Contrex چیست؟
بلاک چین کورتکس (Cortex) یک سیستم مستقل هوش مصنوعی غیرمتمرکز را ارائه می دهد که مدل های هوش مصنوعی را در بلاک چین ادغام می نماید. با پیادهسازی یک پلتفرم بلاک چین سازگار با مدل هوش مصنوعی، کاربران اجازه دارند وظایف خود را ارسال کنند، مدلها را ارسال کنند، با فراخوانی قراردادهای هوشمند نتیجهگیری کنند و DAppهای هوش مصنوعی (برنامههای غیرمتمرکز هوش مصنوعی) خود را ایجاد نمایند.
سی تی اکس سی (CTXC) چیست؟
توکن سی تی اکس سی (CTXC) به عنوان کارمزد برای تراکنش ها و اجرای قراردادهای هوشمند استفاده می گردد. هنگامی که تراکنش فراخوانی می شود، هزینه های اندورفین (مشابه کارمزد گاز اتریوم) نه تنها به ماینرهایی که به بسته بندی بلوک در گره کامل کمک می کنند، اختصاص می یابد، بلکه برای پرداخت به ارائه دهندگان مدل هوش مصنوعی نیز استفاده می گردد.
1. پاداش برای ارائهدهنده مدل برخلاف بلاک چین سنتی، که در آن پاداش برای هر بلوک بستهبندی مستقیماً به ماینرها پرداخت میشود، تا به توسعهدهندگان انگیزه ارائه مدلهای غنیتر و بهتر دهند، اندورفینهایی که قرارداد را فراخوانی میکنند، تنها به استخراجکنندگانی که به بستهبندی کمک میکنند اختصاص داده نمیشود. بلوک در گره کامل، اما همچنین برای پرداخت به ارائه دهندگان مدل استفاده می شود. نسبت هزینه های دریافت شده توسط قیمت بازی در بازار، مشابه مکانیزم گاز اتریوم تعیین می شود. قراردادهای هوشمند هوش مصنوعی با حداکثر قیمت اندورفین بالاتر اولویت بیشتری برای اجرا دارند. یک بار اجرای یک قرارداد باعث می شود هزینه ای از حد اندورفین * حداکثر قیمت اندورفین به همراه داشته باشد.
2. هزینه برای ارائهدهنده مدل برای جلوگیری از ارسال و ذخیره حملات توسط متعهدین مدل - مانند ارسال خودسرانه مدلهای تقریباً غیرقابل استفاده یا ارسال مکرر همان مدل برای مصرف منابع ذخیرهسازی - هر ارسالکننده مدل باید هزینه ذخیرهسازی را بپردازد. تماسهای بیشتر برای استفاده از مدل، ارائهدهندگان میتوانند درآمد بیشتری کسب کنند، در نتیجه ارائهدهنده مدل را تشویق میکند تا مدلهای بهتری را ارائه دهد.
3. پیچیدگی مدل و هزینه اندورفین Endorphin اندازه گیری مقدار منابع محاسباتی صرف شده در سطح سخت افزار در یک ماشین مجازی هنگام آوردن یک مدل داده در قرارداد در طول استنتاج است. به طور کلی، هزینه اندورفین متناسب با اندازه مدل است. کورتکس (Cortex) همچنین یک کران بالای 8 گیگابایت را برای اندازه پارامتر مدل تعیین می کند که مربوط به حدود 2 میلیارد پارامتر Float32 می باشد.