Thông qua bài viết này, bạn có thể tìm hiểu về: AI trên chuỗi là gì? Tại sao chưa có AI trên chuỗi? Sức mạnh của AI trên chuỗi; đường kỹ thuật; Giá trị của AI trên chuỗi; Các kịch bản ứng dụng và phân tích dự án của AI trên chuỗi. 1. Trí tuệ nhân tạo + chuỗi khối =? Nỗi ám ảnh điên cuồng của các nhà phát triển đối với việc xây dựng cơ sở hạ tầng cũng như việc cập nhật và lặp lại các giải pháp tổng hợp khác nhau đã thực sự tạo ra một bước đột phá về sức mạnh tính toán web3 lạc hậu ban đầu, điều này cũng mang lại khả năng cho AI được liên kết với chuỗi, nhưng bạn có thể muốn nói rằng thay vì tốn nhiều thời gian và công sức Có vẻ như việc chạy mô hình trực tiếp ngoài chuỗi có thể đáp ứng hầu hết các nhu cầu Trên thực tế, hầu hết các mô hình AI hiện đang chạy ở chế độ hộp đen và tập trung, đồng thời cũng tạo ra những vấn đề khó hiểu trong các lĩnh vực khác nhau.Giá trị thay thế. 1) Quay lại câu hỏi cơ bản nhất, AI on-chain là gì? Cách hiểu chính thống là làm cho mô hình AI trở nên minh bạch + có thể kiểm chứng được thông qua chuỗi khối Cụ thể hơn, chuỗi AI có nghĩa là xác minh hoàn chỉnh mô hình trí tuệ nhân tạo, 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; Tham số và trọng số của mô hình: Các tham số và trọng số công khai đôi khi 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 tính bảo mật; Đầu vào mô hình: Trong kịch bản web3, về cơ bản, đó là dữ liệu mở trên chuỗi. Khi các điều kiện trên được đáp ứng, toàn bộ quá trình thực hiện mô hình là xác định và không còn là black box activity, bất kỳ ai cũng có thể xác minh đầu vào và kết quả của mô hình trên chuỗi, do đó ngăn chủ sở hữu mô hình hoặc những người được ủy quyền có liên quan thực hiện mô hình bị thao túng. 2) Động lực của AI + chuỗi khối là gì? Ý nghĩa của sự kết hợp giữa AI và chuỗi khối không phải là để thay thế chế độ hoạt động của trí tuệ nhân tạo Web2 tập trung, mà là để: Tạo giai đoạn giá trị tiếp theo cho thế giới web3 mà không phải hy sinh tính phi tập trung và không tin cậy. Chuỗi khối hiện tại giống như giai đoạn đầu của web2 và nó chưa thể thực hiện các ứng dụng rộng hơn hoặc tạo ra giá trị lớn hơn. Và chỉ sau khi thêm AI, trí tưởng tượng của dapp mới thực sự chuyển sang giai đoạn tiếp theo và các ứng dụng trên chuỗi này có thể tiến gần hơn đến cấp độ của ứng dụng web2. blockchain được cải thiện về trải nghiệm và khả năng của người dùng. Cung cấp giải pháp minh bạch và không tin cậy cho chế độ hoạt động AI của black box web2. Hãy tưởng tượng 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 trong trò chơi, trải nghiệm trò chơi minh bạch và công bằng hơn; Giá trị mà AI có thể tạo ra chỉ là tối ưu hóa từ 99 đến 100. Điều thực sự khiến tôi phấn khích là ứng dụng hoàn toàn mới từ 0 đến 1 , một số trường hợp sử dụng chỉ có thể được thực hiện thông qua mô hình chuỗi minh bạch + có thể kiểm chứng . Tuy nhiên, những trường hợp sử dụng “thú vị” này hiện chủ yếu dựa trên trí tưởng tượng và chưa có ứng dụng trưởng thành. Hãy bắt đầu với một vài lỗ hổng não bộ: Thực hiện giao dịch tiền điện tử thông qua mô hình quyết định dựa trên neural network: một dạng sản phẩm có thể giống phiên bản nâng cấp của giao dịch sao chép hoặc thậm chí là một phương thức giao dịch hoàn toàn mới. Người dùng không còn cần phải tin tưởng hoặc điều tra các nhà giao dịch có kinh nghiệm khác, mà đặt cược vào một mô hình công khai và minh bạch hoàn toàn cũng như hiệu suất của nó. 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 đáng tin cậy” đi kèm với AI trên chuỗi, thì các đối tượng hoặc tiêu chuẩn cá cược như vậy đơn giản là không tồn tại. Người dùng/nhà đầu tư có thể nhìn thấy rõ ràng lý do, quy trình và thậm chí cả xác suất chính xác về việc tăng/giảm trong tương lai của quá trình ra quyết định của mô hình; Mô hình AI làm trọng tài: Một sản phẩm có thể là một dạng máy tiên tri mới, sử dụng mô hình AI để dự đoán độ chính xác của các nguồn dữ liệu. Người dùng không còn cần phải tin tưởng vào trình xác thực và không phải lo lắng về các nút làm điều xấu. Nhà cung cấp tiên tri thậm chí không cần thiết kế một mạng nút phức tạp và cơ chế khen thưởng và trừng phạt để đạt được sự phân cấp. Tương ứng, AI minh bạch + có thể xác minh trên chuỗi đủ để đáp ứng nhiệm vụ xác minh độ tin cậy của nguồn dữ liệu ngoài chuỗi. Dạng sản phẩm hoàn toàn mới này có cơ hội vượt trội về độ an toàn, hiệu quả và chi phí, đồng thời đối tượng phi tập trung cũng 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 mô hình lớn : Về bản chất, việc quản trị DAO phải hiệu quả, phi tập trung và công bằng, nhưng hiện trạng thì ngược lại, lỏng lẻo và cồng kềnh, thiếu minh bạch và công bằng, và việc bổ sung AI vào chain có thể cung cấp Một giải pháp rất phù hợp giúp tối đa hóa mô hình quản lý và hiệu quả, đồng thời giảm thiểu tối đa các rủi ro về hệ thống và con người trong quản lý. Chúng ta thậm chí có thể tưởng tượng ra một chế độ hoạt động và phát triển hoàn toàn mới của dự án web3. Toàn bộ khung cũng như hướng phát triển trong tương lai và các đề xuất hầu như không dựa vào nhóm phát triển hoặc DAO bỏ phiếu để đưa ra quyết định. Chất lượng và khả năng tính toán vượt xa con người để đưa ra quyết định. Nhưng tiền đề của tất cả những điều này là mô hình nằm trên chuỗi, 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 Hình thức sản phẩm mới dựa trên AI trên chuỗi về cơ bản có thể được tóm tắt là thay đổi phần chính của sự phi tập trung và không tin cậy từ con người sang các công cụ AI, điều này cũng phù hợp với quá trình phát triển năng suất trong thế giới truyền thống. là cơ quan chính của con người làm việc chăm chỉ và liên tục nâng cấp Nâng cao hiệu quả của con người và sau đó thay thế con người bằng các công cụ thông minh, phá vỡ thiết kế sản phẩm ban đầu về mặt an toàn và hiệu quả. Điều quan trọng nhất và là tiền đề của tất cả những điều trên là nhận ra AI minh bạch + có thể kiểm chứng thông qua chuỗi khối . 3) Giai đoạn tiếp theo của Web3 Là một sự đổi mới công nghệ ở cấp độ hiện tượng, chuỗi khối không thể chỉ ở giai đoạn sơ khai. Lưu lượng truy cập và mô hình kinh tế là rất quan trọng, nhưng người dùng sẽ không phải lúc nào cũng theo đuổi lưu lượng truy cập hoặc dành nhiều tài nguyên làm X để kiếm tiền, web3 sẽ không phải là làn sóng người dùng mới tiếp theo tham gia. Nhưng có một điều chắc chắn: cuộc cách mạng về năng suất và giá trị trong thế giới web3 phải đến từ việc bổ sung AI. Tôi nghĩ rằng nó có thể được chia thành ba giai đoạn sau Bắt đầu: Lần lặp cập nhật của phần cứng và thuật toán bằng chứng không có kiến thức cung cấp khả năng xuất hiện AI trên chuỗi lần đầu tiên; Phát triển: Cho dù đó là cải tiến các ứng dụng hiện có bằng AI hay các sản phẩm hoàn toàn mới dựa trên AI + chuỗi khối, chúng đều đang thúc đẩy toàn bộ ngành phát triển; Endgame: Hướng đi cuối cùng của AI + blockchain là gì? Cuộc thảo luận ở trên là để khám phá các kịch bản ứng dụng từ dưới lên thông qua sự kết hợp giữa AI và chuỗi khối, đồng thời xem xét AI + chuỗi khối từ góc độ từ trên xuống. Liệu AI có truy ngược lại chính chuỗi khối đó không? AI + chuỗi khối = chuỗi khối thích ứng Một số chuỗi công cộng sẽ đi đầu trong việc tích hợp AI trên chuỗi, chuyển đổi từ cấp độ chuỗi công khai sang chuỗi thích ứng và hướng phát triển của chính nó không còn phụ thuộc vào việc ra quyết định của nền tảng dự án mà dựa trên dữ liệu khổng lồ để đưa ra quyết định và mức độ tự động hóa vượt xa so với hình thức chuỗi khối truyền thống, do đó nổi bật so với mô hình thịnh vượng đa chuỗi hiện tại. Với sự hỗ trợ của AI có thể kiểm chứng + minh bạch, blockchain tự điều chỉnh ở đâu, bạn có thể tham khảo một số ví dụ được đề cập bởi modulus lab: Thị trường giao dịch trên chuỗi có thể được điều chỉnh tự động theo cách phi tập trung, chẳng hạn như điều chỉnh lãi suất của stablecoin theo thời gian thực dựa trên dữ liệu công khai trên chuỗi mà không cần giả định về niềm tin; Học tập đa phương thức có thể cho phép hoàn thành sự tương tác của các giao thức trên chuỗi thông qua nhận dạng sinh trắc học, cung cấp KYC an toàn và đạt được quản lý danh tính hoàn toàn không tin cậy; Cho phép các ứng dụng trên chuỗi tối đa hóa giá trị do dữ liệu trên chuỗi mang lại và hỗ trợ các dịch vụ như đề xuất nội dung tùy chỉnh. Từ một quan điểm khác, zkrollup liên tục được tối ưu hóa lặp đi lặp lại, nhưng vẫn thiếu một ứng dụng chỉ có thể chạy trên hệ sinh thái zk, ZKML vừa vặn với điểm này và có đủ chỗ cho trí tưởng tượng. ZK-rollup có khả năng đóng vai trò là lối vào của AI vào web3 trong tương lai để tạo ra giá trị lớn hơn và cả hai đạt được mục tiêu của nhau. 2. Phương thức thực hiện và tính khả thi 1) Web3 có thể cung cấp những gì cho AI? Cơ sở hạ tầng và ZK chắc chắn là những bản nhạc hướng nội điên rồ nhất trong web 3. Nhiều dự án ZK khác nhau đã làm việc chăm chỉ để tối ưu hóa mạch và nâng cấp thuật toán, cho dù đó là khám phá mạng nhiều lớp hay chuỗi khối mô-đun và tính khả dụng của dữ liệu. Sự phát triển của lớp hoặc tiếp tục biến tổng số thành một dịch vụ tùy chỉnh hoặc thậm chí là tăng tốc phần cứng… Những nỗ lực này đang đẩy khả năng mở rộng, chi phí và sức mạnh tính toán của chuỗi khối lên giai đoạn tiếp theo. AI + blockchain nghe có vẻ hay, nhưng bổ sung chính xác là gì? Một cách tiếp cận là thông qua hệ thống bằng chứng ZK. Ví dụ: để tạo một mạch tùy chỉnh cho máy học, quá trình tạo bằng chứng cho mạch ngoài chuỗi là quá trình thực thi mô hình và tạo bằng chứng (bao gồm các tham số mô hình và đầu vào) cho quá trình dự đoán mô hình và bất kỳ ai cũng có thể xác minh bằng chứng trên chuỗi. Mô hình AI vẫn được thực thi trên một cụm hiệu quả và thậm chí một số khả năng tăng tốc phần cứng được sử dụng để tăng thêm tốc độ tính toán. mô hình, nghĩa là, để đảm bảo: Độ chắc chắn của dự đoán mô hình = có thể kiểm chứng (đầu vào + kiến trúc mô hình + tham số) Dựa trên các thực tiễn trên, có thể suy luận thêm về cơ sở hạ tầng nào là quan trọng đối với AI trên chuỗi: Hệ thống ZKP, rollup: Rollup mở rộng trí tưởng tượng của chúng ta về sức mạnh tính toán chuỗi khối, đóng gói một loạt các giao dịch và thậm chí tạo đệ quy bằng chứng để giảm chi phí hơn nữa. Đối với mô hình khổng lồ hiện tại, bước đầu tiên để cung cấp khả năng là hệ thống bằng chứng và tổng hợp; Tăng tốc phần cứng: Bản tổng hợp ZK cung cấp nền tảng có thể kiểm chứng, nhưng tốc độ tạo bằng chứng có liên quan trực tiếp đến khả năng sử dụng và trải nghiệm người dùng của mô hình. tăng tốc phần cứng thông qua FPGA rõ ràng là một sự thúc đẩy tốt. Mật mã: Mật mã là nền tảng của blockchain, các mô hình trên chuỗi và dữ liệu nhạy cảm cũng cần đảm bảo quyền riêng tư. bổ sung: Cơ sở của mô hình lớn là GPU, nếu không có sự hỗ trợ của tính song song cao, hiệu quả của mô hình lớn sẽ rất thấp và nó sẽ 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 nó 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) Thách thức: một hệ thống bằng chứng mạnh mẽ hơn Tốc độ tạo và mức sử dụng bộ nhớ của ZK Proof rất quan trọng, một là liên quan đến trải nghiệm người dùng và tính khả thi, hai là liên quan đến chi phí và mức trần. Hệ thống zkp hiện tại đã đủ chưa? Đủ, nhưng chưa đủ tốt… Trong bài báo “Cái giá của trí thông minh: Chứng minh suy luận học máy với kiến thức không”, phòng thí nghiệm Modulus đã phân tích rất chi tiết tình hình cụ thể của mô hình và sức mạnh tính toán. Nếu có thời gian, bạn có thể đọc “No. 0 document-paper0” này của phiên ZKML: https://drive.google.com/file/d/1tylpowpaqcOhKQtYolPlqvx6R2Gv4IzE/view Sau đây là các hệ thống bằng chứng khác nhau được đề cập trong paper0 Dựa trên thuật toán zk ở trên, phòng thí nghiệm mô-đun tiến hành kiểm tra từ hai chiều tiêu thụ thời gian và sử dụng bộ nhớ, đồng thời kiểm soát hai biến cốt lõi là tham số và lớp trong hai chiều này. Sau đây là các bộ điểm chuẩn. Một thiết kế như vậy có thể bao gồm khoảng 60k tham số của LeNet5, 0,5MFLOP, đến 22M tham số của ResNet-34, 3,77 GFLOP. Kết quả kiểm tra tiêu thụ thời gian: Kết quả kiểm tra sử dụng bộ nhớ Dựa trên dữ liệu trên, về tổng thể, thuật toán zk hiện tại có khả năng hỗ trợ tạo bằng chứng cho các mô hình lớn, nhưng chi phí tương ứng vẫn còn rất 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 việc sử dụng bộ nhớ của nó tăng đáng kể như một sự đánh đổi. Điều này cũng được xác minh bởi hiệu suất của Plonky2 và zkCNN theo thời gian và không gian. Vì vậy, bây giờ câu hỏi đang thực sự thay đổi từ liệu hệ thống zkp có thể hỗ trợ AI trên chuỗi sang hỗ trợ AI + Blockchain hay không. Và khi các tham số của mô hình tăng theo cấp số nhân, áp lực lên hệ thống bằng chứng cũng sẽ tăng lên nhanh chóng. Do đó, điều rất quan trọng là tạo ra một hệ thống bằng chứng được tùy chỉnh cho AI . Đồng thời, để nhận ra logic phức tạp của tính toán một cuộc gọi cho AI, mô hình tiêu thụ gas cũng cần được thiết kế lại.Zkvm hiệu suất cao là rất quan trọng, nhưng hiện tại 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 đã cải thiện đáng kể tính khả thi của onchain-AI. 3. Ứng dụng có đáng mong chờ không? Mặc dù AI trên chuỗi vẫn còn ở giai đoạn rất sơ khai, có thể chỉ ở giữa giai đoạn bắt đầu và phát triển theo các lớp trên, nhưng hướng đi của AI chưa bao giờ thiếu những đội ngũ xuất sắc và những ý tưởng sáng tạo. Như đã đề cập ở trên, từ giai đoạn phát triển của AI + Blockchain, thị trường hiện đang ở giai đoạn phát triển giữa và hướng nỗ lực của sản phẩm vẫn là tối ưu hóa trải nghiệm người dùng dựa trên các chức năng hiện có. Nhưng điều có thể phản ánh giá trị tốt nhất là sử dụng AI để thay đổi bộ phận chính không tin cậy từ con người thành công cụ trên chuỗi, thay thế hình thức sản phẩm ban đầu về mặt an toàn và hiệu quả. Hãy bắt đầu với một số thử nghiệm ứng dụng hiện có và phân tích hướng phát triển sản phẩm dài hạn của AI + Blockchain 1) The Rockefeller Bot: AI trên chuỗi đầu tiên trên thế giới Rockefeller là sản phẩm AI trên chuỗi đầu tiên được ra mắt bởi nhóm phòng thí nghiệm mô-đun, 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 giá/tỷ giá hối đoái của WEth-USDC được công bố trên một số lượng lớn chuỗi. Bản thân nó là mô hình mạng chuyển tiếp ba lớp và mục tiêu dự đoán là giá tương lai của WEth.lên xuống. Sau đây là quy trình khi 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 của L1) và các hoạt động được thực hiện; Có thể thấy rằng các hoạt động dự báo và quỹ của bot giao dịch là hoàn toàn phi tập trung và không cần sự tin cậy.Như đã đề cập ở trên, rockefeller giống một trò chơi Defi hoàn toàn mới từ một chiều cao hơn. So với việc tin tưởng các nhà giao dịch khác, ở chế độ này, người dùng thực sự đặt cược vào mô hình minh bạch + có thể kiểm chứng + tự trị. 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 mô hình. Đồng thời, AI cũng có thể loại bỏ tối đa ảnh hưởng của bản chất con người và tiến hành các giao dịch một cách dứt khoát hơn. Bạn có thể đã muốn đặt một số tiền vào Rockefeller và bắt đầu, nhưng nó có thực sự kiếm được tiền không? Không, theo nhóm mô-đun, rockefeller không phải là một ứng dụng, nó giống như một POC của AI trên chuỗi. Do những hạn chế về chi phí, hiệu quả, hệ thống bằng chứng, v.v., mục đích chính của rockefeller là phục vụ như một bản demo để cho web3 Thế giới thấy tính khả thi của AI trên chuỗi. (Rockefeller đã hoàn thành nhiệm vụ rồi nhé TT) 2) Leela: trò chơi AI trực tuyến đầu tiên trên thế giới Leela vs World được phát hành gần đây cũng là từ phòng thí nghiệm mô đun. Cơ chế trò chơi rất đơn giản, với những người chơi là con người thành lập một phe chống lại AI. Trong trò chơi, người chơi có thể đặt cược xem cuối cùng ai sẽ thắng trò chơi, sau mỗi trận đấu, tiền cược của người thua sẽ được phân bổ cho người thắng theo số lượng token đã cam kết. Nói về AI trên chuỗi, mô-đun lần này đã triển khai một mạng lưới thần kinh sâu lớn hơn (số lượng tham số > 3.700.000). Mặc dù Leela đã vượt qua Rockefeller về quy mô mô hình và nội dung sản phẩm, nhưng trong phân tích cuối cùng, đây vẫn là một thử nghiệm AI trên chuỗi quy mô lớn. Cơ chế và chế độ hoạt động đằng sau Leela mới là điều cần chú ý , điều này có thể giúp chúng ta hiểu rõ hơn về chế độ hoạt động và khả năng cải thiện AI trên chuỗi. Sau đây là sơ đồ logic chính thức: Mọi hành động của Leela, tức là mọi dự đoán, sẽ tạo ra ZKP và nó sẽ chỉ có hiệu lực trong trò chơi sau khi được hợp đồng xác nhận. Nói cách khác, được hưởng lợi từ AI tự trị không đáng tin cậy, tiền và sự công bằng trong các lần đặt cược của người dùng được bảo vệ hoàn toàn bằng mật mã và không cần phải tin tưởng các nhà phát triển trò chơi. Leela sử dụng thuật toán Halo2, chủ yếu là do các công cụ và tính linh hoạt trong thiết kế của nó có thể giúp thiết kế một hệ thống bằng chứng hiệu quả hơn. Để biết hiệu suất cụ thể, vui lòng tham khảo dữ liệu thử nghiệm ở trên. Nhưng đồng thời, nhóm mô-đun cũng phát hiện ra những nhược điểm của Halo2 trong quá trình vận hành Leela, chẳng hạn như tốc độ tạo bằng chứng chậm và không thân thiện với việc chứng minh một lần. Do đó, nó càng khẳng định kết luận trước đó dựa trên dữ liệu thử nghiệm: nếu chúng tôi cần đưa một mô hình lớn hơn vào web3, chúng tôi cần phát triển một hệ thống bằng chứng mạnh mẽ hơn. Tuy nhiên, giá trị của Leela là nó mang đến cho chúng ta những trò chơi AI + Web3 với không gian tưởng tượng lớn hơn. Gamefi cần hỗ trợ nội dung tốt hơn và công bằng hơn hệ thống trò chơi và AI trên chuỗi cung cấp chính xác điều đó. Ví dụ: việc thêm các cảnh trò chơi hoặc NPC do AI điều khiển vào trò chơi sẽ mang đến một không gian rộng lớn cho trí tưởng tượng, cho dù đó là trải nghiệm trò chơi của người chơi hay lối chơi của hệ thống kinh tế. 3) Worldcoin: AI + KYC Worldcoin là một hệ thống nhận dạng trên chuỗi (Giao thức bằng chứng bảo vệ quyền riêng tư). Nó thiết lập một hệ thống nhận dạng thông qua sinh trắc học và thực hiện thanh toán và các chức năng phái sinh khác. Nó giải quyết vấn đề chống lại các cuộc tấn công của Sybil. Số lượng người dùng đã đăng ký hiện tại vượt quá 1,4m. Người dùng quét mống mắt thông qua một phần cứng gọi là Orb và thêm thông tin cá nhân vào cơ sở dữ liệu Worldcoin chạy mô hình CNN thông qua môi trường điện toán trong phần cứng Orb để nén và xác minh tính hợp lệ của dữ liệu mống mắt của người dùng. Nghe có vẻ mạnh mẽ, nhưng nếu yêu cầu xác thực phân cấp thực sự, nhóm worldcoin đang khám phá đầu ra của mô hình xác minh thông qua ZKP. Thử thách Điều đáng nói là kích thước của mô hình CNN của worldcoin: tham số = 1,8 triệu, số layer = 50. Dựa trên dữ liệu thử nghiệm được hiển thị ở trên, hệ thống bằng chứng hiện có hoàn toàn có khả năng về mặt thời gian, nhưng mức tiêu thụ bộ nhớ là không thể đối với phần cứng cấp độ người tiêu dùng. 4) Một số token khác Pragma : Pargma được phát triển từ hệ sinh thái starkware. Đồng thời, 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 nữa mà sử dụng AI trên chuỗi đủ chính xác và có thể kiểm chứng để hoàn thành công việc xác minh nguồn dữ liệu ngoài chuỗi. Ví dụ: để xác minh tài sản hoặc danh tính thực tế, AI có thể đọc trực tiếp thông tin vật lý của bản in làm đầu vào và đưa ra quyết định. 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 phòng thí nghiệm mô-đun đang cộng tác để phát triển AMM dựa trên các mô hình AI có thể kiểm chứng. Dựa trên mô hình AI công bằng và có thể kiểm chứng, Lyra Finance có cơ hội trở thành một thử nghiệm quy mô lớn của AI + Blockchain, lần đầu tiên mang đến khả năng mai mối công bằng cho người dùng web3, tối ưu hóa thị trường trực tuyến thông qua AI và mang lại lợi nhuận cao hơn. Giza: Nền tảng ZKML triển khai mô hình trực tiếp trên chuỗi thay vì xác minh nó bên ngoài chuỗi. Do sức mạnh tính toán và Cairo không hỗ trợ tạo bằng chứng dựa trên CUDA, Giza chỉ có thể hỗ trợ triển khai một số mô hình nhỏ người mẫu. Đây cũng là vấn đề nghiêm trọng nhất, về lâu dài, nó phải là một mô hình lớn có thể gây ảnh hưởng đột phá đến web3 và một mô hình ở quy mô này phải có hỗ trợ phần cứng mạnh mẽ, chẳng hạn như GPU. Zama-ai : Mã hóa đồng hình của các mô hình. Mã hóa đồng hình là một dạng mã hóa, được biểu diễn đơn giản như sau: f[E(x)] = E[f(x)], trong đó f là một phép toán, E đại diện cho thuật toán mã hóa đồng hình và x là một biến, chẳng hạn như: E(a) + E(b) = E(a + b). Nó được phép thực hiện một số dạng phép toán đại số trên bản mã để thu được kết quả được mã hóa và kết quả thu được bằng cách giải mã nó giống như kết quả thu được bằng cách thực hiện cùng một phép toán trên bản rõ. Quyền riêng tư của mô hình luôn là điểm nóng và nút thắt cổ chai theo hướng AI + Blockchain, mặc dù zk thân thiện với quyền riêng tư nhưng zk không bằng quyền riêng tư. Zama được dành riêng để đảm bảo thực thi mô hình bảo vệ quyền riêng tư. ML-as-a-service: Hiện tại đây chỉ là một hướng suy nghĩ và không có ứng dụng hạ cánh cụ thể, nhưng mục đích là để giải quyết các vấn đề của các nhà cung cấp dịch vụ ML tập trung và sự tin tưởng của người dùng thông qua ZKP. Daniel Kang có mô tả chi tiết trong bài “Trustless Verification of Machine Learning” (tham khảo hình trong bài) 4. Tổng hợp về AI + Blockchain Nhìn chung, AI trong thế giới web3 đang ở giai đoạn rất sớm, nhưng chắc chắn rằng sự trưởng thành và phổ biến của onchain-AI chắc chắn sẽ đưa giá trị của web3 lên một tầm cao mới. Từ quan điểm kỹ thuật, chuỗi khối có thể cung cấp cho AI một cơ sở hạ tầng độc đáo và AI cũng là một công cụ quan trọng để thay đổi mối quan hệ sản xuất của web 3. Sự kết hợp của cả hai có thể xung đột với nhiều khả năng, đây cũng là một nơi xứng đáng hứng thú và trí tưởng tượng. Một mặt, từ góc độ sức mạnh của AI trên chuỗi, AI trên chuỗi minh bạch + có thể kiểm chứng được chuyển đổi chủ đề phi tập trung và không tin cậy từ con người sang các công cụ AI, giúp cải thiện đáng kể hiệu quả và bảo mật, đồng thời cung cấp một nền tảng để tạo hình thức sản phẩm mới. Mặt khác, cơ sở hạ tầng của chuỗi khối liên tục lặp lại và web3 thực sự cần một ứng dụng sát thủ có thể tối đa hóa giá trị của các cơ sở hạ tầng này. ZKML phù hợp với điểm này. Ví dụ: ZK-rollup có khả năng tham gia như AI trong tương lai. Lối vào của web3. Từ góc độ khả thi, cơ sở hạ tầng hiện tại có thể hỗ trợ các mô hình có quy mô nhất định ở một mức độ nhất định, nhưng vẫn còn nhiều điều không chắc chắn. Tạo một mô hình có thể kiểm chứng thông qua ZKP hiện là cách duy nhất để AI có mặt trên chuỗi và đây cũng có thể là con đường kỹ thuật mang tính quyết định nhất để đưa AI vào các ứng dụng web3. Nhưng về lâu dài, hệ thống bằng chứng hiện tại cần được cải thiện theo cấp số nhân để hỗ trợ các mô hình ngày càng lớn. Ở góc độ kịch bản ứng dụng, AI hoàn toàn có thể tham gia vào bất kỳ hướng nào của web3, cho dù đó là game, Defi, DID, tooling… Mặc dù các dự án hiện tại rất khan hiếm và thiếu giá trị lâu dài, nhưng không có cách nào để cải thiện hiệu quả.Các công cụ được chuyển đổi thành các 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 sự xuất hiện sớm nhất của AI + chuỗi khối. Mua hàng tại Tin Học Như Ý Nguồn: Thecoindesk.com
