Autor: Ian Xu@Foresight Ventures
TL;DR
Este artículo analiza la intersección de la IA y la Web3 y explora cómo la IA en cadena puede aportar un valor significativo a la Internet descentralizada. Destaca varios proyectos, incluidos Worldcoin, Pragma, Lyra Finance, Giza, Zama.ai y posibles aplicaciones de ML como servicio.
El artículo enfatiza que la IA en el contexto de la Web3 se encuentra en sus primeras etapas, pero tiene un gran potencial. La IA en cadena, al ser transparente y verificable, puede mejorar significativamente la eficiencia y la seguridad, permitiendo nuevas formas de productos. El ZKML es particularmente prometedor, y el ZK-rollup podría servir como punto de entrada para la IA al mundo Web3.
Si bien la infraestructura actual puede soportar modelos de cierta escala, aún existen muchas incertidumbres, en particular en términos de verificación de modelos a través de pruebas de conocimiento cero. Este se considera el camino inevitable para la IA en cadena, pero requiere mejoras exponenciales en los sistemas de prueba para soportar modelos cada vez más grandes.
En términos de aplicaciones, la IA en cadena podría participar potencialmente en cualquier aspecto de la Web3, incluidos los juegos, las finanzas descentralizadas (DeFi), el DID y las herramientas. A pesar de la escasez de proyectos existentes, el artículo sigue siendo optimista sobre el potencial de la IA en cadena y su impacto transformador en el espacio de la Web3.
1. IA + Web3 =?
La obsesiva dedicación de los desarrolladores a la construcción de infraestructura y las actualizaciones continuas de varias soluciones de rollup han supuesto un gran avance en la capacidad de procesamiento originalmente rezagada de la Web3. Esto también ha hecho posible que la IA se coloque en la cadena de bloques. Pero es posible que se quiera decir que, en lugar de hacer grandes esfuerzos para implementar la IA en la cadena, la ejecución de modelos fuera de la cadena parece ser capaz de satisfacer la mayoría de las necesidades. De hecho, casi todos los modelos de IA se ejecutan actualmente en un modo centralizado de caja negra y están creando un valor irreemplazable en varios campos.
1.1 Volvamos a la pregunta más básica: ¿qué es la IA en la cadena de bloques?
La idea general es hacer que los modelos de IA sean transparentes y verificables a través de la Web3.
Para ser más específicos, la IA en la cadena de bloques significa la verificación completa de los modelos de inteligencia artificial. Es decir, un modelo debe revelar los siguientes tres puntos a toda la red (usuarios o verificadores):
Arquitectura del modelo;
Parámetros y ponderaciones del modelo: la divulgación de parámetros y ponderaciones puede tener, en ocasiones, un impacto negativo en la seguridad del producto. Por lo tanto, en situaciones específicas, como los modelos de control de riesgos, las ponderaciones se pueden ocultar para garantizar la seguridad;
Entrada del modelo: En el contexto de web3, generalmente son datos públicos de la cadena.
Cuando se cumplen las condiciones anteriores, todo el proceso de ejecución del modelo es determinista y deja de ser una operación de caja negra. Cualquiera puede verificar la entrada y los resultados del modelo en la cadena de bloques, lo que evita que el propietario del modelo o la persona autorizada relacionada lo manipulen.
1.2 ¿Cuál es la fuerza impulsora de la IA en cadena?
La importancia de la IA en cadena no es reemplazar el modo de operación centralizado de la IA Web2, sino:
Sin sacrificar la descentralización y la falta de confianza, crea la siguiente etapa de valor para el mundo de la Web3. La Web3 actual es como la etapa inicial de la Web2, y aún no tiene la capacidad de emprender aplicaciones más amplias o crear mayor valor. Solo después de incorporar la IA, la imaginación de Dapp puede realmente saltar a la siguiente etapa, y estas aplicaciones en cadena pueden acercarse al nivel de las aplicaciones de la Web2. Esta proximidad no consiste en hacer que las funciones sean más similares, sino en mejorar la experiencia y las posibilidades del usuario aprovechando el valor de la Web3.
Proporciona una solución transparente y sin confianza para el modo de funcionamiento de caja negra de la IA web2.
Imagine los escenarios de aplicación de la web3:
Agregar un algoritmo de recomendación a la plataforma de comercio de NFT, recomendando los NFT correspondientes según las preferencias del usuario y mejorando la conversión;
Agregar oponentes de IA a los juegos para una experiencia de juego más transparente y justa;
……
Sin embargo, estas aplicaciones son mejoras adicionales en la eficiencia o la experiencia del usuario a través de la IA para funciones existentes.
¿Tiene valor? Sí.
¿El valor es alto? Depende del producto y del escenario.
El valor que la IA puede crear no se limita a optimizar de 99 a 100. Lo que realmente me entusiasma son las nuevas aplicaciones de 0 a 1, algunos casos de uso que solo se pueden lograr a través de modelos transparentes y verificables en cadena. Sin embargo, estos casos de uso "emocionantes" actualmente dependen principalmente de la imaginación, sin aplicaciones maduras. A continuación, se presentan algunas ideas para una lluvia de ideas:
Comercio de criptomonedas basado en modelos de toma de decisiones de redes neuronales: una forma de producto podría ser más bien una versión mejorada del comercio de copias, o incluso una forma completamente nueva de comercio. Los usuarios ya no necesitan confiar o investigar a otros comerciantes experimentados, sino que apuestan por modelos completamente abiertos y transparentes y su desempeño. Básicamente, la IA opera más rápido y de manera más decisiva en función de las predicciones de los precios futuros de las criptomonedas. Sin embargo, sin la "autonomía sin confianza" inherente a la IA en cadena, tales objetos o estándares de apuestas simplemente no existen. Los usuarios/inversores pueden ver de manera transparente las razones, los procesos e incluso la probabilidad exacta de futuras subidas/bajadas en la toma de decisiones del modelo.
Modelos de IA que actúan como árbitros: un producto podría ser una nueva forma de oráculo, que prediga la precisión de las fuentes de datos a través de modelos de IA. Los usuarios ya no necesitan confiar en los validadores y no tienen que preocuparse por el mal comportamiento de los nodos. Los proveedores de oráculos ni siquiera necesitan diseñar redes de nodos complejas y mecanismos de recompensa y castigo para lograr la descentralización. En consecuencia, la IA transparente y verificable en cadena ya es suficiente para verificar el nivel de confianza de las fuentes de datos fuera de la cadena. Esta nueva forma de producto tiene el potencial de dominar en términos de seguridad, eficiencia y costo, y el objeto de la descentralización salta de los humanos a las herramientas de IA de "autonomía sin confianza", que sin duda son más seguras.
Sistemas operativos y de gestión de organizaciones basados en grandes modelos: la gobernanza de las DAO debería ser inherentemente eficiente, descentralizada y justa, pero la situación actual es todo lo contrario, laxa y abultada, carente de transparencia y equidad. La introducción de la IA en cadena puede proporcionar una solución muy adecuada, maximizando el modo de gestión y la eficiencia, y minimizando los riesgos sistémicos y humanos en la gestión. Incluso podemos imaginar un nuevo modo de desarrollo y operación para proyectos web3, donde todo el marco y la dirección y las propuestas de desarrollo futuras apenas dependen de la toma de decisiones del equipo de desarrollo o de la votación de la DAO. En cambio, las decisiones se toman en función de la adquisición de datos más amplia y las capacidades computacionales de los modelos grandes. Pero todo esto se basa en la premisa de que el modelo esté en cadena. Sin la "autonomía sin confianza" de la IA, no hay transición de los humanos a las herramientas en el mundo descentralizado.
……
En resumen,
Las nuevas formas de productos basadas en la IA en cadena se pueden resumir como la transición del tema de la descentralización y la falta de confianza de los humanos a las herramientas de IA. Esto está en línea con la evolución de la productividad en el mundo tradicional, donde inicialmente se hicieron esfuerzos para mejorar y aumentar la eficiencia humana, y luego los humanos fueron reemplazados por herramientas inteligentes, revolucionando el diseño original del producto en términos de seguridad y eficiencia.
El punto más crítico, y la premisa de todo lo anterior, es hacer que la IA sea transparente y verificable a través de la Web3.
1.3 La siguiente etapa de la Web3
La Web3, como innovación tecnológica fenomenal, no puede quedarse en su etapa inicial. El tráfico y los modelos económicos son importantes, pero los usuarios no siempre seguirán buscando tráfico o gastarán muchos recursos para hacer X y ganar dinero, y la Web3 no se incorporará a la próxima ola de nuevos usuarios debido a esto. Pero una cosa es segura: la revolución de la productividad y el valor en el mundo de las criptomonedas debe surgir de la incorporación de la IA.
Creo que se puede dividir aproximadamente en las tres etapas siguientes:
Inicio: La actualización e iteración de algoritmos y hardware a prueba de conocimiento cero brindan la primera posibilidad para el surgimiento de la IA en cadena; (estamos aquí)
Desarrollo: Ya sea la mejora de aplicaciones existentes mediante IA o los nuevos productos basados en IA en cadena, ambos están impulsando a toda la industria hacia adelante;
Juego final: ¿Cuál es la dirección final de la IA en cadena?
Los debates anteriores tratan sobre la exploración de escenarios de aplicación de abajo hacia arriba mediante la combinación de IA y Web3. Si cambiamos a un enfoque de arriba hacia abajo para ver la IA en cadena, ¿podría la IA remontarse a la propia Web3? IA + blockchain = blockchain adaptativo
Algunas cadenas públicas tomarán la iniciativa en la integración de la IA en cadena, pasando del nivel de cadenas públicas a uno adaptativo. La dirección del desarrollo ya no depende de las decisiones de la fundación del proyecto, sino que se basa en la toma de decisiones a partir de datos masivos, y el nivel de automatización supera con creces la Web3 tradicional, destacándose así de la prosperidad actual de las múltiples cadenas.
Con la bendición de una IA verificable y transparente, donde se manifiesta la autorregulación de la web3 se pueden citar algunos ejemplos mencionados por Modulus Lab:
Los mercados de transacciones en cadena pueden ajustarse automáticamente de manera descentralizada, como ajustar la tasa de interés de las monedas estables en tiempo real en función de datos en cadena disponibles públicamente, sin necesidad de suposiciones de confianza;
El aprendizaje multimodal puede permitir que las interacciones de protocolo en cadena se completen a través del reconocimiento biométrico, brindando un KYC seguro y logrando una gestión de identidad completa y sin confianza;
Permitir que las aplicaciones en cadena maximicen el valor aportado por los datos en cadena, respaldando servicios como la recomendación de contenido personalizado.
Desde otra perspectiva, zkrollup sigue iterando y optimizando, pero siempre carece de una aplicación real que solo pueda ejecutarse en el ecosistema zk. ZKML cumple exactamente con este punto y su espacio de imaginación también es lo suficientemente grande. Es probable que ZK-rollup sirva como punto de entrada para la IA en la Web3 en el futuro, creando un mayor valor, y los dos se complementan entre sí.
2. Implementación y viabilidad
2.1 ¿Qué puede aportar la Web3 a la IA?
Sin duda, la infraestructura y ZK son las áreas más competitivas en la Web3. Varios proyectos de ZK han hecho grandes esfuerzos en la optimización de circuitos y la actualización de algoritmos, ya sea en la exploración de redes multicapa, el desarrollo de capas de modularización y disponibilidad de datos, la personalización adicional del rollup como servicio o incluso la aceleración de hardware... Estos intentos están llevando la escalabilidad, el costo y la potencia de cómputo de la infraestructura Web3 al siguiente nivel.
Suena bien poner IA en la cadena, pero ¿cómo se hace exactamente?
Un enfoque es a través del sistema ZK-proof. Por ejemplo, crear un circuito personalizado para el aprendizaje automático, el proceso de generar un testigo fuera de la cadena es el proceso de ejecución del modelo y generar una prueba para el proceso de predicción del modelo (incluidos los parámetros y las entradas del modelo), cualquiera puede verificar la prueba en la cadena.
El modelo de IA todavía se ejecuta en un clúster eficiente, incluso con cierta aceleración de hardware para mejorar aún más la velocidad computacional, maximizando el uso de la potencia computacional y garantizando al mismo tiempo que ninguna persona o institución centralizada pueda alterar o interferir con el modelo, es decir, para garantizar:
Certeza del resultado de la predicción del modelo = verificable (entrada + arquitectura del modelo + parámetros)
Con base en el enfoque anterior, podemos inferir además qué infraestructuras son cruciales para la IA en cadena:
Sistema ZKP, rollup: Los rollups amplían nuestra imaginación de capacidades informáticas en cadena, empaquetando un montón de transacciones e incluso generando recursivamente pruebas de prueba para reducir aún más los costos. Para los grandes modelos actuales, el primer paso para brindar posibilidades es el sistema de pruebas y rollup;
Aceleración de hardware: ZK Rollup proporciona una base verificable, pero la velocidad de generación de pruebas se relaciona directamente con la usabilidad y la experiencia del usuario del modelo. Esperar varias horas para generar la prueba de un modelo obviamente no va a funcionar, por lo que la aceleración de hardware a través de FPGA es un gran impulso.
Criptografía: La criptografía es la base del mundo de las criptomonedas, y los modelos en cadena y los datos confidenciales también deben garantizar la privacidad.
Suplemento:
La base de los modelos grandes es la GPU. Sin un alto soporte paralelo, la eficiencia de los modelos grandes será muy baja y no podrán ejecutarse. Por lo tanto, para un ecosistema zk en cadena:
Compatible con GPU = compatible con IA
Tomemos Starknet como ejemplo: Cario solo puede ejecutarse en CPU, por lo que solo se pueden implementar algunos modelos de árboles de decisión pequeños, lo que no favorece la implementación de modelos grandes a largo plazo.
2.2 Desafío: Un sistema de pruebas más potente
La velocidad de generación y el uso de memoria de ZK Proof son cruciales: uno está relacionado con la experiencia del usuario y la viabilidad, mientras que el otro se relaciona con el costo y la escalabilidad.
¿Es suficiente el actual sistema zkp?
Suficiente, pero no suficientemente bueno…
Modulus Lab ha detallado la situación específica de los modelos y la potencia de cálculo en el artículo “El coste de la inteligencia: probar la inferencia de aprendizaje automático con conocimiento cero”. Cuando tengas tiempo, puedes leer este “Paper0” en el campo ZKML: https://drive.google.com/file/d/1tylpowpaqcOhKQtYolPlqvx6R2Gv4IzE/view
A continuación se presentan los diferentes sistemas de prueba mencionados en el documento 0.
Basándose en los algoritmos zk anteriores, Modulus Lab realiza pruebas desde dos dimensiones: consumo de tiempo y ocupación de memoria, y controla dos variables fundamentales: parámetros y capas en estas dos dimensiones. A continuación se muestran los conjuntos de pruebas comparativas. Un diseño de este tipo puede cubrir aproximadamente el volumen de parámetros de 60 000 de LeNet5, 0,5 MFLOP, hasta el volumen de parámetros de 22 M de ResNet-34, 3,77 GFLOP.
Prueba de consumo de tiempo:
Prueba de consumo de memoria:
Con base en los datos anteriores, en general, el algoritmo zk actual y el potencial para soportar la generación de pruebas de modelos grandes están disponibles, pero los costos correspondientes aún son altos y requieren una optimización incluso más de 10 veces mayor. Si tomamos Gloth16 como ejemplo, si bien se beneficia de la optimización del tiempo de cálculo que brinda la alta concurrencia, como contrapartida, el uso de memoria aumenta significativamente. El rendimiento de Plonky2 y zkCNN en el tiempo y el espacio también verifica este punto.
Ahora la pregunta ha cambiado de si el sistema zkp puede soportar la IA en cadena a si vale la pena soportar la IA en cadena. Y con el aumento exponencial de los parámetros del modelo, la presión sobre el sistema de pruebas también aumentará rápidamente. De hecho, ¿existe ahora una red neuronal sin confianza? ¡No! Es porque el costo es demasiado alto.
Por lo tanto, la creación de un sistema de prueba personalizado para la IA es de vital importancia. Al mismo tiempo, para implementar la lógica de la IA, que es muy compleja en una sola llamada, también es necesario rediseñar el modelo de consumo de gas. Un zkvm de alto rendimiento es esencial. Pero ahora podemos ver muchos intentos de alto rendimiento, como OlaVM, Polygon Miden, etc. La optimización continua de estas infraestructuras mejora en gran medida la viabilidad de la IA en cadena.
3. ¿Vale la pena esperar la aplicación?
Aunque la IA en cadena todavía se encuentra en sus primeras etapas, puede que se encuentre entre las etapas inicial y de desarrollo si se la analiza desde las capas anteriores. Sin embargo, en la dirección de la IA nunca faltan equipos excelentes e ideas innovadoras.
Como se mencionó anteriormente, si observamos la etapa de desarrollo de la IA en el mundo web3, el mercado actual se encuentra en la etapa intermedia entre el inicio y el desarrollo, y la dirección del producto aún se basa principalmente en la optimización de la experiencia del usuario en función de las funciones existentes. Pero lo más valioso es convertir a los sujetos que no confían en las personas en herramientas a través de la IA en la cadena, subvirtiendo la forma original del producto en términos de seguridad y eficiencia.
A continuación, a partir de algunos intentos de aplicación existentes, analice la dirección de desarrollo de productos a largo plazo de la IA en cadena.
3.1 El Rockefeller Bot: la primera IA en cadena del mundo
Rockefeller es el primer producto de IA en cadena lanzado por el equipo de Modulus Lab, con un fuerte “valor conmemorativo”. Este modelo es esencialmente un robot comercial. Específicamente, los datos de entrenamiento de Rockefeller son una gran cantidad de precios/tipos de cambio de WEth-USDC disponibles públicamente en la cadena. Es un modelo de red neuronal de tres capas de propagación hacia adelante, y el objetivo de predicción es el aumento y la caída futuros del precio de WEth.
Este es el proceso cuando el robot comercial decide operar:
Rockefeller genera ZKP para los resultados de predicción en ZK-rollup;
ZKP se verifica en L1 (los fondos se mantienen mediante contrato L1) y las operaciones se ejecutan;
Se puede ver que las operaciones de predicción y financiación del robot comercial están completamente descentralizadas y sin confianza. Como se mencionó anteriormente, desde una dimensión superior, Rockefeller se parece más a un nuevo tipo de juego DeFi. En comparación con confiar en otros comerciantes, en este modo, los usuarios en realidad apuestan por el modelo transparente + verificable + autónomo. Los usuarios no necesitan confiar en instituciones centralizadas para garantizar la legalidad del proceso de toma de decisiones del modelo. Al mismo tiempo, la IA también puede eliminar el impacto de la naturaleza humana en la mayor medida posible y tomar decisiones de manera más decisiva.
Es posible que ya quieras invertir algo de dinero en Rockefeller y darle una oportunidad, pero ¿esto realmente puede generar dinero?
No, según el equipo de Modulus, no puede. En lugar de ser una aplicación, Rockefeller es más bien una prueba de concepto (POC) para la IA en cadena. Debido a las limitaciones en cuanto a costo, eficiencia y sistemas de prueba, el propósito principal de Rockefeller es servir como demostración para mostrar la viabilidad de la IA en cadena en el mundo web3. (Rockefeller ha completado su misión y ahora está fuera de línea T T)
3.2 Leela: el primer juego de IA en cadena del mundo
Leela vs. the World, lanzado recientemente, también es de Modulus Lab. El mecanismo del juego es simple: los jugadores humanos forman equipos para luchar contra la IA. En el juego, los jugadores pueden realizar sus apuestas y, al final de cada partida, el pozo del perdedor se distribuirá al ganador según la cantidad de tokens apostados.
Hablando de IA en cadena, esta vez Modulus Lab ha implementado una red neuronal profunda más grande (con una cantidad de parámetros > 3.700.000). Aunque Leela supera a Rockefeller en términos de escala del modelo y contenido del producto, esencialmente sigue siendo un experimento de IA en cadena a gran escala. El mecanismo y el modo de operación detrás de Leela es lo que necesita atención, lo que puede ayudarnos a comprender mejor el modo de operación y el espacio de mejora de la IA en cadena. Aquí está el diagrama lógico proporcionado por el funcionario:
Cada movimiento que haga Leela, o cada predicción, generará un ZKP, y solo después de ser verificado por el contrato tendrá efecto en el juego. Es decir, gracias a la IA autónoma sin confianza, los fondos apostados por los usuarios y la imparcialidad del juego están completamente protegidos por la criptografía, y no hay necesidad de confiar en el desarrollador del juego.
Leela utiliza el algoritmo Halo2, principalmente porque sus herramientas y su diseño flexible pueden ayudar a diseñar un sistema de pruebas más eficiente. La situación de rendimiento específica puede referirse a los datos de prueba anteriores. Pero al mismo tiempo, durante el funcionamiento de Leela, el equipo de Modulus también encontró los inconvenientes de Halo2, como la generación lenta de pruebas y la falta de compatibilidad con las pruebas de una sola prueba, etc. Por lo tanto, confirma aún más la conclusión extraída de los datos de prueba anteriores: si necesitamos incorporar modelos más grandes a web3, necesitamos desarrollar un sistema de pruebas más potente.
Sin embargo, el valor de Leela radica en brindarnos un espacio de imaginación más grande para el juego AI + Web3; en este momento, los jugadores de King of Glory deberían tener muchas esperanzas de que el algoritmo de emparejamiento esté completamente en cadena :) Gamefi necesita más soporte de contenido de alta calidad y un sistema de juego más justo, y la IA en cadena simplemente proporciona esto. Por ejemplo, la introducción de escenas de juego impulsadas por IA o NPC en el juego brinda un enorme espacio de imaginación tanto para la experiencia de juego del jugador como para la jugabilidad del sistema económico.
3.3 Worldcoin: IA + KYC
Worldcoin es un sistema de identidad en cadena (Privacy-Preserving Proof-of-Personhood Protocol) que utiliza la biometría para establecer un sistema de identidad y lograr funciones derivadas como los pagos. El objetivo es combatir los ataques de Sybil y ya cuenta con más de 1,4 millones de usuarios registrados.
Los usuarios escanean su iris con un dispositivo de hardware llamado Orb y la información personal se agrega a una base de datos. Worldcoin ejecuta un modelo CNN en el entorno computacional del hardware Orb para comprimir y validar la efectividad de los datos del iris del usuario. Suena poderoso, pero para una verdadera verificación de identidad descentralizada, el equipo de Worldcoin está explorando la verificación de salida del modelo a través de ZKP.
Desafíos
Vale la pena mencionar que el modelo CNN utilizado por Worldcoin tiene un tamaño: parámetros = 1,8 millones, capas = 50. Según los datos de prueba que se muestran arriba, el sistema de prueba actual puede manejar esto en términos de tiempo, pero el consumo de memoria es imposible de completar para el hardware de nivel de consumidor.
3.4 Otros proyectos
Pragma: Pragma es un oráculo de ZK desarrollado a partir del ecosistema Starkware. El equipo también está explorando cómo resolver el problema de la verificación descentralizada de datos fuera de la cadena a través de la IA en la cadena. Los usuarios ya no necesitan confiar en los validadores, sino que pueden verificar las fuentes de datos fuera de la cadena a través de una IA en la cadena lo suficientemente precisa y verificable, como leer la información física correspondiente como entrada y tomar decisiones para la verificación real de activos o identidad.
Lyra finance: Lyra finance es un AMM de opciones que ofrece un mercado de negociación de derivados. Para mejorar la utilización del capital, el equipo de Lyra y Modulus Lab están colaborando para desarrollar un AMM basado en un modelo de IA verificable. Con un modelo de IA verificable y justo, Lyra finance tiene la oportunidad de convertirse en un experimento de implementación a gran escala para la IA en cadena, brindando un emparejamiento justo a los usuarios de la web3 por primera vez, optimizando el mercado en cadena a través de la IA y brindando mayores retornos.
Giza: una plataforma ZKML que implementa modelos directamente en la cadena en lugar de realizar una verificación fuera de la cadena. Buen intento, pero... Debido a la potencia computacional y a la falta de soporte de Cairo para la generación de pruebas basada en CUDA, Giza solo puede admitir la implementación de modelos pequeños. Este es el problema más fatal. A largo plazo, los modelos grandes que pueden tener un impacto disruptivo en la web3 requerirán un soporte de hardware potente, como GPU.
Zama-ai: cifrado homomórfico de modelos. El cifrado homomórfico es una forma de cifrado donde: f[E(x)] = E[f(x)], donde f es una operación, E es un algoritmo de cifrado homomórfico y x es una variable, por ejemplo, E(a) + E(b) = E(a + b). Permite que formas específicas de operaciones algebraicas en texto cifrado generen un resultado cifrado, y descifrar este resultado arrojará el mismo resultado que realizar la misma operación en el texto sin formato. La privacidad de los modelos siempre ha sido un punto crítico y un cuello de botella de la IA. Aunque zk respeta la privacidad, zk no es sinónimo de privacidad. Zama se compromete a garantizar la ejecución de modelos que preserve la privacidad.
ML como servicio: actualmente es solo una línea de pensamiento, sin aplicaciones específicas, pero el objetivo es resolver los problemas de comportamiento malicioso por parte de proveedores de servicios de ML centralizados y la confianza de los usuarios a través de ZKP. Daniel Kang ofrece una descripción detallada en el artículo “Verificación sin confianza del aprendizaje automático” (consulte el diagrama del artículo).
4. Conclusión
En general, la IA en el mundo de la Web3 se encuentra en una etapa muy temprana, pero no hay duda de que la maduración y popularización de la IA en cadena llevará el valor de la Web3 a otro nivel. Técnicamente, la Web3 puede proporcionar una infraestructura única para la IA, y la IA es una herramienta esencial para cambiar las relaciones de producción de la Web3. La combinación de ambas puede generar muchas posibilidades, lo que la convierte en un lugar emocionante e imaginativo.
Desde la perspectiva de la motivación de la IA para pasar a la cadena, por un lado, la IA transparente y verificable en la cadena transforma las entidades descentralizadas y sin confianza de personas a herramientas de IA, mejorando enormemente la eficiencia y la seguridad, y brindando posibilidades para crear formas de productos completamente nuevas. Por otro lado, a medida que la infraestructura de la Web3 continúa iterando, la Web3 realmente necesita una aplicación revolucionaria que pueda maximizar el valor de esta infraestructura. ZKML se ajusta a este punto; por ejemplo, es probable que ZK-rollup sea el punto de entrada para la IA en la Web3 en el futuro.
Desde una perspectiva de viabilidad, la infraestructura actual puede soportar modelos de cierta escala hasta cierto punto, pero aún hay muchas incertidumbres. El uso de ZKP para crear modelos verificables parece ser actualmente el único camino para que la IA se implemente en cadena y también puede ser el camino técnico más determinante para llevar la IA a las aplicaciones web3. Sin embargo, a largo plazo, el sistema de pruebas actual debe mejorarse exponencialmente para soportar lo suficiente los modelos cada vez más grandes.
Desde la perspectiva de los escenarios de aplicación, la IA puede participar casi perfectamente en cualquier dirección de la web3, ya sea en juegos, DeFi, DID o herramientas... Aunque los proyectos existentes son muy escasos y carecen de valor a largo plazo, aún no han pasado de ser una herramienta para mejorar la eficiencia a una aplicación que cambie las relaciones de producción. Pero es emocionante que alguien haya dado el primer paso, y podemos ver el primer vistazo a la IA en cadena y sus posibilidades futuras.
Referencia
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
Acerca de Foresight Ventures
Foresight Ventures se dedica a respaldar la innovación disruptiva de blockchain para las próximas décadas. Gestionamos varios fondos: un fondo de capital de riesgo, un fondo secundario de gestión activa, un fondo de inversión de múltiples estrategias y un fondo secundario de mercado privado, con activos bajo gestión que superan los 400 millones de dólares. Foresight Ventures se adhiere a la creencia de una "mentalidad única, independiente, agresiva y de largo plazo" y brinda un amplio apoyo a las empresas de su cartera dentro de un ecosistema en crecimiento. Nuestro equipo está compuesto por veteranos de las principales empresas financieras y tecnológicas como Sequoia Capital, CICC, Google, Bitmain y muchas otras.
Sitio web: https://www.foresightventures.com/
Descargo de responsabilidad: todos los artículos de Foresight Ventures no tienen como objetivo brindar asesoramiento en materia de inversiones. Cada persona debe evaluar su propia tolerancia al riesgo y tomar decisiones de inversión con prudencia.
