Недавно Nvidia опубликовала отчет о результатах деятельности за первый квартал, в котором выручка составила 7,19 млрд долларов, превысив рыночные ожидания в 6,52 млрд долларов, валовая прибыль — 64,6%, а скорректированная прибыль на акцию — 1,09 доллара по сравнению с рыночными ожиданиями в 0,92 доллара. Поскольку финансовый отчет Nvidia превзошел ожидания, это привело к общему росту акций чипов в США после рынка. Однажды Nvidia выросла на 29,35% после рынка. Цена акций достигла рекордного максимума в 395 долларов США. За один торговый день она взлетела на 184 миллиарда долларов США, а общая рыночная стоимость 3 биткойнов выросла.
Генеральный директор Nvidia Хуан Ренсюнь упомянул в своем финансовом отчете широкие перспективы для приложений ИИ, заявив, что компьютерная индустрия претерпевает две трансформации одновременно — ускоренные вычисления и генеративный ИИ.Предприятия конкурируют за применение генеративного ИИ к различным продуктам, услугам и бизнесу. процессов., установленные в мире центры обработки данных стоимостью в триллион долларов перейдут от вычислений общего назначения к ускоренным вычислениям.
В настоящее время почти все крупнейшие фонды и учреждения, работающие в долларах США, внимательно следят за движением AIGC и быстро создают систему проверки, активно устанавливая координаты голосования, чтобы не опоздать на поезд времени. Соответствующие данные показывают, что в первом квартале 2023 года общий объем финансирования мировой отрасли AIGC достиг 3,811 млрд юаней, в общей сложности было 17 финансирований. Подъем одной торговой точки часто представляет собой упадок другой торговой точки. Постепенно у людей возникали различные сомнения в отношении WEB3: «Весь капитал смотрит на ИИ, регулирование Web3 ужесточается, и нарратив уже не годится», «ИИ выглядит надежнее, чем Web3, и легче производить единорогов».
С самого начала человеческой истории коллективные истории определяли нашу культуру и обогащали наше понимание мира, и важность повествования невозможно переоценить. Сегодня повествование об искусственном интеллекте постепенно набирает популярность и даже проникло в сферу Web3. Некоторые люди в отрасли начали предлагать, что «Web3 без ИИ бездушен», и более половины компаний Web3 начали обращаться к ИИ. Итак, как будут интегрированы AI+Web3? В последнее время стало популярным повествование о ZKML, новой комбинации доказательства с нулевым разглашением и машинного обучения.Как он будет сотрудничать с искусственным интеллектом и Web3 для построения надежного и децентрализованного будущего?
1. ИИ нужен Web3 и наоборот
«Ошибочно думать о криптовалютах и искусственном интеллекте как о несвязанных технологиях, — сказал Майкл Кейси, директор по контенту CoinDesk, — Они дополняют друг друга, улучшая друг друга».
Web3, криптовалюты и блокчейн решают социальную проблему, которая существовала с момента появления Интернета: как сохранить ценную информацию в безопасности в децентрализованной среде. Они решают проблему человеческого доверия к информации с помощью новых систем, использующих распределенные записи и стимулы. Эти системы помогают сообществам недоверчивых незнакомцев коллективно вести открытые записи данных, что позволяет им распространять и делиться ценной или конфиденциальной информацией без посредников.
В настоящее время мы быстро движемся к эре всеобъемлющего искусственного интеллекта, и проблемы, связанные с этой эрой, пугают. Эти проблемы охватывают весь спектр: от защиты авторских прав на ввод больших языковых моделей (LLM) до предотвращения ошибочной предвзятости в их выводах и до нашей нынешней неспособности точно отличить реальный контент от дезинформации, созданной искусственным интеллектом. Не существует простых решений, гарантирующих, что искусственный интеллект не окажет негативного влияния на людей. Ни одно решение не может опираться на устаревшие нормативно-правовые и технологические рамки 20-го века для решения этих проблем. Нам срочно нужна децентрализованная система управления, чтобы решать проблемы производства, проверки и обмена информацией в эту новую эпоху.
Независимо от того, может ли текущий Web3 предоставить требуемые решения, технология блокчейна действительно играет роль в решении этих проблем. Неизменяемые реестры позволяют нам отслеживать происхождение изображений и другого контента, предотвращая дипфейки. Этот метод также можно использовать для проверки целостности наборов данных для продуктов искусственного интеллекта с машинным обучением. Криптовалюты предоставляют безграничный метод цифровых платежей, который можно использовать для вознаграждения людей во всем мире, которые вносят свой вклад в обучение искусственному интеллекту, а такие проекты, как Bittensor, работают над созданием токенизированных сообществ блокчейна и правительства для стимулирования искусственного интеллекта.Умные разработчики создают модели, удобные для человека. . Напротив, системы искусственного интеллекта, принадлежащие частным компаниям, часто ставят интересы акционеров выше интересов пользователей.
Нам еще предстоит пройти долгий путь, прежде чем эти идеи смогут быть реализованы и масштабированы. Нам потребуется интегрировать ряд других технологий, таких как доказательства с нулевым разглашением (ZK), гомоморфное шифрование, безопасные вычисления, цифровая идентификация и децентрализованные учетные данные (DID), IoT и т. д. Кроме того, нам необходимо решить множество проблем, таких как защита конфиденциальности, наказание за плохое поведение, поощрение инновационного интеллекта, ориентированного на человека, и многостороннее законодательное регулирование.
2. Как ZKML строит мост между ИИ и блокчейном
В последнее время широко обсуждается ZKML, появляющаяся комбинация доказательств с нулевым разглашением и машинного обучения. В настоящее время развертывание машинного обучения (ML) становится все более сложным. Многие предприятия в основном полагаются на поставщиков услуг, таких как Amazon, Google и Microsoft, для развертывания сложных моделей машинного обучения. Однако эти услуги становится все труднее проверять и понимать. Как мы, потребители услуг ИИ, можем доверять достоверности прогнозов, предоставляемых этими моделями?
Являясь связующим звеном между искусственным интеллектом и блокчейном, ZKML решает проблему защиты конфиденциальности моделей и входных данных ИИ, обеспечивая при этом возможность проверки процесса рассуждений. Он предоставляет решение, позволяющее использовать общедоступные модели при проверке частных данных или общедоступные данные при проверке частных моделей. Добавляя возможности машинного обучения, смарт-контракты могут стать более автономными и динамичными, позволяя им обрабатываться на основе данных в сети в реальном времени, а не статических правил. Таким образом, смарт-контракты станут более гибкими и смогут адаптироваться к большему количеству сценариев, даже тех, которые, возможно, не предполагались при первоначальном создании контракта.
В настоящее время одной из трудностей широкого внедрения алгоритмов машинного обучения на блокчейне является их высокая вычислительная стоимость. Запуск этих моделей в сети становится проблемой, поскольку операции с плавающей запятой на уровне миллионов не могут выполняться непосредственно на виртуальной машине Ethereum (EVM). Кроме того, проблемой является и вопрос доверия к моделям машинного обучения, поскольку параметры и наборы входных данных моделей, как правило, закрыты, а алгоритм и процесс работы модели подобен непрозрачному «черному ящику», который может заставить владельца модели и модель использовать вопросы доверия между участниками. Однако с помощью технологии ZKML мы можем решить эти проблемы. ZKML позволяет любому запускать модель вне сети и генерировать краткие и поддающиеся проверке доказательства того, что модель действительно дала определенный результат. Это доказательство может быть опубликовано в сети и проверено с помощью смарт-контрактов. Это означает, что пользователи модели могут проверять результаты модели, не зная конкретных параметров и рабочих деталей модели, тем самым решая проблему доверия.
На приведенной выше диаграмме мы видим, что технология ZKML обладает характеристиками вычислительной целостности, эвристической оптимизации и защиты конфиденциальности. Эта технология имеет широкие перспективы применения в сфере Web3 и быстро развивается. Все больше и больше команд и отдельных лиц присоединяются к этой области, способствуя развитию различных проектов ZKML с большим потенциалом.
3. Анализ проекта ZKML
Ниже приведены некоторые потенциальные проекты ZKML.
1、Worldcoin
Worldcoin применяет ZKML в попытке создать протокол подтверждения личности, сохраняющий конфиденциальность. Пользователи World ID смогут самостоятельно хранить свои биометрические данные (например, ирисы) в зашифрованном хранилище на своем мобильном устройстве, загружать модель ML, используемую для генерации IrisCode, и создавать локально доказательство с нулевым разглашением, что принимающий смарт-контракт может доказать их IrisCode успешно создан.
Затем его можно использовать для выполнения полезных операций, таких как аутентификация членства и голосование. В настоящее время они используют доверенную среду выполнения с безопасным анклавом для проверки подписанных камерой сканов радужной оболочки глаза, но их конечная цель — использовать ZKP для подтверждения правильности рассуждений нейронных сетей для гарантий безопасности на уровне шифрования и гарантировать, что выходные данные ML модель не даст утечку персональных данных пользователя.
2、Лаборатории Модуля
Modulus Labs — один из самых разнообразных проектов в области ZKML. Помимо связанных исследований, он также активно строит парадигмы приложений ИИ в сети. Modulus Labs использует RockyBot (ончейн-торговый робот) и Leela vs. World (международная игра в шахматы, каждый играет против проверенного экземпляра Leela Chess Engine) демонстрирует пример использования zkML. Команда также занялась исследованием, написав «Стоимость интеллекта», в котором оценивается скорость и эффективность различных систем проверки для моделей разных размеров.
3、Человек
Giza — это протокол, который может развертывать модели ИИ в цепочке совершенно ненадежным способом. Используемый стек технологий включает в себя формат ONNX для моделей машинного обучения, Giza Transpiler для преобразования этих моделей в формат программы Cairo, среду выполнения ONNX Cairo для выполнения моделей проверяемым и детерминированным образом, а также развертывание и интеллектуальную модель Giza. контракт, который выполняет модель в цепочке. Giza обычно относится к ончейн-компилятору моделей машинного обучения для доказательств, предоставляя альтернативный путь для развития ончейн-ИИ.
4、Зкапча
Zkaptcha фокусируется на проблеме роботов в Web3, предоставляет сервис капчи (проверочный код) для смарт-контрактов, защищает смарт-контракты от атак роботов и использует доказательства с нулевым разглашением для создания смарт-контрактов, устойчивых к атакам Сивиллы. В настоящее время проект позволяет конечным пользователям генерировать доказательство человеческой работы, вводя капчу, которая проверяется сетевыми валидаторами и доступна через смарт-контракты с помощью нескольких строк кода. В будущем Zkaptcha унаследует zkML, запустит службу кодов подтверждения, аналогичную существующей Web 2, и даже будет анализировать поведение, например движения мыши, чтобы определить, является ли пользователь реальным человеком.
В настоящее время трек zkML все еще находится в зачаточном состоянии, но у нас есть основания полагать, что мощь zkML может обеспечить лучшие перспективы и развитие криптографии, и мы также ожидаем больше продуктов в этой области.Работа ML обеспечивает безопасную и надежной среде, и в будущем, в дополнение к инновациям продуктов, это может также привести к инновациям криптографических бизнес-моделей, потому что в этом диком и анархическом мире Web 3 децентрализация, криптотехнология и доверие являются самыми основными средствами.
Заключение
Укрепление доверия во все более сложном и неопределенном цифровом мире всегда было главной задачей для ИИ и Web3. Однако слияние ИИ с Web3 открывает большие перспективы для построения надежного и безопасного децентрализованного будущего. Для разработчиков, технологов, политиков и общества в целом крайне важно совместно формировать будущее искусственного интеллекта и Web3, и, возможно, мы сможем создать эру интеллектуального Интернета за гранью воображения.
Ссылка
Посмотреть Оригинал
Содержание носит исключительно справочный характер и не является предложением или офертой. Консультации по инвестициям, налогообложению или юридическим вопросам не предоставляются. Более подробную информацию о рисках см. в разделе «Дисклеймер».
ZKML: Лучшее сочетание AI и Web3?
Недавно Nvidia опубликовала отчет о результатах деятельности за первый квартал, в котором выручка составила 7,19 млрд долларов, превысив рыночные ожидания в 6,52 млрд долларов, валовая прибыль — 64,6%, а скорректированная прибыль на акцию — 1,09 доллара по сравнению с рыночными ожиданиями в 0,92 доллара. Поскольку финансовый отчет Nvidia превзошел ожидания, это привело к общему росту акций чипов в США после рынка. Однажды Nvidia выросла на 29,35% после рынка. Цена акций достигла рекордного максимума в 395 долларов США. За один торговый день она взлетела на 184 миллиарда долларов США, а общая рыночная стоимость 3 биткойнов выросла.
Генеральный директор Nvidia Хуан Ренсюнь упомянул в своем финансовом отчете широкие перспективы для приложений ИИ, заявив, что компьютерная индустрия претерпевает две трансформации одновременно — ускоренные вычисления и генеративный ИИ.Предприятия конкурируют за применение генеративного ИИ к различным продуктам, услугам и бизнесу. процессов., установленные в мире центры обработки данных стоимостью в триллион долларов перейдут от вычислений общего назначения к ускоренным вычислениям.
В настоящее время почти все крупнейшие фонды и учреждения, работающие в долларах США, внимательно следят за движением AIGC и быстро создают систему проверки, активно устанавливая координаты голосования, чтобы не опоздать на поезд времени. Соответствующие данные показывают, что в первом квартале 2023 года общий объем финансирования мировой отрасли AIGC достиг 3,811 млрд юаней, в общей сложности было 17 финансирований. Подъем одной торговой точки часто представляет собой упадок другой торговой точки. Постепенно у людей возникали различные сомнения в отношении WEB3: «Весь капитал смотрит на ИИ, регулирование Web3 ужесточается, и нарратив уже не годится», «ИИ выглядит надежнее, чем Web3, и легче производить единорогов».
С самого начала человеческой истории коллективные истории определяли нашу культуру и обогащали наше понимание мира, и важность повествования невозможно переоценить. Сегодня повествование об искусственном интеллекте постепенно набирает популярность и даже проникло в сферу Web3. Некоторые люди в отрасли начали предлагать, что «Web3 без ИИ бездушен», и более половины компаний Web3 начали обращаться к ИИ. Итак, как будут интегрированы AI+Web3? В последнее время стало популярным повествование о ZKML, новой комбинации доказательства с нулевым разглашением и машинного обучения.Как он будет сотрудничать с искусственным интеллектом и Web3 для построения надежного и децентрализованного будущего?
1. ИИ нужен Web3 и наоборот
«Ошибочно думать о криптовалютах и искусственном интеллекте как о несвязанных технологиях, — сказал Майкл Кейси, директор по контенту CoinDesk, — Они дополняют друг друга, улучшая друг друга».
Web3, криптовалюты и блокчейн решают социальную проблему, которая существовала с момента появления Интернета: как сохранить ценную информацию в безопасности в децентрализованной среде. Они решают проблему человеческого доверия к информации с помощью новых систем, использующих распределенные записи и стимулы. Эти системы помогают сообществам недоверчивых незнакомцев коллективно вести открытые записи данных, что позволяет им распространять и делиться ценной или конфиденциальной информацией без посредников.
В настоящее время мы быстро движемся к эре всеобъемлющего искусственного интеллекта, и проблемы, связанные с этой эрой, пугают. Эти проблемы охватывают весь спектр: от защиты авторских прав на ввод больших языковых моделей (LLM) до предотвращения ошибочной предвзятости в их выводах и до нашей нынешней неспособности точно отличить реальный контент от дезинформации, созданной искусственным интеллектом. Не существует простых решений, гарантирующих, что искусственный интеллект не окажет негативного влияния на людей. Ни одно решение не может опираться на устаревшие нормативно-правовые и технологические рамки 20-го века для решения этих проблем. Нам срочно нужна децентрализованная система управления, чтобы решать проблемы производства, проверки и обмена информацией в эту новую эпоху.
Независимо от того, может ли текущий Web3 предоставить требуемые решения, технология блокчейна действительно играет роль в решении этих проблем. Неизменяемые реестры позволяют нам отслеживать происхождение изображений и другого контента, предотвращая дипфейки. Этот метод также можно использовать для проверки целостности наборов данных для продуктов искусственного интеллекта с машинным обучением. Криптовалюты предоставляют безграничный метод цифровых платежей, который можно использовать для вознаграждения людей во всем мире, которые вносят свой вклад в обучение искусственному интеллекту, а такие проекты, как Bittensor, работают над созданием токенизированных сообществ блокчейна и правительства для стимулирования искусственного интеллекта.Умные разработчики создают модели, удобные для человека. . Напротив, системы искусственного интеллекта, принадлежащие частным компаниям, часто ставят интересы акционеров выше интересов пользователей.
Нам еще предстоит пройти долгий путь, прежде чем эти идеи смогут быть реализованы и масштабированы. Нам потребуется интегрировать ряд других технологий, таких как доказательства с нулевым разглашением (ZK), гомоморфное шифрование, безопасные вычисления, цифровая идентификация и децентрализованные учетные данные (DID), IoT и т. д. Кроме того, нам необходимо решить множество проблем, таких как защита конфиденциальности, наказание за плохое поведение, поощрение инновационного интеллекта, ориентированного на человека, и многостороннее законодательное регулирование.
2. Как ZKML строит мост между ИИ и блокчейном
В последнее время широко обсуждается ZKML, появляющаяся комбинация доказательств с нулевым разглашением и машинного обучения. В настоящее время развертывание машинного обучения (ML) становится все более сложным. Многие предприятия в основном полагаются на поставщиков услуг, таких как Amazon, Google и Microsoft, для развертывания сложных моделей машинного обучения. Однако эти услуги становится все труднее проверять и понимать. Как мы, потребители услуг ИИ, можем доверять достоверности прогнозов, предоставляемых этими моделями?
Являясь связующим звеном между искусственным интеллектом и блокчейном, ZKML решает проблему защиты конфиденциальности моделей и входных данных ИИ, обеспечивая при этом возможность проверки процесса рассуждений. Он предоставляет решение, позволяющее использовать общедоступные модели при проверке частных данных или общедоступные данные при проверке частных моделей. Добавляя возможности машинного обучения, смарт-контракты могут стать более автономными и динамичными, позволяя им обрабатываться на основе данных в сети в реальном времени, а не статических правил. Таким образом, смарт-контракты станут более гибкими и смогут адаптироваться к большему количеству сценариев, даже тех, которые, возможно, не предполагались при первоначальном создании контракта.
В настоящее время одной из трудностей широкого внедрения алгоритмов машинного обучения на блокчейне является их высокая вычислительная стоимость. Запуск этих моделей в сети становится проблемой, поскольку операции с плавающей запятой на уровне миллионов не могут выполняться непосредственно на виртуальной машине Ethereum (EVM). Кроме того, проблемой является и вопрос доверия к моделям машинного обучения, поскольку параметры и наборы входных данных моделей, как правило, закрыты, а алгоритм и процесс работы модели подобен непрозрачному «черному ящику», который может заставить владельца модели и модель использовать вопросы доверия между участниками. Однако с помощью технологии ZKML мы можем решить эти проблемы. ZKML позволяет любому запускать модель вне сети и генерировать краткие и поддающиеся проверке доказательства того, что модель действительно дала определенный результат. Это доказательство может быть опубликовано в сети и проверено с помощью смарт-контрактов. Это означает, что пользователи модели могут проверять результаты модели, не зная конкретных параметров и рабочих деталей модели, тем самым решая проблему доверия.
На приведенной выше диаграмме мы видим, что технология ZKML обладает характеристиками вычислительной целостности, эвристической оптимизации и защиты конфиденциальности. Эта технология имеет широкие перспективы применения в сфере Web3 и быстро развивается. Все больше и больше команд и отдельных лиц присоединяются к этой области, способствуя развитию различных проектов ZKML с большим потенциалом.
3. Анализ проекта ZKML
Ниже приведены некоторые потенциальные проекты ZKML.
1、Worldcoin
Worldcoin применяет ZKML в попытке создать протокол подтверждения личности, сохраняющий конфиденциальность. Пользователи World ID смогут самостоятельно хранить свои биометрические данные (например, ирисы) в зашифрованном хранилище на своем мобильном устройстве, загружать модель ML, используемую для генерации IrisCode, и создавать локально доказательство с нулевым разглашением, что принимающий смарт-контракт может доказать их IrisCode успешно создан.
Затем его можно использовать для выполнения полезных операций, таких как аутентификация членства и голосование. В настоящее время они используют доверенную среду выполнения с безопасным анклавом для проверки подписанных камерой сканов радужной оболочки глаза, но их конечная цель — использовать ZKP для подтверждения правильности рассуждений нейронных сетей для гарантий безопасности на уровне шифрования и гарантировать, что выходные данные ML модель не даст утечку персональных данных пользователя.
2、Лаборатории Модуля
Modulus Labs — один из самых разнообразных проектов в области ZKML. Помимо связанных исследований, он также активно строит парадигмы приложений ИИ в сети. Modulus Labs использует RockyBot (ончейн-торговый робот) и Leela vs. World (международная игра в шахматы, каждый играет против проверенного экземпляра Leela Chess Engine) демонстрирует пример использования zkML. Команда также занялась исследованием, написав «Стоимость интеллекта», в котором оценивается скорость и эффективность различных систем проверки для моделей разных размеров.
3、Человек
Giza — это протокол, который может развертывать модели ИИ в цепочке совершенно ненадежным способом. Используемый стек технологий включает в себя формат ONNX для моделей машинного обучения, Giza Transpiler для преобразования этих моделей в формат программы Cairo, среду выполнения ONNX Cairo для выполнения моделей проверяемым и детерминированным образом, а также развертывание и интеллектуальную модель Giza. контракт, который выполняет модель в цепочке. Giza обычно относится к ончейн-компилятору моделей машинного обучения для доказательств, предоставляя альтернативный путь для развития ончейн-ИИ.
4、Зкапча
Zkaptcha фокусируется на проблеме роботов в Web3, предоставляет сервис капчи (проверочный код) для смарт-контрактов, защищает смарт-контракты от атак роботов и использует доказательства с нулевым разглашением для создания смарт-контрактов, устойчивых к атакам Сивиллы. В настоящее время проект позволяет конечным пользователям генерировать доказательство человеческой работы, вводя капчу, которая проверяется сетевыми валидаторами и доступна через смарт-контракты с помощью нескольких строк кода. В будущем Zkaptcha унаследует zkML, запустит службу кодов подтверждения, аналогичную существующей Web 2, и даже будет анализировать поведение, например движения мыши, чтобы определить, является ли пользователь реальным человеком.
В настоящее время трек zkML все еще находится в зачаточном состоянии, но у нас есть основания полагать, что мощь zkML может обеспечить лучшие перспективы и развитие криптографии, и мы также ожидаем больше продуктов в этой области.Работа ML обеспечивает безопасную и надежной среде, и в будущем, в дополнение к инновациям продуктов, это может также привести к инновациям криптографических бизнес-моделей, потому что в этом диком и анархическом мире Web 3 децентрализация, криптотехнология и доверие являются самыми основными средствами.
Заключение
Укрепление доверия во все более сложном и неопределенном цифровом мире всегда было главной задачей для ИИ и Web3. Однако слияние ИИ с Web3 открывает большие перспективы для построения надежного и безопасного децентрализованного будущего. Для разработчиков, технологов, политиков и общества в целом крайне важно совместно формировать будущее искусственного интеллекта и Web3, и, возможно, мы сможем создать эру интеллектуального Интернета за гранью воображения.
Ссылка