Применение ИИ в Web3: вызовы и решения на уровне данных

robot
Генерация тезисов в процессе

Экосистема Web3 сталкивается с огромными возможностями и вызовами в применении искусственного интеллекта. В этой статье подробно рассматриваются потребности AI-агентов в данных в среде Web3, текущие трудности и ключевые элементы построения готового к AI уровня данных.

Потребности AI-агентов в данных и текущая ситуация в Web3

Рабочий цикл AI-агента можно обобщить как: наблюдение, принятие решений, действия, обучение. Этот цикл зависит от свежих, надежных и без разрешения данных. Однако данные в экосистеме Web3 разбросаны по множеству гетерогичных цепочек, узловых стэков, индексаторов и вне цепных Машин Oracle, каждая со своими задержками, конечностью, семантикой и режимами отказа. Это затрудняет получение AI-агентами необходимых высококачественных данных.

Трудности, с которыми сталкиваются разработчики AI в Web3

  1. Гетерогенность: Каждая цепочка имеет уникальное поведение RPC, логи, шаблоны событий и т. д., и большинство запросов требуют индивидуальной настройки индексаторов.

  2. Свежесть данных и компромисс с затратами: Дешевые данные часто обновляются медленно, а быстрые — дорогие.

  3. Семантический разбор: Преобразование исходных логов в значимые сущности, такие как ( ликвидностные пулы, позиции, Прибыль/убыток) требует постоянных ETL-процессов и повторных вычислений.

  4. Надежность при высокой нагрузке: Перегрузки сети и задержки Машин Oracle создают хвостовые риски, с которыми автономные партнеры сталкиваются трудно.

Определение управляемых данных и слабые стороны Web3

Управляемые данные — это такие, на основе которых AI-партнер может принимать решения и выполнять действия в ограниченное время. Конкретные требования включают:

  • Стандартизация семантики кросс-чейн
  • Свежесть и определенность
  • Проверяемость
  • Вычисления рядом с данными
  • Потоковая обработка и возможность возврата во времени

Современный стек технологий Web3 обеспечивает некоторые функции, такие как ( субграфы, RPC, аналитические API), но отсутствует полноценная, кросс-чейн, с низкой задержкой инфраструктура данных.

Ключевые характеристики уровня данных, готового к AI

  1. Интеграция и стандартизация данных из нескольких цепочек: единые стандарты, четкие единицы измерения и десятичные знаки.

  2. Потоковая обработка и снимки: события, подобные Kafka, и OLAP-снимки, поддерживающие возврат во времени и связывание данных.

  3. Происхождение и проверяемость образов: детерминированные субграфы-образы, версионирование преобразований и проверка целостности.

  4. Встроенные вычисления в потоках: встроенные функции для оценки волатильности, глубины ликвидности, моделирования маршрутов и т. д.

  5. API для свежести данных с учетом конечности: каждый вызов возвращает информацию о свежести, подтверждениях и уровне конечности.

  6. Триггеры намерений: первичная привязка к системам исполнения намерений, поддержка моделирования и проверки.

  7. Безопасный аудит: ограничение скорости, защита от перегрузки, повторное воспроизведение логов и доказательства после транзакций.

Будущее AI × Web3

Создание подходящего уровня данных откроет новые возможности:

  • Самостоятельное ценообразование маркет-мейкеров с учетом свежести данных и конечности
  • Помощь в управлении: анализ предложений, моделирование результатов и предоставление криптографических доказательств
  • Кросс-чейн инвестиционные стратегии: автоматизация на базе систем исполнения намерений
  • Торговые площадки: наборы данных и сервисы вывода, с оплатой в цепочке и доказательствами использования

Заключение

Для команд, которые рассматривают AI-партнера как интерфейс следующего поколения, выбор архитектуры определит успех продукта. Постоянное исправление RPC-вызовов и ETL-процессов затруднит адаптацию к многократным цепочкам, реальному времени и конкурентным рынкам. А команды, создающие AI-готовый уровень данных — стандартизованный, зеркальный, вычисляемый, чувствительный к конечности и связанный с системами исполнения намерений — смогут развернуть производственных партнеров, способных эффективно наблюдать, принимать решения, действовать и учиться.

Обеспечьте AI-партнеров необходимой инфраструктурой данных. Рынок не будет ждать, а они уже испытывают жажду.

Посмотреть Оригинал
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
  • Награда
  • комментарий
  • Репост
  • Поделиться
комментарий
0/400
Нет комментариев
  • Закрепить