Minh họa Rei Network: giải thích bằng thuật ngữ đơn giản, hiểu mối liên kết liền mạch giữa AI Agent và blockchain

Tác giả:francesco

Biên dịch: TechFlow

Một thách thức cốt lõi khi tạo ra các tác nhân thông minh AI là làm thế nào để chúng có thể linh hoạt học hỏi, lặp lại và phát triển, đồng thời vẫn đảm bảo tính nhất quán của kết quả đầu ra.

Rei cung cấp một khung để chia sẻ dữ liệu có cấu trúc giữa AI và blockchain, cho phép các tác nhân thông minh AI học hỏi, tối ưu hóa và duy trì một kho kiến thức và kinh nghiệm.

Sự xuất hiện của khung này làm cho việc phát triển các hệ thống AI với các khả năng sau trở nên khả thi:

• Hiểu ngữ cảnh và mô hình, đồng thời tạo ra những nhận thức có giá trị

• Chuyển đổi những nhận thức này thành các hành động có thể thực thi, đồng thời hưởng lợi từ tính minh bạch và đáng tin cậy của blockchain

Các thách thức

AI và blockchain có những đặc tính cốt lõi khác biệt, điều này gây ra nhiều thách thức về tính tương thích:

1. Tính xác định của blockchain: Mỗi bước trong blockchain phải tạo ra kết quả hoàn toàn nhất quán trên tất cả các nút, để đảm bảo:

   1. Đồng thuận: Mỗi nút đạt được sự đồng thuận về nội dung khối mới, cùng hoàn thành quá trình xác minh

   2. Xác minh trạng thái: Trạng thái của blockchain luôn có thể truy vết và xác minh. Các nút mới tham gia có thể nhanh chóng đồng bộ với trạng thái của các nút khác

   3. Thực thi hợp đồng thông minh: Tất cả các nút phải tạo ra kết quả nhất quán với cùng một tập hợp đầu vào

2. Tính xác suất của AI: Kết quả đầu ra của hệ thống AI thường dựa trên xác suất, có nghĩa là mỗi lần chạy có thể cho ra kết quả khác nhau. Đặc điểm này xuất phát từ:

   1. Phụ thuộc vào ngữ cảnh: Hiệu suất của AI phụ thuộc vào ngữ cảnh đầu vào, chẳng hạn như dữ liệu huấn luyện, tham số mô hình, cũng như điều kiện thời gian và môi trường

   2. Đòi hỏi nhiều tài nguyên: Tính toán của AI yêu cầu phần cứng hiệu suất cao, bao gồm các phép tính ma trận phức tạp và lượng bộ nhớ lớn

Những khác biệt trên dẫn đến các thách thức về tính tương thích sau:

• Xung đột giữa tính xác suất và tính xác định của dữ liệu

  • Làm thế nào để chuyển đổi kết quả xác suất của AI thành kết quả xác định cần thiết cho blockchain?

  • Việc chuyển đổi này nên được thực hiện khi nào và ở đâu?

  • Làm thế nào để vừa đảm bảo tính xác định, vừa giữ lại giá trị của phân tích xác suất?

• Chi phí Gas: Nhu cầu tính toán cao của mô hình AI có thể dẫn đến chi phí Gas không thể chịu đựng được, hạn chế ứng dụng của chúng trên blockchain.

• Giới hạn bộ nhớ: Dung lượng bộ nhớ trong môi trường blockchain là hạn chế, khó đáp ứng nhu cầu lưu trữ của các mô hình AI.

• Thời gian thực thi: Thời gian khối của blockchain có thể tạo ra giới hạn đối với tốc độ chạy của mô hình AI, ảnh hưởng đến hiệu suất của chúng.

• Tích hợp cấu trúc dữ liệu: Mô hình AI sử dụng các cấu trúc dữ liệu phức tạp, những cấu trúc này khó được tích hợp trực tiếp vào mô hình lưu trữ của blockchain.

• Vấn đề oracle (yêu cầu xác minh): Blockchain phụ thuộc vào oracle để lấy dữ liệu bên ngoài, nhưng việc xác minh tính chính xác của tính toán AI vẫn là một thách thức. Đặc biệt, hệ thống AI cần nhiều ngữ cảnh và độ trễ thấp, điều này mâu thuẫn với các đặc tính của blockchain.

Ảnh gốc từ francesco, được TechFlow biên dịch

Làm thế nào để các tác nhân thông minh AI có thể tích hợp một cách liền mạch với blockchain?

Ảnh gốc từ francesco, được TechFlow biên dịch

Rei đề xuất một giải pháp hoàn toàn mới, kết hợp các ưu điểm của AI và blockchain.

Ảnh gốc từ francesco, được TechFlow biên dịch

Thay vì cố gắng hợp nhất hai hệ thống hoàn toàn khác biệt này, Rei thích đóng vai trò là một "bộ dịch ngôn ngữ chung", cho phép chúng giao tiếp và hợp tác một cách suôn sẻ thông qua một lớp dịch.

Ảnh gốc từ francesco, được TechFlow biên dịch

Các mục tiêu cốt lõi của Rei bao gồm:

• Cho phép các tác nhân thông minh AI tự suy nghĩ và học hỏi

• Chuyển đổi những nhận thức của các tác nhân thành các hoạt động chính xác và có thể xác minh trên blockchain

Ảnh gốc từ francesco, được TechFlow biên dịch

Ứng dụng đầu tiên của khung này là Unit00x0 (Rei_00 - $REI), hiện đã được huấn luyện trở thành một nhà phân tích định lượng.

Kiến trúc nhận thức của Rei bao gồm bốn tầng sau:

1. Tầng Suy nghĩ (Thinking Layer): Xử lý và thu thập dữ liệu nguyên thủy, chẳng hạn như dữ liệu biểu đồ, lịch sử giao dịch và hành vi người dùng, để tìm ra các mô hình tiềm ẩn.

2. Tầng Lý luận (Reasoning Layer): Trên cơ sở các mô hình được phát hiện, bổ sung thêm thông tin ngữ cảnh như ngày tháng, xu hướng lịch sử và tình hình thị trường, để làm cho dữ liệu trở nên sinh động hơn.

3. Tầng Quyết định (Decision Layer): Dựa trên thông tin ngữ cảnh được cung cấp từ tầng Lý luận, đưa ra các kế hoạch hành động cụ thể.

4. Tầng Hành động (Action Layer): Chuyển đổi các quyết định thành các hoạt động xác định có thể thực thi trên blockchain.

Khung Rei được xây dựng trên ba trụ cột cốt lõi sau:

Ảnh gốc từ francesco, được TechFlow biên dịch

1. Oracle (Tiên tri, tương tự như các nút thần kinh): Chuyển đổi các đầu ra đa dạng của AI thành một kết quả thống nhất, và ghi lại vào blockchain.

2. Tiêu chuẩn dữ liệu ERC (ERC Data Standard): Mở rộng khả năng lưu trữ của blockchain để hỗ trợ lưu trữ các mô hình phức tạp, đồng thời duy trì thông tin ngữ cảnh được tạo ra từ tầng Suy nghĩ và Lý luận, từ đó thực hiện việc chuyển đổi từ dữ liệu xác suất sang thực thi xác định.

3. Hệ thống Trí nhớ (Memory System): Cho phép Rei tích lũy kinh nghiệm theo thời gian và truy xuất kết quả đầu ra và kết quả học tập trước đó khi cần thiết.

Sau đây là cách các tương tác này được thể hiện cụ thể:

Ảnh gốc từ francesco, được TechFlow biên dịch

• Cầu Oracle nhận dạng các mô hình dữ liệu

• ERCData được sử dụng để lưu trữ các mô hình này

• Hệ thống Trí nhớ duy trì thông tin ngữ cảnh để hiểu các mô hình tốt hơn

• Các hợp đồng thông minh có thể truy cập vào kiến thức tích lũy này và hành động dựa trên đó

Với kiến trúc này, các tác nhân thông minh Rei đã có thể kết hợp các thông tin như bản cập nhật chức năng của Quant V2, Rei hiện hỗ trợ các dạng phân tích sau:

1. Phân tích dự án: Ngoài các chức năng hiện có, đã bổ sung các chỉ số định lượng và dữ liệu cảm xúc. Nội dung phân tích bao gồm biểu đồ nến (Candlestick Chart), biểu đồ tương tác (Engagement Chart), phân bố người nắm giữ (Holder Distribution) và tình hình lãi/lỗ (PnL). (Ví dụ liên quan)

2. Phân tích dòng vốn vào và ra: Thông qua việc theo dõi giá và khối lượng giao dịch của các Token phổ biến trên chuỗi, Rei có thể so sánh dữ liệu này với tình hình dòng vốn vào và ra, giúp người dùng phát hiện các xu hướng tiềm năng của thị trường. (Ví dụ liên quan)

3. Phân tích tương tác: Đánh giá tình hình tương tác tổng thể của dự án, bao gồm so sánh dữ liệu tức thời và dữ liệu 24 giờ trước, cũng như biến động giá tương đối. Chức năng này làm rõ mối quan hệ giữa thông tin mới nhất và hoạt động tương tác của người dùng. (Ví dụ liên quan)

4. Phân tích các loại hàng đầu: Phân tích khối lượng giao dịch thấp nhất và số giao dịch cao nhất trong một loại duy nhất, nhằm nổi bật hiệu suất của dự án trong phân khúc của nó.

5. Biểu đồ đầu tiên hiển thị khối lượng giao dịch ở dưới cùng và số giao dịch ở trên cùng; sau đó phân tích sâu hơn từng loại, tiết lộ sự thay đổi chỉ số của từng dự án so với các dự án cùng loại. (Ví dụ liên quan)

Ngoài ra, tính đến tháng 1 năm 2025, Rei đã hỗ trợ chức năng mua bán Token trên chuỗi. Cô được trang bị ví thông minh dựa trên tiêu chuẩn ERC-4337, giúp giao dịch trở nên thuận tiện và an toàn hơn.

(Ghi chú của TechFlow: ERC-4337 là một đề xuất cải tiến Ethereum nhằm hỗ trợ trừu tượng hóa tài khoản, nhằm nâng cao trải nghiệm người dùng).

Hợp đồng thông minh của Rei ủy quyền các hoạt động thông qua ủy quyền của người dùng, cho phép cô tự quản lý danh mục đầu tư của mình.

Dưới đây là địa chỉ ví của Rei:

• Ví EOA (ví ký):

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

• Ví thông minh (ví trừu tượng hóa tài khoản):

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

Trường hợp sử dụng: Tính đa năng của khung Rei

Ảnh gốc từ francesco, được TechFlow biên tập

Khung Rei không chỉ giới hạn trong lĩnh vực tài chính, mà còn có thể áp dụng trong các kịch bản rộng lớn sau:

• Tương tác giữa người dùng vàtrí tuệ nhân tạo: Hỗ trợ sáng tạo nội dung

• Phân tích thị trường: Quản lý chuỗi cung ứng và logistics

• Xây dựng hệ thống tự thích ứng: Các kịch bản quản trị

• Đánh giá rủi ro: Trong lĩnh vực y tế, Rei đánh giá rủi ro tiềm ẩn thông qua phân tích ngữ cảnh

Hướng phát triển trong tương lai của Rei

• Giao diện người dùng tốt hơn

• Phiên bản Alpha dựa trên quyền Token

• Nền tảng dành cho nhà phát triển