Mạng lưới xác thực tin cậy siêu tốc: Cấu trúc công nghệ cho sự đồng thuận suy diễn thời gian thực @helios_layer1 , @inference_labs , @EspressoSys Mạng lưới xác thực tin cậy siêu tốc được mô tả như một cấu trúc công nghệ mà trong đó kết quả suy diễn do mô hình trí tuệ nhân tạo tạo ra được coi là đối tượng của sự đồng thuận chứ không chỉ là dữ liệu đơn giản. Cấu trúc này bao gồm lớp xác thực của Inference Labs, chuyển đổi suy diễn AI thực hiện ngoài chuỗi thành các sự kiện có thể xác minh, lớp đồng thuận dựa trên danh tiếng của chuỗi khối Helios phản ánh độ chính xác và độ tin cậy trong quá khứ của các xác thực viên vào quyền đồng thuận, và lớp sắp xếp Espresso, xác định thứ tự của các sự kiện với độ trễ thấp và xác nhận nhanh chóng. Ba lớp này hoạt động trong một dòng chảy liên tục, kết nối toàn bộ quá trình từ khi kết quả suy diễn AI được tạo ra cho đến khi được ghi lại trong trạng thái đã xác nhận trên chuỗi khối. Inference Labs đảm nhận vai trò chuyển đổi quá trình suy diễn của mô hình AI thành hình thức có thể xác minh. Hệ thống này tạo ra các cam kết mật mã cho trọng số mô hình và dữ liệu đầu vào, nén quá trình thực hiện suy diễn thành chứng minh không biết và cho phép các xác thực viên bên ngoài xác minh tính hợp lệ của kết quả. Chợ Omron quản lý các công việc xác minh và phân phối chứng minh này, trong khi khung DSperse cho phép phân tách các mô hình phức tạp thành nhiều mảnh để tạo ra chứng minh song song. Kết quả suy diễn được tạo ra trong quá trình này không chỉ là giá trị đầu ra đơn giản mà còn được cấu trúc thành các sự kiện xác minh, chứa thông tin về mô hình nào và dữ liệu đầu vào nào đã được sử dụng và việc thực hiện đó đã diễn ra đúng cách. Cách tiếp cận này đặc trưng ở chỗ cho phép đánh giá riêng biệt độ tin cậy của mô hình, tính toàn vẹn của dữ liệu đầu vào và độ chính xác của quá trình thực hiện. Các sự kiện xác minh được tạo ra theo cách này được chuyển đến chuỗi khối Helios để trở thành đối tượng của sự đồng thuận. Helios sử dụng cấu trúc đồng thuận liên chuỗi dựa trên cổ phần và danh tiếng, kết hợp yếu tố danh tiếng vào phương pháp cổ phần truyền thống. Ảnh hưởng của phiếu bầu của các xác thực viên không chỉ được xác định bởi kích thước cổ phần mà còn được điều chỉnh bởi điểm danh tiếng phản ánh thời gian hoạt động trên nhiều chuỗi, độ chính xác xác minh trong quá khứ, thành tích xác minh dữ liệu bên ngoài và lịch sử bị cắt giảm. Do đó, các xác thực viên đã lặp lại các phán đoán chính xác trong quá khứ sẽ có ảnh hưởng lớn hơn, nhưng đồng thời sẽ phải chịu tổn thất danh tiếng lớn hơn và thiệt hại kinh tế nếu phê duyệt suy diễn sai. Cấu trúc này hoạt động như một cơ chế để ngăn chặn tình huống mà các suy diễn AI sai lầm về mặt logic được phê duyệt lặp đi lặp lại. Các sự kiện suy diễn đã được xác thực bởi các xác thực viên Helios sẽ được sắp xếp và xác nhận cuối cùng thông qua Espresso. Espresso sắp xếp các sự kiện xảy ra trên nhiều hệ thống theo thứ tự nhất quán thông qua cấu trúc bộ chia sẻ và cung cấp tính xác nhận khoảng 2 giây dựa trên sự đồng thuận chịu lỗi Byzantine. Trong quá trình này, các sự kiện suy diễn có tính cấp bách cao có thể được xử lý ưu tiên, và nhiều sự kiện liên quan có thể được xử lý theo nhóm để xác nhận hiệu quả. Ngoài ra, việc cấp phát thứ tự quyết định giúp giảm thiểu khả năng sai lệch hoặc thao túng thứ tự có thể xảy ra trong dòng chảy quyết định của AI. Kết quả suy diễn đã được xác nhận này sẽ được ghi lại như một phần của trạng thái chuỗi khối và có thể được sử dụng cho việc thực hiện hợp đồng thông minh sau này hoặc tương tác với các chuỗi khác. Tổng hợp toàn bộ quy trình, mô hình AI tạo ra suy diễn ngoài chuỗi, Inference Labs chuyển đổi nó thành các sự kiện có thể xác minh, sự đồng thuận dựa trên danh tiếng của Helios đánh giá độ chính xác của nó, và Espresso nhanh chóng xác định thứ tự và xác nhận, tạo thành một lớp tin cậy liên tục. Mạng lưới này phân mở rộng đối tượng của sự đồng thuận từ việc chuyển trạng thái đơn giản sang độ chính xác của thực thi logic, phân biệt với sự đồng thuận chuỗi khối truyền thống và được mô tả như một cấu trúc công nghệ đáp ứng đồng thời tính xác minh mà dịch vụ AI tập trung không thể cung cấp và tính thời gian thực mà hệ thống đồng thuận truyền thống khó có thể đạt được. Vì lý do này, mạng lưới xác thực tin cậy siêu tốc có thể được tóm tắt như một trường hợp công nghệ cụ thể để xử lý kết quả của suy diễn AI như một đối tượng đồng thuận có thể xác minh trong môi trường mà kết quả đó cần được sử dụng như một cơ sở cho phán đoán ngay lập tức. $ESP