如果是中心化的模型市场，只要有一个中心化的主体来组织模型的需求者和贡献者形成市场即可，就像今天的淘宝市场一样。但是，中心化的模型市场存在信任、安全、隐私保护、费用高等诸多问题。很难保证中心化主体的完全可信任、很难保证数据和模型的足够安全，另外，一旦形成市场的垄断，费用方面也会高于去中心化的解决方案。
Cortex的去中心化智能模型市场，涉及到模型的需求者、模型的贡献者、矿工、全节点等。具体来说，它的基础流程如下：
模型的贡献者，全球的任何机器学习从业者都可以将训练好的模型上传到Cortex存储层，而模型的需求者，例如dApp的开发者可以选择适合自己的模型进行智能推断，需求者需要支付费用给模型的上传者和运行的全节点及记账矿工。在执行推断时，全节点从存储层将数据和模型同步到本地，之后节点会通过Cortex的独有虚拟机CVM（Cortex Virtual Machine）进行推断，将推断结果同步到所有全节点，并把结果返回给模型需求者。
（推断流程）
从上图可以看出，用户（模型的需求者）发起交易，也就是将需要预测的数据进行代入计算到所选取的数据模型进行数据推断。执行带有数据模型的智能合约和智能推断都需要支付一定的费用，用Endorphin支付，每次支付的Endorphin数量跟模型运算难度和模型排名等相关，Endorphin价格由市场决定，它反映的是执行智能合约和进行模型推断的成本。Endorphin类似于
以太坊的gas费用，Endorphin和CTXC（Cortex的代币）存在动态转换关系。
不过跟以太坊不同的是，Endorphin对应的CTXC会支付给两部分人，一是该模型的贡献者，二是矿工和全节点。
已有的智能合约如何获得Cortex链上的模型能力？Cortex在已有的智能合约上添加额外Infer指令，也就是Cortex通过修改和扩展指令集，为智能合约增加
人工智能算法的支持，从而使得任何人都可以为自己的智能合约增加人工智能的模型。
上面简单介绍了智能合约获得人工智能能力的基本流程，那么其中的模型贡献者是如何实现模型的提交的？
目前看，链上的处理能力还不足以进行数据的大规模训练，基于这种现状，Cortex提出了链下训练的方案，它提供链下训练的提交接口，也包括模型的指令解析虚拟机。
模型的贡献者将模型通过Cortex的CVM解析成模型字符串及参数，并上传到存储层，发布通用接口，供模型的需求者（如dApp开发者）进行调用。这里有几个问题需要解决：一是模型的质量；二是模型的存续；三是模型的防作弊；四是模型的挑选。
（模型提交流程）
为了防止有人泛滥提交模型，模型提交者需要支付一定的费用，同时也是支付其在存储层存储的费用，以保证其持续存在。如果模型提交者进行撤回操作，Cortex会根据模型的使用情况进行托管，这也是为了保证调用模型的智能合约能正常工作。Cortex上的模型是公开的，这意味着会存在抄袭和复制的可能，一旦出现明显抄袭或复制，Cortex会通过介入仲裁的方式进行解决。
模型的挑选方面，Cortex链提供的开放的市场，不对模型进行限制。模型的需求者可根据某些数据进行挑选，如被调用次数等。也可以通过自定义的模型排序机制实现甄选，例如召回率、准确率、计算速度、基准排序数据集等。
Cortex除了为自己的用户提供人工智能的服务，也为其他链提供AI的调用接口。比如，以太坊智能合约也可以调用其AI模型服务。
版权申明：本内容来自于互联网，属第三方汇集推荐平台。本文的版权归原作者所有，文章言论不代表链门户的观点，链门户不承担任何法律责任。如有侵权请联系QQ：3341927519进行反馈。
