將 AI+ 區(qū)塊鏈概念落地的 Cortex將如何賦能 DeFi

區(qū)塊鏈與人工智能的結(jié)合會(huì)產(chǎn)生什么樣的化學(xué)反應(yīng)？AI 智能合約、AI DApp 將給去中心化世界帶來前所未有的能力。智能合約將可以處理更多樣、更模糊的輸入，并給出更智能的輸出。公鏈項(xiàng)目 Cortex 正在嘗試鏈上 AI 推斷、在智能合約里引入人工智能，以此來改變?nèi)斯ぶ悄苣Ｐ捅淮蠊緣艛嗟母窬帧?/p>

人工智能和區(qū)塊鏈?zhǔn)墙鼛啄甑膬纱箫L(fēng)口，一些頂尖技術(shù)團(tuán)隊(duì)試圖為兩者的結(jié)合找到可行方案，并在未來的技術(shù)生態(tài)中占據(jù)戰(zhàn)略要地。作為第一個(gè)真正實(shí)現(xiàn)鏈上 AI 推斷、在智能合約里引入人工智能的公鏈，Cortex 不僅想要擴(kuò)展智能合約的功能，也在努力改變?nèi)斯ぶ悄苣Ｐ捅淮蠊緣艛嗟木置妗?/p>

盡管區(qū)塊鏈項(xiàng)目需要各種概念和算法上的探索，但更難的其實(shí)是生態(tài)建設(shè)、代碼落地和應(yīng)用部署。目前 Cortex 主網(wǎng)已經(jīng)上線，挖礦、錢包 app、區(qū)塊瀏覽器等都已有產(chǎn)品開發(fā)上線，社區(qū)建設(shè)也日新月異。有人指出，Cortex 很多基礎(chǔ)設(shè)施來自以太坊，另一些人卻通過代碼對(duì)比發(fā)現(xiàn)，Cortex 在以太坊的基礎(chǔ)上添加了近四十萬行代碼，占代碼總量的近 40% 。

隨著越來越多的 DeFi （去中心化金融）產(chǎn)品出現(xiàn)，區(qū)塊鏈在金融領(lǐng)域的應(yīng)用成為近期的熱點(diǎn)。而 Cortex 也將 DeFi 視為當(dāng)前發(fā)力的主要方向。無論是根據(jù)用戶的行為進(jìn)行征信計(jì)算、還是通過實(shí)時(shí)數(shù)據(jù)給出投資策略，都是大數(shù)據(jù)和人工智能最有前途的應(yīng)用場(chǎng)景，Cortex 定位于 AI 與區(qū)塊鏈的嫁接，顯然更有可能在這些 DeFi 的想象空間中大顯身手。Cortex 內(nèi)嵌的激勵(lì)機(jī)制，也可能促使 AI 模型開發(fā)者上傳更多更好的模型，通過使用者的自由選擇而實(shí)現(xiàn)「AI 的民主化」。

何謂智能合約+人工智能？

目前智能合約的應(yīng)用范圍很有限，僅限于發(fā)幣融資、轉(zhuǎn)賬這些簡(jiǎn)單操作。從理論上說，圖靈完備的智能合約能夠進(jìn)行各種形式的運(yùn)算，也就可以實(shí)現(xiàn)一切計(jì)算機(jī)的功能。但理論與實(shí)際之間存在一道鴻溝，今天我們能看到的智能合約的最復(fù)雜應(yīng)用，也就是博彩游戲、資金盤之類的算法游戲，還有一些簡(jiǎn)單的金融應(yīng)用。

Cortex 試圖為區(qū)塊鏈的智能合約賦予更高級(jí)的應(yīng)用。在這個(gè)去中心化的人工智能平臺(tái)上，開發(fā)者可以將 AI 模型存儲(chǔ)至區(qū)塊鏈并寫入智能合約中，以達(dá)到鏈上的模型推斷共識(shí)。在 Cortex 鏈上，開發(fā)者可以開發(fā) AI 智能合約，在機(jī)器學(xué)習(xí)的推斷過程引入合約，從而得到區(qū)塊鏈之外的值——比如用戶上傳的圖片到底是貓還是狗。

在需要判斷一張圖片里的動(dòng)物是貓還是狗的時(shí)候，智能合約無需借助預(yù)言機(jī)等鏈下網(wǎng)絡(luò)的幫助，可以直接調(diào)用機(jī)器學(xué)習(xí)模型進(jìn)行推斷，這就提高了執(zhí)行的效率。有了人工智能的幫助，基于區(qū)塊鏈的電商平臺(tái)也能針對(duì)顧客的瀏覽歷史，進(jìn)行個(gè)性化的商品推薦，而物聯(lián)網(wǎng)網(wǎng)絡(luò)，則有可能在智能家居產(chǎn)品中集成類似 siri 的語音響應(yīng)系統(tǒng)。智能合約，可說是真正擁有了智能。

盡管人工智能已是媒體熱詞，但其內(nèi)涵一直在演變。一般來說，人工智能是指通過技術(shù)手段，使機(jī)器能夠表現(xiàn)出類似人類的智能。在半個(gè)多世紀(jì)的發(fā)展歷程中，研究者提出過各種各樣的實(shí)現(xiàn)方案，目前最主流的方案是機(jī)器學(xué)習(xí)。機(jī)器學(xué)習(xí)是指使用大量數(shù)據(jù)訓(xùn)練一個(gè)數(shù)學(xué)模型，使其不斷改進(jìn)，最終得到一個(gè)較為成熟的模型。使用數(shù)據(jù)集改進(jìn)模型的過程稱為「訓(xùn)練」，而使用實(shí)驗(yàn)數(shù)據(jù)集根據(jù)模型得到可用的輸出的過程稱為「推斷」。

Cortex 的目標(biāo)是提供 AI 模型的訓(xùn)練與推斷全套解決方案。由于 PoW 算法計(jì)算過程和驗(yàn)證過程是非對(duì)稱性，而 AI 訓(xùn)練的過程和驗(yàn)證工作量的過程是對(duì)稱性，這種本質(zhì)上的差別導(dǎo)致了 AI 訓(xùn)練環(huán)節(jié)注定無法上鏈，和 PoW 相結(jié)合。Cortex 則選擇了將 AI 推斷的過程上鏈，包括模型的上傳、存儲(chǔ)、調(diào)用并進(jìn)行推斷。訓(xùn)練過程將在鏈下進(jìn)行。

基于以太坊的多項(xiàng)創(chuàng)新：CVM 虛擬機(jī)、專用模型表示工具、確定性的推斷引擎……

Cortex 的智能合約使用了以太坊的 Solidity 語言，并在 EVM 的基礎(chǔ)上改造出了 CVM ，加入了「推斷」指令，便于調(diào)用 AI 模型進(jìn)行推斷。其智能合約系統(tǒng)向后兼容以太坊的智能合約，所以以太坊的 DApp 開發(fā)者可以將其開發(fā)的應(yīng)用無縫切換到 Cortex 鏈上。

不過，Cortex 絕不僅僅是以太坊的簡(jiǎn)單升級(jí)。想一想，將計(jì)算資源消耗極大的 AI 搬上區(qū)塊鏈，要解決的難題相當(dāng)多且棘手。除了 CVM，基于 MXNet 做的模型量化以實(shí)現(xiàn)鏈上推斷的確定性，這部分研發(fā)成果，應(yīng)該說是 Cortex 的開創(chuàng)性貢獻(xiàn)。

由于 Cortex 鏈上不承擔(dān)訓(xùn)練模型的任務(wù)，所以用戶需要將模型通過 CVM 解析成字符串，與參數(shù)一起打包上傳到存儲(chǔ)層。Cortex 的存儲(chǔ)層并不在區(qū)塊鏈上，而是使用了一種 P2P 的存儲(chǔ)協(xié)議 Libtorrent，以實(shí)現(xiàn)高效存儲(chǔ)更多的模型與數(shù)據(jù)。上傳到存儲(chǔ)層后，將生產(chǎn)一個(gè)模型的哈希值放到鏈上，供使用者調(diào)用。

有了模型之后，智能合約就可以通過「推斷」指令調(diào)用 AI 模型。Cortex 的 AI 智能合約執(zhí)行過程與普通智能合約類似，也需要全網(wǎng)的全節(jié)點(diǎn)對(duì)智能合約運(yùn)行一遍，并對(duì)運(yùn)行結(jié)果進(jìn)行共識(shí)。但由于這個(gè)過程中涉及到 AI 模型推斷，因此步驟有所增加。節(jié)點(diǎn)進(jìn)行推斷時(shí)，需要從存儲(chǔ)層中索引到對(duì)應(yīng)的 AI 模型，下載模型字符串及參數(shù)，將字符串通過 Cortex 模型表示工具轉(zhuǎn)換為 CVM 執(zhí)行碼，再在 CVM 中進(jìn)行推斷。Cortex 的模型表示工具是一套開放而靈活的標(biāo)準(zhǔn)。使用不同深度學(xué)習(xí)框架的用戶可以在框架之間遷移自己的模型，大大提高了使用的便捷。

對(duì)于區(qū)塊鏈來說，現(xiàn)有的機(jī)器學(xué)習(xí)模型與數(shù)據(jù)集在存儲(chǔ)與計(jì)算資源消耗方面都顯得過于龐大，將現(xiàn)有數(shù)據(jù)模型直接搬到鏈上將大大降低區(qū)塊鏈的效率。并且，在中心化場(chǎng)景下，由于 GPU 并行計(jì)算的大量應(yīng)用，對(duì)模型推斷過程并沒有太高的確定性要求。對(duì)于區(qū)塊鏈來說，缺乏確定性往往意味著不同節(jié)點(diǎn)的執(zhí)行結(jié)果無法完全一致，會(huì)不能通過共識(shí)過程。針對(duì)這些問題，Cortex 提出了系統(tǒng)的解決方案。

首先，將 AI 模型存入鏈上之前 Cortex 會(huì)對(duì)其進(jìn)行量化與壓縮。量化，是指合理地降低變量的精度，使其占用盡量少的存儲(chǔ)空間，比如將浮點(diǎn)數(shù)變量簡(jiǎn)化為占用 2 比特的整形變量。這對(duì)模型的讀取和執(zhí)行的效率與成本都有極大改進(jìn)。壓縮，是指在保持模型精度的前提下盡可能減少模型對(duì)內(nèi)存的需求。這些處理將大大減小模型對(duì)存儲(chǔ)的需求，相應(yīng)地能緩解傳輸、執(zhí)行過程中對(duì)帶寬和內(nèi)存的壓力。

為了實(shí)現(xiàn)模型的轉(zhuǎn)換，Cortex 開發(fā)了專用的模型表示工具（MRT）。使用 MRT，目前可以將 MXnet 框架訓(xùn)練得到的浮點(diǎn)數(shù)模型轉(zhuǎn)化為整形模型，后續(xù)會(huì)支持更多種模型框架訓(xùn)練的模型進(jìn)行轉(zhuǎn)換。轉(zhuǎn)換過程中去除了浮點(diǎn)數(shù)，在節(jié)省計(jì)算與存儲(chǔ)資源的同時(shí)也為執(zhí)行的確定性提供了先決條件。原本在 nnvm 上執(zhí)行的模型在經(jīng)過 MRT 轉(zhuǎn)換后將可以在 CVM 上執(zhí)行。Cortex 團(tuán)隊(duì)對(duì) 9 個(gè)轉(zhuǎn)換后的模型進(jìn)行了測(cè)試，與未轉(zhuǎn)換的模型相比，平均準(zhǔn)確度損失不足 2% 。

除了對(duì)模型進(jìn)行量化和壓縮，Cortex 還開發(fā)了確定性的 AI 推斷引擎—— Synapse 。這也是為了適應(yīng)區(qū)塊鏈這個(gè)特定的運(yùn)行場(chǎng)景而進(jìn)行的一項(xiàng)創(chuàng)新。Cortex 智能合約內(nèi)的推斷需要借助網(wǎng)絡(luò)內(nèi)的全節(jié)點(diǎn)執(zhí)行，并對(duì)結(jié)果進(jìn)行共識(shí)。不同節(jié)點(diǎn)的硬件、軟件環(huán)境都可能不同，而且現(xiàn)代 AI 推斷引擎需要借助大量 GPU 并行計(jì)算提高運(yùn)行效率。異構(gòu)運(yùn)行環(huán)境和對(duì)執(zhí)行順序要求不高的執(zhí)行方式都會(huì)增加結(jié)果的不確定性，但區(qū)塊鏈無法容忍不確定性，即使執(zhí)行結(jié)果有細(xì)微的不同也無法通過區(qū)塊鏈的共識(shí)。Synapse 的 AI 推斷執(zhí)行過程同樣借助 GPU 并行計(jì)算進(jìn)行加速，但子例程的執(zhí)行是確定的、可驗(yàn)證的。

從以上的介紹可以發(fā)現(xiàn)，雖然很多組件繼承自以太坊，但為了兼容 AI 模型，Cortex 做了大量改進(jìn)。 比如 CVM 除了加入推斷指令外，還集成了確定性推斷引擎 Synapse。根據(jù)對(duì) CortexTheseus 與 go-ethereum 代碼的對(duì)比可以發(fā)現(xiàn)，Cortex 在以太坊的基礎(chǔ)上添加了近四十萬行代碼，占代碼總量的近 40% 。Cortex 整體代碼注釋率約 22% ，注釋率較高。而以太坊 geth 客戶端注釋率約為 14% ，用于深度學(xué)習(xí)的 MXNet 框架的注釋率約為 29% 。完善的注釋會(huì)提高代碼的可讀性，為代碼的審核、修改與維護(hù)提供方便。

為了保證算力的分散，Cortex 使用 Cuckoo Cycle PoW 共識(shí)機(jī)制。這是目前最能抵抗 ASIC 的 PoW 共識(shí)機(jī)制之一。由于對(duì)內(nèi)存要求很高，所以 ASIC 芯片對(duì)哈希算法的加速并不會(huì)產(chǎn)生太大的優(yōu)勢(shì)，這樣確保了算力不會(huì)過于集中，普通人也可以參與挖礦。目前 Cortex 網(wǎng)絡(luò)的出塊時(shí)間約為 15 秒，區(qū)塊獎(jiǎng)勵(lì)為 7 CTXC。

助力和激勵(lì) AI 模型開發(fā)者

除了對(duì)模型存儲(chǔ)和使用過程的優(yōu)化，Cortex 的另一個(gè)亮點(diǎn)在于對(duì) AI 模型開發(fā)者的激勵(lì)。Cortex 會(huì)自帶一個(gè) AI 模型平臺(tái)，所有上傳的模型將會(huì)在平臺(tái)上進(jìn)行排名。排名高的模型單次調(diào)用得到的收益也會(huì)更多。這能更好地激勵(lì)開發(fā)者向平臺(tái)上貢獻(xiàn)更多更好的模型。

這里需要提到 Cortex 的費(fèi)用系統(tǒng)，這一系統(tǒng)也是以以太坊的 GAS 為基礎(chǔ)。用戶使用智能合約需要依據(jù)智能合約消耗的系統(tǒng)資源給礦工付費(fèi)。不同之處在于，Cortex 中產(chǎn)生的轉(zhuǎn)賬費(fèi)用除了支付給礦工之外，還有一部分會(huì)分給合約所使用 AI 模型的擁有者。排名高的模型會(huì)得到更多的獎(jiǎng)勵(lì)，這種設(shè)計(jì)意在激勵(lì)更多開發(fā)者上傳更多高質(zhì)量的模型，豐富 Cortex 的模型生態(tài)。Cortex 生態(tài)內(nèi)的費(fèi)用單位為胺多酚（Endorphin），每一單位的胺多酚與 CTXC （Cortex 代幣）的價(jià)格比率將由市場(chǎng)動(dòng)態(tài)決定。

目前 Cortex 主網(wǎng)已經(jīng)上線，由于繼承了以太坊 geth 的基礎(chǔ)架構(gòu)，所以很多以太坊的開發(fā)工具稍加改動(dòng)也可以供 Cortex 開發(fā)者使用，如 Remix IDE 。目前，錢包客戶端、區(qū)塊瀏覽器等組件已經(jīng)可以使用，項(xiàng)目的主要代碼也已完全開源。從瀏覽器中可以發(fā)現(xiàn)，Cortex 網(wǎng)絡(luò)運(yùn)行良好，目前有 27 個(gè) AI 模型可以使用。

Cortex 在應(yīng)用領(lǐng)域的首選發(fā)力點(diǎn)，將是當(dāng)下火熱的 DeFi 方向。金融領(lǐng)域本來就是大數(shù)據(jù)、AI 模型重要的應(yīng)用場(chǎng)合。無論是根據(jù)用戶的行為進(jìn)行征信計(jì)算、還是通過實(shí)時(shí)數(shù)據(jù)給出投資策略，都將是 Defi 領(lǐng)域 AI DApp 大顯身手的機(jī)會(huì)。區(qū)塊鏈天生的數(shù)據(jù)透明屬性將為模型提供真實(shí)可信的數(shù)據(jù)集，模型的優(yōu)劣將通過推斷結(jié)果的準(zhǔn)確性被公之于眾。而金融應(yīng)用的吸金效應(yīng)也將為優(yōu)秀模型的訓(xùn)練者提供足量的經(jīng)濟(jì)激勵(lì)。

AI 智能合約、AI DApp 將給去中心化世界帶來前所未有的能力。智能合約將可以處理更多樣、更模糊的輸入，并給出更智能的輸出。推薦系統(tǒng)、搜索引擎、模式識(shí)別都有了去中心化的可能。雖然 AI 區(qū)塊鏈還面臨著數(shù)據(jù)隱私、執(zhí)行效率等各種各樣的問題，但 Cortex 的嘗試已經(jīng)邁出了最難的第一步，區(qū)塊鏈的未來從此有了更大的想象空間。