大家好！我們剛剛發佈了一份關於將鏈上 LLM 添加到智能合約的白皮書。任何反饋都非常感謝。我們也已經實現了它。你可以在eternalai.org上試用它。
人工智能驅動的以太坊
從基於規則的智能合約到人工智能智能合約
摘要。以太坊最吸引人的方面之一是它能夠基於一組無需人工干預即可運行的智能合約創建去中心化系統。然而，這些智能合約仍然受到對預編程規則和邏輯的依賴的限制。通過整合人工智能，我們可以開始創建不僅去中心化而且自主、自適應和自我意識的系統。這引發了一系列有趣的問題，關於區塊鏈技術的綜合潛力和人工智能在去中心化系統中的作用。為了探索這些問題，我們建議開發一個人工智能內核，可用於在以太坊上構建人工智能驅動的智能合約。Eternal AI 介紹了人工智能內核的架構，並研究了將人工智能集成到智能合約中的影響。
1. 真正的智能合約
讓我們退一步思考一下我們想要通過智能合約實現什麼。我們希望創建不僅去中心化而且自主的系統，能夠做出決策並應對不斷變化的情況。
但如果我們看看 dapp 的現狀，我們距離實現這一願景還有很長的路要走。當今大多數 dapp 只是基於規則的程序，以智能合約的形式編寫，無法集成 AI 功能。它們就像僵硬的機器，無法適應或從環境中學習。
與此同時，在 Web2 世界中，我們看到能夠實時做出決策的 AI 驅動應用程序數量激增。那麼，是什麼阻礙了我們將這種複雜程度引入去中心化應用程序呢？
為了應對這一挑戰，我們需要重新思考去中心化軟件開發的方式。我們需要創建一個框架，讓開發人員能夠將人工智能功能融入到他們的智能合約中，從而創建能夠隨時間推移而適應和發展的真正智能的合約。
我們建議通過開發以太坊的 AI 內核來實現這一目標。
2. 新的編程模型
考慮一個管理去中心化夢幻體育聯盟的智能合約。該合約需要確定兩支球隊比賽的勝者。
基於規則的方法
採用傳統的基於規則的方法，合約可能會使用一組複雜的 if-else 語句來分析每個玩家的表現並確定比賽的獲勝者。
圖 1.基於規則的智能合約。
這種方法僵化、不靈活，無法捕捉遊戲的細微差別和複雜性。
人工智能方法
相比之下，AI Kernel 啟用了一種新的編程模型，該模型使用大型語言模型 (LLM) 實時動態做出決策。藉助 AI Kernel，幻想體育聯盟合同可以編寫為向 LLM 提供提示並接收結構化響應。
圖 2. 人工智能智能合約。
在這個例子中，合約提示 AI 內核分析兩支球隊的表現並確定對決的獲勝者。這種方法允許更大的靈活性和動態決策。它可以捕捉到遊戲的細微差別和複雜性，而傳統的基於規則的方法則無法做到這一點。
3. AI內核架構
為了構建真正的智能合約和 AI 驅動的 dapp，我們需要一個能夠促進 AI 推理、AI 模型和 GPU 資源集成的去中心化框架。這就是 AI Kernel 的作用所在——它是 AI 驅動的以太坊的核心組件。
圖 3.AI Kernel 架構。
從高層次來看，AI 內核可以分為四個主要組件。讓我們依次探索每個組件，並思考它們如何組合在一起以實現去中心化 AI。
首先，我們有用戶空間——dapp 運行的領域。在這個空間中，開發人員可以構建與 AI 模型交互的應用程序，但他們無法直接訪問底層 AI 模型或計算資源。相反，他們通過內核空間連接到 AI 模型。
內核空間是魔法發生的地方。該組件為開發人員提供了一個簡單的編程接口，以便與 AI 模型進行交互，從而更輕鬆地構建 AI 驅動的 dapp。在底層，內核空間分為兩個子組件：去中心化推理和核心 AI 內核。去中心化推理為開發人員提供了一個簡單的編程接口，以便與 AI 模型進行交互。同時，核心 AI 內核負責在去中心化計算資源上執行 AI 模型的複雜任務。
接下來是模型空間——一個專門用於管理 AI 模型的領域。在這裡，我們採用現有的開源模型（如 Llama 和Flux），並對其進行調整以在鏈上運行，從而實現去中心化推理。通過使這些模型在鏈上可用，我們可以創建一個共享資源，開發人員可以利用它，而無需重複工作或管理複雜的模型部署。
最後，我們有硬件空間——與物理硬件（例如全球的 GPU 節點）交互的組件。這是配置計算資源和執行 AI 模型的地方。通過利用分散的計算資源，我們可以創建一個可擴展且靈活的平臺，可以處理複雜的 AI 工作負載。
4. 用戶空間
讓我們考慮一下用戶與 AI 內核交互的過程。它以一個提示開始——請求 AI 內核生成輸出。此提示可以來自普通用戶或智能合約賬戶。提示被髮送到去中心化推理智能合約。
提示本身是一個簡單的數據結構，由四個字段組成：
- 賬戶：普通用戶賬戶或者智能合約賬戶
- 主題：賬戶和 AI 內核之間的眾多獨特上下文之一
- 輸入：一個問題或一條消息，以引出人工智能生成的輸出
- 額外的背景信息（可選）
圖 4.針對特定帳戶和主題的提示鏈。
主題是一個有趣的概念——它是帳戶和 AI 內核之間共享的獨特上下文。此上下文對於 AI 內核生成有意義的輸出至關重要，並且它會隨著時間的推移而發展。上下文管理器智能合約負責根據先前的提示、輸入和提供的任何額外上下文構建和更新此上下文。
提交提示後，AI 內核會生成輸出，上下文管理器會使用新輸出更新提示上下文。提示數據存儲在鏈上，這意味著任何人都可以通過重新運行提示來驗證輸出。這種透明度是 AI 內核的一個關鍵特性，它使它有別於傳統的 AI 系統。
開發人員可以選擇如何存儲提示數據——他們可以直接將其存儲在本機區塊鏈上，也可以將指向原始數據的哈希存儲在外部去中心化存儲網絡（如Filecoin）上。這種靈活性很重要，因為它允許開發人員在成本、可伸縮性和安全性之間取得平衡。
總體而言，用戶空間旨在為用戶提供一個簡單直觀的界面，以便用戶與 AI 內核進行交互。通過抽象底層 AI 模型和計算資源的複雜性，我們可以創建無縫體驗，讓用戶專注於重要的事情 - 產生見解和解決問題。
5. 內核空間
AI 內核是我們去中心化 AI 架構的核心。它被設計為模塊化和靈活的。AI 內核的核心由一組智能合約組成，這些合約共同管理資源並促進協議不同部分之間的通信。
圖5.AI Kernel的核心智能合約。
讓我們來看看構成AI內核的五個主要智能合約。
首先，去中心化推理合約為 dapp 與 AI 內核交互提供了標準化接口。該合約提供了一組“推理調用”，使開發人員能夠以簡單直觀的方式利用 AI 內核的功能。
接下來，我們有 Prompt Scheduler 合約，它負責以公平有效的方式在所有提示之間分配 GPU 時間和資源。這是 AI 內核的一個關鍵組件，可確保所有提示都能高效且同時處理。Prompt Scheduler 使用各種調度算法（例如循環和基於費用的算法）來管理提示流並確保系統保持響應性和可擴展性。
GPU 管理合約是 AI 內核的另一個關鍵組件。該合約管理 GPU 節點的質押、狀態和配置，而 GPU 節點是去中心化 AI 系統的主力。通過提供用於管理 GPU 節點的標準化接口，我們可以確保系統保持靈活性和可擴展性。
模型文件系統合約提供對各種文件系統（例如Filecoin和Arweave）上存儲模型的訪問。此合約抽象了不同文件系統的細節，為 GPU 節點提供了一致的模型 I/O 接口。這使開發人員可以專注於構建他們的 dapp，而不必擔心模型存儲和檢索的底層複雜性。
最後，上下文管理器合約組織各種用戶上下文，並使 GPU 節點可以訪問這些上下文。此合約對於確保 AI 內核能夠為用戶查詢提供個性化和上下文相關的響應至關重要。
這五個智能合約構成了AI Kernel的核心，共同提供一個去中心化、可擴展的AI系統，可支持廣泛的應用。
6.模型空間
模型空間是 AI 內核的一個關鍵組件，我們將流行的開源 AI 模型適配到區塊鏈環境中。模型空間的核心由兩個關鍵組件組成：AI 模型和 AI 模型驅動程序。
AI 模型都是一些著名的開源模型，比如 Llama、 Flux和 Hermes。這些模型在 AI 社區中被廣泛採用，為我們的去中心化 AI 系統提供了堅實的基礎。
然而，這些模型在設計時並沒有考慮到區塊鏈，而這正是人工智能模型驅動程序發揮作用的地方。這些驅動程序在使模型適應區塊鏈環境方面發揮著至關重要的作用，確保它們能夠在分散的環境中有效運行。
將 AI 模型適配到區塊鏈的一個關鍵挑戰是確保確定性。換句話說，我們必須確保模型在給定相同輸入的情況下產生相同的結果。這對於維護去中心化 AI 系統的完整性至關重要，而 AI 模型驅動程序就是為處理這個問題而設計的。
將 AI 模型適配到區塊鏈的另一個重要方面是量化。通過降低模型權重和激活的精度，我們可以提高性能並減少存儲要求。這在去中心化環境中尤其重要，因為存儲和計算資源可能有限。
AI 模型驅動程序設計為模塊化和可擴展的，允許新模型輕鬆集成到 AI 內核中。這意味著開發人員可以通過標準化接口輕鬆插入新模型，而無需擔心區塊鏈環境的底層複雜性。
7.硬件空間
硬件空間是 AI 內核中進行實際計算的地方。從本質上講，這個空間由 GPU 節點組成，這些節點充當系統的原子計算單元。這些節點負責接收用戶提示、運行推理並返回輸出。
但是，是什麼讓這些 GPU 節點運轉起來呢？答案在於 GPU 管理智能合約，它在管理節點和確保它們有資格工作方面起著關鍵作用。要參與系統，節點必須質押 EAI，這提供了一定程度的問責制並確保節點投入到 AI 內核的成功中。
除了管理節點之外，GPU 管理合約還會跟蹤硬件配置，例如 GPU 設備型號。Prompt Scheduler 合約會使用此信息將提示分配給節點進行處理。
但是如何激勵節點參與系統呢？這就是計算證明機制的作用所在。這種新穎的節點參與方法會獎勵為提示生成輸出的節點。第一個為提示生成輸出的節點將獲得 EAI 獎勵，從而創建一種內置激勵機制，鼓勵節點支持 AI 內核。
可以把它想象成金礦開採。礦工花費資源將黃金添加到流通中，作為回報，他們會得到一部分黃金作為獎勵。在我們的例子中，GPU 節點花費資源（電力和 GPU 時間）來處理提示，作為回報，他們會得到 EAI 作為獎勵。這種機制創造了一個自我維持的生態系統，其中節點受到激勵來參與和支持 AI 內核。
最終，隨著系統的成熟，獎勵機制將過渡到即時費用，使其完全不受通貨膨脹的影響。這種方法確保了 AI Kernel 的生態系統是可持續和自給自足的，節點受到激勵參與，用戶為增值服務付費。
8.計算證明
傳統的共識算法，如工作量證明 (PoW)，因缺乏實際效用而受到批評。相比之下，我們的 AI 內核運行一種名為計算量證明 (PoC) 的新型共識算法，該算法通過重新利用網絡中消耗的計算能量來挑戰這一範式。
PoC 網絡中的 GPU 節點並非僅僅解決複雜的數學難題，而是根據真實用戶和真實 dapp 的請求執行有意義的計算。這為他們生成了有價值的輸出，從而創建了一個自給自足的生態系統，其中激勵節點參與，用戶獲得切實的利益。
那麼，計算證明是如何工作的呢？這個過程很簡單：
首先，用戶或 dapp 向去中心化推理智能合約提交一個提示。這個提示可以是任何內容，從簡單的問題到複雜的 AI 任務。
接下來，Prompt Scheduler 智能合約會將提示隨機分配給由 GPU 管理智能合約管理的可用 GPU 節點子集。這可確保計算過程分散且具有彈性，其中沒有任何單個節點擁有過多的控制權。
一旦分配，GPU 節點就會處理提示並生成輸出，競爭成為第一個返回有效結果的節點。這種競爭激勵節點投資計算資源並誠實地參與網絡。
第一個返回有效輸出的 GPU 節點將獲得由即時費用和The Block獎勵組成的獎勵。此獎勵機制激勵節點參與網絡並維護其完整性。
但惡意行為怎麼辦？為了解決這個問題，其他 GPU 節點會驗證輸出的準確性，檢測並懲罰惡意行為。這種驗證和懲罰機制可確保計算過程的完整性並維護網絡內的信任。
通過結合這些元素，計算證明創建了一種新穎的共識算法，不僅可以保護網絡，還可以為用戶提供切實的好處。這是一種新的區塊鏈共識範式，它優先考慮實用性和效率，而不是單純的安全性。
圖 6.計算證明
9. 人工智能驅動的去中心化應用程序
隨著我們將 AI 內核集成到以太坊，去中心化應用程序的新範式開始形成。開發人員不再受嚴格的基於規則的編程約束，現在可以創建能夠隨時間適應、學習和發展的 dapp。
鏈上對話式人工智能代理
只需幾行代碼，您就可以在 AI 內核之上構建一個自主代理，並通過在有人使用您的代理時收取服務費來賺取被動收入。
圖 7.鏈上 AI 代理。
當有人與您的代理聊天時，只需調用 AI Kernel。
圖 8. 對話式鏈上 AI 代理。
人工智能加密錢包
在這個例子中，我們正在構建一個由人工智能驅動的錢包。在將資金髮送到地址之前，錢包將調用suspectiveTransaction函數。
圖 9.人工智能加密錢包。
通過為 AI 內核提供豐富的交易歷史背景，該模型可以學習識別潛在的危險信號，例如：
- 大額或異常交易金額
- 短時間內出現異常頻率
- 與用戶典型錢包行為不一致的交易
- 交易至已知標記地址
人工智能驅動的預言機
在這個例子中，我們正在為BTC價格構建一個由人工智能驅動的預言機。
圖 10. 人工智能驅動的預言機。
通過為 AI 內核提供由 Oracle 饋送器不斷添加的豐富的BTC價格饋送上下文，AI 內核可以學習通過彙總饋送價格並確定最準確的值來返回當前BTC價格。
人工智能驅動的 DAO
在這個例子中，我們正在構建一個由 AI 驅動的 DAO。
圖 11. 人工智能驅動的 DAO。
通過向 AI 內核提供不斷更新的提案結果歷史記錄，AI 內核可以瞭解成功和不成功的提案。這使它能夠評估和預測新提案的可行性，並就是否批准或拒絕提案做出明智的決定。
人工智能錢包信用評分
在這個例子中，我們正在構建一個由人工智能驅動的錢包信用評分系統。
圖 12. 人工智能信用評分。
通過向 AI 內核提供給定地址交易歷史的綜合背景，包括交易金額、合約交互（例如掉期、借貸、借款）和其他相關數據等詳細信息，模型可以學習準確評估該地址的信用度並提供相應的信用評分。
人工智能驅動的ENS
在這個例子中，我們正在構建一個由人工智能驅動的ENS生成器。
圖 13. 人工智能驅動的ENS。
該模型可以生成最符合給定描述的可用ENS域。如果建議的域已被佔用，它將繼續重試，直到找到合適的域。
10. 結論
人工智能與區塊鏈技術的融合代表了我們處理去中心化系統方式的重大範式轉變。我們在人工智能內核方面的工作為在區塊鏈上執行人工智能計算提供了一個框架，為去中心化應用開闢了新的可能性。
由於人工智能是一項如此重要的技術，並且正在逐漸滲透到我們生活的方方面面，因此去中心化人工智能的成功將取決於我們設計系統的能力，這些系統不僅在技術上強大，而且在社會和哲學上也合理。這需要深入瞭解技術、社會和個人之間的複雜關係。
最終，我們在 AI 內核上的工作是一個起點，旨在展開更廣泛討論，探討 AI 驅動的去中心化系統的未來及其重塑世界的潛力。
