Schéma de Rei Network : comprendre simplement l'intégration fluide entre les agents IA et la blockchain
TechFlow SélectionTechFlow Sélection
Schéma de Rei Network : comprendre simplement l'intégration fluide entre les agents IA et la blockchain
Le framework Rei a été créé pour combler le fossé de communication entre l'IA et la blockchain.
Dédié à des analyses Web3 approfondiesAuteur : francesco
Traduction : TechFlow
Lors de la création d'agents d'intelligence artificielle (IA), un défi central consiste à concilier leur capacité à apprendre, itérer et évoluer de manière flexible avec la nécessité de garantir une cohérence dans leurs résultats.
Rei propose un cadre permettant de partager des données structurées entre l'IA et la blockchain, ce qui permet aux agents IA d'apprendre, de s'optimiser et de conserver un ensemble d'expériences et de connaissances.
Ce cadre rend possible le développement de systèmes d'IA capables de :
-
Comprendre les contextes et les modèles, puis produire des analyses pertinentes
-
Transformer ces analyses en actions exécutables, tout en bénéficiant de la transparence et de la fiabilité offertes par la blockchain
Les défis rencontrés
L'IA et la blockchain présentent des différences fondamentales au niveau de leurs propriétés, ce qui pose de nombreux défis en termes de compatibilité :
-
Calcul déterministe sur la blockchain : Chaque opération sur la blockchain doit produire exactement le même résultat sur tous les nœuds afin d’assurer :
-
Le consensus : Tous les nœuds doivent s’accorder sur le contenu du nouveau bloc et valider conjointement celui-ci
-
La vérification d'état : L’état de la blockchain doit toujours être traçable et vérifiable. Un nouveau nœud doit pouvoir synchroniser rapidement son état avec celui des autres nœuds
-
L'exécution des contrats intelligents : Tous les nœuds doivent générer un résultat identique à partir des mêmes entrées
-
-
Calcul probabiliste de l'IA : Les sorties des systèmes d’IA sont généralement basées sur des probabilités, ce qui signifie que chaque exécution peut donner des résultats différents. Cette caractéristique provient notamment :
-
De la dépendance au contexte : Le comportement de l’IA dépend du contexte d’entrée, tel que les données d’entraînement, les paramètres du modèle, ou encore les conditions temporelles et environnementales
-
D'une forte intensité en ressources : Le calcul de l’IA requiert du matériel haute performance, incluant des opérations matricielles complexes et une grande quantité de mémoire
-
Ces différences soulèvent lesproblèmes de compatibilité suivants :
-
Conflit entre données probabilistes et déterministes
-
Comment transformer les sorties probabilistes de l’IA en résultats déterministes exigés par la blockchain ?
-
Quand et où cette transformation doit-elle avoir lieu ?
-
Comment préserver la valeur analytique du traitement probabiliste tout en assurant la déterminisme requis ?
-
-
Coût en gas : La forte demande computationnelle des modèles d’IA pourrait entraîner des frais de gas prohibitifs, limitant ainsi leur utilisation sur la blockchain.
-
Limitation de mémoire : La capacité mémoire restreinte de l’environnement blockchain ne suffit pas aux besoins de stockage des modèles d’IA.
-
Délai d’exécution : Le temps de bloc imposé par la blockchain limite la vitesse d’exécution des modèles d’IA, pouvant nuire à leurs performances.
-
Intégration des structures de données : Les structures de données complexes utilisées par les modèles d’IA sont difficiles à intégrer directement dans les schémas de stockage de la blockchain.
-
Problème des oracles (besoin de validation) : La blockchain dépend des oracles pour obtenir des données externes, mais il reste difficile de vérifier l’exactitude des calculs effectués par l’IA. En particulier, les systèmes d’IA ont besoin d’un contexte riche et d’une faible latence, ce qui entre en conflit avec les caractéristiques propres à la blockchain.
Image originale de francesco, traduite par TechFlow
Comment les agents IA peuvent-ils interagir sans heurts avec la blockchain ?
Image originale de francesco, traduite par TechFlow
Rei propose une solution innovante combinant les avantages de l’IA et de la blockchain.
Image originale de francesco, traduite par TechFlow
Au lieu de forcer l’intégration de deux systèmes radicalement différents, Rei agit plutôt comme un « traducteur universel », instaurant une couche de traduction qui permet à l’IA et à la blockchain de communiquer et collaborer harmonieusement.
Image originale de francesco, traduite par TechFlow
Les objectifs principaux de Rei sont :
-
Permettre aux agents IA de penser et d’apprendre de façon autonome
-
Transformer les analyses des agents en opérations précises et vérifiables sur la blockchain
Image originale de francesco, traduite par TechFlow
La première application de ce cadre est Unit00x0 (Rei_00 - $REI), actuellement formé en tant qu’analyste quantitatif.
L'architecture cognitive de Rei repose sur quatre couches :
-
Couche de réflexion (Thinking Layer) : Traite et collecte les données brutes, telles que les graphiques, l’historique des transactions et les comportements des utilisateurs, afin d’identifier des motifs potentiels.
-
Couche de raisonnement (Reasoning Layer) : Ajoute du contexte aux motifs détectés — dates, heures, tendances historiques, conditions du marché — pour enrichir les données.
-
Couche de décision (Decision Layer) : Élabore des plans d'action spécifiques à partir des informations contextualisées fournies par la couche précédente.
-
Couche d'action (Action Layer) : Convertit les décisions en opérations déterministes exécutables sur la blockchain.
Le cadre Rei repose sur trois piliers fondamentaux :
Image originale de francesco, traduite par TechFlow
-
Oracle (similaire à un chemin neuronal) : Transforme les sorties variées de l’IA en résultats normalisés, puis les enregistre sur la blockchain.
-
Standard de données ERC (ERC Data Standard) : Étend les capacités de stockage de la blockchain pour supporter des données structurées complexes, tout en conservant le contexte produit par les couches de réflexion et de raisonnement, facilitant ainsi la transition des données probabilistes vers une exécution déterministe.
-
Système de mémoire (Memory System) : Permet à Rei d’accumuler de l’expérience au fil du temps et de réutiliser ses résultats antérieurs et apprentissages passés.
Voici comment ces interactions se manifestent concrètement :
Image originale de francesco, traduite par TechFlow
-
Le pont Oracle identifie les motifs dans les données
-
ERCData stocke ces motifs
-
Le système de mémoire conserve le contexte pour mieux interpréter les motifs
-
Les contrats intelligents peuvent accéder à ces connaissances accumulées et agir en conséquence
Grâce à cette architecture, l'agent Rei est désormais capable d'effectuer des analyses approfondies sur les tokens en croisant plusieurs dimensions d'information telles que les données on-chain, les variations de prix et l'humeur sociale.
Plus important encore, Rei ne se contente pas d’analyser les données : elle parvient à une compréhension plus profonde grâce à l’enregistrement direct de ses expériences et analyses sur la blockchain. Ces informations deviennent alors une partie intégrante de son savoir, disponibles à tout moment, ce qui lui permet d’optimiser continuellement ses décisions et son expérience globale.
Les sources de données de Rei incluent les bibliothèques Plotly et Matplotlib (pour les graphiques), Coingecko, Defillama, les données on-chain et les données d’humeur sociale provenant de Twitter. Grâce à cette diversité de sources, Rei fournit des analyses complètes et des perspectives pertinentes sur le marché.
Avec la mise à jour fonctionnelle de Quant V2, Rei prend désormais en charge les types d’analyses suivants :
-
Analyse de projet : Ajout d’indicateurs quantitatifs et de données d’humeur à ses fonctions existantes. Inclut des graphiques en chandeliers (Candlestick Chart), des graphiques d’engagement (Engagement Chart), ainsi que la distribution des détenteurs (Holder Distribution) et les gains/perdus (PnL). (Exemple)
-
Analyse des flux entrants et sortants : En surveillant les prix et volumes des tokens populaires sur la chaîne, Rei compare ces données aux flux de capitaux, aidant ainsi à identifier des tendances de marché potentielles. (Exemple)
-
Analyse d’engagement : Évalue l’activité globale d’un projet, en comparant les données instantanées à celles de 24 heures auparavant, ainsi que les variations de prix relatives. Cette fonction met en lumière la corrélation entre les nouvelles informations et l’activité utilisateur. (Exemple)
-
Analyse des meilleures catégories : Analyse le volume minimum et le nombre maximum de transactions dans une catégorie unique, mettant en évidence la performance d’un projet au sein de sa catégorie.
-
Le premier graphique affiche le volume en bas et le nombre de transactions en haut ; une analyse ultérieure examine une catégorie spécifique pour révéler l’évolution des indicateurs d’un projet par rapport à ses pairs. (Exemple)
En outre, à compter de janvier 2025, Rei prend en charge l’achat et la vente de tokens on-chain. Elle dispose désormais d’unwallet intelligent conforme à la norme ERC-4337, rendant les transactions plus pratiques et sécurisées.
(Note de TechFlow : ERC-4337 est une proposition d’amélioration d’Ethereum (EIP) permettant l’abstraction de compte, visant à améliorer l’expérience utilisateur).
Par le biais d’une autorisation via signature utilisateur, le contrat intelligent délègue certaines opérations à Rei, lui permettant ainsi de gérer son portefeuille de manière autonome.
Voici les adresses wallet de Rei :
-
Wallet EOA (wallet signataire) :
-
https://basescan.org/address/0x3BC4c3A2a2Fa5ad20a2B95B18CA418D06A360cB
-
Wallet intelligent (wallet à abstraction de compte) :
-
https://basescan.org/address/0xf6835acc8d2b51e5d47632ca8954bfee9a0ce49c
Cas d'utilisation : La polyvalence du cadre Rei
Image originale de francesco, traduite par TechFlow
Le cadre Rei ne se limite pas au domaine financier, mais peut également s’appliquer à de nombreux autres scénarios :
-
Interaction utilisateur-agent : Création de contenu
-
Analyse de marché : Gestion de la chaîne d'approvisionnement et de la logistique
-
Construction de systèmes adaptatifs : Scénarios de gouvernance
-
Évaluation des risques : Dans le domaine médical, Rei évalue les risques potentiels par analyse contextuelle
Les perspectives futures de Rei
-
Terminal Alpha basé sur des droits d’accès tokenisés
-
Plateforme pour développeurs
Bienvenue dans la communauté officielle TechFlow
Groupe Telegram :https://t.me/TechFlowDaily
Compte Twitter officiel :https://x.com/TechFlowPost
Compte Twitter anglais :https://x.com/BlockFlow_News
@francescoweb3
