SingularityNET (AGIX) 推出分布式原子空间 (DAS) 以提升 AI 知识管理

SingularityNET (AGIX) 宣布推出分布式原子空间 (DAS)，这是一个创新的去中心化知识库，旨在推动通用人工智能 (AGI) 研究的前进。该公告是在庆祝 OpenCog Hyperon Alpha 版发布的“技术星期二”会议上发布的。

分布式原子空间 (DAS) 介绍

从本质上讲，原子空间是 OpenCog Hyperon 用于表示和存储知识的超图。它作为 AI 代理的主要知识来源，封装在其执行期间所获得的任何计算结果。分布式原子空间将这个概念扩展为一个更加自治的组件，设计用于支持多个 AI 算法的同时连接，提供一个灵活的查询接口来访问分布式知识库。

DAS 架构

DAS 的架构由几个主要组件组成：遍历引擎、查询引擎、缓存和原子数据库 (AtomDB)。每个组件在 DAS 的功能和效率中都起着关键作用。

遍历引擎

遍历引擎负责超图遍历。它与查询引擎和缓存进行交互，允许用户浏览原子空间超图。该引擎处理的操作包括查找指向或来自特定原子的链接，或识别周围邻域中的原子。当使用远程 DAS 时，它还管理周围原子的预取，确保快速的链接跟踪。

查询引擎

查询引擎处理全局查询，包括模式匹配。用户可以指定查询仅考虑本地原子还是包括远程 DAS。对于远程查询，引擎连接到 OpenFaaS 服务器，结合本地和远程信息提供全面的结果。

缓存层

DAS 集成了一个复杂的缓存层以加速涉及远程 DAS 的查询。与传统缓存不同，DAS 缓存不仅存储数据，还对查询结果进行排序和分区，首先呈现最相关的结果。此设计优化了相关性和效率，对进行组合搜索的 AI 代理尤为重要。

原子数据库 (AtomDB)

原子数据库 (AtomDB) 充当数据访问对象，抽象出存储原子的数据库调用。此抽象允许对实际数据存储进行更改或扩展而不影响查询算法。AtomDB 可以通过 RAM 中的数据结构或一个或多个数据库管理系统 (DBMS) 支持，提供灵活性和可扩展性。

高级索引

DAS 利用 DBMS 索引功能和自定义索引，尤其是模式倒排索引。此索引将模式映射到知识库中的出现，类似于文档检索系统中的倒排索引。

模式匹配器

查询引擎的模式匹配功能使 DAS 能够回答复杂查询。这些查询涉及指定模式或子模式的布尔表达式，查询引擎将其与知识库进行匹配。

将知识库映射到节点和链接

在将知识库加载到 DAS 之前，将知识库映射到原子空间节点和链接至关重要。DAS 不假设预定义的原子类型，也不提供内置的导入机制来处理各种格式。目前，仅支持 MeTTa 知识库。

DAS 服务器部署与架构

DAS 服务器部署采用 Lambda 架构，使用 OpenFaaS 或 AWS Lambda。优先使用 OpenFaaS，部署涉及 Redis 和 MongoDB 或其 AWS 等价物。功能以 Docker 容器形式部署，由 CI/CD 流水线管理，存储在私有 Docker 注册表中。客户端可以通过 HTTP、gRPC 或外部 Lambda 功能连接。

桥接 DAS 和 MeTTa

DAS 开发的一个重要里程碑是 2023 年底使用 Space API 实现与 MeTTa 的集成。这种集成将 DAS 强大的知识表示能力与 MeTTa 的动态推理和模式匹配优势相结合，增强了两个系统的整体功能和应用范围。

为 OpenCog Hyperon 设计的编程语言 MeTTa 与分布式原子空间无缝集成。它允许创建能够利用 DAS 分布式特性以增强性能和可扩展性的自省和自我修改程序。

分布式原子空间 (DAS) 和 MeTTa 编程语言的结合，创建了一个开发通用人工智能的强大框架，通过无缝集成可扩展的去中心化知识表示与强大的自省编程能力。

DAS 和 MeTTa 之间的这种协同效应形成了一种基础设施，支持 AGI 的开发，能够超越当前在性能和可扩展性上的限制。

关于 SingularityNET

由 Ben Goertzel 博士创立，SingularityNET 旨在创建分散的、民主的、包容的和有益的 AGI。团队包括经验丰富的工程师、科学家、研究人员、企业家和市场营销人员，致力于金融、机器人、生物医学 AI、媒体、艺术和娱乐等各个应用领域。

欲了解更多详细信息，请访问 SingularityNET 官方公告。