Xin chào! Chúng tôi vừa phát hành một Sách trắng về việc thêm LLM onchain vào hợp đồng thông minh. Chúng tôi rất hoan nghênh mọi phản hồi. Chúng tôi cũng đã triển khai rồi. Bạn có thể thử nghiệm tại eternalai.org
Ethereum được hỗ trợ bởi AI
Từ Hợp đồng thông minh dựa trên quy tắc đến Hợp đồng thông minh hỗ trợ AI
Tóm tắt. Một trong những khía cạnh hấp dẫn nhất của Ethereum là khả năng tạo ra các hệ thống phi tập trung dựa trên một bộ hợp đồng thông minh có thể hoạt động mà không cần sự can thiệp của con người. Tuy nhiên, các hợp đồng thông minh này vẫn bị hạn chế bởi sự phụ thuộc vào các quy tắc và logic được lập trình sẵn. Bằng cách tích hợp AI, chúng ta có thể bắt đầu tạo ra các hệ thống không chỉ phi tập trung mà còn tự chủ, thích ứng và tự nhận thức. Điều này đặt ra một loạt các câu hỏi thú vị về tiềm năng kết hợp của công nghệ blockchain và vai trò của AI trong các hệ thống phi tập trung. Để khám phá những câu hỏi này, chúng tôi đề xuất phát triển một AI Kernel có thể được sử dụng để xây dựng các hợp đồng thông minh hỗ trợ AI trên Ethereum. Eternal AI trình bày kiến trúc của AI Kernel và xem xét những tác động của việc tích hợp AI vào các hợp đồng thông minh.
1. Hợp đồng thông minh thực sự
Hãy lùi lại một bước và suy nghĩ về những gì chúng ta đang cố gắng đạt được với hợp đồng thông minh. Chúng ta muốn tạo ra các hệ thống không chỉ phi tập trung mà còn tự chủ, có khả năng đưa ra quyết định và ứng phó với những hoàn cảnh thay đổi.
Nhưng nếu chúng ta nhìn vào tình trạng hiện tại của Các ứng dụng phi tập trung (DAPPS), chúng ta vẫn còn một chặng đường dài để đạt được tầm nhìn đó. Hầu hết Các ứng dụng phi tập trung (DAPPS) ngày nay chỉ đơn giản là các chương trình dựa trên quy tắc được mã hóa trong hợp đồng thông minh mà không có khả năng tích hợp các khả năng AI. Chúng giống như những cỗ máy cứng nhắc, không thể thích nghi hoặc học hỏi từ môi trường của chúng.
Trong khi đó, trong thế giới Web2, chúng ta đang chứng kiến sự gia tăng của các ứng dụng hỗ trợ AI có khả năng đưa ra quyết định theo thời gian thực. Vậy, điều gì đang ngăn cản chúng ta đưa mức độ tinh vi này vào Các ứng dụng phi tập trung (DAPPS)?
Để giải quyết thách thức này, chúng ta cần phải suy nghĩ lại về cách tiếp cận phát triển phần mềm phi tập trung. Chúng ta cần tạo ra một khuôn khổ cho phép các nhà phát triển kết hợp các khả năng AI vào hợp đồng thông minh của họ, cho phép tạo ra các hợp đồng thông minh thực sự có thể thích ứng và phát triển theo thời gian.
Chúng tôi đề xuất thực hiện điều này bằng cách phát triển AI Kernel cho Ethereum.
2. Một mô hình lập trình mới
Hãy xem xét một hợp đồng thông minh quản lý một giải đấu thể thao giả tưởng phi tập trung. Hợp đồng cần xác định người chiến thắng trong trận đấu giữa hai đội.
Phương pháp tiếp cận dựa trên quy tắc
Với cách tiếp cận dựa trên quy tắc truyền thống, hợp đồng có thể sử dụng một tập hợp phức tạp các câu lệnh if-else để phân tích hiệu suất của từng người chơi và xác định người chiến thắng trong trận đấu.
Hình 1. Hợp đồng thông minh dựa trên quy tắc.
Cách tiếp cận này sẽ cứng nhắc và không linh hoạt, đồng thời không thể nắm bắt được những sắc thái và sự phức tạp của trò chơi.
Phương pháp tiếp cận được hỗ trợ bởi AI
Ngược lại, AI Kernel cho phép một mô hình lập trình mới sử dụng các mô hình ngôn ngữ lớn (LLM) để đưa ra quyết định động theo thời gian thực. Với AI Kernel, hợp đồng giải đấu thể thao giả tưởng có thể được viết như cung cấp lời nhắc cho LLM và nhận được phản hồi có cấu trúc.
Hình 2. Hợp đồng thông minh hỗ trợ bởi AI.
Trong ví dụ này, hợp đồng nhắc nhở AI Kernel phân tích hiệu suất của hai đội và xác định người chiến thắng trong trận đấu. Cách tiếp cận này cho phép linh hoạt hơn nhiều và đưa ra quyết định năng động. Nó có thể nắm bắt được sắc thái và sự phức tạp của trò chơi theo cách mà cách tiếp cận dựa trên luật lệ truyền thống không làm được.
3. Kiến trúc hạt nhân AI
Để xây dựng các hợp đồng thông minh thực sự và Các ứng dụng phi tập trung (DAPPS) phi tập trung hỗ trợ AI, chúng ta cần một khuôn khổ phi tập trung có thể tạo điều kiện thuận lợi cho việc tích hợp suy luận AI, mô hình AI và tài nguyên GPU. Đây chính là nơi AI Kernel xuất hiện – thành phần trung tâm của Ethereum hỗ trợ AI.
Hình 3. Kiến trúc hạt nhân AI.
Ở cấp độ cao, AI Kernel có thể được chia thành bốn thành phần chính. Chúng ta hãy cùng khám phá từng thành phần này lần lượt và suy nghĩ về cách chúng kết hợp với nhau để tạo ra AI phi tập trung.
Đầu tiên, chúng ta có không gian Người dùng – miền mà Các ứng dụng phi tập trung (DAPPS) tập trung hoạt động. Trong không gian này, các nhà phát triển có thể xây dựng các ứng dụng tương tác với các mô hình AI, nhưng họ không có quyền truy cập trực tiếp vào các mô hình AI cơ bản hoặc tài nguyên tính toán. Thay vào đó, họ kết nối với các mô hình AI thông qua không gian Kernel.
Không gian Kernel là nơi phép thuật xảy ra. Thành phần này cung cấp giao diện lập trình đơn giản cho các nhà phát triển để tương tác với các mô hình AI, giúp xây dựng Các ứng dụng phi tập trung (DAPPS) chạy bằng AI dễ dàng hơn. Bên trong, không gian kernel được chia thành hai thành phần phụ: Decentralized Inference và Core AI Kernel. Decentralized Inference cung cấp giao diện lập trình đơn giản cho các nhà phát triển để tương tác với các mô hình AI. Đồng thời, Core AI Kernel đảm nhiệm nhiệm vụ phức tạp là thực thi các mô hình AI trên các tài nguyên điện toán phi tập trung.
Tiếp theo, chúng ta có không gian Model – một miền dành riêng cho việc quản lý các mô hình AI. Ở đây, chúng tôi lấy các mô hình nguồn mở hiện có như Llama và Flux và điều chỉnh chúng để hoạt động trên chuỗi, cho phép suy luận phi tập trung. Bằng cách cung cấp các mô hình này trên chuỗi, chúng tôi có thể tạo ra một tài nguyên được chia sẻ mà các nhà phát triển có thể khai thác, mà không cần phải sao chép nỗ lực hoặc quản lý các triển khai mô hình phức tạp.
Cuối cùng, chúng ta có không gian Phần cứng – thành phần tương tác với phần cứng vật lý, chẳng hạn như các nút GPU trên toàn thế giới. Đây là nơi cung cấp tài nguyên tính toán và thực thi các mô hình AI. Bằng cách tận dụng tài nguyên tính toán phi tập trung, chúng ta có thể tạo ra một nền tảng có khả năng mở rộng và linh hoạt có thể xử lý khối lượng công việc AI phức tạp.
4. Không gian người dùng
Hãy xem xét hành trình tương tác của người dùng với AI Kernel. Nó bắt đầu bằng một lời nhắc — yêu cầu AI Kernel tạo ra đầu ra. Lời nhắc này có thể đến từ người dùng thông thường hoặc tài khoản hợp đồng thông minh. Lời nhắc được gửi đến hợp đồng thông minh Decentralized Inference.
Bản thân lời nhắc là một cấu trúc dữ liệu đơn giản bao gồm bốn trường:
- Tài khoản: có thể là tài khoản người dùng thông thường hoặc tài khoản hợp đồng thông minh
- Chủ đề: một trong nhiều bối cảnh độc đáo giữa tài khoản và AI Kernel
- Đầu vào: một câu hỏi hoặc một thông điệp để đưa ra kết quả đầu ra do AI tạo ra
- Phần ngữ cảnh bổ sung (tùy chọn)
Hình 4. Chuỗi lời nhắc cho một tài khoản và chủ đề cụ thể.
Chủ đề là một khái niệm thú vị – đó là một bối cảnh độc đáo được chia sẻ giữa tài khoản và AI Kernel. Bối cảnh này rất quan trọng để AI Kernel tạo ra đầu ra có ý nghĩa và là thứ phát triển theo thời gian. Hợp đồng thông minh Context Manager chịu trách nhiệm xây dựng và cập nhật bối cảnh này, dựa trên các lời nhắc trước đó, đầu vào và bất kỳ bối cảnh bổ sung nào được cung cấp.
Sau khi lời nhắc được gửi, AI Kernel tạo ra một đầu ra và Context Manager cập nhật ngữ cảnh lời nhắc với đầu ra mới. Dữ liệu lời nhắc được lưu trữ trên chuỗi, nghĩa là bất kỳ ai cũng có thể xác minh đầu ra bằng cách chạy lại lời nhắc. Tính minh bạch này là một tính năng chính của AI Kernel, giúp nó khác biệt với các hệ thống AI truyền thống.
Các nhà phát triển có thể lựa chọn lưu trữ dữ liệu nhắc nhở — họ có thể lưu trữ trực tiếp trên blockchain gốc hoặc lưu trữ Hash trỏ đến dữ liệu thô trên mạng lưu trữ phi tập trung bên ngoài như Filecoin. Tính linh hoạt này rất quan trọng vì nó cho phép các nhà phát triển cân bằng các đánh đổi giữa chi phí, khả năng mở rộng và bảo mật.
Nhìn chung, User Space được thiết kế để cung cấp giao diện đơn giản và trực quan cho người dùng tương tác với AI Kernel. Bằng cách trừu tượng hóa sự phức tạp của các mô hình AI cơ bản và tài nguyên tính toán, chúng tôi có thể tạo ra trải nghiệm liền mạch cho phép người dùng tập trung vào những gì quan trọng - tạo ra hiểu biết sâu sắc và giải quyết vấn đề.
5. Không gian hạt nhân
AI Kernel là trái tim của kiến trúc AI phi tập trung của chúng tôi. Nó được thiết kế theo dạng mô-đun và linh hoạt. Về bản chất, AI Kernel bao gồm một tập hợp các hợp đồng thông minh hoạt động cùng nhau để quản lý tài nguyên và tạo điều kiện giao tiếp giữa các phần khác nhau của giao thức.
Hình 5. Các hợp đồng thông minh cốt lõi của AI Kernel.
Hãy cùng xem xét năm hợp đồng thông minh chính tạo nên AI Kernel.
Đầu tiên, hợp đồng Decentralized Inference cung cấp một giao diện chuẩn hóa cho Các ứng dụng phi tập trung (DAPPS) để tương tác với AI Kernel. Hợp đồng này cung cấp một tập hợp các "lệnh gọi suy luận" cho phép các nhà phát triển khai thác các khả năng của AI Kernel theo cách đơn giản và trực quan.
Tiếp theo, chúng ta có hợp đồng Prompt Scheduler, chịu trách nhiệm phân phối thời gian và tài nguyên GPU giữa tất cả các lời nhắc một cách công bằng và hiệu quả. Đây là một thành phần quan trọng của AI Kernel, đảm bảo rằng tất cả các lời nhắc có thể được xử lý hiệu quả và đồng thời. Prompt Scheduler sử dụng nhiều thuật toán lập lịch khác nhau, chẳng hạn như round-robin và fee-based, để quản lý luồng lời nhắc và đảm bảo rằng hệ thống vẫn phản hồi và có thể mở rộng.
Hợp đồng quản lý GPU là một thành phần quan trọng khác của AI Kernel. Hợp đồng này quản lý việc Staking, trạng thái và cấu hình của các nút GPU, là những con ngựa thồ của hệ thống AI phi tập trung. Bằng cách cung cấp một giao diện chuẩn hóa để quản lý các nút GPU, chúng tôi có thể đảm bảo rằng hệ thống vẫn linh hoạt và có thể mở rộng.
Hợp đồng Model File System cung cấp quyền truy cập vào các mô hình được lưu trữ trên nhiều hệ thống tệp khác nhau, chẳng hạn như Filecoin và Arweave. Hợp đồng này tóm tắt các chi tiết của các hệ thống tệp khác nhau, cung cấp giao diện I/O mô hình nhất quán cho các nút GPU. Điều này cho phép các nhà phát triển tập trung vào việc xây dựng Các ứng dụng phi tập trung (DAPPS) tập trung của họ mà không phải lo lắng về sự phức tạp tiềm ẩn của việc lưu trữ và truy xuất mô hình.
Cuối cùng, hợp đồng Context Manager tổ chức và làm cho nhiều ngữ cảnh người dùng có thể truy cập được vào các nút GPU. Hợp đồng này rất quan trọng để đảm bảo AI Kernel có thể cung cấp các phản hồi được cá nhân hóa và phụ thuộc vào ngữ cảnh cho các truy vấn của người dùng.
Năm hợp đồng thông minh này tạo thành cốt lõi của AI Kernel, hoạt động cùng nhau để cung cấp một hệ thống AI phi tập trung và có khả năng mở rộng, có thể hỗ trợ nhiều ứng dụng khác nhau.
6. Không gian mô hình
Không gian mô hình là một thành phần quan trọng của AI Kernel, nơi chúng tôi điều chỉnh các mô hình AI nguồn mở phổ biến vào môi trường blockchain. Về bản chất, Không gian mô hình bao gồm hai thành phần chính: Mô hình AI và Trình điều khiển mô hình AI.
Các mô hình AI là các mô hình mã nguồn mở nổi tiếng như Llama, Flux và Hermes. Các mô hình này đã được cộng đồng AI áp dụng rộng rãi và cung cấp nền tảng vững chắc cho hệ thống AI phi tập trung của chúng tôi.
Tuy nhiên, các mô hình này không được thiết kế với mục đích hướng đến blockchain, đó chính là lúc Trình điều khiển mô hình AI phát huy tác dụng. Các trình điều khiển này đóng vai trò quan trọng trong việc điều chỉnh các mô hình cho phù hợp với môi trường blockchain, đảm bảo chúng có thể hoạt động hiệu quả trong môi trường phi tập trung.
Một thách thức chính trong việc điều chỉnh các mô hình AI cho blockchain là đảm bảo tính xác định. Nói cách khác, chúng ta phải đảm bảo rằng các mô hình tạo ra cùng một kết quả khi có cùng một đầu vào. Điều này rất quan trọng để duy trì tính toàn vẹn của hệ thống AI phi tập trung và AI Model Drivers được thiết kế để xử lý nó.
Một khía cạnh quan trọng khác của việc điều chỉnh các mô hình AI cho blockchain là lượng tử hóa. Bằng cách giảm độ chính xác của trọng số và kích hoạt mô hình, chúng ta có thể cải thiện hiệu suất và giảm yêu cầu lưu trữ. Điều này đặc biệt quan trọng trong bối cảnh phi tập trung, nơi lưu trữ và tài nguyên tính toán có thể bị hạn chế.
AI Model Drivers được thiết kế theo dạng mô-đun và có thể mở rộng, cho phép tích hợp các mô hình mới vào AI Kernel một cách dễ dàng. Điều này có nghĩa là các nhà phát triển có thể chỉ cần cắm các mô hình mới khi chúng có sẵn mà không cần lo lắng về sự phức tạp tiềm ẩn của môi trường blockchain thông qua giao diện chuẩn hóa.
7. Không gian phần cứng
Không gian phần cứng là nơi tính toán thực tế diễn ra trong AI Kernel. Về cốt lõi, không gian này bao gồm các nút GPU đóng vai trò là đơn vị tính toán nguyên tử của hệ thống. Các nút này chịu trách nhiệm tiếp nhận lời nhắc của người dùng, chạy suy luận và trả về đầu ra.
Nhưng điều gì khiến các nút GPU này hoạt động? Câu trả lời nằm ở hợp đồng thông minh Quản lý GPU, đóng vai trò quan trọng trong việc quản lý các nút và đảm bảo rằng chúng đủ điều kiện để hoạt động. Để tham gia vào hệ thống, các nút phải Stake EAI, cung cấp mức độ trách nhiệm và đảm bảo rằng các nút được đầu tư vào sự thành công của AI Kernel.
Ngoài việc quản lý các nút, hợp đồng Quản lý GPU còn theo dõi cấu hình phần cứng, chẳng hạn như mô hình thiết bị GPU. Thông tin này được hợp đồng Prompt Scheduler sử dụng để chỉ định lời nhắc cho các nút để xử lý.
Nhưng làm thế nào để các nút được khuyến khích tham gia vào hệ thống? Đó là nơi cơ chế Proof-of-Compute xuất hiện. Cách tiếp cận mới lạ này đối với sự tham gia của nút sẽ thưởng cho các nút khi tạo ra đầu ra cho lời nhắc. Nút đầu tiên tạo ra đầu ra cho lời nhắc sẽ được thưởng EAI, tạo ra cơ chế khuyến khích tích hợp khuyến khích các nút hỗ trợ AI Kernel.
Hãy nghĩ về nó như Đào coin vàng. Thợ đào sử dụng tài nguyên để thêm vàng vào lưu thông và đổi lại, họ được thưởng một phần vàng đó. Trong trường hợp của chúng tôi, các nút GPU sử dụng tài nguyên (điện và thời gian GPU) để xử lý lời nhắc và đổi lại, họ được thưởng EAI. Cơ chế này tạo ra một hệ sinh thái tự duy trì, trong đó các nút được khuyến khích tham gia và hỗ trợ AI Kernel.
Cuối cùng, khi hệ thống trưởng thành, cơ chế phần thưởng sẽ chuyển sang phí nhanh chóng, khiến nó hoàn toàn không có lạm phát. Cách tiếp cận này đảm bảo rằng hệ sinh thái AI Kernel bền vững và tự cung tự cấp, với các nút được khuyến khích tham gia và người dùng trả tiền cho các dịch vụ có giá trị gia tăng.
8. Bằng chứng tính toán
Các thuật toán Consensus truyền thống như Bằng chứng công việc (PoW) (PoW) đã bị chỉ trích vì thiếu tiện ích thực tế. Ngược lại, AI Kernel của chúng tôi chạy trên một thuật toán Consensus mới gọi là Proof-of-Compute (PoC), thách thức Paradigm này bằng cách tái sử dụng năng lượng tính toán được sử dụng trong mạng.
Thay vì chỉ giải một câu đố toán học phức tạp, các nút GPU trong mạng PoC thực hiện các phép tính có ý nghĩa theo yêu cầu của người dùng thực và Các ứng dụng phi tập trung (DAPPS) tập trung thực sự. Điều này tạo ra các đầu ra có giá trị cho họ, tạo ra một hệ sinh thái tự duy trì, nơi các nút được khuyến khích tham gia và người dùng nhận được lợi ích hữu hình.
Vậy, Proof-of-Compute hoạt động như thế nào? Quá trình này rất đơn giản:
Đầu tiên, người dùng hoặc Các ứng dụng phi tập trung (DAPPS) gửi lời nhắc đến hợp đồng thông minh Decentralized Inference. Lời nhắc này có thể là bất kỳ thứ gì từ một câu hỏi đơn giản đến một nhiệm vụ AI phức tạp.
Tiếp theo, hợp đồng thông minh Prompt Scheduler sẽ chỉ định ngẫu nhiên lời nhắc cho một tập hợp con các nút GPU khả dụng được quản lý bởi hợp đồng thông minh GPU Management. Điều này đảm bảo một quy trình tính toán phi tập trung và linh hoạt, trong đó không có nút nào có quá nhiều quyền kiểm soát.
Sau khi được chỉ định, các nút GPU sẽ xử lý lời nhắc và tạo ra đầu ra, cạnh tranh để trở thành nút đầu tiên trả về kết quả hợp lệ. Cuộc cạnh tranh này khuyến khích các nút đầu tư vào tài nguyên tính toán và tham gia một cách trung thực vào mạng.
Nút GPU đầu tiên trả về đầu ra hợp lệ sẽ nhận được phần thưởng bao gồm phí nhắc và Block Reward. Cơ chế phần thưởng này khuyến khích các nút tham gia vào mạng và duy trì tính toàn vẹn của mạng.
Nhưng còn hành vi độc hại thì sao? Để giải quyết vấn đề này, các nút GPU khác sẽ xác minh độ chính xác của đầu ra, phát hiện và xử phạt hành vi độc hại. Cơ chế xác thực và xử phạt này đảm bảo tính toàn vẹn của quy trình tính toán và duy trì sự tin cậy trong mạng.
Bằng cách kết hợp các yếu tố này, Proof-of-Compute tạo ra một thuật toán Consensus mới không chỉ bảo mật mạng mà còn mang lại lợi ích hữu hình cho người dùng. Đây là Paradigm Consensus blockchain mới ưu tiên tiện ích và hiệu quả hơn là bảo mật đơn thuần.
Hình 6. Bằng chứng tính toán
9. Các ứng dụng phi tập trung (DAPPS) hỗ trợ bởi AI
Khi chúng tôi tích hợp AI Kernel vào Ethereum, một Paradigm mới cho Các ứng dụng phi tập trung (DAPPS) bắt đầu hình thành. Không còn bị giới hạn bởi các ràng buộc lập trình cứng nhắc dựa trên quy tắc, các nhà phát triển hiện có thể tạo ra Các ứng dụng phi tập trung (DAPPS) có khả năng thích ứng, học hỏi và phát triển theo thời gian.
Các tác nhân AI đàm thoại Onchain
Chỉ với một vài dòng mã, bạn có thể xây dựng một tác nhân tự động trên AI Kernel và kiếm thu nhập thụ động bằng cách tính phí dịch vụ khi ai đó sử dụng tác nhân của bạn.
Hình 7. Tác nhân AI trên chuỗi.
Khi ai đó trò chuyện với nhân viên của bạn, chỉ cần gọi AI Kernel.
Hình 8. Tác nhân AI đàm thoại trên chuỗi.
Ví tiền điện tử hỗ trợ AI
Trong ví dụ này, chúng tôi đang xây dựng một ví hỗ trợ AI. Trước khi gửi tiền đến một địa chỉ, ví sẽ gọi hàm doubtfulTransaction.
Hình 9. Ví tiền điện tử hỗ trợ AI.
Bằng cách cung cấp cho AI Kernel một bối cảnh phong phú về lịch sử giao dịch, mô hình có thể học cách xác định các dấu hiệu cảnh báo tiềm ẩn như:
- Số tiền giao dịch lớn hoặc bất thường
- Tần số bất thường trong một thời gian Short
- Các giao dịch không phù hợp với hành vi ví thông thường của người dùng
- Giao dịch đến các địa chỉ được đánh dấu đã biết
Oracles được hỗ trợ bởi AI
Trong ví dụ này, chúng tôi đang xây dựng một hệ thống dự đoán giá BTC sử dụng AI.
Hình 10. Oracles được hỗ trợ bởi AI.
Bằng cách cung cấp cho AI Kernel ngữ cảnh phong phú về nguồn cấp giá BTC được liên tục thêm vào bởi các bộ cấp dữ liệu Oracle, AI Kernel có thể học cách trả về giá BTC hiện tại bằng cách tổng hợp các mức giá được cung cấp và xác định giá trị chính xác nhất.
DAO được hỗ trợ bởi AI
Trong ví dụ này, chúng tôi đang xây dựng một Các tổ chức tự trị phi tập trung (DAO) hỗ trợ AI.
Hình 11. DAO được hỗ trợ bởi AI.
Bằng cách cung cấp cho AI Kernel một bối cảnh liên tục được cập nhật về lịch sử kết quả đề xuất, AI Kernel có thể phát triển sự hiểu biết về các đề xuất thành công và không thành công. Điều này cho phép AI Kernel đánh giá và dự đoán tính khả thi của các đề xuất mới và đưa ra quyết định sáng suốt về việc có nên chấp thuận hay từ chối một đề xuất hay không.
Điểm tín dụng ví được hỗ trợ bởi AI
Trong ví dụ này, chúng tôi đang xây dựng hệ thống chấm điểm tín dụng ví điện tử sử dụng AI.
Hình 12. Điểm tín dụng được hỗ trợ bởi AI.
Bằng cách cung cấp cho hạt nhân AI bối cảnh toàn diện về lịch sử giao dịch của một địa chỉ nhất định, bao gồm các chi tiết như số tiền giao dịch, tương tác hợp đồng (ví dụ: hoán đổi, cho vay, vay mượn) và các dữ liệu liên quan khác, mô hình có thể học cách đánh giá chính xác mức độ tín nhiệm của địa chỉ và cung cấp điểm tín dụng tương ứng.
ENS được hỗ trợ bởi AI
Trong ví dụ này, chúng tôi đang xây dựng một trình tạo ENS chạy bằng AI.
Hình 13. ENS được hỗ trợ bởi AI.
Mô hình có thể tạo ra một miền ENS khả dụng phù hợp nhất với mô tả đã cho. Nếu một miền được đề xuất đã được sử dụng, nó sẽ tiếp tục thử lại cho đến khi tìm thấy miền phù hợp.
10. Kết luận
Sự tích hợp của công nghệ AI và blockchain đại diện cho một sự thay đổi Paradigm đáng kể trong cách chúng ta tiếp cận các hệ thống phi tập trung. Công việc của chúng tôi về AI Kernel cung cấp một khuôn khổ để thực hiện các phép tính AI trên blockchain, mở ra những khả năng mới cho Các ứng dụng phi tập trung (DAPPS).
Vì AI là một công nghệ quan trọng và đang phát triển trong mọi khía cạnh của cuộc sống, nên sự thành công của AI phi tập trung sẽ phụ thuộc vào khả năng thiết kế các hệ thống không chỉ mạnh mẽ về mặt kỹ thuật mà còn vững chắc về mặt xã hội và triết học. Điều này đòi hỏi sự hiểu biết sâu sắc về mối quan hệ phức tạp giữa công nghệ, xã hội và cá nhân.
Cuối cùng, công trình của chúng tôi về AI Kernel là điểm khởi đầu cho một cuộc thảo luận rộng hơn về tương lai của các hệ thống phi tập trung do AI hỗ trợ và tiềm năng của chúng trong việc định hình lại thế giới của chúng ta.
