ریسک از جایی ناشی میشود که ندانید چه کاری انجام میدهید؛ پس برای کاهش ریسک، آگاهی خودتان را بالا ببرید. - وارن بافت
پروژه GatlingX که توسط فارغالتحصیلان متخصص در یادگیری ماشین و یادگیری تقویتی از دانشگاه آکسفورد رهبری میشود، از “ماشین مجازی اتریوم مبتنی بر GPU” (GPU-EVM) رونمایی کرده است. بر اساس معیارهای سنجش داخلی، این ماشین مجازی به عنوان سریعترین ماشین مجازی اتریوم موجود شناخته میشود.
تواناییهای مقیاسپذیری بیسابقه برای بلاکچین اتریوم
GPU-EVM راهحلی برای مقیاسپذیری ماشین مجازی اتریوم است که کارایی بینظیری ارائه میدهد. این بستر به حدی قدرتمند است که امکان آموزش نسل جدیدی از هوش مصنوعی مبتنی بر یادگیری تقویتی (RL) را بر بستر خود فراهم میکند. با اجرای موازی برنامههای مختلف اتریوم، GPU-EVM به این هوش مصنوعی در کشف باگهای امنیتی قراردادهای هوشمند یاری میرساند.
ماشین مجازی اتریوم مبتنی بر GPU با استفاده از واحدهای پردازش گرافیکی (GPU) برای اجرای موازی عملیات، توان عملیاتی تراکنشها را به طور چشمگیری افزایش میدهد. تیم توسعهدهنده ادعا میکند که GPU-EVM تقریباً ۱۰۰ برابر سریعتر از ماشینهای مجازی اتریوم با کارایی بالا فعلی مانند evmone و revm عمل میکند. دلیل اصلی این برتری، توانایی ذاتی GPUها در انجام چندین عملیات به طور همزمان است که با توجه به معماری خاص آنها برای پردازش موازی بهینه شدهاند.
تیم GatlingX خاطرنشان کرد: «پردازندههای گرافیکی مدرن با هزاران هسته طراحی شدهاند و قادر به انجام چندین عملیات به طور همزمان هستند. این قابلیت آنها را برای وظایف پردازش موازی به طور استثنایی مناسب میکند. این مزیت ذاتی در معماری به GPU-EVM اجازه میدهد تا تعداد زیادی از دستورالعملهای ماشین مجازی اتریوم را به طور موازی اجرا کند و در نتیجه، سرعت و کارایی محاسبات را به طرز چشمگیری افزایش دهد.»
مقابله با چالشهای مقیاسپذیری بلاکچین
این رونمایی همزمان با رشد فزایندهی علاقه به ماشینهای مجازی اتریوم موازی است. این راهحل نوآورانه پتانسیل قابل توجهی برای رسیدگی به مسائل مقیاسپذیری بلاکچین اتریوم دارد. پیادهسازیهای سنتی ماشین مجازی اتریوم، تراکنشها را به صورت متوالی با رسیدن آنها پردازش میکنند. این روش میتواند در حجم بالای تراکنشها منجر به افزایش زمان و هزینه پردازش شود. با این حال، ماشینهای مجازی اتریوم موازیشده قادرند به طور همزمان چندین تراکنش را پردازش کنند، به شرطی که از یکدیگر مستقل باشند.
هوش مصنوعی در خدمت امنیت قراردادهای هوشمند
به گفتهی ایتو میامورا، یکی از بنیانگذاران GatlingX که با وبسایت The Block مصاحبه کرده است، GPU-EVM برای پشتیبانی از آموزش هوش مصنوعی در یک محیط شبیهسازی موازی طراحی شده است. این هوش مصنوعی برای شناسایی و استفاده از آسیبپذیریها در قراردادهای هوشمند آموزش داده میشود. فرآیند آموزش با یک بازی استراتژیک که منجر به شکست قهرمانان جهانی Go شد، تشابه دارد و یادآور سناریوی AlphaGo در اواسط دهه ۲۰۱۰ است.
میامورا افزود، این فناوری که قابل مقایسه با Isaac Gym از Nvidia و Brax از Google است، امکان شبیهسازی موازی روی GPUها را برای آموزش سریعتر یادگیری تقویتی فراهم میکند و کاربردهای گستردهای دارد.
فاز اول: زیرساخت مقیاسپذیر برای هوش مصنوعی
اولین فاز از عرضهی GPU-EVM بر ایجاد زیرساخت ماشین مجازی اتریوم مقیاسپذیر از نظر سختافزار تمرکز دارد. این زیرساخت، آموزش مدلهای هوش مصنوعی و یادگیری تقویتی را تسهیل میکند. این مدلها با عناصر مختلفی از جمله راهحلهای لایه ۲ شتابگرفته، عملیات با حداکثر ارزش قابل استخراج (MEV) و سناریوهای تست گذشتهنگر تعامل خواهند داشت.
فاز بعدی که راهاندازی آن طی یک سال آینده پیشبینی میشود، شامل ارائهی دسترسی واسط برنامهنویسی (API) برای کاربردهای محاسبات با کارایی بالا خواهد بود. هدف نهایی این پروژه، دستیابی به سطحی از امنیت در قراردادهای هوشمند و اپلیکیشنهای غیرمتمرکز (dApp) است که فراتر از تواناییهای فعلی انسان باشد.