Contexto da introdução do AICMP

1.1 Antecedentes do lançamento da AICMP

Como a primeira criptomoeda descentralizada, o Bitcoin garante a segurança do livro-razão por meio do algoritmo de consenso Proof of Work (PoW). Na rede Bitcoin, os mineradores utilizam 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 Bitcoin, a dificuldade de mineração continua a aumentar e a taxa de hash continua a crescer. Os mineradores individuais, a fim de obter uma renda mais estável, gradualmente formam piscinas de mineração para participar da mineração, agregando poder de computação.

No entanto, as piscinas de mineração tradicionais têm exposto muitos problemas no processo de operação. Em termos de alocação de recursos, o método de alocação de compartilhamento unificado utilizado falhou em considerar 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 os mineradores pequenos, devido ao desempenho fraco do hardware ou altos custos de eletricidade, eles ganham lucros insignificantes nas grandes piscinas de mineração, enfrentando uma grande 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, falta adaptabilidade em tempo real e é difícil lidar com as flutuações súbitas no preço de mercado e mudanças na dificuldade de mineração, enfraquecendo ainda mais a confiança dos participantes.

A piscina de mineração colaborativa impulsionada por IA (AICMP) é projetada para resolver esses problemas. AICMP utiliza tecnologia de inteligência artificial para alocação de recursos e tomada de decisão 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 pequenos mineradores, aumentar a adaptabilidade de piscinas de mineração a mudanças de mercado e fornecer uma nova solução para o desenvolvimento sustentável do ecossistema de mineração de 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 resolução da função de hash SHA-256 computacionalmente cara. A rede ajusta automaticamente a dificuldade da 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 que o alvo de dificuldade), ele receberá uma recompensa de bloco (atualmente 3,125 BTC, reduzido pela metade aproximadamente a cada quatro anos) e todas as taxas de transação incluídas nesse bloco. Esse mecanismo de incentivo encoraja os mineradores a continuamente atualizar ou expandir seu hardware para melhorar a competitividade da mineração, o que tem sido particularmente significativo desde o surgimento do Bitcoin.

1.2.2 Evolução e Modelos Comuns de Piscina de Mineração

Com a dificuldade crescente da mineração de Bitcoin, os mineradores individuais têm dificuldade em obter lucros estáveis, o que dá origem às piscinas de mineração. As piscinas de mineração aumentam a probabilidade de encontrar blocos válidos, agregando o poder de computação de vários mineradores, permitindo assim uma distribuição de lucros mais frequente. Atualmente, existem vários métodos populares de distribuição de recompensas de piscinas 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 a piscina de mineração antes de encontrar o bloco. Este método é simples e direto, mas ignora a eficiência real de hash do minerador, custos locais e 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 da piscina de mineração.
3. Pay-per-last-N-shares (PPLNS): Apenas as últimas N ações válidas antes de encontrar um bloco são usadas para determinar a recompensa, reduzindo o comportamento de 'pool-hopping' dos mineradores que trocam frequentemente de piscinas de mineração para obter recompensas instantâneas, mas também não considera completamente a situação real dos mineradores.

Embora esses modelos tradicionais de recompensa introduzam os conceitos de confiança e justiça, na operação prática, geralmente negligenciam 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 atenção insuficiente às mudanças de mercado de curto prazo e tendências de dificuldade de mineração.

1.3 Deficiências no design das piscinas de mineração existentes

1. Utilização ineficiente de recursos: O método de distribuição de ações unificado não utiliza totalmente as diferenças nos modelos de ASIC, configurações de potência de computação e condições de rede entre os diferentes mineradores. Por exemplo, mineradores ASIC de alto desempenho podem ser designados para tarefas com a mesma dificuldade que 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 custos de eletricidade, resultando em lucros mínimos em piscinas de mineração tradicionais. Grandes mineradores industriais dominam o mercado devido às economias de escala, tornando difícil para os pequenos mineradores competir e potencialmente forçando-os a desistir da mineração, o que não é propício para o desenvolvimento descentralizado da rede Bitcoin.
3. Mecanismo de recompensa opaco: Muitas piscinas de mineração utilizam métodos opacos para calcular a distribuição de ações e taxas, o que dificulta para os participantes entenderem claramente o processo de cálculo das recompensas, podendo facilmente gerar uma crise de confiança e afetar o desenvolvimento estável de longo prazo da piscina de mineração.
4. Adaptabilidade Limitada em Tempo Real: Os preços do mercado de criptomoedas flutuam abruptamente, e a dificuldade de mineração do Bitcoin também pode mudar repentinamente. As piscinas de mineração tradicionais muitas vezes têm dificuldades para se ajustar rapidamente a essas novas situações, resultando em ganhos instáveis para os mineradores e afetando a lucratividade das piscinas de mineração.

   2. Design Principal e Características do AICMP

2.1 Alocação Dinâmica de Tarefas

AICMP adota um mecanismo de atribuição de tarefas baseado em 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 mineradores tentam resolver o problema, refletindo seu poder de computação.
2. Eficiência energética: a relação entre taxa de hash e 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 compartilhamento.

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 limitação de energia assumem cargas de trabalho relativamente mais leves. Essa alocação dinâmica de tarefas não apenas melhora a eficiência de utilização da potência de hash agregada, reduz o desperdício de energia causado por tarefas de mineração pesadas, mas também maximiza a taxa de hash efetiva das piscinas de mineração na rede.

2.2 Previsão de Rede e Mercado

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

1. Próximo ajuste de dificuldade: Analisando dados históricos de dificuldade e o estado atual da rede, prever o próximo ajuste de dificuldade da rede Bitcoin e ajudar as piscinas de mineração a ajustar as 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 os preços futuros do Bitcoin, para que as piscinas de mineração possam otimizar os lucros com base nas mudanças de preço.
3. Otimize as taxas de transação prevendo o nível de congestionamento das transações na memória potencial da piscina e selecione transações com taxas mais altas para empacotamento, a fim de aumentar a receita total da piscina 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, AICMP pode ajustar proativamente a dificuldade de compartilhamento e alocação de energia da piscina de mineração para manter a rentabilidade e adaptabilidade durante flutuações de preço ou saltos de dificuldade.

2.3 Distribuição justa de ganhos

AICMP incentiva pequenos mineradores a participar da 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 mineradores ainda possam obter mais lucros devido a um H1 mais alto, os pequenos mineradores podem obter uma parcela maior dos 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 Aprendizado por Reforço

AICMP utiliza algoritmos de aprendizado por reforço (RL) para otimizar continuamente a estratégia de alocação das piscinas de mineração. Ao modelar o ambiente operacional da piscina de mineração (incluindo o status 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 do aprendizado por reforço o torna especialmente adequado para cenários de tomada de decisão dinâmicos e sequenciais, e pode se adaptar às condições de hardware e 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 da AICMP, composta por quatro submódulos principais:

1. Módulo de Coleta de Dados: Coleta métricas-chave de mineradores, como H, E, L, através de protocolos seguros (como Stratum V2, WebSockets). Agrega e normaliza os dados em tempo real coletados e os armazena em um banco de dados de séries temporais. Também monitora continuamente os dados para detectar anomalias ou situações anormais, como a diminuição repentina da taxa de hash.
2. Motor de Alocação de Tarefas: Aplicando estratégias de aprendizado por reforço para alocar a dificuldade das ações, alcançando o objetivo de eficiência da piscina de mineração através da solução de problemas de otimização restrita. A alocação de tarefas é atualizada a cada poucos segundos a minutos com base na escala e volatilidade da piscina de mineração. Comunicação direta com os mineradores para minimizar a latência da alocação das ações.
3. Unidade de Análise de Previsão: Com base na dificuldade histórica, dados de preço e status da mempool, treine um modelo baseado em LSTM para fornecer previsões de curto prazo para intervalos de bloco, dificuldade de rede e possíveis taxas de transação. Integrado com agentes de aprendizado por reforço para habilitar estratégias a considerar futuros estados possíveis.
4. Módulo de gerenciamento 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 reprodução contendo $(s, a, r)$ tuplas para otimizar a política ao longo do tempo.

Camada de Interface de Mineração 3.2

A camada de interface do minerador 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 enviadas, ações aceitas e recompensas estimadas, ajudando os mineradores a entender seu status de mineração.
2. Configuração de parâmetros de operação: Os mineradores podem configurar parâmetros de operação, como uso máximo de energia, limites de temperatura, etc., para melhor gerenciar os equipamentos de mineração.
3. Aviso de exceção: Quando houver situações anormais, como latência de rede significativamente aumentada 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.

Módulo de distribuição de receita 3.3

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

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

3.4 Feedback e Loop de Aprendizagem

Todos os dados operacionais da AICMP (como frequência de mineração de blocos, precisão de previsão, mudanças de desempenho do minerador, etc.) serão retroalimentados para a camada de orquestração de IA. Esse sistema em circuito 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 Segurança, Confiança e Protocolos de Comunicação

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

1. Criptografia (TLS/SSL): Protege o processo de envio de compartilhamento para evitar a interceptação ou adulteração de dados.
2. Autenticação do Minerador: Verificar a identidade de cada minerador por meio 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 da piscina de mineração em um ambiente malicioso.

   4. Informações básicas do token AICMP

4. Market Cap: $2,397,399

5. Capitalização de mercado totalmente diluída: $2.397.399
6. Total supply: 932,936,533
7. Fornecimento máximo: 932.936.533
8. Cadeia Pública: SOL
9. Endereço do Contrato: BAEXK4X6B3hkqmEkPuyyZQ5fZUb5iZ6SaJ7a9UDnpump
10. Desempenho de mercado dos tokens
    
    Atualmente, o token AICMP chegou à Zona de Inovação da Gate.io,Clique para negociar!

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

Conclusão

A AICMP utiliza tecnologia de inteligência artificial para alocação de recursos e tomada de decisões baseada em dados. Ela melhora a eficiência dos recursos de mineração, garante uma renda razoável para os mineradores de pequena escala, aumenta a adaptabilidade das piscinas de mineração às mudanças de mercado e oferece 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.