ชื่อระดับแรก

Overview

จากบทความนี้ คุณสามารถเรียนรู้เกี่ยวกับ:

• AI บนเครือข่ายคืออะไร

• เหตุใดจึงยังไม่มี on-chain AI

• พลังของ AI บนเครือข่าย;

• เส้นทางทางเทคนิค

• คุณค่าของ AI บนเครือข่ายที่ฉันเข้าใจ

• ชื่อระดับแรก

1. AI + บล็อกเชน =?

ชื่อเรื่องรอง

1) กลับไปที่คำถามพื้นฐานที่สุด AI on-chain คืออะไร

บล็อกเชนบล็อกเชนให้โมเดล AItransparent + verifiable

เพื่อให้เฉพาะเจาะจงมากขึ้น การผูกมัดของ AI หมายถึงการตรวจสอบแบบจำลองปัญญาประดิษฐ์อย่างสมบูรณ์ ซึ่งหมายความว่าแบบจำลองจำเป็นต้องเปิดเผยจุดสามจุดต่อไปนี้ต่อเครือข่ายทั้งหมด (ผู้ใช้หรือผู้ตรวจสอบ):

1. สถาปัตยกรรมแบบจำลอง

2. พารามิเตอร์และน้ำหนักของแบบจำลอง: บางครั้งพารามิเตอร์และน้ำหนักสาธารณะมีผลกระทบด้านลบต่อความปลอดภัยของผลิตภัณฑ์ ดังนั้น สำหรับสถานการณ์เฉพาะ เช่น แบบจำลองการควบคุมความเสี่ยง

3. อินพุตโมเดล: ในสถานการณ์ web3 โดยทั่วไปจะเป็นข้อมูลเปิดบนเชน

ชื่อเรื่องรอง

2) อะไรคือแรงผลักดันสำหรับ AI + blockchain?

ความสำคัญของการรวมกันของ AI และบล็อกเชนไม่ใช่เพื่อแทนที่โหมดการทำงานของปัญญาประดิษฐ์ Web2 แบบรวมศูนย์ แต่เพื่อ:

1. สร้างมูลค่าขั้นต่อไปสำหรับโลกของ web3 โดยไม่ต้องสูญเสียการกระจายอำนาจและไร้ความน่าเชื่อถือ บล็อกเชนในปัจจุบันเป็นเหมือนช่วงเริ่มต้นของ web2 และยังไม่สามารถรับแอปพลิเคชันที่กว้างขึ้นหรือสร้างมูลค่าที่มากขึ้นได้ และหลังจากเพิ่ม AI แล้ว จินตนาการของ dapp ก็สามารถก้าวข้ามไปสู่ขั้นต่อไปได้อย่างแท้จริง และ chain applications เหล่านี้อาจใกล้เคียงกับระดับของ web2 applications มากขึ้น แนวทางนี้ไม่คล้ายกันในฟังก์ชั่นมากกว่าแต่ผ่านการใช้ค่าของ บล็อกเชนได้รับการปรับปรุงในแง่ของประสบการณ์ผู้ใช้และความเป็นไปได้

2. ให้โซลูชันที่โปร่งใสและเชื่อถือได้สำหรับโหมดการทำงาน AI ของกล่องดำ web2

ลองนึกภาพสถานการณ์แอปพลิเคชันของ web3:

1. เพิ่มอัลกอริทึมคำแนะนำไปยังแพลตฟอร์มการซื้อขาย NFT แนะนำ NFT ที่เกี่ยวข้องตามการตั้งค่าของผู้ใช้ และปรับปรุงการแปลง

2. เพิ่มฝ่ายตรงข้าม AI ในเกม ประสบการณ์เกมที่โปร่งใสและยุติธรรมมากขึ้น

……

แต่,แอปพลิเคชันเหล่านี้ใช้ AI เพื่อปรับปรุงประสิทธิภาพหรือประสบการณ์ผู้ใช้ของฟังก์ชันที่มีอยู่ให้ดียิ่งขึ้น

- คุ้มไหม? มี.

- คุ้มไหม? ขึ้นอยู่กับผลิตภัณฑ์และสถานการณ์

คุณค่าที่ AI สามารถสร้างได้ไม่เคยเป็นเพียงการเพิ่มประสิทธิภาพ 99 ถึง 100 สิ่งที่ทำให้ฉันตื่นเต้นจริงๆแอพใหม่ล่าสุดจาก 0 ถึง 1บางส่วนเท่านั้นผ่านtransparent + verifiableกรณีการใช้งานที่โมเดลออนเชนเท่านั้นที่รับรู้ได้ อย่างไรก็ตาม ปัจจุบันกรณีการใช้งานที่ "น่าตื่นเต้น" เหล่านี้ขึ้นอยู่กับจินตนาการเป็นหลัก และไม่มีแอปพลิเคชันที่พัฒนาแล้ว เรามาเริ่มกันที่ช่องโหว่เล็กๆ น้อยๆ:

1. ผ่านโมเดลการตัดสินใจของ Neural Network สำหรับการซื้อขาย crypto:แบบฟอร์มผลิตภัณฑ์อาจเหมือนกับการคัดลอกการซื้อขายเวอร์ชันอัปเกรด หรือแม้แต่วิธีการซื้อขายใหม่ล่าสุด ผู้ใช้ไม่จำเป็นต้องเชื่อถือหรือตรวจสอบผู้ค้าที่มีประสบการณ์รายอื่น ๆ อีกต่อไป แต่เดิมพันในรูปแบบที่เปิดกว้างและโปร่งใสและประสิทธิภาพของมัน โดยพื้นฐานแล้ว AI ซื้อขายได้รวดเร็วและเด็ดขาดมากขึ้นตามการคาดการณ์ราคาของสกุลเงินดิจิทัลในอนาคต อย่างไรก็ตาม หากปราศจาก "ความเป็นอิสระที่ไม่น่าไว้วางใจ" ที่มาพร้อมกับ AI บนเครือข่าย วัตถุหรือมาตรฐานการเดิมพันดังกล่าวก็ไม่มีอยู่จริง ผู้ใช้/นักลงทุนสามารถเห็นเหตุผล กระบวนการ และแม้แต่ความน่าจะเป็นที่แน่นอนของการเพิ่มขึ้น/ลดลงของการตัดสินใจแบบจำลองในอนาคตได้อย่างโปร่งใส

2. โมเดลเอไอในฐานะผู้ตัดสิน:ผลิตภัณฑ์หนึ่งอาจเป็นรูปแบบใหม่ของออราเคิล ซึ่งใช้โมเดล AI เพื่อทำนายความถูกต้องของแหล่งข้อมูล ผู้ใช้ไม่จำเป็นต้องเชื่อถือตัวตรวจสอบความถูกต้องอีกต่อไปและไม่ต้องกังวลว่าโหนดจะทำสิ่งชั่วร้าย ผู้ให้บริการ oracle ไม่จำเป็นต้องออกแบบเครือข่ายโหนดที่ซับซ้อนและกลไกการให้รางวัลและการลงโทษเพื่อให้เกิดการกระจายอำนาจ ในทำนองเดียวกัน AI ที่โปร่งใส + ตรวจสอบได้บนห่วงโซ่นั้นเพียงพอที่จะตอบสนองภารกิจในการตรวจสอบความเชื่อมั่นของแหล่งข้อมูลนอกห่วงโซ่ รูปแบบผลิตภัณฑ์ใหม่ล่าสุดนี้มีโอกาสที่จะถูกบดขยี้ในแง่ของความปลอดภัย ประสิทธิภาพ และต้นทุน และวัตถุที่กระจายอำนาจยังข้ามจากมนุษย์ไปสู่เครื่องมือ AI ที่ "เป็นอิสระอย่างน่าเชื่อถือ" ซึ่งปลอดภัยกว่าอย่างไม่ต้องสงสัย

3. โมเดลขนาดใหญ่การจัดการองค์กร/ระบบปฏิบัติการ:สรุป

……

สรุป

รูปแบบผลิตภัณฑ์ใหม่ที่อิงกับ AI ในห่วงโซ่สามารถสรุปได้โดยทั่วไปว่าเป็นการเปลี่ยนส่วนหลักของการกระจายอำนาจและไร้ความเชื่อถือจากมนุษย์เป็นเครื่องมือ AI ซึ่งสอดคล้องกับกระบวนการวิวัฒนาการของการผลิตในโลกดั้งเดิมเช่นกัน ในตอนแรกนั้น เป็นตัวการหลักของมนุษย์ที่ทำงานอย่างหนักและยังคงอัปเกรดปรับปรุงประสิทธิภาพของมนุษย์ และต่อมาแทนที่คนด้วยเครื่องมืออัจฉริยะ ล้มล้างการออกแบบผลิตภัณฑ์เดิมในแง่ของความปลอดภัยและประสิทธิภาพ

ชื่อเรื่องรองtransparent + verifiable。

3) ระยะต่อไปของ Web3

ในฐานะที่เป็นนวัตกรรมทางเทคโนโลยีระดับปรากฏการณ์ บล็อกเชนไม่สามารถอยู่แค่ในขั้นดั้งเดิมได้ รูปแบบการรับส่งข้อมูลและเศรษฐกิจมีความสำคัญมาก แต่ผู้ใช้มักจะไม่แสวงหาการเข้าชมหรือใช้ทรัพยากรจำนวนมากในการทำ X เพื่อหารายได้ และ web3 จะไม่ได้รับผู้ใช้ใหม่ระลอกใหม่เข้ามา แต่สิ่งหนึ่งที่แน่นอนคือ การปฏิวัติด้านประสิทธิภาพและมูลค่าในโลกของ web3 จะต้องมาจากการเพิ่มของ AI

ฉันคิดว่าสามารถแบ่งออกเป็นสามขั้นตอนต่อไปนี้

เริ่มต้น: การอัปเดตซ้ำของอัลกอริธึมการพิสูจน์ความรู้เป็นศูนย์และฮาร์ดแวร์ให้ความเป็นไปได้เป็นครั้งแรกสำหรับการเกิดขึ้นของ AI บนห่วงโซ่ (พวกเราอยู่ที่นี่）

การพัฒนา: ไม่ว่าจะเป็นการปรับปรุงแอปพลิเคชันที่มีอยู่โดย AI หรือผลิตภัณฑ์ใหม่ที่ใช้ AI + blockchain พวกเขากำลังผลักดันอุตสาหกรรมทั้งหมดไปข้างหน้า

Endgame: ทิศทางสุดท้ายของ AI + blockchain คืออะไร?

การอภิปรายข้างต้นคือการสำรวจสถานการณ์การใช้งานจากล่างขึ้นบนผ่านการผสมผสานระหว่าง AI และบล็อกเชน และดูที่ AI + บล็อกเชนจากมุมมองบนลงล่าง AI จะย้อนรอยตัวบล็อกเชนเองหรือไม่

AI + blockchain = blockchain ที่ปรับเปลี่ยนได้

เครือข่ายสาธารณะบางแห่งจะเป็นผู้นำในการรวม AI เข้ากับห่วงโซ่ เปลี่ยนจากระดับของห่วงโซ่สาธารณะเป็นระดับที่ปรับเปลี่ยนได้ และทิศทางการพัฒนาของตัวเองไม่ได้ขึ้นอยู่กับการตัดสินใจของมูลนิธิโครงการอีกต่อไป แต่ขึ้นอยู่กับข้อมูลขนาดใหญ่เพื่อ ตัดสินใจและระดับของการทำงานอัตโนมัตินั้นสูงกว่ารูปแบบบล็อกเชนแบบดั้งเดิมอย่างมากเพื่อให้โดดเด่นจากรูปแบบปัจจุบันของความมั่งคั่งแบบหลายห่วงโซ่

ด้วยพรของ AI ที่ตรวจสอบได้ + โปร่งใส ซึ่งสะท้อนให้เห็นการควบคุมตนเองของบล็อกเชน คุณสามารถอ้างอิงตัวอย่างต่างๆ ที่กล่าวถึงโดยโมดูลัสแล็บ:

1. ตลาดซื้อขายบนเชนสามารถปรับเปลี่ยนได้โดยอัตโนมัติในลักษณะกระจายอำนาจ เช่น การปรับอัตราดอกเบี้ยของ Stablecoins ตามเวลาจริงตามข้อมูลสาธารณะบนเชนโดยไม่มีข้อสันนิษฐานที่เชื่อถือได้

2. การเรียนรู้หลายรูปแบบสามารถช่วยให้การโต้ตอบของโปรโตคอลบนเครือข่ายเสร็จสมบูรณ์ผ่านการระบุตัวตนด้วยไบโอเมตริกซ์ ให้ KYC ที่ปลอดภัย และบรรลุการจัดการข้อมูลประจำตัวที่ไม่ไว้วางใจอย่างสมบูรณ์

3. อนุญาตให้แอปพลิเคชันบนเชนเพิ่มมูลค่าสูงสุดจากข้อมูลในเชน และบริการสนับสนุน เช่น คำแนะนำเนื้อหาที่กำหนดเอง

ชื่อระดับแรก

ชื่อเรื่องรอง

1) Web3 ให้ AI อะไรได้บ้าง

Infrastructure และ ZK นั้นเป็นเส้นทางที่บ้าระห่ำที่สุดใน web3 อย่างไม่ต้องสงสัย โครงการต่างๆ ของ ZK ได้ทำงานอย่างหนักในการเพิ่มประสิทธิภาพวงจรและการอัปเกรดอัลกอริทึม ไม่ว่าจะเป็น การสำรวจเครือข่ายหลายเลเยอร์ หรือ blockchain แบบแยกส่วนและความพร้อมใช้งานของข้อมูล การสั่งสมเป็นบริการที่กำหนดเอง หรือแม้แต่การเร่งด้วยฮาร์ดแวร์... ความพยายามเหล่านี้กำลังผลักดันความสามารถในการปรับขนาด ต้นทุน และพลังการประมวลผลของบล็อกเชนไปสู่ขั้นต่อไป

AI + blockchain ฟังดูดี แต่สิ่งที่เพิ่มเข้ามาคืออะไรกันแน่?

วิธีหนึ่งคือผ่านระบบพิสูจน์ ZK ตัวอย่างเช่น ในการสร้างวงจรแบบกำหนดเองสำหรับแมชชีนเลิร์นนิง กระบวนการสร้างพยานสำหรับวงจรออฟเชนคือกระบวนการของการดำเนินการแบบจำลอง และการสร้างการพิสูจน์ (รวมถึงพารามิเตอร์แบบจำลองและอินพุต) สำหรับกระบวนการทำนายแบบจำลอง และทุกคนสามารถทำได้ ตรวจสอบหลักฐานบนห่วงโซ่

โมเดล AI ยังคงทำงานบนคลัสเตอร์ที่มีประสิทธิภาพ และแม้แต่การเร่งด้วยฮาร์ดแวร์บางตัวก็ยังใช้เพื่อเพิ่มความเร็วของการประมวลผล ในขณะที่เพิ่มพลังการประมวลผลสูงสุด มั่นใจได้ว่าจะไม่มีบุคคลหรือองค์กรที่รวมศูนย์เข้ามายุ่งเกี่ยวหรือแทรกแซง แบบจำลอง นั่นคือเพื่อให้แน่ใจว่า:

ความแน่นอนของการคาดการณ์โมเดล = ตรวจสอบได้ (อินพุต + สถาปัตยกรรมโมเดล + พารามิเตอร์)

จากแนวทางปฏิบัติข้างต้น จึงสามารถสรุปเพิ่มเติมได้ว่าอินฟราแบบใดมีความสำคัญต่อ AI บนเครือข่าย:

1. ระบบ ZKP, การยกเลิก: การสั่งรวมขยายจินตนาการของเราเกี่ยวกับพลังการประมวลผลบล็อกเชน, แพ็คธุรกรรมจำนวนมาก, และแม้แต่สร้างหลักฐานการพิสูจน์แบบวนซ้ำเพื่อลดค่าใช้จ่ายเพิ่มเติม สำหรับโมเดลขนาดใหญ่ในปัจจุบัน ขั้นตอนแรกในการนำเสนอความเป็นไปได้คือระบบพิสูจน์และการยกเลิก

2. การเร่งความเร็วด้วยฮาร์ดแวร์: การยกเลิก ZK ให้รากฐานที่ตรวจสอบได้ แต่ความเร็วในการสร้างการพิสูจน์นั้นสัมพันธ์โดยตรงกับความสามารถในการใช้งานและประสบการณ์ของผู้ใช้โมเดล เห็นได้ชัดว่าการรอหลายชั่วโมงเพื่อสร้างการพิสูจน์โมเดลนั้นไม่ได้ผล ดังนั้น การเร่งความเร็วฮาร์ดแวร์ผ่าน FPGA นั้นเป็นการเพิ่มที่ดี

3. การเข้ารหัส: การเข้ารหัสเป็นรากฐานของบล็อกเชน และโมเดลในห่วงโซ่และข้อมูลที่ละเอียดอ่อนก็จำเป็นต้องรับรองความเป็นส่วนตัวด้วย

เติมเต็ม:

พื้นฐานของโมเดลขนาดใหญ่คือ GPU หากไม่มีการสนับสนุนความขนานสูงประสิทธิภาพของโมเดลขนาดใหญ่จะต่ำมากและจะไม่สามารถทำงานได้ ดังนั้น สำหรับระบบนิเวศ zk บนห่วงโซ่:

เป็นมิตรกับ GPU = เป็นมิตรกับ AI

ชื่อเรื่องรอง

2) ความท้าทาย: ระบบพิสูจน์ที่ทรงพลังยิ่งขึ้น

ความเร็วในการสร้างและการใช้หน่วยความจำของ ZK Proof มีความสำคัญมาก หนึ่งคือ เกี่ยวข้องกับประสบการณ์ของผู้ใช้และความเป็นไปได้ และอีกอัน เกี่ยวข้องกับต้นทุนและเพดาน

ระบบ zkp ปัจจุบันเพียงพอหรือไม่

เพียงพอแต่ไม่ดีพอ...

ในบทความ "The Cost of Intelligence: Proving Machine Learning Inference with Zero-Knowledge" Modulus lab ได้วิเคราะห์สถานการณ์เฉพาะของโมเดลและพลังการประมวลผลโดยละเอียด หากคุณมีเวลา คุณสามารถอ่าน "No. 0 document-paper 0" ของเซสชัน ZKML นี้:

[https://drive.google.com/file/d/1 tylpowpaqcOhKQtYolPlqvx 6 R 2 Gv 4 IzE/view]

ต่อไปนี้เป็นระบบพิสูจน์อักษรต่างๆ ที่กล่าวถึงในกระดาษ 0

ตามอัลกอริทึม zk ข้างต้น โมดูลัสแล็บดำเนินการทดสอบจากสองมิติของการใช้เวลาและการใช้หน่วยความจำ และควบคุมตัวแปรหลักสองตัวของพารามิเตอร์และเลเยอร์ในสองมิตินี้ ต่อไปนี้คือชุดเครื่องมือมาตรฐาน ซึ่งการออกแบบดังกล่าวสามารถครอบคลุมตั้งแต่พารามิเตอร์ 60 k ของ LeNet 5, 0.5 MFLOPs ไปจนถึง 22 M พารามิเตอร์ของ ResNet-34, 3.77 GFLOPs

ผลการทดสอบการใช้เวลา:

ผลการทดสอบการใช้หน่วยความจำ:

จากข้อมูลข้างต้น โดยรวมแล้ว อัลกอริทึม zk ปัจจุบันมีความเป็นไปได้ที่จะสนับสนุนการสร้างการพิสูจน์สำหรับโมเดลขนาดใหญ่ แต่ค่าใช้จ่ายที่เกี่ยวข้องยังคงสูงมาก ซึ่งต้องการการปรับให้เหมาะสมมากกว่า 10 เท่า ยกตัวอย่าง Gloth 16 แม้ว่าจะได้ประโยชน์จากการเพิ่มประสิทธิภาพของเวลาในการคำนวณที่เกิดจากการทำงานพร้อมกันสูง แต่การใช้หน่วยความจำเพิ่มขึ้นอย่างมากเมื่อต้องแลกมา นอกจากนี้ยังได้รับการตรวจสอบโดยประสิทธิภาพของ Plonky 2 และ zkCNN ในด้านเวลาและอวกาศ

ดังนั้นตอนนี้คำถามจึงเปลี่ยนจากว่าระบบ zkp สามารถรองรับ AI บนห่วงโซ่ได้หรือไม่คุ้มค่าหรือไม่ที่จะสนับสนุน AI+Blockchain?และเมื่อพารามิเตอร์แบบจำลองเพิ่มขึ้นแบบทวีคูณ ความดันบนระบบพิสูจน์ก็จะเพิ่มขึ้นอย่างรวดเร็วเช่นกัน แท้จริงแล้วมีโครงข่ายประสาทเทียมที่ไว้ใจไม่ได้หรือไม่! เพราะไม่นับต้นทุน

ดังนั้นให้สร้างระบบพิสูจน์ตัวตน AIชื่อระดับแรก

3. การสมัครคุ้มค่ากับการรอคอยหรือไม่?

แม้ว่า AI บนห่วงโซ่จะยังอยู่ในช่วงเริ่มต้น แต่อาจเป็นเพียงระหว่างการเริ่มต้นและการพัฒนาตามเลเยอร์ข้างต้น แต่ทิศทางของ AI ไม่เคยขาดทีมที่ยอดเยี่ยมและความคิดสร้างสรรค์

ดังที่กล่าวไว้ข้างต้น เมื่อพิจารณาจากขั้นตอนการพัฒนาของ AI + Blockchain แล้ว ตลาดก็เข้ามาแล้วจุดเริ่มต้นสู่ระยะกลางของการพัฒนาทิศทางการทดลองใช้ผลิตภัณฑ์ยังคงขึ้นอยู่กับการเพิ่มประสิทธิภาพประสบการณ์ผู้ใช้ตามฟังก์ชันที่มีอยู่ แต่สิ่งที่มีค่าที่สุดคือการใช้ AI เพื่อเปลี่ยนตัวหลักที่ไร้ความไว้วางใจจากคนเป็นเครื่องมือบนห่วงโซ่ ล้มล้างรูปแบบผลิตภัณฑ์เดิมในแง่ของความปลอดภัยและประสิทธิภาพ

ชื่อเรื่องรอง

1) Rockefeller Bot: AI บนเครือข่ายตัวแรกของโลก

Rockefeller เป็นผลิตภัณฑ์ AI บนเครือข่ายตัวแรกที่เปิดตัวโดยทีมแล็บโมดูลัส ซึ่งมี "มูลค่าที่ระลึก" ที่แข็งแกร่ง โมเดลนี้เป็นบอทซื้อขาย โดยพื้นฐานแล้ว ข้อมูลการฝึกอบรมของ Rockefeller คือราคา/อัตราแลกเปลี่ยนของ WEth-USDC ที่เผยแพร่บนเชนจำนวนมาก เป็นโมเดลเครือข่ายฟีดฟอร์เวิร์ดสามชั้น และเป้าหมายการคาดการณ์คืออนาคต ราคาของ WEth ขึ้นและลง

ต่อไปนี้เป็นขั้นตอนเมื่อบอทซื้อขายตัดสินใจซื้อขาย:

1. Rockefeller สร้าง ZKP สำหรับผลการทำนาย ZK-rollup;

2. ZKP ได้รับการตรวจสอบใน L1 (เงินถูกเก็บไว้โดยสัญญาของ L1) และดำเนินการ

จะเห็นได้ว่าการคาดการณ์และการดำเนินการกองทุนของบอทซื้อขายนั้นมีการกระจายอำนาจอย่างสมบูรณ์และไร้ความน่าเชื่อถือ ดังที่กล่าวไว้ข้างต้น Rockefeller เป็นเหมือนเกม Defi ใหม่ล่าสุดจากมิติที่สูงขึ้น เมื่อเทียบกับการไว้วางใจเทรดเดอร์รายอื่น ในโหมดนี้ ผู้ใช้วางเดิมพันในรูปแบบที่โปร่งใส + ตรวจสอบได้ + เป็นอิสระ ผู้ใช้ไม่จำเป็นต้องเชื่อถือสถาบันส่วนกลางเพื่อให้แน่ใจว่ากระบวนการตัดสินใจแบบจำลองนั้นถูกต้องตามกฎหมาย ในขณะเดียวกัน AI ยังสามารถกำจัดอิทธิพลของธรรมชาติของมนุษย์ได้ในระดับสูงสุด และทำธุรกรรมอย่างเด็ดขาดมากขึ้น

คุณอาจถูกล่อลวงให้นำเงินบางส่วนไปที่ Rockefeller และเริ่มทำมัน แต่จะทำเงินได้จริงหรือ?

ไม่,ชื่อเรื่องรอง

2) Leela: เกม AI บนเครือข่ายเกมแรกของโลก

Leela vs the world ที่เพิ่งเปิดตัวก็มาจากห้องทดลองโมดูลัสเช่นกัน กลไกของเกมนั้นเรียบง่าย โดยผู้เล่นที่เป็นมนุษย์จะตั้งกลุ่มต่อต้าน AI ในเกม ผู้เล่นสามารถเดิมพันว่าใครจะเป็นผู้ชนะในเกมนี้ หลังจบเกม แต่ละแมตช์ พูลของผู้แพ้จะถูกจัดสรรให้กับผู้ชนะตามจำนวนโทเค็นที่จำนำ

เมื่อพูดถึง AI บนเครือข่าย ห้องปฏิบัติการโมดูลัสในครั้งนี้ได้ปรับใช้เครือข่ายนิวรัลเชิงลึกที่ใหญ่ขึ้น (จำนวนพารามิเตอร์ > 3, 700, 000) แม้ว่า Leela จะแซงหน้า Rockefeller ในแง่ของขนาดโมเดลและเนื้อหาผลิตภัณฑ์ แต่ในการวิเคราะห์ขั้นสุดท้าย นี่ยังคงเป็นการทดลอง AI บนเครือข่ายขนาดใหญ่กลไกและโหมดการทำงานเบื้องหลัง Leela คือสิ่งที่ต้องให้ความสนใจซึ่งสามารถช่วยให้เราเข้าใจโหมดการทำงานและช่องว่างสำหรับการปรับปรุง AI บนห่วงโซ่ได้ดีขึ้น ต่อไปนี้คือแผนภาพตรรกะอย่างเป็นทางการ:

ทุกการเคลื่อนไหวของลีลา นั่นคือทุกการทำนาย จะสร้าง ZKP และจะมีผลในเกมหลังจากได้รับการยืนยันโดยสัญญาเท่านั้น กล่าวคือ ได้รับประโยชน์จาก AI อัตโนมัติที่ไว้วางใจได้ เงินทุนและความยุติธรรมของผู้ใช้เดิมพันได้รับการปกป้องอย่างสมบูรณ์ด้วยการเข้ารหัส และไม่จำเป็นต้องไว้วางใจผู้พัฒนาเกม

Leela ใช้อัลกอริทึม Halo 2 เนื่องจากเครื่องมือและความยืดหยุ่นในการออกแบบสามารถช่วยออกแบบระบบพิสูจน์ที่มีประสิทธิภาพมากขึ้น สำหรับประสิทธิภาพเฉพาะ โปรดดูข้อมูลการทดสอบด้านบน แต่ในขณะเดียวกัน ระหว่างการทำงานของ Leela ทีมโมดูลัสยังได้ค้นพบข้อเสียของ Halo 2 เช่น ความเร็วในการสร้างการพิสูจน์ที่ช้า และไม่เป็นมิตรกับการพิสูจน์ด้วยการยิงเพียงครั้งเดียว ดังนั้นจึงเป็นการยืนยันข้อสรุปก่อนหน้านี้ตามข้อมูลการทดสอบเพิ่มเติม: หากเราจำเป็นต้องนำโมเดลที่ใหญ่ขึ้นเข้ามาใน web3 เราจำเป็นต้องพัฒนาระบบพิสูจน์ที่มีประสิทธิภาพมากขึ้น

อย่างไรก็ตาม คุณค่าของ Leela คือมันทำให้เรามีจินตนาการที่มากขึ้นของเกม AI + Web3ผู้เล่น Glory of Kings ควรหวังว่าอัลกอริทึมการจับคู่ของ King จะอยู่บนเครือข่ายอย่างสมบูรณ์ในขณะนี้ :)ชื่อเรื่องรอง

3 ）Worldcoin：AI + KYC

Worldcoin เป็นระบบระบุตัวตนบนเครือข่าย (Privacy-Preserving Proof-of-Personhood Protocol) สร้างระบบระบุตัวตนผ่านไบโอเมตริกและรับรู้การชำระเงินและฟังก์ชั่นอนุพันธ์อื่น ๆ ช่วยแก้ปัญหาในการต่อสู้กับการโจมตีของ Sybil ผู้ใช้ที่ลงทะเบียนปัจจุบันเกิน 1.4 ม.

ท้าทาย

ท้าทาย

ชื่อเรื่องรอง

4) รายการอื่น ๆ

1. Pragma：Pargma เป็น ZK oracle ที่พัฒนาจากระบบนิเวศของสตาร์คแวร์ ในขณะเดียวกัน ทีมงานยังสำรวจวิธีแก้ปัญหาของการตรวจสอบข้อมูลแบบกระจายศูนย์นอกเครือข่ายผ่าน AI บนเครือข่าย ผู้ใช้ไม่จำเป็นต้องเชื่อถือตัวตรวจสอบความถูกต้องอีกต่อไป แต่ใช้ AI บนเครือข่ายที่มีความแม่นยำเพียงพอและตรวจสอบได้เพื่อดำเนินการตรวจสอบแหล่งข้อมูลนอกเครือข่ายให้เสร็จสมบูรณ์ ตัวอย่างเช่น สำหรับการตรวจสอบสินทรัพย์หรือข้อมูลประจำตัวจริง AI สามารถอ่านได้โดยตรง ข้อมูลทางกายภาพของการพิมพ์ภาพถ่ายเป็นอินพุตและตัดสินใจ

2. Lyra finance：Lyra Finance เป็นตัวเลือก AMM ที่ให้บริการตลาดซื้อขายอนุพันธ์ เพื่อปรับปรุงการใช้เงินทุน ทีมงาน Lyra และห้องปฏิบัติการโมดูลัสกำลังร่วมมือกันเพื่อพัฒนา AMM ตามแบบจำลอง AI ที่ตรวจสอบได้ จากโมเดล AI ที่ตรวจสอบได้และยุติธรรม Lyra Finance มีโอกาสที่จะกลายเป็นการทดลองลงจอดขนาดใหญ่ของ AI + Blockchain นำการจับคู่ที่ยุติธรรมมาสู่ผู้ใช้ web3 เป็นครั้งแรก เพิ่มประสิทธิภาพตลาดออนไลน์ผ่าน AI และให้บริการที่สูงกว่า ผลตอบแทน

3. Giza：แพลตฟอร์ม ZKML ปรับใช้โมเดลโดยตรงบนเชนแทนการตรวจสอบนอกเชนNice try，but…เนื่องจากพลังการประมวลผลและความจริงที่ว่าไคโรไม่รองรับการสร้างการพิสูจน์ตาม CUDA กิซ่าจึงสามารถรองรับการปรับใช้โมเดลขนาดเล็กบางรุ่นเท่านั้น นี่เป็นปัญหาร้ายแรงที่สุดเช่นกัน ในระยะยาว จะต้องเป็นโมเดลขนาดใหญ่ที่สามารถส่งผลกระทบต่อ web3 ได้ และโมเดลในระดับนี้จะต้องมีการสนับสนุนฮาร์ดแวร์ที่มีประสิทธิภาพ เช่น GPU

4. Zama-ai：การเข้ารหัสแบบโฮโมมอร์ฟิกของโมเดล การเข้ารหัสแบบโฮโมมอร์ฟิกเป็นรูปแบบหนึ่งของการเข้ารหัส ซึ่งแสดงเป็น: f[E(x)] = E[f(x)] โดยที่ f คือการดำเนินการ E แสดงถึงอัลกอริทึมการเข้ารหัสแบบโฮโมมอร์ฟิก และ x คือตัวแปร ตัวอย่างเช่น: E( ก) + E(ข) = E(ก + ข). อนุญาตให้ดำเนินการเกี่ยวกับพีชคณิตบางรูปแบบบนข้อความไซเฟอร์เท็กซ์เพื่อให้ได้ผลลัพธ์ที่เข้ารหัส และผลลัพธ์ที่ได้จากการถอดรหัสจะเหมือนกับที่ได้รับจากการดำเนินการเดียวกันบนข้อความธรรมดา ความเป็นส่วนตัวของโมเดลเป็นจุดสำคัญและคอขวดในแนวทางของ AI + Blockchain มาโดยตลอด แม้ว่า zk จะเป็นมิตรกับความเป็นส่วนตัว แต่ zk ก็ไม่เท่ากับความเป็นส่วนตัว zama มุ่งมั่นที่จะรักษาความเป็นส่วนตัวของการดำเนินการโมเดล

5. ML-as-a-service：ชื่อระดับแรก

4. บทสรุปของ AI + Blockchain

• โดยรวมแล้ว AI ในโลกของ web3 ยังอยู่ในช่วงเริ่มต้น แต่ไม่ต้องสงสัยเลยว่าความเป็นผู้ใหญ่และความนิยมของ onchain-AI จะนำคุณค่าของ web3 ไปสู่อีกระดับหนึ่งอย่างแน่นอน จากมุมมองทางเทคนิค บล็อกเชนสามารถให้ AI มีโครงสร้างพื้นฐานที่ไม่เหมือนใคร และ AI ยังเป็นเครื่องมือสำคัญในการเปลี่ยนความสัมพันธ์ในการผลิตของ web3 การรวมกันของทั้งสองสามารถสร้างความเป็นไปได้มากมายซึ่งเป็นสถานที่ที่น่าตื่นเต้น และเปิดจินตนาการ

• จากมุมมองของพลังของ AI ในห่วงโซ่ ในแง่หนึ่งtransparent + verifiableAI บนเครือข่ายเปลี่ยนสิ่งที่กระจายอำนาจและไร้ความน่าเชื่อถือจากมนุษย์เป็นเครื่องมือ AI ซึ่งปรับปรุงประสิทธิภาพและความปลอดภัยอย่างมาก และให้ความเป็นไปได้ในการสร้างรูปแบบผลิตภัณฑ์ใหม่ ในทางกลับกัน โครงสร้างพื้นฐานบล็อกเชน ด้วยการทำซ้ำอย่างต่อเนื่อง web3 จึงต้องการนักฆ่าอย่างแท้จริง แอปพลิเคชันที่สามารถเพิ่มมูลค่าของโครงสร้างพื้นฐานเหล่านี้ได้สูงสุด ZKML เหมาะสมกับจุดนี้ ตัวอย่างเช่น ZK-rollup น่าจะเป็นทางเข้าของ AI ใน web3 ในอนาคต

• จากมุมมองของความเป็นไปได้ โครงสร้างพื้นฐานในปัจจุบันสามารถรองรับโมเดลในระดับหนึ่งได้ในระดับหนึ่ง แต่ก็ยังมีความไม่แน่นอนอยู่มาก ในปัจจุบัน การสร้างแบบจำลองที่ตรวจสอบได้ผ่าน ZKP เป็นวิธีเดียวที่ AI จะอยู่ในห่วงโซ่ และอาจเป็นเส้นทางทางเทคนิคที่กำหนดได้มากที่สุดสำหรับการนำ AI เข้าสู่แอปพลิเคชัน web3 แต่ในระยะยาว ระบบพิสูจน์อักษรปัจจุบันจำเป็นต้องได้รับการปรับปรุงแบบทวีคูณเพื่อรองรับรุ่นที่มีขนาดใหญ่ขึ้นเรื่อยๆ

• ข้อจำกัดความรับผิดชอบ: บทความ Foresight Ventures ทั้งหมดไม่ได้มีไว้เพื่อเป็นคำแนะนำในการลงทุน การลงทุนมีความเสี่ยง โปรดประเมินการยอมรับความเสี่ยงส่วนบุคคลและตัดสินใจลงทุนอย่างรอบคอบ

Reference

1. https://worldcoin.org/blog/engineering/intro-to-zkml

2. https://medium.com/coinmonks/chapter-1-how-to-put-your-ai-on-chain-8 af 2d b 013 c 6 b

3. https://medium.com/@ModulusLabs/chapter-2-why-put-your-ai-on-chain-33 b 7625147 b 7 

4. https://medium.com/@ModulusLabs/chapter-3-the-worlds-first-on-chain-ai-trading-bot-c 387 afe 8316 c

5. https://medium.com/@ModulusLabs/chapter-4-blockchains-that-self-improve-e 9716 c 041 f 36 

6. https://medium.com/@ModulusLabs/chapter-4-5-trustless-ai-for-living-breathing-games-cc 9 f 24080 e 30 

7. https://medium.com/@ModulusLabs/chapter-5-the-cost-of-intelligence-da 26 dbf 93307 

8. https://medium.com/@ModulusLabs/chapter-6-leela-vs-the-world-the-worlds-1 st-on-chain-ai-game-17 ea 299 a 06 b 6 

9. https://drive.google.com/file/d/1 tylpowpaqcOhKQtYolPlqvx 6 R 2 Gv 4 IzE/view

10. https://medium.com/@danieldkang/trustless-verification-of-machine-learning-6 f 648 fd 8 ba 88 

เกี่ยวกับ Foresight Ventures

Foresight Ventures เดิมพันกับนวัตกรรมของสกุลเงินดิจิทัลในอีกไม่กี่ทศวรรษข้างหน้า บริษัทจัดการกองทุนหลายแห่ง: กองทุน VC, กองทุนการจัดการรองที่ใช้งานอยู่, FOF หลายกลยุทธ์, กองทุน S วัตถุประสงค์พิเศษ "Foresight Secondary Fund l" โดยมีขนาดการจัดการสินทรัพย์รวมเท่ากับ มากกว่า 4 หนึ่งร้อยล้านเหรียญสหรัฐ Foresight Ventures ยึดมั่นในแนวคิด "ไม่ซ้ำใคร เป็นอิสระ ก้าวร้าว ระยะยาว" และให้การสนับสนุนอย่างกว้างขวางสำหรับโครงการผ่านพลังทางนิเวศวิทยาที่แข็งแกร่ง ทีมงานมาจากบุคลากรอาวุโสจากบริษัทการเงินและเทคโนโลยีชั้นนำ เช่น Sequoia China, CICC, Google, Bitmain เป็นต้น

Website: https://www.foresightventures.com/

Twitter: https://twitter.com/ForesightVen

ข้อจำกัดความรับผิดชอบ: บทความ Foresight Ventures ทั้งหมดไม่ได้มีไว้เพื่อเป็นคำแนะนำในการลงทุน การลงทุนมีความเสี่ยง โปรดประเมินการยอมรับความเสี่ยงส่วนบุคคลและตัดสินใจลงทุนอย่างรอบคอบ