量变引起质变的效果在 AI 算法模型中已经得到了一遍又一遍的验证,从 GPT 1 到 GPT 4 的跃迁过程中,真正迭代的是在于参数量的变化,从而让 GPT 4 产生了让研究人员难以解释的智能。如果我们的野心再大一些,让 GPT、BingChat、midjourney 甚至于文心一言等等的大小模型聚集在一起,毫不夸张地说,AI 智能将会在短时间之内上升到一个全新的高度。
这种野心勃勃的设想便被称之为群体 AI,系统中每个 AI 模型之间会相互协同工作,以解决复杂问题。通俗而言,我们可以通俗理解为个人的单打独斗和团队的整体配合——单打独斗中的个人需要负责全部,而团队配合中的个人只需要负责部分。
理想总是丰满的,现实总是骨感的,想要让这些科技公司之间化干戈为玉帛,为人类发展共同做出贡献,自愿分享出自己的核心算法和数据库,这无异于是痴人说梦。
但如果,我们利用区块链技术来打破这个猜疑链呢?
而当时间快进到 2015 年,以太坊提出了智能合约的概念,尽管严格意义上来说,智能合约既不是智能也不算是合约,但这种通过提前在网络节点中持续性设置验证脚本,通过去中心化的方式来验证与维护整体网络安全的思路,让创始人第一次看见了一种新的思路来验证这个 AI 创新实验——让节点变得智能。
如果用具象化的形式去描述 HyperCycle,可以理解为,它是一个能让 AI 算法与数据进行上链的一个区块链架构,它通过去中心化的组织设计与更加高效的数据传输与安全技术,以让不同项目的 AI 算法之间既可以实现 AI 算力共享,又能保证每个 AI 算法都能得到算法运算过后该有的“奖励”。
从技术角度解释 HyperCycle,可以将其描述为一个全新的区块链架构,由 TODA/IP 和 TODA 框架、共识与声誉机制、系统监管、智能合约、MeTTa 等共同组装而成。HyperCycle 能够处理高速、大规模的链上代理与互动,例如基于人群数据量训练的人工智能算法的链上部署以及以代币经济学为驱动的互动媒体等。
借助 HyperCycle,原本相互独立且功能单一的 AI 算法模型可以相互配合,在内部执行复杂的智能算法流程,从而达到质变的效果。
为了让区块链技术适用于 AI,最核心的难题在于时间成本和数据运输成本。在传统的区块链系统中,每当发生一笔交易,所有节点都会接收到全部的交易数据、哈希参考值和区块头,这种复制式账本记录模式导致系统的记录效率和成本线性增加。
在过去的模式迭代中,有项目提出了分片管理的解决思路,将区块节点划分为不同的片段,每个片段只记录自己所负责的交易记录。这种分片模式在一定程度上解决了效率问题,但也增加了系统复杂性,进一步提高了系统运营成本。
TODA/IP 是一个基于密码学原理的安全高效的点对点网络协议,它可以让每个网络数据包有一个唯一的全局标识符,同时属于一个可以确保该数据包属于一个单一签名公钥的数据结构。
TODA/IP 在某种程度上与分片管理的底层原理很类似,但它是通过更彻底的去中心化的方法来保持系统的轻量运营和低开销——每个本地数据块负责管理自己的历史信息。
TODA/IP 的核心结构是让个人记录与他们自己的本地化账本联系起来,这使得这些记录在某种意义上成为了半自主的代理,在交易或者数据传输时,节点个体只需与与自己账本相关的、特别是涉及争议的交易进行互动。
给定一个由钱包 A 所拥有的记录 R,该记录可以通过生成一个交易请求发送给钱包 B,该请求由钱包 A 签署,然后由 B 签署,最后由一组验证者分发和签署。TODA/IP 的一个周期包括一轮交易请求和随后的验证。
在这样的交易过程中,交易验证器代替了传统模式的账本,为整个交易提供四个重要的功能:
确定交易的有效性(结构合理性和证明正确性)
防止在这个周期内两次发送同一数据包
帮助建立交易的共识证明
为 A 和 B 提供匹配的证明
为了配合 TODA 的数据架构,节点与节点之间所传输的文件格式也进行了相应的迭代。“TODA 文件”本质上是一个数字数据文件,作为元数据依附在每个文件的账本上。一个文件的内部数据和它的分类账之间的结合允许一个文件表现的像一个“唯一的数字对象”(一种 NFT,可以理解为一堆钥匙共同开一把锁,或者开锁的一部分)。
当交易发生时,涉及的每笔交易都会导致相应的记录附加到该文件的相关分类账中。这些交易记录还包含其他信息,例如参与交易的其他各方的地址。
借助于 TODA/IP 机制,原本冗杂的账务数据传输过程被优化,区块链的传输效率得以与 AI 算法相匹配。
在最早期的区块链系统中,采用的是 PoW(工作量证明)机制,每个节点必须通过计算工作来证明其参与度,以获得相应的权益。然而,PoW 机制消耗大量能源,因此出现了更轻量的 PoS 机制:网络节点可以通过拥有代币来获得确认交易的权利,而无需进行计算工作。
尽管 PoS 规避了 PoW 的能源浪费问题,但仍延续了 PoW 中的"富者更富,穷者更穷"的马太效应,即共识只能由拥有大量数据处理能力或代币的节点提供。对于想要真正共赢的节点或愿意为整个蜂群 AI 提供算力的中小模型而言,这种赢家通吃的局面显然是不利的。正因如此,声誉证明机制(PoR)应运而生。
TODA had its own consensus mechanisms, which were also great, but layering a Proof of Reputation dynamic on top of them would increase efficiency and simplify things in many use-cases.
PoR 的核心思想是将基于流动性加权等级的声誉评分作为区块链网络的共识机制。PoR 框架使用的网络节点的声誉量随着时间和互动而确定。
单个节点的声誉量是通过混合在一起的规范化评级与整体节点的声誉值来综合计算,且会随着时间动态改变。这不是简单的由其他节点直接给出的评级值。而单个节点的行为也会通过系统对应的量化公式来影响它的整体声誉值。
在此基础上,PoR 机制将会根据信誉值来确定一组负责维护热度共享状态的共识节点,并且随着时间推移,节点与节点之间的信誉值会随着互动而不断更新。在每一轮 PoR 共识机制开始时,社区需要选择共识组成员并邀请进对应的共识组,而共识组的成员将从具有最高声誉值的节点中选择。
例如,集体声誉得分超过网络总声誉值的 50% 时,会从小组中选出一个领导者,他的功能是:
将待处理交易列表中的所有有效交易打包到一个区块中
利用交易清单中交易数据来计算所有网络节点所生成的新的信誉值
向共识组广播并提交信息
PoR 机制在 AI 创新生态中的最大价值在于,不论参与者使用的是大型模型还是小型模型,只要其算法对整个集群足够有效,其将获得更高的信誉评分和回报。这将极大地吸引各类中小型 AI 模型项目方积极参与,同时也更充分地发挥了蜂群 AI 的优势。
在 HyperCycle 的整体架构中,设计最为巧妙的莫过于轻量级的“环”机制。
按照 HyperCycle 白皮书的定义,TODA/IP 网络中的节点可以被认定为“环”,每一个“环”都是一组特定的记录,并且是分层连接的。而一个 TODA/IP 系统可以持有一个环的集合,我们可以称之为“环集”。而一个最小节点就是所谓的“轻量级环”。
轻量级环最为巧妙的一部分在于——它既可以与其他环相配合形成环集去满足超大型的算力或者数据交易,而它自己本身却也能成为一个独立的生态系统。如果有一天 GPT 加入了这个蜂群 AI 之中,借助于“轻量级环” 的节点机制,它既可以作为一个全球顶尖的 AI 语言生成聊天系统独立存在,也可以把自己与集群相融合,成为某个 AI 虚拟人中语言内容生成的其中一个板块存在。
一个全新的 AI 区块链架构现在只差最后一步,即如何将各种 AI 算法模型迁移到链上。答案是:一个原生的智能合约 MeTTa。 MeTTa(Meta Type Talk)语言是在 OpenCog Hyperon AGI 项目的背景下开发的,它具有许多优秀的特性,使其成为 HyperCycle 的核心智能语言。
MeTTa 具有灵活的底层语义,如面向同类构型理论的等价处理。AI 项目方可以通过 API 接口直接调用系统来处理各种事务,这意味着在处理 TODA/IP 消息或 TODA 数据时不会进行冗余的脚本运算,从而提高运行效率。
另一方面,MeTTa 是一种基于元图重写的语言,它以统一的方式表示数据和代码,实现了高阶函数和动态类型。MeTTa 支持多范式编程,包括函数式、逻辑式、面向对象式和并发式。MeTTa 还提供了强大的类型系统,确保代码的正确性和安全性。
更重要的是,通过使用 MeTTa 的编译器,项目方可以将 MeTTa 源代码编译为最初在 Rchain 区块链开发的 rholang 语言的源代码。这使得 MeTTa 能够借助 rholang 强大的并发特性实现真正的智能。甚至可以在 MeTTa 智能合约的内部利用 tokenomics 来管理计算资源的分配。
With their new scheme, every validator in a network doesn’t need to verify that a smart contract is being run correctly, only a judiciously chosen random subset.
借助 MeTTa,无论是 AI 还是其他项目方,都可以在 HyperCycle 节点上自由运行相关的智能合约,自动管理资源分配,将工作外包给其他人,并主动促使节点之间合作解决问题。
完成这最后一步,我们的集群 AI 将真正活跃起来。
区块链与 AI 结合可以为商业和社会带来全新的价值。区块链提供了一个安全和透明的数据库,用于存储加密的数据,而 AI 则具备模拟人类思维解决问题的能力。将二者结合使用时,区块链能够提高 AI 模型所使用的数据资源的可信度和透明度,并通过将模型连接到自动化的智能合约来提高 AI 操作的速度。
此外,区块链与 AI 结合还可以实现数据和代码的统一表示,从而实现高阶函数和动态类型。这意味着 AI 能够快速而全面地读取、理解和关联数据,为基于区块链的业务网络带来新的智能化。通过利用区块链存储和分发 AI 模型,还能提供审计跟踪功能,并利用 tokenomics 来管理计算资源的分配。
综上所述,区块链与 AI 的结合不仅提升了数据和模型的可信度和透明度,也为商业和社会带来了更高效、安全和智能的解决方案。这种结合将为各行各业带来更多创新机会,并推动社会的进步。
https://wiki.opencog.org/w/File:A_Formalization_of_Hyperon_MeTTa_language_in_terms_of_metagraph_rewriting.pdf
https://wiki.opencog.org/wikihome/images/1/1 e/Basic_Atomese_Features_required.pdf
https://medium.com/singularitynet/hypercycle-the-journey-to-a-fully-ai-capable-blockchain-9d2b7431cfa1
https://medium.com/singularitydao/singularitydao-launchpad-hypercycle-token-generation-event-9eeeea17f0ce
https://medium.com/singularitynet/hypercycle-a-convergence-of-radical-technologies-c59aeb83ab3
免责声明:本文仅供研究参考,不构成任何投资建议或推荐。本文介绍的项目机制仅代表作者个人观点,与本文作者或本平台无任何利益相关。区块链和数字货币投资存在极高的市场风险、政策风险、技术风险等多种不确定因素,二级市场代币价格波动剧烈,投资者应谨慎决策,独立承担投资风险。本文作者或本平台对投资者因使用本文所提供的信息而造成的任何损失概不负责。