跳到主要內容

Cortex主鏈上線、Genesis Block生成! 開啟AI智能合約新時代

毫無疑問,繼比特幣之後,以太坊的智能合約——一個分布式、公開透明、不可篡改、可審查的計算程序,是區塊鏈技術應用的一個重大突破。區塊鏈技術天生可以為智能合約提供可信的執行環境。然而,當前以太坊的智能合約,受限於基礎設計,目前還無法真正執行更覆雜的AI計算程序。

基於很多因素,例如虛擬機的設計、AI模型在異構環境下推斷結果的不確定性、以及鏈上AI推斷比較慢的確認速度等等,傳統認知一般認為在區塊鏈上運行AI計算程序是不現實的。想要實現Cortex白皮書設計的既定目標,需要解決上述一系列工程挑戰,這是一個全新且艱巨的探索方向,需要對AI和區塊鏈兩個領域均有極深的了解。

經過一年多的努力研發和探索,Cortex於2019年6月26日18:00(UTC+8)正式發布Cortex主鏈:這是人類歷史上第一條真正可以進行鏈上AI推斷的公鏈。

Cortex成功實現在區塊鏈上真正的運行AI計算程序,通過全網共識來驗證AI推斷的每一步。鏈上所有全節點,保證了推斷結果的去中心化、確定性和公平透明的特性。這對於我們即將進入的去中心化世界有著巨大影響,因為有了AI計算程序的加持,現在的智能合約已經變得更加智能,智能合約(Smart Contract)已經正式升級為AI智能合約(AI Smart Contract)。

在本文中,我們會從幾個方面如核心技術創新、主鏈特性、AI智能合約應用場景、去中心化人工智能自治系統的願景、下一階段的發展計劃等全面闡述和介紹Cortex AI公鏈。

一. 核心技術創新

1. CVM(CortexVirtual Machine,Cortex虛擬機)

像以太坊這樣的傳統區塊鏈無法有效整合AI的最大原因之一是因為它們的虛擬機是在CPU上運行的,不適合執行覆雜的AI程序。而我們的CVM能利用GPU,非常適合有效地執行AI程序。

Cortex在以太坊虛擬機(EVM)的基礎上添加了對 Cortex 鏈上 AI 推斷功能的支持。該功能主要分為兩個模塊,一方面是在 CVM 中支持了 Inference 指令,包含Infer(code: 0xc0),InferArray(code: 0xc1),前端如remix編譯合約時同步增加一條infer函數來封裝 CVM 接口,實現鏈上 AI 推斷功能;另一方面,Synapse 作為定點化 AI 推斷引擎,又名 CVM Executor,可以在異構計算環境下保證 AI 推斷結果的一致性。Synapse 提出了模型定點化執行框架,並提出了相對應的確定性機器學習算子庫,有興趣的AI 開發人員可以基於目前提出的框架訓練或者定點化。為保證解耦性,Synapse 是作為基於 CVM 的 device 形式存在的,是一個單獨的模塊,可以將其看作是 CVM 將需要Inference的模型和數據放入一塊緩存,以中斷的形式調用 Synapse 接口。

此外,CVM向下兼容EVM。因此,它可以運行以太坊上所有的DApp,而且在這個基礎之上,加入了AI 功能到DApp中。

更多技術細節請訪問CVM開源代碼:

https://github.com/CortexFoundation/CortexTheseus/tree/dev/infernet

2. 模型表示工具(MRT)

由於深度神經網絡模型在異構環境中的不確定性,在區塊鏈上執行時無法達成網絡共識。為了解決這個問題,我們開發了一個確定性定點化框架MRT。

MRT全名Model Representation Tool,是Cortex的模型定點化轉換工具。MRT用於對接Cortex虛擬機CVM提供的AI框架API,旨在將NNVM支持的浮點模型轉換為CVM可執行的全整形定點化模型,並保證足夠少的精度損失。定點化方法主要是將模型所有layer的輸出數域放縮到INT8或者INT32範圍,來模擬浮點網絡,通過fuse和rewrite等方法,將涉及到浮點操作的算子轉換為全整形算子;另一方面,定點化網絡確保整形範圍操作不會溢出,保證模型執行的確定性。

目前我們MRT只支持轉換成定點化模型的功能,現在流程是使用MXNet框架訓練好浮點模型,然後使用我們的MRT轉換成CVM可執行的定點化模型。

我們的定點化方案還意外得到了官方MXNet團隊的認可和支持,確保不會有溢出的情況並保證模型執行的確定性結果。

更多細節請訪問:

https://github.com/CortexFoundation/tvm-cvm

二. 主鏈特性

1. 挖礦

Cortex將采用CuckARoo30作為PoW的共識算法。

Cuckoo Cycle是一種基於圖論的算法,是在Siphash隨機生成的Cuckoo二分圖裏找到固定長度L的環。圖的規模越大,L值越大,找到符合L長度環的難度就越大。CuckooCycle問題在求解(即找環)過程中需要較大的空間,是一種Memory-Hard的PoW算法。在最初的設計中,Cuckoo Cycle被認為具備抗ASIC的能力,然而後續的分析證明其是 ASIC-friendly的,一般認為其為驗證函數最簡潔的PoW算法,也得到了應用。

此外,Cuckoo Cycle還有多種變種算法,如果對二分圖內所有的節點進行分組,組內的節點又存在互相依賴的關系,這樣就大大增加了求解的難度,需要更大的數據緩存,因其抗ASIC特性被命名為CuckARoo算法。

Cortex主鏈將采用改版後的CuckARoo30算法,將Siphash-2-4替換為Siphash-4-8。Cortex希望通過抗ASIC的PoW算法讓更多業余玩家參與進來,避免算力中心化。

2. 出塊機制

區塊時間:約15s

區塊獎勵:7 CTXC / 區塊(每四年減半,即每隔8409600個blocks)

叔塊獎勵:(current:當前區塊號,uncle:叔塊區塊號,block_reward:區塊獎勵)

3. 難度調整機制

難度是動態調整的,在平均每15秒產生一個塊,即15秒的出塊時間。此速率可確保系統狀態同步,同時防止雙花和歷史記錄的篡改,除非攻擊者擁有超過51%的網絡挖礦算力。

4. 支持AI模型上傳

上傳涉及參數:

Quota general: 64k per block (model uploading space)

Uploading network bandwidth: 1MB/s

Model mature: 100 blocks

Model size limit: 1GB

主鏈更多細節請訪問Cortex Full-node全節點代碼:

https://github.com/CortexFoundation/CortexTheseus

三. 發布內容

1. Cortex主鏈錢包

Cortex官方推薦一款支持Cortex主鏈的移動端錢包:Cortex Wallet。

Cortex官網提供本地下載安裝鏈接(請認準Cortex官網為唯一下載通道),同時,Cortex Wallet即將登陸Google Play和Apple App Store。

下載安裝頁面鏈接如下:

https://www.cortexlabs.ai/wallet

2. Cortex主鏈區塊瀏覽器

自Cortex第一版測試鏈就一同發布的Cortex區塊瀏覽器,現已經切換至Cortex主鏈。

訪問鏈接不變:

https://cerebro.cortexlabs.ai/

訪問Cortex區塊瀏覽器即可查看Cortex主鏈所有區塊信息、交易信息、地址信息等。

3. Cortex Miner

Cortex提供一款基礎版本挖礦軟件,代碼全部開源,並且發布一版編譯好的版本。

代碼及軟件鏈接如下:

https://github.com/CortexFoundation/PoolMiner

4. Cortex Full-node

Cortex開源全節點完整代碼,鏈接如下:

https://github.com/CortexFoundation/CortexTheseus

四. AI智能合約應用場景

在當前的科技水平下,幾乎所有的傳統App都已經某種程度上融入了AI技術,因此很難想象沒有AI的DApp的未來。AI智能合約(AI Smart Contract)的優勢和之前的智能合約(Smart Contract)的優勢同樣明顯:公開透明、去中心化、不可篡改等。這裏我們列舉Cortex團隊思考的適合AI智能合約應用場景的幾個領域:

分布式金融:

一個去中心化的借貸應用可以運行AI算法,以根據您的(某個地址的)個人信用記錄來確定借貸的利率。用於分析個人信用評分的AI模型不是運行在某個特定的、封閉的環境下,而是運行在Cortex鏈上,確保AI推斷的每一步都是公開透明、防止歧視。

遊戲:

如果加入AI,CruptoKitties會增加智能交互和獨特的性格特征。想象一下,會與人交流、移動、並且有著自己的性格基因的小貓,是以太坊等傳統公鏈無法可靠實現的。AI模型帶來的上述用戶體驗,在Cortex鏈上可以實現。

保險:

區塊鏈技術在保險行業已經發掘出了諸多應用場景,保險行業對不可篡改、公平、開放、透明等特性的需求十分強烈。AI模型可以幫助改善承保決策,更好的風險控制、防欺詐。由鏈上AI驅動的保險DAO可以為世界帶來更好、更低價、更公平的保險產品。

去中心化的Uber:

Uber的各個商業環節幾乎都涉及到了AI,從匹配司機、路線優化到司機入職、計算價格等。因此,如果我們想要構建一個去中心化的Uber新商業生態,就必須可以在鏈上進行AI推斷。

AI防偽:

深度換臉(人工智能技術生產出來的人類難以區分的換臉視頻)的出現給全世界社會造成了重大的擔憂和威脅。如果此類視頻錄音可以簡單的在法庭上作為證據,那麽社會穩定性將會受到嚴重影響。AI防偽算法(檢測視頻是否被篡改的算法)將在區塊鏈上運行,以確保其透明性和公平性,特別是它們被使用在法庭上。

除上述幾個案例外,分布式交易所的反欺詐、遊戲中的AI自動評判、AI遊戲玩家代理、AI算法控制的穩定幣、情感分析、去中心化的AI廣告推送等領域都可以得到非常大的應用空間。

Cortex鏈和其他技術可以實現有效結合,例如跨鏈技術,可實現Cortex和其他公鏈之間的互操作性,為區塊鏈世界提供可靠的去中心化AI推斷。此外,除了應用在Cortex公鏈上,MRT和CVM的核心技術也可以應用在聯盟鏈和商用區塊鏈平台上,甚至是非區塊鏈場景如邊緣計算設備上,提供模型的壓縮、優化和追溯功能。

五. 去中心化人工智能自治系統的願景

除了實現AI智能合約外,Cortex項目的另一部分是在區塊鏈上構建開放的分布式AI生態系統。Cortex為區塊鏈生態系統(傳統上只包括DApp開發人員,用戶和礦工)引入了一個重要的角色:AI研究者。AI研究者將訓練好的AI模型上傳到Cortex區塊鏈的存儲層。這些模型之後可以進行單獨的推斷,也可以被DApp開發人員整合到智能合約中。每次調用AI模型時,它的模型上傳者都會獲得自網絡交易費用的一部分CTXC作為獎勵。(交易發起者通過設定Endorphin上限和Endorphin價格來支付交易費用,其中Endorphin是衡量交易所需計算量的單位,類似於以太坊中Gas的概念。)這種經濟機制激勵AI研究者在模型優化方面相互競爭,從而在區塊鏈上形成一個不斷發展的分布式AI生態系統。因此,優秀的AI模型將開源分布在Cortex區塊鏈上,而不是被少數大公司壟斷。

目前,Cortex鏈上有23個模型,使用4個數據集分別進行訓練,可用於7種不同的場景。所有模型都已使用MRT進行定點化(見上文),可以在Cortex虛擬機(CVM)上進行推斷。

六. Cortex下一階段發展計劃

1. 技術發展計劃

接下來,我們的目標是達到三個重要的裏程碑。

首先,我們將升級CVM + MRT。目前,MRT只是一個確定性的定點化框架,我們希望將其轉變為一個完善的編程語言,提供完整的指令集和更好的確定性支持。同時,我們希望升級CVM以支持更多AI模型,特別是動態模型。

其次,我們將持續評估當前layer1或layer2擴容方案的成熟程度,初步目標是在不犧牲網絡安全性的前提下將TPS提高到1000。我們還將改進我們的OPS(每秒執行op數,Op Per Second),目前為1400。

第三,我們將努力改善AI模型的隱私性。我們正在研究加密解決方案,以實現鏈上AI的隱私推斷。一個最接近可行的方案是使用zk-starks或zk-snarks之一作為layer1的隱私推斷解決方案,將可信計算(trusted computing)作為高性能的layer2候選隱私推斷解決方案。

2. 社區發展計劃

Cortex對人工智能的願景是開放AI模型和公開數據,將它們從互聯網的中心化世界中形成的圍墻花園裏解放出來,無償開放給全世界的研究者和開發人員,形成開放式的AI社區,將頂尖的人工智能技術和作為燃料的數據還給大眾,從而避免AI高速發展帶來的種種爭議和壟斷。在區塊鏈的經濟系統的幫助下,每個人都可以試驗自己的想法,並且形成可持續的商業形態,在這方面Cortex是一種全新的結合和嘗試。

在主鏈發布和Cortex基金會代碼開源後,Cortex團隊將向全球的分布式開源社區開放開發。同時,Cortex 基金會將繼續以多種方式為Cortex區塊鏈及其開源生態系統提供底層支持:我們已經建立了一個開發者論壇(鏈接),並將開始組織線上和線下沙龍,幫助AI開發人員熟悉Cortex生態系統,設立賞金計劃,進一步發展開源技術協作機制(建立開源模型庫和開放數據集)等等。

就AI DApp生態系統而言,Cortex 基金會將與世界各地的DApp開發人員和公司合作,幫助在Cortex鏈上實現更多AI DApp。

同時,我們將致力於跨鏈支持:由於其他區塊鏈上的程序可能為了可靠性和透明性需要運行鏈上AI,他們將能夠在我們的鏈上運行AI模型並將結果返回到其鏈中進一步處理。

此外,我們將與學術界和產業界在合作研究和刊物出版的方向上密切合作。我們獨特核心實現鏈上AI推斷的解決方案已經獲得了官方MXNet團隊的支持。今後將會有更多此類的合作和夥伴關系。

AI智能合約的時代已經開啟,我們迫不及待期待在這個全新的世界中,誕生越來越多有用、好用、真正智能的應用出現。讓AI真正民主,讓區塊鏈真正智能!
Cortex主鏈上線、Genesis Block生成! 開啟AI智能合約新時代.md
目前顯示的是「Cortex主鏈上線、Genesis Block生成! 開啟AI智能合約新時代.md」。

留言

這個網誌中的熱門文章

Kronos 如何做到世界級的成績

  由資深華爾街投資人領軍於 2018 年成立,Kronos Research 結合人工智慧、機器學習、高速網路等先進技術,透過進階的資料分析開發出獨家的量化交易預測模型,並使用全自動的交易策略自營,同時作為加密貨幣造市商,提供全球加密貨幣商品的即時報價。至今四年的時間,便擠身全球前五大的加密貨幣量交易團隊,創下 2021 年每日平均交易額 50 億美金,單日最高交易額 230 億美金的記錄。 人才和技術是 Kronos 最重要的兩大要素,團隊採開放式合作、解決問題導向、美式工作風格,Kronos 期許任何職位的夥伴,都能信任彼此、安心發問、共同快速解決問題。主管的管理策略,不同於傳統上對下的管理,而是以幫助者的角色,解決不同的需求,放大每個職位的生產力。我們希望這個產業在台灣能夠茁壯,讓台灣的技術人才知道有這個國際舞台可以發揮。 一窺量化交易技術及團隊 高頻交易跟一般大家熟知的交易最大的差距在於自動化。我們熟知的交易模式多半透過人工,由交易員綜合市場資訊後向交易所下單;高頻交易則是由程式自動判斷市場資訊並且下單。高頻交易多半關注短時間的市場波動,在收到市場報價後,在極短時間透過預先訓練的統計模型做出買賣決策。在高額報酬的背後,結合了不同專業:包括資料科學、統計與機器學習、底層系統優化、以及分散式系統。 高頻交易的流程,從 Market Data Parser 作為源頭持續搜集來自交易所的歷史資料,交由 Alpha Modeling 訓練出可預測未來短時間市場變動的模型。接著交易團隊撰寫策略程式,並依據策略需要套用選擇合適的 Alpha 模型,由極低延遲的交易程式向交易所下單。以下是各模塊的介紹: Market Data Parser(Data Team):高頻交易是一個資料驅動的行業,全面且高正確率的資料對於後續訓練很重要。Kronos Research 在全球十多個機房內有數百台服務器,每天 24 小時不間斷錄製來自交易所的報價單。面對每天 10TB+ 的巨量資料,data team 大量使用雲端分散技術以及自動化技術確保資料流的穩定。 Alpha Modeling(Alpha Team):在投資市場中,Alpha 代表著高於大盤的超額收益,Alpha Model 則代表預測將來市場的數學模型。Alpha Team 透過統計以及機器學習,以敏銳的邏輯跟觀...

實戰 Vibe Coding:利用 Amazon Q Developer CLI 打造經典平台跳躍遊戲

本篇文章將介紹如何透過 Amazon Q Developer CLI 建構一款完整的 2D 平台跳躍遊戲,從初始生成、功能增強,到最終打造出具備多關卡、多樣互動元素的遊戲體驗。特別的是,過程中開發者並未撰寫任何一行程式碼,僅透過自然語言指令與 CLI 對話完成所有工作,實踐「Vibe Coding」( 氛圍編碼 )。 本文作者為 Haowen Huang, AWS Senior Developer Advocate. 擁有 20 年以上電信、互聯網以及雲端運算等行業架構設計、技術及創業管理等豐富經驗,曾任職於 Microsoft、Sun Microsystems 等企業,專注為遊戲、電商、媒體和廣告等企業客戶提供 AI/ML、數據分析和企業數字化轉型等解決方案諮詢服務。 引言 本篇文章 ( English Version ) 將介紹如何使用 Amazon Q Developer CLI ,以 無需撰寫任何程式碼 的方式,打造一款經典的 2D 平台跳躍遊戲。透過「Vibe Coding」( 氛圍編碼 ) 的開發流程,開發者可以藉由簡單的語言提示詞 (prompt),逐步完成從遊戲雛型、功能擴充到完整關卡設計的開發流程。 整體開發流程將分為三個步驟: 1. 生成遊戲雛型 2. 功能擴充強化與畫面調整 3. 導入參考架構建立完整遊戲 環境建置 使用者需先安裝並設定 Amazon Q Developer CLI 。對於 macOS 使用者,可透過下列步驟完成安裝: 下載並安裝 Amazon Q Developer CLI 登入 Builder ID 完成認證 開啟終端機控制與無障礙設定 執行 q doctor 指令檢查 Amazon Q Developer CLI 是否安裝成功: 遊戲開發方面,建議使用 Python 語言與 Pygame 套件,可透過下列指令完成安裝;Pygame 提供以下功能支援: 畫面與動畫渲染 音效播放 鍵盤與搖桿輸入控制 物理模擬與碰撞偵測 多種媒體格式支援(圖片與音效) $ q doctor $ pip install pygame 第一步驟:初步生成遊戲雛型 透過簡單的一句 prompt,Amazon Q Developer CLI 結合 Pyg...

Navicat 17:AI 驅動資料管理的未來

在快速變化的資料管理領域,Navicat 始終站在創新與效率的最前沿。作為領先的資料庫管理與開發解決方案提供商,Navicat 再次以其最新版本 Navicat 17.2 展現了其在業界的卓越實力,讓使用者在資料管理中更具競爭優勢。 Navicat 17 推出標誌著資料庫管理技術的一次重要飛躍。該版本引入了一系列人工智慧 (AI) 驅動的功能,旨在進一步簡化操作流程並提升工作效率。這些功能讓使用者能夠輕鬆處理複雜的資料分析,並實現更智能的商業決策。 Navicat Premium 一直以來都是資料庫管理的佼佼者,該工具支援多達九種資料庫,包括 MySQL、PostgreSQL、MongoDB、MariaDB、SQL Server、Oracle、SQLite、Redis,以及 Snowflake。這樣的綜合性設計不僅消除了多平台切換帶來的困擾,還極大化了使用者的工作效率。 為提供更高效的協作工具,Navicat 雲端功能 (Navicat Cloud) 進一步提升了團隊合作的靈活性。使用者可以在雲端實現即時協作,讓團隊成員無論身處何地,都能共同編輯與管理項目,從而實現更高效的工作流程。 自創立以來,Navicat 已累積超過 500 萬次下載,並擁有超過 18 萬名使用者,包括多家知名的 Fortune 500 公司,如 Apple、Google、JP Morgan 等。這些成就不僅體現出 Navicat 的產品實力,更說明其在業界的深厚信譽。 Navicat 始終秉持創新與使用者導向的理念,致力於為資料管理提供最可靠、高效的解決方案。未來,我們將持續推出更多令人興奮的新功能,幫助使用者應對不斷變化的商業需求。 現在就探索 Navicat 17.2,感受 AI 技術帶來的全新資料管理體驗吧!欲了解更多資訊,歡迎造訪我們的官方網站: https://www.navicat.com.tw