GatlingX, проект, возглавляемый выпускниками Оксфорда, специализирующимися на машинном обучении и обучении с подкреплением, представил «GPU-EVM», который считается самой производительной доступной виртуальной машиной Ethereum (EVM), согласно оценкам внутренних тестов.
По словам команды разработчиков, GPU-EVM — это решение для масштабирования EVM, настолько производительное, что на его основе можно обучать передовые ИИ-агенты на основе обучения с подкреплением (RL). Он использует параллельное выполнение различных приложений Ethereum, чтобы помочь обучить агентов ИИ находить ошибки безопасности.
GPU-EVM использует графические процессоры (GPU) для параллельного выполнения операций, тем самым масштабируя пропускную способность транзакций. Команда утверждает, что GPU-EVM может обрабатывать задачи почти в 100 раз быстрее, чем современные высокопроизводительные EVM, включая evmone и revm. В первую очередь это связано со способностью графических процессоров выполнять несколько операций одновременно, используя свою архитектуру, которая по своей сути подходит для параллельной обработки.
«Современные графические процессоры с тысячами ядер способны выполнять несколько операций одновременно, что делает их исключительно подходящими для задач параллельной обработки. Это неотъемлемое архитектурное преимущество позволяет GPU-EVM выполнять огромное количество инструкций EVM параллельно, значительно повышая скорость и эффективность вычислений», — отметила команда GatlingX.
Это происходит на фоне быстро растущего интереса к параллельным EVM, который связан с их потенциалом решения проблем масштабируемости блокчейна. Традиционные реализации EVM обрабатывают транзакции последовательно по мере их поступления, что может привести к увеличению времени обработки и затрат при больших объемах транзакций. Однако распараллеленные EVM способны обрабатывать несколько транзакций одновременно, если они независимы друг от друга.
Источник: GatlingX
Обучение агентов ИИ обеспечению безопасности смарт-контрактов
По словам соучредителя Эйто Миямуры, который беседовал с The Block, GPU-EVM предназначен для поддержки обучения агентов ИИ в среде параллельного моделирования. Этих агентов обучают обнаруживать и использовать уязвимости в смарт-контрактах. Этот процесс команда сравнивает со стратегическим игровым процессом, участвующим в победе над чемпионами мира по го, напоминающим сценарий AlphaGo середины 2010-х годов.
Технология, сравнимая с технологией Nvidia Исаак Тренажерный зал и Brax от Google, обеспечивает параллельное моделирование на графических процессорах для ускоренного обучения с подкреплением и имеет широкое применение, добавил Миямура.
На начальном этапе развертывания GPU-EVM основное внимание уделяется созданию аппаратно масштабируемой инфраструктуры EVM, которая облегчает обучение моделей искусственного интеллекта и машинного обучения. Эти модели будут взаимодействовать с различными элементами, такими как ускоренные решения уровня 2, операции с максимальной извлекаемой ценностью (MEV) и сценарии бэктестинга.
Следующий этап, который ожидается в течение года, будет включать предоставление доступа к API для высокопроизводительных вычислительных приложений с конечной целью превзойти человеческие возможности в обеспечении безопасности смарт-контрактов и децентрализованных приложений.
