Apresentando Axonum: O Cérebro do Ethereum

Axonum consagra a IA na blockchain para construir um supercomputador descentralizado alimentado pela inteligência coletiva global.

A Era do EVM de IA

Estamos construindo Axonum, um rollup otimista de IA, com o primeiro EVM de IA do mundo.

Nosso objetivo é democratizar o acesso a DApps alimentados por IA, tornando as inferências de modelos de IA acessíveis e fáceis de usar.

Axonum é um rollup otimista com IA consagrada alimentada por opML e AI EVM. Isso permite que os usuários empreguem modelos de IA nativamente dentro de contratos inteligentes sem serem prejudicados pelas complexidades das tecnologias subjacentes.

Visão Geral

IA EVM: IA consagrada

Para habilitar a inferência nativa de ML no contrato inteligente, precisamos modificar a camada de execução da cadeia de camada 2. Especificamente, adicionamos uma inferência de contrato pré-compilada no EVM para construir o EVM de AI.

O EVM de IA realizará a inferência de ML na execução nativa e depois retornará resultados de execução determinísticos. Quando um usuário deseja usar o modelo de IA para processar dados, tudo o que o usuário precisa fazer é chamar a inferência de contrato pré-compilado com o endereço do modelo e a entrada do modelo e, em seguida, o usuário pode obter a saída do modelo e usá-lo nativamente no contrato inteligente.

import "./AILib.sol";contrato AIContract {...função inferência(bytes32 model_address, bytes memory input_data, uint256 output_size) público {    bytes memory output = AILib.inferência(model_address, input_data, output_size);    emit Inferência(model_address, input_data, output_size, output);}}

Os modelos são armazenados na camada de dados do modelo disponível (DA). Todos os modelos podem ser recuperados do DA usando o endereço do modelo. Assumimos a disponibilidade de dados de todos os modelos.

O princípio de design central da inferência de contrato pré-compilado segue os princípios de design do opML, isto é, separamos a execução da prova. Fornecemos dois tipos de implementação da inferência de contrato pré-compilado. Um é compilado para execução nativa, que é otimizado para alta velocidade. Outro é compilado para a VM de prova de fraude, que ajuda a provar a correção dos resultados do opML.

Para a implementação da execução, reutilizamos o mecanismo de ML no opML. Primeiro, buscaremos o modelo usando o endereço do modelo no hub do modelo e carregaremos o modelo no mecanismo de ML. O mecanismo de ML receberá a entrada do usuário no contrato pré-compilado como entrada do modelo e depois executará a tarefa de inferência de ML. O mecanismo de ML garante a consistência e determinismo dos resultados da inferência de ML usando quantização e ponto flutuante suave.

Além do design atual do EVM de IA, uma abordagem alternativa para habilitar a IA no EVM é adicionar mais opcodes específicos de aprendizado de máquina ao EVM, com alterações correspondentes no modelo de recursos e preços da máquina virtual, bem como na implementação.

Optimistic Rollup

opML (Machine Learning Otimista) e rollup otimista (opRollup) são ambos baseados em um sistema de prova de fraude semelhante, tornando viável a integração do opML na cadeia Layer 2 (L2) juntamente com o sistema opRollup. Essa integração possibilita a utilização contínua de aprendizado de máquina dentro de contratos inteligentes na cadeia L2.

Assim como os sistemas rollup existentes, Axonum é responsável por "agrupar" transações, agrupando-as antes de publicá-las na cadeia L1, geralmente por meio de uma rede de sequenciadores. Esse mecanismo poderia incluir milhares de transações em um único rollup, aumentando a capacidade de processamento de todo o sistema de L1 e L2.

Axonum, como um dos rollups otimistas, é um método de escalonamento interativo para blockchains L1. Assumimos otimisticamente que cada transação proposta é válida por padrão. Diferente do sistema tradicional de rollup otimista L2, a transação no Axonum pode incluir inferências de modelos de IA, o que pode tornar os contratos inteligentes no Axonum mais 'inteligentes' com IA.

No caso de mitigar transações potencialmente inválidas, como rollups otimistas, a Axonum introduz um período de desafio durante o qual os participantes podem desafiar um rollup suspeito. Um esquema de comprovação de fraude está em vigor para permitir que vários comprovantes de fraude sejam enviados. Esses comprovantes podem tornar o rollup válido ou inválido. Durante o período de desafio, as mudanças de estado podem ser contestadas, resolvidas ou incluídas se nenhum desafio for apresentado (e as comprovações necessárias estiverem em vigor).

Fluxo de trabalho

workflow2443×1437 183 KB

Aqui está o fluxo de trabalho essencial do Axonum, sem considerar mecanismos como pré-confirmação ou saída forçada:

1. O fluxo de trabalho básico começa com os usuários enviando transações L2 (permitimos inferência nativa de IA no contrato inteligente) para um nó de agrupamento, geralmente o sequenciador.
2. Uma vez que o sequenciador recebe um certo número de transações, ele as postará em um contrato inteligente L1 como lote.
3. Um nó validador lerá essas transações do contrato inteligente L1 e as executará em sua cópia local do estado L2. Quanto à execução da inferência de IA, o validador precisa baixar o modelo do modelo DA e conduzir a inferência de IA dentro do motor opML.
4. Uma vez processado, um novo estado L2 é gerado localmente e o validador irá postar esta nova raiz de estado em um contrato inteligente L1. (Note que este validador também pode ser o sequenciador).
5. Em seguida, todos os outros validadores processarão as mesmas transações em suas cópias locais do estado L2.
6. Eles irão comparar a raiz de estado L2 resultante com a original postada no contrato inteligente L1.
7. Se um dos validadores obtiver uma raiz de estado diferente daquela postada no L1, eles podem iniciar um desafio no L1.
8. O desafio exigirá que o desafiante e o validador que postou a raiz de estado original se alternem para provar qual deve ser a raiz de estado correta. Esse processo de desafio também é conhecido como prova de fraude. A prova de fraude da Axonum inclui a prova de fraude da transição de estado L2 e a prova de fraude do opML.
9. Qualquer usuário que perca o desafio terá seu depósito inicial (aposta) reduzido. Se a raiz de estado L2 original postada for inválida, ela será destruída por validadores futuros e não será incluída na cadeia L2.

Design à Prova de Fraude

O princípio de design central do sistema de prova de fraude da Axonum é que separamos o processo de prova de fraude do Geth (a implementação Golang do cliente Ethereum na camada 2) e o opML. Esse design garante um mecanismo de prova de fraude robusto e eficiente. Aqui está uma análise do sistema de prova de fraude e nosso design de separação:

1. Visão geral do Sistema de Prova de Fraude:
   • O sistema de prova de fraude é um componente crítico que garante a segurança e integridade das transações na camada 2 de rollup otimista da Axonum.
   • Envolve a verificação de transações e cálculos para garantir que qualquer comportamento malicioso ou imprecisões sejam detectados e resolvidos.
2. Separação dos Processos de Prova de Fraude:
   • Processo de Prova de Fraude Geth:
     • Geth, responsável pelo cliente Ethereum na camada 2, lida com as etapas iniciais da prova de fraude relacionada à validação de transações e aderência básica ao protocolo.
     • Ele verifica a correção das transações e garante que elas estejam em conformidade com as regras e protocolo do sistema de camada 2.
   • Processo de Prova de Fraude opML:
     • opML, o sistema de Aprendizado de Máquina Otimista integrado com Axonum, assume os aspectos mais intrincados da prova de fraude relacionada à execução do modelo de aprendizado de máquina.
     • Ele verifica a correção das computações de aprendizado de máquina e garante a integridade dos processos relacionados à IA dentro do framework da camada 2.
3. Benefícios do Design de Separação:
   • Eficiência Aumentada:
     • Ao distribuir as responsabilidades de prova de fraude, otimizamos a eficiência do sistema como um todo. Geth foca nos aspectos transacionais, enquanto opML lida com provas de fraude específicas de ML.
   • Escalabilidade:
     • O design de separação permite escalabilidade, permitindo que cada componente escale independentemente com base em seus requisitos de processamento específicos.
   • Flexibilidade:
     • Essa separação fornece flexibilidade para atualizações e melhorias nos componentes Geth ou opML sem comprometer todo o sistema de prova de fraude.

Axonum: O Cérebro do Ethereum

Axonum é o primeiro rollup otimista de IA que permite IA no Ethereum de forma nativa, sem confiança e verificável.

Axonum alavanca ML otimista e rollup otimista e introduz inovações do EVM de IA para adicionar inteligência ao Ethereum como Camada 2.

Nós consagramos a IA no blockchain para construir um supercomputador descentralizado alimentado pela inteligência coletiva global.

Aviso Legal:

1. Este artigo é reproduzido a partir de [ethresear], Todos os direitos autorais pertencem ao autor original [Axonum]. Se houver objeções a este reenvio, entre em contato com o Gate Learnequipe, e eles lidarão com isso prontamente.
2. Isenção de Responsabilidade: As opiniões e perspectivas expressas neste artigo são exclusivamente do autor e não constituem qualquer conselho de investimento.
3. As traduções do artigo para outros idiomas são feitas pela equipe Gate Learn. Salvo indicação em contrário, é proibido copiar, distribuir ou plagiar os artigos traduzidos.