Presentamos Axonum: El Cerebro de Ethereum

Axonum consagra la IA en la cadena de bloques para construir un superordenador descentralizado impulsado por la inteligencia colectiva global.

La Era de la EVM de la IA

Estamos construyendo Axonum, un rollup optimista de IA, con el primer EVM de IA del mundo.

Nuestro objetivo es democratizar el acceso a DApps impulsadas por IA, haciendo que las inferencias de modelos de IA sean accesibles y fáciles de usar para el usuario.

Axonum es un rollup optimista con IA consagrada potenciada por opML y AI EVM. Permite a los usuarios emplear sin problemas modelos de IA de forma nativa dentro de contratos inteligentes sin estar limitados por las complejidades de las tecnologías subyacentes.

Visión general

AI EVM: Enshrined AI

Para habilitar la inferencia nativa de ML en el contrato inteligente, necesitamos modificar la capa de ejecución de la cadena de capa 2. Específicamente, agregamos una inferencia de contrato precompilada en EVM para construir el EVM de IA.

El EVM de IA realizará la inferencia de ML en la ejecución nativa y luego devolverá resultados de ejecución deterministas. Cuando un usuario quiera utilizar el modelo de IA para procesar datos, todo lo que el usuario necesita hacer es llamar a la inferencia de contrato precompilado con la dirección del modelo y la entrada del modelo, y luego el usuario puede obtener la salida del modelo y usarla de manera nativa en el contrato inteligente.

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);}}

Los modelos se almacenan en la capa de datos disponibles (DA) del modelo. Todos los modelos se pueden recuperar de DA utilizando la dirección del modelo. Suponemos la disponibilidad de datos de todos los modelos.

El principio de diseño principal de la inferencia de contrato precompilado sigue los principios de diseño de opML, es decir, separamos la ejecución de la demostración. Proporcionamos dos tipos de implementación de la inferencia de contrato precompilado. Uno está compilado para ejecución nativa, optimizado para alta velocidad. Otro está compilado para el VM de prueba de fraude, que ayuda a demostrar la corrección de los resultados de opML.

Para la implementación para la ejecución, reutilizamos el motor de ML en opML. Primero buscaremos el modelo utilizando la dirección del modelo desde el centro de modelos y luego cargaremos el modelo en el motor de ML. El motor de ML tomará la entrada del usuario en el contrato precompilado como la entrada del modelo y luego ejecutará la tarea de inferencia de ML. El motor de ML garantiza la consistencia y determinismo de los resultados de inferencia de ML utilizando cuantificación y coma flotante suave.

Además del diseño actual de la IA EVM, un enfoque alternativo para habilitar la IA en EVM es agregar más opcodes específicos de aprendizaje automático en EVM, con cambios correspondientes en los recursos y el modelo de precios de la máquina virtual, así como en la implementación.

Optimistic Rollup

opML (Machine Learning Optimista) y rollup optimista (opRollup) se basan en un sistema similar a prueba de fraudes, lo que hace posible integrar opML en la cadena de Capa 2 (L2) junto con el sistema opRollup. Esta integración permite la utilización perfecta del aprendizaje automático dentro de los contratos inteligentes en la cadena L2.

Al igual que los sistemas de rollup existentes, Axonum es responsable de "agrupar" transacciones mediante su agrupación antes de publicarlas en la cadena L1, generalmente a través de una red de secuenciadores. Este mecanismo podría incluir miles de transacciones en un solo rollup, aumentando la capacidad de todo el sistema de L1 y L2.

Axonum, como uno de los rollups optimistas, es un método de escalado interactivo para blockchains L1. Asumimos optimistamente que cada transacción propuesta es válida por defecto. A diferencia del sistema tradicional de rollup optimista L2, la transacción en Axonum puede incluir inferencias de modelos de IA, lo que puede hacer que los contratos inteligentes en Axonum sean más "inteligentes" con IA.

En el caso de mitigar transacciones potencialmente inválidas, como rollups optimistas, Axonum introduce un período de desafío durante el cual los participantes pueden impugnar un rollup sospechoso. Se ha implementado un esquema de pruebas de fraude para permitir que se presenten varias pruebas de fraude. Estas pruebas podrían hacer que el rollup sea válido o inválido. Durante el período de desafío, los cambios de estado pueden ser impugnados, resueltos o incluidos si no se presenta ningún desafío (y las pruebas requeridas están en su lugar).

Flujo de trabajo

workflow2443×1437 183 KB

Aquí está el flujo de trabajo esencial de Axonum, sin considerar mecanismos como la preconfirmación o la salida forzosa:

1. El flujo de trabajo básico comienza con los usuarios enviando transacciones L2 (permitimos inferencia nativa de IA en el contrato inteligente) a un nodo batcher, generalmente el secuenciador.
2. Una vez que el secuenciador recibe un cierto número de transacciones, las publicará en un contrato inteligente L1 como un lote.
3. Un nodo validador leerá estas transacciones del contrato inteligente L1 y las ejecutará en su copia local del estado L2. En cuanto a la ejecución de inferencia de IA, el validador necesita descargar el modelo de DA del modelo y llevar a cabo la inferencia de IA dentro del motor opML.
4. Una vez procesado, se genera un nuevo estado L2 localmente y el validador publicará esta nueva raíz de estado en un contrato inteligente L1. (Tenga en cuenta que este validador también puede ser el secuenciador).
5. Entonces, todos los demás validadores procesarán las mismas transacciones en sus copias locales del estado de L2.
6. Compararán su raíz de estado L2 resultante con la original publicada en el contrato inteligente L1.
7. Si uno de los validadores obtiene una raíz de estado diferente a la publicada en L1, pueden comenzar un desafío en L1.
8. El desafío requerirá que el retador y el validador que publicó la raíz de estado original se turnen para demostrar cuál debería ser la raíz de estado correcta. Este proceso de desafío también se conoce como prueba de fraude. La prueba de fraude de Axonum incluye la prueba de fraude de transición de estado L2 y la prueba de fraude de opML.
9. Cualquiera que pierda el desafío verá reducido su depósito inicial (apuesta). Si la raíz del estado L2 original publicada era inválida, será destruida por futuros validadores y no se incluirá en la cadena L2.

Diseño a Prueba de Fraude

El principio de diseño central del sistema de prueba de fraude de Axonum es que separamos el proceso de prueba de fraude de Geth (la implementación en Golang del cliente Ethereum en la capa 2) y el opML. Este diseño garantiza un mecanismo de prueba de fraude robusto y eficiente. Aquí tienes un desglose del sistema de prueba de fraude y nuestro diseño de separación:

1. Descripción general del sistema de prueba de fraude:
   • El sistema de prueba de fraude es un componente crítico que garantiza la seguridad y la integridad de las transacciones en la capa 2 de rollup optimista de Axonum.
   • Implica la verificación de transacciones y cálculos para asegurar que cualquier comportamiento malicioso o inexactitudes sean detectados y abordados.
2. Separación de Procesos de Prueba de Fraude:
   • Proceso de Prueba de Fraude de Geth:
     • Geth, responsable del cliente Ethereum en la capa 2, maneja las etapas iniciales de la prueba de fraude relacionada con la validación de transacciones y el apego al protocolo básico.
     • Verifica la corrección de las transacciones y asegura que cumplan con las reglas y el protocolo del sistema de capa 2.
   • Proceso de Prueba de Fraude opML:
     • opML, el sistema de Aprendizaje Automático Optimista integrado con Axonum, se encarga de los aspectos más intrincados relacionados con la prueba de fraude en la ejecución del modelo de aprendizaje automático.
     • Verifica la corrección de los cálculos de aprendizaje automático y garantiza la integridad de los procesos relacionados con la IA dentro del marco de la capa 2.
3. Beneficios del Diseño de Separación:
   • Eficiencia Mejorada:
     • Al distribuir las responsabilidades de la prueba de fraude, optimizamos la eficiencia del sistema en su conjunto. Geth se enfoca en los aspectos transaccionales, mientras que opML maneja pruebas de fraude específicas de ML.
   • Escalabilidad:
     • El diseño de separación permite la escalabilidad, lo que permite que cada componente se escale de forma independiente en función de sus requisitos de procesamiento específicos.
   • Flexibilidad:
     • Esta separación proporciona flexibilidad para actualizaciones y mejoras en los componentes Geth u opML sin comprometer todo el sistema a prueba de fraudes.

Axonum: El Cerebro de Ethereum

Axonum es el primer rollup optimista de IA que permite la IA en Ethereum de forma nativa, confiable y verificable.

Axonum aprovecha el ML optimista y el rollup optimista e introduce innovaciones de AI EVM para añadir inteligencia a Ethereum como Capa 2.

Incorporamos la IA en la cadena de bloques para construir un superordenador descentralizado impulsado por la inteligencia colectiva global.

Descargo de responsabilidad：

1. Este artículo es reimpreso de [ ethresear], Todos los derechos de autor pertenecen al autor original [Axonum]. Si hay objeciones a esta reimpresión, por favor contacte al Gate Learnequipo, y lo resolverán rápidamente.
2. Descargo de responsabilidad: Las opiniones expresadas en este artículo son únicamente las del autor y no constituyen ningún consejo de inversión.
3. Las traducciones del artículo a otros idiomas son realizadas por el equipo de Gate Learn. A menos que se mencione, está prohibido copiar, distribuir o plagiar los artículos traducidos.