Представляємо вам Axonum: Мозок Ethereum

Axonum увіковічує штучний інтелект в блокчейні, щоб побудувати децентралізований суперкомп'ютер, який працює за допомогою глобального колективного інтелекту.

Ера штучного інтелекту EVM

Ми будуємо Axonum, AI оптимістичний rollup, з першим у світі AI EVM.

Ми маємо на меті демократизувати доступ до AI-супроводжуваних DApps, зробити інференції моделі AI доступними та зручними для користувачів.

Axonum - це оптимістичний rollup з увіковіченою штучною інтелектом, що працює на основі opML та штучного інтелекту EVM. Це дозволяє користувачам безперешкодно використовувати моделі штучного інтелекту в природному середовищі у розумних контрактах, не бути обтяженими складнощами базових технологій.

Огляд

ШІ EVM: Увіковічене ШІ

Для активації нативного виведення ML в смарт-контракті нам потрібно модифікувати рівень виконання ланцюга другого рівня. Зокрема, ми додаємо попередньокомпільований контракт виведення в EVM для побудови штучного інтелекту EVM.

AI EVM буде проводити ML виведення в природному виконанні, а потім повертати детерміновані результати виконання. Коли користувач хоче використовувати модель AI для обробки даних, все, що користувач повинен зробити, - це викликати попередньо скомпільований контракт виведення з адресою моделі та вхідними даними моделі, після чого користувач може отримати вихід моделі та використовувати його в природний спосіб у смарт-контракті.

import "./AILib.sol";contract AIContract {...function inference(bytes32 model_address, bytes memory input_data, uint256 output_size) public {    bytes memory output = AILib.inference(model_address, input_data, output_size);    emit Inference(model_address, input_data, output_size, output);}}

Моделі зберігаються в доступних даних моделі (DA). Усі моделі можна отримати з DA за допомогою адреси моделі. Ми припускаємо доступність даних усіх моделей.

Основним принципом проектування попередньо скомпільованого контракту висновків є принципи проектування opML, тобто ми відокремлюємо виконання від доведення. Ми надаємо два види реалізації попередньо скомпільованого контракту висновків. Один з них скомпільований для виконання на рівні мови програмування, що оптимізований для великої швидкості. Інший скомпільований для віртуальної машини доведення шахрайства, яка допомагає довести правильність результатів opML.

Для виконання використовуємо движок ML в opML. Спочатку ми отримаємо модель, використовуючи адресу моделі з модельного центру, а потім завантажимо модель в движок ML. Движок ML прийматиме введення користувача в попередньо скомпільований контракт як вхід моделі, а потім виконуватиме завдання машинного навчання. Движок ML гарантує послідовність та детермінованість результатів машинного навчання, використовуючи квантизацію та м'яке плавання.

Крім поточного дизайну штучного інтелекту EVM, альтернативним підходом для впровадження штучного інтелекту в EVM є додавання більш специфічних для машинного навчання опкодів в EVM, з відповідними змінами до ресурсної та цінової моделі віртуальної машини, а також реалізацією.

Оптимістичний Ролап

opML (Оптимістичне машинне навчання) та оптимістичний rollup (opRollup) ґрунтуються на подібній системі захисту від шахрайства, що дозволяє інтегрувати opML в ланцюг Layer 2 (L2) поряд із системою opRollup. Ця інтеграція дозволяє безперешкодне використання машинного навчання в розумних контрактах на ланцюгу L2.

Так само, як і існуючі системи rollup, Axonum відповідає за «скручування» транзакцій шляхом їх пакування перед публікацією на ланцюг L1, зазвичай через мережу послідовників. Цей механізм може включати тисячі транзакцій у одному rollup, збільшуючи продуктивність всієї системи L1 та L2.

Axonum, як один з оптимістичних ролапів, є інтерактивним методом масштабування для блокчейнів L1. Оптимістично ми вважаємо, що кожна запропонована транзакція за замовчуванням є дійсною. На відміну від традиційної системи оптимістичних ролапів L2, транзакція в Axonum може включати інференції моделі штучного інтелекту, що може зробити розумні контракти на Axonum «розумнішими» за допомогою ШІ.

У випадку пом'якшення потенційно недійсних транзакцій, таких як оптимістичні роллапи, Axonum вводить період виклику, протягом якого учасники можуть викликати підозрілий роллап. У місці встановлено схему доведення шахрайства, яка дозволяє подавати кілька доказів шахрайства. Ці докази можуть зробити роллап дійсним або недійсним. Протягом періоду виклику можуть бути оспорені, вирішені або включені зміни в стан, якщо жодного виклику не було представлено (і встановлені необхідні докази).

Робочий процес

workflow2443×1437 183 КБ

Ось основний робочий процес Axonum, не враховуючи механізми, такі як передпідтвердження або примусовий вихід:

1. Основний робочий процес починається з того, що користувачі надсилають транзакції L2 (ми дозволяємо природний інтелект штучного інтелекту в смарт-контракт) на вузол пакетів, зазвичай послідовник.
2. Як тільки послідовник отримує певну кількість транзакцій, він опублікує їх у смарт-контракті L1 як пакет.
3. Вузол перевірки буде читати ці транзакції з розумного контракту L1 та виконувати їх на своєму локальному копії стану L2. Що стосується виконання висновків штучного інтелекту, вузлу перевірки потрібно завантажити модель з моделі DA та провести висновки штучного інтелекту в операційному середовищі opML.
4. Після обробки локально генерується новий стан L2, і валідатор розміщує цей новий корінь стану у смарт-контракті L1. (Зауважте, що цей валідатор також може бути послідовником.)
5. Потім всі інші валідатори оброблять ті ж самі транзакції на своїх локальних копіях стану L2.
6. Вони порівняють свій отриманий корінь стану L2 з оригінальним, опублікованим в L1 смарт-контракті.
7. Якщо один з валідаторів отримує інший кореневий стан, ніж той, що був опублікований на L1, вони можуть почати виклик на L1.
8. Виклик потребуватиме викликача та валідатора, який опублікував початковий кореневий стан, чергово доводити, яким повинен бути правильний кореневий стан. Цей процес виклику також відомий як доказ шахрайства. Доказ шахрайства Axonum включає доказ шахрайства переходу до стану L2 та доказ шахрайства opML.
9. Кожен користувач, який програє виклик, отримує зниження свого початкового депозиту (ставки). Якщо початковий кореневий стан L2, опублікований, виявиться недійсним, його знищать майбутні перевіряючі та він не буде включений у ланцюг L2.

Дизайн проти обману

Основним принципом конструкції системи доведення шахрапії Axonum є те, що ми відокремлюємо процес доведення шахрапії Geth (реалізація Ethereum-клієнта на рівні 2 на мові програмування Golang) та opML. Ця конструкція забезпечує надійний та ефективний механізм доведення шахрапії. Ось розбивка системи доведення шахрапії та нашої конструкції відокремлення:

1. Огляд системи захисту від шахрайства:
   • Система доведення шахрайства - це критичний компонент, який гарантує безпеку та цілісність транзакцій на оптимістичному rollup Layer 2 Axonum.
   • Це включає верифікацію транзакцій та обчислень для забезпечення виявлення та виправлення будь-якої зловмисної поведінки або неточностей.
2. Розділення процесів доведення шахрайства:
   • Процес підтвердження шахрайства Geth:
     • Geth, відповідальний за клієнт Ethereum на рівні 2, відповідає за початкові етапи доказу шахрайства, пов'язані з перевіркою транзакцій та основною відповідністю протоколу.
     • Воно перевіряє правильність транзакцій та забезпечує відповідність їх правилам та протоколу системи 2 рівня.
   • opML Процес доведення шахрайства до мінімуму:
     • opML, оптимістична система машинного навчання, інтегрована з Axonum, бере на себе більш складні аспекти, пов'язані з підтвердженням шахрайства щодо виконання моделі машинного навчання.
     • Це підтверджує правильність обчислень машинного навчання та забезпечує цілісність процесів, пов'язаних з штучним інтелектом, в межах каркасу 2-го рівня.
3. Переваги дизайну розділення:
   • Підвищена ефективність:
     • Розподіляючи відповідальність за докази шахрайства, ми оптимізуємо ефективність загальної системи. Geth фокусується на транзакційних аспектах, тоді як opML вирішує специфічні для машинного навчання докази шахрайства.
   • Масштабованiсть:
     • Дизайн розділення дозволяє масштабуватися, що дозволяє кожному компоненту незалежно масштабуватися в залежності від його конкретних обробних вимог.
   • Гнучкість:
     • Ця роздільність забезпечує гнучкість для оновлень та поліпшень як в компонентах Geth, так і opML, не піддаючи всій системі доказів про шахрайство.

Axonum: Мозок Ethereum

Axonum - перший оптимістичний роллап штучного інтелекту, який дозволяє використання штучного інтелекту на Ethereum в нативному режимі, безпечно та перевірено.

Axonum використовує оптимістичний ML та оптимістичний rollup та вводить інновації штучного інтелекту EVM, щоб додати інтелекту до Ethereum як Layer 2.

Ми вбудовуємо штучний інтелект у блокчейн, щоб побудувати децентралізований суперкомп'ютер, який працює на глобальному колективному інтелекті.

Disclaimer：

1. Ця стаття переписана з [ ethresear], Усі авторські права належать оригінальному авторові [Axonum]. Якщо є зауваження до цього повторення, будь ласка, зв'яжіться з Портал Навчаннякоманда, і вони оперативно займуться цим.
2. Відповідальність за відмову: Погляди та думки, висловлені в цій статті, є виключно тими, що належать авторові, і не складають жодної інвестиційної поради.
3. Переклади статей на інші мови виконуються командою Gate Learn. Якщо не зазначено інше, копіювання, поширення або плагіатування перекладених статей заборонене.