首页快讯深度活动

Search Extension

API/RSS

Social

解读Axonum：添加预编译的推理合约，将AI纳入EVM

24-05-01 11:00

阅读本文需 12 分钟

AI 总结

看总结

原文标题：《Enshrine AI into EVM》

原文作者：axonon

原文编译：Luccy，BlockBeats

编者按：

在不断发展的区块链技术领域，人工智能的整合标志着一个重大飞跃。被誉为「以太坊之脑」的 Axonum，成为了一个开拓性平台，将人工智能能力与区块链基础设施相结合。本文对 Axonum 的复杂架构进行了深入探讨，突出了其创新特性以及对去中心化生态系统带来的深远影响。BlockBeats 将原文编译如下：

Axonum 将人工智能融入区块链，打造一个由全球集体智慧驱动的去中心化超级计算机。

AI EVM 的时代已经到来

我们正在开发 Axonum，一个采用 optimistic rollup 方案的人工智能平台，拥有全球首个 AI EVM。

我们的目标是实现人人可及的 AI 应用程序，使得 AI 模型推断变得更加易用和用户友好。

Axonum 是一个采用 optimistic rollup 方案并内置 AI 的平台，由 opML 和 AI EVM 提供支持。它让用户可以在智能合约中原生地轻松使用 AI 模型，无需为底层技术的复杂性而担忧。

概览

AI EVM：内置 AI

为了在智能合约中实现本地机器学习推理，我们需要修改 L2 的执行层。具体来说，我们在 EVM 中添加了一个预编译的推理合约，从而构建了 AI EVM。

AI EVM 将在本地执行中进行机器学习推理，然后返回确定性的执行结果。当用户想要使用 AI 模型处理数据时，只需调用预编译的推理合约，提供模型地址和输入数据，然后用户就可以获取模型输出，并在智能合约中原生地使用。

完整代码可查看原文

模型存储在模型数据可用层（DA 层）。所有模型均可通过模型地址从 DA 层检索，我们假设所有模型的数据都是可用的。

预编译合约推理的核心设计原则遵循 opML 的设计原则，即我们将执行与验证分离。我们提供了两种预编译合约推理的实现方式，一种是为了原生执行而编译的，速度较快；另一种是为了防欺诈虚拟机而编译的，有助于证明 opML 结果的正确性。

对于执行的实现，我们重用了 opML 中的 ML 引擎。我们将首先使用模型地址从模型中心获取模型，然后将模型加载到 ML 引擎中。ML 引擎将以预编译合约中的用户输入作为模型输入，然后执行 ML 推理任务。ML 引擎通过量化和软浮点确保 ML 推理结果的一致性和确定性。

除了当前的 AI EVM 设计外，实现 AI 在 EVM 中的另一种方法是向 EVM 中添加更多的机器学习特定操作码，并相应地更改虚拟机的资源和定价模型以及实现方式。

Optimistic Rollup

opML（Optimistic 机器学习）和 Optimistic Rollup（opRollup）都基于类似的欺诈证明系统，这使得在 Layer 2 链中与 opRollup 系统一起集成 opML 成为可能，这种集成又将使 L2 链上的智能合约内部实现机器学习。

与现有的 Rollup 系统类似，Axonum 负责将交易进行「Rollup」以进行批处理，然后将它们发布到 L1 链上，通常通过一组序列化器网络。这种机制可以在单个 Rollup 中包含数千个交易，从而增加整个 L1 和 L2 系统的吞吐量。

作为 optimistic Rollup 之一，Axonum 是 L1 区块链的交互式的扩容方式。我们乐观地假设每个提议的交易默认为有效，与传统的 L2Optimistic Rollup 系统不同，Axonum 中的交易可以包含 AI 模型推理，这可以使 Axonum 上的智能合约更加智能。

类似于 optimistic Rollup，在减轻潜在无效交易的情况下，Axonum 引入了一个争议期，在此期间参与者可以挑战可疑的 Rollup。现有一个欺诈证据方案，允许提交多个欺诈证据。这些证据可能使 Rollup 有效或无效。在争议期间，如果没有提出挑战（并且需要的证明已经到位），状态更改可能会被争论、解决，或者直接包括。

工作流程

这是 Axonum 的基本工作流程，不考虑诸如预确认或强制退出等机制：

· 基本工作流程始于用户向批处理节点发送 L2 交易（我们允许在智能合约中进行本地 AI 推理）, 通常是序列化器。

· 一旦序列化器收到一定数量的交易，它将它们作为一个批次发布到 L1 智能合约中。

· 验证节点将从 L1 智能合约中读取这些交易，并在其本地 L2 状态的副本上执行它们。至于 AI 推理的执行，验证节点需要从模型 DA 中下载模型，并在 opML 引擎中进行 AI 推理。

· 处理完毕后，将在本地生成一个新的 L2 状态，并将此新状态根发布到 L1 智能合约中。（请注意，这个验证节点也可以是序列化器。）

· 然后，所有其他验证节点将在其本地副本上处理相同的交易。

· 他们将把其生成的 L2 状态根与发布到 L1 智能合约的原始状态根进行比较。

· 如果其中一个验证节点的 L2 状态根与发布到 L1 的状态根不同，则它可以在 L1 上开始挑战。

· 挑战将要求挑战者和发布原始状态根的验证节点轮流证明正确的状态根应该是什么。这个挑战过程也被称为欺诈证明。Axonum 的欺诈证明包括 L2 状态转换的欺诈证明和 opML 的欺诈证明。

· 无论哪个用户输掉挑战，都会被削减其初始存款（赌注）。如果发布的原始 L2 状态根无效，则将被未来的验证节点销毁，并且不会包含在 L2 链中。

欺诈证明设计

Axonum 的欺诈证明系统的核心设计原则是我们将 Geth（以太坊客户端的 Golang 实现）和 opML 的欺诈证明过程分开。这个设计确保了一个强大而高效的欺诈证明机制。以下是欺诈证明系统和我们的分离设计的详细介绍：

欺诈证明系统概述：

· 欺诈证明系统是 Axonum optimistic Rollup L2 上保障交易安全和完整性的关键组成部分。

· 它涉及验证交易和计算，以确保检测和解决任何恶意行为或不准确性。

欺诈证明过程分离：

Geth 欺诈证明过程：

· Geth，负责在 L2 上的以太坊客户端，处理与交易验证和基本协议遵从相关的欺诈证明的初始阶段。

· 它验证交易的正确性，并确保它们符合 L2 系统的规则和协议。

opML 欺诈证明过程：

· opML，与 Axonum 集成的 Optimistic 机器学习系统，负责处理与机器学习模型执行相关的更复杂的欺诈证明方面。

· 它验证机器学习计算的正确性，并确保在 L2 框架内 AI 相关进程的完整性。

分离设计的好处：

增强效率：通过分配欺诈证明责任，我们优化了整个系统的效率。Geth 专注于交易方面，而 opML 处理 ML 特定的欺诈证明。

可扩展性：分离设计允许可扩展性，使得每个组件都可以根据其特定的处理要求独立扩展。

灵活性：这种分离提供了灵活性，允许在不损害整个欺诈证明系统的情况下对 Geth 或 opML 组件进行升级和改进。

Axonum：以太坊的大脑

Axonum 是第一个能够在以太坊上原生、无需信任和可验证地启用 AI 的 Optimistic Rollup。Axonum 利用 optimisticML 和 optimisticRollup，并引入了 AI EVM 的创新，为以太坊的 Layer 2 增添了智能。我们将 AI 镌刻到区块链中，构建一个由全球集体智慧驱动的去中心化超级计算机。