Présentation d'Axonum : Le Cerveau de l'Ethereum

Axonum consacre l'IA dans la blockchain pour construire un superordinateur décentralisé alimenté par l'intelligence collective mondiale.

L'ère de l'EVM IA

Nous construisons Axonum, un rollup optimiste en IA, avec le premier EVM en IA au monde.

Nous visons à démocratiser l'accès aux DApps alimentées par l'IA, rendant les inférences de modèles d'IA à la fois accessibles et conviviales.

Axonum est un rollup optimiste avec une IA consacrée alimentée par opML et AI EVM. Il permet aux utilisateurs d'employer de manière transparente des modèles d'IA de manière native au sein des contrats intelligents sans être entravés par les subtilités des technologies sous-jacentes.

Vue d'ensemble

AI EVM: IA consacrée

Pour activer l'inférence ML native dans le contrat intelligent, nous devons modifier la couche d'exécution de la chaîne de couche 2. Plus précisément, nous ajoutons une inférence de contrat précompilé dans l'EVM pour construire l'EVM IA.

AI EVM effectuera l'inférence ML en exécution native, puis renverra des résultats d'exécution déterministes. Lorsqu'un utilisateur souhaite utiliser le modèle AI pour traiter des données, tout ce que l'utilisateur doit faire est d'appeler l'inférence de contrat précompilé avec l'adresse du modèle et l'entrée du modèle, puis l'utilisateur peut obtenir la sortie du modèle et l'utiliser de manière native dans le contrat intelligent.

import "./AILib.sol";contrat AIContract {...fonction inférence(bytes32 model_address, bytes memory input_data, uint256 output_size) public {    bytes memory output = AILib.inference(model_address, input_data, output_size);    émettre Inference(model_address, input_data, output_size, output);}}

Les modèles sont stockés dans la couche de données du modèle disponible (DA). Tous les modèles peuvent être récupérés depuis DA en utilisant l'adresse du modèle. Nous supposons la disponibilité des données de tous les modèles.

Le principe de conception de base de l'inférence de contrat précompilé suit les principes de conception de opML, c'est-à-dire que nous séparons l'exécution de la preuve. Nous fournissons deux types de mise en œuvre de l'inférence de contrat précompilé. L'un est compilé pour une exécution native, ce qui est optimisé pour la vitesse. L'autre est compilé pour la machine virtuelle de preuve de fraude, qui aide à prouver la correction des résultats de opML.

Pour la mise en œuvre de l'exécution, nous réutilisons le moteur ML dans opML. Nous récupérerons d'abord le modèle en utilisant l'adresse du modèle à partir du hub de modèles, puis chargerons le modèle dans le moteur ML. Le moteur ML prendra l'entrée de l'utilisateur dans le contrat précompilé comme entrée du modèle, puis exécutera la tâche d'inférence ML. Le moteur ML garantit la cohérence et le déterminisme des résultats d'inférence ML en utilisant la quantification et le virgule flottante douce.

Outre la conception actuelle de l'IA EVM, une approche alternative pour permettre l'IA dans l'EVM consiste à ajouter plus d'opcodes spécifiques à l'apprentissage automatique à l'EVM, avec des modifications correspondantes du modèle de ressources et de tarification de la machine virtuelle ainsi que de l'implémentation.

Optimistic Rollup

opML (Optimistic Machine Learning) et le rollup optimiste (opRollup) sont tous deux basés sur un système similaire anti-fraude, ce qui rend possible d'intégrer opML dans la chaîne de couche 2 (L2) aux côtés du système opRollup. Cette intégration permet l'utilisation transparente de l'apprentissage machine au sein des contrats intelligents sur la chaîne L2.

Tout comme les systèmes de rollup existants, Axonum est responsable de "rouler" les transactions en les regroupant avant de les publier sur la chaîne L1, généralement via un réseau de séquenceurs. Ce mécanisme pourrait inclure des milliers de transactions dans un seul rollup, augmentant le débit de l'ensemble du système de L1 et L2.

Axonum, en tant que l'un des rollups optimistes, est une méthode d'évolutivité interactive pour les blockchains L1. Nous supposons de manière optimiste que chaque transaction proposée est valide par défaut. Contrairement au système traditionnel de rollup optimiste L2, la transaction dans Axonum peut inclure des inférences de modèles d'IA, ce qui peut rendre les contrats intelligents sur Axonum « plus intelligents » avec l'IA.

Dans le cas de l'atténuation des transactions potentiellement invalides, comme les rollups optimistes, Axonum introduit une période de contestation pendant laquelle les participants peuvent contester un rollup suspect. Un schéma de preuve de fraude est en place pour permettre à plusieurs preuves de fraude d'être soumises. Ces preuves pourraient rendre le rollup valide ou invalide. Pendant la période de contestation, les changements d'état peuvent être contestés, résolus ou inclus si aucune contestation n'est présentée (et si les preuves requises sont en place).

Flux de travail

workflow2443×1437 183 KB

Voici le flux de travail essentiel d'Axonum, sans tenir compte des mécanismes tels que la pré-confirmation ou la sortie forcée :

1. Le flux de travail de base commence par les utilisateurs envoyant des transactions L2 (nous permettons l'inférence IA native dans le contrat intelligent) à un nœud de lot, généralement le séquenceur.
2. Une fois que le séquenceur reçoit un certain nombre de transactions, il les publiera dans un contrat intelligent L1 en lot.
3. Un nœud validateur lira ces transactions du contrat intelligent L1 et les exécutera sur leur copie locale de l'état L2. En ce qui concerne l'exécution de l'inférence AI, le validateur doit télécharger le modèle du modèle DA et effectuer l'inférence AI dans le moteur opML.
4. Une fois traité, un nouvel état L2 est généré localement et le validateur publiera cette nouvelle racine d'état dans un contrat intelligent L1. (Notez que ce validateur peut également être le séquenceur).
5. Ensuite, tous les autres validateurs traiteront les mêmes transactions sur leurs copies locales de l'état L2.
6. Ils compareront leur racine d'état L2 résultante avec celle d'origine publiée sur le contrat intelligent L1.
7. Si l'un des validateurs obtient une racine de l'état différente de celle publiée sur L1, il peut commencer un défi sur L1.
8. Le défi exigera du challenger et du validateur ayant publié l'état racine original de prouver à tour de rôle quelle devrait être la bonne racine d'état. Ce processus de défi est également connu sous le nom de preuve de fraude. La preuve de fraude d'Axonum inclut la preuve de fraude de la transition d'état L2 et la preuve de fraude de opML.
9. Peu importe quel utilisateur perd le défi, son dépôt initial (mise) est réduit. Si la racine d'état L2 initiale postée était invalide, elle sera détruite par les futurs validateurs et ne sera pas incluse dans la chaîne L2.

Conception de preuve de fraude

Le principe de conception de base du système de preuve de fraude d'Axonum est que nous séparons le processus de preuve de fraude de Geth (l'implémentation Golang du client Ethereum sur la couche 2) et l'opML. Cette conception garantit un mécanisme de preuve de fraude robuste et efficace. Voici une ventilation du système de preuve de fraude et de notre conception de séparation :

1. Aperçu du système de preuve de fraude :
   • Le système de preuve de fraude est un composant critique qui garantit la sécurité et l'intégrité des transactions sur la couche 2 de rollup optimiste Axonum.
   • Il implique la vérification des transactions et des calculs pour s'assurer que tout comportement malveillant ou toute inexactitude soient détectés et corrigés.
2. Séparation des processus de preuve de fraude :
   • Processus de preuve de fraude de Geth :
     • Geth, responsable du client Ethereum sur la couche 2, gère les premières étapes de la preuve de fraude liée à la validation des transactions et au respect du protocole de base.
     • Il vérifie la justesse des transactions et garantit qu'elles respectent les règles et le protocole du système de couche 2.
   • Processus de preuve de fraude opML :
     • opML, le système d'apprentissage machine optimiste intégré à Axonum, prend en charge les aspects plus complexes de la preuve de fraude liée à l'exécution du modèle d'apprentissage machine.
     • Il vérifie la justesse des calculs d'apprentissage automatique et garantit l'intégrité des processus liés à l'IA dans le cadre de la couche 2.
3. Avantages de la conception de séparation :
   • Efficacité Améliorée:
     • En distribuant les responsabilités de preuve de fraude, nous optimisons l'efficacité du système global. Geth se concentre sur les aspects transactionnels, tandis que opML gère les preuves de fraude spécifiques à l'apprentissage automatique.
   • Scalabilité :
     • La conception de séparation permet la scalabilité, permettant à chaque composant de s'échelonner indépendamment en fonction de ses besoins de traitement spécifiques.
   • Flexibilité:
     • Cette séparation offre la flexibilité pour les mises à niveau et les améliorations dans les composants Geth ou opML sans compromettre l'ensemble du système de preuve de fraude.

Axonum: Le cerveau d'Ethereum

Axonum est le premier rollup optimiste en IA qui permet l'IA sur Ethereum de manière native, de confiance et vérifiable.

Axonum exploite l'apprentissage automatique optimiste et le rouleau optimiste et introduit des innovations de l'IA EVM pour ajouter de l'intelligence à Ethereum en tant que couche 2.

Nous intégrons l'IA dans la blockchain pour construire un superordinateur décentralisé alimenté par l'intelligence collective mondiale.

Avertissement：

1. Cet article est repris de [ ethresear], Tous les droits d'auteur appartiennent à l'auteur original [Axonum]. Si des objections existent à cette réimpression, veuillez contacter le Porte Apprendreéquipe, et ils s'en occuperont rapidement.
2. Clause de non-responsabilité : Les points de vue et opinions exprimés dans cet article sont uniquement ceux de l'auteur et ne constituent aucun conseil en investissement.
3. Les traductions de l'article dans d'autres langues sont effectuées par l'équipe Gate Learn. Sauf mention contraire, la copie, la distribution ou le plagiat des articles traduits est interdit.