بروتوكول إثبات أخذ العينات: تحفيز الأمانة ومعاقبة عدم الأمانة في استدلال الذكاء الاصطناعي اللامركزي

في الذكاء الاصطناعي اللامركزي، يعد ضمان نزاهة وموثوقية مزودي وحدات معالجة الرسومات أمرًا حاسمًا. يوفر بروتوكول إثبات أخذ العينات (PoSP)، كما هو موضح في الأبحاث الأخيرة من Holistic AI، آلية متطورة لتحفيز الجهات الفاعلة الجيدة مع معاقبة الجهات السيئة. دعونا نرى كيف يعمل هذا البروتوكول، وحوافزه الاقتصادية، والعقوبات، وتطبيقه على استدلال الذكاء الاصطناعي اللامركزي.

حوافز للسلوك الأمين

المكافآت الاقتصادية

في صميم بروتوكول PoSP توجد حوافز اقتصادية مصممة لتشجيع المشاركة الأمينة. تتم مكافأة العقد، التي تعمل كمؤكدين ومصادقين، بناءً على مساهماتهم:

• المؤكدون: يتلقون مكافأة (RA) إذا كان الناتج المحسوب صحيحًا ولم يتم تحديه.
• المصادقون: يشاركون المكافأة (RV/n) إذا كانت نتائجهم تتوافق مع نتائج المؤكد وتم التحقق من صحتها.

توازن ناش الفريد

تم تصميم بروتوكول PoSP للوصول إلى توازن ناش فريد في الاستراتيجيات النقية، حيث يتم تحفيز جميع العقد للتصرف بأمانة. من خلال مواءمة الربح الفردي مع أمن النظام، يضمن البروتوكول أن الأمانة هي الاستراتيجية الأكثر ربحية للمشاركين.

عقوبات السلوك غير الأمين

آلية التقليص

لردع السلوك غير الأمين، يستخدم بروتوكول PoSP آلية تقليص. إذا تم اكتشاف عدم أمانة المؤكد أو المصادق، فإنهم يواجهون عقوبات اقتصادية كبيرة (S). هذا يضمن أن تكلفة عدم الأمانة تفوق بكثير أي مكاسب محتملة على المدى القصير.

آلية التحدي

تؤمن التحديات العشوائية النظام بشكل أكبر. باحتمالية محددة مسبقًا (p)، يطلق البروتوكول تحديًا حيث يقوم العديد من المصادقين بإعادة حساب ناتج المؤكد. إذا تم العثور على تناقضات، يتم معاقبة الجهات الفاعلة غير الأمينة. تجعل عملية الاختيار العشوائي هذه من الصعب على الجهات السيئة التواطؤ والغش دون اكتشافها.

خطوات بروتوكول PoSP

1. اختيار المؤكد: يتم اختيار عقدة عشوائيًا للعمل كمؤكد، لحساب وإخراج قيمة.

2. احتمالية التحدي:

   قد يطلق النظام تحديًا بناءً على احتمالية محددة مسبقًا.

• لا تحدي: يتم مكافأة المؤكد إذا لم يتم إطلاق تحدٍ.
• إطلاق التحدي: يتم اختيار عدد محدد (n) من المصادقين عشوائيًا للتحقق من ناتج المؤكد.

3. التحقق:

   يقوم كل مصادق بحساب النتيجة بشكل مستقل ومقارنتها مع ناتج المؤكد.

• تطابق: إذا تطابقت جميع النتائج، يتم مكافأة كل من المؤكد والمصادقين.
• عدم تطابق: تحدد عملية تحكيم أمانة المؤكد والمصادقين.

4. العقوبات: يتم معاقبة العقد غير الأمينة، بينما يتلقى المصادقون الأمناء حصتهم من المكافأة.

SpML

بروتوكول spML (التعلم الآلي القائم على أخذ العينات) هو تطبيق لبروتوكول إثبات أخذ العينات (PoSP) داخل شبكة استدلال الذكاء الاصطناعي اللامركزية.

الخطوات الرئيسية

1. إدخال المستخدم: يرسل المستخدم إدخاله إلى خادم مختار عشوائيًا (المؤكد) مع توقيعه الرقمي.
2. ناتج الخادم: يحسب الخادم الناتج ويرسله مرة أخرى إلى المستخدم مع تجزئة للنتيجة.
3. آلية التحدي:

• باحتمالية محددة مسبقًا (p)، يطلق النظام تحديًا حيث يتم اختيار خادم آخر (المصادق) عشوائيًا للتحقق من النتيجة.
• إذا لم يتم إطلاق تحدٍ، يتلقى المؤكد مكافأة (R) وتنتهي العملية.

4. التحقق:

• إذا تم إطلاق تحدٍ، يرسل المستخدم نفس الإدخال إلى المصادق.
• يحسب المصادق النتيجة ويرسلها مرة أخرى إلى المستخدم مع تجزئة.

5. المقارنة:

• يقارن المستخدم تجزئات ناتج المؤكد والمصادق.
• إذا تطابقت التجزئات، يتم مكافأة كل من المؤكد والمصادق، ويتلقى المستخدم خصمًا على الرسوم الأساسية.
• إذا لم تتطابق التجزئات، يبث المستخدم كلتا التجزئتين إلى الشبكة.

6. التحكيم:

• تصوت الشبكة لتحديد أمانة المؤكد والمصادق بناءً على التناقضات.
• تتم مكافأة العقد الأمينة، بينما يتم معاقبة (تقليص) العقد غير الأمينة.

المكونات والآليات الرئيسية

• تنفيذ التعلم الآلي المحدد: يستخدم الحساب ذو النقطة الثابتة ومكتبات النقطة العائمة المستندة إلى البرمجيات لضمان نتائج متسقة وقابلة للتكرار.
• تصميم بدون حالة: يعامل كل استعلام على أنه مستقل، مع الحفاظ على عدم وجود حالة طوال عملية التعلم الآلي.
• المشاركة بدون إذن: يسمح لأي شخص بالانضمام إلى الشبكة والمساهمة من خلال تشغيل خادم ذكاء اصطناعي.
• العمليات خارج السلسلة: يتم حساب استدلالات الذكاء الاصطناعي خارج السلسلة لتقليل الحمل على البلوكتشين، مع إرسال النتائج والتوقيعات الرقمية مباشرة إلى المستخدمين.
• العمليات داخل السلسلة: يتم التعامل مع الوظائف الحرجة، مثل حسابات الرصيد وآليات التحدي، داخل السلسلة لضمان الشفافية والأمان.

مزايا spML

• أمان عالي: يحقق الأمان من خلال الحوافز الاقتصادية، مما يضمن تصرف العقد بأمانة بسبب العقوبات المحتملة لعدم الأمانة.
• انخفاض العبء الحسابي: يحتاج المصادقون فقط إلى مقارنة التجزئات في معظم الحالات، مما يقلل الحمل الحسابي أثناء التحقق.
• قابلية التوسع: يمكن التعامل مع نشاط الشبكة الواسع دون تدهور كبير في الأداء.
• البساطة: يحافظ على البساطة في التنفيذ، مما يعزز سهولة التكامل والصيانة.

مقارنة مع البروتوكولات الأخرى

• إثبات الاحتيال التفاؤلي (opML):
  • يعتمد على المثبطات الاقتصادية للسلوك الاحتيالي وآلية حل النزاعات.
  • معرض للنشاط الاحتيالي إذا لم يكن هناك عدد كافٍ من المصادقين الأمناء.
• إثبات المعرفة الصفرية (zkML):
  • يضمن أمانًا عاليًا من خلال الإثباتات التشفيرية.
  • يواجه تحديات في قابلية التوسع والكفاءة بسبب العبء الحسابي العالي.
• spML:
  • يجمع بين الأمان العالي من خلال الحوافز الاقتصادية، وانخفاض العبء الحسابي، وقابلية التوسع العالية.
  • يبسط عملية التحقق من خلال التركيز على مقارنات التجزئة، مما يقلل الحاجة إلى حسابات معقدة أثناء التحديات.

الملخص

يوازن بروتوكول إثبات أخذ العينات (PoSP) بشكل فعال بين الحاجة إلى تحفيز الجهات الفاعلة الجيدة وردع الجهات السيئة، مما يضمن الأمان والموثوقية الشاملين للأنظمة اللامركزية. من خلال الجمع بين المكافآت الاقتصادية والعقوبات الصارمة، يعزز PoSP بيئة يكون فيها السلوك الأمين ليس فقط مشجعًا بل ضروريًا للنجاح. مع استمرار نمو الذكاء الاصطناعي اللامركزي، ستكون البروتوكولات مثل PoSP ضرورية للحفاظ على نزاهة وموثوقية هذه الأنظمة المتقدمة.

• المصدر: https://cuckoo.network/blog/2024/06/17/proof-of-sampling-posp-protocol-decentralized-ai
• تيليجرام: https://cuckoo.network/tg
• ديسكورد: https://cuckoo.network/dc