Автор: Ян Сюй@Foresight Ventures
ТЛ;ДР
В этой статье обсуждается пересечение искусственного интеллекта и Web3, а также исследуется, как ИИ внутри цепочки может принести значительную пользу децентрализованному Интернету. В нем освещаются несколько проектов, в том числе Worldcoin, Pragma, Lyra Finance, Giza, Zama.ai и потенциальные приложения ML как услуга.
В статье подчеркивается, что ИИ в контексте Web3 находится на ранней стадии развития, но имеет большой потенциал. ИИ в цепочке, будучи прозрачным и поддающимся проверке, может значительно повысить эффективность и безопасность, позволяя создавать новые формы продуктов. ZKML особенно перспективен, поскольку ZK-rollup потенциально может служить точкой входа для ИИ в мир Web3.
Хотя текущая инфраструктура может поддерживать модели определенного масштаба, все еще существует много неопределенностей, особенно с точки зрения проверки моделей с помощью доказательств с нулевым разглашением. Это рассматривается как неизбежный путь для внедрения искусственного интеллекта в цепочке, но требует экспоненциального улучшения систем проверки для поддержки все более крупных моделей.
Что касается приложений, ИИ в цепочке потенциально может участвовать в любом аспекте Web3, включая игры, DeFi, DID и инструменты. Несмотря на нехватку существующих проектов, статья сохраняет оптимизм в отношении потенциала искусственного интеллекта в цепочке и его преобразующего воздействия на пространство Web3.
1. AI + Web3 = ?
Одержимая преданность разработчиков созданию инфраструктуры и постоянные обновления различных объединенных решений действительно совершили прорыв в изначально отстающей вычислительной мощности web3. Это также позволило разместить ИИ на блокчейне. Но вы можете сказать, что вместо того, чтобы прикладывать все усилия для внедрения ИИ в цепочке, запуск моделей вне цепочки, по-видимому, способен удовлетворить большинство потребностей. Фактически, почти все модели ИИ в настоящее время работают в централизованном режиме «черного ящика» и создают незаменимую ценность в различных областях.
1.1 Давайте вернемся к самому основному вопросу: что такое ИИ в блокчейне?
Основное понимание заключается в том, чтобы сделать модели ИИ прозрачными и проверяемыми через Web3.
Если быть более конкретным, ИИ в блокчейне означает полную проверку моделей искусственного интеллекта. То есть модель должна раскрывать для всей сети (пользователей или проверяющих) следующие три момента:
Модельная архитектура;
Параметры и веса модели. Раскрытие параметров и весов иногда может оказать негативное влияние на безопасность продукта. Поэтому для конкретных сценариев, таких как модели управления рисками, веса могут быть скрыты для обеспечения безопасности;
Входные данные модели: в контексте web3 это, как правило, общедоступные данные в цепочке.
Когда вышеуказанные условия соблюдены, весь процесс выполнения модели становится детерминированным и больше не является операцией «черного ящика». Любой может проверить входные данные и результаты модели в блокчейне, тем самым не позволяя владельцу модели или связанному с ним уполномоченному лицу манипулировать моделью.
1.2. Какова движущая сила внутрисетевого искусственного интеллекта?
Значение искусственного интеллекта в сети не в том, чтобы заменить централизованный режим работы искусственного интеллекта Web2, а в том, чтобы:
Не жертвуя децентрализацией и отсутствием доверия, он создает новую ступень ценности для мира Web3. Нынешний Web3 похож на раннюю стадию Web2, и у него еще нет возможности реализовывать более широкие приложения или создавать большую ценность. Только после внедрения ИИ воображение Dapp сможет по-настоящему перейти на следующий этап, и эти ончейн-приложения смогут приблизиться к уровню приложений web2. Эта близость заключается не в том, чтобы сделать функции более похожими, а в улучшении пользовательского опыта и возможностей за счет использования преимуществ Web3.
Он обеспечивает прозрачное, не требующее доверия решение для режима работы «черного ящика» Web2 AI.
Представьте себе сценарии применения web3:
Добавление алгоритма рекомендаций в торговую платформу NFT, рекомендация соответствующих NFT на основе предпочтений пользователя и улучшение конверсии;
Добавление ИИ-противников в игры для более прозрачного и честного игрового процесса;
……
Однако эти приложения являются дальнейшим повышением эффективности или пользовательского опыта за счет искусственного интеллекта для существующих функций.
Это ценно? Да.
Велика ли ценность? Это зависит от продукта и сценария.
Ценность, которую может создать ИИ, не ограничивается оптимизацией от 99 до 100. Что меня действительно волнует, так это новые приложения от 0 до 1, некоторые варианты использования, которые могут быть достигнуты только с помощью прозрачных и поддающихся проверке моделей on-chain. Однако эти «захватывающие» варианты использования в настоящее время полагаются в основном на воображение, а не на зрелые приложения. Вот несколько идей для мозгового штурма:
Криптоторговля, основанная на моделях принятия решений нейронными сетями: одна форма продукта может быть больше похожа на обновленную версию копи-трейдинга или даже на совершенно новый способ торговли. Пользователям больше не нужно доверять другим опытным трейдерам или исследовать их, а делать ставку на полностью открытые и прозрачные модели и их эффективность. По сути, ИИ торгует быстрее и решительнее, основываясь на прогнозах будущих цен на криптовалюту. Однако без «не требующей доверия автономии», присущей ИИ в цепочке, такие объекты или стандарты ставок просто не существуют. Пользователи/инвесторы могут прозрачно видеть причины, процессы и даже точную вероятность будущих взлетов/падений при принятии решений модели.
Модели ИИ, выступающие в роли рефери: продукт может стать новой формой оракула, предсказывающей точность источников данных с помощью моделей ИИ. Пользователям больше не нужно доверять валидаторам и не беспокоиться о неправильном поведении узлов. Поставщикам Oracle даже не нужно проектировать сложные сети узлов и механизмы вознаграждения и наказания для достижения децентрализации. Соответственно, прозрачного + проверяемого искусственного интеллекта в цепочке уже достаточно для проверки уровня достоверности источников данных вне цепочки. Эта новая форма продукта потенциально может доминировать с точки зрения безопасности, эффективности и стоимости, а объект децентрализации переходит от людей к инструментам искусственного интеллекта «не требующей доверия автономии», что, несомненно, безопаснее.
Управление организацией/операционные системы, основанные на крупных моделях. Управление ДАО по своей сути должно быть эффективным, децентрализованным и справедливым, но текущая ситуация совершенно противоположна: она небрежна и раздута, ей не хватает прозрачности и справедливости. Внедрение искусственного интеллекта в цепочке может стать очень подходящим решением, максимизирующим режим и эффективность управления, а также минимизирующим системные и человеческие риски в управлении. Мы даже можем представить себе новый режим разработки и работы для проектов web3, где вся структура, а также будущее направление развития и предложения вряд ли будут зависеть от принятия решений командой разработчиков или голосования DAO. Вместо этого решения принимаются на основе сбора более крупных данных и вычислительных возможностей больших моделей. Но все это основано на том, что модель находится в сети. Без «автономии, не требующей доверия» ИИ, в децентрализованном мире не будет перехода от людей к инструментам.
……
В итоге,
Новые формы продуктов, основанные на ИИ в цепочке, можно охарактеризовать как переход темы децентрализации и недоверия от людей к инструментам ИИ. Это соответствует эволюции производительности в традиционном мире, где первоначально были предприняты усилия по модернизации и повышению эффективности работы человека, а позже люди были заменены интеллектуальными инструментами, что произвело революцию в исходной конструкции продукта с точки зрения безопасности и эффективности.
Самый важный момент и предпосылка всего вышеперечисленного — сделать ИИ прозрачным и проверяемым через Web3.
1.3. Следующий этап Web3
Web3, как феноменальная технологическая инновация, не может просто оставаться на начальной стадии. Трафик и экономические модели важны, но пользователи не всегда будут гоняться за трафиком или тратить много ресурсов на то, чтобы сделать X, чтобы заработать, и из-за этого Web3 не сможет привлечь следующую волну новых пользователей. Но одно можно сказать наверняка: революция производительности и ценности в мире криптовалют должна произойти благодаря добавлению ИИ.
Я думаю, что его можно условно разделить на следующие три этапа:
Начало: Обновление и итерация алгоритмов и аппаратного обеспечения доказательства с нулевым разглашением предоставляют первую возможность для появления ИИ в цепочке; (мы здесь)
Развитие: будь то улучшение существующих приложений с помощью ИИ или новые продукты на основе ИИ в цепочке, оба они толкают всю отрасль вперед;
Финал: Каково окончательное направление внутрисетевого искусственного интеллекта?
Все приведенные выше обсуждения посвящены изучению сценариев применения снизу вверх посредством сочетания искусственного интеллекта и Web3. Если мы перейдем к нисходящему подходу для просмотра ИИ в цепочке, сможет ли ИИ вернуться к самому Web3? ИИ + блокчейн = адаптивный блокчейн
Некоторые публичные сети возьмут на себя инициативу по внедрению искусственного интеллекта в цепочке, превратившись из уровня публичных сетей в своего рода адаптивный. Направление развития больше не зависит от решений по основанию проекта, а основано на принятии решений на основе массивных данных, а уровень автоматизации намного превышает традиционный Web3, тем самым выделяясь на фоне нынешнего процветания мультичейнов.
Благодаря проверяемому и прозрачному ИИ, в котором проявляется саморегуляция web3, можно сослаться на несколько примеров, упомянутых Modulus Lab:
Рынки внутрисетевых транзакций могут автоматически корректироваться децентрализованно, например, корректировать процентную ставку стейблкоинов в режиме реального времени на основе общедоступных внутрисетевых данных без необходимости допущений о доверии;
Мультимодальное обучение может позволить осуществлять взаимодействие по протоколу цепочки посредством биометрического распознавания, обеспечивая безопасный KYC и достигая полного доверительного управления идентификацией;
Позвольте ончейн-приложениям максимизировать ценность сетевых данных, поддерживая такие услуги, как рекомендации по индивидуальному контенту.
С другой стороны, zkrollup продолжает итерации и оптимизацию, но ему всегда не хватает реального приложения, которое могло бы работать только в экосистеме zk, ZKML точно соответствует этому пункту, и его пространство для воображения также достаточно велико. ZK-rollup, вероятно, послужит точкой входа для ИИ в web3 в будущем, создавая большую ценность, и они дополняют друг друга.
2. Реализация и осуществимость
2.1 Что Web3 может предоставить ИИ?
Инфраструктура и ZK, несомненно, являются наиболее конкурентными направлениями в web3. Различные проекты ZK приложили большие усилия для оптимизации схем и обновления алгоритмов, будь то исследование многоуровневых сетей, разработка уровней модульности и доступности данных, дальнейшая настройка объединения как услуги или даже аппаратное ускорение… Эти попытки продвигают масштабируемость. , стоимость и вычислительная мощность инфраструктуры Web3 на новый уровень.
Звучит хорошо — включить ИИ в цепочку, но как именно это сделать?
Одним из подходов является использование системы защиты от ZK. Например, создайте индивидуальную схему для машинного обучения, процесс генерации свидетеля вне цепочки — это процесс выполнения модели, а также сгенерируйте доказательство для процесса прогнозирования модели (включая параметры модели и входные данные), каждый может проверить доказательство на -цепь.
Модель ИИ по-прежнему работает в эффективном кластере, даже с некоторым аппаратным ускорением для дальнейшего повышения скорости вычислений, максимизируя использование вычислительной мощности и одновременно гарантируя, что ни один централизованный человек или учреждение не сможет вмешиваться в модель или вмешиваться в нее, то есть гарантировать:
Достоверность результата прогнозирования модели = проверяемость (входные данные + архитектура модели + параметры)
Основываясь на вышеизложенном подходе, мы можем сделать вывод, какие инфраструктуры имеют решающее значение для ИИ в цепочке:
Система ZKP, объединение: объединение расширяет наше представление о вычислительных возможностях в цепочке, упаковывая множество транзакций и даже рекурсивно генерируя доказательства для дальнейшего снижения затрат. Для текущих больших моделей первым шагом к предоставлению возможностей является система доказательств и объединение;
Аппаратное ускорение: объединение ZK обеспечивает проверяемую основу, но скорость создания доказательств напрямую зависит от удобства использования и опыта пользователя модели. Ожидание в течение нескольких часов для создания доказательства модели, очевидно, не сработает, поэтому аппаратное ускорение с помощью FPGA является большим стимулом.
Криптография: Криптография является основой криптомира, а модели цепочки и конфиденциальные данные также должны обеспечивать конфиденциальность.
Добавка:
Основой крупных моделей является графический процессор. Без поддержки высокой параллельности эффективность больших моделей будет очень низкой, и они не смогут работать. Таким образом, для ончейн-экосистемы zk:
Поддержка графического процессора = поддержка искусственного интеллекта
Возьмем, к примеру, Starknet: Cario может работать только на процессоре, поэтому можно развернуть только некоторые небольшие модели дерева решений, что не способствует развертыванию больших моделей в долгосрочной перспективе.
2.2 Задача: более мощная система доказательств
Скорость генерации и использование памяти ZK Proof имеют решающее значение: одно связано с пользовательским опытом и осуществимостью, а другое — со стоимостью и масштабируемостью.
Достаточно ли существующей системы ZKP?
Достаточно, но недостаточно хорошо…
Modulus Lab подробно описала конкретную ситуацию с моделями и вычислительной мощностью в статье «Цена интеллекта: доказательство выводов машинного обучения с нулевым разглашением». Когда у вас будет время, вы можете прочитать этот «Paper0» в поле ZKML: https://drive.google.com/file/d/1tylpowpaqcOhKQtYolPlqvx6R2Gv4IzE/view.
Ниже приведены различные системы доказательств, упомянутые в документе 0.
На основе приведенных выше алгоритмов zk Modulus Lab проводит тесты по двум измерениям: потребление времени и занятость памяти, а также контролирует две основные переменные: параметры и слои в этих двух измерениях. Ниже приведены наборы тестов. Такая конструкция может примерно охватывать объем параметров LeNet5 в 60 тыс., 0,5 МФЛОПС, до объема параметров ResNet-34 в 22 МФ, 3,77 ГФЛОПС.
Тест на потребление времени:
Тест потребления памяти:
Судя по приведенным выше данным, в целом текущий алгоритм zk и потенциал для поддержки генерации больших доказательств модели доступны, но соответствующие затраты по-прежнему высоки и требуют даже более чем 10-кратной оптимизации. Возьмем в качестве примера Gloth16, хотя он и выигрывает от оптимизации времени вычислений, вызванной высокой степенью параллелизма, но в качестве компромисса использование памяти значительно увеличивается. Производительность Plonky2 и zkCNN во времени и пространстве также подтверждает это.
Итак, теперь вопрос фактически изменился с того, может ли система zkp поддерживать ИИ внутри цепочки, на вопрос о том, стоит ли поддерживать ИИ внутри цепочки. А с экспоненциальным ростом параметров модели давление на систему доказательств также будет быстро возрастать. Действительно, существует ли сейчас надежная нейронная сеть? Нет! Это потому, что стоимость слишком высока.
Поэтому создание системы доказательств с использованием искусственного интеллекта имеет жизненно важное значение. В то же время для реализации очень сложной логики ИИ в одном вызове необходимо перепроектировать и модель потребления газа. Очень важен высокопроизводительный zkvm. Но теперь мы можем видеть множество высокопроизводительных попыток, таких как OlaVM, Polygon Miden и т. д. Непрерывная оптимизация этих инфраструктур значительно повышает осуществимость искусственного интеллекта в цепочке.
3. Стоит ли ждать приложения?
Хотя он-чейн ИИ все еще находится на ранних стадиях развития, он может находиться между этапами запуска и разработки, если смотреть с вышеуказанных уровней. Однако направление ИИ никогда не испытывает недостатка в отличных командах и инновационных идеях.
Как упоминалось выше, если посмотреть на стадию разработки искусственного интеллекта в мире Web3, текущий рынок находится на средней стадии от начала до развития, и направление попыток продукта по-прежнему в основном основано на оптимизации пользовательского опыта на основе существующих функций. Но самое ценное — превратить ненадежных субъектов из людей в инструменты с помощью ИИ в цепочке, подрывая исходную форму продукта с точки зрения безопасности и эффективности.
Затем, исходя из некоторых существующих попыток применения, проанализируйте долгосрочное направление разработки продуктов внутрисетевого ИИ.
3.1 Бот Рокфеллера: первый в мире ИИ, работающий в сети
Rockefeller — это первый продукт искусственного интеллекта, запущенный командой Modulus Lab, имеющий сильную «памятную ценность». Эта модель по сути является торговым ботом. В частности, обучающие данные Рокфеллера представляют собой большое количество общедоступных цен/курсов обмена WEth-USDC в цепочке. Это трехуровневая модель нейронной сети с прямой связью, целью прогнозирования которой является будущий рост и падение цен WEth.
Вот процесс, когда торговый бот решает торговать:
Рокфеллер генерирует ZKP для результатов прогнозирования по ZK-свертке;
ЗКП проверяется на L1 (средства хранятся по контракту L1) и выполняются операции;
Видно, что операции по прогнозированию и финансированию торгового бота полностью децентрализованы и не требуют доверия. Как упоминалось выше, с более высокой точки зрения Рокфеллер больше похож на новый тип игрового процесса Defi. По сравнению с доверием другим трейдерам, в этом режиме пользователи фактически делают ставку на прозрачную + проверяемую + автономную модель. Пользователям не нужно доверять централизованным учреждениям для обеспечения законности процесса принятия решений. В то же время ИИ может также в наибольшей степени устранить влияние человеческой природы и принимать решения более решительно.
Возможно, вы уже захотите вложить немного денег в Рокфеллера и попробовать, но действительно ли это принесет прибыль?
Нет, не может, по мнению команды Modulus. Рокфеллер больше похож не на приложение, а на доказательство концепции (POC) внутрисетевого ИИ. Из-за ограничений в стоимости, эффективности и системах проверки основная цель Рокфеллера — служить демонстрацией, демонстрирующей возможность внедрения искусственного интеллекта в цепочке миру web3. (Рокфеллер выполнил свою миссию и теперь не в сети T T)
3.2 Лила: первая в мире онлайн-игра с искусственным интеллектом
Лила против. Недавно выпущенный World также принадлежит Modulus Lab. Механизм игры прост: игроки-люди формируют команды для борьбы с ИИ. В игре игроки могут делать свои ставки, и в конце каждого матча пул проигравшего будет распределяться победителю в соответствии с количеством поставленных жетонов.
Говоря об искусственном интеллекте в цепочке, на этот раз Modulus Lab развернула более крупную глубокую нейронную сеть (с числом параметров > 3 700 000). Хотя Лила превосходит Рокфеллера с точки зрения масштаба модели и содержания продукта, по сути, это все еще крупномасштабный эксперимент с искусственным интеллектом внутри сети. Механизм и режим работы Leela — это то, что требует внимания, что может помочь нам лучше понять режим работы и возможности улучшения внутрисетевого ИИ. Вот логическая схема, предоставленная чиновником:
Каждый ход Лилы или каждое предсказание генерирует ZKP, и только после проверки контрактом оно вступает в силу в игре. То есть благодаря не требующему доверия автономному ИИ средства, поставленные пользователями, и честность игры полностью защищены криптографией, и нет необходимости доверять разработчику игры.
Лила использует алгоритм Halo2 главным образом потому, что его инструменты и гибкий дизайн могут помочь разработать более эффективную систему доказательств. Конкретная ситуация с производительностью может относиться к приведенным выше тестовым данным. Но в то же время в ходе эксплуатации Лилы команда Modulus обнаружила и недостатки Halo2, такие как медленная генерация доказательств и недружественность к однократным прувингам и т. д. Таким образом, это дополнительно подтверждает вывод, сделанный на основе данных предыдущих испытаний. : если нам нужно перенести более крупные модели в web3, нам нужно разработать более мощную систему доказательств.
Тем не менее, ценность Лилы заключается в том, что она дает нам больше пространства для воображения для игры AI + Web3, в данный момент игроки King of Glory должны очень надеяться на то, что алгоритм подбора игроков будет полностью цепным :) Gamefi нужно больше высококачественных поддержка контента и более справедливая игровая система, а искусственный интеллект в цепочке как раз обеспечивает это. Например, введение в игру игровых сцен или неигровых персонажей, управляемых искусственным интеллектом, предоставляет огромное пространство для воображения как для игрового опыта игрока, так и для игрового процесса экономической системы.
3.3 Worldcoin: AI + KYC
Worldcoin — это система идентификации в цепочке (протокол подтверждения конфиденциальности), которая использует биометрию для создания системы идентификации и выполнения производных функций, таких как платежи. Целью является борьба с атаками Сивиллы, и сейчас у него более 1,4 миллиона зарегистрированных пользователей.
Пользователи сканируют радужную оболочку с помощью аппаратного устройства под названием Orb, и личная информация добавляется в базу данных. Worldcoin запускает модель CNN в вычислительной среде оборудования Orb для сжатия и проверки эффективности данных радужной оболочки пользователя. Звучит мощно, но для настоящей децентрализованной проверки личности команда Worldcoin изучает проверку выходных данных модели через ZKP.
Проблемы
Стоит отметить, что модель CNN, используемая Worldcoin, имеет размер: параметры = 1,8 миллиона, слои = 50. Судя по тестовым данным, показанным выше, текущая система доказательства может справиться с этим с точки зрения времени, но потребление памяти невозможно контролировать. Полная комплектация для оборудования потребительского уровня.
3.4 Другие проекты
Pragma: Pragma — это оракул ZK, разработанный на основе экосистемы Starkware. Команда также изучает, как решить проблему децентрализованной проверки данных вне сети с помощью искусственного интеллекта внутри сети. Пользователям больше не нужно доверять валидаторам, но они могут проверять источники данных вне цепочки с помощью достаточно точного и поддающегося проверке искусственного интеллекта внутри цепочки, например, считывая соответствующую физическую информацию в качестве входных данных и принимая решения для фактической проверки активов или личности.
Lyra Finance: Lyra Finance — это опционный AMM, который обеспечивает рынок торговли деривативами. Чтобы улучшить использование капитала, команда Lyra и Modulus Lab сотрудничают в разработке AMM на основе проверяемой модели искусственного интеллекта. Благодаря поддающейся проверке и справедливой модели искусственного интеллекта, Lyra Finance имеет возможность стать крупномасштабным экспериментом по внедрению искусственного интеллекта в цепочке, впервые обеспечивая справедливый поиск партнеров для пользователей web3, оптимизируя рынок цепочки с помощью искусственного интеллекта и обеспечивая более высокий уровень возвращается.
Giza: платформа ZKML, которая развертывает модели непосредственно в цепочке, а не проверяет их вне цепочки. Хорошая попытка, но… Из-за вычислительных мощностей и отсутствия поддержки Cairo для генерации доказательств на основе CUDA, Гиза может поддерживать только развертывание небольших моделей. Это самая фатальная проблема. В долгосрочной перспективе большие модели, которые могут оказать разрушительное влияние на Web3, потребуют мощной аппаратной поддержки, такой как графические процессоры.
Зама-ай: Гомоморфное шифрование моделей. Гомоморфное шифрование — это форма шифрования, где: f[E(x)] = E[f(x)], где f — операция, E — алгоритм гомоморфного шифрования, а x — переменная, например, E(a ) + Е(б) = Е(а + Ь). Это позволяет определенным формам алгебраических операций над зашифрованным текстом привести к зашифрованному результату, и расшифровка этого результата даст тот же результат, что и выполнение той же операции над открытым текстом. Конфиденциальность моделей всегда была горячей точкой и узким местом ИИ. Хотя zk обеспечивает конфиденциальность, zk не означает конфиденциальность. Zama стремится обеспечить конфиденциальность моделей.
ML как услуга: в настоящее время это всего лишь направление мысли, без конкретных приложений, но цель состоит в том, чтобы решить проблемы вредоносного поведения со стороны централизованных поставщиков услуг ML и доверия пользователей через ZKP. Подробное описание у Дэниела Канга есть в статье «Безнадежная проверка машинного обучения» (см. схему в статье).
4. Вывод
В целом, ИИ в мире web3 находится на очень ранней стадии, но нет никаких сомнений в том, что развитие и популяризация ИИ в сети поднимут ценность web3 на новый уровень. Технически, web3 может предоставить уникальную инфраструктуру для ИИ, а ИИ является важным инструментом для изменения производственных отношений в web3. Сочетание этих двух факторов может открыть множество возможностей, и это захватывающее и творческое место.
С точки зрения мотивации ИИ к переходу в цепочку, с одной стороны, прозрачный + проверяемый ИИ в цепочке превращает децентрализованные и не заслуживающие доверия субъекты из людей в инструменты ИИ, значительно повышая эффективность и безопасность и предоставляя возможности для создания совершенно нового продукта. формы. С другой стороны, поскольку инфраструктура web3 продолжает развиваться, web3 действительно нуждается в убийственном приложении, которое сможет максимизировать ценность этой инфраструктуры. ZKML соответствует этой точке зрения, например, ZK-rollup, вероятно, станет точкой входа для ИИ в web3 в будущем.
С точки зрения технико-экономического обоснования, существующая инфраструктура может в некоторой степени поддерживать модели определенного масштаба, но все еще остается много неопределенностей. Использование ZKP для создания проверяемых моделей в настоящее время кажется единственным путем для внедрения ИИ в цепочку, а также может быть наиболее детерминированным техническим путем внедрения ИИ в приложения web3. Однако в долгосрочной перспективе существующая система доказательств должна быть экспоненциально улучшена, чтобы в достаточной степени поддерживать все более крупные модели.
С точки зрения сценариев применения ИИ может почти идеально участвовать в любом направлении web3, будь то игры, DeFi, DID или инструменты… Хотя существующие проекты очень скудны и не имеют долгосрочной ценности, они еще не перешли от инструмент для повышения эффективности приложения, которое меняет производственные отношения. Но приятно, что кто-то сделал первый шаг, и мы можем увидеть самый ранний взгляд на сетевой ИИ и его будущие возможности.
Ссылка
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
О Форсайт Венчурс
Foresight Ventures стремится поддерживать революционные инновации в области блокчейна в течение следующих нескольких десятилетий. Мы управляем несколькими фондами: фондом венчурного капитала, активно управляемым вторичным фондом, многостратегическим FOF и вторичным фондом частного рынка, с AUM, превышающим 400 миллионов долларов США. Foresight Ventures придерживается принципа «уникального, независимого, агрессивного и долгосрочного мышления» и предоставляет обширную поддержку портфельным компаниям в рамках растущей экосистемы. В нашу команду входят ветераны ведущих финансовых и технологических компаний, таких как Sequoia Capital, CICC, Google, Bitmain и многих других.
Сайт: https://www.foresightventures.com/.
Отказ от ответственности: все статьи Foresight Ventures не предназначены для предоставления инвестиционных советов. Физические лица должны оценивать свою толерантность к риску и принимать инвестиционные решения осмотрительно.
