Auteur : Ian Xu@Foresight Ventures
TL;DR
Cet article traite de l'intersection de l'IA et du Web3, explorant comment l'IA en chaîne peut apporter une valeur significative à l'Internet décentralisé. Il met en évidence plusieurs projets, notamment Worldcoin, Pragma, Lyra Finance, Giza, Zama.ai et d'éventuelles applications ML-as-a-service.
L’article souligne que l’IA dans le contexte Web3 en est à ses débuts mais qu’elle recèle un grand potentiel. L'IA en chaîne, étant transparente et vérifiable, peut améliorer considérablement l'efficacité et la sécurité, permettant ainsi de nouvelles formes de produits. Le ZKML est particulièrement prometteur, le ZK-rollup pouvant servir de point d'entrée pour l'IA dans le monde Web3.
Même si l’infrastructure actuelle peut prendre en charge des modèles d’une certaine échelle, de nombreuses incertitudes subsistent, notamment en termes de vérification des modèles via des preuves à connaissance nulle. Cela est considéré comme la voie inévitable pour l’IA en chaîne, mais nécessite des améliorations exponentielles des systèmes de preuve pour prendre en charge des modèles de plus en plus grands.
En termes d'applications, l'IA en chaîne pourrait potentiellement participer à n'importe quel aspect du Web3, y compris les jeux, DeFi, DID et les outils. Malgré la rareté des projets existants, l'article reste optimiste quant au potentiel de l'IA en chaîne et à son impact transformateur sur l'espace Web3.
1. IA + Web3 = ?
L’engagement obsessionnel des développeurs dans la construction d’infrastructures et les mises à jour continues de diverses solutions de cumul ont en effet permis une percée dans la puissance de calcul initialement en retard du Web3. Cela a également permis à l’IA d’être intégrée à la blockchain. Mais vous voudrez peut-être dire qu'au lieu de faire de grands efforts pour mettre en œuvre l'IA en chaîne, l'exécution de modèles hors chaîne semble pouvoir répondre à la plupart des besoins. En fait, presque tous les modèles d’IA fonctionnent actuellement en mode boîte noire et centralisé et créent une valeur irremplaçable dans divers domaines.
1.1 Revenons à la question la plus fondamentale : qu’est-ce que l’IA sur la blockchain ?
L’idée dominante est de rendre les modèles d’IA transparents et vérifiables via Web3.
Pour être plus précis, l’IA sur la blockchain signifie la vérification complète des modèles d’intelligence artificielle. C'est-à-dire qu'un modèle doit divulguer les trois points suivants à l'ensemble du réseau (utilisateurs ou vérificateurs) :
Architecture du modèle ;
Paramètres et poids du modèle : la divulgation des paramètres et des poids peut parfois avoir un impact négatif sur la sécurité du produit. Par conséquent, pour des scénarios spécifiques, tels que les modèles de contrôle des risques, les pondérations peuvent être masquées pour garantir la sécurité ;
Entrée du modèle : Dans le contexte du web3, il s'agit généralement de données publiques sur la chaîne.
Lorsque les conditions ci-dessus sont remplies, l’ensemble du processus d’exécution du modèle est déterministe et n’est plus une opération de boîte noire. N'importe qui peut vérifier les entrées et les résultats du modèle sur la blockchain, empêchant ainsi le propriétaire du modèle ou la personne autorisée associée de manipuler le modèle.
1.2 Quel est le moteur de l'IA en chaîne ?
L’importance de l’IA en chaîne n’est pas de remplacer le mode de fonctionnement centralisé de l’IA Web2, mais :
Sans sacrifier la décentralisation et le manque de confiance, cela crée la prochaine étape de valeur pour le monde du Web3. Le Web3 actuel est comme le début du Web2, et il n’a pas encore la capacité d’entreprendre des applications plus larges ou de créer une plus grande valeur. Ce n'est qu'après avoir intégré l'IA que l'imagination de Dapp pourra véritablement passer à l'étape suivante, et ces applications en chaîne pourraient se rapprocher du niveau des applications Web2. Cette proximité ne vise pas à rendre les fonctions plus similaires, mais à améliorer l'expérience utilisateur et les possibilités en tirant parti de la valeur du Web3.
Il fournit une solution transparente et sans confiance pour le mode de fonctionnement boîte noire de web2 AI.
Imaginez les scénarios d'application du web3 :
Ajout d'un algorithme de recommandation à la plateforme de trading NFT, recommandation des NFT correspondants en fonction des préférences de l'utilisateur et amélioration de la conversion ;
Ajout d'adversaires IA dans les jeux pour une expérience de jeu plus transparente et équitable ;
……
Cependant, ces applications apportent d’autres améliorations en termes d’efficacité ou d’expérience utilisateur grâce à l’IA pour les fonctions existantes.
Est-ce précieux ? Oui.
La valeur est-elle grande ? Cela dépend du produit et du scénario.
La valeur que l'IA peut créer ne se limite pas à l'optimisation de 99 à 100. Ce qui m'enthousiasme vraiment, ce sont les nouvelles applications de 0 à 1, certains cas d'utilisation qui ne peuvent être réalisés que grâce à des modèles en chaîne transparents et vérifiables. Cependant, ces cas d’usage « passionnants » reposent actuellement principalement sur l’imagination, sans applications matures. Voici quelques idées de brainstorming :
Trading de crypto basé sur des modèles de décision de réseau neuronal : une forme de produit pourrait ressembler davantage à une version améliorée du trading de copie, ou même à une toute nouvelle façon de trader. Les utilisateurs n'ont plus besoin de faire confiance ou de rechercher d'autres traders expérimentés mais de parier sur des modèles et leurs performances totalement ouverts et transparents. Essentiellement, l’IA négocie plus rapidement et de manière plus décisive sur la base des prévisions des futurs prix des cryptomonnaies. Cependant, sans « l’autonomie sans confiance » inhérente à l’IA en chaîne, de tels objets ou normes de paris n’existent tout simplement pas. Les utilisateurs/investisseurs peuvent voir de manière transparente les raisons, les processus et même la probabilité exacte des hausses/baisses futures dans la prise de décision du modèle.
Modèles d’IA agissant comme arbitres : un produit pourrait être une nouvelle forme d’oracle, prédisant l’exactitude des sources de données grâce à des modèles d’IA. Les utilisateurs n’ont plus besoin de faire confiance aux validateurs et n’ont plus à s’inquiéter du mauvais comportement des nœuds. Les fournisseurs Oracle n’ont même pas besoin de concevoir des réseaux de nœuds complexes ni des mécanismes de récompense-punition pour parvenir à la décentralisation. En conséquence, l’IA transparente + vérifiable en chaîne est déjà suffisante pour vérifier le niveau de confiance des sources de données hors chaîne. Cette nouvelle forme de produit a le potentiel de dominer en termes de sécurité, d’efficacité et de coût, et l’objet de la décentralisation passe des humains aux outils d’IA « d’autonomie sans confiance », qui sont sans aucun doute plus sûrs.
Systèmes de gestion/d'exploitation d'organisation basés sur de grands modèles : la gouvernance des DAO devrait par nature être efficace, décentralisée et équitable, mais la situation actuelle est tout le contraire, lâche et gonflée, manquant de transparence et d'équité. L'introduction de l'IA en chaîne peut fournir une solution très adaptée, maximisant le mode de gestion et l'efficacité, et minimisant les risques systémiques et humains dans la gestion. Nous pouvons même imaginer un nouveau mode de développement et de fonctionnement pour les projets web3, où l'ensemble du cadre ainsi que les orientations et propositions de développement futures ne dépendent guère de la prise de décision de l'équipe de développement ou du vote du DAO. Au lieu de cela, les décisions sont prises sur la base des capacités d’acquisition de données et de calcul plus vastes des grands modèles. Mais tout cela repose sur le fait que le modèle est en chaîne. Sans « l’autonomie sans confiance » de l’IA, il n’y a pas de transition des humains vers les outils dans le monde décentralisé.
……
En résumé,
Les nouvelles formes de produits basées sur l'IA en chaîne peuvent être résumées comme faisant passer le sujet de la décentralisation et du manque de confiance des humains aux outils d'IA. Ceci est conforme à l'évolution de la productivité dans le monde traditionnel, où initialement des efforts ont été faits pour améliorer et améliorer l'efficacité humaine, et plus tard, les humains ont été remplacés par des outils intelligents, révolutionnant la conception originale du produit en termes de sécurité et d'efficacité.
Le point le plus critique, et la prémisse de tout ce qui précède, est de rendre l’IA transparente et vérifiable via le Web3.
1.3 La prochaine étape du Web3
Le Web3, en tant qu’innovation technologique phénoménale, ne peut pas rester à son stade initial. Le trafic et les modèles économiques sont importants, mais les utilisateurs ne resteront pas toujours à la recherche de trafic ou ne dépenseront pas beaucoup de ressources pour faire X pour gagner, et Web3 n'intégrera pas la prochaine vague de nouveaux utilisateurs pour cette raison. Mais une chose est sûre : la révolution de la productivité et de la valeur dans le monde de la cryptographie doit venir de l’ajout de l’IA.
Je pense que cela peut être grossièrement divisé en trois étapes suivantes :
Début : La mise à jour et l’itération d’algorithmes et de matériels à preuve de connaissance nulle offrent la première possibilité d’émergence de l’IA en chaîne ; (nous sommes ici)
Développement : qu’il s’agisse de l’amélioration des applications existantes grâce à l’IA ou des nouveaux produits basés sur l’IA en chaîne, les deux font avancer l’ensemble de l’industrie ;
Endgame : quelle est la direction ultime de l’IA en chaîne ?
Les discussions ci-dessus portent toutes sur l’exploration de scénarios d’application de bas en haut grâce à la combinaison de l’IA et du Web3. Si nous passons à une approche descendante pour visualiser l’IA en chaîne, l’IA pourrait-elle remonter au Web3 lui-même ? IA + blockchain = blockchain adaptative
Certaines chaînes publiques prendront l'initiative d'intégrer l'IA en chaîne, passant du niveau des chaînes publiques à une sorte de niveau adaptatif. L'orientation du développement ne dépend plus des décisions de fondation du projet mais repose sur une prise de décision massive en matière de données, et le niveau d'automatisation dépasse de loin le Web3 traditionnel, se démarquant ainsi de la prospérité multi-chaînes actuelle.
Avec la bénédiction d’une IA vérifiable + transparente, où l’autorégulation du web3 se manifeste, on peut se référer à quelques exemples mentionnés par Modulus Lab :
Les marchés de transactions en chaîne peuvent s'ajuster automatiquement de manière décentralisée, par exemple en ajustant le taux d'intérêt des pièces stables en temps réel sur la base de données en chaîne accessibles au public, sans avoir besoin d'hypothèses de confiance ;
L'apprentissage multimodal peut permettre de compléter les interactions de protocole en chaîne grâce à la reconnaissance biométrique, fournissant un KYC sécurisé et réalisant une gestion complète des identités sans confiance ;
Permettez aux applications en chaîne de maximiser la valeur apportée par les données en chaîne, en prenant en charge des services tels que la recommandation de contenu personnalisé.
D'un autre point de vue, zkrollup continue d'itérer et d'optimiser, mais il lui manque toujours une véritable application qui ne peut fonctionner que sur l'écosystème zk, ZKML répond exactement à ce point et son espace d'imagination est également suffisamment grand. ZK-rollup est susceptible de servir de point d'entrée pour l'IA dans le web3 à l'avenir, créant une plus grande valeur, et les deux se complètent.
2. Mise en œuvre et faisabilité
2.1 Que peut apporter le Web3 à l'IA ?
L'infrastructure et ZK sont sans aucun doute les pistes les plus compétitives du web3. Divers projets ZK ont fait de gros efforts en matière d'optimisation des circuits et de mise à niveau des algorithmes, qu'il s'agisse de l'exploration de réseaux multicouches, du développement de couches de modularisation et de disponibilité des données, d'une personnalisation plus poussée du rollup as a service ou encore de l'accélération matérielle… Ces tentatives poussent l'évolutivité. , le coût et la puissance de calcul de l'infrastructure Web3 au niveau supérieur.
Cela semble bien de mettre l’IA sur la chaîne, mais comment cela se fait-il exactement ?
Une approche consiste à utiliser le système ZK-proof. Par exemple, créez un circuit personnalisé pour l'apprentissage automatique, le processus de génération d'un témoin hors chaîne est le processus d'exécution du modèle et générez une preuve pour le processus de prédiction du modèle (y compris les paramètres et les entrées du modèle), n'importe qui peut vérifier la preuve sur -chaîne.
Le modèle d'IA fonctionne toujours sur un cluster efficace, même avec une certaine accélération matérielle pour améliorer encore la vitesse de calcul, maximisant l'utilisation de la puissance de calcul tout en garantissant qu'aucune personne ou institution centralisée ne puisse falsifier ou interférer avec le modèle, c'est-à-dire pour garantir :
Certitude des résultats de la prédiction du modèle = vérifiable (entrée + architecture du modèle + paramètres)
Sur la base de l'approche ci-dessus, nous pouvons déduire davantage quelles infrastructures sont cruciales pour l'IA en chaîne :
Système ZKP, rollup : les rollups élargissent notre imagination en matière de capacités informatiques en chaîne, regroupant un ensemble de transactions et générant même de manière récursive des preuves de preuve pour réduire davantage les coûts. Pour les grands modèles actuels, la première étape pour offrir des possibilités est le système de preuve et le rollup ;
Accélération matérielle : le cumul ZK fournit une base vérifiable, mais la vitesse de génération de la preuve est directement liée à la convivialité et à l'expérience utilisateur du modèle. Attendre plusieurs heures pour générer la preuve d’un modèle ne fonctionnera évidemment pas, donc l’accélération matérielle via FPGA est un formidable coup de pouce.
Cryptographie : la cryptographie est le fondement du monde de la cryptographie, et les modèles en chaîne et les données sensibles doivent également garantir la confidentialité.
Supplément:
La base des grands modèles est le GPU. Sans un support parallèle élevé, l’efficacité des grands modèles sera très faible et ils ne pourront pas fonctionner. Par conséquent, pour un écosystème zk en chaîne :
Compatible GPU = Compatible IA
Prenons Starknet comme exemple, Cario ne peut fonctionner que sur CPU, donc seuls quelques petits modèles d'arbre de décision peuvent être déployés, ce qui n'est pas propice au déploiement de grands modèles à long terme.
Défi 2.2 : un système de preuve plus puissant
La vitesse de génération et l'utilisation de la mémoire de ZK Proof sont cruciales, l'une étant liée à l'expérience utilisateur et à la faisabilité, tandis que l'autre concerne le coût et l'évolutivité.
Le système zkp actuel est-il suffisant ?
Suffisant, mais pas assez bon…
Modulus Lab a détaillé la situation spécifique des modèles et de la puissance de calcul dans l'article « The Cost of Intelligence : Proving Machine Learning Inference with Zero-Knowledge ». Quand vous avez le temps, vous pouvez lire ce « Paper0 » dans le champ ZKML : https://drive.google.com/file/d/1tylpowpaqcOhKQtYolPlqvx6R2Gv4IzE/view
Vous trouverez ci-dessous les différents systèmes de preuve mentionnés dans l'article 0.
Sur la base des algorithmes zk ci-dessus, Modulus Lab effectue des tests dans deux dimensions : la consommation de temps et l'occupation de la mémoire et contrôle deux variables principales : les paramètres et les couches dans ces deux dimensions. Voici les suites de référence. Une telle conception peut couvrir à peu près le volume de paramètres de 60 000 LeNet5, 0,5 MFLOP, jusqu'au volume de paramètres de 22 M de ResNet-34, 3,77 GFLOP.
Test de consommation de temps :
Test de consommation mémoire :
Sur la base des données ci-dessus, dans l'ensemble, l'algorithme zk actuel et la possibilité de prendre en charge la génération de preuves de grands modèles sont disponibles, mais les coûts correspondants sont toujours élevés, nécessitant une optimisation encore plus de 10 fois. En prenant Gloth16 comme exemple, bien qu'il bénéficie de l'optimisation du temps de calcul apportée par une concurrence élevée, en contrepartie, l'utilisation de la mémoire augmente considérablement. Les performances de Plonky2 et zkCNN dans le temps et dans l’espace vérifient également ce point.
Alors maintenant, la question a réellement changé, passant de celle de savoir si le système zkp peut prendre en charge l'IA en chaîne au coût qui vaut la peine de prendre en charge l'IA en chaîne. Et avec l’augmentation exponentielle des paramètres du modèle, la pression sur le système de preuve va également augmenter rapidement. En effet, existe-t-il désormais un réseau neuronal sans confiance ? Non! C'est parce que le coût est trop élevé.
Par conséquent, la création d’un système de preuve personnalisé par l’IA est d’une importance vitale. Parallèlement, pour mettre en œuvre une logique d’IA très complexe en un seul appel, il faut également repenser le modèle de consommation de gaz. Un zkvm performant est essentiel. Mais nous pouvons désormais voir de nombreuses tentatives hautes performances, comme OlaVM, polygon Miden, etc. L'optimisation continue de ces infrastructures améliore considérablement la faisabilité de l'IA en chaîne.
3. La candidature vaut-elle la peine d'être attendue ?
Bien que l’IA en chaîne en soit encore à ses débuts, elle peut se situer entre les étapes de démarrage et de développement si on la regarde depuis les couches ci-dessus. Cependant, la direction de l’IA ne manque jamais d’excellentes équipes et d’idées innovantes.
Comme mentionné ci-dessus, en ce qui concerne le stade de développement de l'IA dans le monde Web3, le marché actuel est à mi-chemin entre le début et le développement, et l'orientation des tentatives de produits est encore principalement basée sur l'optimisation de l'expérience utilisateur basée sur les fonctions existantes. Mais la chose la plus précieuse est de transformer des personnes sans confiance en outils grâce à l'IA sur la chaîne, subvertissant ainsi la forme originale du produit en termes de sécurité et d'efficacité.
Ensuite, à partir de quelques tentatives d'application existantes, analysez l'orientation à long terme du développement de produits pour l'IA en chaîne.
3.1 Le bot Rockefeller : la première IA en chaîne au monde
Rockefeller est le premier produit d'IA en chaîne lancé par l'équipe Modulus Lab, avec une forte « valeur commémorative ». Ce modèle est essentiellement un robot de trading. Plus précisément, les données de formation de Rockefeller sont une grande quantité de prix/taux de change WEth-USDC accessibles au public sur la chaîne. Il s'agit d'un modèle de réseau neuronal à trois couches, et l'objectif de prédiction est la hausse et la baisse futures des prix du WEth.
Voici le processus lorsque le robot de trading décide de trader :
Rockefeller génère ZKP pour les résultats de prédiction sur ZK-rollup ;
ZKP est vérifié sur L1 (les fonds sont conservés par contrat L1) et les opérations sont exécutées ;
On peut voir que les opérations de prédiction et de fonds du robot de trading sont complètement décentralisées et sans confiance. Comme mentionné ci-dessus, vu d'une dimension supérieure, Rockefeller ressemble davantage à un nouveau type de gameplay Defi. Par rapport au fait de faire confiance à d’autres traders, dans ce mode, les utilisateurs parient en fait sur le modèle transparent + vérifiable + autonome. Les utilisateurs n’ont pas besoin de faire confiance aux institutions centralisées pour garantir la légalité du processus décisionnel modèle. Dans le même temps, l'IA peut également éliminer au maximum l'impact de la nature humaine et prendre des décisions de manière plus décisive.
Vous voudrez peut-être déjà investir de l’argent dans Rockefeller et essayer, mais cela peut-il vraiment rapporter de l’argent ?
Non, ce n’est pas possible, selon l’équipe Modulus. Plutôt que d'être une application, Rockefeller ressemble plus à une preuve de concept (POC) pour l'IA en chaîne. En raison des limites du coût, de l'efficacité et des systèmes de preuve, l'objectif principal de Rockefeller est de servir de démonstration pour montrer la faisabilité de l'IA en chaîne au monde du Web3. (Rockefeller a terminé sa mission et est désormais hors ligne T T)
3.2 Leela : le premier jeu d'IA en chaîne au monde
Leela contre the World, récemment sorti, vient également de Modulus Lab. Le mécanisme de jeu est simple, où les joueurs humains forment des équipes pour lutter contre l'IA. Dans le jeu, les joueurs peuvent miser et à la fin de chaque match, la cagnotte du perdant sera distribuée au gagnant en fonction du nombre de jetons misés.
En parlant d'IA en chaîne, Modulus Lab a déployé cette fois un réseau neuronal profond plus large (avec un nombre de paramètres > 3 700 000). Bien que Leela surpasse Rockefeller en termes d'échelle de modèle et de contenu de produit, il s'agit essentiellement d'une expérience d'IA en chaîne à grande échelle. Le mécanisme et le mode de fonctionnement derrière Leela nécessitent une attention particulière, ce qui peut nous aider à mieux comprendre le mode de fonctionnement et l'espace d'amélioration de l'IA en chaîne. Voici le schéma logique donné par le responsable :
Chaque mouvement effectué par Leela, ou chaque prédiction, générera un ZKP, et ce n'est qu'après avoir été vérifié par le contrat qu'il prendra effet dans le jeu. C'est-à-dire que grâce à l'IA autonome et sans confiance, les fonds misés par les utilisateurs et l'équité du jeu sont entièrement protégés par la cryptographie, et il n'est pas nécessaire de faire confiance au développeur du jeu.
Leela utilise l'algorithme Halo2, principalement parce que ses outils et sa conception flexible peuvent aider à concevoir un système de preuve plus efficace. La situation de performance spécifique peut se référer aux données de test ci-dessus. Mais en même temps, lors de l'exploitation de Leela, l'équipe Modulus a également découvert les inconvénients de Halo2, tels que la lenteur de la génération de preuves et le manque de convivialité pour les tests ponctuels, etc. Cela confirme donc encore la conclusion tirée des données de test précédentes. : si nous devons intégrer des modèles plus grands dans web3, nous devons développer un système de preuve plus puissant.
Cependant, la valeur de Leela réside dans le fait qu'elle nous apporte un plus grand espace d'imagination pour le jeu AI + Web3. À l'heure actuelle, les joueurs de King of Glory devraient avoir beaucoup d'espoir que l'algorithme de matchmaking soit entièrement en chaîne :) Gamefi a besoin de plus de haute qualité. une prise en charge du contenu et un système de jeu plus équitable, et l'IA en chaîne fournit simplement cela. Par exemple, l’introduction de scènes de jeu pilotées par l’IA ou de PNJ dans le jeu offre un immense espace d’imagination à la fois pour l’expérience de jeu du joueur et pour le gameplay du système économique.
3.3 Worldcoin : IA + KYC
Worldcoin est un système d'identité en chaîne (Privacy-Preserving Proof-of-Personhood Protocol) qui utilise la biométrie pour établir un système d'identité et réaliser des fonctions dérivées telles que les paiements. L'objectif est de lutter contre les attaques Sybil et compte désormais plus de 1,4 million d'utilisateurs enregistrés.
Les utilisateurs scannent leur iris avec un périphérique appelé Orb et les informations personnelles sont ajoutées à une base de données. Worldcoin exécute un modèle CNN dans l'environnement informatique du matériel Orb pour compresser et valider l'efficacité des données sur l'iris des utilisateurs. Cela semble puissant, mais pour une véritable vérification d'identité décentralisée, l'équipe Worldcoin explore la vérification de la sortie du modèle via les ZKP.
Défis
Il convient de mentionner que le modèle CNN utilisé par Worldcoin a une taille : paramètres = 1,8 millions, couches = 50. Sur la base des données de test présentées ci-dessus, le système de preuve actuel peut gérer cela en termes de temps, mais la consommation de mémoire est impossible à gérer. complet pour le matériel grand public.
3.4 Autres projets
Pragma : Pragma est un oracle ZK développé à partir de l'écosystème Starkware. L’équipe étudie également comment résoudre le problème de la vérification décentralisée des données hors chaîne grâce à l’IA en chaîne. Les utilisateurs n'ont plus besoin de faire confiance aux validateurs, mais peuvent vérifier les sources de données hors chaîne grâce à une IA en chaîne suffisamment précise et vérifiable, comme la lecture des informations physiques correspondantes en entrée et la prise de décisions concernant la vérification réelle des actifs ou de l'identité.
Lyra finance : Lyra finance est une option AMM qui propose un marché de trading de produits dérivés. Pour améliorer l'utilisation du capital, l'équipe Lyra et Modulus Lab collaborent pour développer un AMM basé sur un modèle d'IA vérifiable. Avec un modèle d'IA vérifiable et équitable, Lyra Finance a l'opportunité de devenir une expérience de mise en œuvre à grande échelle de l'IA en chaîne, apportant pour la première fois un jumelage équitable aux utilisateurs du Web3, optimisant le marché en chaîne grâce à l'IA et offrant un meilleur Retour.
Gizeh : une plate-forme ZKML qui déploie des modèles directement en chaîne plutôt qu'une vérification hors chaîne. Bien essayé, mais… En raison de la puissance de calcul et du manque de support du Caire pour la génération de preuves basée sur CUDA, Gizeh ne peut prendre en charge que le déploiement de petits modèles. C'est le problème le plus mortel. À long terme, les grands modèles susceptibles d’avoir un impact perturbateur sur le Web3 nécessiteront un support matériel puissant, tel que des GPU.
Zama-ai : Chiffrement homomorphe des modèles. Le chiffrement homomorphe est une forme de chiffrement où : f[E(x)] = E[f(x)], où f est une opération, E est un algorithme de chiffrement homomorphe et x est une variable, par exemple E(a ) + E(b) = E(une + b). Il permet à des formes spécifiques d'opérations algébriques sur le texte chiffré d'aboutir à un résultat chiffré, et le déchiffrement de ce résultat donnera le même résultat que l'exécution de la même opération sur le texte en clair. La confidentialité des modèles a toujours été un point chaud et un goulot d’étranglement de l’IA. Bien que zk soit respectueux de la vie privée, zk n’est pas synonyme de confidentialité. Zama s'engage à garantir l'exécution des modèles dans le respect de la confidentialité.
ML-as-a-service : il ne s'agit actuellement que d'une direction de réflexion, sans applications spécifiques, mais l'objectif est de résoudre les problèmes de comportement malveillant de la part des fournisseurs de services ML centralisés et de la confiance des utilisateurs via les ZKP. Daniel Kang a une description détaillée dans l'article « Trustless Verification of Machine Learning » (se référer au schéma dans l'article).
4. Conclusion
Dans l’ensemble, l’IA dans le monde du web3 en est à ses débuts, mais il ne fait aucun doute que la maturation et la vulgarisation de l’IA en chaîne porteront la valeur du web3 à un autre niveau. Techniquement, le web3 peut fournir une infrastructure unique pour l’IA, et l’IA est un outil essentiel pour changer les relations de production du web3. La combinaison des deux peut susciter de nombreuses possibilités, ce qui en fait un lieu passionnant et imaginatif.
Du point de vue de la motivation de l'IA à passer en chaîne, d'une part, l'IA en chaîne transparente + vérifiable transforme les entités décentralisées et sans confiance des personnes en outils d'IA, améliorant considérablement l'efficacité et la sécurité et offrant des possibilités de création de produits entièrement nouveaux. formes. D'un autre côté, à mesure que l'infrastructure du web3 continue d'itérer, le web3 a véritablement besoin d'une application révolutionnaire capable de maximiser la valeur de cette infrastructure. ZKML correspond à ce point, par exemple, ZK-rollup sera probablement le point d'entrée de l'IA dans le Web3 à l'avenir.
Du point de vue de la faisabilité, l’infrastructure actuelle peut dans une certaine mesure prendre en charge des modèles d’une certaine échelle, mais de nombreuses incertitudes subsistent. L'utilisation de ZKP pour créer des modèles vérifiables semble actuellement être la seule voie permettant à l'IA d'être intégrée à la chaîne et peut également être la voie technique la plus déterministe pour intégrer l'IA dans les applications Web3. Cependant, à long terme, le système de preuve actuel doit être amélioré de manière exponentielle pour prendre en charge suffisamment les modèles de plus en plus grands.
Du point de vue des scénarios d'application, l'IA peut presque parfaitement participer à n'importe quelle direction du web3, qu'il s'agisse de jeux, de DeFi, de DID ou d'outils… Bien que les projets existants soient très rares et manquent de valeur à long terme, ils ne sont pas encore passés de un outil pour améliorer l'efficacité d'une application qui modifie les relations de production. Mais il est passionnant que quelqu’un ait fait le premier pas, et nous pouvons voir le premier aperçu de l’IA en chaîne et de ses possibilités futures.
Référence
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
À propos de Foresight Ventures
Foresight Ventures se consacre à soutenir l’innovation disruptive de la blockchain au cours des prochaines décennies. Nous gérons plusieurs fonds : un fonds de capital-risque, un fonds secondaire à gestion active, un FOF multistratégie et un fonds secondaire du marché privé, dont les actifs sous gestion dépassent 400 millions de dollars. Foresight Ventures adhère à la conviction d'un « état d'esprit unique, indépendant, agressif et à long terme » et fournit un soutien étendu aux sociétés de portefeuille au sein d'un écosystème en croissance. Notre équipe est composée de vétérans issus de grandes sociétés financières et technologiques telles que Sequoia Capital, CICC, Google, Bitmain et bien d'autres.
Site Web : https://www.foresightventures.com/
Avertissement : tous les articles de Foresight Ventures ne sont pas destinés à constituer des conseils en investissement. Les individus doivent évaluer leur propre tolérance au risque et prendre des décisions d’investissement avec prudence.