O debate sobre as perspectivas de construção de um unicórnio na borda da Blockchain e da Inteligência Artificial não é de forma alguma novo. Embora enfrentemos constantemente as conversas em torno dos numerosos projetos que finalmente colocaram a IA a serviço das necessidades de seus projetos ao longo dos últimos anos, ainda é cedo para dizer que a simbiose promissora entre essas duas tecnologias em expansão foi pelo menos resolvida.
Hoje temos Robert Vasiliev – Diretor de Inteligência Artificial do GBC.AI – respondendo às nossas perguntas sobre a vasta promessa e o estado atual da implementação de tecnologia de IA para o Blockchain.
GBC.AI é uma estrutura de otimização de blockchain onde, em um nível fundamental, aplicamos tecnologias de aprendizado profundo / máquina no próprio mecanismo de consenso.
Tal como acontece com os sistemas centralizados, os sistemas descentralizados também não são estáticos. O que significa que é impossível selecionar parâmetros estáticos para um desempenho de rede ideal. Requer ajustes constantes em tempo real, levando em consideração o estado da rede – histórico e atual. É óbvio que o conhecimento e o esforço mesmo das equipes de especialistas mais experientes não são suficientes para isso, devido à grande variabilidade do comportamento da rede.
Nossa tese principal é que o estado ideal da rede deve e pode ser controlado! Nosso objetivo é minimizar a probabilidade de queda e hack de blockchains de destino, sem perder desempenho ou o próprio fato de sua descentralização de forma alguma. Este é o grande problema fundamental que sabemos resolver.
Quanto a como nos destacamos de outros projetos – GBC.AI está trabalhando na criação e implementação de uma solução universal aplicável a várias redes de blockchain. Em outras palavras, ao invés de otimizar uma única rede, estamos criando um framework que é escalável para trabalhar com todos os blockchains, cada um. Eu caracterizaria nossa diferença fundamental na escala das tarefas que enfrentamos, se você quiser, a globalidade de nossas ambições e abordagem.
O nome do projeto GBC é coletado a partir da missão principal e da essência do projeto – Guardian of the Blockchain. Em geral, estamos criando e alimentando o objetivo de ser o “guardião da rede” que, ao analisar a história e o estado atual do sistema, ofereça valores de parâmetros que sempre manterão a rede em ótimas condições. Com relação às metas que estamos trabalhando para otimizar, destacamos:
Mas, dependendo do blockchain específico, esses alvos podem mudar.
Você sabe, há uma citação atribuída ao artista Salvador Dali, “Inteligência sem ambição é como um pássaro sem asas.” E assim, para nós, assim como para os cientistas de dados, nossa ambição é desenvolver soluções confiáveis e comprovadas com base em tecnologias de rede neural. Colocamos os dados no núcleo e nunca há o suficiente para nós! Esta é uma das principais marcas de nossa abordagem.
Com efeito, agregamos um conjunto de dados reais retirados diretamente da rede principal de blockchains de destino com um conjunto de dados sintéticos obtidos a partir de modelos de simulação que desenvolvemos com uma ampla gama de diferentes cenários de comportamento, incluindo vários cenários de ataque e matrizes.
Aqui vou corrigi-lo um pouco. Este projeto, aplicando AI em blockchain, começou há um ano e meio para nós, em dezembro de 2019 como parte da primeira implementação da abordagem para o projeto de nossos parceiros Velas para seu algoritmo de consenso AIDPOS (AI delegada prova de aposta). Percorremos todas as etapas de implementação, partindo da ampla pesquisa do próprio tema e da busca de formas de implementação do conceito declarado, finalizando com a implementação prática da abordagem desenvolvida. Além disso, pudemos testar a abordagem desenvolvida em blockchains específicos, nomeadamente os blockchains POSDAO e Solana. E aqui e ali confirmamos nossas hipóteses com resultados reais.
Definitivamente funcionou. Não vou entrar profundamente nos detalhes técnicos. Direi apenas que havia alvos correspondentes destacados com ambos, os quais otimizamos dinamicamente com base na abordagem que desenvolvemos.
Por exemplo, no caso de Solana e POSDAO, conseguimos aumentar o desempenho (transação por segundo) em mais de 20% em média, usando apenas a recomendação dos parâmetros ótimos de época para época, sem perder o objetivo de “ segurança”. Ou seja, em termos simples, ensinamos o modelo a levar em consideração a dependência mútua do conjunto-alvo de metas entre si, fortalecendo-o com a função de trade-off. O que significa que o modelo que treinamos entende que, falando grosso modo, não é inteligente reduzir o número de validadores na rede para apenas um. Claro, isso irá maximizar o desempenho, mas também tornará a rede o mais vulnerável e centralizada possível! Ele leva esses momentos em consideração e encontra uma configuração única e dinâmica de parâmetros que ganhamos em todos os alvos ao alcance! E ainda nem começamos a usar abordagens de aprendizado por reforço!
Acho que já respondi parcialmente a essas perguntas acima. Também gostaria de observar que tentamos publicar todas as nossas pesquisas e os resultados em publicações científicas mundiais de renome. A propósito, não muito tempo atrás, nosso artigo “Machine Learning View on Blockchain Parameter Adjustment” foi publicado na biblioteca digital ACM. No artigo, você pode encontrar mais detalhes técnicos do trabalho, mas em poucas palavras, antes de iniciar o processo de otimização de um blockchain de destino, conduzimos um estudo e análise aprofundados dele. Ao longo desta análise, dividimos o conjunto de parâmetros que afetam as metas objetivas em três classes principais:
Definindo realmente esses parâmetros em um blockchain específico, destacamos uma lista de funções que gerenciaremos e produzimos sua descrição matemática (pode ser segurança, desempenho, descentralização, o número de transações confirmadas, etc.). Além disso, as simulações são realizadas com base em cenários previamente desenvolvidos (vários ataques, queda de nós, etc.). Incluímos uma grande variedade de casos nessas simulações, mesmo os mais inacreditáveis ou improváveis (embora, como mostra a prática, sejam os casos mais inacreditáveis que levam ao hackeamento de blockchains), a fim de tornar a amostra o mais representativa possível. Com base neste exemplo, o módulo AI ?? é treinado, que oferece sua própria configuração única de parâmetros que podemos alterar. E fazemos isso para cada época.
- Você já sabe com quais blockchains vai trabalhar no futuro?
É muito importante que nossa abordagem seja “agnóstica de blockchain”, o que significa que podemos trabalhar em quase todos os blockchains, levando em consideração suas características individuais. Acreditamos que nossa abordagem permitirá que a indústria como um todo se desenvolva. Naturalmente, interagimos ativamente com os principais blockchains incluindo Polkadot, Cosmos, Solana, Avalanche e outros. Esperamos que, com o tempo, nossas soluções sejam apresentadas da forma mais ampla possível e abertas à interação com todas as equipes.
- Quais partes interessadas poderão utilizar o modelo de recomendação de blockchains otimizado?
GBC.AI está trabalhando para melhorar a infraestrutura de blockchain como um todo. Cada usuário de blockchain está interessado em seu funcionamento ideal, portanto, nosso produto é útil para toda a indústria. A partir do momento de implementação do modelo de recomendação na mainnet, qualquer pessoa que interaja com o blockchain utilizará nossos desenvolvimentos.
O principal público com o qual interagimos são desenvolvedores, pesquisadores, analistas, ou seja, profissionais que atuam na indústria com um conhecimento profundo da mecânica de funcionamento de blockchains.
- Em que estágio está o desenvolvimento do seu projeto agora?
Essencialmente, amos pelo estágio de pesquisa e o estágio de teste de nossas hipóteses em blockchains específicos (POSDAO e Solana). Confirmando mais de uma vez que a abordagem proposta por nós dá um aumento real confirmado. Isso nos dá o direito de afirmar que essa abordagem se mostrará bem na rede principal dessas redes. No momento estamos preparando uma série de artigos científicos, um dos quais já foi publicado, como falei acima. Na verdade, é nessa série de artigos que revelamos as sutilezas técnicas com os resultados confirmados. Nesse sentido, é claro, sempre ficamos felizes em ver nosso trabalho verificado pela comunidade profissional externa!
Recentemente, ganhamos uma bolsa da Nvidia para conduzir pesquisas de simulação que nos ajudarão a refinar ainda mais nossos modelos.
Agora estamos adaptando nossa solução para outros blockchains. Estamos formando o GBC v0.1 framework para sua implementação mais rápida em plataformas de blockchain externas e estamos negociando com equipes de blockchain no desenvolvimento de nosso produto para seu lançamento em testnets públicos.
- Fale sobre a equipe internacional do projeto.
Nossa equipe reúne profissionais de diferentes áreas, como IA, blockchain e fintech. Combinar a vasta experiência e competências de membros individuais da equipe GBC.AI nos permitiu aplicar uma nova abordagem para integrar IA ao blockchain.
A equipe do projeto é verdadeiramente internacional. Estamos sediados na Austrália e os membros de nossa equipe estão sediados na Rússia, Ucrânia, Suíça e Estados Unidos.
