ценовой информации для неликвидных ончейн-активов и предоставление инференса Allora для DeFi-проектов на основе Story Protocol.

• Monad: предоставление ценовой информации для неликвидных ончейн-активов и предоставление инференса Allora для DeFi-проектов на основе Monad.

• 0xScope: использование функции контекстной осведомленности Allora для поддержки разработки ончейн-ассистента AI Jarvis.

• Virtuals Protocol: улучшение производительности агентов путем интеграции инференса Allora с фреймворком G.A.M.E. протокола Virtual Protocol.

• Eliza OS (ранее ai16z): улучшение производительности агентов путем интеграции инференса Allora с фреймворком Eliza ОС Eliza OS.

В настоящее время партнеры Allora в основном сосредоточены на проектах AI/криптовалют, что отражает два ключевых фактора: 1) спрос криптопроектов на децентрализованный инференс и 2) спрос на ончейн-данные, необходимые моделям ИИ для выполнения инференса.

Для раннего выпуска основной сети Allora планирует выделить значительные инфляционные вознаграждения для привлечения участников. Чтобы поощрить непрерывную активность участников, привлеченных этими инфляционными вознаграждениями, Allora необходимо поддерживать соответствующую ценность $ALLO. Однако, поскольку инфляционные вознаграждения будут постепенно уменьшаться со временем, долгосрочной задачей будет генерировать достаточные сетевые транзакционные сборы за счет увеличения спроса на инференс, чтобы стимулировать непрерывное участие в протоколе.

Поэтому ключом к оценке потенциального успеха Allora является краткосрочная стратегия повышения стоимости $ALLO от Allora, а также способность стимулировать спрос на инференс для обеспечения стабильного и долгосрочного дохода от комиссий.

4. Заключение

По мере прогресса технологий ИИ и роста их полезности внедрение и реализация ИИ-инференса также активно развиваются в большинстве отраслей. Однако ресурсоемкость внедрения ИИ увеличивает разрыв в конкуренции между крупными предприятиями, успешно внедрившими ИИ, и небольшими компаниями, которым это еще не удалось. В этих условиях спрос на функции Allora (предоставление оптимизированного инференса по темам и повышение точности данных через децентрализованное самосовершенствование), как ожидается, будет постепенно расти.

Цель Allora — стать децентрализованной инфраструктурой инференса, широко внедряемой в различных отраслях, а для достижения этой цели необходимо доказать эффективность и устойчивость функций. Чтобы доказать это, Allora должна получить достаточное количество Workers и Reputers после запуска основной сети и обеспечить этим участникам сети устойчивые вознаграждения.

Если Allora успешно решит эти проблемы и будет внедрена в различных отраслях, она не только докажет потенциал блокчейна как важной инфраструктуры ИИ, но и станет важным примером того, как технологии ИИ и блокчейна могут сочетаться для создания реальной ценности.