Vitalik tiết lộ các kế hoạch mở rộng và hard fork lớn tiếp theo cho Ethereum

[MrSpasybo]

Ethereum vừa thực hiện một nâng cấp quan trọng cho mạng với việc giới thiệu “Shapella”. Bản cập nhật này đã được triển khai ở kỷ nguyên 194.048 và cho phép người dùng rút ETH đã stake của họ từ Beacon Chain. Đây là lần nâng cấp đáng chú ý nhất kể từ The Merge vào tháng 9 năm 2022.

Trong một buổi phát trực tiếp gần đây của Ethereum Foundation, Vitalik Buterin, nhà sáng lập Ethereum, đã tuyên bố rằng nhóm phát triển hiện đang ưu tiên các tính năng mở rộng quy mô để mở rộng mạng. Anh lưu ý rằng nâng cấp Shapella là bước cuối cùng trong quá trình chuyển đổi sang Proof-of-Stake (PoS) và hỗ trợ rút ETH là rất quan trọng.

Buterin cũng cảnh báo rằng nếu quá trình mở rộng quy mô không đáp ứng được kỳ vọng, bất kỳ hoạt động nào on-chain có thể khiến mỗi giao dịch Ethereum tiêu tốn hàng trăm đô la tiền phí. Do đó, trọng tâm phải là mở rộng quy mô và đợt hard fork sắp tới với EIP-4844 (proto-danksharding) dự kiến ​​sẽ loại bỏ “call data” và biến nó thành “blob”, giảm chi phí lưu trữ trên mạng trong các hoạt động lớn.

Buterin tin rằng proto-danksharding có thể mang lại hiệu quả gấp 10 lần cho quá trình mở rộng quy mô và cũng hỗ trợ triển khai full sharding. Anh ấy rất ấn tượng với sự phát triển và nỗ lực của các nhóm Layer 2, khi nhiều dự án zkEVM tiếp tục ra mắt cùng với sự phát triển của Arbitrum và Optimism.

Về tính ổn định lâu dài, Buterin giải thích rằng mạng vẫn đang trong giai đoạn nâng cấp không ổn định và sẽ chỉ ổn định sau khi lộ trình mở rộng quy mô hoàn tất. Các giải pháp mở rộng và hard fork sắp tới cần được triển khai cẩn thận với tốc độ chậm hơn.

Theo lộ trình phát triển mới được công bố tại hội nghị EthCC vào tháng 7 năm 2022, quá trình chuyển đổi của Ethereum sẽ yêu cầu một số điều chỉnh về tốc độ. Tại một thời điểm nào đó, tốc độ thay đổi của Ethereum sẽ cần phải chậm lại, sự an toàn và ổn định sẽ trở thành ưu tiên hàng đầu thay vì phát triển nhanh chóng.

Buterin khám phá câu hỏi thú vị
Buterin đã khám phá một câu hỏi thú vị: thời gian cần thiết để di chuyển từ điểm A đến điểm B quy mô theo khoảng cách như thế nào trong thế giới thực? Anh ấy đã sử dụng bộ dữ liệu GeoLife để chọn ngẫu nhiên các điểm mà mọi người thực sự đang ở đó và một API để biết thời gian di chuyển bằng phương tiện công cộng giữa các điểm.

Buterin phát hiện ra rằng thời gian di chuyển tăng chậm hơn và càng phải đi xa, họ càng có nhiều cơ hội sử dụng các hình thức vận chuyển nhanh hơn nhưng cần một số chi phí cố định. Nghiên cứu cho thấy rằng đối với khoảng cách dưới 500 km, quy luật lũy thừa phù hợp mà hồi quy tuyến tính đưa ra là travel_time = 965,8020738916074 * khoảng cách^0,6138556361612214 (thời gian tính bằng giây, khoảng cách tính bằng km).

Để thu thập dữ liệu cho khoảng cách xa hơn, Buterin đã thu thập dữ liệu thời gian di chuyển theo cách thủ công cho 16 cặp điểm cách nhau hơn 500 km.

Sau khi có được kết quả, anh ấy nhận thấy rằng ChatGPT 3.5 quá giỏi tròng việc giảng dạy cho anh các thư viện và API mà anh ấy chưa từng nghe đến trước đây nhưng những người khác đã sử dụng, mặc dù gặp phải một số lỗi và phải sửa một số code theo cách thủ công.

Nghiên cứu của Buterin cung cấp những hiểu biết có giá trị về mối quan hệ giữa thời gian và khoảng cách di chuyển, đồng thời cho thấy tiềm năng của việc sử dụng AI để trích xuất những hiểu biết có ý nghĩa từ các bộ dữ liệu lớn.

TapchiBTC