Dziś kontynuujemy naszą sesję AI, omówiliśmy już kilka projektów AI, najpierw przypomnijmy sobie, pierwszy to AGIX, który jest platformą AI, całkiem niezłą, następnie TAO, który koncentruje się na ML i też jest całkiem dobry, zespół nieustannie ciężko pracuje, potem FET, którego pozycja wydaje się dość niejasna, raczej przeciętna, a następnie NMR, bardzo ciekawy fundusz hedgingowy z nowym modelem zarządzania, a na koniec Unibot, projekt podobny do MASK działający na Telegramie, jeśli porównamy z MASK, który osiągnął 270 milionów, a on już ma 330 milionów, ale liczba użytkowników na Telegramie jest większa niż na Twitterze, więc w tym kontekście jest to w normalnym zakresie. Wracając do sedna, projekt, o którym dziś mówimy, to platforma uczenia maszynowego, czyli

Cortex-CTXC, obecnie jego wartość rynkowa jest stosunkowo niska, wynosi tylko 30 milionów dolarów, a jego pozycja to 380+, więc jeśli ma duży potencjał, to wzrost o 10 razy do 300 milionów dolarów jest bardzo prostą sprawą, prawda? Wzrost o 100 razy to już 3 miliardy dolarów, co jest projektem o dużym potencjale wyobraźni.

1 Wstęp

Obecnym wyzwaniem związanym z uruchamianiem programów uczenia maszynowego na tradycyjnych blockchainach jest to, że efektywność maszyny wirtualnej jest bardzo niska, gdy uruchamiane są jakiekolwiek istotne modele uczenia maszynowego. Dlatego większość ludzi uważa, że uruchamianie AI na blockchainie jest niemożliwe.

Celem Cortex jest stworzenie prawdziwego, zdecentralizowanego systemu autonomicznego sztucznej inteligencji, który oferuje najnowocześniejsze modele uczenia maszynowego na blockchainie, gdzie użytkownicy mogą korzystać z inteligentnych kontraktów na blockchainie Cortex do wnioskowania z tych modeli. Jednym z celów Cortex jest także stworzenie platformy uczenia maszynowego, która pozwala użytkownikom publikować zadania i zgłaszać aplikacje AI.

Projekt Cortex wprowadza wsparcie dla algorytmów sztucznej inteligencji w inteligentnych kontraktach poprzez rozszerzenie podstawowego zestawu instrukcji inteligentnych kontraktów oraz wzmocnienie warstwy przechowywania. Umożliwia to każdemu dodanie zdolności sztucznej inteligencji do inteligentnych kontraktów. Dodatkowo, Cortex proponuje mechanizm motywacyjny do współpracy zbiorowej, dzięki któremu każdy może zgłaszać i optymalizować modele na platformie Cortex, a twórcy modeli mogą otrzymywać nagrody.

Projekt Cortex idzie o krok dalej, budując na Ethereum, przełamując bariery między systemami blockchain a sztuczną inteligencją, wprowadzając bezprecedensowe funkcje klasyfikacji, prognozowania i generowania modeli AI do systemów blockchain. Większe przełomy przynoszą więcej wyzwań, a w celu radzenia sobie z obciążeniem związanym z zastosowaniami sztucznej inteligencji w systemach blockchain w zakresie obliczeń, przechowywania i sieci, Cortex zaproponował szereg rozwiązań:

• Realizacja technologii konwersji modeli MRT, aby uprościć tradycyjne modele AI;

• Zaproponować wdrożenie maszyny wirtualnej Cortex (CVM) do realizacji obliczeń wnioskowania AI na łańcuchu;

• Wprowadzenie systemu przechowywania plików TorrentFS P2P w celu rozwiązania problemów z przechowywaniem modeli i danych AI;

Z drugiej strony, ponieważ technologia AI wymaga dużych zbiorów danych i ogromnej mocy obliczeniowej, które mają efekt skupienia i są głównie w rękach dużych firm, można przewidzieć, że w niedalekiej przyszłości może powstać tendencja monopolistyczna, która już się zarysowuje. W tym celu system Cortex oferuje zdecentralizowany rynek modeli AI, gdzie użytkownicy mogą dzielić się modelami AI i czerpać zyski, co pozwala również większej liczbie osób swobodnie korzystać z siły technologii AI.

Architektura 2 rdzeniowa

Aby zbudować bardziej doskonały publiczny łańcuch wspierający modele AI, Cortex 2.0 musi zoptymalizować dwa aspekty: wnioskowanie modeli AI oraz publiczny łańcuch. Z jednej strony musi spełniać poprawność i pełną funkcjonalność wykonywania modeli AI na łańcuchu, z drugiej strony musi optymalizować aktualny łańcuch Cortex w zakresie konsensusu i wydajności. Główna architektura Cortex 2.0 przedstawia się jak na rysunku 1, obejmując następujące istotne przełomy technologiczne:

1. Formalna weryfikacja: przy użyciu Z3 Prover zakończyć formalizację i weryfikację poprawności operatorów AI, zapewniając, że wszystkie węzły w systemie Cortex mają zgodne i poprawne wyniki wnioskowania modeli AI.

2. Biblioteka operatorów AI: dalsze doskonalenie podstawowej biblioteki operatorów AI wspierających Cortex, aby umożliwić Cortexowi realizację większej liczby wniosków dotyczących modeli AI.

Algorytm konsensusu: zaprojektowanie algorytmu dowodu pracy RandomAI, aby dalej zwiększyć stopień decentralizacji Cortex.

Poprawa wydajności: dzięki technologii dowodów zerowej wiedzy stopniowo realizować pakowanie transakcji, inteligentnych kontraktów i wnioskowania AI, aby poprawić wydajność głównego łańcucha Cortex.

Formalna weryfikacja: Z3 Prover

Ponieważ wykonanie instrukcji i wyniki obliczeń w wirtualnej maszynie inteligentnych kontraktów na blockchainie są częścią mechanizmu konsensusu, wymaga to, aby operacje instrukcji w wirtualnej maszynie były deterministyczne i powtarzalne. Cortex 1.0 zintegrował operacje wnioskowania AI jako podstawową instrukcję (INFER | INFERARRAY) w silniku wykonawczym wirtualnej maszyny (CVM), co prowadzi do wnioskowania, że operacje wnioskowania AI na blockchainie muszą spełniać dwie ważne cechy: deterministyczność i powtarzalność.

Silnik wnioskowania AI na łańcuchu: bardziej rozwinięta biblioteka operatorów

W bibliotece projektowej CVM Runtime zdefiniowano szereg zbiorów operatorów i ich implementacji, a także podano ścisły opis matematyczny, określając, że operatorzy na podstawie danych wejściowych będą produkować deterministyczne wyniki według logiki obliczeniowej operatora. Zestaw obsługiwanych operatorów odnosi się do istniejących głównych architektur frameworków głębokiego uczenia, uwzględniając struktury sieci związane z powszechnie używanymi modelami AI, obejmującymi takie niezbędne zbiory operatorów jak konwolucja, pełne połączenie, funkcje aktywacji itp. Obecnie model wykonawczy CVM Runtime opracowany przez Cortex Labs jest w stanie wspierać badania nad wizją komputerową, takie jak klasyfikacja obrazów i rozpoznawanie obiektów, a także niektóre zadania przetwarzania języka naturalnego (NLP).

Sprawiedliwy dowód pracy: RandomAI

Od zawsze koncepcja jednego urządzenia, jednego głosu w społeczności kryptowalut nigdy nie została zrealizowana. Powodem tego jest specjalny projekt ASIC, który znacznie zwiększa współczynnik przyspieszenia obliczeń. Społeczność i środowisko akademickie badały wiele algorytmów ograniczających pamięć, aby uczynić wydobycie bardziej przyjaznym dla kart graficznych i CPU, bez potrzeby wydawania dużych sum na profesjonalne urządzenia do wydobycia. Ostatnie wyniki praktyki społeczności pokazują, że algorytmy Dagger-Hashimoto (Ethereum) i Equihash (Zcash) są stosunkowo udanymi przykładami algorytmów priorytetowych dla kart graficznych.

Łańcuch Cortex będzie nadal przestrzegał zasady jednego urządzenia, jednego głosu. Wersja Cortex 1.0 przyjęła algorytm dowodu pracy oparty na CuckooCycle, aby zmniejszyć różnicę w przyspieszeniu między CPU a koparkami. W wersji Cortex 2.0 zostanie zbadany i zaprojektowany algorytm dowodu pracy RandomAI, aby jeszcze bardziej zapewnić sprawiedliwość algorytmu konsensusu.

Rozszerzalność głównego łańcucha: Trylogia dowodów zerowej wiedzy

W dziedzinie blockchaina, aby zapewnić stopień decentralizacji oraz bezpieczeństwo systemu blockchain, wciąż występują problemy z wydajnością, które dręczą badaczy. Aby poprawić wydajność blockchaina, obecnie istnieje wiele rozwiązań, takich jak zmiana protokołu konsensusu, DAG, zkRollup, shardowanie, sidechainy itp. Z powodu ograniczeń teoretycznych systemów rozproszonych (teoria CAP), bezpośrednie rozszerzanie blockchaina będzie wymagało kompromisu między spójnością, dostępnością a trwałością. Cortex Labs przeprowadził dogłębną analizę problemu rozszerzalności, mając na celu poprawę wydajności sieci bez poświęcania podstawowych założeń dotyczących bezpieczeństwa i ostatecznie wybrano rozwiązanie rozszerzalności zkRollup.

Ogólna architektura

Aby lepiej służyć twórcom modeli AI oraz twórcom aplikacji AI, Cortex 2.0, oprócz rdzenia, oferuje również bardziej zróżnicowane komponenty techniczne, tworząc kompletny ekosystem AI i aplikacji, pomagając użytkownikom lepiej korzystać z wygody, jaką oferuje blockchain AI.

Zespół projektowy

Na ten moment projekt wydaje się być chińskim przedsięwzięciem, CEO Chen Ziqi, ukończył studia licencjackie na Wydziale Inżynierii Lądowej Tsinghua University, a następnie uzyskał magistra na Carnegie Mellon University i Uniwersytecie Kalifornijskim w Santa Cruz w dziedzinie inżynierii lądowej oraz informatyki. Wczesne doświadczenia obejmowały AdaBoosting i uczenie online, studiując pod okiem Davida P. Helmbolda, badając teorie uczenia maszynowego i różne zastosowania algorytmów, w tym algorytmy do gry w go. Pracował jako główny naukowiec w amerykańskiej firmie SFTC, zajmując się metodami generowania siatki w metodzie elementów skończonych, które były używane w badaniach kosmicznych i rozwoju broni. Posiada doświadczenie w e-commerce oraz pełne doświadczenie w branży blockchain, jest założycielem Waterhole.io, Beijing Suishi Technology Co., Ltd., doskonale rozumiejącym kwestie związane z kopalniami, mocą obliczeniową, portfelami i innymi usługami, głęboko zrozumiałym w zakresie koparek, algorytmów konsensusu i ekosystemu publicznych łańcuchów. Zapewnia moc obliczeniową dla Bitcoin, Ethereum, Zcash i innych kryptowalut.

CTO, fizyka i biologia, przyjęty na studia do Wydziału Informatyki Tsinghua University z wyróżnieniem, posiada stopień licencjata i magistra, ekspert w dziedzinie systemów rozproszonych. Pracował w Baidu i Alibaba, architekt wyszukiwarek (so.com) i systemów rekomendacji z dziennym ruchem przekraczającym 100 milionów. Przedsiębiorca z doświadczeniem w wielu startupach, zajmował się wyszukiwarkami, systemami rekomendacji, sztuczną inteligencją i technologią finansową. Jego pierwsza firma, Wolong Cloud, została przejęta przez Alibaba, a następnie dołączył do Beijing Machine Learning Information Technology Co., Ltd., gdzie pełnił rolę CTO, rozwijając systemy rekomendacyjne, chatboty i rozpoznawanie obrazów medycznych. Później dołączył do startupu Pony.ai zajmującego się autonomicznymi pojazdami, który uzyskał inwestycje od Sequoia i IDG w rundzie anielskiej. Był głównym naukowcem w Bitcoin Fund, badaczem blockchaina, doradcą w wielu firmach technologicznych blockchainowych, wczesnym inwestorem w Bitcoin i Zcash, inwestorem w największej na świecie giełdzie Bitcoin Bitfinex. Interesuje się obliczeniami kwantowymi, fuzją jądrową i obliczeniami neuromorficznymi.

Stan finansowania

W tym roku Cortex pozyskał 35 milionów dolarów w rundzie B. Nie udało się znaleźć informacji o rundzie A.

Przydział tokenów

Maksymalna podaż: 299,792,458 CTXC, wskaźnik obiegu: 68.39%. Data pierwszego wydania: 2018-04-17, cena crowdfundingowa: 0,5800 USD, obecna cena wynosi 0,15 USD, a najwyższa cena osiągnięta w 2018 roku wynosiła 2,4 USD. Ich zespół posiada około 15% udziałów, 10% na promocję i operacje, co oznacza około 25%, co nie jest ani za mało, ani za dużo.

Na koniec podsumujmy, że rzeczywiście projekty AI blockchain są obecnie na stosunkowo niskim poziomie wartości rynkowej, pozyskali 40 milionów dolarów finansowania, podczas gdy obecna wartość rynkowa wynosi tylko 30 milionów dolarów, a aktualna cena jest nawet niższa niż cena ICO z 2018 roku. Jednakże, jak na razie, postęp jest dosyć powolny, a obecne projekty AI generalnie również rozwijają się powoli. Potrzebują pewnego czasu, ale przynajmniej na ten moment wydaje się, że jest to obszar o niskiej wartości.