تطبق معامل Modulus الذكاء الاصطناعي الذي يمكن التحقق منه عن طريق تنفيذ حسابات ML خارج السلسلة وإنشاء zkp بمرونة. تعيد هذه المقالة نشر هذا الحل من منظور التطبيق وتحلل السيناريوهات التي تكون هناك حاجة ماسة إليها، وفي أي السيناريوهات يكون الطلب ضعيفًا، وفي النهاية يؤخر الحل الأفقي التطوير والنموذج البيئي الموحد عموديًا للذكاء الاصطناعي استنادًا إلى السلسلة العامة والمحتويات الرئيسية هي:
ما إذا كان أساس الذكاء الاصطناعي قابلاً للتحقق: ما إذا كانت البيانات الموجودة على السلسلة قد تم تعديلها، وما إذا كانت العدالة والخصوصية متضمنة
عندما لا يؤثر الذكاء الاصطناعي على حالة السلسلة، يمكن للذكاء الاصطناعي أن يعمل كمقترح، ويمكن للأشخاص الحكم على جودة خدمات الذكاء الاصطناعي من خلال التأثيرات الفعلية دون التحقق من عملية الحساب.
عند التأثير على الحالة على السلسلة، إذا كانت الخدمة تستهدف الأفراد وتؤثر على خصوصية معينة، فلا يزال بإمكان المستخدمين الحكم بشكل مباشر على عملية حساب استخراج وفحص جودة خدمة الذكاء الاصطناعي.
عندما تؤثر مخرجات الذكاء الاصطناعي على العدالة والخصوصية الشخصية بين عدة أشخاص، مثل استخدام الذكاء الاصطناعي لتقييم وتوزيع المكافآت على أفراد المجتمع، أو استخدام الذكاء الاصطناعي لتحسين AMM، أو إشراك البيانات البيولوجية، فسوف تحتاج إلى مراجعة حساب الذكاء الاصطناعي: هذا يمكنك التحقق من المكان الذي قد يكون الذكاء الاصطناعي قد عثر فيه على PMF.
النظام البيئي لتطبيقات الذكاء الاصطناعي العمودي: نظرًا لأن ذيل الذكاء الاصطناعي الذي يمكن التحقق منه هو عقد ذكي، نظرًا لأن المكالمات التفاعلية التي تستهلك الثقة بين الذكاء الاصطناعي والتطبيقات اللامركزية الأصلية قد تكون ممكنة بين تطبيقات الذكاء الاصطناعي التي يمكن التحقق منها، فإن هذا يعد نظامًا بيئيًا محتملاً لتطبيقات الذكاء الاصطناعي القابلة للتركيب.
النظام البيئي لتطبيقات الذكاء الاصطناعي الأفقي: يمكن لنظام السلسلة العامة التعامل مع مشكلات مثل دفع الخدمات، وتنسيق اختناقات الدفع، ومطابقة احتياجات المستخدمين ومحتوى الخدمة لمقدمي خدمات الذكاء الاصطناعي، مما يسمح للمستخدمين بالحصول على تجربة خدمة لامركزية للذكاء الاصطناعي بدرجة أعلى من حرية.
1. حالات مقدمة وتطبيقية لـ Modulus Labs
1.1 المقدمة والحلول الأساسية
Modulus Labs هي شركة ذكاء اصطناعي "متسلسلة" تعتقد أن الذكاء الاصطناعي يمكنه تحسين قدرات العقود الذكية بشكل كبير وجعل تطبيقات الويب 3 أكثر قوة. ومع ذلك، هناك تناقض عندما يقوم الذكاء الاصطناعي بتقييم web3، أي أن تشغيل الذكاء الاصطناعي يتطلب الكثير من القوة الحاسوبية، والذكاء الاصطناعي في الحوسبة خارج السلسلة هو صندوق أسود، ولا يلبي المتطلبات الأساسية لـ web3 أن تكون جديرة بالثقة ويمكن التحقق منها.
لذلك، اقترحت خطة مجموعة Modulus Labs Summit zk [إصلاح خارج السلسلة + التحقق عبر السلسلة] بنية ذكاء اصطناعي يمكن التحقق منها، على وجه التحديد: يعمل نموذج ML خارج السلسلة، ويتم إنشاء zkp خارج السلسلة لعملية حساب ML. من خلال zkp، يمكن التحقق من البنية والأذونات والمدخلات الخاصة بالنموذج خارج السلسلة، وبالطبع يمكن أيضًا نشر zkp هذا على السلسلة للتحقق من خلال العقود الذكية. في الوقت الحالي، يمكن أن يكون للذكاء الاصطناعي والعقود الموجودة على السلسلة تفاعلات أكثر ثقة، مما يحقق تقريبًا "الذكاء الاصطناعي الموجود على السلسلة".
استنادًا إلى أفكار الذكاء الاصطناعي التي يمكن التحقق منها، أطلقت Modulus Labs حاليًا ثلاثة تطبيقات "للذكاء الاصطناعي على السلسلة" واقترحت أيضًا العديد من سيناريوهات التطبيق المحتملة.
1.2 حالات التطبيق
أول منتج تم إطلاقه هو Rocky bot، وهو الذكاء الاصطناعي للتداول الآلي. يتم تدريب روكي من خلال البيانات التاريخية لزوج تداول wEth/USDC. يحدد الاتجاه المستقبلي بناءً على البيانات التاريخية، وبعد اتخاذ قرار المعاملة، سيقوم بإنشاء zkp لعملية اتخاذ القرار (عملية الحساب)، وإعادة توجيه L1 لإرسال رسالة لبدء المعاملة.
والثانية هي لعبة الشطرنج على السلسلة "Leela vs the World"، طرفا اللعبة هما الذكاء الاصطناعي والبشر، ويتم وضع موقف لعبة الشطرنج في العقد. يعمل اللاعبون (يتفاعلون مع العقود) من خلال محافظهم. يقرأ الذكاء الاصطناعي الوضع الجديد للعبة الشطرنج، ويكمل الحكم، ويولد zkp لعملية الحساب بأكملها، وكلتا الخطوتين موجودة على سحابة AWS، ويتم التحقق من zkp من خلال العقد الموجود على السلسلة، وبعد نجاح التحقق، عقد لعبة الشطرنج يسمى "لعب الشطرنج".
والثالث هو فنان الذكاء الاصطناعي "المتصل بالسلسلة"، وأطلق سلسلة NFT zkMon، والأساس هو أن الذكاء الاصطناعي ينشئ NFT وينشره على السلسلة، وفي نفس الوقت ينشئ zkp، ويمكن للمستخدمين استخدام zkp للتحقق ما إذا كان NFT الخاص بهم ينشئ نموذج الذكاء الاصطناعي المقابل.
بالإضافة إلى ذلك، تذكر Modulus Labs بعض الأمثلة الأخرى:
استخدم الذكاء الاصطناعي لتقييم بيانات السلسلة الشخصية والمعلومات الأخرى، وإنشاء مكافآت النقاط الشخصية، ونشر zkp للتحقق من المستخدم؛
استخدم الذكاء الاصطناعي لتحسين أداء AMM وإصدار zkp للتحقق من المستخدم؛
استخدام الذكاء الاصطناعي الذي يمكن التحقق منه لمساعدة مشاريع الخصوصية على التعامل مع الضغوط التنظيمية دون الكشف عن الخصوصية (ربما باستخدام التعلم الآلي لإثبات أن هذه المعاملة لا تمثل غسيل أموال دون الكشف عن عنوان المستخدم والمعلومات الأخرى)؛
يتم إصدار توقعات الطقس بالذكاء الاصطناعي وzkp في نفس الوقت لتزويد المالكين بالقدرة على التحقق من موثوقية البيانات خارج السلسلة؛
مسابقة نماذج الذكاء الاصطناعي، يقدم المتسابقون تصميمهم وأوزانهم الخاصة، ثم يقومون بتشغيل النموذج باستخدام إدخال اختبار موحد لإنشاء zkp للدرع، وسيقوم العقد النهائي بتوزيع المكافأة تلقائيًا على جهاز المحاكاة؛
قالت Worldcoin أنه في المستقبل، قد يكون من الممكن للمستخدمين تنزيل النموذج الذي ينشئ الكود المقابل للقزحية على أجهزتهم المحلية، وتشغيل النموذج محليًا وإنشاء zkp، بحيث يمكن للعقد الموجود على السلسلة استخدام zkp لـ التحقق من إنشاء رمز القزحية الخاص بالمستخدم من النموذج الصحيح وقزحية العين المعقولة، مع منع المعلومات البيومترية من مغادرة جهاز المستخدم الخاص؛
**1.3 مناقشة سيناريوهات التطبيق المختلفة بناءً على الطلب الذي يمكن التحقق منه منظمة العفو الدولية **
1.3.1 السيناريوهات التي قد يلزم فيها التحقق من الذكاء الاصطناعي
في سيناريو Rocky bot، قد لا يحتاج المستخدمون إلى التحقق من عملية حساب ML. أولا، ليس لدى المستخدمين المعرفة المهنية وليس لديهم القدرة على إجراء التحقق الحقيقي. حتى لو كانت هناك أداة تحقق، يبدو للمستخدم أنه [ضغط على] زر، وتخبره نافذة الواجهة المنبثقة أن خدمة الذكاء الاصطناعي هذه تم إنشاؤها بالفعل بواسطة نموذج معين، ولا يمكن تحديد الأصالة. ثانيًا، لا يحتاج المستخدمون إلى التحقق، لأن المستخدمين يهتمون بما إذا كان الذكاء الاصطناعي ذا أهمية كبيرة. سيتم ترحيل المستخدمين عندما لا يكون مرتفعًا، وسيختارون دائمًا النموذج ذو الأداء الأفضل. باختصار، عندما يسعى المستخدمون إلى تحقيق التأثير النهائي للذكاء الاصطناعي، قد تكون عملية التحقق ذات أهمية قليلة، لأن المستخدمين يحتاجون فقط إلى الانتقال إلى الخدمة النموذجية ذات التأثير الأفضل.
**أحد الحلول الممكنة هو: يعمل الذكاء الاصطناعي فقط كمقترح، ويقوم المستخدمون بتنفيذ المعاملات بشكل مستقل. **عندما يقوم الأشخاص بإدخال أهداف التداول الخاصة بهم في الذكاء الاصطناعي، يقوم الذكاء الاصطناعي بحساب وإرجاع مسار/اتجاه تداول أفضل خارج السلسلة، ويختار المستخدم ما إذا كان سيتم تنفيذه أم لا. لا يحتاج الأشخاص أيضًا إلى التحقق من النموذج الذي يقف خلفه، ما عليك سوى اختيار المنتج الذي يحقق أعلى عائد.
هناك موقف خطير آخر ولكنه محتمل جدًا وهو أن الناس لا يهتمون على الإطلاق بسيطرتهم على الأصول وعملية تآكل الذكاء الاصطناعي، فعندما يظهر الروبوت الذي يجني الأموال تلقائيًا، يكون الناس على استعداد لتسليم أموالهم إليه مباشرة، فقط مثل الوكيل، من الشائع إيداع العملات المعدنية في CEX أو البنوك التقليدية للإدارة المالية. لا يهتم الناس بالمبدأ الكامن وراء ذلك، فهم يهتمون فقط بمقدار الأموال التي يحصلون عليها في النهاية، أو حتى مقدار الأموال التي يظهرها جانب المشروع لهم على أنهم يكسبون، لأن هذا النوع من الخدمة قد يكون أيضًا قادرًا على الحصول بسرعة على عدد كبير من المستخدمين، أفضل حتى من استخدام الذكاء الاصطناعي الذي يمكن التحقق منه. سرعة تكرار المنتج في جانب المشروع أسرع.
بالعودة خطوة إلى الوراء، إذا لم يشارك الذكاء الاصطناعي في تعديل حالة السلسلة على الإطلاق، فإذا تم سحب البيانات الموجودة على السلسلة للاستهلاك من قبل المستخدمين، ليست هناك حاجة لإنشاء ZKP لعملية الحساب. وهنا تتحول هذه التطبيقات إلى [خدمات بيانات] وإليك بعض الحالات:
صندوق الدردشة الذي توفره Mest هو خدمة بيانات نموذجية، حيث يمكن للمستخدمين استخدام طرق الأسئلة والأجوبة لفهم بياناتهم الخاصة على السلسلة، مثل السؤال عن المبلغ الذي أنفقوه على NFT؛
*ChainGPT هو مساعد ذكاء اصطناعي متعدد الوظائف يمكنه تفسير العقود الذكية لك قبل التداول، ويخبرك ما إذا كنت تتداول مع المجموعة الصحيحة، أو يخبرك ما إذا كان من المحتمل أن يتم تنفيذ الصفقة أو تنفيذها مسبقًا. وتستعد ChainGPT أيضًا لتقديم توصيات أخبار الذكاء الاصطناعي، ومطالبات الإدخال لإنشاء الصور تلقائيًا ونشرها في NFT والخدمات الأخرى؛
يوفر RSS3 خيار AIOP، مما يسمح للمستخدمين بتحديد البيانات الموجودة على السلسلة التي يريدونها وإنشاء بيانات معينة على السلسلة، وبالتالي اختيار بيانات محددة على السلسلة بشكل ملائم لتدريب الذكاء الاصطناعي؛
قامت DefiLlama وRSS3 أيضًا بتطوير مكونات ChatGPT الإضافية، مما يسمح للمستخدمين بالحصول على البيانات الموجودة على السلسلة من خلال المحادثات؛
1.3.2 السيناريوهات التي يلزم فيها التحقق من الذكاء الاصطناعي
تعتقد هذه المقالة أن السيناريوهات المتعددة التي تتضمن العدالة والخصوصية تتطلب من ZKP تقديم التحقق، وهنا نناقش العديد من التطبيقات التي ذكرتها Modulus Labs:
عندما يصدر المجتمع مكافآت بناءً على المكافآت الفردية الناتجة عن الذكاء الاصطناعي، سيطالب أفراد المجتمع حتمًا بمراجعة عملية صنع القرار، وهي عملية حساب تعلم الآلة؛
يتضمن تحسين الذكاء الاصطناعي لـ AMM توزيع المصالح بين أطراف متعددة، ويجب أيضًا فحص عملية حساب الذكاء الاصطناعي بانتظام؛
عند الموازنة بين الخصوصية والإشراف، يعد ZK حاليًا أحد أفضل الحلول، إذا كان مزود الخدمة يستخدم ML لمعالجة البيانات الخاصة في الخدمة، فسيحتاج إلى إنشاء ZKP لعملية الحساب بأكملها؛
نظرًا لأن آلة التنبؤ لها نطاق واسع من التأثير، إذا تم تعديلها بواسطة الذكاء الاصطناعي، فيجب إنشاء ZKP بانتظام للتحقق مما إذا كان الذكاء الاصطناعي يعمل بشكل طبيعي؛
خلال المسابقة، يُطلب من الجمهور والمشاركين الآخرين التحقق مما إذا كان الضرر الناجم عن تعلم الآلة يتوافق مع معايير المنافسة؛
في حالة WorldCoin المحتملة، تعد حماية البيانات البيومترية الشخصية أيضًا حاجة مثبطة؛
بشكل عام، عندما يكون الذكاء الاصطناعي بمثابة صانع القرار، ويكون لمخرجاته نطاق واسع من التأثيرات وينطوي على عدالة العديد من الأطراف، فإن الناس سيطالبون بمراجعة عملية صنع القرار، أو ببساطة التأكد من أن عملية صنع القرار إن عملية الذكاء الاصطناعي ليس لها عواقب وخيمة، وحماية الخصوصية الشخصية هي حاجة مباشرة للغاية.
لذلك، [ما إذا كان مخرجات الذكاء الاصطناعي في حالة متصلة بالسلسلة] و[ما إذا كانت التعديلات بحاجة إلى التأثير على العدالة/الخصوصية] هما المعياران للحكم على ما إذا كان حل الذكاء الاصطناعي قابلاً للتحقق.
عندما لا يقوم مخرجات الذكاء الاصطناعي بتعديل الحالة على السلسلة، يمكن لخدمة الذكاء الاصطناعي أن تعمل كمقترح، ويمكن الحكم على جودة خدمة الذكاء الاصطناعي من خلال تأثير الاقتراح دون الحاجة إلى التحقق من الحساب عملية؛
عندما يقوم مخرج الذكاء الاصطناعي بتعديل الحالة على السلسلة، إذا كانت الخدمة مخصصة للأفراد فقط وليس لها أي تأثير على الخصوصية، فلا يزال بإمكان المستخدم الحكم بشكل مباشر على عملية حساب فحص جودة خدمة الذكاء الاصطناعي؛
عندما تؤثر مخرجات الذكاء الاصطناعي بشكل مباشر على العدالة بين عدة أشخاص، ويقوم الذكاء الاصطناعي تلقائيًا بتعديل البيانات الموجودة على السلسلة، فإن المجتمع والجمهور بحاجة إلى فحص عملية صنع القرار في الذكاء الاصطناعي؛
عندما تتضمن البيانات التي تتم معالجتها بواسطة ML خصوصية شخصية، يُطلب من zk أيضًا حماية الخصوصية واقتراح المتطلبات التنظيمية.
! على السلاسل العامة * *
على أية حال، فإن حل Modulus Labs له آثار كبيرة على الجمع بين الذكاء الاصطناعي والعملات المشفرة وتحقيق قيمة تطبيقية عملية. ومع ذلك، لا يستطيع نظام السلسلة العامة تحسين قدرات خدمات الذكاء الاصطناعي الفردية فحسب، بل لديه أيضًا القدرة على بناء نظام بيئي جديد لتطبيقات الذكاء الاصطناعي. لقد أحدثت البيئة الجديدة علاقة ملفتة للنظر بين خدمات الذكاء الاصطناعي في Web2. يجب أن تكون طريقة التعاون بين خدمات الذكاء الاصطناعي والمستخدمين هي طريقة التعاون بين الروابط الأولية والنهائية. يمكننا تلخيص النماذج البيئية المحتملة للذكاء الاصطناعي إلى نوعين: الوضع الرأسي والوضع الأفقي.
2.1 الوضع الرأسي: يتيح الانتباه إمكانية التركيب بين أنظمة الذكاء الاصطناعي
من الميزات الخاصة لمثال لعبة الشطرنج عبر السلسلة "Leela vs the World" هو أنه يمكن للأشخاص المراهنة على البشر أو الذكاء الاصطناعي، ويتم توزيع الرموز المميزة تلقائيًا بعد المباراة. في الوقت الحالي، لا تقتصر أهمية zkp على تزويد المستخدمين بعملية التحقق من حسابات الذكاء الاصطناعي فحسب، بل أيضًا باعتبارها ثقة تؤدي إلى انتقالات الحالة على السلسلة. مع ضمان الثقة، من الممكن أيضًا الحصول على إمكانية التركيب على مستوى التطبيقات اللامركزية بين خدمات الذكاء الاصطناعي وبين التطبيقات اللامركزية للذكاء الاصطناعي والعملات المشفرة.
الوحدة الأساسية للذكاء الاصطناعي القابل للتركيب هي [نموذج ML خارج السلسلة-عقد التحقق من الجيل على السلسلة-عقد رئيسي] تم إثراء هذه الوحدة في إطار "Leela vs the World"، ولكن البنية الفعلية لذكاء اصطناعي واحد قد يكون dapp مختلفًا عما سبق، والصورة توضح ذلك بشكل مختلف. أولاً، يتطلب الوضع في لعبة الشطرنج عقدًا، لكن في الواقع، قد لا يحتاج الذكاء الاصطناعي إلى عقد على السلسلة. ولكن من منظور بنية الذكاء الاصطناعي القابل للتركيب، إذا تم تسجيل العمل الرئيسي من خلال العقود، فإن الأمرين الآخرين هو أن تأثير العقد الرئيسي لا يتطلب بالضرورة نموذج ML الخاص بتطبيق الذكاء الاصطناعي نفسه، لأن ذكاء اصطناعي معين قد يكون لـ dapp تأثير أحادي الاتجاه، ويتعامل نموذج ML بعد الانتهاء، ما عليك سوى تشغيل العقد المتعلق بعملك الخاص، وسيتم استدعاء العقد بواسطة dapps الأخرى.
عرض موسع، المكالمات بين العقود هي مكالمات بين تطبيقات web3 المختلفة، وهي مكالمات للهوية الشخصية والأصول والخدمات المالية والمعلومات الاجتماعية، يمكننا أن نتخيل مجموعة محددة من تطبيقات الذكاء الاصطناعي:
يستخدم Worldcoin ML لإنشاء رموز القزحية وzkp لبيانات القزحية الشخصية؛
يتحقق تطبيق الذكاء الاصطناعي أولاً مما إذا كان DID شخصًا حقيقيًا (مع بيانات القزحية خلفه)، ويخصص NFT للمستخدم بناءً على السمعة الموجودة في السلسلة؛
تقوم خدمة الشبكة بضبط مشاركة الشبكة بناءً على NFT المملوك للمستخدم؛
......
التفاعل بين الذكاء الاصطناعي في إطار السلسلة العامة ليس موضوعا للنقاش. اقترح لوف، وهو مساهم بيئي في مجال الألعاب الكاملة السلسلة، ذات مرة أن الشخصيات غير القابلة للعب العاملة بالذكاء الاصطناعي يمكنها التفاعل والتداول مع بعضها البعض مثل اللاعبين، بحيث يتمكن النظام الاقتصادي بأكمله من التفاعل. يمكنها التحسين الذاتي والتلقائي، وقد طورت AI Arena لعبة معركة تلقائية تعمل بالذكاء الاصطناعي.يشتري المستخدمون أولاً NFT. يمثل كل NFT روبوتًا قتاليًا، مع نموذج ذكاء اصطناعي خلفه. يلعب المستخدمون اللعبة بأنفسهم أولاً، ثم يتبادلون البيانات مع الذكاء الاصطناعي للمحاكاة والتعلم، وعندما يشعر المستخدم أن الذكاء الاصطناعي قوي بما فيه الكفاية، يمكن وضعه في الساحة للقتال تلقائيًا ضد الذكاء الاصطناعي الآخر. وتأمل ساحة الذكاء الاصطناعي التي ذكرتها شركة Modulus Labs في تحويل الذكاء الاصطناعي إلى ذكاء اصطناعي يمكن التحقق منه. شهدت كلتا الحالتين إمكانية التفاعل المباشر بين الذكاء الاصطناعي لتعديل البيانات الموجودة على السلسلة أثناء المعاملات.
ولكن كيفية الجمع بين الذكاء الاصطناعي لحل الكثير من المشكلات التي ستتم مناقشتها فيما يتعلق بالتنفيذ المحدد، مثل التطبيقات اللامركزية المختلفة التي تستخدم عقود zkp العالمية أو عقود التحقق، وما إلى ذلك. ومع ذلك، هناك أيضًا عدد كبير من المشاريع الممتازة في مجال zk. على سبيل المثال، حقق RISC Zero الكثير من التقدم في إطلاق zkp الإقفاري المعقد خارج السلسلة إلى السلسلة. ربما يمكن وضع حل مناسب معًا في يوم.
2.2 الوضع الأفقي: منصة خدمة الذكاء الاصطناعي لتحقيق اللامركزية في ساحة انتظار السيارات
في هذا الصدد، نقدم بشكل أساسي منصة ذكاء اصطناعي لامركزية تسمى SAKSHI، والتي تم اقتراحها بشكل مشترك من قبل أشخاص من برينستون، وجامعة تسينغهوا، وجامعة إلينوي في أوربانا شامبين، وجامعة هونغ كونغ للعلوم والتكنولوجيا، وويتنس تشين، وإيجن لاير. هدفها الأساسي هو تمكين المستخدمين من الحصول على خدمات الذكاء الاصطناعي بطريقة أكثر لامركزية، مما يجعل العملية برمتها أكثر موثوقية وأتمتة.
يمكن تقسيم بنية ساكشي إلى ست طبقات: طبقة الخدمة، وطبقة التحكم، وطبقة النقل، وطبقة الإثبات، والطبقة الاقتصادية، والسوق))
السوق هو المستوى الأقرب للمستخدم، هناك مجمعات في السوق لتقديم الخدمات للمستخدمين نيابة عن موردي الذكاء الاصطناعي المختلفين، ويتم تقديم الطلبات من خلال مجمع المستخدمين ويتم التوصل إلى اتفاق مع المجمع بشأن جودة الخدمة وسعر الدفع ( تسمى الاتفاقية SLA) -اتفاقية مستوى الخدمة).
ستوفر طبقة الخدمة التالية واجهة برمجة التطبيقات (API) لرأس العميل، ثم سيبدأ رأس العميل طلب استدلال ML إلى المجمع، وسيتم إرسال الطلب إلى الخادم المطابق لموفر خدمة الذكاء الاصطناعي (المسار المستخدم للإرسال الطلب جزء من طبقة التحكم). تشبه طبقة الخدمة وطبقة التحكم خدمة web2 ذات خوادم متعددة، ولكن يتم تشغيل خوادم مختلفة بواسطة كيانات مختلفة، ويرتبط خادم واحد بالمجمع من خلال SLA (اتفاقية الخدمة السابقة).
يتم نشر اتفاقية مستوى الخدمة (SLA) على السلسلة في شكل عقود ذكية، وتنتمي هذه العقود إلى طبقة المعاملات (ملاحظة: في هذا الحل، يتم نشرها على سلسلة الشهود). تسجل طبقة المعاملة الحالة الحالية لأوامر الخدمة المحاسبية ويتم استخدامها لتنسيق المستخدمين والمجمعين ومقدمي الخدمات لحل تحديات الدفع.
لكي تحصل طبقة المعاملة على أدلة تعتمد عليها عند التعامل مع المشكلات، ستتحقق طبقة الإثبات مما إذا كانت الخدمة تتوافق مع نموذج الاستخدام المتفق عليه في اتفاقية مستوى الخدمة. ومع ذلك، لم تختر SAKSHI إنشاء zkp لعملية حساب تعلم الآلة، وبدلاً من ذلك، استخدمت حجة متفائلة وتأمل في إنشاء شبكة من العقد المنافسة لاختبار الخدمة، وتتحمل العقد سلسلة الشهود.
على الرغم من أن اتفاقية مستوى الخدمة (SLA) وشبكة العقدة المنافسة موجودان على Witness Chain، إلا أنه في خطة SAKSHI، لا تنوي Witness Chain استخدام الرموز الخاصة بها لتحقيق أمان مستقل، ولكن لاستعارة أمان Ethereum من خلال طبقة Eigen، لذا فإن الطبقة الاقتصادية بأكملها تعتمد فعليًا على طبقة Eigen.
يمكن ملاحظة أن ساكشي تنظم مختلف أنظمة الذكاء الاصطناعي بطريقة لا مركزية لتقديم الخدمات للمستخدمين حول العلاقة بين مقدمي خدمات الذكاء الاصطناعي والمستخدمين، والتي تشكل خطة أفقية. جوهر SAKSHI هو أنه يسمح لخدمات الذكاء الاصطناعي بالتركيز بشكل أكبر على إدارة حسابات النموذج خارج السلسلة الخاصة بها، واستكمال مطابقة احتياجات المستخدم والخدمات النموذجية، ودفع الخدمات والتحقق من جودة الخدمة من خلال البروتوكولات الموجودة على السلسلة، ومحاولات حل مشاكل الدفع تلقائيا. بالطبع، لا تزال ساكشي في المرحلة النظرية في الوقت الحاضر، وهناك أيضًا الكثير من تفاصيل التنفيذ التي يتعين تحديدها.
3.النظرة المستقبلية
سواء أكان الأمر يتعلق بالذكاء الاصطناعي القابل للتركيب أو منصة الذكاء الاصطناعي اللامركزية، يبدو أن النماذج البيئية للذكاء الاصطناعي للسلاسل العامة لديها شيء مشترك. على سبيل المثال، لا يتفاعل مقدمو خدمات الذكاء الاصطناعي بشكل مباشر مع المستخدمين. بل يحتاجون فقط إلى توفير نماذج التعلم الآلي وإجراء العمليات الحسابية والمدفوعات خارج السلسلة، وحل المشكلات، والمطابقة بين احتياجات المستخدمين والخدمات، وكل هذا يمكن حله من خلال البروتوكولات اللامركزية. باعتبارها بنية تحتية غير موثوقة، تقلل السلسلة العامة من الصعوبة بين مقدمي الخدمة والمستخدمين. وفي هذا الوقت، يتمتع المستخدمون أيضًا باستقلالية أعلى.
على الرغم من أن مزايا استخدام السلاسل العامة كأساس للتطبيقات هي مزايا مبتذلة، إلا أنها تنطبق أيضًا على خدمات الذكاء الاصطناعي. ومع ذلك، تختلف تطبيقات الذكاء الاصطناعي عن تطبيقات dapp الموجودة، حيث لا يمكن لتطبيقات الذكاء الاصطناعي وضع جميع الحسابات على السلسلة، لذلك لا يزال استخدام zk متفائلًا لإثبات إمكانية توصيل خدمات الذكاء الاصطناعي بنظام السلسلة العامة بطريقة أكثر ثقة.
من خلال تنفيذ سلسلة من حلول تحسين الخبرة مثل تجريد الحساب، لم يعد بإمكان المستخدمين إدراك وجود أساليب تقوية الذاكرة والسلاسل والغاز وما إلى ذلك. وهذا يجعل النظام البيئي للسلسلة العامة قريبًا من web2 من حيث الخبرة، ويمكن للمستخدمين الحصول على أعلى الخدمات أكثر من الويب 2. إن درجة الحرية وقابلية التركيب تجعلها أكثر جاذبية للمستخدمين، كما أن النظام البيئي لتطبيقات الذكاء الاصطناعي القائم على السلسلة العامة يستحق التطلع إليه.
شاهد النسخة الأصلية
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
من الذكاء الاصطناعي الذي يمكن التحقق منه إلى الذكاء الاصطناعي القابل للتركيب - تأملات في سيناريوهات تطبيق ZKML
المؤلف: قوه توربين، مرآة
الكل في الكل:
تطبق معامل Modulus الذكاء الاصطناعي الذي يمكن التحقق منه عن طريق تنفيذ حسابات ML خارج السلسلة وإنشاء zkp بمرونة. تعيد هذه المقالة نشر هذا الحل من منظور التطبيق وتحلل السيناريوهات التي تكون هناك حاجة ماسة إليها، وفي أي السيناريوهات يكون الطلب ضعيفًا، وفي النهاية يؤخر الحل الأفقي التطوير والنموذج البيئي الموحد عموديًا للذكاء الاصطناعي استنادًا إلى السلسلة العامة والمحتويات الرئيسية هي:
ما إذا كان أساس الذكاء الاصطناعي قابلاً للتحقق: ما إذا كانت البيانات الموجودة على السلسلة قد تم تعديلها، وما إذا كانت العدالة والخصوصية متضمنة
عندما لا يؤثر الذكاء الاصطناعي على حالة السلسلة، يمكن للذكاء الاصطناعي أن يعمل كمقترح، ويمكن للأشخاص الحكم على جودة خدمات الذكاء الاصطناعي من خلال التأثيرات الفعلية دون التحقق من عملية الحساب.
عند التأثير على الحالة على السلسلة، إذا كانت الخدمة تستهدف الأفراد وتؤثر على خصوصية معينة، فلا يزال بإمكان المستخدمين الحكم بشكل مباشر على عملية حساب استخراج وفحص جودة خدمة الذكاء الاصطناعي.
عندما تؤثر مخرجات الذكاء الاصطناعي على العدالة والخصوصية الشخصية بين عدة أشخاص، مثل استخدام الذكاء الاصطناعي لتقييم وتوزيع المكافآت على أفراد المجتمع، أو استخدام الذكاء الاصطناعي لتحسين AMM، أو إشراك البيانات البيولوجية، فسوف تحتاج إلى مراجعة حساب الذكاء الاصطناعي: هذا يمكنك التحقق من المكان الذي قد يكون الذكاء الاصطناعي قد عثر فيه على PMF.
النظام البيئي لتطبيقات الذكاء الاصطناعي العمودي: نظرًا لأن ذيل الذكاء الاصطناعي الذي يمكن التحقق منه هو عقد ذكي، نظرًا لأن المكالمات التفاعلية التي تستهلك الثقة بين الذكاء الاصطناعي والتطبيقات اللامركزية الأصلية قد تكون ممكنة بين تطبيقات الذكاء الاصطناعي التي يمكن التحقق منها، فإن هذا يعد نظامًا بيئيًا محتملاً لتطبيقات الذكاء الاصطناعي القابلة للتركيب.
النظام البيئي لتطبيقات الذكاء الاصطناعي الأفقي: يمكن لنظام السلسلة العامة التعامل مع مشكلات مثل دفع الخدمات، وتنسيق اختناقات الدفع، ومطابقة احتياجات المستخدمين ومحتوى الخدمة لمقدمي خدمات الذكاء الاصطناعي، مما يسمح للمستخدمين بالحصول على تجربة خدمة لامركزية للذكاء الاصطناعي بدرجة أعلى من حرية.
1. حالات مقدمة وتطبيقية لـ Modulus Labs
1.1 المقدمة والحلول الأساسية
Modulus Labs هي شركة ذكاء اصطناعي "متسلسلة" تعتقد أن الذكاء الاصطناعي يمكنه تحسين قدرات العقود الذكية بشكل كبير وجعل تطبيقات الويب 3 أكثر قوة. ومع ذلك، هناك تناقض عندما يقوم الذكاء الاصطناعي بتقييم web3، أي أن تشغيل الذكاء الاصطناعي يتطلب الكثير من القوة الحاسوبية، والذكاء الاصطناعي في الحوسبة خارج السلسلة هو صندوق أسود، ولا يلبي المتطلبات الأساسية لـ web3 أن تكون جديرة بالثقة ويمكن التحقق منها.
لذلك، اقترحت خطة مجموعة Modulus Labs Summit zk [إصلاح خارج السلسلة + التحقق عبر السلسلة] بنية ذكاء اصطناعي يمكن التحقق منها، على وجه التحديد: يعمل نموذج ML خارج السلسلة، ويتم إنشاء zkp خارج السلسلة لعملية حساب ML. من خلال zkp، يمكن التحقق من البنية والأذونات والمدخلات الخاصة بالنموذج خارج السلسلة، وبالطبع يمكن أيضًا نشر zkp هذا على السلسلة للتحقق من خلال العقود الذكية. في الوقت الحالي، يمكن أن يكون للذكاء الاصطناعي والعقود الموجودة على السلسلة تفاعلات أكثر ثقة، مما يحقق تقريبًا "الذكاء الاصطناعي الموجود على السلسلة".
استنادًا إلى أفكار الذكاء الاصطناعي التي يمكن التحقق منها، أطلقت Modulus Labs حاليًا ثلاثة تطبيقات "للذكاء الاصطناعي على السلسلة" واقترحت أيضًا العديد من سيناريوهات التطبيق المحتملة.
1.2 حالات التطبيق
بالإضافة إلى ذلك، تذكر Modulus Labs بعض الأمثلة الأخرى:
1.3.1 السيناريوهات التي قد يلزم فيها التحقق من الذكاء الاصطناعي
في سيناريو Rocky bot، قد لا يحتاج المستخدمون إلى التحقق من عملية حساب ML. أولا، ليس لدى المستخدمين المعرفة المهنية وليس لديهم القدرة على إجراء التحقق الحقيقي. حتى لو كانت هناك أداة تحقق، يبدو للمستخدم أنه [ضغط على] زر، وتخبره نافذة الواجهة المنبثقة أن خدمة الذكاء الاصطناعي هذه تم إنشاؤها بالفعل بواسطة نموذج معين، ولا يمكن تحديد الأصالة. ثانيًا، لا يحتاج المستخدمون إلى التحقق، لأن المستخدمين يهتمون بما إذا كان الذكاء الاصطناعي ذا أهمية كبيرة. سيتم ترحيل المستخدمين عندما لا يكون مرتفعًا، وسيختارون دائمًا النموذج ذو الأداء الأفضل. باختصار، عندما يسعى المستخدمون إلى تحقيق التأثير النهائي للذكاء الاصطناعي، قد تكون عملية التحقق ذات أهمية قليلة، لأن المستخدمين يحتاجون فقط إلى الانتقال إلى الخدمة النموذجية ذات التأثير الأفضل.
**أحد الحلول الممكنة هو: يعمل الذكاء الاصطناعي فقط كمقترح، ويقوم المستخدمون بتنفيذ المعاملات بشكل مستقل. **عندما يقوم الأشخاص بإدخال أهداف التداول الخاصة بهم في الذكاء الاصطناعي، يقوم الذكاء الاصطناعي بحساب وإرجاع مسار/اتجاه تداول أفضل خارج السلسلة، ويختار المستخدم ما إذا كان سيتم تنفيذه أم لا. لا يحتاج الأشخاص أيضًا إلى التحقق من النموذج الذي يقف خلفه، ما عليك سوى اختيار المنتج الذي يحقق أعلى عائد.
هناك موقف خطير آخر ولكنه محتمل جدًا وهو أن الناس لا يهتمون على الإطلاق بسيطرتهم على الأصول وعملية تآكل الذكاء الاصطناعي، فعندما يظهر الروبوت الذي يجني الأموال تلقائيًا، يكون الناس على استعداد لتسليم أموالهم إليه مباشرة، فقط مثل الوكيل، من الشائع إيداع العملات المعدنية في CEX أو البنوك التقليدية للإدارة المالية. لا يهتم الناس بالمبدأ الكامن وراء ذلك، فهم يهتمون فقط بمقدار الأموال التي يحصلون عليها في النهاية، أو حتى مقدار الأموال التي يظهرها جانب المشروع لهم على أنهم يكسبون، لأن هذا النوع من الخدمة قد يكون أيضًا قادرًا على الحصول بسرعة على عدد كبير من المستخدمين، أفضل حتى من استخدام الذكاء الاصطناعي الذي يمكن التحقق منه. سرعة تكرار المنتج في جانب المشروع أسرع.
بالعودة خطوة إلى الوراء، إذا لم يشارك الذكاء الاصطناعي في تعديل حالة السلسلة على الإطلاق، فإذا تم سحب البيانات الموجودة على السلسلة للاستهلاك من قبل المستخدمين، ليست هناك حاجة لإنشاء ZKP لعملية الحساب. وهنا تتحول هذه التطبيقات إلى [خدمات بيانات] وإليك بعض الحالات:
1.3.2 السيناريوهات التي يلزم فيها التحقق من الذكاء الاصطناعي
تعتقد هذه المقالة أن السيناريوهات المتعددة التي تتضمن العدالة والخصوصية تتطلب من ZKP تقديم التحقق، وهنا نناقش العديد من التطبيقات التي ذكرتها Modulus Labs:
بشكل عام، عندما يكون الذكاء الاصطناعي بمثابة صانع القرار، ويكون لمخرجاته نطاق واسع من التأثيرات وينطوي على عدالة العديد من الأطراف، فإن الناس سيطالبون بمراجعة عملية صنع القرار، أو ببساطة التأكد من أن عملية صنع القرار إن عملية الذكاء الاصطناعي ليس لها عواقب وخيمة، وحماية الخصوصية الشخصية هي حاجة مباشرة للغاية.
لذلك، [ما إذا كان مخرجات الذكاء الاصطناعي في حالة متصلة بالسلسلة] و[ما إذا كانت التعديلات بحاجة إلى التأثير على العدالة/الخصوصية] هما المعياران للحكم على ما إذا كان حل الذكاء الاصطناعي قابلاً للتحقق.
! على السلاسل العامة * *
على أية حال، فإن حل Modulus Labs له آثار كبيرة على الجمع بين الذكاء الاصطناعي والعملات المشفرة وتحقيق قيمة تطبيقية عملية. ومع ذلك، لا يستطيع نظام السلسلة العامة تحسين قدرات خدمات الذكاء الاصطناعي الفردية فحسب، بل لديه أيضًا القدرة على بناء نظام بيئي جديد لتطبيقات الذكاء الاصطناعي. لقد أحدثت البيئة الجديدة علاقة ملفتة للنظر بين خدمات الذكاء الاصطناعي في Web2. يجب أن تكون طريقة التعاون بين خدمات الذكاء الاصطناعي والمستخدمين هي طريقة التعاون بين الروابط الأولية والنهائية. يمكننا تلخيص النماذج البيئية المحتملة للذكاء الاصطناعي إلى نوعين: الوضع الرأسي والوضع الأفقي.
2.1 الوضع الرأسي: يتيح الانتباه إمكانية التركيب بين أنظمة الذكاء الاصطناعي
من الميزات الخاصة لمثال لعبة الشطرنج عبر السلسلة "Leela vs the World" هو أنه يمكن للأشخاص المراهنة على البشر أو الذكاء الاصطناعي، ويتم توزيع الرموز المميزة تلقائيًا بعد المباراة. في الوقت الحالي، لا تقتصر أهمية zkp على تزويد المستخدمين بعملية التحقق من حسابات الذكاء الاصطناعي فحسب، بل أيضًا باعتبارها ثقة تؤدي إلى انتقالات الحالة على السلسلة. مع ضمان الثقة، من الممكن أيضًا الحصول على إمكانية التركيب على مستوى التطبيقات اللامركزية بين خدمات الذكاء الاصطناعي وبين التطبيقات اللامركزية للذكاء الاصطناعي والعملات المشفرة.
الوحدة الأساسية للذكاء الاصطناعي القابل للتركيب هي [نموذج ML خارج السلسلة-عقد التحقق من الجيل على السلسلة-عقد رئيسي] تم إثراء هذه الوحدة في إطار "Leela vs the World"، ولكن البنية الفعلية لذكاء اصطناعي واحد قد يكون dapp مختلفًا عما سبق، والصورة توضح ذلك بشكل مختلف. أولاً، يتطلب الوضع في لعبة الشطرنج عقدًا، لكن في الواقع، قد لا يحتاج الذكاء الاصطناعي إلى عقد على السلسلة. ولكن من منظور بنية الذكاء الاصطناعي القابل للتركيب، إذا تم تسجيل العمل الرئيسي من خلال العقود، فإن الأمرين الآخرين هو أن تأثير العقد الرئيسي لا يتطلب بالضرورة نموذج ML الخاص بتطبيق الذكاء الاصطناعي نفسه، لأن ذكاء اصطناعي معين قد يكون لـ dapp تأثير أحادي الاتجاه، ويتعامل نموذج ML بعد الانتهاء، ما عليك سوى تشغيل العقد المتعلق بعملك الخاص، وسيتم استدعاء العقد بواسطة dapps الأخرى.
عرض موسع، المكالمات بين العقود هي مكالمات بين تطبيقات web3 المختلفة، وهي مكالمات للهوية الشخصية والأصول والخدمات المالية والمعلومات الاجتماعية، يمكننا أن نتخيل مجموعة محددة من تطبيقات الذكاء الاصطناعي:
التفاعل بين الذكاء الاصطناعي في إطار السلسلة العامة ليس موضوعا للنقاش. اقترح لوف، وهو مساهم بيئي في مجال الألعاب الكاملة السلسلة، ذات مرة أن الشخصيات غير القابلة للعب العاملة بالذكاء الاصطناعي يمكنها التفاعل والتداول مع بعضها البعض مثل اللاعبين، بحيث يتمكن النظام الاقتصادي بأكمله من التفاعل. يمكنها التحسين الذاتي والتلقائي، وقد طورت AI Arena لعبة معركة تلقائية تعمل بالذكاء الاصطناعي.يشتري المستخدمون أولاً NFT. يمثل كل NFT روبوتًا قتاليًا، مع نموذج ذكاء اصطناعي خلفه. يلعب المستخدمون اللعبة بأنفسهم أولاً، ثم يتبادلون البيانات مع الذكاء الاصطناعي للمحاكاة والتعلم، وعندما يشعر المستخدم أن الذكاء الاصطناعي قوي بما فيه الكفاية، يمكن وضعه في الساحة للقتال تلقائيًا ضد الذكاء الاصطناعي الآخر. وتأمل ساحة الذكاء الاصطناعي التي ذكرتها شركة Modulus Labs في تحويل الذكاء الاصطناعي إلى ذكاء اصطناعي يمكن التحقق منه. شهدت كلتا الحالتين إمكانية التفاعل المباشر بين الذكاء الاصطناعي لتعديل البيانات الموجودة على السلسلة أثناء المعاملات.
ولكن كيفية الجمع بين الذكاء الاصطناعي لحل الكثير من المشكلات التي ستتم مناقشتها فيما يتعلق بالتنفيذ المحدد، مثل التطبيقات اللامركزية المختلفة التي تستخدم عقود zkp العالمية أو عقود التحقق، وما إلى ذلك. ومع ذلك، هناك أيضًا عدد كبير من المشاريع الممتازة في مجال zk. على سبيل المثال، حقق RISC Zero الكثير من التقدم في إطلاق zkp الإقفاري المعقد خارج السلسلة إلى السلسلة. ربما يمكن وضع حل مناسب معًا في يوم.
2.2 الوضع الأفقي: منصة خدمة الذكاء الاصطناعي لتحقيق اللامركزية في ساحة انتظار السيارات
في هذا الصدد، نقدم بشكل أساسي منصة ذكاء اصطناعي لامركزية تسمى SAKSHI، والتي تم اقتراحها بشكل مشترك من قبل أشخاص من برينستون، وجامعة تسينغهوا، وجامعة إلينوي في أوربانا شامبين، وجامعة هونغ كونغ للعلوم والتكنولوجيا، وويتنس تشين، وإيجن لاير. هدفها الأساسي هو تمكين المستخدمين من الحصول على خدمات الذكاء الاصطناعي بطريقة أكثر لامركزية، مما يجعل العملية برمتها أكثر موثوقية وأتمتة.
يمكن تقسيم بنية ساكشي إلى ست طبقات: طبقة الخدمة، وطبقة التحكم، وطبقة النقل، وطبقة الإثبات، والطبقة الاقتصادية، والسوق))
السوق هو المستوى الأقرب للمستخدم، هناك مجمعات في السوق لتقديم الخدمات للمستخدمين نيابة عن موردي الذكاء الاصطناعي المختلفين، ويتم تقديم الطلبات من خلال مجمع المستخدمين ويتم التوصل إلى اتفاق مع المجمع بشأن جودة الخدمة وسعر الدفع ( تسمى الاتفاقية SLA) -اتفاقية مستوى الخدمة).
ستوفر طبقة الخدمة التالية واجهة برمجة التطبيقات (API) لرأس العميل، ثم سيبدأ رأس العميل طلب استدلال ML إلى المجمع، وسيتم إرسال الطلب إلى الخادم المطابق لموفر خدمة الذكاء الاصطناعي (المسار المستخدم للإرسال الطلب جزء من طبقة التحكم). تشبه طبقة الخدمة وطبقة التحكم خدمة web2 ذات خوادم متعددة، ولكن يتم تشغيل خوادم مختلفة بواسطة كيانات مختلفة، ويرتبط خادم واحد بالمجمع من خلال SLA (اتفاقية الخدمة السابقة).
يتم نشر اتفاقية مستوى الخدمة (SLA) على السلسلة في شكل عقود ذكية، وتنتمي هذه العقود إلى طبقة المعاملات (ملاحظة: في هذا الحل، يتم نشرها على سلسلة الشهود). تسجل طبقة المعاملة الحالة الحالية لأوامر الخدمة المحاسبية ويتم استخدامها لتنسيق المستخدمين والمجمعين ومقدمي الخدمات لحل تحديات الدفع.
لكي تحصل طبقة المعاملة على أدلة تعتمد عليها عند التعامل مع المشكلات، ستتحقق طبقة الإثبات مما إذا كانت الخدمة تتوافق مع نموذج الاستخدام المتفق عليه في اتفاقية مستوى الخدمة. ومع ذلك، لم تختر SAKSHI إنشاء zkp لعملية حساب تعلم الآلة، وبدلاً من ذلك، استخدمت حجة متفائلة وتأمل في إنشاء شبكة من العقد المنافسة لاختبار الخدمة، وتتحمل العقد سلسلة الشهود.
على الرغم من أن اتفاقية مستوى الخدمة (SLA) وشبكة العقدة المنافسة موجودان على Witness Chain، إلا أنه في خطة SAKSHI، لا تنوي Witness Chain استخدام الرموز الخاصة بها لتحقيق أمان مستقل، ولكن لاستعارة أمان Ethereum من خلال طبقة Eigen، لذا فإن الطبقة الاقتصادية بأكملها تعتمد فعليًا على طبقة Eigen.
يمكن ملاحظة أن ساكشي تنظم مختلف أنظمة الذكاء الاصطناعي بطريقة لا مركزية لتقديم الخدمات للمستخدمين حول العلاقة بين مقدمي خدمات الذكاء الاصطناعي والمستخدمين، والتي تشكل خطة أفقية. جوهر SAKSHI هو أنه يسمح لخدمات الذكاء الاصطناعي بالتركيز بشكل أكبر على إدارة حسابات النموذج خارج السلسلة الخاصة بها، واستكمال مطابقة احتياجات المستخدم والخدمات النموذجية، ودفع الخدمات والتحقق من جودة الخدمة من خلال البروتوكولات الموجودة على السلسلة، ومحاولات حل مشاكل الدفع تلقائيا. بالطبع، لا تزال ساكشي في المرحلة النظرية في الوقت الحاضر، وهناك أيضًا الكثير من تفاصيل التنفيذ التي يتعين تحديدها.
3.النظرة المستقبلية
سواء أكان الأمر يتعلق بالذكاء الاصطناعي القابل للتركيب أو منصة الذكاء الاصطناعي اللامركزية، يبدو أن النماذج البيئية للذكاء الاصطناعي للسلاسل العامة لديها شيء مشترك. على سبيل المثال، لا يتفاعل مقدمو خدمات الذكاء الاصطناعي بشكل مباشر مع المستخدمين. بل يحتاجون فقط إلى توفير نماذج التعلم الآلي وإجراء العمليات الحسابية والمدفوعات خارج السلسلة، وحل المشكلات، والمطابقة بين احتياجات المستخدمين والخدمات، وكل هذا يمكن حله من خلال البروتوكولات اللامركزية. باعتبارها بنية تحتية غير موثوقة، تقلل السلسلة العامة من الصعوبة بين مقدمي الخدمة والمستخدمين. وفي هذا الوقت، يتمتع المستخدمون أيضًا باستقلالية أعلى.
على الرغم من أن مزايا استخدام السلاسل العامة كأساس للتطبيقات هي مزايا مبتذلة، إلا أنها تنطبق أيضًا على خدمات الذكاء الاصطناعي. ومع ذلك، تختلف تطبيقات الذكاء الاصطناعي عن تطبيقات dapp الموجودة، حيث لا يمكن لتطبيقات الذكاء الاصطناعي وضع جميع الحسابات على السلسلة، لذلك لا يزال استخدام zk متفائلًا لإثبات إمكانية توصيل خدمات الذكاء الاصطناعي بنظام السلسلة العامة بطريقة أكثر ثقة.
من خلال تنفيذ سلسلة من حلول تحسين الخبرة مثل تجريد الحساب، لم يعد بإمكان المستخدمين إدراك وجود أساليب تقوية الذاكرة والسلاسل والغاز وما إلى ذلك. وهذا يجعل النظام البيئي للسلسلة العامة قريبًا من web2 من حيث الخبرة، ويمكن للمستخدمين الحصول على أعلى الخدمات أكثر من الويب 2. إن درجة الحرية وقابلية التركيب تجعلها أكثر جاذبية للمستخدمين، كما أن النظام البيئي لتطبيقات الذكاء الاصطناعي القائم على السلسلة العامة يستحق التطلع إليه.