Memperkenalkan Axonum: Otak dari Ethereum

Axonum mengabadikan kecerdasan buatan ke dalam blockchain untuk membangun superkomputer terdesentralisasi yang didukung oleh kecerdasan kolektif global.

Zaman AI EVM

Kami sedang membangun Axonum, sebuah optimistic rollup AI, dengan EVM AI pertama di dunia.

Kami bertujuan untuk mendemokratisasi akses ke DApps yang didukung AI, membuat inferensi model AI menjadi lebih mudah diakses dan ramah pengguna.

Axonum adalah optimistic rollup dengan AI yang diabadikan yang didukung oleh opML dan AI EVM. Ini memungkinkan pengguna untuk menggunakan model AI secara mulus secara alami dalam kontrak pintar tanpa dibebani oleh kerumitan teknologi yang mendasarinya.

Ikhtisar

AI EVM: Kecerdasan Buatan yang Ditetapkan

Untuk mengaktifkan inferensi ML asli dalam kontrak pintar, kita perlu memodifikasi lapisan eksekusi dari rantai lapisan 2. Secara khusus, kita menambahkan inferensi kontrak yang telah dipersiapkan di EVM untuk membangun AI EVM.

AI EVM akan melakukan inferensi ML dalam eksekusi asli dan kemudian mengembalikan hasil eksekusi deterministik. Ketika seorang pengguna ingin menggunakan model AI untuk memproses data, yang perlu dilakukan pengguna hanyalah memanggil inferensi kontrak pra-dikompilasi dengan alamat model dan input model, dan kemudian pengguna dapat memperoleh output model dan menggunakannya secara asli dalam kontrak cerdas.

import "./AILib.sol";kontrak AIContract {...fungsi inferensi(bytes32 model_address, bytes memori input_data, uint256 output_size) publik {    bytes memori output = AILib.inference(model_address, input_data, output_size);    mengeluarkan Inference(model_address, input_data, output_size, output);}}

Model-model disimpan di lapisan data model yang tersedia (DA). Semua model dapat diambil dari DA menggunakan alamat model. Kami mengasumsikan ketersediaan data dari semua model.

Prinsip desain inti dari inferensi kontrak pra-dikompilasi mengikuti prinsip desain opML, yaitu, kita memisahkan eksekusi dari pembuktian. Kami menyediakan dua jenis implementasi dari inferensi kontrak pra-dikompilasi. Salah satunya dikompilasi untuk eksekusi native, yang dioptimalkan untuk kecepatan tinggi. Yang lainnya dikompilasi untuk VM bukti penipuan, yang membantu membuktikan kebenaran hasil opML.

Untuk implementasi untuk eksekusi, kami menggunakan kembali mesin ML di opML. Kami akan pertama-tama mengambil model menggunakan alamat model dari model hub dan kemudian memuat model ke dalam mesin ML. Mesin ML akan mengambil input pengguna dalam kontrak yang telah dikompilasi sebelumnya sebagai input model dan kemudian mengeksekusi tugas inferensi ML. Mesin ML menjamin konsistensi dan determinisme hasil inferensi ML menggunakan kuantisasi dan float lembut.

Selain desain AI EVM saat ini, pendekatan alternatif untuk mengaktifkan AI di EVM adalah dengan menambahkan lebih banyak opcode khusus machine learning ke EVM, dengan perubahan yang sesuai pada sumber daya dan model harga mesin virtual serta implementasinya.

Optimistic Rollup

opML (Optimistic Machine Learning) dan optimistic rollup (opRollup) keduanya berdasarkan sistem bukti penipuan yang serupa, sehingga memungkinkan untuk mengintegrasikan opML ke dalam rantai Layer 2 (L2) bersama sistem opRollup. Integrasi ini memungkinkan pemanfaatan yang lancar dari pembelajaran mesin dalam kontrak pintar pada rantai L2.

Seperti sistem rollup yang sudah ada, Axonum bertanggung jawab untuk "menggulung" transaksi dengan menggabungkannya sebelum mempublikasikannya ke rantai L1, biasanya melalui jaringan sequencer. Mekanisme ini bisa mencakup ribuan transaksi dalam satu rollup, meningkatkan throughput dari seluruh sistem L1 dan L2.

Axonum, sebagai salah satu dari optimistic rollups, adalah metode penskalaan interaktif untuk blockchain L1. Kami mengasumsikan secara optimis bahwa setiap transaksi yang diajukan valid secara default. Berbeda dari sistem tradisional optimistic rollup L2, transaksi di Axonum dapat mencakup inferensi model AI, yang dapat membuat kontrak cerdas di Axonum menjadi 'lebih cerdas' dengan AI.

Dalam hal mitigasi transaksi yang mungkin tidak valid, seperti rollups optimis, Axonum memperkenalkan periode tantangan di mana peserta dapat menantang rollup yang dicurigai. Skema pembuktian penipuan diterapkan untuk memungkinkan beberapa bukti penipuan disampaikan. Bukti-bukti tersebut dapat membuat rollup menjadi valid atau tidak valid. Selama periode tantangan, perubahan status dapat dipertanyakan, diselesaikan, atau disertakan jika tidak ada tantangan yang diajukan (dan bukti yang diperlukan sudah ada).

Alur kerja

workflow2443×1437 183 KB

Berikut adalah alur kerja penting dari Axonum, tanpa mempertimbangkan mekanisme seperti pra-konfirmasi atau keluar paksa:

1. Alur kerja dasar dimulai dengan pengguna mengirim transaksi L2 (kami memungkinkan inferensi AI asli dalam kontrak cerdas) ke node batcher, biasanya sequencer.
2. Setelah sequencer menerima sejumlah transaksi tertentu, ia akan mempostingnya ke dalam kontrak pintar L1 sebagai batch.
3. Sebuah node validator akan membaca transaksi-transaksi ini dari kontrak pintar L1 dan menjalankannya pada salinan lokal mereka dari status L2. Mengenai eksekusi inferensi AI, validator perlu mengunduh model dari model DA dan melakukan inferensi AI dalam mesin opML.
4. Setelah diproses, sebuah status L2 baru dihasilkan secara lokal dan validator akan memposting akar status baru ini ke dalam kontrak pintar L1. (Perlu diingat bahwa validator ini juga bisa menjadi sequencer.)
5. Kemudian, semua validator lain akan memproses transaksi yang sama pada salinan lokal dari status L2 mereka.
6. Mereka akan membandingkan akar status L2 hasil mereka dengan yang asli yang diposting ke kontrak cerdas L1.
7. Jika salah satu validator mendapatkan state root yang berbeda dengan yang diposting ke L1, mereka dapat memulai tantangan di L1.
8. Tantangan akan membutuhkan penantang dan validator yang memposting root state asli untuk bergantian membuktikan apa yang seharusnya menjadi root state yang benar. Proses tantangan ini juga dikenal sebagai bukti kecurangan. Bukti kecurangan Axonum mencakup bukti kecurangan transisi state L2 dan bukti kecurangan opML.
9. Pengguna yang kalah dalam tantangan akan mendapatkan deposit awal (stake) mereka dipotong. Jika akar status L2 asli yang diposting tidak valid, itu akan dihancurkan oleh validator masa depan dan tidak akan dimasukkan dalam rantai L2.

Desain Bukti Penipuan

Prinsip desain inti dari sistem bukti penipuan Axonum adalah bahwa kami memisahkan proses bukti penipuan Geth (implementasi Golang dari klien Ethereum pada lapisan 2) dan opML. Desain ini memastikan mekanisme bukti penipuan yang kuat dan efisien. Berikut adalah pembagian sistem bukti penipuan dan desain pemisahan kami:

1. Gambaran Umum Sistem Bukti Penipuan:
   • Sistem bukti penipuan adalah komponen penting yang menjamin keamanan dan integritas transaksi pada lapisan optimistis rollup Layer 2 Axonum.
   • Ini melibatkan verifikasi transaksi dan komputasi untuk memastikan bahwa setiap perilaku jahat atau ketidakakuratan terdeteksi dan ditangani.
2. Pemisahan Proses Bukti Penipuan:
   • Proses Bukti Penipuan Geth:
     • Geth, yang bertanggung jawab atas klien Ethereum pada layer 2, menangani tahap awal bukti penipuan terkait validasi transaksi dan kepatuhan protokol dasar.
     • Ini memverifikasi kebenaran transaksi dan memastikan bahwa mereka mematuhi aturan dan protokol dari sistem layer 2.
   • Proses Bukti Penipuan opML:
     • opML, sistem Optimistic Machine Learning yang terintegrasi dengan Axonum, bertanggung jawab atas aspek yang lebih rumit dari bukti penipuan terkait dengan eksekusi model pembelajaran mesin.
     • Ini memverifikasi kebenaran komputasi pembelajaran mesin dan memastikan integritas proses terkait kecerdasan buatan dalam kerangka kerja lapisan 2.
3. Manfaat Desain Pemisahan:
   • Efisiensi Ditingkatkan:
     • Dengan mendistribusikan tanggung jawab bukti penipuan, kami mengoptimalkan efisiensi sistem secara keseluruhan. Geth berfokus pada aspek transaksional, sementara opML menangani bukti penipuan khusus ML.
   • Skalabilitas:
     • Desain pemisahan memungkinkan skalabilitas, memungkinkan setiap komponen untuk secara independen skalabilitas berdasarkan persyaratan pemrosesan spesifiknya.
   • Fleksibilitas:
     • Pemisahan ini memberikan fleksibilitas untuk upgrade dan perbaikan baik pada komponen Geth maupun opML tanpa mengorbankan seluruh sistem bukti kecurangan.

Axonum: Otak dari Ethereum

Axonum adalah rollup optimis pertama yang memungkinkan kecerdasan buatan secara alami, tanpa kepercayaan, dan dapat diverifikasi di Ethereum.

Axonum memanfaatkan optimistik ML dan optimistic rollup dan memperkenalkan inovasi AI EVM untuk menambah kecerdasan ke Ethereum sebagai Layer 2.

Kami mengabadikan kecerdasan buatan ke dalam blockchain untuk membangun superkomputer terdesentralisasi yang didukung oleh kecerdasan kolektif global.

Penafian:

1. Artikel ini dicetak ulang dari [ethresear], Semua hak cipta milik penulis asli [Axonum]. Jika ada keberatan terhadap cetakan ulang ini, silakan hubungi Gate Belajartim, dan mereka akan menanganinya dengan segera.
2. Penafian Tanggung Jawab: Pandangan dan opini yang terdapat dalam artikel ini semata-mata milik penulis dan tidak merupakan nasihat investasi apa pun.
3. Terjemahan artikel ke dalam bahasa lain dilakukan oleh tim Gate Learn. Kecuali disebutkan, menyalin, mendistribusikan, atau menjiplak artikel yang diterjemahkan dilarang.