Axonum 將人工智慧融入區塊鏈，打造一個由全球集體智慧驅動的去中心化超級計算機。

AI EVM 的時代已經到來

我們正在開發 Axonum，一個採用 optimistic rollup 方案的人工智慧平台，擁有全球首個 AI EVM。

我們的目標是實現人人可及的 AI 應用程序，使得 AI 模型推斷變得更加易用和用戶友好。

Axonum 是一個採用 optimistic rollup 方案並內置 AI 的平台，由 opML 和 AI EVM 提供支持。它讓用戶可以在智能合約中原生地輕鬆使用 AI 模型，無需為底層技術的複雜性而擔憂。

概覽

AI EVM：內置 AI

為了在智能合約中實現本地機器學習推理，我們需要修改 L2 的執行層。具體來說，我們在 EVM 中添加了一個預編譯的推理合約，從而構建了 AI EVM。

AI EVM 將在本地執行中進行機器學習推理，然後返回確定性的執行結果。當用戶想要使用 AI 模型處理數據時，只需調用預編譯的推理合約，提供模型地址和輸入數據，然後用戶就可以獲取模型輸出，並在智能合約中原生地使用。

模型儲存在模型數據可用層（DA 層）。所有模型均可通過模型地址從 DA 層檢索，我們假設所有模型的數據都是可用的。

預編譯合約推理的核心設計原則遵循 opML 的設計原則，即我們將執行與驗證分離。我們提供了兩種預編譯合約推理的實現方式，一種是為了原生執行而編譯的，速度較快；另一種是為了防欺詐虛擬機而編譯的，有助於證明 opML 結果的正確性。

對於執行的實現，我們重用了 opML 中的 ML 引擎。我們將首先使用模型地址從模型中心獲取模型，然後將模型加載到 ML 引擎中。ML 引擎將以預編譯合約中的用戶輸入作為模型輸入，然後執行 ML 推理任務。ML 引擎通過量化和軟浮點確保 ML 推理結果的一致性和確定性。

除了當前的 AI EVM 設計外，實現 AI 在 EVM 中的另一種方法是向 EVM 中添加更多的機器學習特定操作碼，並相應地更改虛擬機的資源和定價模型以及實現方式。

Optimistic Rollup

opML（Optimistic 機器學習）和 Optimistic Rollup（opRollup）都基於類似的欺詐證明系統，這使得在 Layer 2 鏈中與 opRollup 系統一起集成 opML 成為可能，這種集成又將使 L2 鏈上的智能合約內部實現機器學習。

與現有的 Rollup 系統類似，Axonum 負責將交易進行「Rollup」以進行批處理，然後將它們發布到 L1 鏈上，通常通過一組序列化器網路。這種機制可以在單個 Rollup 中包含數千個交易，從而增加整個 L1 和 L2 系統的吞吐量。

作為 optimistic Rollup 之一，Axonum 是 L1 區塊鏈的交互式的擴容方式。我們樂觀地假設每個提議的交易默認為有效，與傳統的 L2Optimistic Rollup 系統不同，Axonum 中的交易可以包含 AI 模型推理，這可以使 Axonum 上的智能合約更加智能。

類似於 optimistic Rollup，在減輕潛在無效交易的情況下，Axonum 引入了一個爭議期，在此期間參與者可以挑戰可疑的 Rollup。現有一個欺詐證據方案，允許提交多個欺詐證據。這些證據可能使 Rollup 有效或無效。在爭議期間，如果沒有提出挑戰（並且需要的證明已經到位），狀態更改可能會被爭論、解決，或者直接包括。

工作流程

這是 Axonum 的基本工作流程，不考慮諸如預確認或強制退出等機制：

· 基本工作流程始於用戶向批處理節點發送 L2 交易（我們允許在智能合約中進行本地 AI 推理）, 通常是序列化器。

· 一旦序列化器收到一定數量的交易，它將它們作為一個批次發布到 L1 智能合約中。

· 驗證節點將從 L1 智能合約中讀取這些交易，並在其本地 L2 狀態的副本上執行它們。至於 AI 推理的執行，驗證節點需要從模型 DA 中下載模型，並在 opML 引擎中進行 AI 推理。

· 處理完畢後，將在本地生成一個新的 L2 狀態，並將此新狀態根發布到 L1 智能合約中。（請注意，這個驗證節點也可以是序列化器。）

· 然後，所有其他驗證節點將在其本地副本上處理相同的交易。

· 他們將把其生成的 L2 狀態根與發布到 L1 智能合約的原始狀態根進行比較。

· 如果其中一個驗證節點的 L2 狀態根與發布到 L1 的狀態根不同，則它可以在 L1 上開始挑戰。

· 挑戰將要求挑戰者和發布原始狀態根的驗證節點輪流證明正確的狀態根應該是什麼。這個挑戰過程也被稱為欺詐證明。Axonum 的欺詐證明包括 L2 狀態轉換的欺詐證明和 opML 的欺詐證明。

· 無論哪個用戶輸掉挑戰，都會被削減其初始存款（賭注）。如果發布的原始 L2 狀態根無效，則將被未來的驗證節點銷毀，並且不會包含在 L2 鏈中。

欺詐證明設計

Axonum 的欺詐證明系統的核心設計原則是我們將 Geth（以太坊客戶端的 Golang 實現）和 opML 的欺詐證明過程分開。這個設計確保了一個強大而高效的欺詐證明機制。以下是欺詐證明系統和我們的分離設計的詳細介紹：

欺詐證明系統概述：

· 欺詐證明系統是 Axonum optimistic Rollup L2 上保障交易安全和完整性的關鍵組成部分。

· 它涉及驗證交易和計算，以確保檢測和解決任何惡意行為或不準確性。

欺詐證明過程分離：

Geth 欺詐證明過程：

· Geth，負責在 L2 上的以太坊客戶端，處理與交易驗證和基本協議遵從相關的欺詐證明的初始階段。

· 它驗證交易的正確性，並確保它們符合 L2 系統的規則和協議。

opML 欺詐證明過程：

· opML，與 Axonum 集成的 Optimistic 機器學習系統，負責處理與機器學習模型執行相關的更複雜的欺詐證明方面。

· 它驗證機器學習計算的正確性，並確保在 L2 框架內 AI 相關進程的完整性。

分離設計的好處：

增強效率：通過分配欺詐證明責任，我們優化了整個系統的效率。Geth 專注於交易方面，而 opML 處理 ML 特定的欺詐證明。

可擴展性：分離設計允許可擴展性，使得每個組件都可以根據其特定的處理要求獨立擴展。

靈活性：這種分離提供了靈活性，允許在不損害整個欺詐證明系統的情況下對 Geth 或 opML 組件進行升級和改進。

Axonum：以太坊的大腦

Axonum 是第一個能夠在以太坊上原生、無需信任和可驗證地啟用 AI 的 Optimistic Rollup。Axonum 利用 optimisticML 和 optimisticRollup，並引入了 AI EVM 的創新，為以太坊的 Layer 2 增添了智能。我們將 AI 鐫刻到區塊鏈中，構建一個由全球集體智慧驅動的去中心化超級計算機。

原文連結