โพสต์หนึ่งโพสต์ แท็กด้วย "การคำนวณแบบกระจายศูนย์"

Ritual ก่อตั้งขึ้นในปี 2023 โดยอดีตนักลงทุน Polychain Niraj Pant และ Akilesh Potti เป็นโครงการที่มีความทะเยอทะยานที่จุดตัดของบล็อกเชนและ AI โดยได้รับการสนับสนุนจาก Series A มูลค่า $25M ที่นำโดย Archetype และการลงทุนเชิงกลยุทธ์จาก Polychain Capital บริษัทมีเป้าหมายที่จะจัดการกับช่องว่างโครงสร้างพื้นฐานที่สำคัญในการเปิดใช้งานการโต้ตอบที่ซับซ้อนทั้งในและนอกเชน ด้วยทีมผู้เชี่ยวชาญ 30 คนจากสถาบันและบริษัทชั้นนำ Ritual กำลังสร้างโปรโตคอลที่รวมความสามารถของ AI เข้ากับสภาพแวดล้อมบล็อกเชนโดยตรง โดยมุ่งเป้าไปที่กรณีการใช้งานเช่นสมาร์ทคอนแทรคที่สร้างจากภาษาธรรมชาติและโปรโตคอลการให้ยืมที่ขับเคลื่อนด้วยตลาดแบบไดนามิก

ทำไมลูกค้าถึงต้องการ Web3 สำหรับ AI​

การรวมกันของ Web3 และ AI สามารถบรรเทาข้อจำกัดหลายประการที่พบในระบบ AI แบบรวมศูนย์แบบดั้งเดิม

1. โครงสร้างพื้นฐานแบบกระจายศูนย์ช่วยลดความเสี่ยงของการบิดเบือน: เมื่อการคำนวณ AI และผลลัพธ์ของโมเดลถูกดำเนินการโดยโหนดหลายโหนดที่ดำเนินการอย่างอิสระ มันจะยากขึ้นมากสำหรับหน่วยงานใดหน่วยงานหนึ่ง ไม่ว่าจะเป็นนักพัฒนาหรือคนกลางของบริษัท ในการบิดเบือนผลลัพธ์ สิ่งนี้ช่วยเพิ่มความมั่นใจของผู้ใช้และความโปร่งใสในแอปพลิเคชันที่ขับเคลื่อนด้วย AI

2. AI ที่เป็นธรรมชาติของ Web3 ขยายขอบเขตของสมาร์ทคอนแทรคบนเชนเกินกว่าตรรกะทางการเงินพื้นฐาน ด้วย AI ในวงจร สัญญาสามารถตอบสนองต่อข้อมูลตลาดแบบเรียลไทม์ คำสั่งที่สร้างโดยผู้ใช้ และแม้กระทั่งงานอนุมานที่ซับซ้อน สิ่งนี้ทำให้สามารถใช้กรณีต่างๆ เช่น การซื้อขายอัลกอริธึม การตัดสินใจให้ยืมอัตโนมัติ และการโต้ตอบในแชท (เช่น FrenRug) ซึ่งจะเป็นไปไม่ได้ภายใต้ API AI ที่มีอยู่และแยกออกจากกัน เนื่องจากผลลัพธ์ของ AI สามารถตรวจสอบได้และรวมเข้ากับสินทรัพย์บนเชน การตัดสินใจที่มีมูลค่าสูงหรือเดิมพันสูงเหล่านี้สามารถดำเนินการได้ด้วยความไว้วางใจที่มากขึ้นและคนกลางที่น้อยลง

3. การกระจายภาระงาน AI ข้ามเครือข่ายสามารถลดต้นทุนและเพิ่มความสามารถในการปรับขนาดได้ แม้ว่าการคำนวณ AI จะมีราคาแพง แต่สภาพแวดล้อม Web3 ที่ออกแบบมาอย่างดีจะดึงทรัพยากรการคำนวณจากทั่วโลกแทนที่จะเป็นผู้ให้บริการแบบรวมศูนย์เพียงรายเดียว สิ่งนี้เปิดโอกาสให้มีการกำหนดราคาที่มีความยืดหยุ่นมากขึ้น ความน่าเชื่อถือที่ดีขึ้น และความเป็นไปได้สำหรับเวิร์กโฟลว์ AI บนเชนอย่างต่อเนื่อง ทั้งหมดนี้ได้รับการสนับสนุนโดยแรงจูงใจที่ใช้ร่วมกันสำหรับผู้ให้บริการโหนดในการเสนอพลังการคำนวณของพวกเขา

แนวทางของ Ritual​

ระบบมีสามชั้นหลัก—Infernet Oracle, Ritual Chain (โครงสร้างพื้นฐานและโปรโตคอล) และ Native Applications—แต่ละชั้นได้รับการออกแบบมาเพื่อแก้ไขความท้าทายที่แตกต่างกันในพื้นที่ Web3 x AI

1. Infernet Oracle​

• สิ่งที่มันทำ Infernet เป็นผลิตภัณฑ์แรกของ Ritual ทำหน้าที่เป็นสะพานเชื่อมระหว่างสมาร์ทคอนแทรคบนเชนและการคำนวณ AI นอกเชน แทนที่จะดึงข้อมูลภายนอกเพียงอย่างเดียว มันประสานงานงานอนุมานของโมเดล AI รวบรวมผลลัพธ์ และส่งคืนบนเชนในลักษณะที่ตรวจสอบได้
• องค์ประกอบหลัก
  • Containers: สภาพแวดล้อมที่ปลอดภัยสำหรับโฮสต์งาน AI/ML ใดๆ (เช่น ONNX, Torch, Hugging Face models, GPT-4)
  • infernet-ml: ไลบรารีที่ปรับให้เหมาะสมสำหรับการปรับใช้เวิร์กโฟลว์ AI/ML ที่มีการผสานรวมพร้อมใช้งานกับเฟรมเวิร์กโมเดลยอดนิยม
  • Infernet SDK: ให้ส่วนต่อประสานมาตรฐานเพื่อให้นักพัฒนาสามารถเขียนสมาร์ทคอนแทรคที่ขอและใช้ผลลัพธ์การอนุมาน AI ได้อย่างง่ายดาย
  • Infernet Nodes: ปรับใช้บนบริการเช่น GCP หรือ AWS โหนดเหล่านี้ฟังคำขออนุมานบนเชน ดำเนินงานในคอนเทนเนอร์ และส่งมอบผลลัพธ์กลับบนเชน
  • การชำระเงินและการตรวจสอบ: จัดการการกระจายค่าธรรมเนียม (ระหว่างโหนดการคำนวณและการตรวจสอบ) และรองรับวิธีการตรวจสอบต่างๆ เพื่อให้แน่ใจว่างานจะดำเนินการอย่างซื่อสัตย์
• ทำไมมันถึงสำคัญ Infernet ก้าวข้ามขีดจำกัดของ oracle แบบดั้งเดิมโดยการตรวจสอบการคำนวณ AI นอกเชน ไม่ใช่แค่ฟีดข้อมูลเท่านั้น นอกจากนี้ยังรองรับการจัดตารางงานอนุมานซ้ำๆ หรือที่ต้องการเวลา ลดความซับซ้อนของการเชื่อมโยงงานที่ขับเคลื่อนด้วย AI กับแอปพลิเคชันบนเชน

2. Ritual Chain​

Ritual Chain รวมคุณสมบัติที่เป็นมิตรกับ AI ทั้งในระดับโครงสร้างพื้นฐานและโปรโตคอล ได้รับการออกแบบมาเพื่อจัดการกับการโต้ตอบที่บ่อยครั้ง อัตโนมัติ และซับซ้อนระหว่างสมาร์ทคอนแทรคและการคำนวณนอกเชน ขยายเกินกว่าที่ L1 ทั่วไปจะจัดการได้

2.1 Infrastructure Layer​

• สิ่งที่มันทำ โครงสร้างพื้นฐานของ Ritual Chain รองรับเวิร์กโฟลว์ AI ที่ซับซ้อนกว่าบล็อกเชนมาตรฐาน ผ่านโมดูลที่คอมไพล์ล่วงหน้า ตัวจัดตารางเวลา และส่วนขยาย EVM ที่เรียกว่า EVM++ มันมีเป้าหมายที่จะอำนวยความสะดวกในงาน AI ที่บ่อยหรือสตรีมมิ่ง การย่อบัญชีที่แข็งแกร่ง และการโต้ตอบกับสัญญาอัตโนมัติ

• องค์ประกอบหลัก

  • โมดูลที่คอมไพล์ล่วงหน้า

    :

    • EIP Extensions (เช่น EIP-665, EIP-5027) ขจัดข้อจำกัดความยาวของโค้ด ลดแก๊สสำหรับลายเซ็น และเปิดใช้งานความไว้วางใจระหว่างงาน AI บนเชนและนอกเชน
    • Computational Precompiles สร้างมาตรฐานเฟรมเวิร์กสำหรับการอนุมาน AI, zero-knowledge proofs และการปรับแต่งโมเดลภายในสมาร์ทคอนแทรค

  • Scheduler: ขจัดการพึ่งพาสัญญา “Keeper” ภายนอกโดยอนุญาตให้รันงานตามกำหนดเวลาคงที่ (เช่น ทุกๆ 10 นาที) ซึ่งมีความสำคัญต่อกิจกรรมที่ขับเคลื่อนด้วย AI อย่างต่อเนื่อง

  • EVM++: ปรับปรุง EVM ด้วยการย่อบัญชีแบบเนทีฟ (EIP-7702) ให้สัญญาอนุมัติธุรกรรมอัตโนมัติในช่วงเวลาที่กำหนด สิ่งนี้รองรับการตัดสินใจที่ขับเคลื่อนด้วย AI อย่างต่อเนื่อง (เช่น การซื้อขายอัตโนมัติ) โดยไม่ต้องมีการแทรกแซงของมนุษย์

• ทำไมมันถึงสำคัญ โดยการฝังคุณสมบัติที่เน้น AI โดยตรงในโครงสร้างพื้นฐาน Ritual Chain ทำให้การคำนวณ AI ที่ซับซ้อน ซ้ำซาก หรือที่ต้องการเวลาเป็นไปอย่างราบรื่น นักพัฒนาจะได้รับสภาพแวดล้อมที่แข็งแกร่งและเป็นอัตโนมัติมากขึ้นในการสร้าง dApps ที่ “ชาญฉลาด” อย่างแท้จริง

2.2 Consensus Protocol Layer​

• สิ่งที่มันทำ เลเยอร์โปรโตคอลของ Ritual Chain จัดการกับความจำเป็นในการจัดการงาน AI ที่หลากหลายอย่างมีประสิทธิภาพ งานอนุมานขนาดใหญ่และโหนดการคำนวณที่หลากหลายต้องการตรรกะตลาดค่าธรรมเนียมพิเศษและแนวทางฉันทามติใหม่เพื่อให้แน่ใจว่าการดำเนินการและการตรวจสอบเป็นไปอย่างราบรื่น
• องค์ประกอบหลัก
  • Resonance (ตลาดค่าธรรมเนียม):
    • แนะนำบทบาท “auctioneer” และ “broker” เพื่อจับคู่งาน AI ที่มีความซับซ้อนแตกต่างกันกับโหนดการคำนวณที่เหมาะสม
    • ใช้การจัดสรรงานแบบเกือบหมดหรือ “bundled” เพื่อเพิ่มผลผลิตของเครือข่ายให้สูงสุด เพื่อให้แน่ใจว่าโหนดที่ทรงพลังจะจัดการกับงานที่ซับซ้อนโดยไม่หยุดชะงัก
  • Symphony (ฉันทามติ):
    • แยกการคำนวณ AI ออกเป็นงานย่อยแบบขนานเพื่อการตรวจสอบ โหนดหลายโหนดยืนยันขั้นตอนและผลลัพธ์ของกระบวนการแยกกัน
    • ป้องกันไม่ให้งาน AI ขนาดใหญ่เกินพิกัดเครือข่ายโดยกระจายภาระงานการตรวจสอบไปยังโหนดหลายโหนด
  • vTune:
    • แสดงให้เห็นถึงวิธีการตรวจสอบการปรับแต่งโมเดลที่ดำเนินการโดยโหนดบนเชนโดยใช้การตรวจสอบข้อมูล “backdoor”
    • แสดงให้เห็นถึงความสามารถที่กว้างขึ้นของ Ritual Chain ในการจัดการงาน AI ที่ยาวขึ้นและซับซ้อนมากขึ้นโดยมีสมมติฐานความไว้วางใจน้อยที่สุด
• ทำไมมันถึงสำคัญ ตลาดค่าธรรมเนียมและโมเดลฉันทามติแบบดั้งเดิมมีปัญหากับภาระงาน AI ที่หนักหรือหลากหลาย โดยการออกแบบใหม่ทั้งสองอย่าง Ritual Chain สามารถจัดสรรงานและตรวจสอบผลลัพธ์ได้แบบไดนามิก ขยายความเป็นไปได้บนเชนให้ไกลเกินกว่าตรรกะของโทเค็นหรือสัญญาพื้นฐาน

3. Native Applications​

• สิ่งที่พวกเขาทำ สร้างขึ้นบน Infernet และ Ritual Chain แอปพลิเคชันเนทีฟประกอบด้วยตลาดโมเดลและเครือข่ายการตรวจสอบ ซึ่งแสดงให้เห็นว่าฟังก์ชันการทำงานที่ขับเคลื่อนด้วย AI สามารถรวมเข้ากับเชนและสร้างรายได้ได้อย่างไร
• องค์ประกอบหลัก
  • ตลาดโมเดล:
    • โทเค็นโมเดล AI (และอาจเป็นตัวแปรที่ปรับแต่งแล้ว) เป็นสินทรัพย์บนเชน
    • ให้นักพัฒนาซื้อ ขาย หรือให้สิทธิ์ใช้งานโมเดล AI โดยรายได้จะได้รับรางวัลแก่ผู้สร้างโมเดลและผู้ให้บริการคำนวณ/ข้อมูล
  • เครือข่ายการตรวจสอบ & “Rollup-as-a-Service”:
    • เสนอโปรโตคอลภายนอก (เช่น L2s) สภาพแวดล้อมที่เชื่อถือได้สำหรับการคำนวณและการตรวจสอบงานที่ซับซ้อน เช่น zero-knowledge proofs หรือการสืบค้นที่ขับเคลื่อนด้วย AI
    • ให้บริการโซลูชัน rollup ที่ปรับแต่งได้โดยใช้ประโยชน์จาก EVM++ ของ Ritual คุณสมบัติการจัดตารางเวลา และการออกแบบตลาดค่าธรรมเนียม
• ทำไมมันถึงสำคัญ โดยการทำให้โมเดล AI สามารถซื้อขายและตรวจสอบได้โดยตรงบนเชน Ritual ขยายฟังก์ชันการทำงานของบล็อกเชนไปสู่ตลาดสำหรับบริการและชุดข้อมูล AI เครือข่ายที่กว้างขึ้นยังสามารถใช้โครงสร้างพื้นฐานของ Ritual สำหรับการคำนวณเฉพาะทาง ก่อให้เกิดระบบนิเวศที่เป็นหนึ่งเดียวซึ่งงานและหลักฐาน AI มีราคาถูกกว่าและโปร่งใสมากขึ้น

การพัฒนาระบบนิเวศของ Ritual​

วิสัยทัศน์ของ Ritual ในการสร้าง “เครือข่ายโครงสร้างพื้นฐาน AI แบบเปิด” สอดคล้องกับการสร้างระบบนิเวศที่แข็งแกร่ง นอกเหนือจากการออกแบบผลิตภัณฑ์หลักแล้ว ทีมงานยังได้สร้างความร่วมมือข้ามการจัดเก็บโมเดล การคำนวณ ระบบพิสูจน์ และแอปพลิเคชัน AI เพื่อให้แน่ใจว่าแต่ละชั้นของเครือข่ายได้รับการสนับสนุนจากผู้เชี่ยวชาญ ในขณะเดียวกัน Ritual ก็ลงทุนอย่างหนักในทรัพยากรของนักพัฒนาและการเติบโตของชุมชนเพื่อส่งเสริมกรณีการใช้งานจริงบนเชนของตน

1. ความร่วมมือในระบบนิเวศ

• การจัดเก็บโมเดล & ความสมบูรณ์: การจัดเก็บโมเดล AI ด้วย Arweave ช่วยให้มั่นใจได้ว่าพวกเขาจะไม่ถูกดัดแปลง
• การเป็นพันธมิตรด้านการคำนวณ: IO.net จัดหาการคำนวณแบบกระจายศูนย์ที่ตรงกับความต้องการในการปรับขนาดของ Ritual
• ระบบพิสูจน์ & Layer-2: ความร่วมมือกับ Starkware และ Arbitrum ขยายความสามารถในการสร้างหลักฐานสำหรับงานที่ใช้ EVM
• แอปพลิเคชันผู้บริโภค AI: ความร่วมมือกับ Myshell และ Story Protocol นำบริการที่ขับเคลื่อนด้วย AI มาสู่เชนมากขึ้น
• เลเยอร์สินทรัพย์โมเดล: Pond, Allora และ 0xScope ให้ทรัพยากร AI เพิ่มเติมและผลักดันขอบเขต AI บนเชน
• การเพิ่มความเป็นส่วนตัว: Nillion เสริมความแข็งแกร่งให้กับเลเยอร์ความเป็นส่วนตัวของ Ritual Chain
• ความปลอดภัย & การวางเดิมพัน: EigenLayer ช่วยรักษาความปลอดภัยและวางเดิมพันบนเครือข่าย
• ความพร้อมใช้งานของข้อมูล: โมดูล EigenLayer และ Celestia ช่วยเพิ่มความพร้อมใช้งานของข้อมูล ซึ่งมีความสำคัญต่อภาระงาน AI

2. การขยายแอปพลิเคชัน

• ทรัพยากรของนักพัฒนา: คู่มือที่ครอบคลุมอธิบายวิธีการตั้งค่าคอนเทนเนอร์ AI รัน PyTorch และรวม GPT-4 หรือ Mistral-7B เข้ากับงานบนเชน ตัวอย่างที่ใช้งานได้จริง เช่น การสร้าง NFT ผ่าน Infernet ช่วยลดอุปสรรคสำหรับผู้มาใหม่
• การระดมทุน & การเร่งความเร็ว: ตัวเร่ง Ritual Altar และโครงการ Ritual Realm ให้ทุนและคำปรึกษาแก่ทีมที่สร้าง dApps บน Ritual Chain
• โครงการที่โดดเด่น:
  • Anima: ผู้ช่วย DeFi หลายตัวแทนที่ประมวลผลคำขอภาษาธรรมชาติข้ามการให้ยืม การแลกเปลี่ยน และกลยุทธ์ผลตอบแทน
  • Opus: โทเค็นมีมที่สร้างโดย AI พร้อมการไหลของการซื้อขายตามกำหนดเวลา
  • Relic: รวมโมเดลการทำนายที่ขับเคลื่อนด้วย AI เข้ากับ AMM โดยมีเป้าหมายเพื่อการซื้อขายบนเชนที่ยืดหยุ่นและมีประสิทธิภาพมากขึ้น
  • Tithe: ใช้ ML เพื่อปรับโปรโตคอลการให้ยืมแบบไดนามิก ปรับปรุงผลตอบแทนในขณะที่ลดความเสี่ยง

โดยการจัดแนวการออกแบบผลิตภัณฑ์ ความร่วมมือ และชุด dApps ที่ขับเคลื่อนด้วย AI ที่หลากหลาย Ritual วางตำแหน่งตัวเองเป็นศูนย์กลางหลายแง่มุมสำหรับ Web3 x AI แนวทางที่เน้นระบบนิเวศเป็นอันดับแรกของบริษัท ซึ่งเสริมด้วยการสนับสนุนนักพัฒนาที่เพียงพอและโอกาสในการระดมทุนจริง วางรากฐานสำหรับการนำ AI มาใช้บนเชนในวงกว้าง

มุมมองของ Ritual​

แผนผลิตภัณฑ์และระบบนิเวศของ Ritual ดูมีแนวโน้มดี แต่ยังคงมีช่องว่างทางเทคนิคอีกมากที่ต้องแก้ไข นักพัฒนายังคงต้องแก้ปัญหาพื้นฐาน เช่น การตั้งค่าจุดสิ้นสุดการอนุมานโมเดล การเร่งความเร็วงาน AI และการประสานงานโหนดหลายโหนดสำหรับการคำนวณขนาดใหญ่ สำหรับตอนนี้ สถาปัตยกรรมหลักสามารถจัดการกรณีการใช้งานที่ง่ายกว่าได้ ความท้าทายที่แท้จริงคือการสร้างแรงบันดาลใจให้นักพัฒนาสร้างแอปพลิเคชันที่ขับเคลื่อนด้วย AI ที่สร้างสรรค์มากขึ้นบนเชน

ในอนาคต Ritual อาจมุ่งเน้นไปที่การเงินน้อยลงและมุ่งเน้นไปที่การทำให้สินทรัพย์คำนวณหรือโมเดลสามารถซื้อขายได้มากขึ้น สิ่งนี้จะดึงดูดผู้เข้าร่วมและเสริมสร้างความปลอดภัยของเครือข่ายโดยการผูกโทเค็นของเชนเข้ากับภาระงาน AI ที่ใช้งานได้จริง แม้ว่ารายละเอียดเกี่ยวกับการออกแบบโทเค็นจะยังไม่ชัดเจน แต่ก็ชัดเจนว่าวิสัยทัศน์ของ Ritual คือการจุดประกายแอปพลิเคชันที่ซับซ้อน กระจายศูนย์ และขับเคลื่อนด้วย AI รุ่นใหม่—ผลักดัน Web3 ให้ลึกลงไปในดินแดนที่สร้างสรรค์มากขึ้น