Penulis: Ian Xu @Foresight Ventures
TL;DR
Artikel ini membahas persimpangan antara AI dan Web3, mengeksplorasi bagaimana AI on-chain dapat memberikan nilai signifikan bagi internet terdesentralisasi. Artikel ini menyoroti beberapa proyek, termasuk Worldcoin, Pragma, Lyra Finance, Giza, Zama.ai, dan aplikasi ML-as-a-service yang potensial.
Artikel ini menekankan bahwa AI dalam konteks Web3 masih dalam tahap awal tetapi memiliki potensi besar. AI on-chain, yang transparan dan dapat diverifikasi, dapat meningkatkan efisiensi dan keamanan secara signifikan, sehingga memungkinkan bentuk produk baru. ZKML sangat menjanjikan, dengan ZK-rollup yang berpotensi berfungsi sebagai titik masuk bagi AI ke dunia Web3.
Meskipun infrastruktur saat ini dapat mendukung model dalam skala tertentu, masih terdapat banyak ketidakpastian, khususnya dalam hal memverifikasi model melalui Zero-Knowledge Proofs. Hal ini dipandang sebagai jalur yang tak terelakkan untuk AI on-chain tetapi memerlukan peningkatan eksponensial dalam sistem pembuktian untuk mendukung model yang semakin besar.
Dalam hal aplikasi, AI on-chain berpotensi berpartisipasi dalam aspek apa pun dari Web3, termasuk game, DeFi, DID, dan perkakas. Meskipun proyek yang ada masih sedikit, artikel ini tetap optimis tentang potensi AI on-chain dan dampak transformatifnya pada ruang Web3.
1. AI + Web3 = ?
Dedikasi pengembang yang obsesif terhadap pembangunan infrastruktur dan pembaruan berkelanjutan berbagai solusi rollup memang telah membuat terobosan dalam daya komputasi web3 yang awalnya tertinggal. Hal ini juga memungkinkan AI untuk ditempatkan di blockchain. Namun, Anda mungkin ingin mengatakan bahwa alih-alih berusaha keras untuk mengimplementasikan AI on-chain, menjalankan model off-chain tampaknya dapat memenuhi sebagian besar kebutuhan. Faktanya, hampir semua model AI saat ini berjalan dalam mode black-box, terpusat, dan menciptakan nilai yang tak tergantikan di berbagai bidang.
1.1 Mari kita kembali ke pertanyaan paling mendasar, apa itu AI di blockchain?
Pemahaman umum adalah membuat model AI transparan + dapat diverifikasi melalui Web3.
Secara lebih spesifik, AI pada blockchain berarti verifikasi lengkap model kecerdasan buatan. Dengan kata lain, sebuah model perlu mengungkapkan tiga poin berikut ke seluruh jaringan (pengguna atau verifikator):
Arsitektur model;
Parameter dan bobot model: Pengungkapan parameter dan bobot terkadang dapat berdampak negatif pada keamanan produk. Oleh karena itu, untuk skenario tertentu, seperti model pengendalian risiko, bobot dapat disembunyikan untuk memastikan keamanan;
Masukan model: Dalam konteks web3, umumnya berupa data publik di rantai.
Jika kondisi di atas terpenuhi, seluruh proses eksekusi model bersifat deterministik dan bukan lagi operasi kotak hitam. Siapa pun dapat memverifikasi input dan hasil model di blockchain, sehingga mencegah pemilik model atau orang yang berwenang untuk memanipulasi model.
1.2 Apa yang menjadi pendorong utama AI on-chain?
Pentingnya AI on-chain bukanlah untuk menggantikan mode operasi terpusat dari AI Web2, tetapi:
Tanpa mengorbankan desentralisasi dan ketidakpercayaan, ia menciptakan tahap nilai berikutnya bagi dunia web3. Web3 saat ini seperti tahap awal web2, dan belum memiliki kemampuan untuk menjalankan aplikasi yang lebih luas atau menciptakan nilai yang lebih besar. Hanya setelah menggabungkan AI, imajinasi Dapp dapat benar-benar melompat ke tahap berikutnya, dan aplikasi on-chain ini dapat menjadi lebih dekat dengan level aplikasi web2. Kedekatan ini bukan dalam membuat fungsi lebih mirip, tetapi dalam meningkatkan pengalaman dan kemungkinan pengguna dengan memanfaatkan nilai Web3.
Ini menyediakan solusi transparan dan tanpa kepercayaan untuk mode operasi kotak hitam AI web2.
Bayangkan skenario aplikasi web3:
Menambahkan algoritma rekomendasi ke platform perdagangan NFT, merekomendasikan NFT yang sesuai berdasarkan preferensi pengguna, dan meningkatkan konversi;
Menambahkan lawan AI dalam permainan untuk pengalaman bermain yang lebih transparan dan adil;
…………
Namun, aplikasi ini merupakan peningkatan lebih lanjut dalam efisiensi atau pengalaman pengguna melalui AI untuk fungsi yang ada.
Apakah itu berharga? Ya.
Apakah nilainya besar? Itu tergantung pada produk dan skenarionya.
Nilai yang dapat diciptakan oleh AI tidak terbatas pada pengoptimalan dari 99 hingga 100. Yang benar-benar membuat saya bersemangat adalah aplikasi baru dari 0 hingga 1, beberapa kasus penggunaan yang hanya dapat dicapai melalui model on-chain yang transparan + dapat diverifikasi. Namun, kasus penggunaan yang "menarik" ini saat ini sebagian besar bergantung pada imajinasi, tanpa aplikasi yang matang. Berikut adalah beberapa ide curah pendapat:
Perdagangan kripto berdasarkan model keputusan jaringan saraf: Satu bentuk produk bisa lebih seperti versi terbaru dari perdagangan salinan, atau bahkan cara perdagangan yang sama sekali baru. Pengguna tidak perlu lagi memercayai atau meneliti pedagang berpengalaman lainnya, tetapi bertaruh pada model yang sepenuhnya terbuka dan transparan serta kinerjanya. Pada dasarnya, AI berdagang lebih cepat dan lebih tegas berdasarkan prediksi harga kripto di masa mendatang. Namun, tanpa "otonomi tanpa kepercayaan" yang melekat pada AI on-chain, objek atau standar taruhan seperti itu tidak akan ada. Pengguna/investor dapat secara transparan melihat alasan, proses, dan bahkan kemungkinan pasti kenaikan/penurunan di masa mendatang dalam pengambilan keputusan model.
Model AI yang bertindak sebagai wasit: Suatu produk dapat menjadi bentuk baru dari oracle, yang memprediksi keakuratan sumber data melalui model AI. Pengguna tidak perlu lagi memercayai validator dan tidak perlu khawatir tentang node yang berperilaku tidak semestinya. Penyedia Oracle bahkan tidak perlu merancang jaringan node yang kompleks dan mekanisme penghargaan-hukuman untuk mencapai desentralisasi. Dengan demikian, AI yang transparan + dapat diverifikasi di rantai sudah cukup untuk memverifikasi tingkat kepercayaan sumber data di luar rantai. Bentuk produk baru ini berpotensi mendominasi dalam hal keamanan, efisiensi, dan biaya, dan objek desentralisasi beralih dari manusia ke alat AI "otonomi tanpa kepercayaan", yang tidak diragukan lagi lebih aman.
Manajemen organisasi/sistem operasi berdasarkan model besar: Tata kelola DAO pada dasarnya harus efisien, terdesentralisasi, dan adil, tetapi situasi saat ini justru sebaliknya, longgar dan membengkak, kurang transparan dan adil. Pengenalan AI on-chain dapat memberikan solusi yang sangat tepat, memaksimalkan mode manajemen dan efisiensi, dan meminimalkan risiko sistemik dan manusia dalam manajemen. Kita bahkan dapat membayangkan mode pengembangan dan operasi baru untuk proyek web3, di mana seluruh kerangka kerja dan arah serta proposal pengembangan masa depan hampir tidak bergantung pada pengambilan keputusan tim pengembangan atau pemungutan suara DAO. Sebaliknya, keputusan dibuat berdasarkan perolehan data yang lebih besar dan kemampuan komputasi model besar. Tetapi semua ini didasarkan pada model yang berada di rantai. Tanpa "otonomi tanpa kepercayaan" AI, tidak ada transisi dari manusia ke alat di dunia yang terdesentralisasi.
…………
Singkatnya,
Bentuk produk baru berdasarkan AI on-chain dapat diringkas sebagai transisi subjek desentralisasi dan ketidakpercayaan dari manusia ke perangkat AI. Hal ini sejalan dengan evolusi produktivitas di dunia tradisional, di mana awalnya, upaya dilakukan untuk meningkatkan dan menyempurnakan efisiensi manusia, dan kemudian, manusia digantikan oleh perangkat cerdas, yang merevolusi desain produk asli dalam hal keamanan dan efisiensi.
Titik paling kritis, dan premis dari semua hal di atas, adalah membuat AI transparan + dapat diverifikasi melalui Web3.
1.3 Tahap Berikutnya Web3
Web3, sebagai inovasi teknologi yang fenomenal, tidak bisa hanya bertahan di tahap awalnya. Lalu lintas dan model ekonomi penting, tetapi pengguna tidak akan selalu mengejar lalu lintas atau menghabiskan banyak sumber daya untuk melakukan X demi mendapatkan penghasilan, dan Web3 tidak akan menarik gelombang pengguna baru berikutnya karena hal ini. Namun satu hal yang pasti: revolusi produktivitas dan nilai di dunia kripto harus berasal dari penambahan AI.
Saya pikir secara garis besar dapat dibagi menjadi tiga tahap berikut:
Awal: Pembaruan dan iterasi algoritma dan perangkat keras tanpa pengetahuan memberikan kemungkinan pertama bagi munculnya AI on-chain; (kita di sini)
Pengembangan: Baik itu peningkatan aplikasi yang sudah ada melalui AI atau produk baru berdasarkan AI on-chain, keduanya mendorong seluruh industri maju;
Akhir permainan: Apa arah akhir dari AI on-chain?
Pembahasan di atas membahas tentang eksplorasi skenario aplikasi dari bawah ke atas melalui kombinasi AI dan Web3. Jika kita beralih ke pendekatan dari atas ke bawah untuk melihat AI on-chain, dapatkah AI menelusuri kembali ke Web3 itu sendiri? AI + blockchain = blockchain adaptif
Beberapa rantai publik akan memimpin dalam mengintegrasikan AI on-chain, bertransformasi dari level rantai publik menjadi semacam rantai adaptif. Arah pengembangan tidak lagi bergantung pada keputusan dasar proyek tetapi didasarkan pada pengambilan keputusan data besar-besaran, dan level otomatisasi jauh melampaui Web3 tradisional, sehingga menonjol dari kemakmuran multi-rantai saat ini.
Dengan berkah AI yang dapat diverifikasi + transparan, di mana regulasi diri web3 terwujud dapat merujuk pada beberapa contoh yang disebutkan oleh Modulus Lab:
Pasar transaksi on-chain dapat secara otomatis menyesuaikan secara terdesentralisasi, seperti menyesuaikan suku bunga stablecoin secara real-time berdasarkan data on-chain yang tersedia untuk umum, tanpa memerlukan asumsi kepercayaan;
Pembelajaran multimoda dapat memungkinkan interaksi protokol on-chain diselesaikan melalui pengenalan biometrik, menyediakan KYC yang aman dan mencapai manajemen identitas tanpa kepercayaan yang lengkap;
Memungkinkan aplikasi on-chain memaksimalkan nilai yang dihadirkan oleh data on-chain, mendukung layanan seperti rekomendasi konten yang disesuaikan.
Dari perspektif lain, zkrollup terus melakukan iterasi dan pengoptimalan, tetapi selalu kekurangan aplikasi nyata yang hanya dapat berjalan pada ekosistem zk, ZKML benar-benar memenuhi titik ini, dan ruang imajinasinya juga cukup besar. ZK-rollup kemungkinan akan berfungsi sebagai titik masuk bagi AI ke web3 di masa mendatang, menciptakan nilai yang lebih besar, dan keduanya saling melengkapi.
2. Implementasi dan Kelayakan
2.1 Apa yang Dapat Disediakan Web3 untuk AI?
Infrastruktur dan ZK tidak diragukan lagi merupakan jalur yang paling kompetitif di web3. Berbagai proyek ZK telah berupaya keras dalam pengoptimalan sirkuit dan peningkatan algoritma, baik itu eksplorasi jaringan multi-lapis, pengembangan modularisasi dan lapisan ketersediaan data, penyesuaian lebih lanjut rollup sebagai layanan atau bahkan akselerasi perangkat keras... Upaya-upaya ini mendorong skalabilitas, biaya, dan daya komputasi infrastruktur Web3 ke tingkat berikutnya.
Kedengarannya bagus untuk menempatkan AI pada rantai tersebut, tetapi bagaimana tepatnya hal itu dilakukan?
Salah satu pendekatannya adalah melalui sistem ZK-proof. Misalnya, buat sirkuit khusus untuk pembelajaran mesin, proses pembuatan saksi di luar rantai adalah proses eksekusi model, dan hasilkan bukti untuk proses prediksi model (termasuk parameter dan input model), siapa pun dapat memverifikasi bukti di rantai.
Model AI masih berjalan pada kluster yang efisien, bahkan dengan beberapa akselerasi perangkat keras guna lebih meningkatkan kecepatan komputasi, memaksimalkan penggunaan daya komputasi sekaligus memastikan tidak ada orang atau lembaga terpusat yang dapat merusak atau mengganggu model tersebut, yaitu, untuk memastikan:
Kepastian hasil prediksi model = dapat diverifikasi (input + arsitektur model + parameter)
Berdasarkan pendekatan di atas, kita dapat menyimpulkan lebih lanjut infrastruktur mana yang penting untuk AI on-chain:
Sistem ZKP, rollup: Rollup memperluas imajinasi kita tentang kemampuan komputasi on-chain, mengemas sekumpulan transaksi, dan bahkan secara rekursif menghasilkan bukti pembuktian untuk lebih mengurangi biaya. Untuk model besar saat ini, langkah pertama untuk menyediakan kemungkinan adalah sistem pembuktian dan rollup;
Akselerasi perangkat keras: ZK rollup menyediakan basis yang dapat diverifikasi, tetapi kecepatan pembuatan bukti secara langsung berkaitan dengan kegunaan dan pengalaman pengguna model. Menunggu beberapa jam untuk menghasilkan bukti model jelas tidak akan berhasil, jadi akselerasi perangkat keras melalui FPGA merupakan dorongan yang hebat.
Kriptografi: Kriptografi adalah fondasi dunia kripto, dan model on-chain serta data sensitif juga perlu memastikan privasi.
Suplemen:
Basis model besar adalah GPU. Tanpa dukungan paralel yang tinggi, efisiensi model besar akan sangat rendah, dan tidak dapat berjalan. Oleh karena itu, untuk ekosistem zk on-chain:
Ramah GPU = Ramah AI
Ambil Starknet sebagai contoh, Cario hanya dapat berjalan di CPU, jadi hanya beberapa model pohon keputusan kecil yang dapat diterapkan, yang tidak kondusif untuk penerapan model besar dalam jangka panjang.
2.2 Tantangan: Sistem Pembuktian yang Lebih Kuat
Kecepatan pembuatan dan penggunaan memori ZK Proof sangat penting, salah satunya terkait dengan pengalaman pengguna dan kelayakan, sedangkan yang lainnya berkaitan dengan biaya dan skalabilitas.
Apakah sistem zkp saat ini sudah memadai?
Cukup, tapi belum cukup baik…
Modulus Lab telah merinci situasi spesifik model dan daya komputasi dalam artikel “The Cost of Intelligence: Proving Machine Learning Inference with Zero-Knowledge”. Bila Anda punya waktu, Anda dapat membaca “Paper0” ini di kolom ZKML: https://drive.google.com/file/d/1tylpowpaqcOhKQtYolPlqvx6R2Gv4IzE/view
Berikut ini adalah berbagai sistem pembuktian yang disebutkan dalam Paper 0.
Berdasarkan algoritma zk di atas, Modulus Lab melakukan pengujian dari dua dimensi: konsumsi waktu dan okupansi memori serta mengendalikan dua variabel inti: parameter, dan lapisan dalam dua dimensi ini. Berikut ini adalah rangkaian tolok ukur. Desain semacam itu secara kasar dapat mencakup volume parameter LeNet5 sebesar 60k, 0,5MFLOP, hingga volume parameter ResNet-34 sebesar 22M, 3,77 GFLOP.
Uji konsumsi waktu:
Uji konsumsi memori:
Berdasarkan data di atas, secara keseluruhan, algoritma zk saat ini dan potensi untuk mendukung pembuatan bukti model besar tersedia, tetapi biaya yang sesuai masih tinggi, bahkan memerlukan lebih dari 10 kali pengoptimalan. Mengambil Gloth16 sebagai contoh, meskipun mendapat manfaat dari pengoptimalan waktu komputasi yang dibawa oleh konkurensi tinggi, sebagai gantinya, penggunaan memori meningkat secara signifikan. Kinerja Plonky2 dan zkCNN dalam waktu dan ruang juga memverifikasi hal ini.
Jadi sekarang pertanyaannya telah berubah dari apakah sistem zkp dapat mendukung AI on-chain menjadi apakah biayanya sepadan untuk mendukung AI on-chain. Dan dengan peningkatan eksponensial dalam parameter model, tekanan pada sistem pembuktian juga akan meningkat dengan cepat. Memang, apakah sekarang ada jaringan saraf tanpa kepercayaan? Tidak! Itu karena biayanya terlalu tinggi.
Oleh karena itu, menciptakan sistem pembuktian yang disesuaikan dengan AI sangatlah penting. Pada saat yang sama, untuk mengimplementasikan logika AI, yang sangat kompleks dalam satu panggilan, model konsumsi gas juga perlu didesain ulang. ZKVM berkinerja tinggi sangatlah penting. Namun sekarang kita dapat melihat banyak upaya berkinerja tinggi, seperti OlaVM, Polygon Miden, dll. Optimalisasi berkelanjutan dari infrastruktur ini sangat meningkatkan kelayakan AI on-chain.
3. Apakah aplikasi ini layak untuk dinantikan?
Meskipun AI on-chain masih dalam tahap awal, AI on-chain mungkin berada di antara tahap awal dan tahap pengembangan jika dilihat dari lapisan di atas. Namun, arah AI tidak pernah kekurangan tim yang hebat dan ide-ide inovatif.
Seperti disebutkan di atas, melihat tahap pengembangan AI di dunia web3, pasar saat ini berada di tahap pertengahan dari awal hingga berkembang, dan arah upaya produk masih terutama didasarkan pada pengoptimalan pengalaman pengguna berdasarkan fungsi yang ada. Namun, hal yang paling berharga adalah mengubah subjek yang tidak dapat dipercaya dari orang-orang menjadi alat melalui AI pada rantai, menumbangkan bentuk produk asli dalam hal keamanan dan efisiensi.
Selanjutnya, mulai dari beberapa upaya aplikasi yang ada, menganalisis arah pengembangan produk jangka panjang AI on-chain
3.1 Bot Rockefeller: AI on-chain pertama di dunia
Rockefeller adalah produk AI on-chain pertama yang diluncurkan oleh tim Modulus Lab, dengan "nilai peringatan" yang kuat. Model ini pada dasarnya adalah bot perdagangan. Secara khusus, data pelatihan Rockefeller adalah sejumlah besar harga/nilai tukar WEth-USDC yang tersedia untuk umum di rantai tersebut. Ini adalah model jaringan saraf umpan-maju tiga lapis, dan target prediksinya adalah kenaikan dan penurunan harga WEth di masa mendatang.
Berikut adalah proses ketika bot perdagangan memutuskan untuk berdagang:
Rockefeller menghasilkan ZKP untuk hasil prediksi pada ZK-rollup;
ZKP diverifikasi pada L1 (dana disimpan berdasarkan kontrak L1) dan operasi dieksekusi;
Dapat dilihat bahwa operasi prediksi dan pendanaan bot perdagangan sepenuhnya terdesentralisasi dan tidak memerlukan kepercayaan. Seperti disebutkan di atas, dari dimensi yang lebih tinggi, Rockefeller lebih seperti jenis permainan Defi yang baru. Dibandingkan dengan mempercayai pedagang lain, dalam mode ini, pengguna sebenarnya bertaruh pada model yang transparan + dapat diverifikasi + otonom. Pengguna tidak perlu mempercayai lembaga terpusat untuk memastikan legalitas proses pengambilan keputusan model. Pada saat yang sama, AI juga dapat menghilangkan dampak sifat manusia semaksimal mungkin dan membuat keputusan dengan lebih tegas.
Anda mungkin sudah ingin menginvestasikan sejumlah uang di Rockefeller dan mencobanya, tetapi apakah ini benar-benar dapat menghasilkan uang?
Tidak, tidak bisa, menurut tim Modulus. Alih-alih menjadi aplikasi, Rockefeller lebih seperti Proof of Concept (POC) untuk AI on-chain. Karena keterbatasan biaya, efisiensi, dan sistem pembuktian, tujuan utama Rockefeller adalah untuk menjadi demo guna menunjukkan kelayakan AI on-chain kepada dunia web3. (Rockefeller telah menyelesaikan misinya dan sekarang offline T T)
3.2 Leela: Game AI on-chain pertama di dunia
Leela v.s. the World, yang baru saja dirilis, juga dari Modulus Lab. Mekanisme permainannya sederhana, di mana pemain manusia membentuk tim untuk bertarung melawan AI. Dalam permainan, pemain dapat mempertaruhkan taruhan mereka, dan di akhir setiap pertandingan, kumpulan yang kalah akan dibagikan kepada pemenang sesuai dengan jumlah token yang dipertaruhkan.
Berbicara tentang AI on-chain, kali ini Modulus Lab telah menerapkan jaringan saraf dalam yang lebih besar (dengan jumlah Parameter > 3.700.000). Meskipun Leela melampaui Rockefeller dalam hal skala model dan konten produk, pada dasarnya ini masih merupakan eksperimen AI on-chain berskala besar. Mekanisme dan mode operasi di balik Leela adalah yang perlu diperhatikan, yang dapat membantu kita lebih memahami mode operasi dan ruang peningkatan AI on-chain. Berikut adalah diagram logika yang diberikan oleh pihak resmi:
Setiap gerakan yang dilakukan Leela, atau setiap prediksi, akan menghasilkan ZKP, dan baru setelah diverifikasi oleh kontrak, hal itu akan berlaku dalam permainan. Artinya, berkat AI otonom yang tidak memerlukan kepercayaan, dana yang dipertaruhkan oleh pengguna dan keadilan permainan sepenuhnya dilindungi oleh kriptografi, dan tidak perlu mempercayai pengembang permainan.
Leela menggunakan algoritma Halo2, terutama karena alat dan desainnya yang fleksibel dapat membantu merancang sistem pembuktian yang lebih efisien. Situasi kinerja spesifik dapat merujuk pada data uji di atas. Namun pada saat yang sama, selama pengoperasian Leela, tim Modulus juga menemukan kekurangan Halo2, seperti pembuatan bukti yang lambat dan tidak bersahabat dengan pembuktian satu kali, dll. Oleh karena itu, hal ini semakin menegaskan kesimpulan yang diambil dari data uji sebelumnya: jika kita perlu membawa model yang lebih besar ke web3, kita perlu mengembangkan sistem pembuktian yang lebih kuat.
Namun, nilai Leela terletak pada pemberian ruang imajinasi yang lebih besar untuk permainan AI + Web3, saat ini, pemain King of Glory harus sangat berharap agar algoritma pencocokan sepenuhnya on-chain:) Gamefi membutuhkan dukungan konten berkualitas tinggi dan sistem permainan yang lebih adil, dan AI on-chain menyediakan hal ini. Misalnya, memperkenalkan adegan permainan atau NPC yang digerakkan oleh AI ke dalam permainan menyediakan ruang imajinasi yang besar untuk pengalaman permainan pemain dan gameplay sistem ekonomi.
3.3 Koin Dunia: AI + KYC
Worldcoin adalah sistem identitas on-chain (Protokol Bukti Identitas yang Menjaga Privasi) yang menggunakan biometrik untuk membangun sistem identitas dan mencapai fungsi turunan seperti pembayaran. Tujuannya adalah untuk memerangi serangan Sybil, dan kini memiliki lebih dari 1,4 juta pengguna terdaftar.
Pengguna memindai iris mata mereka dengan perangkat keras bernama Orb, dan informasi pribadi ditambahkan ke basis data. Worldcoin menjalankan model CNN dalam lingkungan komputasional perangkat keras Orb untuk mengompresi dan memvalidasi efektivitas data iris mata pengguna. Kedengarannya hebat, tetapi untuk verifikasi identitas terdesentralisasi yang sebenarnya, tim Worldcoin sedang menjajaki verifikasi keluaran model melalui ZKP.
Tantangan
Yang perlu disebutkan adalah bahwa model CNN yang digunakan oleh Worldcoin memiliki ukuran: parameter = 1,8 juta, lapisan = 50. Berdasarkan data uji yang ditunjukkan di atas, sistem pembuktian saat ini dapat menangani hal ini dalam hal waktu, tetapi konsumsi memori tidak mungkin diselesaikan untuk perangkat keras kelas konsumen.
3.4 Proyek lainnya
Pragma: Pragma adalah oracle ZK yang dikembangkan dari ekosistem Starkware. Tim tersebut juga tengah menjajaki cara untuk memecahkan masalah verifikasi data off-chain yang terdesentralisasi melalui AI on-chain. Pengguna tidak perlu lagi mempercayai validator, tetapi dapat memverifikasi sumber data off-chain melalui AI on-chain yang cukup akurat dan dapat diverifikasi, seperti membaca informasi fisik terkait sebagai input dan membuat keputusan untuk verifikasi aset atau identitas yang sebenarnya.
Lyra Finance: Lyra Finance adalah AMM opsi yang menyediakan pasar perdagangan derivatif. Untuk meningkatkan pemanfaatan modal, tim Lyra dan Modulus Lab berkolaborasi untuk mengembangkan AMM berdasarkan model AI yang dapat diverifikasi. Dengan model AI yang dapat diverifikasi dan adil, Lyra Finance memiliki peluang untuk menjadi eksperimen implementasi skala besar untuk AI on-chain, menghadirkan pencocokan yang adil bagi pengguna web3 untuk pertama kalinya, mengoptimalkan pasar on-chain melalui AI, dan memberikan pengembalian yang lebih tinggi.
Giza: Platform ZKML yang menerapkan model secara langsung di rantai alih-alih verifikasi di luar rantai. Usaha yang bagus, tetapi… Karena daya komputasi dan kurangnya dukungan Cairo untuk pembuatan bukti berbasis CUDA, Giza hanya dapat mendukung penerapan model kecil. Ini adalah masalah yang paling fatal. Dalam jangka panjang, model besar yang dapat berdampak mengganggu pada web3 akan memerlukan dukungan perangkat keras yang kuat, seperti GPU.
Zama-ai: Enkripsi homomorfik model. Enkripsi homomorfik adalah bentuk enkripsi di mana: f[E(x)] = E[f(x)], di mana f adalah operasi, E adalah algoritma enkripsi homomorfik, dan x adalah variabel, misalnya, E(a) + E(b) = E(a + b). Hal ini memungkinkan bentuk-bentuk operasi aljabar tertentu pada ciphertext menghasilkan hasil terenkripsi, dan mendekripsi hasil ini akan menghasilkan hasil yang sama seperti melakukan operasi yang sama pada plaintext. Privasi model selalu menjadi titik panas dan hambatan AI. Meskipun zk ramah privasi, zk tidak sama dengan privasi. Zama berkomitmen untuk memastikan eksekusi model yang menjaga privasi.
ML-as-a-service: Ini saat ini hanya sekadar arahan pemikiran, tanpa aplikasi spesifik, tetapi tujuannya adalah untuk memecahkan masalah perilaku jahat oleh penyedia layanan ML terpusat dan kepercayaan pengguna melalui ZKP. Daniel Kang memiliki deskripsi terperinci dalam artikel “Verifikasi Tanpa Kepercayaan pada Pembelajaran Mesin” (lihat diagram dalam artikel).
4. Kesimpulan
Secara keseluruhan, AI di dunia web3 masih dalam tahap yang sangat awal, tetapi tidak diragukan lagi bahwa pematangan dan popularisasi AI on-chain akan membawa nilai web3 ke tingkat yang lebih tinggi. Secara teknis, web3 dapat menyediakan infrastruktur yang unik untuk AI, dan AI merupakan alat penting untuk mengubah hubungan produksi web3. Kombinasi keduanya dapat memicu banyak kemungkinan, yang merupakan tempat yang menarik dan imajinatif.
Dari perspektif motivasi AI untuk masuk ke dalam rantai, di satu sisi, AI on-chain yang transparan + terverifikasi mengubah entitas yang terdesentralisasi dan tidak dapat dipercaya dari orang menjadi alat AI, sangat meningkatkan efisiensi dan keamanan, dan menyediakan kemungkinan untuk menciptakan bentuk produk yang sama sekali baru. Di sisi lain, seiring infrastruktur web3 terus berulang, web3 benar-benar membutuhkan aplikasi hebat yang dapat memaksimalkan nilai infrastruktur ini. ZKML sesuai dengan poin ini, misalnya, ZK-rollup kemungkinan akan menjadi titik masuk bagi AI ke web3 di masa mendatang.
Dari perspektif kelayakan, infrastruktur saat ini dapat mendukung model dengan skala tertentu hingga batas tertentu, tetapi masih banyak ketidakpastian. Penggunaan ZKP untuk membuat model yang dapat diverifikasi saat ini tampaknya menjadi satu-satunya jalur bagi AI untuk masuk ke dalam rantai dan mungkin juga merupakan jalur teknis yang paling deterministik untuk membawa AI ke dalam aplikasi web3. Namun, dalam jangka panjang, sistem pembuktian saat ini perlu ditingkatkan secara eksponensial untuk mendukung model yang semakin besar secara memadai.
Dari perspektif skenario aplikasi, AI dapat berpartisipasi hampir dengan sempurna dalam segala arah web3, baik itu game, DeFi, DID, atau perkakas… Meskipun proyek yang ada sangat langka dan tidak memiliki nilai jangka panjang, proyek tersebut belum beralih dari alat untuk meningkatkan efisiensi menjadi aplikasi yang mengubah hubungan produksi. Namun, sangat menarik bahwa seseorang telah mengambil langkah pertama, dan kita dapat melihat tampilan awal AI on-chain dan kemungkinan masa depannya.
Referensi
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
Tentang Foresight Ventures
Foresight Ventures berdedikasi untuk mendukung inovasi blockchain yang disruptif selama beberapa dekade mendatang. Kami mengelola beberapa dana: dana VC, dana sekunder yang dikelola secara aktif, FOF multi-strategi, dan dana sekunder pasar swasta, dengan AUM melebihi $400 juta. Foresight Ventures menganut keyakinan akan "pola pikir yang Unik, Independen, Agresif, Jangka Panjang" dan memberikan dukungan yang luas bagi perusahaan-perusahaan portofolio dalam ekosistem yang sedang berkembang. Tim kami terdiri dari para veteran dari perusahaan-perusahaan keuangan dan teknologi terkemuka seperti Sequoia Capital, CICC, Google, Bitmain, dan banyak lainnya.
Situs web: https://www.foresightventures.com/
Penafian: Semua artikel oleh Foresight Ventures tidak dimaksudkan sebagai nasihat investasi. Setiap individu harus menilai toleransi risiko mereka sendiri dan membuat keputusan investasi dengan bijaksana.
