การเสนอ Axonum: สมองของ Ethereum

Axonum ทำให้ AI เข้าร่วมกับบล็อกเชนเพื่อสร้างเครื่องคอมพิวเตอร์ซูเปอร์ดีเซ็นทรัลไลเฉพาะโดยความฉลาดรวมของระดับโลก

ยุคของ EVM ที่เป็นปัจจุบัน

เรากำลังสร้าง Axonum, โครงสร้างพื้นฐานที่เชื่อมั่นใน AI, พร้อมกับ EVM ที่ใช้ประโยชน์จาก AI ครั้งแรกในโลก

เรามุ่งหวังที่จะทำให้การเข้าถึง AI-powered DApps เป็นไปอย่างเทวดา ทำให้การอ่านข้อมูลโมเดล AI เป็นเรื่องที่สะดวกและเข้าถึงได้สะดวก

Axonum เป็น optimistic rollup ที่มี AI ซึ่งได้รับความเชื่อมั่นโดย opML และ AI EVM มันช่วยให้ผู้ใช้สามารถใช้งาน AI models ได้อย่างไม่ยากลำบากใน smart contracts โดยไม่ต้องหวังโซ่ข้อมูลของเทคโนโลยีใต้หลังศีรษะ

ภาพรวม

AI EVM: ยอมรับ AI

เพื่อเปิดใช้งานการให้ความหมายของ ML ในสมาร์ทคอนแทร็คเราต้องปรับเปลี่ยนชั้นของเลเยอร์ 2 chain โดยเฉพาะอย่างยิ่งเราเพิ่มสัญญาก่อนทำการให้ความหมายใน EVM เพื่อสร้าง AI EVM

AI EVM จะดำเนินการ ML inference ในการประมวลผลภายในและจากนั้นจะคืนผลลัพธ์การประมวลผลที่แน่นอน เมื่อผู้ใช้ต้องการใช้โมเดล AI เพื่อประมวลผลข้อมูล ทุกอย่างที่ผู้ใช้ต้องทำคือเรียกใช้การสร้างสัญญาก่อนการตรวจสอบด้วยที่อยู่โมเดลและข้อมูลที่เข้าโมเดล และจากนั้นผู้ใช้สามารถได้รับผลลัพธ์ของโมเดลและใช้ในสมาร์ทคอนแทรคได้อย่างเป็นธรรมชาติ

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);}}

โมเดลถูกเก็บไว้ในชั้นข้อมูลโมเดลที่มีอยู่ (DA) ทั้งหมดสามารถเรียกคืนจาก DA โดยใช้ที่อยู่ของโมเดล เราสมมติถึงความพร้อมในการใช้ข้อมูลของทุกโมเดล

หลักการออกแบบหลักของการสืบค้นสัญญาก่อนคอมไพล์ทำตามหลักการออกแบบของ opML นั่นคือ เราแยกการดำเนินการจากการพิสูจน์ เรามีการใช้งานสองประเภทของการปฏิบัติของการสืบค้นสัญญาก่อนคอมไพล์ หนึ่งคือคอมไพล์เพื่อการดำเนินการแบบธรรมชาติ ซึ่งถูกปรับแต่งให้มีความเร็วสูง อีกตัวหนึ่งคือคอมไพล์เพื่อ VM การพิสูจน์ปลอม ซึ่งช่วยในการพิสูจน์ความถูกต้องของผลลัพธ์ opML

สำหรับการปฏิบัติการในการปฏิบัติ เราจะใช้โมเดลเอ็มแอลใน opML อีกครั้ง เราจะเริ่มดึงโมเดลโดยใช้ที่อยู่ของโมเดลจากฮับโมเดล แล้วโหลดโมเดลเข้าสู่เอ็มแอล เอ็มแอลจะรับข้อมูลของผู้ใช้ในสัญญาที่ถูกคอมไพล์เป็นข้อมูลโมเดลแล้วดำเนินการงานการอ่านโมเดลของเอ็มแอล เอ็มแอล รับประกันความสม่ำเสมอและความชัดเจนของผลลัพธ์การอ่านโมเดลโดยใช้การควัดเป็นจำนวนและซอฟต์ลอง

นอกจากการออกแบบ AI EVM ปัจจุบัน วิธีทางเลือกในการเปิดใช้ AI ใน EVM คือการเพิ่มโอปโค้ดที่เฉพาะเจาะจงสำหรับการเรียนรู้ของเครื่องเข้าไปใน EVM พร้อมกับการเปลี่ยนแปลงที่เกี่ยวข้องกับทรัพยากรและโมเดลราคาของเครื่องจำลอง

โอพติมิสติก โรลอัพ

opML (Optimistic Machine Learning) และ optimistic rollup (opRollup) ทั้งสองมีพื้นฐานที่คล้ายกันในระบบการป้องกันการทุจริต ซึ่งทำให้เป็นไปได้ที่จะนำ opML เข้าไปในเครือข่าย Layer 2 (L2) พร้อมกับระบบ opRollup ระบบนี้ช่วยให้การใช้งาน machine learning ได้อย่างไม่มีข้อกังวลภายในสัญญาอัจฉริยะบนเครือข่าย L2

เหมือนกับระบบ rollup ที่มีอยู่อย่าง Axonum รับผิดชอบในการ “rolling up” ธุรกรรมโดยการจัดกลุ่มก่อนที่จะเผยแพร่ไปยัง L1 chain โดยทั่วไปผ่านเครือข่ายของ sequencer กลไกนี้สามารถรวมพันธุรกรรมได้หลายพันในระบบ rollup เดียวเพิ่มประสิทธิภาพของระบบทั้งหมดของ L1 และ L2

Axonum, เป็นหนึ่งใน optimistic rollups ซึ่งเป็นวิธีการสเกลที่สามารถทำให้ L1 blockchains เป็นไปได้อย่างประสบความสำเร็จ โดยเรามีความเชื่อเสริมว่าทุกโปรโตคอลที่เสนอขึ้นเป็นขณะเดียวที่ถูกต้องโดยค่าเริ่มต้น แตกต่างจากระบบ传统 L2 optimistic rollup ที่ธุรกรรมใน Axonum สามารถรวมการคาดการณ์ของโมเดล AI ได้ ซึ่งสามารถทำให้สมาร์ทคอนแทรคบน Axonum มีความ "ฉลาด" ด้วย AI

ในกรณีที่ต้องการลดความเสี่ยงของธุรกรรมที่อาจไม่ถูกต้อง เช่น optimistic rollups Axonum มีการใช้งานช่วงเวลาทดสอบซึ่งในช่วงนี้ผู้เข้าร่วมสามารถท้าทาย rollup ที่สงสัยได้ มีระบบการพิสูจน์การฉ้อโกงที่ถูกตั้งขึ้นเพื่ออนุญาตให้ส่งฉ้อโกงได้หลายรายการ หลักฐานเหล่านี้อาจทำให้ rollup กลายเป็นถูกต้องหรือไม่ถูกต้อง ในช่วงทดสอบสามารถทำการทำรายการเปลี่ยนแปลงสถานะได้ ถูกทวงถาม แก้ไข หรือรวมถ้าไม่มีการท้าทาย (และมีหลักฐานที่จำเป็นอยู่)

กระบวนการ

workflow2443×1437 183 KB

นี่คือขั้นตอนการทำงานที่สำคัญของ Axonum โดยไม่พิจารณากลไกเช่นการยืนยันก่อนหน้าหรือการออกจากชั้นนอก

1. กระบวนการการทำงานพื้นฐานเริ่มต้นด้วยผู้ใช้ส่งธุรกรรม L2 (เราอนุญาตการสรุป AI ภายในสัญญาอัจฉริยะ) ไปยังโหนด batcher, โดยทั่วไปคือตัวควบคุมลำดับขั้น
2. เมื่อซีเควนเซอร์ได้รับจำนวนธุรกรรมที่กำหนดแล้ว จะโพสต์เข้าสู่สัญญาฉลาด L1 เป็นชุด
3. โหนดผู้ตรวจสอบจะอ่านธุรกรรมเหล่านี้จากสัญญาฉลาก L1 และดำเนินการด้วยตนเองบนสถานะ L2 ในคอมพิวเตอร์ท้องถิ่นของพวกเขา ที่เรื่องการดำเนินการการอินเฟอเรนซ์ AI ผู้ตรวจสอบจำเป็นต้องดาวน์โหลดโมเดลจาก DA และดำเนินการอินเฟอเรนซ์ AI ภายในเครื่อง opML
4. เมื่อดำเนินการเสร็จสิ้น ระบบสถานะ L2 ใหม่จะถูกสร้างขึ้นในท้องถิ่น และผู้ตรวจสอบจะโพสต์รูทสถานะใหม่นี้เข้าสู่สมาร์ทคอนแทรค L1 (โปรดทราบว่าผู้ตรวจสอบคนนี้ก็สามารถเป็นตัวควบคุมการทำงาน)
5. จากนั้น ผู้ตรวจสอบทุกคนจะประมวลผลธุรกรรมเดียวกันบนสำเนาท้องถิ่นของสถานะ L2
6. พวกเขาจะเปรียบเทียบรากสถานะ L2 ที่เกิดขึ้นกับรากเดิมที่โพสต์ไปยังสมาร์ทคอนแทรค L1
7. หากหนึ่งในผู้ตรวจสอบได้รับรากสถานะที่แตกต่างกันจากที่โพสต์ไปยัง L1 พวกเขาสามารถเริ่มท้าทายใน L1 ได้
8. ความท้าทายจะต้องการผู้ท้าทายและผู้ตรวจสอบที่โพสต์รากสถานะเริ่มต้นให้มีการพิสูจน์หากันเพื่อแสดงว่ารากสถานะที่ถูกต้องควรเป็นอย่างไร กระบวนการความท้าทายนี้เรียกว่าการพิสูจน์การฉ้อโกง การพิสูจน์การฉ้อโกงของ Axonum รวมถึงการพิสูจน์การฉ้อโกงของการเปลี่ยนสถานะ L2 และการพิสูจน์การฉ้อโกงของ opML
9. ผู้ใช้ที่แพ้ท้าทายจะถูกตัดเงินฝากเริ่มต้น (เงินเดิมพัน) ถ้ารากสถานะ L2 เดิมๆ ที่โพสต์ไม่ถูกต้อง จะถูกทำลายโดยผู้ตรวจสอบในอนาคตและจะไม่ถูกนำเข้าไปใน L2 chain

การออกแบบป้องกันการฉ้อโกง

หลักการออกแบบหลักของระบบการสำนวนโกหกของ Axonum คือเราแยกกระบวนการสำนวนโกหกของ Geth (การประมวลผล Golang ของ Ethereum client บนชั้นที่ 2) และ opML ออกจากกัน การออกแบบนี้ช่วยให้มีกลไกการสำนวนโกหกที่แข็งแรงและมีประสิทธิภาพ นี่คือการแยกออกของระบบการสำนวนโกหกและการออกแบบของเรา:

1. ภาพรวมของระบบการพิสูจน์การฉ้อโกง:
   • ระบบพิสูจน์การประกันความปลอดภัยเป็นส่วนสำคัญที่รับประกันความปลอดภัยและความสมบูรณ์ของธุรกรรมบน Axonum optimistic rollup Layer 2
   • มันเกี่ยวข้องกับการตรวจสอบธุรกรรมและการคำนวณเพื่อให้แน่ใจว่าพฤติกรรมที่เป็นอันตรายหรือความไม่แม่นยำถูกตรวจจับและแก้ไข
2. การแยกกระบวนการพิสูจน์การทุจริต:
   • กระบวนการพิสูจน์การหลอกลวงของ Geth:
     • Geth, มีหน้าที่รับผิดชอบ Ethereum client บนเลเยอร์ 2, จัดการขั้นตอนเริ่มต้นของการพิสูจน์การทุจริตที่เกี่ยวข้องกับการตรวจสอบธุรกรรมและการปฏิบัติตามโปรโตคอลพื้นฐาน
     • มันยืนยันความถูกต้องของธุรกรรมและให้ความแน่ใจว่าพวกเขาปฏิบัติตามกฎและโปรโตคอลของระบบเลเยอร์ 2
   • ขั้นตอนการพิสูจน์การฉ้อโกง opML:
     • opML, ระบบ Optimistic Machine Learning ที่ผสานกับ Axonum เป็นผู้รับผิดชอบในด้านเฉพาะของการพิสูจน์การทุจริตที่เกี่ยวข้องกับการดำเนินการของโมเดลการเรียนรู้ของเครื่อง
     • มันยืนยันความถูกต้องของการคำนวณเรียนรู้ของเครื่องและรับรองความสมบูรณ์ของกระบวนการที่เกี่ยวข้องกับ AI ภายในโครงสร้างชั้นที่ 2
3. ประโยชน์ของการออกแบบเฉพาะ
   • ประสิทธิภาพที่ปรับปรุง:
     • โดยการกระจายความรับผิดในการพิสูจน์การทุจริต เราได้ปรับปรุงประสิทธิภาพของระบบโดยรวม Geth ให้ความสำคัญกับด้านธุรกรรม ในขณะที่ opML จัดการกับการพิสูจน์การทุจริตที่เฉพาะเจาะจงของ ML
   • ความยืดหยุ่น:
     • การออกแบบการแยกส่วนช่วยให้สามารถขยายขนาดได้ ทำให้แต่ละส่วนสามารถขยายตัวอิสระตามความต้องการในการประมวลผลของตนเอง
   • ความยืดหยุ่น:
     • การแยกนี้ช่วยให้มีความยืดหยุ่นในการอัปเกรดและปรับปรุงในส่วนของ Geth หรือ opML โดยไม่เสี่ยงทำให้ระบบการพิสูจน์การทุจริตทั้งหมดเสื่อม

Axonum: สมองของ Ethereum

Axonum เป็นโรลอัพเตียร์ที่เชื่อมั่นและสามารถทำให้ AI ทำงานบน Ethereum ได้อย่างธรรมชาติ โดยไม่มีความเชื่อมั่นและสามารถตรวจสอบได้

Axonum ใช้ประโยชน์จาก ML ในแง่ดีและการรวบรวมในแง่ดีและแนะนํานวัตกรรมของ AI EVM เพื่อเพิ่มความฉลาดให้กับ Ethereum เป็นเลเยอร์ 2

เราจะทำให้ AI เป็นส่วนหนึ่งของบล็อกเชนเพื่อสร้างเซอร์เวอร์คอมพิวเตอร์ที่กระจายอำนาจทั่วโลก

ข้อความปฏิเสธความรับผิดชอบ：

1. บทความนี้ถูกพิมพ์ออกมาจาก [ ethresear], All copyrights belong to the original author [แอกโซนัม]. หากมีข้อบกพร่องในการพิมพ์นี้ โปรดติดต่อGate Learnทีมและพวกเขาจะดำเนินการโดยเร็ว
2. คำปฏิเสธความรับผิด: มุมมองและความคิดเห็นที่ได้รับการแสดงในบทความนี้เป็นเพียงของผู้เขียนเท่านั้น และไม่เป็นสำคัญใดๆ เกี่ยวกับการให้คำแนะนำด้านการลงทุนใดๆ
3. การแปลบทความเป็นภาษาอื่นๆ นำมาทำโดยทีม Gate Learn หากไม่ได้กล่าวถึง การคัดลอก การกระจาย หรือการลอกเลียนบทความที่ถูกแปลนั้นถือเป็นการละเมิดลิขสิทธิ์