Recentemente, a Nvidia divulgou seu relatório de desempenho do primeiro trimestre, com receita de US$ 7,19 bilhões, superando as expectativas do mercado de US$ 6,52 bilhões, margem de lucro bruto de 64,6% e lucro por ação ajustado de US$ 1,09, em comparação com as expectativas do mercado de US$ 0,92. Como o relatório financeiro da Nvidia superou as expectativas, isso levou a um aumento coletivo nos estoques de chips dos EUA após o mercado. A Nvidia subiu 29,35% após o mercado. O preço das ações atingiu um recorde de 395 dólares americanos. Em um dia de negociação, disparou 184 bilhões de dólares americanos e o valor total de mercado de 3 bitcoins aumentou.
O CEO da Nvidia, Huang Renxun, mencionou as amplas perspectivas de aplicações de IA em seu relatório financeiro, dizendo que a indústria de computadores está passando por duas transformações ao mesmo tempo - computação acelerada e IA generativa. As empresas estão competindo para aplicar IA generativa a vários produtos, serviços e negócios processos. , os data centers instalados em escala de trilhões de dólares do mundo se transformarão de computação de uso geral em computação acelerada.
Atualmente, quase todos os principais fundos e instituições em dólares americanos estão observando de perto a trilha do AIGC e rapidamente constroem um sistema de triagem estabelecendo ativamente as coordenadas de votação, para que não percam o trem que leva aos tempos. Dados relevantes mostram que, no primeiro trimestre de 2023, o financiamento total da indústria global de AIGC atingiu 3,811 bilhões de yuans, com um total de 17 financiamentos. A ascensão de uma saída geralmente representa o declínio de outra saída. As pessoas gradualmente levantaram várias dúvidas sobre o WEB3: "Todo o capital está olhando para a IA, a regulamentação do Web3 está mais rígida e a narrativa não é mais boa", "IA parece mais confiável do que o Web3 e é mais fácil produzir unicórnios".
Desde o início da história humana, as histórias coletivas definiram nossa cultura e enriqueceram nossa compreensão do mundo, e a importância da narrativa não pode ser exagerada. Hoje, a narrativa da inteligência artificial está gradualmente ganhando popularidade e penetrou até no campo da Web3. Algumas pessoas na indústria começaram a propor que "a Web3 sem IA não tem alma", e mais da metade das empresas da Web3 começaram a recorrer à IA. Então, como o AI+Web3 será integrado? Recentemente, tornou-se popular a narrativa do ZKML, uma combinação emergente de prova de conhecimento zero e aprendizado de máquina. Como ele cooperará com a inteligência artificial e a Web3 para construir um futuro confiável e descentralizado?
1. AI precisa de Web3 e vice-versa
“É um erro pensar em criptomoedas e inteligência artificial como tecnologias não relacionadas”, disse Michael Casey, diretor de conteúdo da CoinDesk. “Elas são complementares, uma melhorando a outra”.
Web3, criptomoedas e blockchain resolvem um desafio social que existe desde o início da Internet: como manter informações valiosas seguras em um ambiente descentralizado. Eles abordam a questão da confiança humana nas informações por meio de novos sistemas que empregam registros e incentivos distribuídos. Esses sistemas ajudam comunidades de estranhos desconfiados a manter coletivamente registros de dados abertos, permitindo-lhes distribuir e compartilhar informações valiosas ou confidenciais sem intermediários.
Atualmente, estamos caminhando rapidamente para a era da inteligência artificial abrangente, e os desafios trazidos por essa era são assustadores. Esses desafios abrangem desde a proteção de direitos autorais na entrada de modelos de linguagem grandes (LLMs), para evitar viés errôneo em sua saída, até nossa atual incapacidade de distinguir com precisão o conteúdo real da desinformação criada por inteligência artificial. O "dividendo do mentiroso". Não há soluções fáceis para garantir que os humanos não sejam afetados negativamente pela inteligência artificial. Nenhuma solução pode depender de estruturas regulatórias e tecnológicas desatualizadas do século 20 para lidar com esses problemas. Precisamos urgentemente de um sistema de governança descentralizado para enfrentar os desafios de como produzir, verificar e compartilhar informações nesta nova era.
Independentemente de o Web3 atual poder fornecer as soluções necessárias, a tecnologia blockchain desempenha um papel na solução desses problemas. Livros-razão imutáveis nos permitem rastrear a proveniência de imagens e outros conteúdos, evitando deepfakes. Essa técnica também pode ser usada para verificar a integridade de conjuntos de dados para produtos de inteligência artificial de aprendizado de máquina. As criptomoedas fornecem um método de pagamento digital sem fronteiras que pode ser usado para recompensar pessoas em todo o mundo que contribuem para o treinamento em inteligência artificial, e projetos como o Bittensor estão trabalhando para construir comunidades governamentais de blockchain tokenizadas para incentivar a inteligência artificial. . Em contraste, os sistemas de IA pertencentes a empresas privadas geralmente colocam os interesses dos acionistas acima dos interesses do usuário.
Ainda temos um longo caminho a percorrer antes que essas ideias possam ser realizadas e dimensionadas. Teremos de integrar uma série de outras tecnologias, como Zero Knowledge Proofs (ZK), Homomorphic Encryption, Secure Computing, Digital Identity and Decentralized Credentials (DID), IoT, etc. Além disso, precisamos enfrentar muitos desafios, como proteção da privacidade, punição de mau comportamento, incentivo à inteligência inovadora centrada no ser humano e regulamentação legislativa multipartidária.
2. Como o ZKML constrói uma ponte entre IA e blockchain
Recentemente, o ZKML, uma combinação emergente de provas de conhecimento zero e aprendizado de máquina, tem sido amplamente discutido. Atualmente, a implantação do aprendizado de máquina (ML) está se tornando cada vez mais complexa. Muitas empresas dependem principalmente de provedores de serviços, como Amazon, Google e Microsoft, para implantar modelos complexos de aprendizado de máquina. No entanto, esses serviços estão se tornando cada vez mais difíceis de auditar e entender. Como consumidores de serviços de IA, como podemos confiar na validade das previsões fornecidas por esses modelos?
Como uma ponte entre inteligência artificial e blockchain, o ZKML resolve o problema de proteção de privacidade de modelos e entradas de IA, garantindo a verificabilidade do processo de raciocínio. Ele fornece uma solução que permite usar modelos públicos ao validar dados privados ou usar dados públicos ao validar modelos privados. Ao adicionar recursos de aprendizado de máquina, os contratos inteligentes podem se tornar mais autônomos e dinâmicos, permitindo que sejam processados com base em dados on-chain em tempo real, em vez de regras estáticas. Dessa forma, os contratos inteligentes serão mais flexíveis e capazes de se adaptar a mais cenários, mesmo aqueles que não foram previstos quando o contrato foi originalmente criado.
Atualmente, uma das dificuldades com a adoção generalizada de algoritmos de aprendizado de máquina na blockchain é o seu alto custo computacional. A execução desses modelos na cadeia torna-se um desafio, pois as operações de ponto flutuante de milhões de níveis não podem ser executadas diretamente na Ethereum Virtual Machine (EVM). Além disso, a questão da confiança nos modelos de aprendizado de máquina também é um obstáculo, porque os parâmetros e conjuntos de dados de entrada dos modelos geralmente são privados, e o algoritmo e o processo de operação do modelo são como uma "caixa preta" opaca, que pode fazer com que o proprietário do modelo e o modelo usem questões de confiança entre os participantes. No entanto, com a tecnologia ZKML, podemos superar esses problemas. O ZKML permite que qualquer pessoa execute um modelo off-chain e gere uma prova sucinta e verificável de que o modelo produziu um resultado específico. Esta prova pode ser publicada na cadeia e verificada por contratos inteligentes. Isso significa que os usuários do modelo podem verificar os resultados do modelo sem conhecer os parâmetros específicos e detalhes operacionais do modelo, resolvendo assim o problema de confiança.
Através do gráfico acima, podemos ver que a tecnologia ZKML possui as características de integridade computacional, otimização heurística e proteção de privacidade. Essa tecnologia tem amplas perspectivas de aplicação no campo Web3 e está se desenvolvendo rapidamente. Cada vez mais equipas e indivíduos têm aderido a esta área, promovendo o desenvolvimento de vários projetos ZKML com grande potencial.
3. Análise de projeto ZKML
Abaixo estão alguns projetos ZKML em potencial.
1、Worldcoin
A Worldcoin está aplicando o ZKML em uma tentativa de criar um protocolo de prova de personalidade que preserva a privacidade. Os usuários do World ID poderão autocuidar sua biometria (como íris) em armazenamento criptografado em seu dispositivo móvel, baixar o modelo ML usado para gerar o IrisCode e criar localmente uma prova de conhecimento zero de que o contrato inteligente receptor pode provar sua IrisCode foi criado com sucesso.
Ele pode então ser usado para executar operações úteis, como autenticação de membros e votação. Eles atualmente usam um ambiente de tempo de execução confiável com um enclave seguro para verificar varreduras de íris assinadas por câmeras, mas seu objetivo final é usar ZKPs para provar o raciocínio correto de redes neurais para garantias de segurança em nível de criptografia e para garantir que a saída do ML modelo não vazará para os dados pessoais do usuário.
2、Modulus Labs
O Modulus Labs é um dos projetos mais diversos no campo de ZKML. Embora comprometido com pesquisas relacionadas, também está construindo ativamente paradigmas de aplicativos de IA na cadeia. O Modulus Labs usa o RockyBot (um robô de negociação na cadeia) e Leela vs. o World (um jogo de xadrez internacional, Todos jogam contra uma instância comprovada do Leela Chess Engine) demonstra um caso de uso para zkML. A equipe também se aventurou na pesquisa, escrevendo The Cost of Intelligence, que compara a velocidade e a eficiência de vários sistemas de verificação para modelos de tamanhos diferentes.
3、Humano
Giza é um protocolo que pode implantar modelos de IA on-chain de maneira totalmente confiável. A pilha de tecnologia que ele usa inclui o formato ONNX para modelos de aprendizado de máquina, o Giza Transpiler para converter esses modelos no formato de programa Cairo, o ONNX Cairo Runtime para executar os modelos de maneira verificável e determinística e a implantação E o modelo inteligente Giza contrato que executa o modelo na cadeia. Giza geralmente pertence ao compilador on-chain de modelos de aprendizado de máquina para provas, fornecendo um caminho alternativo para o desenvolvimento de IA on-chain.
4、Zkaptcha
Zkaptcha se concentra no problema do robô na Web3, fornece serviço de captcha (código de verificação) para contratos inteligentes, protege contratos inteligentes de ataques de robôs e usa provas de conhecimento zero para criar contratos inteligentes resistentes a ataques Sybil. Atualmente, o projeto permite que os usuários finais gerem uma prova de trabalho humano ao preencher um captcha, que é verificado por validadores on-chain e acessado por contratos inteligentes com algumas linhas de código. No futuro, o Zkaptcha herdará o zkML, lançará um serviço de código de verificação semelhante ao Web 2 existente e até analisará comportamentos como movimentos do mouse para determinar se o usuário é uma pessoa real.
No momento, a trilha zkML ainda está em sua infância, mas temos motivos para acreditar que o poder do zkML pode trazer melhores perspectivas e desenvolvimento para a criptografia, e também esperamos mais produtos neste campo. A operação do ML fornece um ambiente seguro e ambiente confiável e, no futuro, além da inovação de produtos, também pode levar à inovação de modelos de negócios de criptografia, porque neste mundo selvagem e anárquico da Web 3, descentralização, tecnologia de criptografia e confiança são as facilidades mais básicas.
Conclusão
Construir confiança em um mundo digital cada vez mais complexo e incerto sempre foi um desafio central para AI e Web3. No entanto, a fusão da IA com a Web3 é uma grande promessa para a construção de um futuro descentralizado seguro e confiável. É crucial que desenvolvedores, tecnólogos, formuladores de políticas e a sociedade como um todo moldem em conjunto o futuro da inteligência artificial e da Web3, e podemos criar uma era de Internet inteligente além da imaginação.
Referência
Ver original
O conteúdo é apenas para referência, não uma solicitação ou oferta. Nenhum aconselhamento fiscal, de investimento ou jurídico é fornecido. Consulte a isenção de responsabilidade para obter mais informações sobre riscos.
ZKML: A melhor combinação de AI e Web3?
Recentemente, a Nvidia divulgou seu relatório de desempenho do primeiro trimestre, com receita de US$ 7,19 bilhões, superando as expectativas do mercado de US$ 6,52 bilhões, margem de lucro bruto de 64,6% e lucro por ação ajustado de US$ 1,09, em comparação com as expectativas do mercado de US$ 0,92. Como o relatório financeiro da Nvidia superou as expectativas, isso levou a um aumento coletivo nos estoques de chips dos EUA após o mercado. A Nvidia subiu 29,35% após o mercado. O preço das ações atingiu um recorde de 395 dólares americanos. Em um dia de negociação, disparou 184 bilhões de dólares americanos e o valor total de mercado de 3 bitcoins aumentou.
O CEO da Nvidia, Huang Renxun, mencionou as amplas perspectivas de aplicações de IA em seu relatório financeiro, dizendo que a indústria de computadores está passando por duas transformações ao mesmo tempo - computação acelerada e IA generativa. As empresas estão competindo para aplicar IA generativa a vários produtos, serviços e negócios processos. , os data centers instalados em escala de trilhões de dólares do mundo se transformarão de computação de uso geral em computação acelerada.
Atualmente, quase todos os principais fundos e instituições em dólares americanos estão observando de perto a trilha do AIGC e rapidamente constroem um sistema de triagem estabelecendo ativamente as coordenadas de votação, para que não percam o trem que leva aos tempos. Dados relevantes mostram que, no primeiro trimestre de 2023, o financiamento total da indústria global de AIGC atingiu 3,811 bilhões de yuans, com um total de 17 financiamentos. A ascensão de uma saída geralmente representa o declínio de outra saída. As pessoas gradualmente levantaram várias dúvidas sobre o WEB3: "Todo o capital está olhando para a IA, a regulamentação do Web3 está mais rígida e a narrativa não é mais boa", "IA parece mais confiável do que o Web3 e é mais fácil produzir unicórnios".
Desde o início da história humana, as histórias coletivas definiram nossa cultura e enriqueceram nossa compreensão do mundo, e a importância da narrativa não pode ser exagerada. Hoje, a narrativa da inteligência artificial está gradualmente ganhando popularidade e penetrou até no campo da Web3. Algumas pessoas na indústria começaram a propor que "a Web3 sem IA não tem alma", e mais da metade das empresas da Web3 começaram a recorrer à IA. Então, como o AI+Web3 será integrado? Recentemente, tornou-se popular a narrativa do ZKML, uma combinação emergente de prova de conhecimento zero e aprendizado de máquina. Como ele cooperará com a inteligência artificial e a Web3 para construir um futuro confiável e descentralizado?
1. AI precisa de Web3 e vice-versa
“É um erro pensar em criptomoedas e inteligência artificial como tecnologias não relacionadas”, disse Michael Casey, diretor de conteúdo da CoinDesk. “Elas são complementares, uma melhorando a outra”.
Web3, criptomoedas e blockchain resolvem um desafio social que existe desde o início da Internet: como manter informações valiosas seguras em um ambiente descentralizado. Eles abordam a questão da confiança humana nas informações por meio de novos sistemas que empregam registros e incentivos distribuídos. Esses sistemas ajudam comunidades de estranhos desconfiados a manter coletivamente registros de dados abertos, permitindo-lhes distribuir e compartilhar informações valiosas ou confidenciais sem intermediários.
Atualmente, estamos caminhando rapidamente para a era da inteligência artificial abrangente, e os desafios trazidos por essa era são assustadores. Esses desafios abrangem desde a proteção de direitos autorais na entrada de modelos de linguagem grandes (LLMs), para evitar viés errôneo em sua saída, até nossa atual incapacidade de distinguir com precisão o conteúdo real da desinformação criada por inteligência artificial. O "dividendo do mentiroso". Não há soluções fáceis para garantir que os humanos não sejam afetados negativamente pela inteligência artificial. Nenhuma solução pode depender de estruturas regulatórias e tecnológicas desatualizadas do século 20 para lidar com esses problemas. Precisamos urgentemente de um sistema de governança descentralizado para enfrentar os desafios de como produzir, verificar e compartilhar informações nesta nova era.
Independentemente de o Web3 atual poder fornecer as soluções necessárias, a tecnologia blockchain desempenha um papel na solução desses problemas. Livros-razão imutáveis nos permitem rastrear a proveniência de imagens e outros conteúdos, evitando deepfakes. Essa técnica também pode ser usada para verificar a integridade de conjuntos de dados para produtos de inteligência artificial de aprendizado de máquina. As criptomoedas fornecem um método de pagamento digital sem fronteiras que pode ser usado para recompensar pessoas em todo o mundo que contribuem para o treinamento em inteligência artificial, e projetos como o Bittensor estão trabalhando para construir comunidades governamentais de blockchain tokenizadas para incentivar a inteligência artificial. . Em contraste, os sistemas de IA pertencentes a empresas privadas geralmente colocam os interesses dos acionistas acima dos interesses do usuário.
Ainda temos um longo caminho a percorrer antes que essas ideias possam ser realizadas e dimensionadas. Teremos de integrar uma série de outras tecnologias, como Zero Knowledge Proofs (ZK), Homomorphic Encryption, Secure Computing, Digital Identity and Decentralized Credentials (DID), IoT, etc. Além disso, precisamos enfrentar muitos desafios, como proteção da privacidade, punição de mau comportamento, incentivo à inteligência inovadora centrada no ser humano e regulamentação legislativa multipartidária.
2. Como o ZKML constrói uma ponte entre IA e blockchain
Recentemente, o ZKML, uma combinação emergente de provas de conhecimento zero e aprendizado de máquina, tem sido amplamente discutido. Atualmente, a implantação do aprendizado de máquina (ML) está se tornando cada vez mais complexa. Muitas empresas dependem principalmente de provedores de serviços, como Amazon, Google e Microsoft, para implantar modelos complexos de aprendizado de máquina. No entanto, esses serviços estão se tornando cada vez mais difíceis de auditar e entender. Como consumidores de serviços de IA, como podemos confiar na validade das previsões fornecidas por esses modelos?
Como uma ponte entre inteligência artificial e blockchain, o ZKML resolve o problema de proteção de privacidade de modelos e entradas de IA, garantindo a verificabilidade do processo de raciocínio. Ele fornece uma solução que permite usar modelos públicos ao validar dados privados ou usar dados públicos ao validar modelos privados. Ao adicionar recursos de aprendizado de máquina, os contratos inteligentes podem se tornar mais autônomos e dinâmicos, permitindo que sejam processados com base em dados on-chain em tempo real, em vez de regras estáticas. Dessa forma, os contratos inteligentes serão mais flexíveis e capazes de se adaptar a mais cenários, mesmo aqueles que não foram previstos quando o contrato foi originalmente criado.
Atualmente, uma das dificuldades com a adoção generalizada de algoritmos de aprendizado de máquina na blockchain é o seu alto custo computacional. A execução desses modelos na cadeia torna-se um desafio, pois as operações de ponto flutuante de milhões de níveis não podem ser executadas diretamente na Ethereum Virtual Machine (EVM). Além disso, a questão da confiança nos modelos de aprendizado de máquina também é um obstáculo, porque os parâmetros e conjuntos de dados de entrada dos modelos geralmente são privados, e o algoritmo e o processo de operação do modelo são como uma "caixa preta" opaca, que pode fazer com que o proprietário do modelo e o modelo usem questões de confiança entre os participantes. No entanto, com a tecnologia ZKML, podemos superar esses problemas. O ZKML permite que qualquer pessoa execute um modelo off-chain e gere uma prova sucinta e verificável de que o modelo produziu um resultado específico. Esta prova pode ser publicada na cadeia e verificada por contratos inteligentes. Isso significa que os usuários do modelo podem verificar os resultados do modelo sem conhecer os parâmetros específicos e detalhes operacionais do modelo, resolvendo assim o problema de confiança.
Através do gráfico acima, podemos ver que a tecnologia ZKML possui as características de integridade computacional, otimização heurística e proteção de privacidade. Essa tecnologia tem amplas perspectivas de aplicação no campo Web3 e está se desenvolvendo rapidamente. Cada vez mais equipas e indivíduos têm aderido a esta área, promovendo o desenvolvimento de vários projetos ZKML com grande potencial.
3. Análise de projeto ZKML
Abaixo estão alguns projetos ZKML em potencial.
1、Worldcoin
A Worldcoin está aplicando o ZKML em uma tentativa de criar um protocolo de prova de personalidade que preserva a privacidade. Os usuários do World ID poderão autocuidar sua biometria (como íris) em armazenamento criptografado em seu dispositivo móvel, baixar o modelo ML usado para gerar o IrisCode e criar localmente uma prova de conhecimento zero de que o contrato inteligente receptor pode provar sua IrisCode foi criado com sucesso.
Ele pode então ser usado para executar operações úteis, como autenticação de membros e votação. Eles atualmente usam um ambiente de tempo de execução confiável com um enclave seguro para verificar varreduras de íris assinadas por câmeras, mas seu objetivo final é usar ZKPs para provar o raciocínio correto de redes neurais para garantias de segurança em nível de criptografia e para garantir que a saída do ML modelo não vazará para os dados pessoais do usuário.
2、Modulus Labs
O Modulus Labs é um dos projetos mais diversos no campo de ZKML. Embora comprometido com pesquisas relacionadas, também está construindo ativamente paradigmas de aplicativos de IA na cadeia. O Modulus Labs usa o RockyBot (um robô de negociação na cadeia) e Leela vs. o World (um jogo de xadrez internacional, Todos jogam contra uma instância comprovada do Leela Chess Engine) demonstra um caso de uso para zkML. A equipe também se aventurou na pesquisa, escrevendo The Cost of Intelligence, que compara a velocidade e a eficiência de vários sistemas de verificação para modelos de tamanhos diferentes.
3、Humano
Giza é um protocolo que pode implantar modelos de IA on-chain de maneira totalmente confiável. A pilha de tecnologia que ele usa inclui o formato ONNX para modelos de aprendizado de máquina, o Giza Transpiler para converter esses modelos no formato de programa Cairo, o ONNX Cairo Runtime para executar os modelos de maneira verificável e determinística e a implantação E o modelo inteligente Giza contrato que executa o modelo na cadeia. Giza geralmente pertence ao compilador on-chain de modelos de aprendizado de máquina para provas, fornecendo um caminho alternativo para o desenvolvimento de IA on-chain.
4、Zkaptcha
Zkaptcha se concentra no problema do robô na Web3, fornece serviço de captcha (código de verificação) para contratos inteligentes, protege contratos inteligentes de ataques de robôs e usa provas de conhecimento zero para criar contratos inteligentes resistentes a ataques Sybil. Atualmente, o projeto permite que os usuários finais gerem uma prova de trabalho humano ao preencher um captcha, que é verificado por validadores on-chain e acessado por contratos inteligentes com algumas linhas de código. No futuro, o Zkaptcha herdará o zkML, lançará um serviço de código de verificação semelhante ao Web 2 existente e até analisará comportamentos como movimentos do mouse para determinar se o usuário é uma pessoa real.
No momento, a trilha zkML ainda está em sua infância, mas temos motivos para acreditar que o poder do zkML pode trazer melhores perspectivas e desenvolvimento para a criptografia, e também esperamos mais produtos neste campo. A operação do ML fornece um ambiente seguro e ambiente confiável e, no futuro, além da inovação de produtos, também pode levar à inovação de modelos de negócios de criptografia, porque neste mundo selvagem e anárquico da Web 3, descentralização, tecnologia de criptografia e confiança são as facilidades mais básicas.
Conclusão
Construir confiança em um mundo digital cada vez mais complexo e incerto sempre foi um desafio central para AI e Web3. No entanto, a fusão da IA com a Web3 é uma grande promessa para a construção de um futuro descentralizado seguro e confiável. É crucial que desenvolvedores, tecnólogos, formuladores de políticas e a sociedade como um todo moldem em conjunto o futuro da inteligência artificial e da Web3, e podemos criar uma era de Internet inteligente além da imaginação.
Referência