ARGO Argo

Что за криптовалюта Argo?

Происхождение
Argo ранее назывался AI3 Labs и сосредоточен на революции на стыке искусственного интеллекта и Web3, разрушая барьеры для открытия беспрецедентных возможностей. Как команда мирового класса инноваторов, мы преуспеваем в разработке модульных, масштабируемых и высокоинтероперабельных AI-систем, предназначенных для решения сложных задач реального мира. Обладая непревзойденным опытом в современном развитии AI и инфраструктуре Web3 AI, Argo Labs интегрирует передовые технологии для предоставления решений нового поколения, которые устанавливают новые стандарты для рабочих процессов AI.

---

В Argo мы гордимся тем, что находимся на переднем крае технологических инноваций, внося вклад в фундаментальные рамки, которые поддерживают современные AI-системы. Будучи создателями DeepFaceLab, одного из двух лучших проектов с открытым исходным кодом в области AI 2020 года, мы произвели революцию в области манипуляции лицами и установили новые стандарты для разработки открытого AI. Наши вклады в развитие PyTorch и TensorFlow, основополагающих платформ современных исследований и приложений AI, напрямую сформировали способ, которым отрасли, исследователи и разработчики создают интеллектуальные системы по всему миру. Эти платформы играют ключевую роль в обеспечении работы всего, от компьютерного зрения до моделей естественного языка большого масштаба.
Помимо нашего вклада в основную инфраструктуру AI, мы также сыграли ключевую роль в формировании основополагающего видения фреймворков AI-агентов web3. Будучи основными авторами технического документа фреймворка Eliza, мы предоставили глубокие технические идеи и архитектурные проекты, которые направляли его разработку. Наша работа установила прочную теоретическую и практическую основу для децентрализованных систем AI-агентов, демонстрируя нашу способность продвигать инновации на переднем крае исследований и внедрения AI.

Основываясь на этом наследии, Argo представляет собой наш фреймворк следующего поколения для многопользовательских агентов, специально созданный для преодоления разрыва между децентрализованными AI-системами и реальными приложениями. Argo спроектирован так, чтобы быть универсально адаптируемым, предлагая бесшовную интеграцию и удобство использования как в традиционных, так и в децентрализованных экосистемах. Приоритет отдается прозрачности, безопасности и расширению прав пользователей, что делает его универсальным инструментом для создателей и организаций, стремящихся использовать возможности AI в любой среде.
С помощью интуитивно понятного интерфейса с низким уровнем кода Argo позволяет пользователям легко создавать масштабируемые рабочие процессы, адаптированные под их уникальные потребности — будь то оптимизация операций в традиционных отраслях, улучшение цифровых экосистем или инновации в рамках децентрализованных сетей. Интегрируя передовые технологии, Argo обеспечивает полный контроль над целостностью данных и процессами выполнения, делая его идеальным решением для тех, кто хочет уверенно ориентироваться на пересечении AI и Web3.

Представляем Argo Framework

Argo — это инфраструктура рабочего процесса AI следующего поколения, которая предлагает улучшенную модульность, масштабируемость и прозрачность по сравнению с высоко гибкими фреймворками AI-агентов web3, такими как Eliza и Swarm. Она позволяет как пользователям web2, так и web3 без усилий создавать системы рабочего процесса, адаптированные под их конкретные требования, без необходимости знания программирования.

С помощью Argo создатели могут легко превращать свои идеи в реальность, используя интуитивный графический интерфейс Link-Link (соединяющие строительные блоки) и конфигурацию на уровне средней школы. Публикуя свои рабочие процессы, создатели могут делиться как правами собственности, так и выгодами. Мы представляем себе, что это станет катализатором новой парадигмы открытой разработки AI — перехода от сложных, неконтролируемых автономных агентов к прозрачным, управляемым сообществом рабочим процессам AI.
Рабочий процесс против автономного агента

Согласно основополагающей статье Anthropic "Создание эффективных агентов" (декабрь 2024 года), AI-системы можно классифицировать на две основные архитектуры: рабочие процессы и агенты. Рабочие процессы организуют LLM и инструменты через предопределенные кодовые пути, в то время как агенты позволяют LLM динамически направлять свои собственные процессы и использование инструментов, сохраняя автономный контроль над выполнением задач.
В экосистеме web3 вопросы безопасности и конфиденциальности имеют первостепенное значение, при этом защита мнемонических фраз и приватных ключей является критически важным требованием. Более того, полностью автономные агенты — особенно те, которые сильно полагаются на распознавание намерений на основе LLM — становятся все более непрозрачными по мере того, как функциональность и источники данных экспоненциально увеличиваются, что делает их пути выполнения и цепочки рассуждений практически невозможными для аудита.
Как ведущий автор технического отчета Eliza (AI16Z), мы пришли к выводу, что хорошо организованные системы рабочего процесса лучше подходят для текущих требований, чем автономные агенты. Это соответствует наблюдению Ильи Сутскевера (бывшего главного научного сотрудника OpenAI и соавтора AlexNet, Seq2Seq и GPT), что масштабирование LLM достигло определенных пределов, предполагая, что нам следует сосредоточиться на максимизации потенциала существующих возможностей LLM.
Для многих приложений оптимизация отдельных вызовов LLM с использованием извлечения и примеров в контексте оказывается достаточной. Рабочие процессы предлагают предсказуемость, прозрачность и последовательность для четко определенных задач, позволяя пользователям web3 понимать действия своих агентов через детализированные шаги и диаграммы, одновременно обеспечивая безопасность активов.

Протокол

Argo Labs предоставляет инфраструктуру и криптоэкономические стимулы для децентрализованных AI-систем. Он вознаграждает участников предложений, операторов узлов и создателей рабочих процессов, одновременно позволяя коллективное управление этими интеллектуальными активами и их созданной ценностью:
Децентрализованный рынок ресурсов
- Богатый пул распределенных узлов, поддерживающих развертывание в крупном масштабе
- Обширная библиотека повторно используемых шаблонов рабочих процессов
- Активные форумы обсуждения сообщества
- Низкие барьеры для создания рабочих процессов AI
Коллективно управляемая экосистема рабочих процессов AI
- Вознаграждения за инновации: компенсация разработчиков оригинальных AI-решений
- Вознаграждения за развертывание: стимулирование операторов, которые интегрируют узлы в систему
- Вознаграждения за участие сообщества: признание активных участников управления
- Распределение ценности: механизм распределения на основе заслуг, основанный на вкладах
Ключевые моменты
- Всеобъемлющие механизмы стимулов обеспечивают устойчивый рост экосистемы
- Децентрализованное управление гарантирует справедливость и прозрачность
- Прозрачное распределение ценности способствует здоровой конкуренции
- Модель, управляемая сообществом, катализирует инновации
Наш мастер-план
Узлы управляют всем
- Интеграция основных on-chain и off-chain API в стандартизированные узлы
- Агрегация разнообразного пула функциональных узлов
- Пользователи могут свободно комбинировать узлы для создания мощных рабочих процессов
- Стандартизированные интерфейсы обеспечивают бесшовную интероперабельность узлов
1. Распределенная многоузловая структура (в разработке)
- Архитектура открытого исходного кода
- Поддержка глобальной гетерогенной интеграции аппаратного обеспечения
- Обеспечение масштабируемости системы
- Реализация эффективных механизмов оркестрации ресурсов
2. Непрерывная интеграция передовых возможностей
- Бесшовная интеграция последних узлов сервисов AI
- Экосистема HuggingFace
- Высокопроизводительные сервисы вывода, такие как Fal.ai
- Интеграция критических функциональных узлов Web3
- Узлы операций DeFi
- Узлы Cex Api
- Узлы взаимодействия с NFT
- Узлы анализа данных на блокчейне
- Тщательная кураторская работа с высококачественными узлами
- Непрерывное расширение возможностей узлов

Дзен Argo

Простые рабочие процессы лучше сложных агентов.
Явное лучше, чем неявное.
Компонентный лучше монолитного.
Предсказуемое лучше гибкого.
Безопасность — это необходимость, а не выбор.
Прозрачность лучше черного ящика.
Узлы должны делать одно дело и делать это хорошо.
Повторное использование важнее, чем переосмысление.
Управление сообществом лучше централизованного планирования.
Разделенная ценность — это умноженная ценность.
В условиях неопределенности откажитесь от соблазна гадать.
Сейчас лучше, чем никогда, но проверенное лучше непроверенного.
Если рабочий процесс трудно объяснить, возможно, это плохой дизайн.
Если рабочий процесс легко объяснить, возможно, это хороший дизайн.
Децентрализованное не означает неорганизованное.
Конфиденциальность и контроль идут рука об руку.
Позвольте пользователям владеть своими рабочими процессами, буквально.