大家好！我们刚刚发布了一份关于将链上 LLM 添加到智能合约的白皮书。任何反馈都非常感谢。我们也已经实现了它。你可以在eternalai.org上试用它。
人工智能驱动的以太坊
从基于规则的智能合约到人工智能智能合约
摘要。以太坊最吸引人的方面之一是它能够基于一组无需人工干预即可运行的智能合约创建去中心化系统。然而，这些智能合约仍然受到对预编程规则和逻辑的依赖的限制。通过整合人工智能，我们可以开始创建不仅去中心化而且自主、自适应和自我意识的系统。这引发了一系列有趣的问题，关于区块链技术的综合潜力和人工智能在去中心化系统中的作用。为了探索这些问题，我们建议开发一个人工智能内核，可用于在以太坊上构建人工智能驱动的智能合约。Eternal AI 介绍了人工智能内核的架构，并研究了将人工智能集成到智能合约中的影响。
1. 真正的智能合约
让我们退一步思考一下我们想要通过智能合约实现什么。我们希望创建不仅去中心化而且自主的系统，能够做出决策并应对不断变化的情况。
但如果我们看看 dapp 的现状，我们距离实现这一愿景还有很长的路要走。当今大多数 dapp 只是基于规则的程序，以智能合约的形式编写，无法集成 AI 功能。它们就像僵硬的机器，无法适应或从环境中学习。
与此同时，在 Web2 世界中，我们看到能够实时做出决策的 AI 驱动应用程序数量激增。那么，是什么阻碍了我们将这种复杂程度引入去中心化应用程序呢？
为了应对这一挑战，我们需要重新思考去中心化软件开发的方式。我们需要创建一个框架，让开发人员能够将人工智能功能融入到他们的智能合约中，从而创建能够随时间推移而适应和发展的真正智能的合约。
我们建议通过开发以太坊的 AI 内核来实现这一目标。
2. 新的编程模型
考虑一个管理去中心化梦幻体育联盟的智能合约。该合约需要确定两支球队比赛的胜者。
基于规则的方法
采用传统的基于规则的方法，合约可能会使用一组复杂的 if-else 语句来分析每个玩家的表现并确定比赛的获胜者。
图 1.基于规则的智能合约。
这种方法僵化、不灵活，无法捕捉游戏的细微差别和复杂性。
人工智能方法
相比之下，AI Kernel 启用了一种新的编程模型，该模型使用大型语言模型 (LLM) 实时动态做出决策。借助 AI Kernel，幻想体育联盟合同可以编写为向 LLM 提供提示并接收结构化响应。
图 2. 人工智能智能合约。
在这个例子中，合约提示 AI 内核分析两支球队的表现并确定对决的获胜者。这种方法允许更大的灵活性和动态决策。它可以捕捉到游戏的细微差别和复杂性，而传统的基于规则的方法则无法做到这一点。
3. AI内核架构
为了构建真正的智能合约和 AI 驱动的 dapp，我们需要一个能够促进 AI 推理、AI 模型和 GPU 资源集成的去中心化框架。这就是 AI Kernel 的作用所在——它是 AI 驱动的以太坊的核心组件。
图 3.AI Kernel 架构。
从高层次来看，AI 内核可以分为四个主要组件。让我们依次探索每个组件，并思考它们如何组合在一起以实现去中心化 AI。
首先，我们有用户空间——dapp 运行的领域。在这个空间中，开发人员可以构建与 AI 模型交互的应用程序，但他们无法直接访问底层 AI 模型或计算资源。相反，他们通过内核空间连接到 AI 模型。
内核空间是魔法发生的地方。该组件为开发人员提供了一个简单的编程接口，以便与 AI 模型进行交互，从而更轻松地构建 AI 驱动的 dapp。在底层，内核空间分为两个子组件：去中心化推理和核心 AI 内核。去中心化推理为开发人员提供了一个简单的编程接口，以便与 AI 模型进行交互。同时，核心 AI 内核负责在去中心化计算资源上执行 AI 模型的复杂任务。
接下来是模型空间——一个专门用于管理 AI 模型的领域。在这里，我们采用现有的开源模型（如 Llama 和Flux），并对其进行调整以在链上运行，从而实现去中心化推理。通过使这些模型在链上可用，我们可以创建一个共享资源，开发人员可以利用它，而无需重复工作或管理复杂的模型部署。
最后，我们有硬件空间——与物理硬件（例如全球的 GPU 节点）交互的组件。这是配置计算资源和执行 AI 模型的地方。通过利用分散的计算资源，我们可以创建一个可扩展且灵活的平台，可以处理复杂的 AI 工作负载。
4. 用户空间
让我们考虑一下用户与 AI 内核交互的过程。它以一个提示开始——请求 AI 内核生成输出。此提示可以来自普通用户或智能合约账户。提示被发送到去中心化推理智能合约。
提示本身是一个简单的数据结构，由四个字段组成：
- 账户：普通用户账户或者智能合约账户
- 主题：账户和 AI 内核之间的众多独特上下文之一
- 输入：一个问题或一条消息，以引出人工智能生成的输出
- 额外的背景信息（可选）
图 4.针对特定帐户和主题的提示链。
主题是一个有趣的概念——它是帐户和 AI 内核之间共享的独特上下文。此上下文对于 AI 内核生成有意义的输出至关重要，并且它会随着时间的推移而发展。上下文管理器智能合约负责根据先前的提示、输入和提供的任何额外上下文构建和更新此上下文。
提交提示后，AI 内核会生成输出，上下文管理器会使用新输出更新提示上下文。提示数据存储在链上，这意味着任何人都可以通过重新运行提示来验证输出。这种透明度是 AI 内核的一个关键特性，它使它有别于传统的 AI 系统。
开发人员可以选择如何存储提示数据——他们可以直接将其存储在本机区块链上，也可以将指向原始数据的哈希存储在外部去中心化存储网络（如Filecoin）上。这种灵活性很重要，因为它允许开发人员在成本、可伸缩性和安全性之间取得平衡。
总体而言，用户空间旨在为用户提供一个简单直观的界面，以便用户与 AI 内核进行交互。通过抽象底层 AI 模型和计算资源的复杂性，我们可以创建无缝体验，让用户专注于重要的事情 - 产生见解和解决问题。
5. 内核空间
AI 内核是我们去中心化 AI 架构的核心。它被设计为模块化和灵活的。AI 内核的核心由一组智能合约组成，这些合约共同管理资源并促进协议不同部分之间的通信。
图5.AI Kernel的核心智能合约。
让我们来看看构成AI内核的五个主要智能合约。
首先，去中心化推理合约为 dapp 与 AI 内核交互提供了标准化接口。该合约提供了一组“推理调用”，使开发人员能够以简单直观的方式利用 AI 内核的功能。
接下来，我们有 Prompt Scheduler 合约，它负责以公平有效的方式在所有提示之间分配 GPU 时间和资源。这是 AI 内核的一个关键组件，可确保所有提示都能高效且同时处理。Prompt Scheduler 使用各种调度算法（例如循环和基于费用的算法）来管理提示流并确保系统保持响应性和可扩展性。
GPU 管理合约是 AI 内核的另一个关键组件。该合约管理 GPU 节点的质押、状态和配置，而 GPU 节点是去中心化 AI 系统的主力。通过提供用于管理 GPU 节点的标准化接口，我们可以确保系统保持灵活性和可扩展性。
模型文件系统合约提供对各种文件系统（例如Filecoin和Arweave）上存储模型的访问。此合约抽象了不同文件系统的细节，为 GPU 节点提供了一致的模型 I/O 接口。这使开发人员可以专注于构建他们的 dapp，而不必担心模型存储和检索的底层复杂性。
最后，上下文管理器合约组织各种用户上下文，并使 GPU 节点可以访问这些上下文。此合约对于确保 AI 内核能够为用户查询提供个性化和上下文相关的响应至关重要。
这五个智能合约构成了AI Kernel的核心，共同提供一个去中心化、可扩展的AI系统，可支持广泛的应用。
6.模型空间
模型空间是 AI 内核的一个关键组件，我们将流行的开源 AI 模型适配到区块链环境中。模型空间的核心由两个关键组件组成：AI 模型和 AI 模型驱动程序。
AI 模型都是一些著名的开源模型，比如 Llama、 Flux和 Hermes。这些模型在 AI 社区中被广泛采用，为我们的去中心化 AI 系统提供了坚实的基础。
然而，这些模型在设计时并没有考虑到区块链，而这正是人工智能模型驱动程序发挥作用的地方。这些驱动程序在使模型适应区块链环境方面发挥着至关重要的作用，确保它们能够在分散的环境中有效运行。
将 AI 模型适配到区块链的一个关键挑战是确保确定性。换句话说，我们必须确保模型在给定相同输入的情况下产生相同的结果。这对于维护去中心化 AI 系统的完整性至关重要，而 AI 模型驱动程序就是为处理这个问题而设计的。
将 AI 模型适配到区块链的另一个重要方面是量化。通过降低模型权重和激活的精度，我们可以提高性能并减少存储要求。这在去中心化环境中尤其重要，因为存储和计算资源可能有限。
AI 模型驱动程序设计为模块化和可扩展的，允许新模型轻松集成到 AI 内核中。这意味着开发人员可以通过标准化接口轻松插入新模型，而无需担心区块链环境的底层复杂性。
7.硬件空间
硬件空间是 AI 内核中进行实际计算的地方。从本质上讲，这个空间由 GPU 节点组成，这些节点充当系统的原子计算单元。这些节点负责接收用户提示、运行推理并返回输出。
但是，是什么让这些 GPU 节点运转起来呢？答案在于 GPU 管理智能合约，它在管理节点和确保它们有资格工作方面起着关键作用。要参与系统，节点必须质押 EAI，这提供了一定程度的问责制并确保节点投入到 AI 内核的成功中。
除了管理节点之外，GPU 管理合约还会跟踪硬件配置，例如 GPU 设备型号。Prompt Scheduler 合约会使用此信息将提示分配给节点进行处理。
但是如何激励节点参与系统呢？这就是计算证明机制的作用所在。这种新颖的节点参与方法会奖励为提示生成输出的节点。第一个为提示生成输出的节点将获得 EAI 奖励，从而创建一种内置激励机制，鼓励节点支持 AI 内核。
可以把它想象成金矿开采。矿工花费资源将黄金添加到流通中，作为回报，他们会得到一部分黄金作为奖励。在我们的例子中，GPU 节点花费资源（电力和 GPU 时间）来处理提示，作为回报，他们会得到 EAI 作为奖励。这种机制创造了一个自我维持的生态系统，其中节点受到激励来参与和支持 AI 内核。
最终，随着系统的成熟，奖励机制将过渡到即时费用，使其完全不受通货膨胀的影响。这种方法确保了 AI Kernel 的生态系统是可持续和自给自足的，节点受到激励参与，用户为增值服务付费。
8.计算证明
传统的共识算法，如工作量证明 (PoW)，因缺乏实际效用而受到批评。相比之下，我们的 AI 内核运行一种名为计算量证明 (PoC) 的新型共识算法，该算法通过重新利用网络中消耗的计算能量来挑战这一范式。
PoC 网络中的 GPU 节点并非仅仅解决复杂的数学难题，而是根据真实用户和真实 dapp 的请求执行有意义的计算。这为他们生成了有价值的输出，从而创建了一个自给自足的生态系统，其中激励节点参与，用户获得切实的利益。
那么，计算证明是如何工作的呢？这个过程很简单：
首先，用户或 dapp 向去中心化推理智能合约提交一个提示。这个提示可以是任何内容，从简单的问题到复杂的 AI 任务。
接下来，Prompt Scheduler 智能合约会将提示随机分配给由 GPU 管理智能合约管理的可用 GPU 节点子集。这可确保计算过程分散且具有弹性，其中没有任何单个节点拥有过多的控制权。
一旦分配，GPU 节点就会处理提示并生成输出，竞争成为第一个返回有效结果的节点。这种竞争激励节点投资计算资源并诚实地参与网络。
第一个返回有效输出的 GPU 节点将获得由即时费用和The Block奖励组成的奖励。此奖励机制激励节点参与网络并维护其完整性。
但恶意行为怎么办？为了解决这个问题，其他 GPU 节点会验证输出的准确性，检测并惩罚恶意行为。这种验证和惩罚机制可确保计算过程的完整性并维护网络内的信任。
通过结合这些元素，计算证明创建了一种新颖的共识算法，不仅可以保护网络，还可以为用户提供切实的好处。这是一种新的区块链共识范式，它优先考虑实用性和效率，而不是单纯的安全性。
图 6.计算证明
9. 人工智能驱动的去中心化应用程序
随着我们将 AI 内核集成到以太坊，去中心化应用程序的新范式开始形成。开发人员不再受严格的基于规则的编程约束，现在可以创建能够随时间适应、学习和发展的 dapp。
链上对话式人工智能代理
只需几行代码，您就可以在 AI 内核之上构建一个自主代理，并通过在有人使用您的代理时收取服务费来赚取被动收入。
图 7.链上 AI 代理。
当有人与您的代理聊天时，只需调用 AI Kernel。
图 8. 对话式链上 AI 代理。
人工智能加密钱包
在这个例子中，我们正在构建一个由人工智能驱动的钱包。在将资金发送到地址之前，钱包将调用suspectiveTransaction函数。
图 9.人工智能加密钱包。
通过为 AI 内核提供丰富的交易历史背景，该模型可以学习识别潜在的危险信号，例如：
- 大额或异常交易金额
- 短时间内出现异常频率
- 与用户典型钱包行为不一致的交易
- 交易至已知标记地址
人工智能驱动的预言机
在这个例子中，我们正在为BTC价格构建一个由人工智能驱动的预言机。
图 10. 人工智能驱动的预言机。
通过为 AI 内核提供由 Oracle 馈送器不断添加的丰富的BTC价格馈送上下文，AI 内核可以学习通过汇总馈送价格并确定最准确的值来返回当前BTC价格。
人工智能驱动的 DAO
在这个例子中，我们正在构建一个由 AI 驱动的 DAO。
图 11. 人工智能驱动的 DAO。
通过向 AI 内核提供不断更新的提案结果历史记录，AI 内核可以了解成功和不成功的提案。这使它能够评估和预测新提案的可行性，并就是否批准或拒绝提案做出明智的决定。
人工智能钱包信用评分
在这个例子中，我们正在构建一个由人工智能驱动的钱包信用评分系统。
图 12. 人工智能信用评分。
通过向 AI 内核提供给定地址交易历史的综合背景，包括交易金额、合约交互（例如掉期、借贷、借款）和其他相关数据等详细信息，模型可以学习准确评估该地址的信用度并提供相应的信用评分。
人工智能驱动的ENS
在这个例子中，我们正在构建一个由人工智能驱动的ENS生成器。
图 13. 人工智能驱动的ENS。
该模型可以生成最符合给定描述的可用ENS域。如果建议的域已被占用，它将继续重试，直到找到合适的域。
10. 结论
人工智能与区块链技术的融合代表了我们处理去中心化系统方式的重大范式转变。我们在人工智能内核方面的工作为在区块链上执行人工智能计算提供了一个框架，为去中心化应用开辟了新的可能性。
由于人工智能是一项如此重要的技术，并且正在逐渐渗透到我们生活的方方面面，因此去中心化人工智能的成功将取决于我们设计系统的能力，这些系统不仅在技术上强大，而且在社会和哲学上也合理。这需要深入了解技术、社会和个人之间的复杂关系。
最终，我们在 AI 内核上的工作是一个起点，旨在展开更广泛讨论，探讨 AI 驱动的去中心化系统的未来及其重塑世界的潜力。
