p>Tento článek vám přináší Sam Green a Tomasz Kornuta ze společnosti Semiotic Labs, která je hlavním vývojářem protokolu The Graph. Článek poskytuje přehled dosavadních a současných snah v oblasti umělé inteligence (AI) a nastiňuje budoucí nápady, jak využít jedinečné schopnosti indexace dat The Graph pro aplikace AI.
Proč je The Graph ideálně postaven pro využití AI
The Graph je decentralizovaný protokol pro indexaci blockchainových dat a jejich zpřístupnění pro dotazování pro použití v dalších aplikacích, jako jsou frontendy dappů, grafy, nástěnky nebo analytika dat. Existuje mnoho případů použití AI v rámci The Graph. Dosud byl hlavním případem použití AI nasazení nástrojů pro automatizované rozhodování. Nově se objevujícím případem použití AI je snižování bariéry přístupu k bohatým datům web3 indexovaným pomocí The Graph. V tomto článku se zaměříme především na první případ použití - využití AI pro automatizaci v rámci The Graph.
The Graph a decentralizované protokoly obecně využívají motivačních mechanismů, které povzbuzují účastníky protokolu k optimálnímu a poctivému chování. Motivační mechanismus je odměna za žádoucí chování - pojmem z behaviorální ekonomie. Například v The Graph zákazníci motivují indexery k obsluze dotazů tím, že je platí GRT. Podobné mechanismy existují pro indexery, kurátory, delegátory a rybáře, kteří mají také speciální motivace pro své chování.
Důsledkem budování decentralizovaného protokolu je přesun rozhodování od centralizované entity (např. korporace) k účastníkům protokolu. V kontextu The Graph decentralizace znamená, že účastníci musí činit mnoho složitých rozhodnutí. Semiotic Labs používá AI a související techniky pro nasazení nástrojů, které zjednodušují rozhodovací proces pro účastníky protokolu. Přispěli jsme k vývoji dvou nástrojů souvisejících s AI: AutoAgora a Allocation Optimizer. Oba tyto nástroje pomáhají indexům zvýšit svůj výkon protokolu a příjmy.
AutoAgora
Účelem The Graph je v základu poskytovat dotazy svým uživatelům. Zjednodušeně řečeno, protokol zahrnuje více indexerů (prodejců dat), spotřebitelů (kupujících dat) a bran. Když zákazník odešle dotaz na jednu z několika bran, brána rozdělí dotaz mezi indexery na základě různých faktorů, jako je cena nabízená indexery, kvalita služeb (QoS), latence atd. Indexeři vydělávají peníze tím, že obsluhují dotazy, přičemž mají možnost kontrolovat ceny dotazů, které poskytují. Tento proces je znázorněn níže:
Indexeři vyjadřují své cenové nabídky pro různé GraphQL dotazy pomocí modelu definovaného v doménovém jazyce nazvaném Agora. Model cen Agora mapuje dotazy na jejich ceny v GRT, tj. udává konkrétní cenu za to, kolik by daný indexer provedl dotaz. Avšak vytváření a aktualizace modelů Agora pro každý subgraf může být zdlouhavý a časově náročný úkol, proto mnoho indexerů používá statický, plochý cenový model.
Aby indexeři pomohli s cenotvorbou a zajistili, že sledují tržní cenu dotazů, vytvořila společnost Semiotic Labs open-source nástroj nazvaný AutoAgora. AutoAgora automatizuje proces vytváření a aktualizace modelů cen Agora, což usnadňuje indexérům nabízet dynamické cenování, které odráží skutečnou cenu obsluhy konkrétního tvaru dotazu. Stručně řečeno, AutoAgora je užitečný nástroj pro indexeři, kteří chtějí nabízet konkurenceschopnější a flexibilnější cenování svých služeb dotazů na síti The Graph.
AutoAgora se skládá z několika modulů, které společně automatizují proces vytváření a aktualizace modelů cen Agora. Tyto moduly zahrnují:
- Zpracování logů: parsování logů za účelem extrakce příchozích dotazů, jejich tvarů a časů provedení;
- Objavení relativních nákladů: seskupení podobných tvarů dotazů a výpočet statistik jejich spotřeby zdrojů (např. průměrné časy provedení);
- Objevení absolutní ceny: pokus o maximalizaci příjmů přizpůsobením cen v závislosti na objemu dotazů obsloužených v minulosti.
AI používáme v modulu Absolute Price Discovery, který je označen červeným rámečkem na obrázku výše. Tento modul implementuje gaussovského banditu, tj. typ školitelného, stochastického agenta používaného ve zpětnovazebním učení. V kontextu cenování dotazů se jedná o efektivní způsob, jak přizpůsobit ceny tak, aby byly konkurenceschopné a optimalizované pro zvýšení příjmů indexérů.