3 پست برچسب‌گذاری شده با "تحقیق"

ظهور مدل‌های زبان بزرگ (LLMs) و محاسبات غیرمتمرکز چالش‌های قابل توجهی را به‌ویژه در زمینه تأیید و یکپارچگی محاسبات هوش مصنوعی در سیستم‌های توزیع‌شده معرفی کرده است. پروتکل 6079 اثبات استنتاج (PoIP) با ایجاد یک چارچوب قوی برای استنتاج هوش مصنوعی غیرمتمرکز، این چالش‌ها را برطرف می‌کند و محاسبات قابل اعتماد و ایمن را تضمین می‌کند.

چالش: امنیت در استنتاج هوش مصنوعی غیرمتمرکز​

استنتاج هوش مصنوعی غیرمتمرکز با مشکل منحصر به فردی در تضمین یکپارچگی و صحت محاسبات انجام شده در یک شبکه از گره‌های توزیع‌شده مواجه است. روش‌های سنتی تأیید به دلیل ماهیت غیرقطعی بسیاری از مدل‌های هوش مصنوعی ناکام می‌مانند. بدون یک پروتکل قوی، تضمین اینکه سخت‌افزار توزیع‌شده نتایج استنتاج دقیقی را بازگرداند، چالش‌برانگیز است.

معرفی پروتکل اثبات استنتاج (PoIP)​

پروتکل 6079 اثبات استنتاج (PoIP) راه‌حل نوآورانه‌ای برای امنیت استنتاج هوش مصنوعی غیرمتمرکز ارائه می‌دهد. این پروتکل از ترکیبی از مکانیسم‌های امنیتی رمزاقتصادی، اثبات‌های رمزنگاری و رویکردهای نظریه بازی برای تشویق به رفتار صحیح و مجازات فعالیت‌های مخرب در شبکه استفاده می‌کند.

اجزای اصلی PoIP​

استاندارد موتور استنتاج​

استاندارد موتور استنتاج الگوها و استانداردهای محاسباتی را برای اجرای وظایف استنتاج هوش مصنوعی در شبکه‌های غیرمتمرکز تعیین می‌کند. این استانداردسازی عملکرد ثابت و قابل اعتماد مدل‌های هوش مصنوعی بر روی سخت‌افزار توزیع‌شده را تضمین می‌کند.

پروتکل اثبات استنتاج​

پروتکل در چندین لایه عمل می‌کند:

1. لایه خدمات: اجرای استنتاج مدل بر روی سخت‌افزار فیزیکی.
2. لایه کنترل: مدیریت نقاط پایانی API، هماهنگی توزیع بار و مدیریت تشخیص‌ها.
3. لایه تراکنش: استفاده از جدول هش توزیع‌شده (DHT) برای ردیابی فراداده تراکنش‌ها.
4. لایه اثبات احتمالی: اعتبارسنجی تراکنش‌ها از طریق مکانیسم‌های رمزنگاری و اقتصادی.
5. لایه اقتصادی: مدیریت پرداخت، استیکینگ، کاهش، امنیت، حاکمیت و تأمین مالی عمومی.

تضمین یکپارچگی و امنیت​

PoIP از چندین مکانیسم برای تضمین یکپارچگی محاسبات استنتاج هوش مصنوعی استفاده می‌کند:

• اعتبارسنجی درخت مرکل: اطمینان از اینکه داده‌های ورودی بدون تغییر به GPUها می‌رسند.
• جدول هش توزیع‌شده (DHT): همگام‌سازی داده‌های تراکنش در گره‌ها برای شناسایی اختلافات.
• آزمایش‌های تشخیصی: ارزیابی قابلیت‌های سخت‌افزاری و اطمینان از تطابق با استانداردهای شبکه.

مشوق‌های اقتصادی و نظریه بازی​

پروتکل از مشوق‌های اقتصادی برای تشویق به رفتار مطلوب در میان گره‌ها استفاده می‌کند:

• استیکینگ: گره‌ها توکن‌ها را استیک می‌کنند تا تعهد خود را نشان دهند و اعتبار خود را افزایش دهند.
• ساختن اعتبار: وظایف موفقیت‌آمیز اعتبار یک گره را افزایش می‌دهد و آن را برای وظایف آینده جذاب‌تر می‌کند.
• مکانیسم‌های بازی رقابتی: گره‌ها برای ارائه بهترین خدمات رقابت می‌کنند و بهبود مستمر و تطابق با استانداردها را تضمین می‌کنند.

سوالات متداول​

پروتکل اثبات استنتاج چیست؟​

پروتکل اثبات استنتاج (PoIP) سیستمی است که برای امنیت و تأیید محاسبات استنتاج هوش مصنوعی در شبکه‌های غیرمتمرکز طراحی شده است. این پروتکل تضمین می‌کند که گره‌های سخت‌افزاری توزیع‌شده نتایج دقیق و قابل اعتمادی را بازمی‌گردانند.

PoIP چگونه یکپارچگی محاسبات هوش مصنوعی را تضمین می‌کند؟​

PoIP از مکانیسم‌هایی مانند اعتبارسنجی درخت مرکل، جداول هش توزیع‌شده (DHT) و آزمایش‌های تشخیصی برای تأیید یکپارچگی محاسبات هوش مصنوعی استفاده می‌کند. این ابزارها به شناسایی اختلافات و تضمین صحت داده‌های پردازش شده در شبکه کمک می‌کنند.

مشوق‌های اقتصادی در PoIP چه نقشی دارند؟​

مشوق‌های اقتصادی در PoIP رفتار مطلوب را در میان گره‌ها تشویق می‌کنند. گره‌ها توکن‌ها را استیک می‌کنند تا تعهد خود را نشان دهند، از طریق وظایف موفقیت‌آمیز اعتبار کسب می‌کنند و برای ارائه بهترین خدمات رقابت می‌کنند. این سیستم بهبود مستمر و تطابق با استانداردهای شبکه را تضمین می‌کند.

لایه‌های اصلی PoIP کدامند؟​

PoIP در پنج لایه اصلی عمل می‌کند: لایه خدمات، لایه کنترل، لایه تراکنش، لایه اثبات احتمالی و لایه اقتصادی. هر لایه نقش حیاتی در تضمین امنیت، یکپارچگی و کارایی استنتاج هوش مصنوعی در شبکه‌های غیرمتمرکز ایفا می‌کند.

نتیجه‌گیری​

پروتکل 6079 اثبات استنتاج نمایانگر پیشرفتی جالب در زمینه هوش مصنوعی غیرمتمرکز است. با تضمین امنیت و قابلیت اطمینان محاسبات هوش مصنوعی در شبکه‌های توزیع‌شده، PoIP راه جدیدی برای پذیرش گسترده‌تر و نوآوری در برنامه‌های هوش مصنوعی غیرمتمرکز نشان می‌دهد. با حرکت به سمت آینده‌ای غیرمتمرکزتر، پروتکل‌هایی مانند PoIP در حفظ اعتماد و یکپارچگی در سیستم‌های مبتنی بر هوش مصنوعی مفید خواهند بود.

• منبع: https://cuckoo.network/blog/2024/07/03/proof-of-inference-protocol-decentralized-ai
• تلگرام: https://cuckoo.network/tg
• دیسکورد: https://cuckoo.network/dc

در هوش مصنوعی غیرمتمرکز، اطمینان از یکپارچگی و قابلیت اطمینان ارائه‌دهندگان GPU بسیار مهم است. پروتکل اثبات نمونه‌گیری (PoSP)، همانطور که در تحقیقات اخیر از Holistic AI توضیح داده شده است، مکانیزمی پیچیده برای تشویق به بازیگران خوب و مجازات بازیگران بد ارائه می‌دهد. بیایید ببینیم این پروتکل چگونه کار می‌کند، انگیزه‌های اقتصادی، مجازات‌ها و کاربرد آن در استنتاج هوش مصنوعی غیرمتمرکز.

انگیزه‌ها برای رفتار صادقانه​

پاداش‌های اقتصادی​

در قلب پروتکل PoSP انگیزه‌های اقتصادی طراحی شده‌اند تا به مشارکت صادقانه تشویق کنند. نودها که به عنوان تأییدکننده و اعتبارسنج عمل می‌کنند، بر اساس مشارکت‌هایشان پاداش می‌گیرند:

• تأییدکننده‌ها: اگر خروجی محاسبه شده آن‌ها صحیح و بدون چالش باشد، پاداش (RA) دریافت می‌کنند.
• اعتبارسنج‌ها: اگر نتایج آن‌ها با تأییدکننده همخوانی داشته باشد و به عنوان صحیح تأیید شود، پاداش (RV/n) را به اشتراک می‌گذارند.

تعادل نش منحصر به فرد​

پروتکل PoSP به گونه‌ای طراحی شده است که به یک تعادل نش منحصر به فرد در استراتژی‌های خالص برسد، جایی که همه نودها انگیزه دارند تا صادقانه عمل کنند. با همسو کردن سود فردی با امنیت سیستم، پروتکل تضمین می‌کند که صداقت سودآورترین استراتژی برای شرکت‌کنندگان است.

مجازات‌ها برای رفتار نادرست​

مکانیزم مجازات​

برای جلوگیری از رفتار نادرست، پروتکل PoSP از مکانیزم مجازات استفاده می‌کند. اگر یک تأییدکننده یا اعتبارسنج به نادرستی گرفتار شود، با مجازات‌های اقتصادی قابل توجهی (S) مواجه می‌شود. این تضمین می‌کند که هزینه نادرستی بسیار بیشتر از هر سود کوتاه‌مدت احتمالی است.

مکانیزم چالش​

چالش‌های تصادفی سیستم را بیشتر امن می‌کنند. با یک احتمال از پیش تعیین شده (p)، پروتکل یک چالش را فعال می‌کند که در آن چندین اعتبارسنج خروجی تأییدکننده را دوباره محاسبه می‌کنند. اگر اختلافاتی پیدا شود، بازیگران نادرست مجازات می‌شوند. این فرآیند انتخاب تصادفی باعث می‌شود که بازیگران بد نتوانند به راحتی تبانی کنند و بدون شناسایی تقلب کنند.

مراحل پروتکل PoSP​

1. انتخاب تأییدکننده: یک نود به صورت تصادفی برای عمل به عنوان تأییدکننده انتخاب می‌شود و یک مقدار را محاسبه و خروجی می‌دهد.

2. احتمال چالش:

   سیستم ممکن است بر اساس یک احتمال از پیش تعیین شده یک چالش را فعال کند.

   • بدون چالش: اگر چالشی فعال نشود، تأییدکننده پاداش می‌گیرد.
   • چالش فعال شده: تعدادی (n) اعتبارسنج به صورت تصادفی برای تأیید خروجی تأییدکننده انتخاب می‌شوند.

3. اعتبارسنجی:

   هر اعتبارسنج به صورت مستقل نتیجه را محاسبه کرده و با خروجی تأییدکننده مقایسه می‌کند.

   • تطابق: اگر همه نتایج تطابق داشته باشند، هم تأییدکننده و هم اعتبارسنج‌ها پاداش می‌گیرند.
   • عدم تطابق: یک فرآیند داوری صداقت تأییدکننده و اعتبارسنج‌ها را تعیین می‌کند.

4. مجازات‌ها: نودهای نادرست مجازات می‌شوند، در حالی که اعتبارسنج‌های صادق سهم پاداش خود را دریافت می‌کنند.

spML​

پروتکل spML (یادگیری ماشینی مبتنی بر نمونه‌گیری) پیاده‌سازی پروتکل اثبات نمونه‌گیری (PoSP) در یک شبکه استنتاج هوش مصنوعی غیرمتمرکز است.

مراحل کلیدی​

1. ورودی کاربر: کاربر ورودی خود را به یک سرور به صورت تصادفی انتخاب شده (تأییدکننده) همراه با امضای دیجیتال خود ارسال می‌کند.
2. خروجی سرور: سرور خروجی را محاسبه کرده و همراه با یک هش از نتیجه به کاربر ارسال می‌کند.
3. مکانیزم چالش:
   • با یک احتمال از پیش تعیین شده (p)، سیستم یک چالش را فعال می‌کند که در آن یک سرور دیگر (اعتبارسنج) به صورت تصادفی برای تأیید نتیجه انتخاب می‌شود.
   • اگر چالشی فعال نشود، تأییدکننده پاداش (R) دریافت می‌کند و فرآیند خاتمه می‌یابد.
4. تأیید:
   • اگر چالشی فعال شود، کاربر همان ورودی را به اعتبارسنج ارسال می‌کند.
   • اعتبارسنج نتیجه را محاسبه کرده و همراه با یک هش به کاربر ارسال می‌کند.
5. مقایسه:
   • کاربر هش‌های خروجی تأییدکننده و اعتبارسنج را مقایسه می‌کند.
   • اگر هش‌ها تطابق داشته باشند، هم تأییدکننده و هم اعتبارسنج پاداش می‌گیرند و کاربر تخفیفی در هزینه پایه دریافت می‌کند.
   • اگر هش‌ها تطابق نداشته باشند، کاربر هر دو هش را به شبکه پخش می‌کند.
6. داوری:
   • شبکه رأی می‌دهد تا صداقت تأییدکننده و اعتبارسنج را بر اساس اختلافات تعیین کند.
   • نودهای صادق پاداش می‌گیرند، در حالی که نودهای نادرست مجازات می‌شوند (مجازات می‌شوند).

اجزاء و مکانیزم‌های کلیدی​

• اجرای ML قطعی: از حساب ثابت و کتابخانه‌های نرم‌افزاری نقطه شناور برای اطمینان از نتایج ثابت و قابل تکرار استفاده می‌کند.
• طراحی بدون حالت: هر پرس و جو را به عنوان مستقل در نظر می‌گیرد و بدون حالت در طول فرآیند ML باقی می‌ماند.
• مشارکت بدون مجوز: به هر کسی اجازه می‌دهد به شبکه بپیوندد و با اجرای یک سرور AI مشارکت کند.
• عملیات خارج از زنجیره: استنتاج‌های AI به صورت خارج از زنجیره محاسبه می‌شوند تا بار روی بلاکچین کاهش یابد، با نتایج و امضاهای دیجیتال که مستقیماً به کاربران منتقل می‌شوند.
• عملیات روی زنجیره: عملکردهای حیاتی مانند محاسبات موجودی و مکانیزم‌های چالش به صورت روی زنجیره انجام می‌شوند تا شفافیت و امنیت را تضمین کنند.

مزایای spML​

• امنیت بالا: امنیت را از طریق انگیزه‌های اقتصادی به دست می‌آورد و اطمینان می‌دهد که نودها به دلیل مجازات‌های احتمالی برای نادرستی به صورت صادقانه عمل می‌کنند.
• بار محاسباتی کم: اعتبارسنج‌ها در بیشتر موارد فقط نیاز به مقایسه هش‌ها دارند و بار محاسباتی را در طول تأیید کاهش می‌دهند.
• قابلیت مقیاس‌پذیری: می‌تواند فعالیت گسترده شبکه را بدون کاهش عملکرد قابل توجهی مدیریت کند.
• سادگی: سادگی را در پیاده‌سازی حفظ می‌کند و سهولت ادغام و نگهداری را افزایش می‌دهد.

مقایسه با سایر پروتکل‌ها​

• اثبات تقلب خوش‌بینانه (opML):
  • به انگیزه‌های اقتصادی برای رفتار تقلبی و مکانیزم حل اختلاف تکیه دارد.
  • در صورت عدم صداقت کافی اعتبارسنج‌ها، در برابر فعالیت تقلبی آسیب‌پذیر است.
• اثبات دانش صفر (zkML):
  • امنیت بالا را از طریق اثبات‌های رمزنگاری تضمین می‌کند.
  • با چالش‌هایی در مقیاس‌پذیری و کارایی به دلیل بار محاسباتی بالا مواجه است.
• spML:
  • امنیت بالا را از طریق انگیزه‌های اقتصادی، بار محاسباتی کم و مقیاس‌پذیری بالا ترکیب می‌کند.
  • فرآیند تأیید را با تمرکز بر مقایسه هش‌ها ساده می‌کند و نیاز به محاسبات پیچیده در طول چالش‌ها را کاهش می‌دهد.

خلاصه​

پروتکل اثبات نمونه‌گیری (PoSP) به طور مؤثری نیاز به تشویق بازیگران خوب و جلوگیری از بازیگران بد را متعادل می‌کند و امنیت و قابلیت اطمینان کلی سیستم‌های غیرمتمرکز را تضمین می‌کند. با ترکیب پاداش‌های اقتصادی با مجازات‌های شدید، PoSP محیطی را ایجاد می‌کند که در آن رفتار صادقانه نه تنها تشویق می‌شود بلکه برای موفقیت ضروری است. با ادامه رشد هوش مصنوعی غیرمتمرکز، پروتکل‌هایی مانند PoSP برای حفظ یکپارچگی و قابل اعتماد بودن این سیستم‌های پیشرفته ضروری خواهند بود.

• source: https://cuckoo.network/blog/2024/06/17/proof-of-sampling-posp-protocol-decentralized-ai
• telegram: https://cuckoo.network/tg
• discord: https://cuckoo.network/dc

آربیتروم نیترو، توسعه یافته توسط آزمایشگاه‌های آف‌چین، یک پروتکل بلاکچین لایه ۲ نسل دوم است که برای بهبود توان عملیاتی، نهایی‌سازی و حل اختلاف طراحی شده است. این پروتکل بر اساس پروتکل اصلی آربیتروم ساخته شده و بهبودهای قابل توجهی را ارائه می‌دهد که نیازهای مدرن بلاکچین را برآورده می‌کند.

ویژگی‌های کلیدی آربیتروم نیترو​

آربیتروم نیترو به عنوان یک راه‌حل لایه ۲ بر روی اتریوم عمل می‌کند و از اجرای قراردادهای هوشمند با استفاده از کد ماشین مجازی اتریوم (EVM) پشتیبانی می‌کند. این امر سازگاری با برنامه‌ها و ابزارهای موجود اتریوم را تضمین می‌کند. پروتکل ایمنی و پیشرفت را تضمین می‌کند، به شرطی که زنجیره اتریوم زیرین ایمن و فعال باقی بماند و حداقل یک شرکت‌کننده در پروتکل نیترو به صورت صادقانه عمل کند.

رویکرد طراحی​

معماری نیترو بر چهار اصل اصلی بنا شده است:

• ترتیب‌دهی به دنبال اجرای تعیین‌کننده: تراکنش‌ها ابتدا ترتیب‌دهی شده و سپس به صورت تعیین‌کننده پردازش می‌شوند. این رویکرد دو مرحله‌ای محیط اجرای سازگار و قابل اعتمادی را تضمین می‌کند.
• گث در هسته: نیترو از بسته go-ethereum (گث) برای اجرای هسته و نگهداری حالت استفاده می‌کند، که سازگاری بالایی با اتریوم را تضمین می‌کند.
• جدا کردن اجرا از اثبات: تابع انتقال حالت برای هر دو اجرای بومی و وب اسمبلی (wasm) کامپایل می‌شود تا اجرای کارآمد و اثبات ساختاری و مستقل از ماشین را تسهیل کند.
• رول‌آپ خوش‌بینانه با اثبات تقلب تعاملی: با استفاده از طراحی اصلی آربیتروم، نیترو از یک پروتکل رول‌آپ خوش‌بینانه بهبود یافته با مکانیزم اثبات تقلب پیچیده استفاده می‌کند.

ترتیب‌دهی و اجرا​

پردازش تراکنش‌ها در نیترو شامل دو جزء کلیدی است: ترتیب‌دهنده و تابع انتقال حالت (STF).

• ترتیب‌دهنده: تراکنش‌های ورودی را ترتیب می‌دهد و به این ترتیب متعهد می‌شود. این اطمینان را می‌دهد که ترتیب تراکنش‌ها شناخته شده و قابل اعتماد است و آن را هم به عنوان یک فید زمان واقعی و هم به عنوان بسته‌های داده فشرده‌شده در زنجیره لایه ۱ اتریوم ارسال می‌کند. این رویکرد دوگانه قابلیت اطمینان را افزایش داده و از سانسور جلوگیری می‌کند.
• اجرای تعیین‌کننده: STF تراکنش‌های ترتیب داده شده را پردازش کرده، حالت زنجیره را به‌روزرسانی کرده و بلوک‌های جدید تولید می‌کند. این فرآیند تعیین‌کننده است، به این معنی که نتیجه تنها به داده‌های تراکنش و حالت قبلی بستگی دارد و سازگاری در سراسر شبکه را تضمین می‌کند.

معماری نرم‌افزار: گث در هسته​

معماری نرم‌افزار نیترو در سه لایه ساختار یافته است:

• لایه پایه (هسته گث): این لایه اجرای قراردادهای EVM و نگهداری ساختارهای داده حالت اتریوم را مدیریت می‌کند.
• لایه میانی (ArbOS): نرم‌افزار سفارشی که عملکرد لایه ۲ را فراهم می‌کند، از جمله فشرده‌سازی بسته‌های ترتیب‌دهنده، مدیریت هزینه‌های گاز و پشتیبانی از قابلیت‌های بین‌زنجیره‌ای.
• لایه بالا: برگرفته از گث، این لایه ارتباطات، درخواست‌های RPC ورودی و دیگر عملکردهای سطح بالای نود را مدیریت می‌کند.

تعامل بین‌زنجیره‌ای​

آربیتروم نیترو از تعاملات بین‌زنجیره‌ای امن از طریق مکانیزم‌هایی مانند Outbox، Inbox و بلیط‌های قابل بازیابی پشتیبانی می‌کند.

• Outbox: امکان فراخوانی قراردادها از لایه ۲ به لایه ۱ را فراهم می‌کند، اطمینان حاصل می‌کند که پیام‌ها به صورت امن منتقل و در اتریوم اجرا می‌شوند.
• Inbox: تراکنش‌های ارسال شده به نیترو از اتریوم را مدیریت می‌کند، اطمینان حاصل می‌کند که به ترتیب صحیح گنجانده شده‌اند.
• بلیط‌های قابل بازیابی: امکان ارسال مجدد تراکنش‌های ناموفق را فراهم می‌کند، اطمینان از قابلیت اطمینان و کاهش خطر از دست رفتن تراکنش‌ها.

گاز و هزینه‌ها​

نیترو از یک مکانیزم پیچیده اندازه‌گیری و قیمت‌گذاری گاز برای مدیریت هزینه‌های تراکنش استفاده می‌کند:

• اندازه‌گیری و قیمت‌گذاری گاز لایه ۲: استفاده از گاز را پیگیری کرده و هزینه پایه را به صورت الگوریتمی برای تعادل تقاضا و ظرفیت تنظیم می‌کند.
• اندازه‌گیری و قیمت‌گذاری داده‌های لایه ۱: اطمینان حاصل می‌کند که هزینه‌های مرتبط با تعاملات لایه ۱ پوشش داده شده است، با استفاده از یک الگوریتم قیمت‌گذاری تطبیقی برای تخصیص دقیق این هزینه‌ها بین تراکنش‌ها.

نتیجه‌گیری​

شبکه Cuckoo به سرمایه‌گذاری در توسعه آربیتروم اطمینان دارد. راه‌حل‌های پیشرفته لایه ۲ آربیتروم نیترو مقیاس‌پذیری بی‌نظیر، نهایی‌سازی سریع‌تر و حل اختلاف کارآمد را ارائه می‌دهند. سازگاری آن با اتریوم محیطی امن و کارآمد برای برنامه‌های غیرمتمرکز ما فراهم می‌کند، که با تعهد ما به نوآوری و عملکرد همسو است.

• منبع: https://cuckoo.network/blog/2024/06/06/introduction-to-arbitrum-nitro
• تلگرام: https://cuckoo.network/tg
• دیسکورد: https://cuckoo.network/dc