نظرة عامة على تقنية Reddio: نظرة عامة على السرد من EVM المتوازي إلى الذكاء الاصطناعي

المؤلف: Wuyue ، Geek Web3

اليوم ، أصبحت تقنية blockchain أسرع وأسرع ، وأصبحت تحسين الأداء قضية رئيسية.

في المقالات السابقة –>”بالنظر إلى تحسين EVM المتوازي من Reddio”في هذه المقالة ، قمنا بإلقاء نظرة عامة على أفكار تصميم EVM المتوازية من Reddio ، وفي مقال اليوم ، سنقدم تفسيرًا أكثر تعمقًا لحلوله التقنية وسيناريوهاتها المشتركة مع الذكاء الاصطناعي.

نظرًا لأن الحل الفني لـ Reddio يعتمد CUEVM ، فهذا مشروع يستخدم GPU لتحسين كفاءة تنفيذ EVM ، سنبدأ بـ CUEVM.

نظرة عامة على CUDA

CUEVM هو مشروع يسرع EVM مع وحدات معالجة الرسومات ، والذي يحول رمز OPCODE من Ethereum EVM إلى نواة CUDA للتنفيذ المتوازي على NVIDIA GPUs.من خلال قوة الحوسبة المتوازية ل GPU ، يتم تحسين كفاءة تنفيذ تعليمات EVM.ربما يسمع مستخدمو بطاقة N كلمة Cuda –

حساب بنية الجهاز الموحدة ، والتي هي في الواقع منصة حوسبة موازية ونموذج البرمجة التي طورتها NVIDIA.يسمح للمطورين باستخدام قوة الحوسبة المتوازية ل GPU لأداء الحوسبة العامة (مثل التعدين في عمليات التشفير ، و ZK ، وما إلى ذلك) ،لا يقتصر فقط على معالجة الرسومات.

كإطار حوسبة متوازية مفتوحة ، يعد CUDA في الأساس امتدادًا للغة C/C ++ ، ويمكن أن يبدأ أي مبرمج أساسي على دراية بـ C/C ++.مفهوم مهم للغاية في CUDA هو kernel (وظيفة kernel) ، والتي هي أيضا وظيفة C ++.

ولكن على عكس وظائف C ++ العادية التي يتم تنفيذها مرة واحدة فقط ، يتم بدء بناء وظائف kernel هذه& lt ؛ & lt ؛ & lt ؛ ... & gt ؛ & gt ؛ & gt ؛عند استدعاء ، سيتم تنفيذ مؤشرات ترابط CUDA المختلفة N مرات بالتوازي.

يتم تعيين كل مؤشر ترابط من CUDA معرف مؤشر ترابط مستقل ، ويعتمد تسلسلًا هرميًا لخيط ، وتعيين مؤشرات الترابط في كتل وشبكات لتسهيل إدارة عدد كبير من مؤشرات الترابط المتوازية.من خلال برنامج التحويل البرمجي لـ NVIDIA NVCC ، يمكننا تجميع كود CUDA في برامج يمكن تشغيلها على وحدة معالجة الرسومات.

سير العمل الأساسي لـ CUEVM

بعد فهم سلسلة من المفاهيم الأساسية لـ CUDA ، يمكنك إلقاء نظرة على سير عمل CUEVM.

المدخل الرئيسي لـ CUEVM هو Run_interpreter.من حالات استخدام المشروع ، يمكننا أن نرى أن جميع المدخلات هي محتوى EVM قياسي ، وليس هناك حاجة للمطورين للمعالجة أو الترجمة وما إلى ذلك.

كما ترون في run_interpreter () ، فإنه يستدعي وظيفة kernel_evm () kernel باستخدام cuda المعرفة & lt ؛ … & gt ؛ & gt ؛كما ذكرنا أعلاه ، تسمى وظائف النواة بالتوازي في وحدة معالجة الرسومات.

سيتم استدعاء evm- & gt ؛ run () في طريقة kernel_evm ().

أخذ الإضافة opcode op_add في EVM كمثال ، يمكنك أن ترى أنه يتحول إضافة إلى CGBN_ADD.CGBN (مجموعات تعاونية أعداد كبيرة) هي مكتبة العمليات الحسابية العالية من CUDA عالية الأداء من CUDA.

هاتان الخطوتان تحويل الرمز OPCODE EVM إلى عملية CUDA.يمكن القول أن CUEVM هو أيضًا تنفيذ جميع عمليات EVM على CUDA.أخيرًا ، تقوم طريقة Run_InterPreter () بإرجاع نتيجة العملية ، أي الدولة العالمية وغيرها من المعلومات.

في هذه المرحلة ، تم تقديم منطق التشغيل الأساسي لـ CUEVM.

يتمتع CUEVM بالقدرة على معالجة المعاملات بالتوازي ، ولكن يتم استخدام الغرض من إنشاء مشروع CUEVM (أو حالات الاستخدام الرئيسية) للاختبار الغذائي:Fuzzing هي تقنية لاختبار البرامج الآلية التي تحدد الأخطاء المحتملة ومشكلات الأمان عن طريق إدخال كميات كبيرة من البيانات غير الصالحة أو غير المتوقعة أو العشوائية في البرنامج لمراقبة استجابة البرنامج.

يمكننا أن نرى أن الضباب مناسب للغاية للمعالجة الموازية.لا يتعامل CUEVM مع تعارضات المعاملات وغيرها من القضايا ، وهذا ليس هو القضية التي تهتم بها.إذا كنت ترغب في دمج CUEVM ، فأنت بحاجة أيضًا إلى التعامل مع المعاملات المتضاربة.

مقالنا السابق“بالنظر إلى تحسين EVM المتوازي من Reddio”تم تقديم آلية معالجة النزاعات التي تستخدمها Reddio في هذه المقالة ، ولن تتم مناقشتها هنا.بعد أن يقوم Reddio بفرز المعاملات مع آلية معالجة الصراع ، يمكن إرسالها إلى CUEVM.بمعنى آخر ، يمكن تقسيم آلية فرز معاملات Reddio L2 إلى جزأين: معالجة الصراع + تنفيذ موازي Cuevm.

Layer2 ، EVM متوازي ، تقاطع ثلاثي الاتجاه من الذكاء الاصطناعي

كما ذكرنا سابقًا ، فإن EVM و L2 المتوازي هما مجرد نقطة انطلاق لـ Reddio ، وستجمع خريطة الطريق المستقبلية بوضوح مع سرد الذكاء الاصطناعي.Reddio ، الذي يستخدم GPU للمعاملات المتوازية عالية السرعة ، مناسبة بشكل طبيعي لعمليات الذكاء الاصطناعى في العديد من الميزات:

• تتمتع وحدات معالجة الرسومات المعالجة المركزية القوية المتوازية بموازية وهي مناسبة لأداء العمليات التلافيفية في التعلم العميق ، والتي هي في الأساس مضاعفات مصفوفة واسعة النطاق ، ويتم تحسين وحدات معالجة الرسومات لمثل هذه المهام.

• يمكن أن يتطابق البنية الهرمية لرسائل GPU مع المراسلات بين هياكل البيانات المختلفة في حوسبة الذكاء الاصطناعى ، وتحسين كفاءة الحوسبة وإخفاء زمن انتقال الذاكرة من خلال التقديم المفرط في مؤشر الترابط وتنفيذ الاعوجاج.

• القوة الحسابية هي مؤشر رئيسي لقياس أداء الحوسبة AI.

إذن كيف نجمع بين الذكاء الاصطناعي و L2؟

نحن نعلم أنه في تصميم الهندسة المعمارية ، فإن الشبكة بأكملها ليست مجرد فئة ، ولكنها أيضًا بعض الأدوار المشابهة للمشرفين والتهمة للتحقق من المعاملات أو جمعها.في Rollup التقليدية ، تكون وظائف وسلطة هذه الأدوار الثانوية محدودة للغاية.

سوف يتبنى Reddio بنية شرح لا مركزية ، ويقدم عمال المناجم وحدة معالجة الرسومات كمؤسسة GPU.يمكن أن تتطور شبكة Reddio بأكملها من شبكة L2 بسيطة إلى شبكة شاملة L2+ AI ، والتي يمكن أن تنفذ جيدًا بعض حالات استخدام AI+ blockchain:

الشبكة التفاعلية الأساسية لوكيل الذكاء الاصطناعي

مع التطور المستمر لتكنولوجيا blockchain ، يتمتع وكيل الذكاء الاصطناعى بإمكانات كبيرة للتطبيق في شبكات blockchain.دعنا نأخذ وكيل الذكاء الاصطناعي الذي ينفذ المعاملات المالية كمثال.ومع ذلك ، من المستحيل في الأساس أن يحمل L1 أحمالًا ضخمة عند التعامل مع هذه العمليات المكثفة.

كمشروع L2 ، يمكن لـ Reddio تحسين قدرات المعالجة المتوازية بشكل كبير من خلال تسريع GPU.بالمقارنة مع L1 ، L2 ، الذي يدعم تنفيذ المعاملات المتوازية ، لديه إنتاجية أعلى ويمكن أن تتعامل بكفاءة من طلبات المعاملات عالية التردد من عدد كبير من عوامل الذكاء الاصطناعى لضمان تشغيل سلس للشبكة.

في التداول عالي التردد ، يكون لدى وكلاء الذكاء الاصطناعى متطلبات صارمة للغاية في سرعة المعاملة ووقت الاستجابة.L2 يقلل من وقت التحقق من المعاملات وتنفيذها ، وبالتالي تقليل الكمون بشكل كبير.هذا أمر بالغ الأهمية لوكلاء الذكاء الاصطناعى الذين يتطلبون استجابات في مللي ثانية.من خلال ترحيل عدد كبير من المعاملات إلى L2 ، تم تخفيف مشكلة الازدحام على الشبكة الرئيسية بشكل فعال.جعل وكلاء الذكاء الاصطناعي أكثر فعالية من حيث التكلفة.

مع استحقاق مشاريع L2 مثل Reddio ، سيلعب AI Agent دورًا أكثر أهمية في blockchain وتعزيز الابتكار في الجمع بين سيناريوهات تطبيق blockchain الأخرى مع الذكاء الاصطناعي.

سوق طاقة الحوسبة اللامركزية

في المستقبل ، سيعتمد Reddio بنية شرطة لا مركزية ، وسيستخدم عمال المناجم قوة حوسبة GPU لتحديد حقوق الفرز.

قم ببناء سوق طاقة حوسبة GPU اللامركزي لتوفير موارد الطاقة الحوسبة منخفضة التكلفة لتدريب الذكاء الاصطناعي والتفكير.من طاقة الحوسبة الصغيرة إلى الكبيرة ، من أجهزة الكمبيوتر الشخصية إلى مجموعات غرفة الكمبيوتر ، يمكن أن تنضم GPU Computing Computing لجميع المستويات إلى السوق للمساهمة في قوة الحوسبة الخاملة وكسب الأرباح. تطوير نموذج الذكاء الاصطناعي والتطبيق.

في حالات استخدام سوق طاقة الحوسبة اللامركزية ، قد لا يكون الفارز مسؤولاً بشكل أساسي عن الحوسبة المباشرة لـ AI.أما بالنسبة لقوة الحوسبة وتخصيص المهام ، فهناك وضعان:

• التخصيص المركزي من أعلى إلى أسفل.بسبب الفارز ، يمكن للقرص تعيين طلبات طاقة الحوسبة المستلمة للعقد التي تلبي الاحتياجات وتتمتع بسمعة طيبة.على الرغم من أن طريقة التوزيع هذه لها مشكلات مركزية وغير عادلة من الناحية النظرية ، إلا أن مزايا الكفاءة التي تتجلب فيها إلى حد بعيد. ، هناك قيود ضمنية ولكنها ضمان أن الخزف ليس لديه تحيز خطير للغاية.

• اختيار المهمة التلقائي من أسفل إلى أعلى.يمكن للمستخدمين أيضًا تقديم طلبات تشغيل الذكاء الاصطناعى إلى العقد التابعة لجهة خارجية ، والتي من الواضح أنها أكثر كفاءة في حقول تطبيق AI محددة من إرسالها مباشرة إلى الفارز ، ويمكنها أيضًا منع مراجعة وتحيز الخزف.بعد اكتمال الحساب ، تزامن العقدة نتائج الحساب إلى الفارز وتضعها على الرابط.

يمكننا أن نرى أنه في بنية L2 + AI ، يتمتع سوق طاقة الحوسبة بمرونة عالية للغاية ، ويمكنه جمع طاقة الحوسبة من اتجاهين لزيادة استخدام الموارد.

تفكير AI على السلسلة

في الوقت الحاضر ، فإن نضج نموذج المصدر المفتوح يكفي لتلبية الاحتياجات المتنوعة.مع توحيد خدمات التفكير الذاتي ،استكشف كيفية وضع طاقة الحوسبة على السلسلة لتحقيق الأسعار الآلية.ومع ذلك ، فإن هذا يتطلب التغلب على العديد من التحديات التقنية:

1. توزيع طلب فعال وتسجيله:يتطلب التفكير في النموذج الكبير زمن الوصول العالي وآلية توزيع الطلب الفعالة أمر بالغ الأهمية.على الرغم من أن بيانات الطلبات والاستجابات ضخمة وخاصة ، ويجب عدم تعرضها على blockchain ، فمن الضروري أيضًا العثور على توازن بين التسجيل والتحقق – على سبيل المثال ، عن طريق تخزين التجزئة.

2. التحقق من إخراج عقدة طاقة الحوسبة:هل أكملت العقدة حقًا مهام الحوسبة المطبقة؟على سبيل المثال ، تستخدم تقارير Node False نتائج حساب النماذج الصغيرة بدلاً من النماذج الكبيرة.

3. التفكير العقد الذكي: من الضروري استخدام نماذج الذكاء الاصطناعى مع العقود الذكية للحوسبة في العديد من السيناريوهات.نظرًا لأن التفكير في الذكاء الاصطناعي غير مؤكد ولا يمكن استخدامه لجميع جوانب السلسلة ، فمن المرجح أن يكون منطق DAPPs مستقبليًا خارج السلسلة والجزء الآخر هو العقود على السلسلة. المدخلات المقدمة خارج السلسلة.في النظام البيئي Ethereum ، يجب أن يواجه الجمع بين العقود الذكية التسلسل غير الفعال لـ EVM.

لكن في بنية ريدديو ، من السهل نسبيًا حلها:

1. يكون الفارز أكثر كفاءة من L1 ، ويمكن اعتباره مكافئًا لكفاءة Web2.أما بالنسبة لموقع التسجيل وطريقة الاحتفاظ بالبيانات ، فيمكن حل حلول DA الرخيصة المختلفة.

2. يمكن التحقق من نتائج حساب الذكاء الاصطناعى أخيرًا بواسطة ZKP.خاصية ZKP هي أن التحقق سريع للغاية ، لكن توليد البرهان بطيء.يحدث توليد ZKP لتكون قادرة على استخدام تسارع GPU أو TEE.

3. Solidty → CUDA → GPU الخط الرئيسي EVM هو أساس reddio.لذلك على السطح ، هذا هو أبسط سؤال لـ Reddio.تعمل Reddio حاليًا مع Eliza من AII6Z لتقديم وحداتها إلى Reddio ، وهو اتجاه يستحق الاستكشاف.

لخص

بشكل عام ، يبدو أن حقول حلول Layer2 ، وتكنولوجيا EVM المتوازية وتقنية الذكاء الاصطناعي غير ذات صلة ، لكن Reddio يجمع بذكاء هذه الحقول المبتكرة الرئيسية من خلال الاستفادة الكاملة من خصائص الحوسبة في وحدات معالجة الرسومات.

من خلال الاستفادة من خصائص الحوسبة المتوازية ل GPU ، يحسن Reddio سرعة المعاملة والكفاءة على Layer2 ، مما يعزز أداء Ethereum Layer 2.دمج تقنية الذكاء الاصطناعي في blockchain هو محاولة واعدة.يمكن أن يوفر إدخال الذكاء الاصطناعى التحليل الذكي ودعم اتخاذ القرارات للعمليات على السلسلة ، وبالتالي تحقيق تطبيقات blockchain أكثر ذكاءً وديناميكي.لقد فتح هذا التكامل عبر المجال بلا شك مسارات وفرص جديدة لتطوير الصناعة بأكملها.

ومع ذلك ، تجدر الإشارة إلى أن هذا المجال لا يزال في مراحله المبكرة ولا يزال يتطلب الكثير من الأبحاث والاستكشاف.سيكون التكرار المستمر وتحسين التكنولوجيا ، وكذلك خيال وأفعال رواد السوق ، هو القوة الدافعة الرئيسية التي تدفع هذا الابتكار نحو النضج.اتخذ Reddio خطوة مهمة وجريئة في هذا التقاطع ، ونتطلع إلى رؤية المزيد من الاختراقات والمفاجآت في مجال التكامل هذا في المستقبل.

<-style-type>