GenLayer: надёжность ИИ в блокчейн-транзакциях

В блокчейн-технологиях важнее всего надёжность и стабильность. Традиционные блокчейны успешно избавились от посредников и утвердили принцип «код есть закон». Но теперь, когда к этому можно добавить ИИ, возникают новые проблемы.

Можно ли стабильно доверять результатам одной ИИ-модели, учитывая их вероятностную природу? Этот вопрос становится ещё острее в децентрализованных приложениях с высокими ставками, где без надёжности не обойтись.

Интеграция ИИ в блокчейны открывает новые возможности, но вместе с ними и новые проблемы с надёжностью. Задействовать мощь ИИ-моделей в блокчейне можно, например, с помощью проверяемых доказательств машинного обучения (Machine Learning Verifiable Proofs), таких как zkML или opML. Они ончейн проверяют инференс одной ИИ-модели. Но есть нюанс: из-за присущей таким моделям вероятностной природы полагаться на один-единственный результат рискованно. Здесь на сцену выходит подход GenLayer с множеством валидаторов.

Подробнее о подходе GenLayer с множеством валидаторов по ссылке!

Какое решение лучше?

Проверяемые доказательства машинного обучения становятся всё важнее и популярнее в Web3, поэтому в этой статье мы также сравним их с GenLayer.

Давайте разберёмся подробно!

Надёжность через механизмы контроля

Сначала вспомним, как работает механизм консенсуса GenLayer: без этого не понять сравнение ниже. Если в двух словах, в Optimistic Democracy всё устроено так: вместо того чтобы полагаться на одну ИИ-модель, GenLayer использует множество валидаторов, подключённых к LLM.

Когда пользователь отправляет транзакцию, случайно выбранный валидатор-лидер предлагает решение, а остальные валидаторы соглашаются с ним или нет, опираясь на результаты собственных ИИ-моделей. Если предложение валидатора-лидера получает консенсус большинства, транзакция исполняется.

Сравнение с проверяемыми доказательствами машинного обучения

zkML и opML относятся к криптографическим протоколам, которые доказывают, что одна ИИ-модель выдала определённый результат на заданных входных данных (этот процесс также называют инференсом). Например: «Я подал входные данные A в Llama и получил результат B». Подход GenLayer к интеграции ИИ в блокчейн-экосистему принципиально иной. Магия zkML в том, что прувер может доказать такие утверждения, скрыв от верификаторов отдельные элементы (например, «Llama»).

По сути, эти технологии проверяют в блокчейне инференс ИИ-модели.

Пример работы zkML или opML

Дело не ограничивается zk- и op-доказательствами: в эту область стремительно приходят новые технологии. Но фундаментальный подход у них один: все они дают «всего лишь» доказательство инференса. Поэтому они ещё и уязвимы для состязательных входных данных.

Дело переходит в вышестоящий суд

Разберём этот процесс на примере. Допустим, пользователь отправляет в GenLayer транзакцию, чтобы получить выплату по полису параметрического страхования, потому что его дом пострадал от наводнения. Intelligent Contract от GenLayer соберёт в вебе нужные данные. Затем валидатор-лидер (подключённый к LLM) проверит авторитетный источник вроде bbc.com, чтобы убедиться, что заявление на выплату обосновано. Остальные валидаторы проверят результат, предложенный лидером (корректна ли транзакция пользователя), и проголосуют по нему. Если предложенный лидером результат наберёт большинство, транзакция исполнится.

Пользователь или любая другая заинтересованная сторона может обжаловать результат в течение окна финальности. Тогда предложенный результат проверяет больше валидаторов, они голосуют по нему и могут отменить прежний результат или транзакцию.

Процесс апелляции в GenLayer

GenLayer добивается надёжности с помощью системы, похожей на апелляционный процесс в суде. В этой системе каждую транзакцию проверяют несколько валидаторов, поэтому решения не зависят от результата одной ИИ-модели. Такой метод не только снижает риски, связанные с вероятностными результатами, но и обеспечивает более высокую надёжность и стабильность.

Представьте, что все судебные дела решал бы единственный судья без права на апелляцию. Риск ошибочных судебных решений был бы высок. Так же и система GenLayer с множеством валидаторов допускает апелляции и повторную оценку, и валидация транзакций проходит честно и беспристрастно.

Большие языковые модели как вероятностные системы

Из-за вероятностной природы LLM полагаться на одну модель может быть проблематично. LLM вроде GPT-4 формируют ответы на основе вероятностных закономерностей, усвоенных из огромного массива обучающих данных. Если попросить модель «Назови число от 1 до 2», она предскажет вероятный ответ из усвоенного контекста, например «1,5», а не выдаст чисто случайное значение. Поэтому полагаться на результат одной модели без дополнительных валидаторов значит играть в опасную игру, особенно когда на кону транзакции или решения с высокими ставками. Что, если в нашем примере вероятность числа 1 составляет ровно 51%?

GenLayer задействует в рамках оптимистичного механизма консенсуса множество валидаторов, подключённых к ИИ, и снижает эти риски: прежде чем решение станет окончательным, с ним должны согласиться все задействованные валидаторы. Шансы, что все участвующие валидаторы «вероятностно ошибаются», очень малы. Вероятность смещается в пользу GenLayer!

Кроме того, у каждой модели есть собственный набор встроенных предубеждений, совсем как у человека. Если прогнать транзакцию через несколько моделей и объединить результаты с помощью апелляций, надёжность приложений с высокими ставками повышается. Это также снижает такие риски, как атаки с промпт-инъекциями: они могут скомпрометировать одну модель, но провернуть их против разнородного набора неизвестных моделей экспоненциально сложнее.

Доказательства ML, такие как zkML, дают сильные гарантии целостности исполнения конкретной модели, но сама эта модель может вероятностно ошибаться. GenLayer же объединяет интеллект множества разных валидаторов на базе LLM, у которых есть стимул выдавать максимально правильные результаты. Получается система, которая устойчивее к атакам и галлюцинациям и сама совершенствуется по мере того, как валидаторы настраивают свою работу и подключают более новые LLM. В будущем она сможет обращаться к другим офчейн-источникам и бесшовно подключать мультимодальные модели, опираясь на тот же механизм консенсуса, который позволяет множеству валидаторов приходить к согласию по недетерминированным данным, какими бы они ни были.

Optimistic Democracy от GenLayer позволяет подключать более новые и продвинутые ИИ-модели по мере их появления. У валидаторов есть стимул постоянно улучшать свои ИИ-конфигурации, чтобы выдавать максимально точные и надёжные результаты. Благодаря способности к самосовершенствованию GenLayer остаётся на переднем крае ИИ-технологий и сохраняет безопасность и надёжность, присущие децентрализованной системе.

Заключение

Технологии zkML и opML строго доказывают результаты одной ИИ-модели, но для приложений, которым нужны высокая точность и надёжность, этого недостаточно. Optimistic Democracy от GenLayer опирается на подход с множеством валидаторов и гарантирует, что решения принимаются на основе коллективного интеллекта.

Множество валидаторов с ИИ и устойчивый механизм консенсуса позволяют GenLayer предложить лучшее решение для интеграции ИИ в блокчейн-экосистему. С GenLayer вы можете быть уверены, что ваши транзакции обрабатывает децентрализованная система, которая бесшовно сочетает лучшее из ИИ и блокчейн-технологий.

Присоединяйтесь к нашей миссии!

Сайт | Блог | Discord | X (ранее Twitter) | Telegram | Simulator | Документация | Whitepaper