Autor: Ian Xu@Foresight Ventures
TL;DR
Tento článek pojednává o průniku AI a Web3 a zkoumá, jak může on-chain AI přinést významnou hodnotu decentralizovanému internetu. Zdůrazňuje několik projektů, včetně Worldcoin, Pragma, Lyra Finance, Giza, Zama.ai a potenciální aplikace ML-as-a-service.
Článek zdůrazňuje, že AI v kontextu Web3 je v raných fázích, ale má velký potenciál. Umělá inteligence v řetězci, která je transparentní a ověřitelná, může výrazně zvýšit efektivitu a bezpečnost a umožňuje nové formy produktů. ZKML je obzvláště slibné, přičemž ZK-rollup může sloužit jako vstupní bod pro AI do světa Web3.
Zatímco současná infrastruktura může podporovat modely určitého rozsahu, stále existuje mnoho nejistot, zejména pokud jde o ověřování modelů prostřednictvím důkazů nulových znalostí. To je považováno za nevyhnutelnou cestu pro AI on-chain, ale vyžaduje exponenciální vylepšení systémů důkazů, aby podporovaly stále větší modely.
Pokud jde o aplikace, on-chain AI by se mohla potenciálně podílet na jakémkoli aspektu Web3, včetně her, DeFi, DID a nástrojů. Navzdory nedostatku existujících projektů zůstává článek optimistický ohledně potenciálu on-chain AI a jejího transformačního dopadu na Web3 prostor.
1. AI + Web3 = ?
Obsedantní oddanost vývojářů výstavbě infrastruktury a neustálé aktualizace různých rollup řešení skutečně přinesly průlom v původně zaostávajícím výpočetním výkonu webu3. To také umožnilo umístit AI na blockchain. Ale možná budete chtít říci, že místo toho, abyste zacházeli do velkých délek s implementací on-chain AI, zdá se, že běžící modely off-chain dokážou uspokojit většinu potřeb. Ve skutečnosti téměř všechny modely umělé inteligence v současnosti běží v černém, centralizovaném režimu a vytvářejí nenahraditelnou hodnotu v různých oblastech.
1.1 Vraťme se k nejzákladnější otázce, co je AI na blockchainu?
Základním chápáním je učinit modely AI transparentními a ověřitelnými prostřednictvím Web3.
Abychom byli konkrétnější, AI na blockchainu znamená kompletní ověření modelů umělé inteligence. To znamená, že model potřebuje odhalit následující tři body celé síti (uživatelům nebo ověřovatelům):
Architektura modelu;
Parametry a hmotnosti modelu: Zveřejnění parametrů a hmotností může mít někdy negativní dopad na bezpečnost produktu. Proto pro specifické scénáře, jako jsou modely řízení rizik, mohou být váhy skryty, aby byla zajištěna bezpečnost;
Vstup modelu: V kontextu web3 jsou to obecně veřejná data o řetězci.
Když jsou splněny výše uvedené podmínky, celý proces provádění modelu je deterministický a již se nejedná o operaci černé skříňky. Kdokoli může ověřit vstup a výsledky modelu na blockchainu, čímž zabrání vlastníkovi modelu nebo související oprávněné osobě v manipulaci s modelem.
1.2 Co je hnací silou pro on-chain AI?
Význam on-chain AI není nahradit centralizovaný operační režim Web2 AI, ale:
Bez obětování decentralizace a nedůvěryhodnosti vytváří další stupeň hodnoty pro svět web3. Současný Web3 je jako raná fáze webu2 a ještě nemá schopnost provádět širší aplikace nebo vytvářet větší hodnotu. Teprve po začlenění AI může představivost Dapp skutečně skočit do další fáze a tyto on-chain aplikace se mohou přiblížit úrovni webových2 aplikací. Tato blízkost nespočívá v připodobňování funkcí, ale ve zlepšování uživatelské zkušenosti a možností využitím hodnoty Web3.
Poskytuje transparentní a důvěryhodné řešení pro provozní režim černé skříňky webové AI.
Představte si aplikační scénáře web3:
Přidání algoritmu doporučení do obchodní platformy NFT, doporučení odpovídajících NFT na základě uživatelských preferencí a zlepšení konverze;
Přidání AI protivníků do her pro transparentnější a spravedlivější herní zážitek;
……
Tyto aplikace však představují další vylepšení efektivity nebo uživatelské zkušenosti prostřednictvím umělé inteligence pro stávající funkce.
Je to cenné? Ano.
Je hodnota velká? Záleží na produktu a scénáři.
Hodnota, kterou může umělá inteligence vytvořit, není omezena na optimalizaci od 99 do 100. Co mě opravdu vzrušuje, jsou nové aplikace od 0 do 1, některé případy použití, kterých lze dosáhnout pouze prostřednictvím transparentních + ověřitelných on-chain modelů. Tyto „vzrušující“ případy použití však v současnosti spoléhají hlavně na představivost, bez vyspělých aplikací. Zde je několik nápadů na brainstorming:
Crypto trading založené na rozhodovacích modelech neuronové sítě: Jedna forma produktu by mohla být spíše jako vylepšená verze kopírování obchodování, nebo dokonce úplně nový způsob obchodování. Uživatelé již nemusí důvěřovat nebo zkoumat jiné zkušené obchodníky, ale sázet na zcela otevřené a transparentní modely a jejich výkon. AI v podstatě obchoduje rychleji a rozhodněji na základě předpovědí budoucích cen kryptoměn. Avšak bez „nedůvěryhodné autonomie“, která je vlastní on-chain AI, takové sázkové objekty nebo standardy prostě neexistují. Uživatelé/investoři mohou transparentně vidět důvody, procesy a dokonce i přesnou pravděpodobnost budoucích vzestupů/poklesů v rozhodování modelu.
Modely umělé inteligence fungující jako rozhodčí: Produkt by mohl být novou formou orákula předpovídající přesnost zdrojů dat prostřednictvím modelů umělé inteligence. Uživatelé již nemusejí důvěřovat validátorům a nemusí se obávat, že se uzly chovají špatně. Poskytovatelé Oracle ani nepotřebují navrhovat složité sítě uzlů a mechanismy odměn a trestů, aby dosáhli decentralizace. V souladu s tím je transparentní + ověřitelná AI v řetězci již dostatečná k ověření úrovně spolehlivosti zdrojů dat mimo řetězec. Tato nová forma produktu má potenciál dominovat, pokud jde o bezpečnost, efektivitu a náklady, a objekt decentralizace přeskakuje od lidí k nástrojům umělé inteligence „trustless autonomy“, které jsou nepochybně bezpečnější.
Řízení organizace/operační systémy založené na velkých modelech: Řízení DAO by mělo být ze své podstaty efektivní, decentralizované a spravedlivé, ale současná situace je zcela opačná, uvolněná a přebujelá, postrádá transparentnost a spravedlnost. Zavedení on-chain AI může poskytnout velmi vhodné řešení, maximalizovat režim a efektivitu správy a minimalizovat systémová a lidská rizika v řízení. Dokážeme si dokonce představit nový vývojový a provozní režim pro projekty web3, kde celý framework a budoucí směr vývoje a návrhy téměř nezávisí na rozhodování vývojového týmu nebo hlasování DAO. Místo toho jsou rozhodnutí přijímána na základě většího získávání dat a výpočetních schopností velkých modelů. Ale to vše je založeno na tom, že model je na řetězu. Bez „nedůvěryhodné autonomie umělé inteligence“ není v decentralizovaném světě přechod od lidí k nástrojům.
……
Celkem,
Nové formy produktů založené na on-chain AI lze shrnout jako přechod předmětu decentralizace a nedůvěryhodnosti od lidí k nástrojům AI. To je v souladu s vývojem produktivity v tradičním světě, kde se zpočátku vyvíjelo úsilí o modernizaci a zvýšení lidské efektivity a později byli lidé nahrazeni inteligentními nástroji, což způsobilo revoluci v původním designu produktu z hlediska bezpečnosti a efektivity.
Nejkritičtějším bodem a předpokladem všeho výše uvedeného je zajistit, aby umělá inteligence byla transparentní + ověřitelná prostřednictvím Web3.
1.3 Další fáze Web3
Web3 jako fenomenální technologická inovace nemůže zůstat jen ve své počáteční fázi. Dopravní a ekonomické modely jsou důležité, ale uživatelé nebudou vždy setrvávat v honbě za návštěvností nebo utrácet spoustu zdrojů, aby udělali X, aby vydělali, a Web3 kvůli tomu nepřijme další vlnu nových uživatelů. Ale jedna věc je jistá: revoluce produktivity a hodnoty v kryptosvětě musí přijít z přidání AI.
Myslím, že to lze zhruba rozdělit do následujících tří fází:
Začátek: Aktualizace a iterace algoritmů a hardwaru s nulovými znalostmi poskytují první možnost pro vznik on-chain AI; (Jsme zde)
Vývoj: Ať už jde o vylepšování stávajících aplikací pomocí AI nebo o nové produkty založené na on-chain AI, obojí posouvá celé odvětví kupředu;
Endgame: Jaký je konečný směr on-chain AI?
Výše uvedené diskuse se týkají zkoumání scénářů aplikací zdola nahoru pomocí kombinace AI a Web3. Pokud přepneme na přístup shora dolů, abychom viděli AI v řetězci, mohla by AI vysledovat zpět k samotnému Web3? AI + blockchain = adaptivní blockchain
Některé veřejné řetězce se ujmou čela v integraci on-chain AI a přemění se z úrovně veřejných řetězců na druh adaptivního. Směr vývoje již nezávisí na rozhodnutích o založení projektu, ale je založen na masivním rozhodování o datech a úroveň automatizace daleko přesahuje tradiční Web3, čímž vyčnívá ze současné prosperity mnoha řetězců.
S požehnáním ověřitelné + transparentní umělé inteligence, kde se projevuje samoregulace webu3, lze uvést několik příkladů zmíněných Modulus Lab:
Trhy s řetězovými transakcemi se mohou automaticky přizpůsobit decentralizovaným způsobem, jako je například úprava úrokové sazby stablecoinů v reálném čase na základě veřejně dostupných údajů o řetězcích, aniž by bylo nutné vytvářet důvěryhodné předpoklady;
Multimodální učení může umožnit dokončení interakcí on-chain protokolu prostřednictvím biometrického rozpoznávání, poskytování bezpečného KYC a dosažení úplné důvěryhodné správy identity;
Umožněte on-chain aplikacím maximalizovat hodnotu přinášenou on-chain daty s podporou služeb, jako je přizpůsobené doporučení obsahu.
Z jiného pohledu zkrollup neustále iteruje a optimalizuje, ale vždy mu chybí skutečná aplikace, která může běžet pouze na ekosystému zk, ZKML tento bod přesně splňuje a jeho prostor pro představivost je také dostatečně velký. ZK-rollup pravděpodobně v budoucnu poslouží jako vstupní bod pro AI do webu3, vytvoří větší hodnotu a oba se budou vzájemně doplňovat.
2. Implementace a proveditelnost
2.1 Co může Web3 poskytnout pro AI?
Infrastruktura a ZK jsou nepochybně nejvíce konkurenčními tratěmi na webu3. Různé projekty ZK vynaložily velké úsilí na optimalizaci obvodů a upgrade algoritmů, ať už jde o průzkum vícevrstvých sítí, vývoj modularizace a vrstev dostupnosti dat, další přizpůsobení rollupu jako služby nebo dokonce hardwarovou akceleraci… Tyto pokusy tlačí na škálovatelnost , náklady a výpočetní výkon infrastruktury Web3 na další úroveň.
Zní to dobře, dát AI na řetěz, ale jak přesně se to dělá?
Jeden přístup je prostřednictvím systému ZK-proof. Například vytvořte přizpůsobený obvod pro strojové učení, proces generování svědka mimo řetězec je proces provádění modelu a vygenerujte důkaz pro proces predikce modelu (včetně parametrů modelu a vstupů), kdokoli může ověřit důkaz na -řetěz.
Model umělé inteligence stále běží na efektivním clusteru, a to i s určitou hardwarovou akcelerací za účelem dalšího zvýšení výpočetní rychlosti, maximalizace využití výpočetního výkonu a zároveň zajištění, že žádná centralizovaná osoba nebo instituce nemůže do modelu zasahovat ani do něj zasahovat, to znamená zajistit:
Jistota výsledku predikce modelu = ověřitelná (vstup + architektura modelu + parametry)
Na základě výše uvedeného přístupu můžeme dále odvodit, které infrastruktury jsou klíčové pro AI on-chain:
Systém ZKP, rollup: Rollupy rozšiřují naši představivost výpočetních možností on-chain, balí spoustu transakcí a dokonce rekurzivně generují důkazy pro další snížení nákladů. U současných velkých modelů je prvním krokem k poskytnutí možností nátiskový systém a rollup;
Hardwarová akcelerace: Rollup ZK poskytuje ověřitelný základ, ale rychlost generování důkazu přímo souvisí s použitelností a uživatelskou zkušeností modelu. Čekat několik hodin na vygenerování důkazu modelu zjevně nebude fungovat, takže hardwarová akcelerace prostřednictvím FPGA je velkou podporou.
Kryptografie: Kryptografie je základem kryptosvěta a on-chain modely a citlivá data musí také zajistit soukromí.
Doplněk:
Základem velkých modelů je GPU. Bez vysoké paralelní podpory bude účinnost velkých modelů velmi nízká a nemohou běžet. Proto pro ekosystém zk v řetězci:
GPU-friendly = AI-friendly
Vezměte si Starknet jako příklad, Cario může běžet pouze na CPU, takže lze nasadit pouze některé modely malých rozhodovacích stromů, což z dlouhodobého hlediska neprospívá nasazení velkých modelů.
2.2 Výzva: Výkonnější systém důkazů
Rychlost generování a využití paměti ZK Proof jsou zásadní, jedna souvisí s uživatelskou zkušeností a proveditelností, zatímco druhá se týká nákladů a škálovatelnosti.
Je současný systém zkp dostatečný?
Dostatečná, ale ne dost dobrá…
Modulus Lab podrobně popsala konkrétní situaci modelů a výpočetního výkonu v článku „The Cost of Intelligence: Proving Machine Learning Inference with Zero-Knowledge“. Až budete mít čas, můžete si přečíst tento „Paper0“ v poli ZKML: https://drive.google.com/file/d/1tylpowpaqcOhKQtYolPlqvx6R2Gv4IzE/view
Níže jsou uvedeny různé systémy nátisku uvedené v dokumentu 0.
Na základě výše uvedených zk algoritmů provádí Modulus Lab testy ze dvou dimenzí: spotřeba času a obsazenost paměti a řídí dvě základní proměnné: parametry a vrstvy v těchto dvou dimenzích. Následují benchmarkové sady. Takový design může zhruba pokrýt 60k objem parametrů LeNet5, 0,5 MFLOPs, až 22M objem parametrů ResNet-34, 3,77 GFLOPs.
Test spotřeby času:
Test spotřeby paměti:
Na základě výše uvedených údajů je celkově k dispozici současný algoritmus zk a potenciál pro podporu generování velkých nátisků modelů, ale odpovídající náklady jsou stále vysoké a vyžadují dokonce více než 10násobnou optimalizaci. Vezměme si jako příklad Gloth16, ačkoli těží z optimalizace výpočetního času, kterou přináší vysoká souběžnost, jako kompromis se výrazně zvyšuje využití paměti. Výkon Plonky2 a zkCNN v čase a prostoru také potvrzuje tento bod.
Nyní se tedy otázka skutečně změnila z toho, zda systém zkp může podporovat on-chain AI, na cenu, kterou stojí za to podporovat AI on-chain. A s exponenciálním nárůstem parametrů modelu se rapidně zvýší i tlak na nátiskový systém. Opravdu, existuje nyní nedůvěryhodná neuronová síť? Ne! Je to proto, že náklady jsou příliš vysoké.
Proto je životně důležité vytvořit systém důkazů přizpůsobený AI. Zároveň je pro implementaci AI logiky, která je velmi složitá v jediném volání, potřeba přepracovat také model spotřeby plynu. Vysoce výkonný zkvm je nezbytný. Nyní však můžeme vidět mnoho vysoce výkonných pokusů, jako je OlaVM, polygon Miden atd. Neustálá optimalizace těchto infrastruktur výrazně zlepšuje proveditelnost on-chain AI.
3. Stojí za to se na aplikaci těšit?
Ačkoli je on-chain AI stále ve svých raných fázích, může být mezi počáteční a vývojovou fází při pohledu z výše uvedených vrstev. Směr AI však nikdy nepostrádá vynikající týmy a inovativní nápady.
Jak již bylo zmíněno výše, podíváme-li se na vývojovou fázi AI ve světě web3, současný trh je ve střední fázi od začátku po vývoj a směr pokusu o produkt je stále založen hlavně na optimalizaci uživatelské zkušenosti na základě existujících funkcí. Ale nejcennější je přeměnit nedůvěryhodné subjekty z lidí na nástroje prostřednictvím AI v řetězci, čímž se podkopává původní forma produktu z hlediska bezpečnosti a efektivity.
Dále, počínaje některými existujícími aplikačními pokusy, analyzujte dlouhodobý směr vývoje produktů on-chain AI
3.1 Rockefellerův bot: první na světě on-chain AI
Rockefeller je první on-chain AI produkt uvedený na trh týmem Modulus Lab se silnou „pamětní hodnotou“. Tento model je v podstatě obchodní bot. Konkrétně, tréninková data Rockefellera jsou velké množství veřejně dostupných WEth-USDC cena/směnný kurz v řetězci. Jedná se o třívrstvý model dopředné neuronové sítě a předpovědním cílem je budoucí růst a pokles cen WEth.
Zde je postup, kdy se obchodní robot rozhodne obchodovat:
Rockefeller generuje ZKP pro výsledky predikce na ZK-rollup;
ZKP se ověřuje na L1 (finanční prostředky jsou vedeny smlouvou L1) a provádějí se operace;
Je vidět, že predikční a fondové operace obchodního robota jsou zcela decentralizované a nedůvěřivé. Jak již bylo zmíněno výše, z vyšší dimenze je Rockefeller spíše jako nový typ hratelnosti Defi. Ve srovnání s důvěrou ostatním obchodníkům v tomto režimu uživatelé ve skutečnosti sázejí na transparentní + ověřitelný + autonomní model. Uživatelé nemusí důvěřovat centralizovaným institucím, aby zajistili zákonnost modelového rozhodovacího procesu. Umělá inteligence přitom také dokáže v největší míře eliminovat vliv lidské povahy a rozhodovat se rozhodněji.
Možná už budete chtít investovat nějaké peníze do Rockefellera a zkusit to, ale může to opravdu vydělat peníze?
Ne, nemůže, podle týmu Modulus. Spíše než aplikací je Rockefeller spíše jako Proof of Concept (POC) pro on-chain AI. Vzhledem k omezením v nákladech, efektivitě a osvědčených systémech je hlavním účelem Rockefellera sloužit jako ukázka, která ukáže proveditelnost on-chain AI světu web3. (Rockefeller dokončil svou misi a je nyní offline T T)
3.2 Leela: První hra s umělou inteligencí na světě
Leela v.s. the World, nedávno vydaný, je také od Modulus Lab. Herní mechanismus je jednoduchý, kde lidští hráči tvoří týmy, aby bojovali proti AI. Ve hře mohou hráči vsadit své sázky a na konci každého zápasu bude skupina poražených rozdělena vítězi podle počtu vsazených žetonů.
Když už mluvíme o on-chain AI, Modulus Lab tentokrát nasadil větší hlubokou neuronovou síť (s počtem parametrů > 3 700 000). Ačkoli Leela překonává Rockefellera, pokud jde o modelové měřítko a obsah produktu, v podstatě se stále jedná o rozsáhlý experiment s umělou inteligencí v řetězci. Mechanismus a provozní režim za Leelou je to, co vyžaduje pozornost, což nám může pomoci lépe porozumět provoznímu režimu a prostoru pro vylepšení on-chain AI. Zde je logické schéma poskytnuté úředníkem:
Každý pohyb, který Leela udělá, nebo každá předpověď vygeneruje ZKP a teprve po ověření smlouvou se ve hře projeví. To znamená, že díky nedůvěryhodné autonomní AI jsou prostředky vsazené uživateli a férovost hry plně chráněny kryptografií a není třeba věřit vývojáři hry.
Leela používá algoritmus Halo2, hlavně proto, že jeho nástroje a flexibilní design mohou pomoci navrhnout efektivnější kontrolní systém. Konkrétní výkonnostní situace může odkazovat na testovací data výše. Zároveň však tým Modulus během provozu Leela zjistil i nevýhody Halo2, jako je pomalé generování důkazů a nevstřícnost k jednorázovému dokazování atd. Proto dále potvrzuje závěr vyvozený z předchozích testovacích dat : pokud potřebujeme přenést větší modely do webu3, musíme vyvinout výkonnější systém nátisku.
Hodnota Leely však spočívá v tom, že nám přináší větší prostor pro představivost pro hru AI + Web3, v tuto chvíli by hráči King of Glory měli extrémně doufat, že algoritmus matchmakingu bude plně na řetězu:) Gamefi potřebuje vyšší kvalitu podpora obsahu a spravedlivější herní systém a on-chain AI právě toto poskytuje. Například zavádění herních scén nebo NPC řízených umělou inteligencí do hry poskytuje obrovský prostor pro představivost jak pro herní zážitek hráče, tak pro hraní ekonomického systému.
3.3 Worldcoin: AI + KYC
Worldcoin je systém identity on-chain (Proof-of-Personhood Protocol pro zachování soukromí), který využívá biometrii k vytvoření systému identity a dosažení odvozených funkcí, jako jsou platby. Cílem je bojovat proti útokům Sybil a nyní má více než 1,4 milionu registrovaných uživatelů.
Uživatelé skenují svou duhovku pomocí hardwarového zařízení zvaného Orb a osobní informace jsou přidány do databáze. Worldcoin provozuje model CNN ve výpočetním prostředí hardwaru Orb, který komprimuje a ověřuje účinnost dat o duhovce uživatele. Zní to mocně, ale pro skutečné decentralizované ověření identity zkoumá tým Worldcoin ověření výstupu modelu prostřednictvím ZKP.
Výzvy
Za zmínku stojí, že model CNN používaný Worldcoinem má velikost: parametry = 1,8 milionu, vrstvy = 50. Na základě výše uvedených testovacích dat to současný proof systém zvládne z hlediska času, ale spotřeba paměti je nemožná. kompletní pro spotřební hardware.
3.4 Jiné projekty
Pragma: Pragma je ZK oracle vyvinutý z ekosystému Starkware. Tým také zkoumá, jak vyřešit problém decentralizovaného ověřování dat mimo řetězec prostřednictvím on-chain AI. Uživatelé již nemusejí důvěřovat validátorům, ale mohou ověřovat zdroje dat mimo řetězec prostřednictvím dostatečně přesné a ověřitelné on-chain AI, jako je čtení odpovídajících fyzických informací jako vstup a rozhodování o skutečném aktivu nebo ověření identity.
Lyra finance: Lyra finance je opční AMM, která poskytuje trh s deriváty. Aby se zlepšilo využití kapitálu, tým Lyra a Modulus Lab spolupracují na vývoji AMM založeného na ověřitelném modelu umělé inteligence. S ověřitelným a spravedlivým modelem umělé inteligence má Lyra finance příležitost stát se rozsáhlým implementačním experimentem pro on-chain AI, který poprvé přináší spravedlivý matchmaking uživatelům webu3, optimalizuje trh on-chain prostřednictvím AI a poskytuje vyšší se vrací.
Giza: Platforma ZKML, která nasazuje modely přímo v řetězci namísto ověřování mimo řetězec. Pěkný pokus, ale... Vzhledem k výpočetnímu výkonu a nedostatečné podpoře generování důkazů na bázi CUDA v Káhiře může Giza podporovat pouze nasazení malých modelů. To je nejsmrtelnější problém. Z dlouhodobého hlediska budou velké modely, které mohou mít rušivý dopad na web3, vyžadovat výkonnou hardwarovou podporu, jako jsou GPU.
Zama-ai: Homomorfní šifrování modelů. Homomorfní šifrování je forma šifrování, kde: f[E(x)] = E[f(x)], kde f je operace, E je homomorfní šifrovací algoritmus a x je proměnná, například E(a ) + E(b) = E(a + b). Umožňuje konkrétním formám algebraických operací se šifrovaným textem vyústit v zašifrovaný výsledek a dešifrování tohoto výsledku přinese stejný výsledek jako provedení stejné operace s prostým textem. Soukromí modelů bylo vždy aktivním bodem a překážkou AI. Ačkoli zk je šetrný k soukromí, zk se nerovná soukromí. Zama se zavázala zajistit provádění modelů za účelem zachování soukromí.
ML-as-a-service: Toto je v současnosti pouze myšlenkový směr, bez konkrétních aplikací, ale cílem je vyřešit problémy se škodlivým chováním centralizovaných poskytovatelů ML služeb a důvěry uživatelů prostřednictvím ZKP. Daniel Kang má podrobný popis v článku „Trustless Verification of Machine Learning“ (viz schéma v článku).
4. Závěr
Celkově je AI ve světě web3 ve velmi rané fázi, ale není pochyb o tom, že zrání a popularizace umělé inteligence v řetězci posune hodnotu webu3 na jinou úroveň. Technicky může web3 poskytnout jedinečnou infrastrukturu pro AI a AI je nezbytným nástrojem pro změnu produkčních vztahů webu3. Kombinace těchto dvou může vyvolat mnoho možností, což je vzrušující a nápadité místo.
Z pohledu motivace umělé inteligence jít do řetězce na jedné straně transparentní a ověřitelná umělá inteligence v řetězci transformuje decentralizované a důvěryhodné entity z lidí na nástroje umělé inteligence, čímž výrazně zvyšuje efektivitu a bezpečnost a poskytuje možnosti pro vytvoření zcela nového produktu. formuláře. Na druhou stranu, jak se infrastruktura webu3 neustále iteruje, web3 skutečně potřebuje zabijáckou aplikaci, která dokáže maximalizovat hodnotu této infrastruktury. ZKML tomuto bodu odpovídá, například ZK-rollup bude v budoucnu pravděpodobně vstupním bodem pro AI do webu3.
Z hlediska proveditelnosti může současná infrastruktura do určité míry podporovat modely určitého rozsahu, ale stále existuje mnoho nejasností. Použití ZKP k vytvoření ověřitelných modelů se v současné době zdá být jedinou cestou, jak AI pokračovat v řetězci, a může být také nejdeterminističtější technickou cestou pro zavedení AI do webových3 aplikací. Z dlouhodobého hlediska je však současný systém důkazů potřeba exponenciálně vylepšovat, aby dostatečně podporoval stále větší modely.
Z pohledu aplikačních scénářů se umělá inteligence může téměř dokonale zapojit do jakéhokoli směru webu3, ať už jde o hry, DeFi, DID nebo nástroje… Přestože stávající projekty jsou velmi vzácné a postrádají dlouhodobou hodnotu, dosud nepřešly z nástroj pro zvýšení efektivity aplikace, která mění výrobní vztahy. Ale je vzrušující, že někdo udělal první krok, a my můžeme vidět první pohled na on-chain AI a její budoucí možnosti.
Odkaz
https://worldcoin.org/blog/engineering/intro-to-zkml
https://medium.com/coinmonks/chapter-1-how-to-put-your-ai-on-chain-8af2db013c6b
https://medium.com/@ModulusLabs/chapter-2-why-put-your-ai-on-chain-33b7625147b7
https://medium.com/@ModulusLabs/chapter-3-the-worlds-first-on-chain-ai-trading-bot-c387afe8316c
https://medium.com/@ModulusLabs/chapter-4-blockchains-that-self-improve-e9716c041f36
https://medium.com/@ModulusLabs/chapter-4-5-trustless-ai-for-living-breathing-games-cc9f24080e30
https://medium.com/@ModulusLabs/chapter-5-the-cost-of-intelligence-da26dbf93307
https://medium.com/@ModulusLabs/chapter-6-leela-vs-the-world-the-worlds-1st-on-chain-ai-game-17ea299a06b6
https://drive.google.com/file/d/1tylpowpaqcOhKQtYolPlqvx6R2Gv4IzE/view
https://medium.com/@danieldkang/trustless-verification-of-machine-learning-6f648fd8ba88
O Foresight Ventures
Foresight Ventures se věnuje podpoře rušivých inovací blockchainu v příštích několika desetiletích. Spravujeme několik fondů: fond rizikového kapitálu, aktivně spravovaný sekundární fond, multistrategický FOF a soukromý tržní sekundární fond s AUM přesahující 400 milionů USD. Foresight Ventures se drží přesvědčení o „jedinečném, nezávislém, agresivním a dlouhodobém myšlení“ a poskytuje rozsáhlou podporu portfoliovým společnostem v rámci rostoucího ekosystému. Náš tým se skládá z veteránů špičkových finančních a technologických společností jako Sequoia Capital, CICC, Google, Bitmain a mnoha dalších.
Web: https://www.foresightventures.com/
Upozornění: Všechny články Foresight Ventures nejsou určeny jako investiční poradenství. Jednotlivci by měli posoudit svou vlastní toleranci k riziku a činit investiční rozhodnutí obezřetně.
