كيفية بناء تطبيقات الذكاء الاصطناعي على AO؟

المصدر: PermaDAO

AO عبارة عن شبكة اتصالات غير متزامنة مصممة للذكاء الاصطناعي على السلسلة، ومن خلال الدمج مع Arweave، تحقق حوسبة عالية الأداء خارج السلسلة وتخزينًا دائمًا للبيانات. تقدم المقالة خطوات تشغيل عملية الذكاء الاصطناعي على AO. على الرغم من أنها تدعم حاليًا النماذج الصغيرة فقط، إلا أنه سيتم دعم قدرات الحوسبة الأكثر تعقيدًا في المستقبل، كما أن آفاق تطوير الذكاء الاصطناعي على السلسلة واسعة.

ما هو الذكاء الاصطناعي في AO؟

ولدت AO للذكاء الاصطناعي على السلسلة

يُطلق على عام 2023 اسم السنة الأولى للذكاء الاصطناعي، مع العديد من النماذج الكبيرة والذكاء الاصطناعي التطبيقات لا حصر لها. في عالم Web3، يعد تطوير الذكاء الاصطناعي أيضًا جزءًا أساسيًا. ومع ذلك، فإن "مثلث blockchain المستحيل" أبقى دائمًا حسابات blockchain في حالة باهظة الثمن ومزدحمة، مما يعيق تطوير الذكاء الاصطناعي على Web 3. ولكن الآن تم تحسين هذا الوضع في البداية على AO ويظهر إمكانات غير محدودة.

تم تصميم AO كشبكة اتصالات غير متزامنة تعتمد على الرسائل. استنادًا إلى نموذج توافق التخزين (SCP)، يعمل AO على Arweave ويحقق تكاملًا سلسًا مع Arweave. في هذا النموذج المبتكر، يتم فصل التخزين (الإجماع) والحساب بشكل فعال، مما يجعل الحوسبة خارج السلسلة والإجماع على السلسلة ممكنًا.

• حوسبة عالية الأداء: يتم تنفيذ حساب العقود الذكية خارج السلسلة ولم يعد خاضعًا لـ المنطقة الموجودة على كتلة عملية التوافق، وبالتالي توسيع أداء الحوسبة بشكل كبير. يمكن للعمليات الفردية على العقد المختلفة إجراء حسابات متوازية والتحقق المحلي بشكل مستقل دون انتظار جميع العقد لإكمال الحسابات المتكررة والتحقق من الاتساق العالمي كما هو الحال في بنية EVM التقليدية. يوفر Arweave لـ AO تخزينًا دائمًا لجميع التعليمات والحالات الوسيطة ونتائج الحساب، ويعمل كطبقة توفر البيانات وطبقة الإجماع في AO. ونتيجة لذلك، أصبح من الممكن إجراء حوسبة عالية الأداء، بما في ذلك الحوسبة باستخدام وحدات معالجة الرسومات.

• البيانات الأبدية: هذا ما التزمت Arweave بفعله. نحن نعلم أن الرابط الرئيسي في تدريب الذكاء الاصطناعي هو جمع بيانات التدريب، وهذه هي قوة Arweave. يتم الاحتفاظ بما لا يقل عن 200 عام من البيانات إلى الأبد، مما يمنح AO + Arweave مجموعة بيانات غنية في نظامها البيئي.

بالإضافة إلى ذلك، أظهر سام، مؤسس AO وArweave، أول عملية ذكاء اصطناعي تعتمد على اللاما في مؤتمر صحفي في يونيو من هذا العام. من أجل ضمان الأداء، لا يتم استخدام Lua الذي تم استخدامه من قبل، ولكن يتم استخدام Wasm المترجم C.

النموذج المستخدم هو اللاما 2 مفتوح المصدر الموجود على Huggingface. يمكن تنزيل النموذج على Arweave وهو عبارة عن ملف نموذجي يبلغ حجمه حوالي 2.2 جيجابايت.

Llama Land

Llama Land هي لعبة متطورة متعددة اللاعبين على الإنترنت (MMO) مع تقنية الذكاء الاصطناعي في جوهرها ومبنية على تقنية AO المتقدمة. منصة. وهو أيضًا أول تطبيق للذكاء الاصطناعي في النظام البيئي AO + Arweave. الميزة الأكثر أهمية هي إصدار عملة اللاما، والتي يتم التحكم فيها بنسبة 100% بواسطة الذكاء الاصطناعي، أي أن المستخدمين يصلون إلى ملك اللاما ويحصلون على عملات اللاما كمكافآت من ملك اللاما. بالإضافة إلى ذلك، فإن Llama Joker وLlama oracle الموجودين في الخريطة هما أيضًا شخصيات غير قابلة للعب مكتملة بناءً على عمليات الذكاء الاصطناعي.

ثم دعونا نرى كيفية تشغيل عملية الذكاء الاصطناعي على AO بأنفسنا.

عرض توضيحي للذكاء الاصطناعي

1. مقدمة عامة

لقد قمنا بنشره على AO باستخدام Sam Good خدمات الذكاء الاصطناعي لتنفيذ تطبيقات الذكاء الاصطناعي الخاصة بنا. تتكون خدمة الذكاء الاصطناعي التي نشرها سام من جزأين: قطيع اللاما وعامل اللاما (عمال اللاما المتعددين). من بينها، قطيع اللاما هو المسؤول عن تخصيص مهام الذكاء الاصطناعي وتسعير مهام الذكاء الاصطناعي. عامل اللاما هو العملية التي يتم فيها تشغيل نماذج كبيرة بالفعل. بعد ذلك، يقوم تطبيق الذكاء الاصطناعي الخاص بنا بتنفيذ قدرات الذكاء الاصطناعي من خلال طلب قطيع اللاما، وسيحتاج أيضًا إلى دفع رسوم معينة عند الطلب.

ملاحظة: ربما تتساءل، لماذا لا نقوم بتشغيل عامل اللاما بأنفسنا لتنفيذ تطبيقات الذكاء الاصطناعي الخاصة بنا؟ نظرًا لأن وحدة الذكاء الاصطناعي تتطلب 15 جيجابايت من الذاكرة عند إنشاء مثيل لها في إحدى العمليات، فسوف نحصل على خطأ غير كافٍ في الذاكرة عند إنشاء مثيل لها بأنفسنا.

2. قم بإنشاء عملية وإعادة شحن wAR

أولاً، نحتاج إلى إنشاء عملية ومحاولة ترقية العملية إلى الإصدار الأحدث قبل المتابعة. العمليات اللاحقة. يمكنك تجنب بعض الأخطاء وتوفير الكثير من الوقت.

مطلوب لتشغيل تستهلك عملية الذكاء الاصطناعي كمية صغيرة من الحرب. بعد نجاح عملية النقل من خلال arconnect، ستشاهد رسالة تتضمن الإجراء = إشعار الائتمان في العملية. يتطلب تنفيذ الذكاء الاصطناعي مرة واحدة استخدام wAR، لكنه لا يستهلك الكثير لأغراض العرض التوضيحي، ما عليك سوى نقل 0.001 wAR إلى العملية.

ملاحظة: يمكن الحصول على wAR من خلال جسر AOX عبر السلسلة، والذي يستغرق من 3 إلى 30 دقيقة.

يمكنك استخدام الأمر التالي لعرض رصيد wAR في العملية الحالية . فيما يلي الحرب التي تركتها بعد تنفيذها حوالي 5 مرات. يرتبط المبلغ المستهلك بطول الرمز المميز والسعر الحالي في الوقت الفعلي لتشغيل نموذج كبير. بالإضافة إلى ذلك، إذا كان الطلب الحالي في حالة ازدحام، فسيتم فرض رسوم إضافية. (في نهاية المقال، سأقوم بتحليل حساب التكلفة بالتفصيل بناءً على الكود. يمكن للأصدقاء المهتمين إلقاء نظرة)

ملاحظة: العلامة العشرية هنا هي 12 رقمًا، مما يعني أن 999999673 يمثل 0.000999999673 حرب. 3 تثبيت/تحديث APM

APM يرمز إلى إدارة حزمة ao لإنشاء عملية AI، تحتاج إلى تثبيت الحزمة المقابلة من خلال APM. قم بتنفيذ الأمر أعلاه وستظهر المطالبة المقابلة، للإشارة إلى نجاح تثبيت/تحديث APM.

4. تثبيت اللاما هيردر

بعد اكتمال التنفيذ، سيكون هناك كائن Llama في العملية، والذي يمكن الوصول إليه عن طريق إدخال Llama، ثم Llama Herder هو تم التثبيت بنجاح .

ملاحظة : إذا لم يكن هناك ما يكفي من wARs في العملية الجارية، فلن يمكن تنفيذ طريقة Llama.run وسيحدث خطأ في النقل. عليك اتباع الخطوة الأولى لإعادة شحن wAR.

5. مرحبًا لاما

بعد ذلك نقوم بتفاعل بسيط. اسأل عملية الذكاء الاصطناعي "ما معنى الحياة؟" وحدد ما يصل إلى 20 رمزًا. ثم ضع النتائج في المخرجات. يستغرق تنفيذ عملية الذكاء الاصطناعي عدة دقائق، وإذا كانت هناك مهام ذكاء اصطناعي في قائمة الانتظار، فستحتاج إلى الانتظار لفترة أطول.

كما هو مذكور في الكود أدناه، يجيب الذكاء الاصطناعي "إن معنى الحياة هو سؤال عميق وفلسفي لطالما أذهل البشر."

ملحوظة: هنا إذا لم يكن هناك ما يكفي من wARs في العملية الجارية، فلن يمكن تنفيذ طريقة Llama.run وسيحدث خطأ في النقل. عليك اتباع الخطوة الأولى لإعادة شحن wAR.

6. اصنع لاما جوكر

لنذهب خطوة أخرى إلى الأمام، فلنلقي نظرة على تنفيذ لاما جوكر. (نظرًا للمساحة المحدودة، يتم عرض الكود الأساسي المتعلق بالذكاء الاصطناعي فقط.)

يعد إنشاء Llama Joker في الواقع أمرًا بسيطًا للغاية، على غرار إنشاء روبوت الدردشة في تطبيق Web 2 AI.

• أولاً، استخدم <|system|> / <|user|> / <|المساعد|> بناء موجه للتمييز بين الأدوار المختلفة.

• ثانيًا، حدد جزء المطالبة الثابت. في حالة اللاما جوكر، فإن محتوى <|النظام|>

• أخيرًا، قم ببناء Llama Joker Npc للتفاعل مع المستخدم. ولكن من أجل توفير المساحة، تم تعريف المتغير المحلي userContent = "cats" هنا مباشرة. يظهر أن المستخدم يريد سماع نكتة تتعلق بالقطط.

أليس الأمر بهذه السهولة؟

المزيد

كانت القدرة على تنفيذ الذكاء الاصطناعي على السلسلة شيئًا لم يكن من الممكن تصوره من قبل. أصبح من الممكن الآن تنفيذ تطبيقات كاملة للغاية تعتمد على الذكاء الاصطناعي على AO. الآفاق مثيرة وتمنح الجميع مساحة غير محدودة للخيال.

لكن القيود واضحة نسبيًا في الوقت الحالي. حاليًا، يمكنه فقط دعم "نماذج اللغات الصغيرة" بحوالي 2 جيجابايت، وليس من الممكن بعد استخدام وحدات معالجة الرسومات لإجراء العمليات الحسابية. ولحسن الحظ، فإن التصميم المعماري لشركة AO لديه أيضًا حلول مناسبة لهذه العيوب. على سبيل المثال، قم بتجميع جهاز ظاهري يمكنه الاستفادة من وحدة معالجة الرسومات.

نحن نتطلع إلى أن يتمكن الذكاء الاصطناعي من إزهار المزيد من الزهور الرائعة على سلسلة AO في المستقبل القريب.

الملحق

هناك حفرة متبقية في المقدمة، دعنا نلقي نظرة على حساب تكلفة Llama AI.

ما يلي هو كائن اللاما بعد التهيئة، مما يوضح فهمي للكائنات المهمة.

1. M.herder: يخزن معرف أو عنوان خدمة Llama Herder.

2. M.token: الرمز المميز المستخدم للدفع مقابل خدمات الذكاء الاصطناعي.

3. M.feeBase: الرسوم الأساسية، القيمة الأساسية المستخدمة لحساب إجمالي الرسوم.

4. M.feeToken: يتم استخدام الرسوم المقابلة لكل رمز مميز لحساب الرسوم الإضافية بناءً على عدد الرموز المميزة في الطلب.

5. M.lastMultiplier: العامل المضاعف لرسوم المعاملة الأخيرة، والذي يمكن استخدامه لتعديل الرسوم الحالية.

6. M.queueLength: يؤثر طول قائمة انتظار الطلبات الحالية على حساب التكلفة.

7. M.feeBump: عامل نمو الرسوم، الإعداد الافتراضي هو 1.005، مما يعني زيادة بنسبة 0.5% في كل مرة.

• القيمة الأولية لـ M.feeBase هي 0.

• اطلب أحدث معلومات الأسعار من Llama Herder من خلال وظيفة M.getPrices.

• من بينها، M.feeBase،feeToken،M.lastMultiplier، وM.queueLength كلها تتغير في الوقت الحقيقي بعد طلب M.herder وتلقي رسالة المعلومات والاستجابة. يضمن تحديث قيم الحقول المتعلقة بالسعر دائمًا.

خطوات محددة لحساب الرسوم:

1. أضفfeeToken وفقًا لـ M.feeBase يتم الحصول على رسوم أولية مضروبة في عدد الرموز المميزة.

2. اضرب التكلفة الأولية بـ M.lastMultiplier.

3. أخيرًا، في حالة وجود قائمة انتظار للطلبات، سيتم ضربها بـ M.feeBump وهو 1.005 للحصول على الرسوم النهائية.

رابط الاقتباس

1. عنوان النموذج على Arweave:

https://arweave.net/ISrbGzQot05rs_HKC08O_SmkipYQnqgB1yC3mjZZeEo

2. كود مصدر aos llama:

https://github.com/samcamwilliams/aos-llama

3. جسر AOX المتقاطع:

https://aox arweave.dev/