Recientemente, Nvidia publicó su informe de rendimiento del primer trimestre, con ingresos de 7190 millones de dólares, superando las expectativas del mercado de 6520 millones de dólares, un margen de beneficio bruto del 64,6 % y ganancias ajustadas por acción de 1,09 dólares, en comparación con las expectativas del mercado de 0,92 dólares. Como el informe financiero de Nvidia superó las expectativas, condujo a un aumento colectivo en las acciones de chips de EE. UU. después del mercado. Nvidia una vez subió un 29,35% después del mercado. El precio de las acciones alcanzó un récord de 395 dólares estadounidenses. En un día de negociación, se disparó por 184 mil millones de dólares estadounidenses, y el valor de mercado total de 3 bitcoins aumentó.
El CEO de Nvidia, Huang Renxun, mencionó las amplias perspectivas de las aplicaciones de IA en su informe financiero y dijo que la industria informática está experimentando dos transformaciones al mismo tiempo: computación acelerada e IA generativa. Las empresas compiten para aplicar IA generativa a varios productos, servicios y negocios. Los centros de datos instalados en el mundo a escala de un billón de dólares se transformarán de la informática de uso general a la informática acelerada.
En la actualidad, casi todos los fondos e instituciones líderes en dólares estadounidenses están observando de cerca la pista de AIGC y construyen rápidamente un sistema de detección al establecer activamente las coordenadas de votación, para no perder el tren que conduce a los tiempos. Los datos relevantes muestran que en el primer trimestre de 2023, el financiamiento total de la industria global de AIGC alcanzó los 3.811 millones de yuanes, con un total de 17 financiamientos. El auge de un punto de venta a menudo representa el declive de otro punto de venta. Poco a poco, la gente ha planteado varias dudas sobre WEB3: "Todo el capital está mirando a la IA, la regulación de Web3 es más estricta y la narrativa ya no es buena", "La IA parece más confiable que Web3 y es más fácil producir unicornios".
Desde los albores de la historia humana, las historias colectivas han definido nuestra cultura y enriquecido nuestra comprensión del mundo, y la importancia de la narrativa no se puede subestimar. Hoy en día, la narrativa de la inteligencia artificial está ganando popularidad poco a poco, e incluso ha penetrado en el campo Web3. Algunas personas en la industria han comenzado a proponer que "Web3 sin IA no tiene alma", y más de la mitad de las empresas de Web3 han comenzado a recurrir a la IA. Entonces, ¿cómo se integrará AI+Web3? Recientemente, la narrativa de ZKML, una combinación emergente de prueba de conocimiento cero y aprendizaje automático, se ha vuelto popular ¿Cómo cooperará con la inteligencia artificial y Web3 para construir un futuro confiable y descentralizado?
1. AI necesita Web3 y viceversa
"Es un error pensar en las criptomonedas y la inteligencia artificial como tecnologías no relacionadas”, dijo Michael Casey, director de contenido de CoinDesk. "Son complementarios y cada uno mejora al otro".
Web3, las criptomonedas y blockchain resuelven un desafío social que ha existido desde el comienzo de Internet: cómo mantener segura la información valiosa en un entorno descentralizado. Abordan el problema de la confianza humana en la información a través de nuevos sistemas que emplean registros e incentivos distribuidos. Estos sistemas ayudan a las comunidades de extraños desconfiados a mantener colectivamente registros de datos abiertos, lo que les permite distribuir y compartir información valiosa o confidencial sin intermediarios.
Actualmente, nos estamos moviendo rápidamente hacia la era de la inteligencia artificial integral, y los desafíos que trae esta era son abrumadores. Estos desafíos van desde la protección de los derechos de autor en la entrada de modelos de lenguaje extenso (LLM), hasta evitar sesgos erróneos en su salida, hasta nuestra incapacidad actual para distinguir con precisión el contenido real de la desinformación creada por inteligencia artificial. No hay soluciones fáciles para garantizar que los humanos no se vean afectados negativamente por la inteligencia artificial. Ninguna solución puede basarse en marcos regulatorios y tecnológicos obsoletos del siglo XX para abordar estos problemas. Necesitamos urgentemente un sistema de gobierno descentralizado para enfrentar los desafíos de cómo producir, verificar y compartir información en esta nueva era.
Independientemente de si el Web3 actual puede proporcionar las soluciones requeridas, la tecnología blockchain juega un papel en la solución de estos problemas. Los libros de contabilidad inmutables nos permiten rastrear la procedencia de las imágenes y otros contenidos, evitando falsificaciones profundas. Esta técnica también se puede utilizar para verificar la integridad de conjuntos de datos para productos de inteligencia artificial de aprendizaje automático. Las criptomonedas brindan un método de pago digital sin fronteras que se puede usar para recompensar a las personas de todo el mundo que contribuyen al entrenamiento en inteligencia artificial, y proyectos como Bittensor están trabajando para construir comunidades gubernamentales de cadenas de bloques tokenizadas para incentivar la inteligencia artificial. . Por el contrario, los sistemas de IA propiedad de empresas privadas a menudo ponen los intereses de los accionistas por encima de los intereses de los usuarios.
Todavía tenemos un largo camino por recorrer antes de que estas ideas puedan realizarse y escalarse. Tendremos que integrar una variedad de otras tecnologías, como Pruebas de conocimiento cero (ZK), Cifrado homomórfico, Computación segura, Identidad digital y Credenciales descentralizadas (DID), IoT, etc. Además, debemos abordar muchos desafíos, como la protección de la privacidad, el castigo del mal comportamiento, el fomento de la inteligencia innovadora centrada en el ser humano y la regulación legislativa multipartidista.
2. Cómo ZKML construye un puente entre la IA y la cadena de bloques
Recientemente, ZKML, una combinación emergente de pruebas de conocimiento cero y aprendizaje automático, ha sido ampliamente discutida. Actualmente, la implementación del aprendizaje automático (ML) se está volviendo cada vez más compleja. Muchas empresas confían principalmente en proveedores de servicios como Amazon, Google y Microsoft para implementar modelos complejos de aprendizaje automático. Sin embargo, estos servicios son cada vez más difíciles de auditar y comprender. Como consumidores de servicios de IA, ¿cómo podemos confiar en la validez de las predicciones proporcionadas por estos modelos?
Como puente entre la inteligencia artificial y la cadena de bloques, ZKML resuelve el problema de protección de la privacidad de los modelos y entradas de IA, al tiempo que garantiza la verificabilidad del proceso de razonamiento. Proporciona una solución que hace posible usar modelos públicos al validar datos privados, o usar datos públicos al validar modelos privados. Al agregar capacidades de aprendizaje automático, los contratos inteligentes pueden volverse más autónomos y dinámicos, lo que les permite procesarse en función de datos en cadena en tiempo real en lugar de reglas estáticas. De esta forma, los contratos inteligentes serán más flexibles y podrán adaptarse a más escenarios, incluso aquellos que pueden no haber sido previstos cuando se creó originalmente el contrato.
Actualmente, una de las dificultades con la adopción generalizada de algoritmos de aprendizaje automático en blockchain es su alto costo computacional. La ejecución de estos modelos en cadena se convierte en un desafío, ya que las operaciones de punto flotante de un millón de niveles no se pueden realizar directamente en la máquina virtual Ethereum (EVM). Además, la cuestión de la confianza en los modelos de aprendizaje automático también es un obstáculo, porque los parámetros y los conjuntos de datos de entrada de los modelos suelen ser privados, y el algoritmo y el proceso operativo del modelo son como una "caja negra" opaca que puede hacer que el propietario del modelo y el modelo utilicen cuestiones de confianza entre los participantes. Sin embargo, con la tecnología ZKML, podemos superar estos problemas. ZKML permite que cualquier persona ejecute un modelo fuera de la cadena y genere una prueba sucinta y verificable de que el modelo produjo un resultado específico. Esta prueba puede publicarse en cadena y verificarse mediante contratos inteligentes. Esto significa que los usuarios del modelo pueden verificar los resultados del modelo sin conocer los parámetros específicos y los detalles operativos del modelo, resolviendo así el problema de la confianza.
A través del gráfico anterior, podemos ver que la tecnología ZKML tiene las características de integridad computacional, optimización heurística y protección de la privacidad. Esta tecnología tiene amplias perspectivas de aplicación en el campo Web3 y se está desarrollando rápidamente. Cada vez son más los equipos y personas que se suman a este campo, impulsando el desarrollo de diversos proyectos ZKML con gran potencial.
3. Análisis de proyectos ZKML
A continuación se presentan algunos proyectos ZKML potenciales.
1, moneda mundial
Worldcoin está aplicando ZKML en un intento de construir un protocolo de prueba de personalidad que preserve la privacidad. Los usuarios de World ID podrán autocustodiar sus datos biométricos (como los iris) en un almacenamiento cifrado en su dispositivo móvil, descargar el modelo ML utilizado para generar el IrisCode y crear localmente una prueba de conocimiento cero de que el contrato inteligente receptor puede probar su IrisCode se creó con éxito.
Luego se puede usar para realizar operaciones útiles, como la autenticación de miembros y la votación. Actualmente usan un entorno de tiempo de ejecución confiable con un enclave seguro para verificar los escaneos de iris firmados por la cámara, pero su objetivo final es usar ZKP para probar el razonamiento correcto de las redes neuronales para garantías de seguridad de nivel de cifrado y para garantizar que la salida del ML el modelo no filtrará los datos personales del usuario.
2, Laboratorios de módulos
Modulus Labs es uno de los proyectos más diversos en el campo ZKML. Si bien está comprometido con la investigación relacionada, también está construyendo activamente paradigmas de aplicaciones de IA en la cadena. Modulus Labs utiliza RockyBot (robot comercial en cadena) y Leela vs. the World ( un juego de ajedrez internacional, Todos juegan contra una instancia probada del motor de ajedrez Leela) demuestra un caso de uso para zkML. El equipo también se ha aventurado en la investigación, escribiendo The Cost of Intelligence, que compara la velocidad y la eficiencia de varios sistemas de verificación para modelos de diferentes tamaños.
3, Humano
Giza es un protocolo que puede implementar modelos de IA en cadena de una manera completamente confiable. La pila de tecnología que utiliza incluye el formato ONNX para modelos de aprendizaje automático, Giza Transpiler para convertir estos modelos al formato de programa Cairo, ONNX Cairo Runtime para ejecutar los modelos de manera verificable y determinista, y el despliegue Y el modelo Giza inteligente contrato que ejecuta el modelo en la cadena. Giza generalmente pertenece al compilador en cadena de modelos de aprendizaje automático para pruebas, lo que proporciona un camino alternativo para el desarrollo de IA en cadena.
4, Zkaptcha
Zkaptcha se centra en el problema de los robots en Web3, proporciona un servicio de captcha (código de verificación) para contratos inteligentes, protege los contratos inteligentes de los ataques de robots y utiliza pruebas de conocimiento cero para crear contratos inteligentes resistentes a los ataques de Sybil. Actualmente, el proyecto permite a los usuarios finales generar una prueba del trabajo humano al completar un captcha, que es verificado por validadores en cadena y al que se accede mediante contratos inteligentes con unas pocas líneas de código. En el futuro, Zkaptcha heredará zkML, lanzará un servicio de código de verificación similar al Web 2 existente e incluso analizará comportamientos como los movimientos del mouse para determinar si el usuario es una persona real.
En la actualidad, la pista de zkML aún está en pañales, pero tenemos motivos para creer que el poder de zkML puede brindar mejores perspectivas y desarrollo a las criptomonedas, y también esperamos más productos en este campo. entorno confiable, y en el futuro, además de la innovación de productos, también puede conducir a la innovación de los modelos de negocios criptográficos, porque en este mundo Web 3 salvaje y anárquico, la descentralización, la tecnología criptográfica y la confianza son las instalaciones más básicas.
Conclusión
Generar confianza en un mundo digital cada vez más complejo e incierto siempre ha sido un desafío central para AI y Web3. Sin embargo, fusionar AI con Web3 es una gran promesa para construir un futuro descentralizado seguro y confiable. Es crucial que los desarrolladores, tecnólogos, legisladores y la sociedad en general den forma conjunta al futuro de la inteligencia artificial y la Web3, y es posible que podamos crear una era de Internet inteligente más allá de la imaginación.
Referencia
Ver originales
El contenido es solo de referencia, no una solicitud u oferta. No se proporciona asesoramiento fiscal, legal ni de inversión. Consulte el Descargo de responsabilidad para obtener más información sobre los riesgos.
ZKML: ¿La mejor combinación de IA y Web3?
Recientemente, Nvidia publicó su informe de rendimiento del primer trimestre, con ingresos de 7190 millones de dólares, superando las expectativas del mercado de 6520 millones de dólares, un margen de beneficio bruto del 64,6 % y ganancias ajustadas por acción de 1,09 dólares, en comparación con las expectativas del mercado de 0,92 dólares. Como el informe financiero de Nvidia superó las expectativas, condujo a un aumento colectivo en las acciones de chips de EE. UU. después del mercado. Nvidia una vez subió un 29,35% después del mercado. El precio de las acciones alcanzó un récord de 395 dólares estadounidenses. En un día de negociación, se disparó por 184 mil millones de dólares estadounidenses, y el valor de mercado total de 3 bitcoins aumentó.
El CEO de Nvidia, Huang Renxun, mencionó las amplias perspectivas de las aplicaciones de IA en su informe financiero y dijo que la industria informática está experimentando dos transformaciones al mismo tiempo: computación acelerada e IA generativa. Las empresas compiten para aplicar IA generativa a varios productos, servicios y negocios. Los centros de datos instalados en el mundo a escala de un billón de dólares se transformarán de la informática de uso general a la informática acelerada.
En la actualidad, casi todos los fondos e instituciones líderes en dólares estadounidenses están observando de cerca la pista de AIGC y construyen rápidamente un sistema de detección al establecer activamente las coordenadas de votación, para no perder el tren que conduce a los tiempos. Los datos relevantes muestran que en el primer trimestre de 2023, el financiamiento total de la industria global de AIGC alcanzó los 3.811 millones de yuanes, con un total de 17 financiamientos. El auge de un punto de venta a menudo representa el declive de otro punto de venta. Poco a poco, la gente ha planteado varias dudas sobre WEB3: "Todo el capital está mirando a la IA, la regulación de Web3 es más estricta y la narrativa ya no es buena", "La IA parece más confiable que Web3 y es más fácil producir unicornios".
Desde los albores de la historia humana, las historias colectivas han definido nuestra cultura y enriquecido nuestra comprensión del mundo, y la importancia de la narrativa no se puede subestimar. Hoy en día, la narrativa de la inteligencia artificial está ganando popularidad poco a poco, e incluso ha penetrado en el campo Web3. Algunas personas en la industria han comenzado a proponer que "Web3 sin IA no tiene alma", y más de la mitad de las empresas de Web3 han comenzado a recurrir a la IA. Entonces, ¿cómo se integrará AI+Web3? Recientemente, la narrativa de ZKML, una combinación emergente de prueba de conocimiento cero y aprendizaje automático, se ha vuelto popular ¿Cómo cooperará con la inteligencia artificial y Web3 para construir un futuro confiable y descentralizado?
1. AI necesita Web3 y viceversa
"Es un error pensar en las criptomonedas y la inteligencia artificial como tecnologías no relacionadas”, dijo Michael Casey, director de contenido de CoinDesk. "Son complementarios y cada uno mejora al otro".
Web3, las criptomonedas y blockchain resuelven un desafío social que ha existido desde el comienzo de Internet: cómo mantener segura la información valiosa en un entorno descentralizado. Abordan el problema de la confianza humana en la información a través de nuevos sistemas que emplean registros e incentivos distribuidos. Estos sistemas ayudan a las comunidades de extraños desconfiados a mantener colectivamente registros de datos abiertos, lo que les permite distribuir y compartir información valiosa o confidencial sin intermediarios.
Actualmente, nos estamos moviendo rápidamente hacia la era de la inteligencia artificial integral, y los desafíos que trae esta era son abrumadores. Estos desafíos van desde la protección de los derechos de autor en la entrada de modelos de lenguaje extenso (LLM), hasta evitar sesgos erróneos en su salida, hasta nuestra incapacidad actual para distinguir con precisión el contenido real de la desinformación creada por inteligencia artificial. No hay soluciones fáciles para garantizar que los humanos no se vean afectados negativamente por la inteligencia artificial. Ninguna solución puede basarse en marcos regulatorios y tecnológicos obsoletos del siglo XX para abordar estos problemas. Necesitamos urgentemente un sistema de gobierno descentralizado para enfrentar los desafíos de cómo producir, verificar y compartir información en esta nueva era.
Independientemente de si el Web3 actual puede proporcionar las soluciones requeridas, la tecnología blockchain juega un papel en la solución de estos problemas. Los libros de contabilidad inmutables nos permiten rastrear la procedencia de las imágenes y otros contenidos, evitando falsificaciones profundas. Esta técnica también se puede utilizar para verificar la integridad de conjuntos de datos para productos de inteligencia artificial de aprendizaje automático. Las criptomonedas brindan un método de pago digital sin fronteras que se puede usar para recompensar a las personas de todo el mundo que contribuyen al entrenamiento en inteligencia artificial, y proyectos como Bittensor están trabajando para construir comunidades gubernamentales de cadenas de bloques tokenizadas para incentivar la inteligencia artificial. . Por el contrario, los sistemas de IA propiedad de empresas privadas a menudo ponen los intereses de los accionistas por encima de los intereses de los usuarios.
Todavía tenemos un largo camino por recorrer antes de que estas ideas puedan realizarse y escalarse. Tendremos que integrar una variedad de otras tecnologías, como Pruebas de conocimiento cero (ZK), Cifrado homomórfico, Computación segura, Identidad digital y Credenciales descentralizadas (DID), IoT, etc. Además, debemos abordar muchos desafíos, como la protección de la privacidad, el castigo del mal comportamiento, el fomento de la inteligencia innovadora centrada en el ser humano y la regulación legislativa multipartidista.
2. Cómo ZKML construye un puente entre la IA y la cadena de bloques
Recientemente, ZKML, una combinación emergente de pruebas de conocimiento cero y aprendizaje automático, ha sido ampliamente discutida. Actualmente, la implementación del aprendizaje automático (ML) se está volviendo cada vez más compleja. Muchas empresas confían principalmente en proveedores de servicios como Amazon, Google y Microsoft para implementar modelos complejos de aprendizaje automático. Sin embargo, estos servicios son cada vez más difíciles de auditar y comprender. Como consumidores de servicios de IA, ¿cómo podemos confiar en la validez de las predicciones proporcionadas por estos modelos?
Como puente entre la inteligencia artificial y la cadena de bloques, ZKML resuelve el problema de protección de la privacidad de los modelos y entradas de IA, al tiempo que garantiza la verificabilidad del proceso de razonamiento. Proporciona una solución que hace posible usar modelos públicos al validar datos privados, o usar datos públicos al validar modelos privados. Al agregar capacidades de aprendizaje automático, los contratos inteligentes pueden volverse más autónomos y dinámicos, lo que les permite procesarse en función de datos en cadena en tiempo real en lugar de reglas estáticas. De esta forma, los contratos inteligentes serán más flexibles y podrán adaptarse a más escenarios, incluso aquellos que pueden no haber sido previstos cuando se creó originalmente el contrato.
Actualmente, una de las dificultades con la adopción generalizada de algoritmos de aprendizaje automático en blockchain es su alto costo computacional. La ejecución de estos modelos en cadena se convierte en un desafío, ya que las operaciones de punto flotante de un millón de niveles no se pueden realizar directamente en la máquina virtual Ethereum (EVM). Además, la cuestión de la confianza en los modelos de aprendizaje automático también es un obstáculo, porque los parámetros y los conjuntos de datos de entrada de los modelos suelen ser privados, y el algoritmo y el proceso operativo del modelo son como una "caja negra" opaca que puede hacer que el propietario del modelo y el modelo utilicen cuestiones de confianza entre los participantes. Sin embargo, con la tecnología ZKML, podemos superar estos problemas. ZKML permite que cualquier persona ejecute un modelo fuera de la cadena y genere una prueba sucinta y verificable de que el modelo produjo un resultado específico. Esta prueba puede publicarse en cadena y verificarse mediante contratos inteligentes. Esto significa que los usuarios del modelo pueden verificar los resultados del modelo sin conocer los parámetros específicos y los detalles operativos del modelo, resolviendo así el problema de la confianza.
A través del gráfico anterior, podemos ver que la tecnología ZKML tiene las características de integridad computacional, optimización heurística y protección de la privacidad. Esta tecnología tiene amplias perspectivas de aplicación en el campo Web3 y se está desarrollando rápidamente. Cada vez son más los equipos y personas que se suman a este campo, impulsando el desarrollo de diversos proyectos ZKML con gran potencial.
3. Análisis de proyectos ZKML
A continuación se presentan algunos proyectos ZKML potenciales.
1, moneda mundial
Worldcoin está aplicando ZKML en un intento de construir un protocolo de prueba de personalidad que preserve la privacidad. Los usuarios de World ID podrán autocustodiar sus datos biométricos (como los iris) en un almacenamiento cifrado en su dispositivo móvil, descargar el modelo ML utilizado para generar el IrisCode y crear localmente una prueba de conocimiento cero de que el contrato inteligente receptor puede probar su IrisCode se creó con éxito.
Luego se puede usar para realizar operaciones útiles, como la autenticación de miembros y la votación. Actualmente usan un entorno de tiempo de ejecución confiable con un enclave seguro para verificar los escaneos de iris firmados por la cámara, pero su objetivo final es usar ZKP para probar el razonamiento correcto de las redes neuronales para garantías de seguridad de nivel de cifrado y para garantizar que la salida del ML el modelo no filtrará los datos personales del usuario.
2, Laboratorios de módulos
Modulus Labs es uno de los proyectos más diversos en el campo ZKML. Si bien está comprometido con la investigación relacionada, también está construyendo activamente paradigmas de aplicaciones de IA en la cadena. Modulus Labs utiliza RockyBot (robot comercial en cadena) y Leela vs. the World ( un juego de ajedrez internacional, Todos juegan contra una instancia probada del motor de ajedrez Leela) demuestra un caso de uso para zkML. El equipo también se ha aventurado en la investigación, escribiendo The Cost of Intelligence, que compara la velocidad y la eficiencia de varios sistemas de verificación para modelos de diferentes tamaños.
3, Humano
Giza es un protocolo que puede implementar modelos de IA en cadena de una manera completamente confiable. La pila de tecnología que utiliza incluye el formato ONNX para modelos de aprendizaje automático, Giza Transpiler para convertir estos modelos al formato de programa Cairo, ONNX Cairo Runtime para ejecutar los modelos de manera verificable y determinista, y el despliegue Y el modelo Giza inteligente contrato que ejecuta el modelo en la cadena. Giza generalmente pertenece al compilador en cadena de modelos de aprendizaje automático para pruebas, lo que proporciona un camino alternativo para el desarrollo de IA en cadena.
4, Zkaptcha
Zkaptcha se centra en el problema de los robots en Web3, proporciona un servicio de captcha (código de verificación) para contratos inteligentes, protege los contratos inteligentes de los ataques de robots y utiliza pruebas de conocimiento cero para crear contratos inteligentes resistentes a los ataques de Sybil. Actualmente, el proyecto permite a los usuarios finales generar una prueba del trabajo humano al completar un captcha, que es verificado por validadores en cadena y al que se accede mediante contratos inteligentes con unas pocas líneas de código. En el futuro, Zkaptcha heredará zkML, lanzará un servicio de código de verificación similar al Web 2 existente e incluso analizará comportamientos como los movimientos del mouse para determinar si el usuario es una persona real.
En la actualidad, la pista de zkML aún está en pañales, pero tenemos motivos para creer que el poder de zkML puede brindar mejores perspectivas y desarrollo a las criptomonedas, y también esperamos más productos en este campo. entorno confiable, y en el futuro, además de la innovación de productos, también puede conducir a la innovación de los modelos de negocios criptográficos, porque en este mundo Web 3 salvaje y anárquico, la descentralización, la tecnología criptográfica y la confianza son las instalaciones más básicas.
Conclusión
Generar confianza en un mundo digital cada vez más complejo e incierto siempre ha sido un desafío central para AI y Web3. Sin embargo, fusionar AI con Web3 es una gran promesa para construir un futuro descentralizado seguro y confiable. Es crucial que los desarrolladores, tecnólogos, legisladores y la sociedad en general den forma conjunta al futuro de la inteligencia artificial y la Web3, y es posible que podamos crear una era de Internet inteligente más allá de la imaginación.
Referencia