#opg $OPG معظم مشاريع الذكاء الاصطناعي + blockchain فقط تلقي نتائج النموذج على السلسلة، لكن لا أحد يمكنه التحقق من صحة النتائج. وثيقة OpenGradient توضح التناقض الأساسي - تعتمد blockchain التقليدية على "إعادة تنفيذ كل عقدة للمعاملات" لتحقيق الإجماع، من الناحية المنطقية معالجة التحويلات لا توجد بها مشكلة، لكن عندما يتعلق الأمر باستدلال الذكاء الاصطناعي، الأمر لا يسير على ما يرام.
لماذا؟ تشغيل LLM يتطلب GPU، مما يعني أن 100 عقدة تحقق يجب أن تعمل مرة واحدة يعني تكلفة مضاعفة 100 مرة؛ مخرجات LLM تحتوي على عشوائية، والعقدة التحقق لا يمكنها ببساطة مقارنة الإجابات؛ عملية استدلال واحدة تستغرق بضع ثوانٍ، في الوقت الذي تنتهي فيه جميع العقد من التشغيل، قد تكون السلسلة قد تعطلت. استخدام الذكاء الاصطناعي كمنجم للتوقعات - تشغيل النتائج خارج السلسلة ثم إطعامها إلى السلسلة - لا يزال يمثل "مشكلة المنجم المعكوس": في النهاية، عليك أن تثق في الجهة الوحيدة التي تغذي البيانات.
حل OpenGradient: فصل التنفيذ والتحقق. تقوم عقدة الاستدلال بمعالجة الطلبات داخل TEE وتوليد دليل الأجهزة - لإثبات أن الكود لم يتم تغييره، المدخلات لم يتم العبث بها، والمخرجات لم تتعرض للتلاعب. العقد الكاملة تتحقق فقط من الدليل (عملية تشفير بحتة)، ولا تحتاج إلى معرفة الكلمات الرئيسية، النموذج أو محتوى العودة. ZKML بنفس المبدأ، لكن يتم استبداله بإثباتات المعرفة الصفرية. طبقة التحقق لا تعيد أبدًا تنفيذ حسابات الذكاء الاصطناعي، والتحقق من دليل يستغرق بضع مللي ثانية فقط.
الشبكة تتكون من أربعة أنواع من العقد: عقدة الاستدلال (تنفيذ GPU)، عقدة كاملة (التحقق من الأدلة + الإجماع CometBFT)، عقدة البيانات (TEE للحصول على بيانات خارجية)، وطبقة التخزين. متوافقة مع EVM، يمكن للمطورين استخدام Hardhat، Foundry لاستدعاء مباشرة.
إجمالي عرض OPG هو مليار قطعة، التوزيع: النظام البيئي 40%، المؤسسة 15%، المساهمون الرئيسيون 15%، المستثمرون 10%، مكافآت الرهن 10%، السيولة 6%، الإطلاق الجوي 4%. تستخدم لدفع رسوم الاستدلال، رهن العقد، تحفيز النموذج، الحكم.
المخاطر: تعتمد TEE على شركات الأجهزة، وإذا كانت هناك ثغرات فإن مصداقية الدليل ستتأثر؛ تكلفة توليد إثبات ZKML لا تزال غير مناسبة لسيناريوهات التأخير المنخفض؛ فتح مليار قطعة من الرموز على المدى الطويل قد يؤدي إلى ضغط بيع.
رأيي الشخصي: OpenGradient يعيد بناء طبقة التحقق حول احتياجات الذكاء الاصطناعي الفعلية، المنطق متماسك. لكن الأداء الفعلي يحتاج إلى التحقق من بيانات الشبكة الرئيسية، الاتجاه يستحق المتابعة.
هل يمكن لـ TEE + ZKML حل مشكلة الصندوق الأسود للذكاء الاصطناعي؟ دعونا نتحدث في قسم التعليقات. @OpenGradient
لماذا؟ تشغيل LLM يتطلب GPU، مما يعني أن 100 عقدة تحقق يجب أن تعمل مرة واحدة يعني تكلفة مضاعفة 100 مرة؛ مخرجات LLM تحتوي على عشوائية، والعقدة التحقق لا يمكنها ببساطة مقارنة الإجابات؛ عملية استدلال واحدة تستغرق بضع ثوانٍ، في الوقت الذي تنتهي فيه جميع العقد من التشغيل، قد تكون السلسلة قد تعطلت. استخدام الذكاء الاصطناعي كمنجم للتوقعات - تشغيل النتائج خارج السلسلة ثم إطعامها إلى السلسلة - لا يزال يمثل "مشكلة المنجم المعكوس": في النهاية، عليك أن تثق في الجهة الوحيدة التي تغذي البيانات.
حل OpenGradient: فصل التنفيذ والتحقق. تقوم عقدة الاستدلال بمعالجة الطلبات داخل TEE وتوليد دليل الأجهزة - لإثبات أن الكود لم يتم تغييره، المدخلات لم يتم العبث بها، والمخرجات لم تتعرض للتلاعب. العقد الكاملة تتحقق فقط من الدليل (عملية تشفير بحتة)، ولا تحتاج إلى معرفة الكلمات الرئيسية، النموذج أو محتوى العودة. ZKML بنفس المبدأ، لكن يتم استبداله بإثباتات المعرفة الصفرية. طبقة التحقق لا تعيد أبدًا تنفيذ حسابات الذكاء الاصطناعي، والتحقق من دليل يستغرق بضع مللي ثانية فقط.
الشبكة تتكون من أربعة أنواع من العقد: عقدة الاستدلال (تنفيذ GPU)، عقدة كاملة (التحقق من الأدلة + الإجماع CometBFT)، عقدة البيانات (TEE للحصول على بيانات خارجية)، وطبقة التخزين. متوافقة مع EVM، يمكن للمطورين استخدام Hardhat، Foundry لاستدعاء مباشرة.
إجمالي عرض OPG هو مليار قطعة، التوزيع: النظام البيئي 40%، المؤسسة 15%، المساهمون الرئيسيون 15%، المستثمرون 10%، مكافآت الرهن 10%، السيولة 6%، الإطلاق الجوي 4%. تستخدم لدفع رسوم الاستدلال، رهن العقد، تحفيز النموذج، الحكم.
المخاطر: تعتمد TEE على شركات الأجهزة، وإذا كانت هناك ثغرات فإن مصداقية الدليل ستتأثر؛ تكلفة توليد إثبات ZKML لا تزال غير مناسبة لسيناريوهات التأخير المنخفض؛ فتح مليار قطعة من الرموز على المدى الطويل قد يؤدي إلى ضغط بيع.
رأيي الشخصي: OpenGradient يعيد بناء طبقة التحقق حول احتياجات الذكاء الاصطناعي الفعلية، المنطق متماسك. لكن الأداء الفعلي يحتاج إلى التحقق من بيانات الشبكة الرئيسية، الاتجاه يستحق المتابعة.
هل يمكن لـ TEE + ZKML حل مشكلة الصندوق الأسود للذكاء الاصطناعي؟ دعونا نتحدث في قسم التعليقات. @OpenGradient
