Сьогодні ми продовжуємо нашу сесію AI, ми вже обговорили кілька проектів AI, давайте спочатку підсумуємо: перший - це AGIX, він є досить непоганою AI платформою, потім - TAO, фокусуючись на ML-сфері, також досить непогано, команда неухильно працює, далі FET, я вважаю, що його позиціювання досить розмите, звичайне, потім NMR, дуже цікава концепція нового управлінського моделі хедж-фонду, і нарешті Unibot, проект Telegram, що нагадує MASK, якщо порівнювати з MASK, який має 270 мільйонів, а Unibot вже має 330 мільйонів, однак кількість користувачів у Telegram більша, тому в цьому контексті цілком нормально. Повертаючись до теми, сьогодні ми говоримо про проект, який є платформою для машинного навчання, а саме
Cortex-CTXC, наразі його ринкова капіталізація досить низька, всього 30 мільйонів доларів, займає 380+ місце, тому якщо у нього великий потенціал, то зростання в 10 разів до 300 мільйонів доларів буде досить простим, зростання в 100 разів до 3 мільярдів доларів також має величезний простір для уяви.
1 Вступ
Поточні виклики виконання програм машинного навчання на традиційних блокчейнах полягають у тому, що коли запускається будь-яка важлива модель машинного навчання, ефективність віртуальної машини надзвичайно низька. Тому більшість людей вважає, що запустити AI на блокчейні неможливо.
Мета Cortex полягає в тому, щоб створити справжню децентралізовану систему автономного штучного інтелекту, надаючи найсучасніші моделі машинного навчання на блокчейні. Користувачі можуть використовувати смарт-контракти на блокчейні Cortex для інференції цих моделей. Однією з цілей Cortex є також реалізація платформи для машинного навчання, що дозволяє користувачам розміщувати завдання і подавати AI DApps.
Проект Cortex за допомогою розширення базового інструкційного набору смарт-контрактів, вдосконалення шару зберігання та інших технологій додає підтримку алгоритмів штучного інтелекту для смарт-контрактів, що дозволяє кожному додавати можливості штучного інтелекту до смарт-контрактів. Одночасно Cortex пропонує механізм колективної співпраці, що дозволяє будь-кому подавати та оптимізувати моделі на Cortex, при цьому автори моделей можуть отримувати винагороду.
Проект Cortex на базі Ethereum пішов далі, зламуючи бар'єри між системами блокчейн та штучним інтелектом, вводячи безпрецедентні функції класифікації, прогнозування та генерації AI моделей для блокчейн-систем. Великі прориви призвели до більшої кількості викликів, щоб впоратися з навантаженням застосувань штучного інтелекту в системах блокчейн у обчисленнях, зберіганні, мережах тощо, Cortex пропонує низку рішень для їх подолання:
• Реалізація технології перетворення моделей MRT, що дозволяє фіксувати традиційні AI моделі;
• Пропозиція віртуальної машини Cortex (CVM) для реалізації інференційних обчислень AI на ланцюзі;
• Введення системи зберігання файлів TorrentFS P2P для вирішення проблем зберігання AI моделей та даних;
З іншого боку, оскільки технології AI потребують великих обсягів даних та величезної обчислювальної потужності, а ці обидва фактори мають ефект концентрації та в основному контролюються великими компаніями, можна передбачити, що в найближчому майбутньому виникне монопольна тенденція, яка вже має свої ознаки. Для цього система Cortex пропонує децентралізований ринок AI-моделей, де користувачі можуть ділитися AI-моделями та отримувати дохід, що дозволяє більшій кількості людей вільно користуватися потужностями технологій AI.
2-ядерна архітектура
Щоб побудувати більш досконалий публічний блокчейн, що підтримує AI моделі, Cortex 2.0 потрібно оптимізувати два аспекти: інференцію AI моделей та публічний блокчейн. З одного боку, потрібно забезпечити правильність виконання AI моделей на ланцюзі та повноту їх функцій; з іншого боку, потрібно оптимізувати поточний ланцюг Cortex у аспектах консенсусу та продуктивності. Основна архітектура Cortex 2.0 зображена на малюнку 1, основні технічні прориви включають:
1. Формалізоване підтвердження: за допомогою Z3-процесора [10] завершити формалізацію та перевірку правильності AI операторів, забезпечуючи, щоб всі вузли в системі Cortex підтримували узгодженість та правильність результатів інференції AI моделей.
2. Бібліотека AI операторів: подальше вдосконалення базової бібліотеки операторів AI моделей, підтримуваних Cortex, що дозволить Cortex реалізувати більше інференційних робіт AI моделей.
3. Алгоритм консенсусу: розробка алгоритму RandomAI для доказу роботи, що ще більше підвищує ступінь децентралізації Cortex.
4. Поліпшення продуктивності: завдяки технології нульових знань поступово реалізується упаковка транзакцій, смарт-контрактів та AI-інференції, що підвищує продуктивність основної ланцюга Cortex.
2.1 Формалізоване підтвердження: Z3Prover
Оскільки виконання інструкцій у віртуальній машині смарт-контрактів блокчейну та результати обчислень підпорядковуються механізму консенсусу, це вимагає, щоб інструкції у віртуальній машині були детерміністичними та відтворюваними. Cortex 1.0 інтегрує операцію інференції AI як основну інструкцію (INFER | IFNERARRAY) у виконавчий двигун віртуальної машини (CVM), що в свою чергу підкреслює дві важливі характеристики, які операції інференції AI повинні мати на блокчейні: детерміністичність та відтворюваність.
2.2 AI-інференційний двигун на ланцюзі: вдосконалена бібліотека операторів
У бібліотеці проекту CVM Runtime визначена серія наборів операторів та їх реалізацій, а також надано строгий математичний опис, що визначає, що оператори повинні виводити детерміністичні результати на основі заданого введення відповідно до логіки обчислень. Зараз підтримувані набори операторів базуються на існуючих основних архітектурах глибокого навчання, об'єднуючи мережеві структури, використовувані в звичних AI моделях, включаючи такі необхідні набори операторів, як згортка, повне з'єднання, функції активації тощо. Наразі модель виконання CVM, розроблена Cortex Labs, може підтримувати завдання комп'ютерного зору (CV), такі як класифікація зображень, розпізнавання об'єктів, а також частково завдання обробки природної мови (NLP).
2.3 Справедливість доказу роботи: RandomAI
Протягом тривалого часу ідея одного пристрою - одного голосу в криптовалютній спільноті не була реалізована. Причина полягає в тому, що специфічний дизайн ASIC значно підвищує коефіцієнт прискорення обчислень. Спільнота та академічне середовище досліджували багато алгоритмів, що усувають проблеми з пам'яттю, щоб зробити видобуток на графічних картах та ЦП більш зручним, не витрачаючи величезні кошти на професійне видобування. Останніми роками результати практики спільноти показують, що алгоритми Dagger-Hashimoto Ethereum та Equihash Zcash є досить успішними прикладами принципу пріоритету графічних карт.
Блокчейн Cortex далі дотримуватиметься принципу один пристрій - один голос, версія Cortex 1.0 використовує алгоритм доказу роботи на базі CuckooCycle [18], щоб зменшити різницю в прискоренні між CPU та майнінговими машинами. У версії Cortex 2.0 буде вивчено та розроблено алгоритм RandomAI для доказу роботи, щоб ще більше забезпечити справедливість алгоритму консенсусу.
2.4 Розширення основного ланцюга: трилогія нульових знань
У сфері блокчейнів, для забезпечення ступеня децентралізації та безпеки блокчейн-системи, проблема продуктивності завжди турбує дослідників. Для покращення продуктивності блокчейнів на даний момент основними рішеннями є зміна алгоритму консенсусу, DAG, zkRollup, шардінг, бічні ланцюги тощо. Через обмеження теорії CAP розподілених систем безпосереднє розширення блокчейну буде компромісом, що вимагає вибору між узгодженістю системи, доступністю та стійкістю. Cortex Labs провела глибоке дослідження проблеми розширення, сподіваючись покращити продуктивність мережі, не жертвуючи основними безпековими припущеннями, і в кінцевому підсумку обрала рішення zkRollup.
Загальна архітектура
Щоб краще обслуговувати розробників AI-моделей та розробників AI-додатків, Cortex 2.0, окрім основної структури, також забезпечує більш різноманітні технічні компоненти, створюючи повноцінну екосистему AI-фреймворків і додатків, що допомагає користувачам краще насолоджуватися перевагами блокчейн-технології AI.
Команда проекту
Зараз це проект китайського походження, CEO Чень Цзіцзі, бакалавр з цивільного будівництва Цінхуа, потім залишився в США, отримав ступінь магістра в галузі цивільного будівництва в Університеті Карнегі-Меллона та магістра комп'ютерних наук у Каліфорнійському університеті в Санта-Крузі. У ранні часи джерел AdaBoosting та Online Learning, навчався у Девіда П. Хелмбольда, досліджуючи теорію машинного навчання та різноманітні алгоритми, включаючи алгоритми гри в го. Раніше працював головним науковцем у компанії SFTC у США, відповідаючи за метод генерації сітки методом скінчених елементів, що використовувався в аерокосмічній та зброярській промисловості. Має досвід в електронній комерції та в усіх аспектах блокчейн-промисловості, засновник Waterhole.io Beijing Suishi Technology Co., Ltd., добре знає бізнеси майнінгу, обчислювальної потужності, гаманців тощо, має глибоке розуміння майнінгових машин, алгоритмів консенсусу та екосистеми публічних ланцюгів. Постачає обчислювальну потужність для криптовалют, таких як Bitcoin, Ethereum, Zcash.
CTO фізики та біології, зарахованого до комп'ютерного факультету Цінхуа, отримав ступінь бакалавра та магістра, експерт у сфері розподілених систем. Працював у Baidu, Alibaba, архітектор пошукової системи (so.com) та системи рекомендацій, яка щоденно обробляє понад 100 мільйонів запитів. Підприємець, що постійно займається стартапами, обіймав посади у кількох стартапах, займаючись пошуковими системами, системами рекомендацій, штучним інтелектом, фінансовими технологіями тощо. Перша компанія Wolongyun була придбана Alibaba, пізніше приєднався до Beijing Machine Learning Information Technology Co., Ltd. як CTO, розробляючи системи recsys, chatbot, медичну візуалізацію тощо, потім приєднався до стартапу Pony.ai, що займається безпілотними автомобілями, отримавши ангельське фінансування від Sequoia, IDG. Був головним науковцем у Bit Fund, дослідником блокчейну, консультантом у кількох компаніях з технологій блокчейн, раннім інвестором у Bitcoin, Zcash, інвестором в найбільшу у світі біржу Bitcoin Bitfinex. Має глибокий інтерес до квантових обчислень, термоядерного синтезу та обчислювальної нейронауки.
Ситуація з фінансуванням
Цього року Cortex отримав 35 мільйонів доларів у раунді фінансування серії B. Інформації про раунд фінансування серії A наразі немає.
Розподіл токенів
Максимальна кількість постачання 299,792,458 CTXC, рівень обігу 68,39%. Час першого випуску 2018-04-17, краудфандингова ціна $0.5800, наразі ціна монети становить 0.15 долара, під час піку у 2018 році вона становила 2.4 долара. Їх команда отримала близько 15%, 10% на просування, отже, близько 25%, це співвідношення не є занадто великим і не маленьким.
На завершення, підсумуємо: це дійсно AI-блокчейн проект, ринкова капіталізація якого поки що досить низька, вони залучили 40 мільйонів доларів, а тепер ринкова капіталізація складає лише 30 мільйонів доларів, і ціна зараз нижча за ціну ICO 2018 року, але, за попередніми оцінками, прогрес відбувається повільно. В даний час більшість AI проектів загалом просуваються повільно, тому потрібно дати певний час, адже на даний момент це справді перебуває в зоні цінового дна.