Oggi continuiamo il nostro speciale sull'AI, abbiamo già parlato di diversi progetti AI. Iniziamo con una panoramica: il primo è AGIX, una buona piattaforma AI; poi c'è TAO, che è focalizzato nel campo del ML e sta facendo un buon lavoro, il team lavora instancabilmente; poi FET, che credo abbia una posizione piuttosto confusa, abbastanza mediocre; e poi NMR, un nuovo modello di gestione di un hedge fund molto interessante; infine Unibot, un progetto Telegram simile a MASK, se si confronta con MASK a 270 milioni, e ora è a 330 milioni, ma dato che Telegram ha più utenti di Twitter, è normale che ci sia una differenza di miliardi. Tornando al punto, il progetto di cui parliamo oggi è una piattaforma di machine learning, vale a dire
Cortex-CTXC, attualmente il suo valore di mercato è relativamente basso, solo 30 milioni di dollari, classificato oltre il 380+, quindi se ha molto potenziale, aumentare di 10 volte a 300 milioni di dollari è una cosa molto semplice, giusto? Aumentare di 100 volte a 3 miliardi di dollari è un progetto con molto spazio per l'immaginazione.
1 Introduzione
La sfida attuale nell'eseguire programmi di machine learning su blockchain tradizionale è che l'efficienza della macchina virtuale è estremamente bassa quando si eseguono modelli di machine learning significativi. Pertanto, la maggior parte delle persone ritiene che eseguire AI su blockchain sia impossibile.
L'obiettivo di Cortex è costruire un vero sistema di intelligenza artificiale autonomo decentralizzato, fornendo i modelli di machine learning più avanzati sulla blockchain, permettendo agli utenti di utilizzare i contratti intelligenti sulla blockchain di Cortex per inferire tali modelli. Uno degli obiettivi di Cortex è anche realizzare una piattaforma di machine learning che consenta agli utenti di pubblicare compiti e inviare DApps AI.
Il progetto Cortex estende il set di istruzioni di base dei contratti intelligenti e migliora il livello di archiviazione, fornendo supporto agli algoritmi di intelligenza artificiale per i contratti intelligenti, consentendo a chiunque di aggiungere capacità di intelligenza artificiale ai contratti intelligenti. Allo stesso tempo, Cortex ha anche proposto un meccanismo di incentivazione per la collaborazione collettiva, che permette a chiunque di presentare e ottimizzare modelli su Cortex, e i contributori dei modelli possono ricevere ricompense.
Il progetto Cortex fa un ulteriore passo avanti rispetto a Ethereum, rompendo le barriere tra i sistemi blockchain e l'intelligenza artificiale, introducendo funzioni senza precedenti come la classificazione, la previsione e la generazione di modelli AI nei sistemi blockchain. Maggiori progressi portano a maggiori sfide; per affrontare il carico di applicazioni di intelligenza artificiale nei sistemi blockchain in termini di calcolo, archiviazione e rete, Cortex ha proposto una serie di soluzioni per affrontare questi problemi:
• Realizzazione della tecnologia di conversione del modello MRT, per quantizzare i modelli AI tradizionali;
• Proporre la macchina virtuale Cortex CVM per implementare il calcolo di inferenza AI on-chain;
• Introduzione del sistema di archiviazione di file TorrentFS P2P per risolvere i problemi di archiviazione dei modelli e dei dati AI;
D'altra parte, poiché la tecnologia AI richiede grandi quantità di dati e potenza di calcolo, e questi due hanno un effetto di concentrazione principalmente nelle mani delle grandi aziende, si prevede che nel prossimo futuro si verificherà una tendenza monopolistica già in fase embrionale. A tal fine, il sistema Cortex offre un mercato decentralizzato di modelli AI, consentendo agli utenti di condividere modelli AI e trarne profitto, permettendo a più persone di godere liberamente della potenza della tecnologia AI.
Architettura a 2 core
Per costruire una blockchain pubblica più completa a supporto dei modelli AI, Cortex 2.0 deve ottimizzare sia l'inferenza dei modelli AI che la blockchain stessa. Da un lato, è necessario garantire la correttezza e la completezza funzionale dell'esecuzione dei modelli AI sulla chain; dall'altro lato, è necessario ottimizzare il consenso e le prestazioni della chain di Cortex esistente. L'architettura principale di Cortex 2.0 è illustrata nella figura 1, includendo le seguenti aree di progresso tecnologico:
1. Verifica formale: attraverso il provatore Z3 [10] completare la formalizzazione e la verifica di correttezza degli operatori AI, garantendo che tutti i nodi nel sistema Cortex mantengano risultati di inferenza AI coerenti e corretti.
2. Libreria di operatori AI: perfezionare ulteriormente la libreria di operatori di base dei modelli AI supportati da Cortex, affinché Cortex possa realizzare più lavori di inferenza AI.
3. Algoritmo di consenso: progettazione dell'algoritmo di prova di lavoro RandomAI per migliorare ulteriormente il grado di decentralizzazione di Cortex.
4. Miglioramento delle prestazioni: attraverso la tecnologia di prova a conoscenza zero, realizzare gradualmente il raggruppamento delle transazioni, dei contratti intelligenti e delle inferenze AI, migliorando le prestazioni della chain principale di Cortex.
Verifica formale 2.1: Z3Prover
Poiché l'esecuzione delle istruzioni e i risultati di calcolo nella macchina virtuale dei contratti intelligenti sulla blockchain appartengono al meccanismo di consenso, ciò richiede che le operazioni delle istruzioni nella macchina virtuale siano deterministiche e riproducibili. Cortex 1.0 ha integrato l'operazione di inferenza del modello AI come un'istruzione di base (INFER | INFERARRAY) nel motore di esecuzione della macchina virtuale (CVM), da cui derivano due importanti caratteristiche che l'operazione di inferenza AI sulla blockchain dovrebbe possedere: determinismo e riproducibilità.
Motore di inferenza AI on-chain 2.2: libreria di operatori più completa
Il progetto CVM Runtime definisce una serie di insiemi di operatori e le loro implementazioni, fornendo una rigorosa descrizione matematica che definisce che gli operatori, dati degli input, producono risultati deterministici secondo la logica di calcolo degli operatori. Gli insiemi di operatori supportati fanno riferimento alle architetture dei principali framework di deep learning esistenti, combinando le strutture di rete coinvolte nei modelli AI comuni, includendo operatori necessari come convoluzione, connessione completa, funzioni di attivazione, ecc. Attualmente, il framework di esecuzione dei modelli CVM sviluppato da Cortex Labs può supportare attività di ricerca sulla visione artificiale CV come la classificazione delle immagini e il riconoscimento degli oggetti, oltre a alcune attività di elaborazione del linguaggio naturale NLP.
Prova di lavoro equa 2.3: RandomAI
Fino ad ora, l'idea di un voto per dispositivo nella comunità delle criptovalute non è stata realizzata. La ragione è che il design speciale degli ASIC ha notevolmente aumentato il rapporto di accelerazione del calcolo. La comunità e il mondo accademico hanno esplorato molti algoritmi per colmare i colli di bottiglia della memoria, rendendo l'estrazione GPU e CPU più amichevole, senza la necessità di spendere enormi somme per acquistare attrezzature di mining specializzate. Negli ultimi anni, i risultati delle pratiche della comunità hanno dimostrato che gli algoritmi di Ethereum Dagger-Hashimoto e Zcash Equihash sono pratiche di successo del principio di priorità per GPU.
La chain di Cortex continuerà a seguire il principio di un dispositivo un voto, la versione 1.0 di Cortex utilizza un piano di prova di lavoro basato su CuckooCycle [18], riducendo il divario di accelerazione tra CPU e miner. Nella versione 2.0 di Cortex, verrà esaminato e progettato l'algoritmo di prova di lavoro RandomAI per garantire ulteriormente l'equità dell'algoritmo di consenso.
Espansione della chain principale 2.4: trilogia della prova a conoscenza zero
Nel campo delle blockchain, per garantire il grado di decentralizzazione e la sicurezza del sistema blockchain, i colli di bottiglia delle prestazioni hanno sempre preoccupato i ricercatori. Per migliorare le prestazioni della blockchain, attualmente ci sono principalmente soluzioni come cambio di protocollo di consenso, DAG, zkRollup, sharding, sidechain, ecc. A causa delle limitazioni del teorema CAP dei sistemi distribuiti, l'espansione diretta della blockchain sarà un compromesso, scegliendo un compromesso tra coerenza del sistema, disponibilità e persistenza. Cortex Labs ha condotto un'approfondita ricerca sui problemi di espansione, sperando di migliorare le prestazioni della rete senza sacrificare le ipotesi di sicurezza fondamentali, e ha infine scelto il piano di espansione zkRollup.
Architettura complessiva
Per servire meglio gli sviluppatori di modelli AI e gli sviluppatori di applicazioni AI, Cortex 2.0, oltre al framework centrale, offre anche componenti tecnici più ricchi, costituendo un ecosistema AI completo e aiutando gli utenti a godere meglio della comodità portata dalla blockchain AI.
Team di progetto
Attualmente sembra essere un progetto gestito da cinesi, con CEO Chen Ziqi, laureato in ingegneria civile presso Tsinghua University, successivamente ha conseguito un master presso la Carnegie Mellon University e un altro master in informatica presso l'Università della California, Santa Cruz. Ha studiato la teoria dell'apprendimento automatico e varie applicazioni di algoritmi, incluso l'algoritmo del gioco del Go, sotto la guida di David P. Helmbold, nei luoghi dove sono nati AdaBoosting e l'Online Learning. Ha lavorato come principale scienziato di ricerca presso SFTC negli Stati Uniti, occupandosi di metodi di generazione di mesh a elementi finiti per sviluppo aerospaziale e armi. Ha esperienza diretta nel settore e nell'intera industria blockchain, fondatore di Waterhole.io, esperto in mining pool, potenza di calcolo e wallet, comprendendo a fondo miner, algoritmi di consenso ed ecosistemi di blockchain pubbliche. Fornisce potenza di calcolo per criptovalute come Bitcoin, Ethereum e Zcash.
CTO, ha vinto l'ammissione diretta alla Tsinghua University nel dipartimento di ingegneria civile, conseguendo la laurea triennale e magistrale, esperto in sistemi distribuiti. Ha lavorato in Baidu e Alibaba, architetto di un motore di ricerca (so.com) e di un motore di raccomandazione con oltre 100 milioni di visualizzazioni giornaliere. Imprenditore seriale, ha ricoperto ruoli in diverse startup, coinvolto in ricerca di motori di ricerca, raccomandazione, intelligenza artificiale, fintech, ecc. La sua prima azienda, Wolong Cloud, è stata acquisita da Alibaba, poi è entrato a far parte della Beijing Machine Learning Information Technology Co., Ltd. come CTO, sviluppando sistemi come recsys, chatbot e riconoscimento di immagini mediche. Successivamente, è entrato nella startup Pony.ai per veicoli autonomi, dove ha ricevuto investimenti da Sequoia e IDG. È stato capo scienziato per il Bitcoin Fund, ricercatore blockchain, consulente in diverse aziende tecnologiche blockchain, investitore precoce in Bitcoin e Zcash, investitore nella più grande borsa di scambio Bitcoin al mondo, Bitfinex. Ha un forte interesse per il calcolo quantistico, la fusione nucleare e la neuroscienza computazionale.
Situazione di finanziamento
Quest'anno, Cortex ha ottenuto un finanziamento di 35 milioni di dollari nella serie B. Per la serie A non ho trovato informazioni.
Distribuzione dei Token
Fornitura massima 299.792.458 CTXC, tasso di circolazione 68,39%. Data di emissione iniziale 2018-04-17, prezzo di crowdfunding $0,5800, attualmente il prezzo è di 0,15 dollari, il picco più alto è stato di 2,4 dollari nel 2018. Il loro team ha preso circa il 15%, promozione e operazioni 10%, quindi circa il 25%, questa proporzione non è né troppo alta né troppo bassa.
In conclusione, i progetti blockchain AI sono ancora a un valore di mercato relativamente basso, hanno raccolto 40 milioni di dollari in finanziamenti, mentre ora il valore di mercato è di soli 30 milioni di dollari, e attualmente il prezzo è anche inferiore a quello dell'ICO del 2018. Tuttavia, si può dire che ci sia un progresso piuttosto lento. Attualmente, i progetti AI tendono ad avere un progresso lento. Dobbiamo dare un po' di tempo; almeno per ora, possiamo considerare questo come un'area di valore sottovalutato.