Allora: децентралізована інфраструктура для самовдосконалення ШІ

1. Вступ

З моменту появи генеративного штучного інтелекту, представленого ChatGPT, технології ШІ швидко розвиваються через зростання корпоративної участі та інвестицій у галузь ШІ. Сучасні системи ШІ демонструють високу продуктивність не лише у генеруванні конкретних результатів, але й в обробці великих масивів даних, розпізнаванні образів, статистичному аналізі та прогнозуванні. Це призводить до розширення впровадження ШІ у різних галузях.

JPMorgan Chase: Найняла понад 600 інженерів машинного навчання та розробила впровадила понад 400 випадків використання технологій ШІ, включаючи алгоритмічну торгівлю, прогнозування шахрайства та прогнозування грошових потоків.

Walmart: Аналізує історію сезонних та регіональних продажів для прогнозування попиту на продукти та оптимізації запасів.

Ford: Аналізує дані з датчиків транспортних засобів для прогнозування виходу з ладу деталей та повідомлення клієнтам, що запобігає аваріям, спричиненим несправностями.

Нещодавно спостерігається тенденція до поєднання блокчейн-екосистем зі ШІ, причому особлива увага приділяється сектору DeFAI, де протоколи DeFi поєднуються зі ШІ. Крім того, дедалі частіше ШІ безпосередньо інтегрується в механізми роботи протоколів. Це дозволяє ефективно прогнозувати та керувати ризиками DeFi-протоколів, а також впроваджувати нові типи фінансових послуг, які раніше були недоступні.

🔎 Для отримання детальної інформації про інтеграцію ШІ в DeFi-протоколи, зверніться до статті "Intelligent DeFi: AI Redesigning the Blueprint of DeFi".

Проте розробка моделей ШІ, спеціалізованих для конкретних функцій, наразі залишається монополією великих корпорацій та спеціалістів зі ШІ через високі бар'єри входу. Ці бар'єри включають потребу у великих обсягах навчальних даних та спеціалізованих технологіях. У результаті інші галузі та малі стартапи стикаються зі значними труднощами у впровадженні ШІ, і dApps блокчейн-екосистеми не є винятком з цих обмежень. Крім того, оскільки dApps повинні зберігати основну цінність "довіряння" (trustlessness) — відсутність необхідності довіряти третім сторонам — необхідна розробка децентралізованої інфраструктури ШІ. Це дозволить більшій кількості протоколів надійно впроваджувати ШІ та надавати сервіси, яким користувачі можуть довіряти.

На цьому тлі Allora має на меті реалізацію самовдосконалюваної децентралізованої інфраструктури ШІ та підтримку dApps і стартапів, які бажають безпечно інтегрувати ШІ у свої послуги.

2. Allora, Децентралізована мережа синтезу висновків

Allora — це децентралізована мережа виведення (inference network), яка прогнозує та надає майбутні значення для конкретних тем, запитаних різними суб'єктами. Існує два основних підходи до реалізації децентралізованого виведення ШІ:

Одномодельна/Розподілена обробка: Створення децентралізованої єдиної моделі ШІ шляхом розподіленого виконання процесів навчання та виведення моделі.

Багатомодельна/Синтез висновків: Збір результатів виведення від кількох попередньо навчених моделей ШІ та їх синтез для отримання одного результату виведення.

Між цими двома підходами Allora обирає метод багатомодельного синтезу висновків. Оператори моделей ШІ вільно беруть участь у мережі Allora для виконання виведення щодо прогнозів, запитаних за конкретними темами. Протокол надає запитувачам один зведений результат прогнозування, отриманий зі значень виведення, отриманих цими операторами.

При синтезуванні значень виведення з моделей ШІ Allora не просто усереднює значення, отримані кожною моделлю, а виводить значення, призначаючи ваги кожній моделі. Після цього Allora порівнює фактичне значення результату для цієї теми зі значеннями, отриманими кожною моделлю, і виконує самовдосконалення. Це робиться шляхом надання більшої ваги та стимулів моделям, які отримують значення виведення, подібні до фактичного результату. Завдяки цьому підходу Allora може виконувати виведення, більш спеціалізоване для конкретних тем, ніж децентралізований ШІ, побудований із використанням методу моделі/розподіленої обробки.

Щоб заохочити більше моделей ШІ до участі в протоколі, Allora надає open-source фреймворк Allora MDK (Model Development Kit). Це допомагає будь-кому створювати, легко розгортати та використовувати моделі ШІ. Крім того, Allora надає два SDK — Allora Network Python і TypeScript SDK — користувачам, які хочуть використовувати дані виведення Allora. Це забезпечує середовище, в якому вони можуть легко інтегрувати та використовувати дані, що надаються Allora, у своїх сервісах.

Таким чином, Allora має на меті функціонувати як проміжний шар, що з'єднує моделі ШІ зі службами/протоколами, яким потрібні дані виведення. Вона надає операторам моделей ШІ можливості отримувати дохід за допомогою моделей ШІ, одночасно утверджуючись як інфраструктура, що надає об'єктивні дані, необхідні службам/протоколам.

Розглянемо детальну архітектуру протоколу Allora, щоб зрозуміти, як працює Allora та її відмінні особливості.

2. 1. Архітектура протоколу

В Allora будь-хто може налаштувати та розгорнути конкретні теми. У процесі виконання виведення та отримання кінцевих значень виведення для розгорнутих тем беруть участь чотири основні суб'єкти:

Споживачі: Суб'єкти, які сплачують комісію за запит виведення щодо конкретних тем.

Воркери: Суб'єкти, які експлуатують моделі ШІ, використовуючи власні бази даних, і виконують виведення, запитане споживачами щодо конкретних тем.

Реп'ютери: Суб'єкти, які оцінюють, порівнюючи дані, отримані воркерами, з фактичними значеннями.

Валідатори: Суб'єкти, які експлуатують вузли мережі Allora, обробляють та записують транзакції, згенеровані кожним учасником.

Мережа Allora має структуру, що розділяє суб'єкти виконання виведення, оцінювання та валідації, в центрі якої знаходиться токен мережі $ALLO.$ALLO використовується як плата за запит виведення та стимули за виконання виведення, плавно з'єднуючи учасників мережі, а також стає на стейк для забезпечення безпеки.

Розглядаючи протокол Allora з функціональної точки зору, ми детально розглянемо ролі кожного рівня — рівня споживання виведення, рівня синтезу виведення та рівня консенсусу — а також взаємодію між учасниками.

2. 1. 1. Рівень споживання виведення

Рівень споживання виведення забезпечує взаємодію між учасниками протоколу та протоколом Allora, включаючи створення тем, управління учасниками теми та запити на виведення. Користувачі, які бажають створити тему, можуть взаємодіяти з системою управління темами та виведенням Allora, Topic Coordinator, сплачуючи певну суму $ALLO та налаштовуючи набір правил. Ці правила визначають те, що потрібно вивести, а також те, як перевіряти фактичні результати та оцінювати значення виведення, отримані воркерами.

Після створення теми воркери та реп’ютери можуть зареєструватися як учасники виведення інференсу для цієї теми, сплачуючи реєстраційні збори в токенах $ALLO. Реп’ютери additionally повинні зробити стейк певної суми$ALLO у темі, наражаючи себе на конфіскацію (slashing) активів за зловмисну валідацію результатів. Після створення тем і реєстрації воркерів та реп’ютерів споживачі можуть запитувати інференси, сплачуючи $ALLO на тему, а воркери та реп’ютери отримують ці збори за запити як компенсацію за виведення значень інференсу.

2. 1. 2. Прогнозний та синтетичний шар

Прогнозний та синтетичний шар є основним шаром Allora для генерації децентралізованих інференсів, де воркери виконують інференси, реп’ютери оцінюють продуктивність, а на основі цих оцінок відбувається встановлення ваг та синтез інференсів. Воркери в мережі Allora не лише подають значення інференсів для тем, запитаних споживачами, але й оцінюють точність інференсів інших воркерів та виводять Прогнозовані втрати (Forecasted Losses) на основі цих оцінок. Ці прогнозовані втрати відображаються у розрахунках ваг, необхідних для синтезу інференсів, і воркери отримують вищі стимули як у випадку точності їхніх інференсів, так і при точному прогнозуванні точності інференсів інших воркерів. Завдяки цій структурі Allora може виводити ваги синтезу інференсів, які враховують різноманітні контекстуальні ситуації, а не лише минулу продуктивність воркерів.

Прогнозування точності інференсів воркерами для контекстної обізнаності; Джерело: Allora Docs

Наприклад, у темі прогнозування ціни Біткоїна через годину припустімо наступне щодо воркерів А та B:

• Воркер A: Має високу середню точність інференсу 90%, але демонструє зниження точності в умовах волатильного ринку.
• Воркер B: Має середню точність інференсу 80%, але зберігає відносно високу точність в умовах волатильного ринку.

Якщо поточний ринок є високо волатильним, і кілька воркерів прогнозують, що «Воркер B матиме лише близько 5% помилки в цьому прогнозі через їхню силу у волатильних ситуаціях», водночас прогнозуючи, що «Воркер A, як очікується, матиме близько 15% помилки в цій волатильній ситуації», Allora призначить вищу вагу інференсу Воркера B для цього прогнозу, незважаючи на його нижчу середню історичну продуктивність. Координатор теми синтезує інференси, використовуючи остаточні ваги, виведені через цей процес, і надає споживачу остаточне значення інференсу. Крім того, під час цього процесу розраховуються та надаються довірчі інтервали на основі розподілу значень інференсів, поданих воркерами.

Потім реп’ютери порівнюють фактичні результати з остаточними значеннями інференсів, щоб оцінити продуктивність інференсу кожного воркера та точність прогнозування точності інференсів інших воркерів, коригуючи ваги воркерів через консенсус на основі стейк-акцій. Allora проводить синтез інференсу та оцінку цим методом, і зокрема, структура «контекстної обізнаності», де кожен воркер оцінює точність інференсів інших воркерів, сприяє підвищенню точності інференсу, дозволяючи Allora виводити значення інференсу, оптимізовані для кожної ситуації. Крім того, оскільки дані про продуктивність інференсів воркерів накопичуються, функція контекстної обізнаності працює ефективніше, що дозволяє функції інференсу Allora самовдосконалюватися ефективніше.

Процес синтезу інференсу Allora; Джерело: Allora Docs

Консенсус-шар Allora — це місце, де відбуваються розрахунки ваг тем, розподіл мережевих винагород та запис активності учасників, побудований на Cosmos SDK з механізмами консенсусу на основі CometBFT та DPoS (Delegated Proof of Stake). Користувачі можуть брати участь у мережі Allora як валідатори, роблячи стейк токенів $ALLO та оперуючи вузлами, отримуючи комісію за транзакції, подану учасниками Allora, як компенсацію за експлуатацію мережі та забезпечення безпеки. Навіть без оперування вузлами користувачі можуть отримувати ці стимули опосередковано, делегуючи свої$ALLO валідаторам. Крім того, Allora пропонує інфляційні стимули $ALLO, що розподіляються серед учасників мережі, при цьому 75$ALLO йдуть воркерам та реп’ютерам, що беруть участь у інференсі тем, а решта 25% — валідаторам. Ці інфляційні стимули припиняються після випуску всіх $ALLO та відповідають структурі, в якій кількість розблокованих поступово скорочується вдвічі.

Коли 75% інфляційного стимулу розподіляється між воркерами та реп’ютерами, коефіцієнт розподілу визначається не лише продуктивністю воркерів та стейк-акціями реп’ютерів, а й вагою теми. Вага теми розраховується на основі сум стейкінгу реп’ютерів, що беруть участь у темі, та доходів від комісії, тим самим стимулюючи постійну участь воркерів та реп’ютерів у темах з високим попитом та стабільністю.

3. Від ончейн до різних галузей

3. 1. Allora наближається до запуску мейннету

Allora заснувала Allora Foundation 10 січня 2025 року та прискорює рух до запуску мейннету після завершення публічного тестнету з понад 300 000 воркерів-учасників. Станом на 6 лютого вони проводять Allora Model Forge Competition для відбору творців моделей ШІ для мережі Allora після запуску мейннету.

Категорії конкурсу Allora Model Forge; Джерело: Allora Model Forge Competition

Крім того, Allora встановлює партнерські відносини з різними проєктами перед запуском мейннету. Ключові проєкти-партнери та функціональність, яку Allora надає їм, наведені нижче:

• Plume: Надання стрічок цін RWA (реальних активів) у мережі Plume, прогнозування APY та ризиків у реальному часі.
• Story Protocol: Надання оцінки вартості інтелектуальної власності та потенційних інсайтів, стрічок цін для неликвідних ончейн-активів, інференс Allora для DeFi на основі Story Protocol.
• Monad: Надання стрічок цін для неликвідних ончейн-активів, інференс Allora для DeFi на основі Monad.
• 0xScope: Підтримка розробки ШІ-асистента ончейн-активності Jarvis з використанням можливостей контекстної обізнаності Allora.
• Virtuals Protocol: Підвищення продуктивності агентів шляхом інтеграції інференсу Allora з фреймворком G.A.M.E протоколу Virtual Protocol.
• Eliza OS (раніше ai16z): Підвищення продуктивності агентів шляхом інтеграції інференсу Allora з фреймворком Eliza від Eliza OS.

На даний момент партнерства Allora зосереджені переважно на проєктах у сфері ШІ/крипто, що відображає два ключові фактори: 1) високий попит на децентралізований інференс з боку криптовалютних проєктів та 2) легкий доступ до ончейн-даних, необхідних для моделям ШІ для виконання необхідних інференсів. Для раннього запуску мейннету очікується, що Allora виділить значну частку інфляційних винагород для залучення учасників.

Щоб заохочувати постійну активність учасників, яких залучили ці інфляційні винагороди, Allora повинна підтримувати належну вартість $ALLO. Однак, оскільки інфляційні винагороди поступово зменшуються з часом, довгостроковим викликом є генерування достатніх зборів за транзакції мережі за рахунок зростання попиту на виведення результатів (inference) для стимулювання подальшої участі в протоколі. Тому, щоб оцінити потенційний успіх Allora, важливо уважно спостерігати як за стратегією короткострокового зростання вартості$ALLO, так і за її довгостроковою здатністю забезпечувати стабільний дохід від зборів завдяки попиту на виведення результатів. 4. ВисновкиОскільки технології штучного інтелекту розвиваються і доводять свою корисність, впровадження та використання інференсу ШІ активно просуваються в більшості галузей. Однак ресурсомісткий характер впровадження ШІ розширює конкурентний розрив між великими корпораціями, які успішно впровадили ШІ, і меншими компаніями, які цього не можуть. У таких умовах очікується поступове зростання попиту на можливості Allora — надання оптимізованих за темами інференсів та підвищення точності даних завдяки децентралізації. Allora прагне стати широко впровадженою децентралізованою інфраструктурою інференсу в усіх галузях, але для реалізації цього бачення необхідно довести як функціональну ефективність, так і сталий розвиток. Щоб продемонструвати це, Allora залучить достатню кількість воркерів і реп’ютерів на момент старту основної мережі (mainnet) і забезпечить стійкі стимули для цих учасників мережі. Якщо Allora зможе успішно вирішити ці виклики та досягти впровадження в різних галузях, це не лише продемонструє потенціал блокчейну як критично важливої інфраструктури ШІ, але й слугуватиме ключовим прикладом того, як поєднання ШІ та блокчейну — двох технологій, що лідирують у сучасній IT-галузі — може принести реальну цінність людству. ReferencesAllora WhitepaperAllora DocsAllora Blog