Son zamanlarda Nvidia, 7,19 milyar dolarlık gelirle, 6,52 milyar dolarlık piyasa beklentilerini, %64,6 brüt kar marjını ve 0,92 dolarlık piyasa beklentilerine kıyasla 1,09 dolarlık düzeltilmiş hisse başına kazançla ilk çeyrek performans raporunu yayınladı. Nvidia'nın mali raporu beklentileri aştığı için, piyasadan sonra ABD çip stoklarında toplu bir artışa yol açtı. Nvidia bir kez piyasadan sonra %29.35 yükseldi. Hisse senedi fiyatı 395 ABD doları gibi rekor bir seviyeye ulaştı. Bir işlem gününde, 184 milyar ABD doları ve toplam piyasa değeri 3 bitcoin yükseldi.
Nvidia CEO'su Huang Renxun, mali raporunda yapay zeka uygulamalarının geniş beklentilerinden bahsetti ve bilgisayar endüstrisinin aynı anda iki dönüşümden geçtiğini söyledi: hızlandırılmış bilgi işlem ve üretken yapay zeka. , dünyanın trilyon dolarlık kurulu veri merkezleri, genel amaçlı bilgi işlemden hızlandırılmış bilgi işleme dönüşecek.
Şu anda, önde gelen ABD doları fonlarının ve kurumlarının neredeyse tamamı AIGC yolunu yakından izliyor ve zamana giden treni kaçırmasınlar diye aktif olarak oylama koordinatları oluşturarak hızlı bir şekilde bir tarama sistemi kuruyor. İlgili veriler, 2023'ün ilk çeyreğinde küresel AIGC endüstrisinin toplam finansmanının toplam 17 finansmanla 3.811 milyar yuan'a ulaştığını gösteriyor. Bir çıkışın yükselişi genellikle başka bir çıkışın düşüşünü temsil eder. İnsanlar yavaş yavaş WEB3 hakkında çeşitli şüpheler uyandırdı: "Tüm sermaye yapay zekaya bakıyor, Web3 düzenlemesi sıkılaştırıldı ve anlatı artık iyi değil", "Yapay zeka Web3'ten daha güvenilir görünüyor ve tek boynuzlu at üretmek daha kolay."
İnsanlık tarihinin başlangıcından bu yana, toplu hikayeler kültürümüzü tanımladı ve dünya anlayışımızı zenginleştirdi ve anlatının önemi ne kadar abartılamaz. Günümüzde yapay zeka anlatısı giderek popülerlik kazanıyor ve hatta Web3 alanına bile sızdı. Sektördeki bazı insanlar "Yapay zekasız Web3 ruhsuzdur" önermeye başladı ve Web3 şirketlerinin yarısından fazlası yapay zekaya yönelmeye başladı. Peki AI+Web3 nasıl entegre edilecek? Son zamanlarda, sıfır bilgi kanıtı ve makine öğreniminin gelişmekte olan bir kombinasyonu olan ZKML anlatısı popüler hale geldi. Güvenilir ve merkezi olmayan bir gelecek inşa etmek için yapay zeka ve Web3 ile nasıl işbirliği yapacak?
1. Yapay zekanın Web3'e ihtiyacı vardır ve bunun tersi de geçerlidir
CoinDesk'in içerikten sorumlu başkanı Michael Casey, "Kripto para birimleri ile yapay zekayı ilgisiz teknolojiler olarak düşünmek bir hata. İkisi birbirini tamamlıyor ve birbirini geliştiriyor."
Web3, kripto para birimleri ve blockchain, İnternetin başlangıcından beri var olan toplumsal bir sorunu çözüyor: merkezi olmayan bir ortamda değerli bilgilerin nasıl güvende tutulacağı. Dağıtılmış kayıtlar ve teşvikler kullanan yeni sistemler aracılığıyla bilgiye duyulan insan güveni sorununu ele alıyorlar. Bu sistemler, güvensiz yabancılardan oluşan toplulukların toplu olarak açık veri kayıtları tutmasına yardımcı olarak, değerli veya hassas bilgileri aracılar olmadan dağıtmalarına ve paylaşmalarına olanak tanır.
Şu anda, kapsamlı yapay zeka çağına doğru hızla ilerliyoruz ve bu çağın getirdiği zorluklar göz korkutucu. Bu zorluklar, büyük dil modellerinin (LLM'ler) girdilerindeki telif hakkını korumaktan, çıktılarında hatalı önyargılardan kaçınmaya ve gerçek içeriği yapay zekanın yarattığı dezenformasyondan doğru bir şekilde ayırt edemememize kadar uzanan geniş bir gamı yönetir. İnsanların yapay zekadan olumsuz etkilenmemesini sağlamanın kolay bir çözümü yok. Hiçbir çözüm, bu sorunları çözmek için 20. yüzyılın modası geçmiş düzenleyici ve teknolojik çerçevelerine güvenemez. Bu yeni çağda bilginin nasıl üretileceği, doğrulanacağı ve paylaşılacağı konusundaki zorlukların üstesinden gelmek için acilen merkezi olmayan bir yönetişim sistemine ihtiyacımız var.
Mevcut Web3'ün gerekli çözümleri sağlayıp sağlayamayacağına bakılmaksızın, blockchain teknolojisi bu sorunların çözülmesinde rol oynar. Değiştirilemez defterler, derin sahtekarlıkları önleyerek görüntülerin ve diğer içeriklerin kaynağının izini sürmemize olanak tanır. Bu teknik, makine öğrenimi yapay zeka ürünleri için veri kümelerinin bütünlüğünü doğrulamak için de kullanılabilir. Kripto para birimleri, yapay zeka eğitimine katkıda bulunan dünyanın dört bir yanındaki insanları ödüllendirmek için kullanılabilecek sınırsız bir dijital ödeme yöntemi sağlar ve Bittensor gibi projeler, yapay zekayı teşvik etmek için tokenize edilmiş blok zinciri-hükümet toplulukları oluşturmak için çalışır. . Buna karşılık, özel şirketlere ait AI sistemleri, genellikle hissedar çıkarlarını kullanıcı çıkarlarının üzerinde tutar.
Bu fikirlerin gerçekleştirilebilmesi ve ölçeklenebilmesi için daha gidecek çok yolumuz var. Sıfır Bilgi Kanıtları (ZK), Homomorfik Şifreleme, Güvenli Bilgi İşlem, Dijital Kimlik ve Merkezi Olmayan Kimlik Bilgileri (DID), IoT vb. gibi bir dizi başka teknolojiyi entegre etmemiz gerekecek. Ayrıca mahremiyetin korunması, kötü davranışın cezalandırılması, insan merkezli yenilikçi zekanın teşvik edilmesi ve çok taraflı yasal düzenleme gibi birçok zorluğu da ele almamız gerekiyor.
2. ZKML, AI ve blockchain arasında nasıl bir köprü kurar?
Son zamanlarda, sıfır bilgi kanıtları ve makine öğreniminin gelişmekte olan bir kombinasyonu olan ZKML, geniş çapta tartışıldı. Şu anda, makine öğreniminin (ML) konuşlandırılması giderek daha karmaşık hale geliyor. Çoğu kuruluş, karmaşık makine öğrenimi modellerini dağıtmak için çoğunlukla Amazon, Google ve Microsoft gibi hizmet sağlayıcılara güvenir. Ancak, bu hizmetleri denetlemek ve anlamak giderek daha zor hale geliyor. Yapay zeka hizmetlerinin tüketicileri olarak, bu modellerin sağladığı tahminlerin geçerliliğine nasıl güvenebiliriz?
Yapay zeka ile blockchain arasında bir köprü görevi gören ZKML, akıl yürütme sürecinin doğrulanabilirliğini sağlarken yapay zeka modellerinin ve girdilerinin gizliliği koruma sorununu çözer. Özel verileri doğrularken genel modellerin kullanılmasını veya özel modelleri doğrularken genel verilerin kullanılmasını mümkün kılan bir çözüm sunar. Akıllı sözleşmeler, makine öğrenimi yetenekleri eklenerek daha otonom ve dinamik hale gelebilir ve statik kurallar yerine gerçek zamanlı zincir üstü verilere dayalı olarak işlenmelerine olanak tanır. Bu şekilde, akıllı sözleşmeler daha esnek olacak ve daha fazla senaryoya, hatta sözleşme ilk oluşturulduğunda beklenmeyen senaryolara bile uyum sağlayabilecektir.
Şu anda, blok zincirinde makine öğrenimi algoritmalarının yaygın olarak benimsenmesiyle ilgili zorluklardan biri, yüksek hesaplama maliyetleridir. Milyon düzeyindeki kayan nokta işlemleri doğrudan Ethereum Sanal Makinesi'nde (EVM) gerçekleştirilemediğinden, bu modelleri zincir üzerinde çalıştırmak zor hale gelir. Ek olarak, makine öğrenimi modellerinde güven konusu da bir engeldir, çünkü modellerin parametreleri ve girdi veri kümeleri genellikle özeldir ve modelin algoritması ve çalışma süreci opak bir "kara kutu" gibidir. katılımcılar arasında güven sorunlarını tetikler. Ancak ZKML teknolojisi ile bu sorunların üstesinden gelebiliriz. ZKML, herkesin zincir dışı bir model çalıştırmasına ve modelin belirli bir sonuç ürettiğine dair kısa ve öz ve doğrulanabilir bir kanıt oluşturmasına izin verir. Bu kanıt, zincir üzerinde yayınlanabilir ve akıllı sözleşmelerle doğrulanabilir. Bu, model kullanıcılarının, modelin belirli parametrelerini ve çalışma ayrıntılarını bilmeden modelin sonuçlarını doğrulayabileceği ve böylece güven sorununu çözebileceği anlamına gelir.
Yukarıdaki tablo aracılığıyla, ZKML teknolojisinin hesaplama bütünlüğü, buluşsal optimizasyon ve gizlilik koruması özelliklerine sahip olduğunu görebiliriz. Bu teknolojinin Web3 alanında geniş uygulama beklentileri vardır ve hızla gelişmektedir. Giderek daha fazla ekip ve birey bu alana katılarak büyük potansiyele sahip çeşitli ZKML projelerinin geliştirilmesini teşvik etmektedir.
3. ZKML proje analizi
Aşağıda bazı potansiyel ZKML projeleri bulunmaktadır.
1、Worldcoin
Worldcoin, gizliliği koruyan bir kişilik kanıtı protokolü oluşturmak amacıyla ZKML uyguluyor. World ID kullanıcıları, mobil cihazlarındaki şifreli depolamada biyometrilerini (irisler gibi) kendi kendine saklayabilecek, IrisCode'u oluşturmak için kullanılan ML modelini indirebilecek ve yerel olarak alıcı akıllı sözleşmenin kanıtlayabileceği sıfır bilgili bir kanıt oluşturabilecektir. IrisCode başarılı bir şekilde oluşturuldu.
Daha sonra üyelik doğrulama ve oylama gibi yararlı işlemleri gerçekleştirmek için kullanılabilir. Şu anda kamera imzalı iris taramalarını doğrulamak için güvenli bir yerleşime sahip güvenilir bir çalışma zamanı ortamı kullanıyorlar, ancak nihai hedefleri, şifreleme düzeyinde güvenlik garantileri için sinir ağlarının doğru muhakemesini kanıtlamak için ZKP'leri kullanmak ve makine öğreniminin çıktısının doğru olduğunu garanti etmektir. model, kullanıcının kişisel verilerine sızmaz.
2、Modulus Laboratuvarları
Modulus Labs, ZKML alanındaki en çeşitli projelerden biridir. İlgili araştırmayı taahhüt ederken, aynı zamanda aktif olarak zincir üzerinde AI uygulama paradigmaları inşa etmektedir. Modulus Labs, RockyBot (zincir üzerinde ticaret robotu) ve Leela vs. the World ( uluslararası bir Satranç Oyunu, Herkes Kanıtlanmış bir Leela Satranç Motoru örneğine Karşı Oynuyor), zkML için bir kullanım örneği gösteriyor. Ekip ayrıca, farklı boyutlardaki modeller için çeşitli doğrulama sistemlerinin hızını ve verimliliğini kıyaslayan The Cost of Intelligence'ı yazarak araştırma yapmaya cesaret etti.
3、İnsan
Giza, yapay zeka modellerini zincir üzerinde tamamen güvenilir bir şekilde dağıtabilen bir protokoldür. Kullandığı teknoloji yığını, makine öğrenimi modelleri için ONNX formatını, bu modelleri Kahire program formatına dönüştürmek için Giza Transpiler'ı, modelleri doğrulanabilir ve deterministik bir şekilde yürütmek için ONNX Cairo Runtime'ı ve akıllı dağıtım And Giza Modelini içerir. modeli zincir üzerinde yürüten sözleşme. Giza genellikle makine öğrenimi modellerinin zincir üstü derleyicisine aittir ve zincir üstü yapay zekanın geliştirilmesi için alternatif bir yol sağlar.
4、Zkaptcha
Zkaptcha, Web3'teki robot sorununa odaklanır, akıllı sözleşmeler için captcha (doğrulama kodu) hizmeti sağlar, akıllı sözleşmeleri robot saldırılarından korur ve Sybil saldırılarına dayanıklı akıllı sözleşmeler oluşturmak için sıfır bilgi kanıtlarını kullanır. Şu anda proje, son kullanıcıların, zincir üzerinde doğrulayıcılar tarafından doğrulanan ve birkaç satır kod içeren akıllı sözleşmelerle erişilen bir captcha'yı tamamlayarak insan emeğinin bir kanıtını oluşturmasını sağlıyor. Gelecekte Zkaptcha, zkML'yi devralacak, mevcut Web 2'ye benzer bir doğrulama kodu hizmeti başlatacak ve hatta kullanıcının gerçek bir kişi olup olmadığını belirlemek için fare hareketleri gibi davranışları analiz edecek.
Şu anda, zkML yolu henüz emekleme aşamasında, ancak zkML'nin gücünün kriptoya daha iyi beklentiler ve gelişim getirebileceğine inanmak için nedenlerimiz var ve ayrıca bu alanda daha fazla ürün bekliyoruz. güvenilir ortam ve gelecekte, ürün yeniliğine ek olarak, kripto iş modellerinin yeniliğine de yol açabilir, çünkü bu vahşi ve anarşik Web 3 dünyasında, ademi merkeziyetçilik, kripto teknolojisi ve Güven en temel tesistir.
Çözüm
Giderek daha karmaşık ve belirsiz bir dijital dünyada güven oluşturmak, AI ve Web3 için her zaman merkezi bir zorluk olmuştur. Bununla birlikte, AI'yı Web3 ile birleştirmek, güvenilir, güvenli, merkezi olmayan bir gelecek inşa etmek için büyük umut vaat ediyor. Geliştiriciler, teknoloji uzmanları, politika yapıcılar ve genel olarak toplum için yapay zekanın ve Web3'ün geleceğini ortaklaşa şekillendirmek çok önemlidir ve hayal gücünün ötesinde bir akıllı İnternet çağı yaratabiliriz.
Referans
View Original
The content is for reference only, not a solicitation or offer. No investment, tax, or legal advice provided. See Disclaimer for more risks disclosure.
ZKML: AI ve Web3'ün en iyi kombinasyonu?
Son zamanlarda Nvidia, 7,19 milyar dolarlık gelirle, 6,52 milyar dolarlık piyasa beklentilerini, %64,6 brüt kar marjını ve 0,92 dolarlık piyasa beklentilerine kıyasla 1,09 dolarlık düzeltilmiş hisse başına kazançla ilk çeyrek performans raporunu yayınladı. Nvidia'nın mali raporu beklentileri aştığı için, piyasadan sonra ABD çip stoklarında toplu bir artışa yol açtı. Nvidia bir kez piyasadan sonra %29.35 yükseldi. Hisse senedi fiyatı 395 ABD doları gibi rekor bir seviyeye ulaştı. Bir işlem gününde, 184 milyar ABD doları ve toplam piyasa değeri 3 bitcoin yükseldi.
Nvidia CEO'su Huang Renxun, mali raporunda yapay zeka uygulamalarının geniş beklentilerinden bahsetti ve bilgisayar endüstrisinin aynı anda iki dönüşümden geçtiğini söyledi: hızlandırılmış bilgi işlem ve üretken yapay zeka. , dünyanın trilyon dolarlık kurulu veri merkezleri, genel amaçlı bilgi işlemden hızlandırılmış bilgi işleme dönüşecek.
Şu anda, önde gelen ABD doları fonlarının ve kurumlarının neredeyse tamamı AIGC yolunu yakından izliyor ve zamana giden treni kaçırmasınlar diye aktif olarak oylama koordinatları oluşturarak hızlı bir şekilde bir tarama sistemi kuruyor. İlgili veriler, 2023'ün ilk çeyreğinde küresel AIGC endüstrisinin toplam finansmanının toplam 17 finansmanla 3.811 milyar yuan'a ulaştığını gösteriyor. Bir çıkışın yükselişi genellikle başka bir çıkışın düşüşünü temsil eder. İnsanlar yavaş yavaş WEB3 hakkında çeşitli şüpheler uyandırdı: "Tüm sermaye yapay zekaya bakıyor, Web3 düzenlemesi sıkılaştırıldı ve anlatı artık iyi değil", "Yapay zeka Web3'ten daha güvenilir görünüyor ve tek boynuzlu at üretmek daha kolay."
İnsanlık tarihinin başlangıcından bu yana, toplu hikayeler kültürümüzü tanımladı ve dünya anlayışımızı zenginleştirdi ve anlatının önemi ne kadar abartılamaz. Günümüzde yapay zeka anlatısı giderek popülerlik kazanıyor ve hatta Web3 alanına bile sızdı. Sektördeki bazı insanlar "Yapay zekasız Web3 ruhsuzdur" önermeye başladı ve Web3 şirketlerinin yarısından fazlası yapay zekaya yönelmeye başladı. Peki AI+Web3 nasıl entegre edilecek? Son zamanlarda, sıfır bilgi kanıtı ve makine öğreniminin gelişmekte olan bir kombinasyonu olan ZKML anlatısı popüler hale geldi. Güvenilir ve merkezi olmayan bir gelecek inşa etmek için yapay zeka ve Web3 ile nasıl işbirliği yapacak?
1. Yapay zekanın Web3'e ihtiyacı vardır ve bunun tersi de geçerlidir
CoinDesk'in içerikten sorumlu başkanı Michael Casey, "Kripto para birimleri ile yapay zekayı ilgisiz teknolojiler olarak düşünmek bir hata. İkisi birbirini tamamlıyor ve birbirini geliştiriyor."
Web3, kripto para birimleri ve blockchain, İnternetin başlangıcından beri var olan toplumsal bir sorunu çözüyor: merkezi olmayan bir ortamda değerli bilgilerin nasıl güvende tutulacağı. Dağıtılmış kayıtlar ve teşvikler kullanan yeni sistemler aracılığıyla bilgiye duyulan insan güveni sorununu ele alıyorlar. Bu sistemler, güvensiz yabancılardan oluşan toplulukların toplu olarak açık veri kayıtları tutmasına yardımcı olarak, değerli veya hassas bilgileri aracılar olmadan dağıtmalarına ve paylaşmalarına olanak tanır.
Şu anda, kapsamlı yapay zeka çağına doğru hızla ilerliyoruz ve bu çağın getirdiği zorluklar göz korkutucu. Bu zorluklar, büyük dil modellerinin (LLM'ler) girdilerindeki telif hakkını korumaktan, çıktılarında hatalı önyargılardan kaçınmaya ve gerçek içeriği yapay zekanın yarattığı dezenformasyondan doğru bir şekilde ayırt edemememize kadar uzanan geniş bir gamı yönetir. İnsanların yapay zekadan olumsuz etkilenmemesini sağlamanın kolay bir çözümü yok. Hiçbir çözüm, bu sorunları çözmek için 20. yüzyılın modası geçmiş düzenleyici ve teknolojik çerçevelerine güvenemez. Bu yeni çağda bilginin nasıl üretileceği, doğrulanacağı ve paylaşılacağı konusundaki zorlukların üstesinden gelmek için acilen merkezi olmayan bir yönetişim sistemine ihtiyacımız var.
Mevcut Web3'ün gerekli çözümleri sağlayıp sağlayamayacağına bakılmaksızın, blockchain teknolojisi bu sorunların çözülmesinde rol oynar. Değiştirilemez defterler, derin sahtekarlıkları önleyerek görüntülerin ve diğer içeriklerin kaynağının izini sürmemize olanak tanır. Bu teknik, makine öğrenimi yapay zeka ürünleri için veri kümelerinin bütünlüğünü doğrulamak için de kullanılabilir. Kripto para birimleri, yapay zeka eğitimine katkıda bulunan dünyanın dört bir yanındaki insanları ödüllendirmek için kullanılabilecek sınırsız bir dijital ödeme yöntemi sağlar ve Bittensor gibi projeler, yapay zekayı teşvik etmek için tokenize edilmiş blok zinciri-hükümet toplulukları oluşturmak için çalışır. . Buna karşılık, özel şirketlere ait AI sistemleri, genellikle hissedar çıkarlarını kullanıcı çıkarlarının üzerinde tutar.
Bu fikirlerin gerçekleştirilebilmesi ve ölçeklenebilmesi için daha gidecek çok yolumuz var. Sıfır Bilgi Kanıtları (ZK), Homomorfik Şifreleme, Güvenli Bilgi İşlem, Dijital Kimlik ve Merkezi Olmayan Kimlik Bilgileri (DID), IoT vb. gibi bir dizi başka teknolojiyi entegre etmemiz gerekecek. Ayrıca mahremiyetin korunması, kötü davranışın cezalandırılması, insan merkezli yenilikçi zekanın teşvik edilmesi ve çok taraflı yasal düzenleme gibi birçok zorluğu da ele almamız gerekiyor.
2. ZKML, AI ve blockchain arasında nasıl bir köprü kurar?
Son zamanlarda, sıfır bilgi kanıtları ve makine öğreniminin gelişmekte olan bir kombinasyonu olan ZKML, geniş çapta tartışıldı. Şu anda, makine öğreniminin (ML) konuşlandırılması giderek daha karmaşık hale geliyor. Çoğu kuruluş, karmaşık makine öğrenimi modellerini dağıtmak için çoğunlukla Amazon, Google ve Microsoft gibi hizmet sağlayıcılara güvenir. Ancak, bu hizmetleri denetlemek ve anlamak giderek daha zor hale geliyor. Yapay zeka hizmetlerinin tüketicileri olarak, bu modellerin sağladığı tahminlerin geçerliliğine nasıl güvenebiliriz?
Yapay zeka ile blockchain arasında bir köprü görevi gören ZKML, akıl yürütme sürecinin doğrulanabilirliğini sağlarken yapay zeka modellerinin ve girdilerinin gizliliği koruma sorununu çözer. Özel verileri doğrularken genel modellerin kullanılmasını veya özel modelleri doğrularken genel verilerin kullanılmasını mümkün kılan bir çözüm sunar. Akıllı sözleşmeler, makine öğrenimi yetenekleri eklenerek daha otonom ve dinamik hale gelebilir ve statik kurallar yerine gerçek zamanlı zincir üstü verilere dayalı olarak işlenmelerine olanak tanır. Bu şekilde, akıllı sözleşmeler daha esnek olacak ve daha fazla senaryoya, hatta sözleşme ilk oluşturulduğunda beklenmeyen senaryolara bile uyum sağlayabilecektir.
Şu anda, blok zincirinde makine öğrenimi algoritmalarının yaygın olarak benimsenmesiyle ilgili zorluklardan biri, yüksek hesaplama maliyetleridir. Milyon düzeyindeki kayan nokta işlemleri doğrudan Ethereum Sanal Makinesi'nde (EVM) gerçekleştirilemediğinden, bu modelleri zincir üzerinde çalıştırmak zor hale gelir. Ek olarak, makine öğrenimi modellerinde güven konusu da bir engeldir, çünkü modellerin parametreleri ve girdi veri kümeleri genellikle özeldir ve modelin algoritması ve çalışma süreci opak bir "kara kutu" gibidir. katılımcılar arasında güven sorunlarını tetikler. Ancak ZKML teknolojisi ile bu sorunların üstesinden gelebiliriz. ZKML, herkesin zincir dışı bir model çalıştırmasına ve modelin belirli bir sonuç ürettiğine dair kısa ve öz ve doğrulanabilir bir kanıt oluşturmasına izin verir. Bu kanıt, zincir üzerinde yayınlanabilir ve akıllı sözleşmelerle doğrulanabilir. Bu, model kullanıcılarının, modelin belirli parametrelerini ve çalışma ayrıntılarını bilmeden modelin sonuçlarını doğrulayabileceği ve böylece güven sorununu çözebileceği anlamına gelir.
Yukarıdaki tablo aracılığıyla, ZKML teknolojisinin hesaplama bütünlüğü, buluşsal optimizasyon ve gizlilik koruması özelliklerine sahip olduğunu görebiliriz. Bu teknolojinin Web3 alanında geniş uygulama beklentileri vardır ve hızla gelişmektedir. Giderek daha fazla ekip ve birey bu alana katılarak büyük potansiyele sahip çeşitli ZKML projelerinin geliştirilmesini teşvik etmektedir.
3. ZKML proje analizi
Aşağıda bazı potansiyel ZKML projeleri bulunmaktadır.
1、Worldcoin
Worldcoin, gizliliği koruyan bir kişilik kanıtı protokolü oluşturmak amacıyla ZKML uyguluyor. World ID kullanıcıları, mobil cihazlarındaki şifreli depolamada biyometrilerini (irisler gibi) kendi kendine saklayabilecek, IrisCode'u oluşturmak için kullanılan ML modelini indirebilecek ve yerel olarak alıcı akıllı sözleşmenin kanıtlayabileceği sıfır bilgili bir kanıt oluşturabilecektir. IrisCode başarılı bir şekilde oluşturuldu.
Daha sonra üyelik doğrulama ve oylama gibi yararlı işlemleri gerçekleştirmek için kullanılabilir. Şu anda kamera imzalı iris taramalarını doğrulamak için güvenli bir yerleşime sahip güvenilir bir çalışma zamanı ortamı kullanıyorlar, ancak nihai hedefleri, şifreleme düzeyinde güvenlik garantileri için sinir ağlarının doğru muhakemesini kanıtlamak için ZKP'leri kullanmak ve makine öğreniminin çıktısının doğru olduğunu garanti etmektir. model, kullanıcının kişisel verilerine sızmaz.
2、Modulus Laboratuvarları
Modulus Labs, ZKML alanındaki en çeşitli projelerden biridir. İlgili araştırmayı taahhüt ederken, aynı zamanda aktif olarak zincir üzerinde AI uygulama paradigmaları inşa etmektedir. Modulus Labs, RockyBot (zincir üzerinde ticaret robotu) ve Leela vs. the World ( uluslararası bir Satranç Oyunu, Herkes Kanıtlanmış bir Leela Satranç Motoru örneğine Karşı Oynuyor), zkML için bir kullanım örneği gösteriyor. Ekip ayrıca, farklı boyutlardaki modeller için çeşitli doğrulama sistemlerinin hızını ve verimliliğini kıyaslayan The Cost of Intelligence'ı yazarak araştırma yapmaya cesaret etti.
3、İnsan
Giza, yapay zeka modellerini zincir üzerinde tamamen güvenilir bir şekilde dağıtabilen bir protokoldür. Kullandığı teknoloji yığını, makine öğrenimi modelleri için ONNX formatını, bu modelleri Kahire program formatına dönüştürmek için Giza Transpiler'ı, modelleri doğrulanabilir ve deterministik bir şekilde yürütmek için ONNX Cairo Runtime'ı ve akıllı dağıtım And Giza Modelini içerir. modeli zincir üzerinde yürüten sözleşme. Giza genellikle makine öğrenimi modellerinin zincir üstü derleyicisine aittir ve zincir üstü yapay zekanın geliştirilmesi için alternatif bir yol sağlar.
4、Zkaptcha
Zkaptcha, Web3'teki robot sorununa odaklanır, akıllı sözleşmeler için captcha (doğrulama kodu) hizmeti sağlar, akıllı sözleşmeleri robot saldırılarından korur ve Sybil saldırılarına dayanıklı akıllı sözleşmeler oluşturmak için sıfır bilgi kanıtlarını kullanır. Şu anda proje, son kullanıcıların, zincir üzerinde doğrulayıcılar tarafından doğrulanan ve birkaç satır kod içeren akıllı sözleşmelerle erişilen bir captcha'yı tamamlayarak insan emeğinin bir kanıtını oluşturmasını sağlıyor. Gelecekte Zkaptcha, zkML'yi devralacak, mevcut Web 2'ye benzer bir doğrulama kodu hizmeti başlatacak ve hatta kullanıcının gerçek bir kişi olup olmadığını belirlemek için fare hareketleri gibi davranışları analiz edecek.
Şu anda, zkML yolu henüz emekleme aşamasında, ancak zkML'nin gücünün kriptoya daha iyi beklentiler ve gelişim getirebileceğine inanmak için nedenlerimiz var ve ayrıca bu alanda daha fazla ürün bekliyoruz. güvenilir ortam ve gelecekte, ürün yeniliğine ek olarak, kripto iş modellerinin yeniliğine de yol açabilir, çünkü bu vahşi ve anarşik Web 3 dünyasında, ademi merkeziyetçilik, kripto teknolojisi ve Güven en temel tesistir.
Çözüm
Giderek daha karmaşık ve belirsiz bir dijital dünyada güven oluşturmak, AI ve Web3 için her zaman merkezi bir zorluk olmuştur. Bununla birlikte, AI'yı Web3 ile birleştirmek, güvenilir, güvenli, merkezi olmayan bir gelecek inşa etmek için büyük umut vaat ediyor. Geliştiriciler, teknoloji uzmanları, politika yapıcılar ve genel olarak toplum için yapay zekanın ve Web3'ün geleceğini ortaklaşa şekillendirmek çok önemlidir ve hayal gücünün ötesinde bir akıllı İnternet çağı yaratabiliriz.
Referans