REI Framework: Соединение искусственного интеллекта и блокчейна

Переадресовать оригинальное название: Иллюстрированное руководство по сети REI: простое и ясное понимание безшовной интеграции AI-агентов и блокчейна

Создание фреймворка Rei было задумано для преодоления коммуникационного разрыва между ИИ и блокчейном.

При создании искусственного интеллекта основным вызовом является обеспечение его способности к гибкому обучению, итерации и росту, при этом гарантируя согласованность его результатов. Rei предоставляет фреймворк для обмена структурированными данными между искусственным интеллектом и блокчейном, что позволяет искусственным интеллекту учиться, оптимизировать и поддерживать набор опыта и знаний.

Появление этой структуры позволяет разрабатывать системы искусственного интеллекта со следующими возможностями:

• Понимание контекста и паттернов для генерации ценных идей
• Преобразование идей в действия, благодаря прозрачности и надежности блокчейна

Проблемы, с которыми сталкиваются

ИИ и блокчейн имеют существенные различия в своих основных атрибутах, что создает многочисленные проблемы для их совместимости:

1. Детерминированное вычисление в блокчейне: каждая операция в блокчейне должна производить последовательные результаты на всех узлах, чтобы гарантировать:
   1. Консенсус: Все узлы должны согласиться с содержанием нового блока для завершения валидации.
   2. Проверка состояния: состояние блокчейна всегда должно быть отслеживаемым и верифицируемым. Новые узлы должны быстро синхронизироваться с состоянием, согласованным с другими узлами.
   3. Исполнение смарт-контракта: все узлы должны генерировать согласованные результаты при одинаковых входных условиях.
2. Вероятностные вычисления в искусственном интеллекте: системы искусственного интеллекта часто дают вероятностные результаты, что означает, что каждый раз при их выполнении могут получаться разные результаты. Эта особенность связана с:
   1. Зависимость от контекста: производительность ИИ зависит от контекста ввода, такого как обучающие данные, параметры модели и временные/природные условия.
   2. Ресурсоемкость: вычисления ИИ требуют высокопроизводительного оборудования, включая сложные операции с матрицами и значительную память.

Эти различия создают следующие проблемы совместимости:

• Конфликт между вероятностными и детерминированными данными:
  • Как можно преобразовать вероятностные выходные данные ИИ в детерминированные результаты, требуемые блокчейном?
  • Когда и где должна произойти эта трансформация?
  • Как мы можем сохранить ценность вероятностного анализа, обеспечивая детерминизм?
• Расходы на газ: высокие вычислительные требования моделей искусственного интеллекта могут привести к непозволительно высоким комиссионным сборам, что ограничивает их использование в блокчейн.
• Ограничения памяти: у среды блокчейн ограниченная память, которая может не соответствовать потребностям хранения моделей искусственного интеллекта.
• Время выполнения: Время блока блокчейна ограничивает скорость выполнения модели искусственного интеллекта, что потенциально влияет на производительность.
• Интеграция структуры данных: модели искусственного интеллекта используют сложные структуры данных, которые сложно прямо интегрировать в модель хранения блокчейн.
• Проблема оракула (требования к проверке): Блокчейн полагается на оракулов для получения внешних данных, но проверка точности вычислений искусственного интеллекта остается вызовом, особенно когда системы искусственного интеллекта требуют богатого контекста и низкой задержки, что противоречит характеристикам блокчейна.

Оригинальная картинка отФранческо, составлено DeepChao TechFlow

Как искусственный интеллект агенты могут плавно интегрироваться с блокчейном?

Изображение изначально из франческо, собранный Deep Tide TechFlow

Rei предлагает новое решение, которое сочетает в себе преимущества искусственного интеллекта и блокчейна.

Изображение изначально отфранческо, составлено Deep Tide TechFlow

Вместо принудительной интеграции искусственного интеллекта и блокчейна - двух фундаментально различных систем - Rei выступает в роли «универсального переводчика», обеспечивая плавное общение и сотрудничество между ними через слой перевода.

Изображение изначально с Франческо, составлено Deep Tide TechFlow

Основные цели Rei включают:

• Обеспечение возможности независимого мышления и обучения искусственных интеллектуальных агентов
• Преобразование идей агентов в точные и проверяемые действия блокчейна

Изображение изначально изФранческо, составлено Deep Tide TechFlow

Первое применение этой структуры -Unit00x0 (REi_00 - $REI), который прошел обучение в качестве квантитативного аналитика.

Когнитивная архитектура Rei состоит из следующих четырех уровней:

1. Thinking Layer: Ответственный за обработку и сбор сырых данных, таких как данные диаграмм, история транзакций и поведение пользователя, и выявление потенциальных паттернов.
2. Слой рассуждений: Добавляет контекстную информацию к обнаруженным шаблонам, такую как дата, время, исторические тенденции и рыночные условия, чтобы сделать данные более многомерными.
3. Слой принятия решений: разрабатывает конкретные планы действий на основе контекстной информации, предоставленной слоем рассуждений.
4. Слой действий: Преобразует решения в детерминированные действия, которые могут быть выполнены в блокчейне.

Фреймворк Rei построен на следующих трех основных принципах:

Изображение изначально изФранческо, собранный Deep Tide TechFlow

1. Оракул (Oracle, аналогично нейронным путям): Преобразует разнообразные результаты искусственного интеллекта в унифицированные результаты и записывает их в блокчейн.
2. Стандарт данных ERC (Стандарт данных ERC): Расширяет возможности хранения блокчейна, поддерживая хранение сложных данных о шаблонах, сохраняя контекстуальную информацию, созданную слоями мышления и рассуждения, позволяя преобразовывать вероятностные данные в детерминированное выполнение.
3. Memory System (Система памяти): Позволяет Рей накапливать опыт со временем и извлекать предыдущие результаты и результаты обучения в любой момент.

Вот конкретные проявления этих взаимодействий:

Изображение изначально от Франческо, собранный Deep Tide TechFlow

• Оракульский мост отвечает за идентификацию шаблонов данных
• ERCData используется для хранения этих шаблонов
• Система памяти сохраняет контекстную информацию для лучшего понимания паттернов
• Умные контракты могут получить доступ к этому накопленному знанию и действовать на его основе

С этой архитектурой агенты Rei теперь могут проводить глубокий анализ токенов, объединяя данные на цепочке, колебания цен, социальное настроение, и другая многомерная информация.

Более важно, Рей может не только анализировать данные, но и разрабатывать более глубокое понимание на их основе. Это благодаря возможности непосредственного хранения ее опыта и инсайтов на блокчейне, что делает эту информацию частью ее системы знаний, доступной для поиска и непрерывной оптимизации принятия решений и общего опыта.

Источники данных Rei включают библиотеки Plotly и Matplotlib (для построения графиков), Coingecko, Defillama, on-chain данные и данные социального настроения из Twitter. Используя эти разнообразные источники данных, Rei предоставляет комплексный анализ on-chain и рыночные идеи.

С обновление до Quant V2, REI теперь поддерживает следующие типы анализа:

1. Анализ проекта: В исходный функционал были добавлены новые количественные метрики и поддержка данных о тональности. Анализ включает в себя свечные графики, графики вовлеченности, распределение держателей и статус PnL (прибыль и убыток). (Соответствующие примеры)
2. Анализ притока и оттока: Путем отслеживания цены и объема транзакций популярных токенов on-chain Rei может сравнивать эти данные с притоком и оттоком капитала, помогая пользователям выявлять потенциальные рыночные тенденции. (Соответствующие примеры)
3. Анализ вовлеченности: Оценивает общую вовлеченность проекта, сравнивая данные в режиме реального времени с данными за 24 часа до этого, а также относительными изменениями цены. Эта функция позволяет раскрыть взаимосвязь между последней информацией и производительностью вовлеченности пользователей. (Соответствующие примеры)
4. Анализ лучших категорий: Анализирует наименьшие объемы торгов и наибольшее количество сделок в одной категории, выделяя производительность проекта в соответствующей категории.
5. Первая диаграмма показывает объемы торговли внизу и количество сделок вверху; дополнительный анализ конкретной категории позволяет выявить изменения метрик одного проекта по сравнению с другими в той же категории. (Соответствующие примеры)

Кроме того, начиная с января 2025 года,Rei поддерживает функциональность покупки и продажи токенов на цепочке. Она оснащена кошельком смарт-контракта на основе стандарта ERC-4337, что делает транзакции более удобными и безопасными.

(Примечание Deep Tide TechFlow: ERC-4337 - это предложение по улучшению Ethereum, поддерживающее абстракцию учетной записи и направленное на улучшение пользовательского опыта.)

Умный контракт Rei позволяет делегировать операции ей через авторизацию подписи пользователя, позволяя Rei автономно управлять своим портфелем.

Вот адреса кошельков Rei:

• EOA Кошелек (Кошелек для подписи):
• https://basescan.org/address/0x3BC4c3A2a2Fa5ad20a2B95B18CA418D06A360cB
• Умный кошелек (кошелек с абстракцией счета):
• https://basescan.org/address/0xf6835acc8d2b51e5d47632ca8954bfee9a0ce49c

Варианты использования: Универсальность фреймворка Rei

Изображение изначально изФранческо, собранный Deep Tide TechFlow

Фреймворк Rei не ограничивается финансовым сектором и может быть применен в следующих широких сценариях:

• Взаимодействие пользователя с агентами: Поддержка создания контента
• Анализ рынка: Управление цепями поставок и логистика
• Построение адаптивных систем: сценарии управления
• Оценка рисков: В области здравоохранения Rei оценивает потенциальные риски через контекстуальный анализ

Будущее развитие Rei

• Улучшенный интерфейс
• Альфа-терминал на основе токен-разрешений
• Платформа разработчика

Добро пожаловать в официальное сообщество Deep Tide TechFlow

Группа подписки в Telegram: https://t.me/TechFlowDaily

Официальный аккаунт в Twitter: https://x.com/TechFlowPost

Официальная английская учетная запись в Twitter: https://x.com/DeFlow_Intern

Отказ от ответственности:

1. Эта статья воспроизводится из [TechFlow)]. Передача оригинального названия: Иллюстрированный руководитель по сети Rei: простое и ясное понимание безшовной интеграции агентов искусственного интеллекта и блокчейна. Авторские права принадлежат оригинальному автору [.фрэнсис]. Если у вас есть возражения по поводу перепечатки, пожалуйста, свяжитесь с gate Learnкоманда, команда обработает это как можно скорее в соответствии с соответствующими процедурами.
2. Отказ от ответственности: Мнения и взгляды, выраженные в этой статье, представляют только личные взгляды автора и не являются инвестиционными рекомендациями.
3. Другие языковые версии статьи переведены командой gate Learn. Если не указано иное, переведенную статью нельзя копировать, распространять или плагиатировать.