Tác giả: Ian Xu@Foresight Ventures
TL;DR
Bài viết này thảo luận về sự giao thoa giữa AI và Web3, khám phá cách AI trên chuỗi có thể mang lại giá trị đáng kể cho mạng internet phi tập trung. Nó nêu bật một số dự án, bao gồm Worldcoin, Pragma, Lyra Finance, Giza, Zama.ai và các ứng dụng ML dưới dạng dịch vụ tiềm năng.
Bài viết nhấn mạnh rằng AI trong bối cảnh Web3 đang ở giai đoạn đầu nhưng có tiềm năng rất lớn. AI trên chuỗi, minh bạch và có thể kiểm chứng, có thể nâng cao đáng kể hiệu quả và tính bảo mật, tạo điều kiện cho các dạng sản phẩm mới. ZKML đặc biệt hứa hẹn, với ZK-rollup có khả năng đóng vai trò là điểm khởi đầu cho AI bước vào thế giới Web3.
Mặc dù cơ sở hạ tầng hiện tại có thể hỗ trợ các mô hình ở quy mô nhất định nhưng vẫn còn nhiều điều không chắc chắn, đặc biệt là về việc xác minh các mô hình thông qua Zero-Knowledge Proofs. Đây được coi là con đường tất yếu cho AI trên chuỗi nhưng đòi hỏi những cải tiến theo cấp số nhân trong các hệ thống bằng chứng để hỗ trợ các mô hình ngày càng lớn.
Về mặt ứng dụng, AI trên chuỗi có khả năng tham gia vào bất kỳ khía cạnh nào của Web3, bao gồm chơi game, DeFi, DID và công cụ. Bất chấp sự khan hiếm của các dự án hiện có, bài viết vẫn lạc quan về tiềm năng của AI trên chuỗi và tác động biến đổi của nó đối với không gian Web3.
1. AI + Web3 = ?
Sự cống hiến đầy ám ảnh của các nhà phát triển đối với việc xây dựng cơ sở hạ tầng và việc cập nhật liên tục các giải pháp tổng hợp khác nhau thực sự đã tạo ra một bước đột phá về sức mạnh tính toán vốn bị tụt hậu ban đầu của web3. Điều này cũng giúp AI có thể được đưa vào blockchain. Nhưng bạn có thể muốn nói rằng thay vì phải nỗ lực hết sức để triển khai AI trên chuỗi, việc chạy các mô hình ngoài chuỗi dường như có thể đáp ứng hầu hết các nhu cầu. Trên thực tế, hầu hết tất cả các mô hình AI hiện nay đều đang chạy ở chế độ hộp đen, tập trung và đang tạo ra những giá trị không thể thay thế trong nhiều lĩnh vực khác nhau.
1.1 Hãy quay lại câu hỏi cơ bản nhất, AI trên blockchain là gì?
Cách hiểu chủ đạo là làm cho các mô hình AI trở nên minh bạch + có thể kiểm chứng thông qua Web3.
Cụ thể hơn, AI trên blockchain có nghĩa là xác minh hoàn toàn các mô hình trí tuệ nhân tạo. Điều đó có nghĩa là, một mô hình cần tiết lộ ba điểm sau cho toàn bộ mạng (người dùng hoặc người xác minh):
Kiến trúc mô hình;
Thông số và trọng lượng của mô hình: Việc tiết lộ các thông số và trọng số đôi khi có thể có tác động tiêu cực đến tính bảo mật của sản phẩm. Do đó, đối với các tình huống cụ thể, chẳng hạn như mô hình kiểm soát rủi ro, trọng số có thể được ẩn đi để đảm bảo an ninh;
Đầu vào mô hình: Trong bối cảnh của web3, nó thường là dữ liệu công khai trên chuỗi.
Khi các điều kiện trên được đáp ứng, toàn bộ quá trình thực hiện mô hình sẽ mang tính xác định và không còn là hoạt động hộp đen nữa. Bất kỳ ai cũng có thể xác minh đầu vào và kết quả của mô hình trên blockchain, từ đó ngăn chủ sở hữu mô hình hoặc người được ủy quyền liên quan thao túng mô hình.
1.2 Động lực cho AI trên chuỗi là gì?
Tầm quan trọng của AI trên chuỗi không phải là thay thế chế độ hoạt động tập trung của AI Web2 mà là:
Không phải hy sinh tính phân quyền và sự tin cậy, nó tạo ra giai đoạn giá trị tiếp theo cho thế giới web3. Web3 hiện tại giống như giai đoạn đầu của web2 và nó chưa có khả năng triển khai các ứng dụng rộng hơn hoặc tạo ra giá trị lớn hơn. Chỉ sau khi kết hợp AI, trí tưởng tượng của Dapp mới thực sự nhảy vọt lên giai đoạn tiếp theo và các ứng dụng trên chuỗi này có thể trở nên gần hơn với cấp độ của ứng dụng web2. Sự gần gũi này không nhằm mục đích làm cho các chức năng trở nên giống nhau hơn mà nhằm nâng cao trải nghiệm và khả năng của người dùng bằng cách tận dụng giá trị của Web3.
Nó cung cấp giải pháp minh bạch, không cần tin cậy cho chế độ vận hành hộp đen của web2 AI.
Hãy tưởng tượng các kịch bản ứng dụng của web3:
Thêm thuật toán đề xuất vào nền tảng giao dịch NFT, đề xuất NFT tương ứng dựa trên sở thích của người dùng và cải thiện chuyển đổi;
Thêm đối thủ AI vào trò chơi để có trải nghiệm chơi game minh bạch và công bằng hơn;
……
Tuy nhiên, những ứng dụng này còn được cải tiến hơn nữa về hiệu quả hoặc trải nghiệm người dùng thông qua AI cho các chức năng hiện có.
Nó có giá trị không? Đúng.
Giá trị có lớn không? Nó phụ thuộc vào sản phẩm và kịch bản.
Giá trị mà AI có thể tạo ra không chỉ giới hạn ở việc tối ưu hóa từ 99 đến 100. Điều thực sự khiến tôi phấn khích là các ứng dụng mới từ 0 đến 1, một số trường hợp sử dụng chỉ có thể đạt được thông qua các mô hình trên chuỗi minh bạch + có thể kiểm chứng. Tuy nhiên, những trường hợp sử dụng “thú vị” này hiện chủ yếu dựa vào trí tưởng tượng, chưa có ứng dụng hoàn thiện. Dưới đây là một số ý tưởng động não:
Giao dịch tiền điện tử dựa trên mô hình quyết định mạng thần kinh: Một dạng sản phẩm có thể giống phiên bản nâng cấp của giao dịch sao chép hoặc thậm chí là một cách giao dịch hoàn toàn mới. Người dùng không còn cần phải tin tưởng hay nghiên cứu các nhà giao dịch có kinh nghiệm khác mà đặt cược vào các mô hình hoàn toàn công khai, minh bạch cũng như hiệu suất của chúng. Về cơ bản, AI giao dịch nhanh hơn và quyết đoán hơn dựa trên dự đoán về giá tiền điện tử trong tương lai. Tuy nhiên, nếu không có “quyền tự chủ không cần tin cậy” vốn có của AI trên chuỗi, các đối tượng hoặc tiêu chuẩn cá cược như vậy đơn giản là không tồn tại. Người dùng/nhà đầu tư có thể thấy rõ lý do, quy trình và thậm chí cả xác suất chính xác về mức tăng/giảm trong tương lai trong quá trình ra quyết định của mô hình.
Mô hình AI đóng vai trò trọng tài: Một sản phẩm có thể là một dạng tiên tri mới, dự đoán tính chính xác của nguồn dữ liệu thông qua mô hình AI. Người dùng không còn cần phải tin tưởng vào trình xác thực và không phải lo lắng về việc các nút hoạt động sai. Các nhà cung cấp Oracle thậm chí không cần thiết kế các mạng nút phức tạp và cơ chế khen thưởng-trừng phạt để đạt được sự phân cấp. Tương ứng, AI minh bạch + có thể kiểm chứng trên chuỗi đã đủ để xác minh mức độ tin cậy của các nguồn dữ liệu ngoài chuỗi. Dạng sản phẩm mới này có tiềm năng thống trị về mặt bảo mật, hiệu quả và chi phí, đồng thời đối tượng của sự phân quyền chuyển từ con người sang các công cụ AI “tự chủ không cần tin cậy”, chắc chắn là an toàn hơn.
Hệ thống quản lý/điều hành tổ chức dựa trên các mô hình lớn: Việc quản trị DAO vốn dĩ phải hiệu quả, phi tập trung và công bằng, nhưng tình hình hiện tại lại hoàn toàn ngược lại, lỏng lẻo và cồng kềnh, thiếu minh bạch và công bằng. Việc giới thiệu AI trên chuỗi có thể cung cấp một giải pháp rất phù hợp, tối đa hóa phương thức và hiệu quả quản lý, đồng thời giảm thiểu rủi ro hệ thống và con người trong quản lý. Chúng ta thậm chí có thể tưởng tượng một chế độ hoạt động và phát triển mới cho các dự án web3, trong đó toàn bộ khuôn khổ cũng như hướng phát triển và đề xuất trong tương lai hầu như không phụ thuộc vào việc ra quyết định của nhóm phát triển hoặc bỏ phiếu DAO. Thay vào đó, các quyết định được đưa ra dựa trên khả năng thu thập dữ liệu lớn hơn và khả năng tính toán của các mô hình lớn. Nhưng tất cả điều này đều dựa trên mô hình đang hoạt động. Nếu không có “quyền tự chủ không cần tin cậy” của AI, thì sẽ không có sự chuyển đổi từ con người sang công cụ trong thế giới phi tập trung.
……
Tóm tắt,
Các dạng sản phẩm mới dựa trên AI trên chuỗi có thể được tóm tắt là chuyển chủ đề phân cấp và không tin cậy từ con người sang các công cụ AI. Điều này phù hợp với sự phát triển về năng suất trong thế giới truyền thống, nơi ban đầu người ta nỗ lực nâng cấp và nâng cao hiệu quả của con người, sau đó, con người được thay thế bằng các công cụ thông minh, cách mạng hóa thiết kế sản phẩm ban đầu về mặt bảo mật và hiệu quả.
Điểm quan trọng nhất và tiền đề của tất cả những điều trên là làm cho AI trở nên minh bạch + có thể kiểm chứng thông qua Web3.
1.3 Giai đoạn tiếp theo của Web3
Web3, như một sự đổi mới công nghệ phi thường, không thể chỉ dừng lại ở giai đoạn ban đầu. Các mô hình kinh tế và lưu lượng truy cập rất quan trọng, nhưng không phải lúc nào người dùng cũng theo đuổi lưu lượng truy cập hoặc dành nhiều tài nguyên để làm X để kiếm tiền và Web3 sẽ không tham gia làn sóng người dùng mới tiếp theo vì điều này. Nhưng có một điều chắc chắn: cuộc cách mạng về năng suất và giá trị trong thế giới tiền điện tử phải đến từ việc bổ sung AI.
Tôi nghĩ có thể tạm chia thành 3 giai đoạn sau:
Bắt đầu: Việc cập nhật và lặp lại các thuật toán và phần cứng bằng chứng không có kiến thức mang lại khả năng đầu tiên cho sự xuất hiện của AI trên chuỗi; (Chúng tôi ở đây)
Phát triển: Cho dù đó là cải tiến các ứng dụng hiện có bằng AI hay các sản phẩm mới dựa trên AI trên chuỗi, cả hai đều đang thúc đẩy toàn bộ ngành phát triển;
Endgame: Hướng đi cuối cùng của AI trên chuỗi là gì?
Các cuộc thảo luận ở trên đều xoay quanh việc khám phá các kịch bản ứng dụng từ dưới lên thông qua sự kết hợp giữa AI và Web3. Nếu chúng ta chuyển sang cách tiếp cận từ trên xuống để xem AI trên chuỗi, liệu AI có thể truy ngược lại chính Web3 không? AI + blockchain = blockchain thích ứng
Một số chuỗi công khai sẽ đi đầu trong việc tích hợp AI trên chuỗi, chuyển đổi từ cấp độ chuỗi công khai sang dạng chuỗi thích ứng. Hướng phát triển không còn phụ thuộc vào các quyết định nền tảng của dự án mà dựa trên việc ra quyết định dữ liệu lớn và mức độ tự động hóa vượt xa Web3 truyền thống, do đó nổi bật so với sự thịnh vượng đa chuỗi hiện nay.
Với sự hỗ trợ của AI minh bạch + có thể kiểm chứng, nơi thể hiện khả năng tự điều chỉnh của web3, bạn có thể tham khảo một số ví dụ được Modulus Lab đề cập:
Thị trường giao dịch trên chuỗi có thể tự động điều chỉnh theo cách phi tập trung, chẳng hạn như điều chỉnh lãi suất của stablecoin theo thời gian thực dựa trên dữ liệu trên chuỗi có sẵn công khai mà không cần các giả định về độ tin cậy;
Học tập đa phương thức có thể cho phép hoàn thành các tương tác giao thức trên chuỗi thông qua nhận dạng sinh trắc học, cung cấp KYC an toàn và đạt được khả năng quản lý danh tính hoàn toàn không cần tin cậy;
Cho phép các ứng dụng trên chuỗi tối đa hóa giá trị do dữ liệu trên chuỗi mang lại, các dịch vụ hỗ trợ như đề xuất nội dung tùy chỉnh.
Ở một góc độ khác, zkrollup tiếp tục lặp đi lặp lại và tối ưu hóa, nhưng nó luôn thiếu một ứng dụng thực sự chỉ có thể chạy trên hệ sinh thái zk, ZKML đáp ứng chính xác điểm này và không gian tưởng tượng của nó cũng đủ lớn. ZK-rollup có thể sẽ đóng vai trò là điểm đưa AI vào web3 trong tương lai, tạo ra giá trị lớn hơn và cả hai bổ sung cho nhau.
2. Khả năng thực hiện và khả thi
2.1 Web3 có thể cung cấp những gì cho AI?
Cơ sở hạ tầng và ZK chắc chắn là những lĩnh vực cạnh tranh khốc liệt nhất trong web3. Nhiều dự án ZK khác nhau đã nỗ lực rất nhiều trong việc tối ưu hóa mạch và nâng cấp thuật toán, cho dù đó là khám phá mạng nhiều lớp, phát triển các lớp mô-đun hóa và sẵn có dữ liệu, tùy chỉnh thêm hoạt động cuộn lên như một dịch vụ hay thậm chí là tăng tốc phần cứng… Những nỗ lực này đang thúc đẩy khả năng mở rộng , chi phí và sức mạnh tính toán của cơ sở hạ tầng Web3 lên cấp độ tiếp theo.
Việc đưa AI vào chuỗi nghe có vẻ hay, nhưng chính xác thì nó được thực hiện như thế nào?
Một cách tiếp cận là thông qua hệ thống chống ZK. Ví dụ: tạo một mạch tùy chỉnh cho máy học, quy trình tạo nhân chứng ngoài chuỗi là quy trình thực thi mô hình và tạo bằng chứng cho quy trình dự đoán mô hình (bao gồm các tham số mô hình và đầu vào), bất kỳ ai cũng có thể xác minh bằng chứng trên -xích.
Mô hình AI vẫn chạy trên một cụm hiệu quả, ngay cả khi có một số khả năng tăng tốc phần cứng để nâng cao hơn nữa tốc độ tính toán, tối đa hóa việc sử dụng sức mạnh tính toán trong khi đảm bảo rằng không có cá nhân hoặc tổ chức tập trung nào có thể giả mạo hoặc can thiệp vào mô hình, nghĩa là để đảm bảo:
Độ chắc chắn của kết quả dự đoán mô hình = có thể kiểm chứng được (đầu vào + kiến trúc mô hình + tham số)
Dựa trên cách tiếp cận trên, chúng ta có thể suy luận thêm cơ sở hạ tầng nào là quan trọng đối với AI trên chuỗi:
Hệ thống ZKP, tổng hợp: Bản tổng hợp mở rộng trí tưởng tượng của chúng tôi về khả năng tính toán trên chuỗi, đóng gói một loạt giao dịch và thậm chí tạo bằng chứng đệ quy để giảm thêm chi phí. Đối với các mô hình lớn hiện tại, bước đầu tiên để cung cấp các khả năng là hệ thống chứng minh và tổng hợp;
Tăng tốc phần cứng: Việc tổng hợp ZK cung cấp cơ sở có thể kiểm chứng được, nhưng tốc độ tạo ra bằng chứng liên quan trực tiếp đến khả năng sử dụng và trải nghiệm người dùng của mô hình. Việc chờ đợi vài giờ để tạo ra bằng chứng của mô hình rõ ràng là không hiệu quả, vì vậy khả năng tăng tốc phần cứng thông qua FPGA là một sự thúc đẩy tuyệt vời.
Mật mã: Mật mã là nền tảng của thế giới mật mã, các mô hình on-chain và dữ liệu nhạy cảm cũng cần đảm bảo quyền riêng tư.
Phần bổ sung:
Cơ sở của các mô hình lớn là GPU. Nếu không có khả năng hỗ trợ song song cao, hiệu quả của các mô hình lớn sẽ rất thấp và không thể chạy được. Do đó, đối với hệ sinh thái zk trên chuỗi:
Thân thiện với GPU = Thân thiện với AI
Lấy Starknet làm ví dụ, Cario chỉ có thể chạy trên CPU nên chỉ có thể triển khai một số mô hình cây quyết định nhỏ, điều này không có lợi cho việc triển khai các mô hình lớn về lâu dài.
2.2 Thử thách: Hệ thống chứng minh mạnh mẽ hơn
Tốc độ tạo và mức sử dụng bộ nhớ của ZK Proof rất quan trọng, một cái liên quan đến trải nghiệm người dùng và tính khả thi, trong khi cái còn lại liên quan đến chi phí và khả năng mở rộng.
Hệ thống zkp hiện tại có đủ không?
Đủ, nhưng chưa đủ tốt…
Modulus Lab đã trình bày chi tiết tình hình cụ thể của các mô hình và sức mạnh tính toán trong bài viết “Cái giá của trí thông minh: Chứng minh suy luận học máy với kiến thức bằng không”. Khi có thời gian, bạn có thể đọc “Paper0” này trong trường ZKML: https://drive.google.com/file/d/1tylpowpaqcOhKQtYolPlqvx6R2Gv4IzE/view
Dưới đây là các hệ thống chứng minh khác nhau được đề cập trong Bài 0.
Dựa trên các thuật toán zk ở trên, Modulus Lab tiến hành kiểm tra từ hai chiều: mức tiêu thụ thời gian và mức chiếm dụng bộ nhớ, đồng thời kiểm soát hai biến cốt lõi: tham số và lớp trong hai chiều này. Sau đây là các bộ điểm chuẩn. Thiết kế như vậy có thể bao phủ đại khái khối lượng tham số 60k của LeNet5, 0,5MFLOP, cho đến khối lượng tham số 22M của ResNet-34, 3,77 GFLOP.
Kiểm tra mức tiêu thụ thời gian:
Kiểm tra mức tiêu thụ bộ nhớ:
Dựa trên dữ liệu trên, về tổng thể, thuật toán zk hiện tại và tiềm năng hỗ trợ tạo ra các bằng chứng mô hình lớn đều có sẵn, nhưng chi phí tương ứng vẫn cao, thậm chí cần tối ưu hóa hơn 10 lần. Lấy Gloth16 làm ví dụ, mặc dù nó được hưởng lợi từ việc tối ưu hóa thời gian tính toán do tính đồng thời cao mang lại, nhưng để đánh đổi, việc sử dụng bộ nhớ sẽ tăng lên đáng kể. Hiệu suất của Plonky2 và zkCNN theo thời gian và không gian cũng xác minh điểm này.
Vì vậy, bây giờ câu hỏi đã thực sự thay đổi từ việc liệu hệ thống zkp có thể hỗ trợ AI trên chuỗi hay không đến mức chi phí có đáng để hỗ trợ AI trên chuỗi hay không. Và với sự gia tăng theo cấp số nhân của các tham số mô hình, áp lực lên hệ thống chứng minh cũng sẽ tăng nhanh. Thật vậy, hiện nay có mạng lưới thần kinh không đáng tin cậy không? KHÔNG! Đó là vì chi phí quá cao.
Do đó, việc tạo ra một hệ thống bằng chứng được tùy chỉnh bởi AI là vô cùng quan trọng. Đồng thời, để triển khai logic AI, vốn rất phức tạp trong một cuộc gọi, mô hình tiêu thụ gas cũng cần được thiết kế lại. Một zkvm hiệu suất cao là điều cần thiết. Nhưng bây giờ chúng ta có thể thấy nhiều nỗ lực hiệu suất cao, chẳng hạn như OlaVM, đa giác Miden, v.v. Việc tối ưu hóa liên tục các cơ sở hạ tầng này giúp cải thiện đáng kể tính khả thi của AI trên chuỗi.
3. Ứng dụng này có đáng mong đợi không?
Mặc dù AI trên chuỗi vẫn đang ở giai đoạn đầu nhưng nó có thể đang ở giữa giai đoạn bắt đầu và giai đoạn phát triển khi nhìn từ các lớp trên. Tuy nhiên, định hướng AI không bao giờ thiếu đội ngũ xuất sắc và ý tưởng sáng tạo.
Như đã đề cập ở trên, nhìn vào giai đoạn phát triển của AI trong thế giới web3, thị trường hiện tại đang ở giai đoạn giữa từ khi bắt đầu đến phát triển và hướng nỗ lực sản phẩm vẫn chủ yếu dựa trên việc tối ưu hóa trải nghiệm người dùng dựa trên các chức năng hiện có. Nhưng điều đáng giá nhất là biến những đối tượng không đáng tin cậy từ con người thành công cụ thông qua AI trên chuỗi, lật đổ hình thức sản phẩm ban đầu về tính bảo mật và hiệu quả.
Tiếp theo, bắt đầu từ một số nỗ lực ứng dụng hiện có, hãy phân tích hướng phát triển sản phẩm dài hạn của AI trên chuỗi
3.1 Rockefeller Bot: AI trên chuỗi đầu tiên trên thế giới
Rockefeller là sản phẩm AI trên chuỗi đầu tiên được nhóm Modulus Lab ra mắt, có “giá trị kỷ niệm” mạnh mẽ. Mô hình này thực chất là một bot giao dịch. Cụ thể, dữ liệu đào tạo của Rockefeller là một lượng lớn giá/tỷ giá hối đoái WEth-USDC có sẵn công khai trên chuỗi. Đây là mô hình mạng nơ-ron chuyển tiếp nguồn cấp dữ liệu ba lớp và mục tiêu dự đoán là mức tăng và giảm giá WEth trong tương lai.
Đây là quá trình bot giao dịch quyết định giao dịch:
Rockefeller tạo ZKP cho kết quả dự đoán trên ZK-rollup;
ZKP được xác minh trên L1 (tiền được giữ theo hợp đồng L1) và các hoạt động được thực hiện;
Có thể thấy rằng hoạt động dự đoán và cấp vốn của bot giao dịch hoàn toàn phi tập trung và không cần sự tin cậy. Như đã đề cập ở trên, nhìn từ một khía cạnh cao hơn, Rockefeller giống một kiểu chơi Defi mới hơn. So với việc tin tưởng các nhà giao dịch khác, ở chế độ này, người dùng thực sự đang đặt cược vào mô hình minh bạch + có thể kiểm chứng + tự chủ. Người dùng không cần phải tin tưởng vào các tổ chức tập trung để đảm bảo tính hợp pháp của quy trình ra quyết định theo mô hình. Đồng thời, AI cũng có thể loại bỏ tác động của bản chất con người ở mức độ lớn nhất và đưa ra quyết định dứt khoát hơn.
Bạn có thể muốn đầu tư một số tiền vào Rockefeller và thử dùng nó, nhưng việc này có thực sự kiếm được tiền không?
Không, theo nhóm Modulus thì không thể. Thay vì là một ứng dụng, Rockefeller giống như một Bằng chứng về Khái niệm (POC) cho AI trên chuỗi. Do những hạn chế về chi phí, hiệu quả và hệ thống chứng minh, mục đích chính của Rockefeller là dùng làm bản demo để cho thấy tính khả thi của AI trên chuỗi đối với thế giới web3. (Rockefeller đã hoàn thành nhiệm vụ và hiện đang offline T T)
3.2 Leela: Trò chơi AI trên chuỗi đầu tiên trên thế giới
Leela v.s. the World, được phát hành gần đây, cũng đến từ Phòng thí nghiệm Modulus. Cơ chế trò chơi rất đơn giản, trong đó người chơi thành lập đội để chiến đấu chống lại AI. Trong trò chơi, người chơi có thể đặt cược và vào cuối mỗi trận đấu, số tiền của người thua cuộc sẽ được chia cho người chiến thắng tùy theo số lượng mã thông báo đã đặt cược.
Nói về AI trên chuỗi, lần này Modulus Lab đã triển khai một mạng lưới thần kinh sâu lớn hơn (với số lượng Thông số > 3.700.000). Mặc dù Leela vượt qua Rockefeller về quy mô mô hình và nội dung sản phẩm nhưng về cơ bản nó vẫn là một thử nghiệm AI trên chuỗi quy mô lớn. Cơ chế và chế độ hoạt động đằng sau Leela là điều cần được chú ý, điều này có thể giúp chúng ta hiểu rõ hơn về chế độ hoạt động và không gian cải tiến của AI trên chuỗi. Đây là sơ đồ logic được đưa ra bởi quan chức:
Mỗi hành động mà Leela thực hiện hoặc mọi dự đoán sẽ tạo ra ZKP và chỉ sau khi được hợp đồng xác minh thì nó mới có hiệu lực trong trò chơi. Điều đó có nghĩa là, nhờ có AI tự trị không cần tin cậy, số tiền mà người dùng đặt cược và tính công bằng của trò chơi được bảo vệ hoàn toàn bằng mật mã và không cần phải tin tưởng vào nhà phát triển trò chơi.
Leela sử dụng thuật toán Halo2, chủ yếu là do các công cụ và thiết kế linh hoạt của nó có thể giúp thiết kế một hệ thống chứng minh hiệu quả hơn. Tình hình hiệu suất cụ thể có thể tham khảo dữ liệu thử nghiệm ở trên. Nhưng đồng thời, trong quá trình vận hành Leela, nhóm Modulus cũng phát hiện ra những nhược điểm của Halo2 như tạo bằng chứng chậm và không thân thiện với việc chứng minh một lần, v.v. Do đó, nó càng khẳng định thêm kết luận rút ra từ dữ liệu thử nghiệm trước đó : nếu chúng ta cần đưa các mô hình lớn hơn vào web3, chúng ta cần phát triển một hệ thống chứng minh mạnh mẽ hơn.
Tuy nhiên, giá trị của Leela nằm ở việc mang đến cho chúng ta một không gian tưởng tượng lớn hơn cho game AI + Web3, ở thời điểm này, người chơi King of Glory nên vô cùng hy vọng vào thuật toán mai mối sẽ hoàn toàn on-chain :) Gamefi cần chất lượng cao hơn hỗ trợ nội dung và hệ thống trò chơi công bằng hơn và AI trên chuỗi chỉ cung cấp điều này. Ví dụ: việc đưa các cảnh trò chơi do AI điều khiển hoặc NPC vào trò chơi mang lại không gian tưởng tượng khổng lồ cho cả trải nghiệm trò chơi của người chơi và lối chơi của hệ thống kinh tế.
3.3 Worldcoin: AI + KYC
Worldcoin là một hệ thống nhận dạng trên chuỗi (Giao thức chứng minh cá nhân bảo vệ quyền riêng tư) sử dụng sinh trắc học để thiết lập hệ thống nhận dạng và đạt được các chức năng phái sinh như thanh toán. Mục tiêu là chống lại các cuộc tấn công của Sybil và hiện có hơn 1,4 triệu người dùng đã đăng ký.
Người dùng quét mống mắt của họ bằng một thiết bị phần cứng có tên Orb và thông tin cá nhân sẽ được thêm vào cơ sở dữ liệu. Worldcoin chạy mô hình CNN trong môi trường tính toán của phần cứng Orb để nén và xác thực tính hiệu quả của dữ liệu mống mắt người dùng. Nghe có vẻ mạnh mẽ, nhưng để xác minh danh tính phi tập trung thực sự, nhóm Worldcoin đang khám phá xác minh đầu ra mô hình thông qua ZKP.
Thử thách
Đáng nói là mô hình CNN được Worldcoin sử dụng có kích thước: tham số = 1,8 triệu, lớp = 50. Dựa trên dữ liệu thử nghiệm hiển thị ở trên, hệ thống chứng minh hiện tại có thể xử lý việc này về mặt thời gian, nhưng mức tiêu thụ bộ nhớ là không thể hoàn chỉnh cho phần cứng cấp độ người tiêu dùng.
3.4 Các dự án khác
Pragma: Pragma là một oracle ZK được phát triển từ hệ sinh thái Starkware. Nhóm cũng đang khám phá cách giải quyết vấn đề xác minh dữ liệu ngoài chuỗi phi tập trung thông qua AI trên chuỗi. Người dùng không còn cần phải tin tưởng vào trình xác thực mà có thể xác minh nguồn dữ liệu ngoài chuỗi thông qua AI trên chuỗi đủ chính xác và có thể kiểm chứng, chẳng hạn như đọc thông tin vật lý tương ứng làm đầu vào và đưa ra quyết định xác minh danh tính hoặc tài sản thực tế.
Lyra Finance: Lyra Finance là một AMM tùy chọn cung cấp thị trường giao dịch phái sinh. Để cải thiện việc sử dụng vốn, nhóm Lyra và Modulus Lab đang hợp tác để phát triển AMM dựa trên mô hình AI có thể kiểm chứng. Với mô hình AI công bằng và có thể kiểm chứng, Lyra Finance có cơ hội trở thành một thử nghiệm triển khai quy mô lớn cho AI trên chuỗi, lần đầu tiên mang đến khả năng mai mối công bằng cho người dùng web3, tối ưu hóa thị trường trên chuỗi thông qua AI và cung cấp mức giá cao hơn. trở lại.
Giza: Nền tảng ZKML triển khai các mô hình trực tiếp trên chuỗi thay vì xác minh ngoài chuỗi. Cố gắng rất tốt, nhưng… Do sức mạnh tính toán và việc Cairo thiếu sự hỗ trợ cho việc tạo bằng chứng dựa trên CUDA, Giza chỉ có thể hỗ trợ triển khai các mô hình nhỏ. Đây là vấn đề nguy hiểm nhất. Về lâu dài, các mô hình lớn có thể có tác động đột phá trên web3 sẽ cần có sự hỗ trợ phần cứng mạnh mẽ, chẳng hạn như GPU.
Zama-ai: Mã hóa đồng cấu của các mô hình. Mã hóa đồng cấu là một dạng mã hóa trong đó: f[E(x)] = E[f(x)], trong đó f là một phép toán, E là thuật toán mã hóa đồng cấu và x là một biến, ví dụ: E(a ) + E(b) = E(a + b). Nó cho phép các dạng phép toán đại số cụ thể trên bản mã dẫn đến kết quả được mã hóa và việc giải mã kết quả này sẽ mang lại kết quả tương tự như thực hiện thao tác tương tự trên bản rõ. Quyền riêng tư của người mẫu luôn là điểm nóng và điểm nghẽn của AI. Mặc dù zk thân thiện với quyền riêng tư nhưng zk không tương đương với quyền riêng tư. Zama cam kết đảm bảo việc thực thi các mô hình mà vẫn đảm bảo quyền riêng tư.
ML-as-a-service: Đây hiện chỉ là hướng suy nghĩ, chưa có ứng dụng cụ thể mà mục tiêu là giải quyết các vấn đề về hành vi độc hại của các nhà cung cấp dịch vụ ML tập trung và sự tin tưởng của người dùng thông qua ZKP. Daniel Kang đã mô tả chi tiết trong bài viết “Trustless Verification of Machine Learning” (tham khảo sơ đồ trong bài viết).
4. Kết luận
Nhìn chung, AI trong thế giới web3 đang ở giai đoạn rất sớm, nhưng không còn nghi ngờ gì nữa, sự trưởng thành và phổ biến của AI trên chuỗi sẽ đưa giá trị của web3 lên một tầm cao mới. Về mặt kỹ thuật, web3 có thể cung cấp cơ sở hạ tầng độc đáo cho AI và AI là công cụ thiết yếu để thay đổi quan hệ sản xuất của web3. Sự kết hợp của cả hai có thể khơi dậy nhiều khả năng, đó là một nơi thú vị và giàu trí tưởng tượng.
Từ góc độ động lực của AI để hoạt động trên chuỗi, một mặt, AI trên chuỗi minh bạch + có thể kiểm chứng sẽ biến đổi các thực thể phi tập trung và không đáng tin cậy từ con người thành các công cụ AI, nâng cao đáng kể hiệu quả và bảo mật, đồng thời cung cấp khả năng tạo ra sản phẩm hoàn toàn mới các hình thức. Mặt khác, khi cơ sở hạ tầng của web3 tiếp tục lặp đi lặp lại, web3 thực sự cần một ứng dụng tuyệt vời có thể tối đa hóa giá trị của cơ sở hạ tầng này. ZKML phù hợp với điểm này, ví dụ ZK-rollup có thể sẽ là điểm vào cho AI vào web3 trong tương lai.
Từ góc độ khả thi, cơ sở hạ tầng hiện tại có thể hỗ trợ các mô hình ở quy mô nhất định ở một mức độ nào đó, nhưng vẫn còn nhiều điều không chắc chắn. Sử dụng ZKP để tạo các mô hình có thể xác minh hiện dường như là con đường duy nhất để AI đi vào chuỗi và cũng có thể là con đường kỹ thuật mang tính quyết định nhất để đưa AI vào các ứng dụng web3. Tuy nhiên, về lâu dài, hệ thống chứng minh hiện tại cần phải được cải thiện theo cấp số nhân để hỗ trợ đầy đủ cho các mô hình ngày càng lớn.
Từ góc độ các kịch bản ứng dụng, AI gần như có thể tham gia hoàn hảo vào bất kỳ hướng nào của web3, cho dù đó là chơi game, DeFi, DID hay công cụ… Mặc dù các dự án hiện tại rất khan hiếm và thiếu giá trị lâu dài nhưng chúng vẫn chưa chuyển đổi từ một công cụ để nâng cao hiệu quả cho một ứng dụng làm thay đổi quan hệ sản xuất. Nhưng thật thú vị khi ai đó đã thực hiện bước đầu tiên và chúng ta có thể thấy cái nhìn sớm nhất về AI trên chuỗi và các khả năng trong tương lai của nó.
Thẩm quyền giải quyết
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
Về tầm nhìn xa
Foresight Ventures tận tâm hỗ trợ sự đổi mới mang tính đột phá của blockchain trong vài thập kỷ tới. Chúng tôi quản lý nhiều quỹ: quỹ VC, quỹ thứ cấp được quản lý tích cực, FOF đa chiến lược và quỹ thứ cấp thị trường tư nhân, với AUM vượt quá 400 triệu USD. Foresight Ventures tuân thủ niềm tin về “Tư duy độc đáo, độc lập, tích cực, lâu dài” và cung cấp hỗ trợ sâu rộng cho các công ty danh mục đầu tư trong một hệ sinh thái đang phát triển. Nhóm của chúng tôi bao gồm các cựu chiến binh từ các công ty tài chính và công nghệ hàng đầu như Sequoia Capital, CICC, Google, Bitmain và nhiều công ty khác.
Trang web: https://www.foresightventures.com/
Tuyên bố miễn trừ trách nhiệm: Tất cả các bài viết của Foresight Ventures không nhằm mục đích tư vấn đầu tư. Các cá nhân nên đánh giá mức độ chấp nhận rủi ro của chính mình và đưa ra quyết định đầu tư một cách thận trọng.