Antecedentes da Introdução do AICMP

1.1 Antecedentes do Lançamento da AICMP

Como a primeira criptomoeda descentralizada, o Bitcoin garante a segurança do livro-razão através do algoritmo de consenso Proof of Work (PoW). Na rede Bitcoin, os mineiros usam hardware especializado (como ASIC, FPGA e ocasionalmente GPU) para competir na resolução de quebra-cabeças criptográficos e validar novos blocos. Com o desenvolvimento do ecossistema do Bitcoin, a dificuldade de mineração continua a aumentar e a taxa de hash continua a crescer. Os mineiros individuais, a fim de obter uma renda mais estável, gradualmente formam pools de mineração para participar na mineração, agregando poder de computação.

No entanto, as piscinas de mineração tradicionais expuseram muitos problemas no processo de operação. Em termos de alocação de recursos, o método de alocação de participação unificada utilizado não considerou totalmente as diferenças no hardware dos mineradores, eficiência energética e condições de rede, resultando em baixa eficiência de utilização de recursos e sério desperdício de energia. Para mineradores pequenos, devido ao desempenho fraco do hardware ou aos altos custos de eletricidade, eles obtêm lucros insignificantes em grandes piscinas de mineração, enfrentando uma alta barreira de entrada, o que dificulta severamente o desenvolvimento descentralizado do ecossistema de mineração. Ao mesmo tempo, o mecanismo de cálculo de recompensa de muitas piscinas de mineração é opaco, carece de adaptabilidade em tempo real e é difícil lidar com flutuações repentinas de preços de mercado e mudanças na dificuldade de mineração, enfraquecendo ainda mais a confiança dos participantes.

A Pool de Mineração Colaborativa Impulsionada por IA (AICMP) foi projetada para lidar com essas questões. AICMP utiliza tecnologia de inteligência artificial para alocação de recursos e tomada de decisões baseada em dados, por meio de designs inovadores como alocação dinâmica de tarefas, previsão de rede e mercado, distribuição justa de lucros e otimização de aprendizado por reforço, para melhorar a eficiência de utilização de recursos de mineração, garantir retornos justos para os pequenos mineradores, melhorar a adaptabilidade das pools de mineração às mudanças de mercado e fornecer uma nova solução para o desenvolvimento sustentável do ecossistema de mineração do Bitcoin.

1.2 Visão Geral da Mineração de Bitcoin

1.2.1 Visão Geral do Protocolo Bitcoin

O modelo de segurança do Bitcoin é baseado na solução da função hash SHA-256 computacionalmente cara. A rede ajusta automaticamente a dificuldade de mineração a cada 2.016 blocos (aproximadamente a cada 2 semanas) para manter um intervalo de tempo médio de 10 minutos para gerar um novo bloco. Quando um minerador encontra um bloco válido (ou seja, um valor de hash calculado que é menor do que o alvo de dificuldade), eles receberão uma recompensa de bloco (atualmente 3,125 BTC, reduzido pela metade aproximadamente a cada quatro anos), bem como todas as taxas de transação incluídas nesse bloco. Esse mecanismo de incentivo encoraja os mineradores a continuamente atualizarem ou expandirem seu hardware para melhorar a competitividade de mineração, o que tem sido particularmente significativo desde o nascimento do Bitcoin.

1.2.2 Evolução e Modelos Comuns de Pool de Mineração

Com a dificuldade crescente da mineração de Bitcoin, os mineradores individuais têm dificuldade em obter lucros estáveis, dando origem a pools de mineração. As pools de mineração aumentam a probabilidade de encontrar blocos válidos ao agregar o poder de computação de vários mineradores, permitindo uma distribuição de lucros mais frequente. Atualmente, existem vários métodos populares de distribuição de recompensas de pools de mineração:

1. Distribuição proporcional: Em uma rodada de mineração, a recompensa que cada minerador recebe é diretamente proporcional ao número de ações válidas que eles contribuíram para o pool de mineração antes de encontrar o bloco. Este método é simples e direto, mas ele não leva em consideração a eficiência real do poder de hash do minerador, os custos locais e as restrições de hardware.
2. Mineração Pay-Per-Share (PPS): Cada ação válida tem um valor de pagamento fixo, proporcionando aos mineradores uma renda previsível, mas transferindo o risco de flutuação de renda para o operador do pool de mineração.
3. Pay-per-last-N-shares (PPLNS): Apenas as últimas N ações válidas antes de um bloco ser encontrado são usadas para determinar a recompensa, reduzindo o comportamento de 'pool-hopping' de mineiros que mudam frequentemente de piscina de mineração para obter recompensas instantâneas, mas também não considera totalmente a situação real dos mineiros.

Embora esses modelos tradicionais de recompensa introduzam os conceitos de confiança e equidade, na operação prática, geralmente ignoram a eficiência real do poder de computação, os custos locais e as limitações de hardware em tempo real dos mineradores. Ao mesmo tempo, a falta de um mecanismo adaptativo de ajuste de dificuldade para cada minerador leva a uma baixa eficiência de utilização de recursos e pouca atenção às mudanças de mercado a curto prazo e às tendências de dificuldade de mineração.

1.3 Deficiências no design dos pools de mineração existentes

1. Utilização ineficiente de recursos: O método de distribuição de compartilhamento unificado não utiliza completamente as diferenças em modelos de ASIC, configurações de potência de computação e condições de rede entre diferentes mineradores. Por exemplo, mineradores ASIC de alto desempenho podem ser designados para tarefas com a mesma dificuldade que os mineradores de baixo desempenho, resultando na subutilização da potência de computação nos mineradores de alto desempenho e na possibilidade de baixa eficiência nos mineradores de baixo desempenho devido a tarefas pesadas, causando desperdício geral de energia.
2. Pequenos mineradores enfrentam altas barreiras de entrada: as operações de mineração em pequena escala são limitadas pelo desempenho do hardware e pelos custos de eletricidade, resultando em lucros mínimos nos pools de mineração tradicionais. Grandes mineradores industriais dominam o mercado devido às economias de escala, tornando difícil para os pequenos mineradores competirem e potencialmente os forçando a desistir da mineração, o que não é propício para o desenvolvimento descentralizado da rede Bitcoin.
3. Mecanismo de recompensa opaco: Muitas pools de mineração utilizam métodos opacos para calcular a participação e as taxas, tornando difícil para os participantes entender claramente o processo de cálculo das recompensas, o que pode facilmente levar a uma crise de confiança e afetar o desenvolvimento estável a longo prazo da pool de mineração.
4. Adaptabilidade em tempo real limitada: Os preços do mercado de criptomoedas flutuam bruscamente, e a dificuldade de mineração do Bitcoin também pode mudar repentinamente. As pools de mineração tradicionais frequentemente têm dificuldade em se ajustar rapidamente a essas novas situações, resultando em ganhos instáveis para os mineradores e afetando a lucratividade das pools de mineração.

   2. Design Central e Recursos do AICMP

2.1 Alocação Dinâmica de Tarefas

O AICMP adota um mecanismo de atribuição de tarefas impulsionado por inteligência artificial, que personaliza a dificuldade de compartilhamento para cada minerador com base em dados em tempo real. Seus principais parâmetros de entrada incluem:

1. Taxa de hash: A velocidade com que os mineiros tentam resolver o problema, refletindo o seu poder de computação.
2. Eficiência energética: a relação entre a taxa de hash e o consumo de energia, medindo a eficiência de utilização de energia do hardware de mineração.
3. Atraso: Refere-se ao tempo médio de ida e volta da rede, afetando a velocidade de envio e validação de compartilhamentos.

Ao combinar a dificuldade de compartilhamento com esses indicadores, o AICMP permite que os mineradores ASIC de alto rendimento lidem com tarefas mais complexas, enquanto dispositivos menores ou com limitações energéticas assumem cargas de trabalho relativamente mais leves. Essa alocação dinâmica de tarefas não apenas melhora a eficiência de utilização da potência hash agregada, reduz o desperdício de energia causado por tarefas de mineração pesadas, mas também maximiza a taxa de hash efetiva de pools de mineração na rede.

2.2 Previsão de Rede e Mercado

A unidade de análise de previsão do AICMP utiliza modelos de aprendizagem automática, especialmente redes neurais de séries temporais (como RNN, LSTM), para fazer as seguintes previsões:

1. Próximo ajuste de dificuldade: Ao analisar dados históricos de dificuldade e o estado atual da rede, prever o próximo ajuste de dificuldade da rede Bitcoin e ajudar as pools de mineração a ajustar suas estratégias de mineração antecipadamente.
2. Preço à vista do Bitcoin: combinando padrões de flutuação de preços históricos e sinais de mercado em tempo real para prever futuros preços do Bitcoin, para que as pools de mineração possam otimizar lucros com base nas mudanças de preço.
3. Otimizar as taxas de transação prevendo o nível de congestionamento das transações no pool de memória potencial e selecionar transações com taxas mais altas para empacotamento, a fim de aumentar a receita geral do pool de mineração.

O sistema também pode integrar dados externos, como tendências globais do mercado de criptomoedas, preços locais de energia, etc., para alcançar modelagem mais precisa. Através deste método preditivo, o AICMP pode ajustar proativamente a dificuldade de compartilhamento e a alocação de energia do pool de mineração para manter a rentabilidade e adaptabilidade durante flutuações de preço ou saltos de dificuldade.

2.3 Distribuição Justa dos Ganhos

AICMP incentiva os pequenos mineiros a participar na mineração através de um mecanismo de recompensa ponderado. Ao contrário da alocação de recompensa linear tradicional baseada estritamente na taxa de hash, a fórmula para AICMP é a seguinte:

Nesta fórmula, embora os grandes miners ainda possam obter mais lucros devido a H1 mais alto, os pequenos miners podem obter uma parcela maior de lucros em comparação com uma distribuição puramente linear. Este método ajuda a aumentar a descentralização da rede Bitcoin, manter a confiança entre os participantes, incentivar uma participação mais ampla e apoiar fundamentalmente a operação segura e estável da rede Bitcoin.

2.4 Otimização de Aprendizagem por Reforço

AICMP utiliza algoritmos de aprendizagem por reforço (RL) para otimizar continuamente a estratégia de alocação de pools de mineração. Ao modelar o ambiente operacional do pool de mineração (incluindo o estado do minerador, dados de entrada, dificuldade do bloco e resultados de recompensa) como um processo de decisão de Markov (MDP), o sistema treina uma política p para maximizar os lucros a longo prazo. A natureza iterativa da aprendizagem por reforço torna-a particularmente adequada para cenários de tomada de decisão dinâmica e sequencial, e pode adaptar-se às condições de hardware e de mercado em constante mudança ao longo do tempo.

Três, a arquitetura técnica do AICMP

3.1 Camada de Orquestração de IA

A camada de orquestração de IA é o núcleo central do AICMP, composta por quatro submódulos principais:

1. Módulo de Coleta de Dados: Coleta métricas-chave dos mineiros, como H, E, L, através de protocolos seguros (como Stratum V2, WebSockets). Agrega e normaliza os dados em tempo real coletados e armazena-os em um banco de dados de séries temporais. Também monitora continuamente os dados para detectar anomalias ou situações anormais, como uma diminuição repentina na taxa de hash.
2. Motor de Alocação de Tarefas: Aplicação de estratégias de aprendizado por reforço para alocar a dificuldade de compartilhamento, alcançando o objetivo de eficiência do pool de mineração ao resolver problemas de otimização restrita. A alocação de tarefas é atualizada a cada poucos segundos a minutos com base na escala e volatilidade do pool de mineração. Comunicação direta com os mineradores para minimizar a latência da alocação de compartilhamento.
3. Unidade de Análise de Previsão: Com base em dados históricos de dificuldade, preço e estado da mempool, treinar um modelo baseado em LSTM para fornecer previsões de curto prazo para intervalos de bloco, dificuldade da rede e potenciais taxas de transação. Integrado com agentes de aprendizado por reforço para permitir estratégias considerarem futuros possíveis estados.
4. Módulo de gestão de estratégia e aprendizado por reforço: Implementar vários algoritmos de aprendizado por reforço (como Proximal Policy Optimization (PPO), A2C, DQN) para controlar a alocação de recursos. Manter um buffer de repetição contendo $(s, a, r)$ tuplas para otimizar a política ao longo do tempo.

3.2 Camada de Interface de Mineração

A camada de Interface do Miner fornece aos mineradores uma variedade de ferramentas e painéis para:

1. Visualização de Desempenho em Tempo Real: Mostra o desempenho em tempo real de cada minerador, incluindo ações submetidas, ações aceites e recompensas estimadas, ajudando os mineradores a compreender o seu estado de mineração.
2. Configuração de parâmetros de operação: Os mineiros podem configurar parâmetros de operação, como o uso máximo de energia, limites de temperatura, etc., para melhor gerenciar equipamentos de mineração.
3. Aviso de exceção: Quando ocorrem situações anormais, como aumento significativo da latência de rede ou falhas críticas de hardware, os usuários serão notificados prontamente para garantir que os mineradores possam tomar medidas oportunas.

Uma interface amigável é crucial para construir confiança e aumentar a transparência, especialmente para os mineradores que podem não estar familiarizados com a tecnologia de aprendizado de máquina.

3.3 Módulo de Distribuição de Receitas

Quando o pool de mineração minerar com sucesso um bloco, a recompensa do bloco e as taxas de transação serão enviadas para o endereço da moeda do pool de mineração. O módulo de distribuição de rendimentos é responsável por:

1. Calcular os ganhos do mineiro: Utilize a fórmula ponderada $\eta$ para calcular os ganhos (R) de cada mineiro.
2. Pagamento automático: Executar automaticamente pagamentos de lucros e garantir que o processo de pagamento tenha um histórico de auditoria imutável.
3. Taxa de retenção: Retenha uma certa proporção da taxa do pool de mineração (delta) para suportar a infraestrutura do servidor, pesquisa de IA e outros custos operacionais.

3.4 Ciclo de Feedback e Aprendizagem

Todos os dados operacionais da AICMP (como a frequência de mineração de blocos, precisão de previsão, mudanças de desempenho do minerador, etc.) serão enviados de volta à camada de orquestração de IA. Este sistema de loop fechado pode otimizar continuamente todo o processo, ajustar continuamente a dificuldade de compartilhamento, ajustar o índice ponderado $\eta$ quando necessário e melhorar o modelo de previsão para ciclos futuros.

3.5 Protocolos de segurança, confiança e comunicação

AICMP adota múltiplas camadas de medidas de segurança de rede para prevenir ataques:

1. Encriptação (TLS/SSL): Protege o processo de submissão de ações para prevenir a interceção ou manipulação de dados.
2. Autenticação do Minerador: Verificar a identidade de cada minerador através de um certificado único ou chave de criptografia para evitar roubo de identidade e uso não autorizado.

3. Proteção DDoS: Usando uma arquitetura distribuída, balanceador de carga e mecanismo de limitação de taxa para garantir o tempo de operação normal do pool de mineração em um ambiente malicioso.

   4. Informação Básica do Token AICMP

4. Market Cap: $2,397,399

5. Capitalização de mercado totalmente diluída: $2,397,399
6. Fornecimento total: 932.936.533
7. Fornecimento Máximo: 932,936,533
8. Cadeia Pública: SOL
9. Endereço do contrato: BAEXK4X6B3hkqmEkPuyyZQ5fZUb5iZ6SaJ7a9UDnpump
10. Desempenho de mercado de tokens
    
    Atualmente, o token AICMP chegou à Zona de Inovação da Gate.io,Clique para Negociar!

Aviso de Risco: Este projeto pode ter uma volatilidade e/ou riscos mais altos em comparação com outros tokens. Por favor, faça sua própria pesquisa.

Conclusão

AICMP usa tecnologia de inteligência artificial para alocação de recursos e tomada de decisões baseada em dados. Melhora a eficiência dos recursos de mineração, garante renda razoável para mineradores de pequena escala, aprimora a adaptabilidade dos pools de mineração às mudanças de mercado e fornece uma nova solução para o desenvolvimento sustentável do ecossistema de mineração de Bitcoin por meio de designs inovadores, como alocação dinâmica de tarefas, previsão de rede e mercado, distribuição justa de renda e otimização de aprendizado por reforço.