Розшифрування каркасу D.A.T.A: як реструктурувати багатоланцюгову інтерактивну екосистему?

Автор: Haotian

Останнім часом @carv_official випустив набір фреймворків та стандартів D.A.T.A. Як можна здогадатися, Virtual G.A.M.E це фреймворк для розгортання гри, тоді як D.A.T.A є фреймворком для обробки даних в загальному "ланцюжковому" середовищі, що вирішує проблеми підвищення здатності взаємодії даних AI Agent, таких як обробка даних між блокчейнами, приватні обчислення та автоматизоване прийняття рішень.

1. Фреймворк G.A.M.E, наданий @virtuals_io — це агент штучного інтелекту, який допомагає розробникам створювати ігрові сценарії, які можуть самостійно планувати дії та приймати рішення. Основним об'єктом його обслуговування є велика модель LLM.

Давайте великі моделі можуть приймати самостійні рішення та планувати дії за допомогою введення природної мови, використовуючи набір налаштованих високорівневих планувальників (HLP) та низькорівневих планувальників (LLP). HLP розробляє стратегію та завдання, тоді як LLP перетворює завдання на конкретні виконавчі дії. Нарешті, це дозволяє розробникам швидко створювати та розгортати для виробничого середовища штучних інтелектуальних агентів на основі модульних компонентів. Наприклад, в іграх можна забезпечити ігровим персонажам або гравцям інтелектуальне прийняття рішень.

У порівнянні, CARV надає рамку D.A.T.A, яка є інфраструктурою для загальних сценаріїв «даних» і має на меті забезпечити AI Agent якісну підтримку даних на ланцюжку та позаланцюжкову. Основною аудиторією є комунікаційні та взаємодійні здатності AI Agent між ланцюжками даних.

Як універсальний ланцюжок з модульною та потужною розширюваністю, його SVM Chain впроваджує стандартизований протокол міжланцюжкових даних, що дозволяє AI Agent об'єднати доступ до даних різних блокчейнів та обробляти їх однаково, водночас механізм підтвердження та відстеження блокчейну забезпечує безпеку даних під час їх передачі та обробки, крім того, застосування технологій TEE та ZK також забезпечує конфіденційність. Не складно помітити, що CARV в основному визначає механізм взаємодії AI Agent між ланцюжками для взаємодії.

2. Як саме це робити? Екосистема CARV для взаємодії між ланцюжками AI Agent складається з чотирьох основних компонентів: ланцюжок SVM, фреймворк D.A.T.A, CARV_ID, CARV_Labs; подробиці див. у документації для посилання

1. SVM Chain надає базову інфраструктуру блокчейну, включаючи обробку міжланцюжкових транзакцій, підтримку виконання розумних контрактів, підтримку механізму консенсусу та інші основні функції, необхідні для нормальної роботи рамки D.A.T.A.

2、Фреймворк та стандарти D.A.T.A включають стандартизацію даних між ланцюжками, агрегацію та обробку даних, підтримку приватності обчислень тощо, у процесі якого відбувається отримання початкових даних з ланцюжка SVM або його агентів, асоціація їх за допомогою системи ідентифікації та агентської системи, та виведення стандартизованих даних на рівень застосунків.

3、Система управління ідентифікацією CARV_ID, реалізована на основі стандарту ERC7231, включає в себе ідентифікацію штучного інтелекту, перевірку ідентичності, управління дозволами, авторизацію даних тощо, головним чином співпрацює з системою управління даними D.A.T.A.

4. CARV_Labs, головним чином через інкубацію проектів, реалізацію екосистемних застосувань та підтримку технологічних інновацій, надає базову підтримку для впровадження застосувань AI Agent, забезпечуючи нарешті реальну реалізацію застосувань AI Agent, підтримуваних іншими модулями технологічних фреймворків.

Загальне, зрозуміло, що спосіб входження CARV в AI Agent трасу полягає у використанні його ланцюгової структури на основі вроджених переваг, захоплюючи 'функціональний пункт' обробки даних ланцюжком та позаланцюжковим для нормальної роботи AI Agent, шляхом агрегування даних, визначення стандартів даних, побудови механізму перевірки та відстеження даних, тим самим зробивши CARV блокчейн-архітектурою, яка може працювати з AI Agent.

G.A.M.E та D.A.T.A. фреймворки мають суттєві відмінності: один вертикально розробляє незалежне прийняття рішень та виконання дій штучного інтелекту (AI) в ігровому середовищі, дозволяючи AI-агентам ефективніше розуміти вхідну природну мову та перетворювати її на дії в ігровому середовищі, а інший спробує охопити багатоланцюгове середовище, намагаючись задовольнити ланцюжкові потреби AI-агента, використовуючи "дані" як точку входу, зробити CARV універсальною інфраструктурою, яка найпершою обслуговує AI-агентів.