Baru-baru ini, Nvidia merilis laporan kinerja kuartal pertamanya, dengan pendapatan sebesar $7,19 miliar, melebihi ekspektasi pasar sebesar $6,52 miliar, margin laba kotor sebesar 64,6%, dan laba per saham yang disesuaikan sebesar $1,09, dibandingkan dengan ekspektasi pasar sebesar $0,92. Karena laporan keuangan Nvidia melebihi ekspektasi, hal itu menyebabkan kenaikan kolektif saham chip AS setelah pasar.Nvidia pernah naik 29,35% setelah pasar.Harga saham mencapai rekor tertinggi 395 dolar AS.Dalam satu hari perdagangan, meroket sebesar 184 miliar dolar AS, dan total nilai pasar 3 bitcoin naik.
CEO Nvidia Huang Renxun menyebutkan prospek luas untuk aplikasi AI dalam laporan keuangannya, mengatakan bahwa industri komputer sedang mengalami dua transformasi pada saat yang sama — komputasi yang dipercepat dan AI generatif. Perusahaan bersaing untuk menerapkan AI generatif ke berbagai produk, layanan, dan bisnis proses. , pusat data terinstal berskala triliun dolar dunia akan berubah dari komputasi tujuan umum menjadi komputasi yang dipercepat.
Saat ini, hampir semua lembaga dan dana dolar AS terkemuka mengawasi dengan cermat jalur AIGC, dan dengan cepat membangun sistem penyaringan dengan secara aktif menetapkan koordinat pemungutan suara, jangan sampai mereka ketinggalan kereta menuju waktu. Data terkait menunjukkan bahwa pada kuartal pertama 2023, total pembiayaan industri AIGC global mencapai 3,811 miliar yuan, dengan total 17 pembiayaan. Munculnya satu outlet sering kali mewakili penurunan outlet lainnya. Orang-orang secara bertahap menimbulkan berbagai keraguan tentang WEB3: "Semua modal melihat AI, regulasi Web3 diperketat, dan narasinya tidak lagi bagus", "AI terlihat lebih andal daripada Web3, dan lebih mudah menghasilkan unicorn."
Sejak awal sejarah manusia, cerita kolektif telah mendefinisikan budaya kita dan memperkaya pemahaman kita tentang dunia, dan pentingnya narasi tidak bisa dilebih-lebihkan. Saat ini, narasi kecerdasan buatan secara bertahap mendapatkan popularitas, bahkan telah merambah ke bidang Web3. Beberapa orang di industri ini mulai mengusulkan bahwa "Web3 tanpa AI tidak berjiwa", dan lebih dari separuh perusahaan Web3 mulai beralih ke AI. Jadi, bagaimana AI+Web3 akan diintegrasikan? Baru-baru ini, narasi ZKML, kombinasi yang muncul dari bukti tanpa pengetahuan dan pembelajaran mesin, telah menjadi populer.Bagaimana ZKML bekerja sama dengan kecerdasan buatan dan Web3 untuk membangun masa depan yang tepercaya dan terdesentralisasi?
1. AI membutuhkan Web3 dan sebaliknya
“Merupakan kesalahan untuk menganggap cryptocurrency dan kecerdasan buatan sebagai teknologi yang tidak terkait," kata Michael Casey, chief content officer CoinDesk. “Mereka saling melengkapi, masing-masing meningkatkan satu sama lain."
Web3, cryptocurrency, dan blockchain memecahkan tantangan sosial yang telah ada sejak awal Internet: bagaimana menjaga keamanan informasi berharga di lingkungan yang terdesentralisasi. Mereka mengatasi masalah kepercayaan manusia terhadap informasi melalui sistem baru yang menggunakan catatan dan insentif terdistribusi. Sistem ini membantu komunitas orang asing yang tidak percaya secara kolektif menjaga catatan data terbuka, memungkinkan mereka untuk mendistribusikan dan berbagi informasi yang berharga atau sensitif tanpa perantara.
Saat ini, kita sedang bergerak cepat menuju era kecerdasan buatan yang komprehensif, dan tantangan yang dibawa oleh era ini sangat berat. Tantangan-tantangan ini mulai dari melindungi hak cipta atas input model bahasa besar (LLM), hingga menghindari bias yang salah dalam outputnya, hingga ketidakmampuan kita saat ini untuk secara akurat membedakan konten nyata dari disinformasi yang dibuat oleh kecerdasan buatan. Tidak ada solusi mudah untuk memastikan bahwa manusia tidak terkena dampak negatif dari kecerdasan buatan. Tidak ada solusi yang dapat mengandalkan kerangka peraturan dan teknologi abad ke-20 yang sudah ketinggalan zaman untuk mengatasi masalah ini. Kami sangat membutuhkan sistem tata kelola yang terdesentralisasi untuk menjawab tantangan tentang bagaimana menghasilkan, memverifikasi, dan berbagi informasi di era baru ini.
Terlepas dari apakah Web3 saat ini dapat memberikan solusi yang diperlukan, teknologi blockchain berperan dalam memecahkan masalah ini. Buku besar yang tidak dapat diubah memungkinkan kami melacak asal gambar dan konten lainnya, mencegah deepfake. Teknik ini juga dapat digunakan untuk memverifikasi integritas kumpulan data untuk produk kecerdasan buatan pembelajaran mesin. Cryptocurrency menyediakan metode pembayaran digital tanpa batas yang dapat digunakan untuk memberi penghargaan kepada orang-orang di seluruh dunia yang berkontribusi pada pelatihan kecerdasan buatan, dan proyek seperti Bittensor sedang bekerja untuk membangun komunitas blockchain-pemerintah yang diberi token untuk memberi insentif pada kecerdasan buatan. . Sebaliknya, sistem AI milik perusahaan swasta seringkali menempatkan kepentingan pemegang saham di atas kepentingan pengguna.
Kami masih memiliki jalan panjang sebelum ide-ide ini dapat direalisasikan dan ditingkatkan. Kita perlu mengintegrasikan berbagai teknologi lain seperti Zero Knowledge Proofs (ZK), Homomorphic Encryption, Secure Computing, Digital Identity and Decentralized Credentials (DID), IoT, dll. Selain itu, kita perlu mengatasi banyak tantangan seperti perlindungan privasi, hukuman perilaku buruk, dorongan kecerdasan inovatif yang berpusat pada manusia, dan peraturan legislatif multi-partai.
2. Bagaimana ZKML membangun jembatan antara AI dan blockchain
Baru-baru ini, ZKML, kombinasi yang muncul dari bukti tanpa pengetahuan dan pembelajaran mesin, telah banyak dibahas. Saat ini penerapan machine learning (ML) menjadi semakin kompleks. Banyak perusahaan mengandalkan penyedia layanan seperti Amazon, Google, dan Microsoft untuk menerapkan model pembelajaran mesin yang kompleks. Namun, layanan ini menjadi semakin sulit untuk diaudit dan dipahami. Sebagai konsumen layanan AI, bagaimana kita bisa mempercayai validitas prediksi yang diberikan oleh model ini?
Sebagai jembatan antara kecerdasan buatan dan blockchain, ZKML memecahkan masalah perlindungan privasi model dan input AI, sambil memastikan proses penalaran dapat diverifikasi. Ini memberikan solusi yang memungkinkan untuk menggunakan model publik saat memvalidasi data privat, atau menggunakan data publik saat memvalidasi model privat. Dengan menambahkan kemampuan pembelajaran mesin, kontrak pintar dapat menjadi lebih otonom dan dinamis, memungkinkan mereka memproses berdasarkan data on-chain real-time daripada aturan statis. Dengan cara ini, kontrak pintar akan lebih fleksibel dan mampu beradaptasi dengan lebih banyak skenario, bahkan yang mungkin tidak diantisipasi saat kontrak awalnya dibuat.
Saat ini, salah satu kesulitan dengan adopsi algoritma pembelajaran mesin secara luas di blockchain adalah biaya komputasi yang tinggi. Menjalankan model-model ini secara on-chain menjadi sebuah tantangan karena operasi floating-point tingkat jutaan tidak dapat dilakukan secara langsung di Ethereum Virtual Machine (EVM). Selain itu, masalah kepercayaan pada model pembelajaran mesin juga menjadi kendala, karena parameter dan kumpulan data input model biasanya bersifat pribadi, dan algoritme serta proses operasi model seperti "kotak hitam" buram, yang mungkin menyebabkan pemilik model dan model menggunakan masalah kepercayaan di antara para peserta.
Namun, dengan teknologi ZKML, kami dapat mengatasi masalah tersebut. ZKML memungkinkan siapa saja untuk menjalankan model off-chain dan menghasilkan bukti yang ringkas dan dapat diverifikasi bahwa model tersebut menghasilkan hasil yang spesifik. Bukti ini dapat dipublikasikan secara on-chain dan diverifikasi oleh smart contract. Ini berarti bahwa pengguna model dapat memverifikasi hasil model tanpa mengetahui parameter spesifik dan detail pengoperasian model, sehingga menyelesaikan masalah kepercayaan.
Melalui grafik di atas, kita dapat melihat bahwa teknologi ZKML memiliki karakteristik integritas komputasional, optimisasi heuristik, dan perlindungan privasi. Teknologi ini memiliki prospek aplikasi yang luas di bidang Web3 dan berkembang pesat. Semakin banyak tim dan individu yang bergabung dalam bidang ini, mempromosikan pengembangan berbagai proyek ZKML dengan potensi besar.
3. Analisis proyek ZKML
Di bawah ini adalah beberapa proyek ZKML potensial.
1.Worldcoin
Worldcoin menerapkan ZKML dalam upaya membangun protokol bukti kepribadian yang menjaga privasi. Pengguna World ID akan dapat menjaga sendiri biometrik mereka (seperti iris) dalam penyimpanan terenkripsi pada perangkat seluler mereka, mengunduh model ML yang digunakan untuk menghasilkan IrisCode dan membuat bukti tanpa pengetahuan secara lokal bahwa kontrak pintar penerima dapat membuktikannya. IrisCode berhasil dibuat.
Itu kemudian dapat digunakan untuk melakukan operasi yang berguna seperti otentikasi keanggotaan dan pemungutan suara. Mereka saat ini menggunakan lingkungan waktu proses tepercaya dengan kantong aman untuk memverifikasi pemindaian iris yang ditandatangani kamera, tetapi tujuan akhir mereka adalah menggunakan ZKP untuk membuktikan penalaran yang benar dari jaringan saraf untuk jaminan keamanan tingkat enkripsi, dan untuk menjamin bahwa keluaran ML model tidak akan bocor ke data pribadi pengguna.
2. Lab Modulus
Modulus Labs adalah salah satu proyek paling beragam di bidang ZKML. Selain berkomitmen untuk penelitian terkait, Modulus Labs juga secara aktif membangun paradigma aplikasi AI pada rantai. Modulus Labs menggunakan RockyBot (robot perdagangan rantai) dan Leela vs. World (sebuah Game Catur internasional, Semua Orang Melawan Instance Mesin Catur Leela yang Terbukti) menunjukkan kasus penggunaan untuk zkML. Tim tersebut juga melakukan penelitian, menulis The Cost of Intelligence, yang mengukur kecepatan dan efisiensi berbagai sistem verifikasi untuk model dengan ukuran berbeda.
3. Manusia
Giza adalah protokol yang dapat menerapkan model AI on-chain dengan cara yang benar-benar tidak dapat dipercaya. Tumpukan teknologi yang digunakannya mencakup format ONNX untuk model pembelajaran mesin, Giza Transpiler untuk mengonversi model ini ke dalam format program Kairo, ONNX Cairo Runtime untuk menjalankan model dengan cara yang dapat diverifikasi dan deterministik, serta penyebaran dan Model Giza yang cerdas kontrak yang mengeksekusi model pada rantai. Giza umumnya milik kompiler on-chain dari model pembelajaran mesin untuk pembuktian, memberikan jalur alternatif untuk pengembangan AI on-chain.
4.Zkaptcha
Zkaptcha berfokus pada masalah robot di Web3, menyediakan layanan captcha (kode verifikasi) untuk kontrak pintar, melindungi kontrak pintar dari serangan robot, dan menggunakan bukti tanpa pengetahuan untuk membuat kontrak pintar yang tahan terhadap serangan Sybil. Saat ini, proyek memungkinkan pengguna akhir untuk menghasilkan bukti pekerjaan manusia dengan menyelesaikan captcha, yang diverifikasi oleh validator on-chain dan diakses oleh kontrak cerdas dengan beberapa baris kode. Di masa mendatang, Zkaptcha akan mewarisi zkML, meluncurkan layanan kode verifikasi yang mirip dengan Web 2 yang ada, dan bahkan menganalisis perilaku seperti gerakan mouse untuk menentukan apakah penggunanya adalah orang sungguhan.
Saat ini, jalur zkML masih dalam masa pertumbuhan, tetapi kami memiliki alasan untuk percaya bahwa kekuatan zkML dapat membawa prospek dan pengembangan yang lebih baik ke crypto, dan kami juga mengharapkan lebih banyak produk di bidang ini. lingkungan tepercaya, dan di masa depan, selain inovasi produk, juga dapat mengarah pada inovasi model bisnis kripto, karena di dunia Web 3 yang liar dan anarkis ini, desentralisasi, teknologi kripto, dan Kepercayaan adalah fasilitas paling dasar.
Epilog
Membangun kepercayaan di dunia digital yang semakin kompleks dan tidak pasti selalu menjadi tantangan utama bagi AI dan Web3. Namun, menggabungkan AI dengan Web3 sangat menjanjikan untuk membangun masa depan terdesentralisasi yang aman dan terpercaya. Sangat penting bagi pengembang, teknolog, pembuat kebijakan, dan masyarakat secara keseluruhan untuk bersama-sama membentuk masa depan kecerdasan buatan dan Web3, dan kita mungkin dapat menciptakan era Internet cerdas di luar imajinasi.
Referensi
Lihat Asli
Konten ini hanya untuk referensi, bukan ajakan atau tawaran. Tidak ada nasihat investasi, pajak, atau hukum yang diberikan. Lihat Penafian untuk pengungkapan risiko lebih lanjut.
Bagaimana Web3 ZKML tanpa jiwa tanpa AI membentuk kembali hubungan antara AI dan blockchain
Baru-baru ini, Nvidia merilis laporan kinerja kuartal pertamanya, dengan pendapatan sebesar $7,19 miliar, melebihi ekspektasi pasar sebesar $6,52 miliar, margin laba kotor sebesar 64,6%, dan laba per saham yang disesuaikan sebesar $1,09, dibandingkan dengan ekspektasi pasar sebesar $0,92. Karena laporan keuangan Nvidia melebihi ekspektasi, hal itu menyebabkan kenaikan kolektif saham chip AS setelah pasar.Nvidia pernah naik 29,35% setelah pasar.Harga saham mencapai rekor tertinggi 395 dolar AS.Dalam satu hari perdagangan, meroket sebesar 184 miliar dolar AS, dan total nilai pasar 3 bitcoin naik. CEO Nvidia Huang Renxun menyebutkan prospek luas untuk aplikasi AI dalam laporan keuangannya, mengatakan bahwa industri komputer sedang mengalami dua transformasi pada saat yang sama — komputasi yang dipercepat dan AI generatif. Perusahaan bersaing untuk menerapkan AI generatif ke berbagai produk, layanan, dan bisnis proses. , pusat data terinstal berskala triliun dolar dunia akan berubah dari komputasi tujuan umum menjadi komputasi yang dipercepat. Saat ini, hampir semua lembaga dan dana dolar AS terkemuka mengawasi dengan cermat jalur AIGC, dan dengan cepat membangun sistem penyaringan dengan secara aktif menetapkan koordinat pemungutan suara, jangan sampai mereka ketinggalan kereta menuju waktu. Data terkait menunjukkan bahwa pada kuartal pertama 2023, total pembiayaan industri AIGC global mencapai 3,811 miliar yuan, dengan total 17 pembiayaan. Munculnya satu outlet sering kali mewakili penurunan outlet lainnya. Orang-orang secara bertahap menimbulkan berbagai keraguan tentang WEB3: "Semua modal melihat AI, regulasi Web3 diperketat, dan narasinya tidak lagi bagus", "AI terlihat lebih andal daripada Web3, dan lebih mudah menghasilkan unicorn." Sejak awal sejarah manusia, cerita kolektif telah mendefinisikan budaya kita dan memperkaya pemahaman kita tentang dunia, dan pentingnya narasi tidak bisa dilebih-lebihkan. Saat ini, narasi kecerdasan buatan secara bertahap mendapatkan popularitas, bahkan telah merambah ke bidang Web3. Beberapa orang di industri ini mulai mengusulkan bahwa "Web3 tanpa AI tidak berjiwa", dan lebih dari separuh perusahaan Web3 mulai beralih ke AI. Jadi, bagaimana AI+Web3 akan diintegrasikan? Baru-baru ini, narasi ZKML, kombinasi yang muncul dari bukti tanpa pengetahuan dan pembelajaran mesin, telah menjadi populer.Bagaimana ZKML bekerja sama dengan kecerdasan buatan dan Web3 untuk membangun masa depan yang tepercaya dan terdesentralisasi? 1. AI membutuhkan Web3 dan sebaliknya “Merupakan kesalahan untuk menganggap cryptocurrency dan kecerdasan buatan sebagai teknologi yang tidak terkait," kata Michael Casey, chief content officer CoinDesk. “Mereka saling melengkapi, masing-masing meningkatkan satu sama lain." Web3, cryptocurrency, dan blockchain memecahkan tantangan sosial yang telah ada sejak awal Internet: bagaimana menjaga keamanan informasi berharga di lingkungan yang terdesentralisasi. Mereka mengatasi masalah kepercayaan manusia terhadap informasi melalui sistem baru yang menggunakan catatan dan insentif terdistribusi. Sistem ini membantu komunitas orang asing yang tidak percaya secara kolektif menjaga catatan data terbuka, memungkinkan mereka untuk mendistribusikan dan berbagi informasi yang berharga atau sensitif tanpa perantara. Saat ini, kita sedang bergerak cepat menuju era kecerdasan buatan yang komprehensif, dan tantangan yang dibawa oleh era ini sangat berat. Tantangan-tantangan ini mulai dari melindungi hak cipta atas input model bahasa besar (LLM), hingga menghindari bias yang salah dalam outputnya, hingga ketidakmampuan kita saat ini untuk secara akurat membedakan konten nyata dari disinformasi yang dibuat oleh kecerdasan buatan. Tidak ada solusi mudah untuk memastikan bahwa manusia tidak terkena dampak negatif dari kecerdasan buatan. Tidak ada solusi yang dapat mengandalkan kerangka peraturan dan teknologi abad ke-20 yang sudah ketinggalan zaman untuk mengatasi masalah ini. Kami sangat membutuhkan sistem tata kelola yang terdesentralisasi untuk menjawab tantangan tentang bagaimana menghasilkan, memverifikasi, dan berbagi informasi di era baru ini. Terlepas dari apakah Web3 saat ini dapat memberikan solusi yang diperlukan, teknologi blockchain berperan dalam memecahkan masalah ini. Buku besar yang tidak dapat diubah memungkinkan kami melacak asal gambar dan konten lainnya, mencegah deepfake. Teknik ini juga dapat digunakan untuk memverifikasi integritas kumpulan data untuk produk kecerdasan buatan pembelajaran mesin. Cryptocurrency menyediakan metode pembayaran digital tanpa batas yang dapat digunakan untuk memberi penghargaan kepada orang-orang di seluruh dunia yang berkontribusi pada pelatihan kecerdasan buatan, dan proyek seperti Bittensor sedang bekerja untuk membangun komunitas blockchain-pemerintah yang diberi token untuk memberi insentif pada kecerdasan buatan. . Sebaliknya, sistem AI milik perusahaan swasta seringkali menempatkan kepentingan pemegang saham di atas kepentingan pengguna. Kami masih memiliki jalan panjang sebelum ide-ide ini dapat direalisasikan dan ditingkatkan. Kita perlu mengintegrasikan berbagai teknologi lain seperti Zero Knowledge Proofs (ZK), Homomorphic Encryption, Secure Computing, Digital Identity and Decentralized Credentials (DID), IoT, dll. Selain itu, kita perlu mengatasi banyak tantangan seperti perlindungan privasi, hukuman perilaku buruk, dorongan kecerdasan inovatif yang berpusat pada manusia, dan peraturan legislatif multi-partai. 2. Bagaimana ZKML membangun jembatan antara AI dan blockchain Baru-baru ini, ZKML, kombinasi yang muncul dari bukti tanpa pengetahuan dan pembelajaran mesin, telah banyak dibahas. Saat ini penerapan machine learning (ML) menjadi semakin kompleks. Banyak perusahaan mengandalkan penyedia layanan seperti Amazon, Google, dan Microsoft untuk menerapkan model pembelajaran mesin yang kompleks. Namun, layanan ini menjadi semakin sulit untuk diaudit dan dipahami. Sebagai konsumen layanan AI, bagaimana kita bisa mempercayai validitas prediksi yang diberikan oleh model ini? Sebagai jembatan antara kecerdasan buatan dan blockchain, ZKML memecahkan masalah perlindungan privasi model dan input AI, sambil memastikan proses penalaran dapat diverifikasi. Ini memberikan solusi yang memungkinkan untuk menggunakan model publik saat memvalidasi data privat, atau menggunakan data publik saat memvalidasi model privat. Dengan menambahkan kemampuan pembelajaran mesin, kontrak pintar dapat menjadi lebih otonom dan dinamis, memungkinkan mereka memproses berdasarkan data on-chain real-time daripada aturan statis. Dengan cara ini, kontrak pintar akan lebih fleksibel dan mampu beradaptasi dengan lebih banyak skenario, bahkan yang mungkin tidak diantisipasi saat kontrak awalnya dibuat. Saat ini, salah satu kesulitan dengan adopsi algoritma pembelajaran mesin secara luas di blockchain adalah biaya komputasi yang tinggi. Menjalankan model-model ini secara on-chain menjadi sebuah tantangan karena operasi floating-point tingkat jutaan tidak dapat dilakukan secara langsung di Ethereum Virtual Machine (EVM). Selain itu, masalah kepercayaan pada model pembelajaran mesin juga menjadi kendala, karena parameter dan kumpulan data input model biasanya bersifat pribadi, dan algoritme serta proses operasi model seperti "kotak hitam" buram, yang mungkin menyebabkan pemilik model dan model menggunakan masalah kepercayaan di antara para peserta. Namun, dengan teknologi ZKML, kami dapat mengatasi masalah tersebut. ZKML memungkinkan siapa saja untuk menjalankan model off-chain dan menghasilkan bukti yang ringkas dan dapat diverifikasi bahwa model tersebut menghasilkan hasil yang spesifik. Bukti ini dapat dipublikasikan secara on-chain dan diverifikasi oleh smart contract. Ini berarti bahwa pengguna model dapat memverifikasi hasil model tanpa mengetahui parameter spesifik dan detail pengoperasian model, sehingga menyelesaikan masalah kepercayaan.
Melalui grafik di atas, kita dapat melihat bahwa teknologi ZKML memiliki karakteristik integritas komputasional, optimisasi heuristik, dan perlindungan privasi. Teknologi ini memiliki prospek aplikasi yang luas di bidang Web3 dan berkembang pesat. Semakin banyak tim dan individu yang bergabung dalam bidang ini, mempromosikan pengembangan berbagai proyek ZKML dengan potensi besar. 3. Analisis proyek ZKML Di bawah ini adalah beberapa proyek ZKML potensial. 1.Worldcoin Worldcoin menerapkan ZKML dalam upaya membangun protokol bukti kepribadian yang menjaga privasi. Pengguna World ID akan dapat menjaga sendiri biometrik mereka (seperti iris) dalam penyimpanan terenkripsi pada perangkat seluler mereka, mengunduh model ML yang digunakan untuk menghasilkan IrisCode dan membuat bukti tanpa pengetahuan secara lokal bahwa kontrak pintar penerima dapat membuktikannya. IrisCode berhasil dibuat. Itu kemudian dapat digunakan untuk melakukan operasi yang berguna seperti otentikasi keanggotaan dan pemungutan suara. Mereka saat ini menggunakan lingkungan waktu proses tepercaya dengan kantong aman untuk memverifikasi pemindaian iris yang ditandatangani kamera, tetapi tujuan akhir mereka adalah menggunakan ZKP untuk membuktikan penalaran yang benar dari jaringan saraf untuk jaminan keamanan tingkat enkripsi, dan untuk menjamin bahwa keluaran ML model tidak akan bocor ke data pribadi pengguna. 2. Lab Modulus Modulus Labs adalah salah satu proyek paling beragam di bidang ZKML. Selain berkomitmen untuk penelitian terkait, Modulus Labs juga secara aktif membangun paradigma aplikasi AI pada rantai. Modulus Labs menggunakan RockyBot (robot perdagangan rantai) dan Leela vs. World (sebuah Game Catur internasional, Semua Orang Melawan Instance Mesin Catur Leela yang Terbukti) menunjukkan kasus penggunaan untuk zkML. Tim tersebut juga melakukan penelitian, menulis The Cost of Intelligence, yang mengukur kecepatan dan efisiensi berbagai sistem verifikasi untuk model dengan ukuran berbeda. 3. Manusia Giza adalah protokol yang dapat menerapkan model AI on-chain dengan cara yang benar-benar tidak dapat dipercaya. Tumpukan teknologi yang digunakannya mencakup format ONNX untuk model pembelajaran mesin, Giza Transpiler untuk mengonversi model ini ke dalam format program Kairo, ONNX Cairo Runtime untuk menjalankan model dengan cara yang dapat diverifikasi dan deterministik, serta penyebaran dan Model Giza yang cerdas kontrak yang mengeksekusi model pada rantai. Giza umumnya milik kompiler on-chain dari model pembelajaran mesin untuk pembuktian, memberikan jalur alternatif untuk pengembangan AI on-chain. 4.Zkaptcha Zkaptcha berfokus pada masalah robot di Web3, menyediakan layanan captcha (kode verifikasi) untuk kontrak pintar, melindungi kontrak pintar dari serangan robot, dan menggunakan bukti tanpa pengetahuan untuk membuat kontrak pintar yang tahan terhadap serangan Sybil. Saat ini, proyek memungkinkan pengguna akhir untuk menghasilkan bukti pekerjaan manusia dengan menyelesaikan captcha, yang diverifikasi oleh validator on-chain dan diakses oleh kontrak cerdas dengan beberapa baris kode. Di masa mendatang, Zkaptcha akan mewarisi zkML, meluncurkan layanan kode verifikasi yang mirip dengan Web 2 yang ada, dan bahkan menganalisis perilaku seperti gerakan mouse untuk menentukan apakah penggunanya adalah orang sungguhan.
Saat ini, jalur zkML masih dalam masa pertumbuhan, tetapi kami memiliki alasan untuk percaya bahwa kekuatan zkML dapat membawa prospek dan pengembangan yang lebih baik ke crypto, dan kami juga mengharapkan lebih banyak produk di bidang ini. lingkungan tepercaya, dan di masa depan, selain inovasi produk, juga dapat mengarah pada inovasi model bisnis kripto, karena di dunia Web 3 yang liar dan anarkis ini, desentralisasi, teknologi kripto, dan Kepercayaan adalah fasilitas paling dasar. Epilog Membangun kepercayaan di dunia digital yang semakin kompleks dan tidak pasti selalu menjadi tantangan utama bagi AI dan Web3. Namun, menggabungkan AI dengan Web3 sangat menjanjikan untuk membangun masa depan terdesentralisasi yang aman dan terpercaya. Sangat penting bagi pengembang, teknolog, pembuat kebijakan, dan masyarakat secara keseluruhan untuk bersama-sama membentuk masa depan kecerdasan buatan dan Web3, dan kita mungkin dapat menciptakan era Internet cerdas di luar imajinasi. Referensi