في الأشهر الأخيرة، تأثرت صناعة الإنترنت التقليدية ومجال blockchain بالذكاء الاصطناعي إلى حد ما. ومع انضمام عمالقة الإنترنت في جميع أنحاء العالم إلى المنافسة واحداً تلو الآخر، بدأ ممارسو تقنية blockchain في التفكير فيما ستجلبه لنا مسابقة الذكاء الاصطناعي هذه. عندما تصبح البيانات والنماذج والخوارزميات والقدرة الحاسوبية وما إلى ذلك التي لا تتعلق ببناء تطبيقات الذكاء الاصطناعي والبنية التحتية متاحة بشكل متزايد، ما الذي نحتاج إلى التفكير فيه؟ إذا حدث كل هذا في الصندوق الأسود، فهل لا يزال بإمكاننا الوثوق بهم؟ في هذه الحلقة، قمنا بدعوة هيل من SevenX Ventures لمناقشة كيفية الجمع بين التعلم الآلي وإثباتات المعرفة الصفرية؟ كيف يوازن blockchain و ZKP بين قضايا الثقة في الذكاء الاصطناعي.
يشغل هيل منصب قائد الأبحاث في SevenX Ventures. قبل انضمامه إلى SevenX، كان لديه خبرة مبكرة في العديد من المناصب في المشاريع الأخرى وسلاسل الكتل، مثل البحث في تصميم الآليات وتصميم الرموز المميزة، وعمل أيضًا في مدير المنتج وعلاقات المستثمرين.
"كيف تؤثر مشكلات الثقة على مجال الذكاء الاصطناعي ومكمل ZK و blockchain"
تنبع مشكلة الثقة هنا بشكل أساسي من نقطتين: عدم اليقين بشأن النتائج النهائية التي ينتجها الذكاء الاصطناعي، والطريقة التي ينتج بها الذكاء الاصطناعي النتائج هي في الأساس صندوق أسود غير شفاف.
بادئ ذي بدء، عندما لا يكون مخرجات التعلم الآلي قابلة للتكرار، فمن الصعب تطبيقها على عملية الإنتاج الحرجة والخالية من الأخطاء. على سبيل المثال، نموذج اللغة الكبير الحالي، حتى لو أعطينا نفس التعليمات، فإن مخرجاته ستكون متحيزة في كل مرة، لذلك نستخدمها عادة كأداة إرشادية ولا نعطيها أهم العمل في متناول اليد. علاوة على ذلك، فإن العملية التي ينتج من خلالها الذكاء الاصطناعي النتائج ليست جديرة بالثقة بالنسبة للمستخدمين، الذين لا يجرؤون على تقديم معلومات وبيانات حساسة إلى الذكاء الاصطناعي.
هذه أيضًا فرصة لـ blockchain وZK. إذا استخدمنا تقنية blockchain أو ZK لجعل الذكاء الاصطناعي أكثر جدارة بالثقة، فيمكننا في هذا الوقت بشكل أساسي توسيع حدود الذكاء الاصطناعي التي يتعرض لها مستخدمو C-end. لا يمكننا فقط السماح لمستخدمي C-end بتجربة الذكاء الاصطناعي مقابل مبلغ صغير من المال، ولكن عندما يصبح الذكاء الاصطناعي جديرًا بالثقة بدرجة كافية، يمكننا أيضًا السماح لمستخدمي C-end باستثمار قيمة أعلى.
"عقود ذكية أكثر ذكاءً"
فيما يتعلق بالعقود الذكية، كان لدى فيتاليك نقطة مثيرة للاهتمام من قبل، حيث قال إن الاسم خاطئ بالفعل، فالعقود الذكية ليست ذكية، ولكي نكون أكثر دقة، فهي عبارة عن نص صعب. بمعنى آخر، بعد نشر البرنامج النصي، حتى إذا كانت إحدى العقد غير متصلة بالإنترنت، فلا يمكن منع البرنامج النصي من الاستمرار في التشغيل. لكنه في الأساس مجرد نص يعمل بالطريقة التي تمت كتابته بها من قبل.
ثم إذا كانت العقود الذكية تتمتع بالقدرة على التعلم الآلي، فيمكننا تحقيق استقلالية حقيقية على السلسلة. بالنسبة للذكاء الاصطناعي التقليدي، لم تتح لهم الفرصة قط لتحقيق السيادة، لأن معظم الذكاء الاصطناعي أو النماذج موجودة في أيدي الشركات الكبيرة، ويمكنهم إيقاف تشغيلها أو تغييرها في أي وقت إذا أرادوا ذلك. يمكن أن توفر blockchain بطبيعة الحال مثل هذه البيئة لتطوير الاستقلالية على السلسلة.
"القوة الدافعة لـ ZKML"
في الواقع، يتطور كل من مجالي ZK وML بسرعة الآن، وتظهر أشياء جديدة باستمرار في السوق مع مرور كل يوم. لقد لاحظت بنفسي اتجاهين، أحدهما دليل والآخر هو البنية التحتية الحاسوبية في السلسلة. يتم الآن استخدام Groth16 وhalo2 بشكل متكرر، بشكل أساسي لإجراء العمليات الحسابية على EVM أو الأجهزة الافتراضية الأخرى، أي لتوليد إثباتات المعرفة الصفرية لحسابات آلة الحالة. لكن بعض الأشخاص يحاولون أيضًا استخدامه لإنشاء أدلة على عملية حساب استدلال التعلم الآلي.
الاتجاه الآخر هو بيئة الحوسبة. من هذا المنظور، ليس فقط بيئة الحوسبة لتعلم الآلة أو الذكاء الاصطناعي، سواء كانت zkEVM أو zkWASM التي اهتم بها الجميع مؤخرًا، فإن بيئات الحوسبة المختلفة هذه مع أنظمة إثبات ZK ستتاح لها الفرصة لتشغيل التعلم الآلي في المستقبل. نموذج للذكاء الاصطناعي. طالما قمت بوضع نموذج التعلم الآلي في بيئة الحوسبة الخاصة بهم، فسوف يقومون بإنشاء دليل ZK بناءً على الحساب، ويمكننا التأكد من صحة هذه العملية.
اكتشف المزيد من تطبيقات zkML المثيرة للاهتمام!
الشيء الأكثر إثارة في الصناعة هو عندما تكون هناك حاجة مخفية كبيرة في السوق، ونحن قادرون على الاستفادة من هذه الثغرات وتقديم حلول أنيقة. ومع ذلك، فإن التبني الجماعي هو الهدف طويل المدى الذي لا تزال blockchain تسعى جاهدة لتحقيقه، كما أن zk هي أيضًا تقنية متطورة لا يتعرض لها المستخدمون العاديون للإنترنت التقليدي إلا قليلاً. وقد لا يهتم المستخدمون كثيراً بهذه البروتوكولات والبنية الأساسية الغامضة. فهم أكثر اهتماماً بما إذا كان المنتج سهل الاستخدام وما هي قيمته. كيف ينبغي علينا تجريد هذه الأشياء، واستكشاف احتياجات المستخدم، وإنشاء تطبيقات أكثر إثارة للاهتمام؟
في الجزء الأخير من الحديث، عدنا إلى الموضوع الذي يهم الجميع، ما نوع التطبيقات التي يحتاجها المستخدمون؟ قال هيل إن اتجاهه الواعد هو أمان DeFi، وقدم مثالًا حيًا للغاية ليُظهر للجميع المنتجات التي يمكن تصنيعها باستخدام zkML. أنصح الجميع بشدة بالاستماع إلى النهاية! ربما يمكنني دعوة أصدقائي لبناءه معًا قريبًا ~
روابط ذات علاقة
مؤلفات هيل:
موازنة قوة الذكاء الاصطناعي/التعلم الآلي: دور ZK وBlockchain:
zkML: تطوير ذكاء العقود الذكية من خلال تشفير المعرفة الصفرية:
التعلم الآلي القائم على المعرفة الصفرية (ZKML): مشاريع تستكشف الفضاء:
الضوابط والتوازنات: التعلم الآلي وأدلة المعرفة الصفرية:
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.
zkML: جعل الذكاء الاصطناعي أكثر جدارة بالثقة وإمكانية الاستقلالية على السلسلة
"مقدمة"
في الأشهر الأخيرة، تأثرت صناعة الإنترنت التقليدية ومجال blockchain بالذكاء الاصطناعي إلى حد ما. ومع انضمام عمالقة الإنترنت في جميع أنحاء العالم إلى المنافسة واحداً تلو الآخر، بدأ ممارسو تقنية blockchain في التفكير فيما ستجلبه لنا مسابقة الذكاء الاصطناعي هذه. عندما تصبح البيانات والنماذج والخوارزميات والقدرة الحاسوبية وما إلى ذلك التي لا تتعلق ببناء تطبيقات الذكاء الاصطناعي والبنية التحتية متاحة بشكل متزايد، ما الذي نحتاج إلى التفكير فيه؟ إذا حدث كل هذا في الصندوق الأسود، فهل لا يزال بإمكاننا الوثوق بهم؟ في هذه الحلقة، قمنا بدعوة هيل من SevenX Ventures لمناقشة كيفية الجمع بين التعلم الآلي وإثباتات المعرفة الصفرية؟ كيف يوازن blockchain و ZKP بين قضايا الثقة في الذكاء الاصطناعي.
يشغل هيل منصب قائد الأبحاث في SevenX Ventures. قبل انضمامه إلى SevenX، كان لديه خبرة مبكرة في العديد من المناصب في المشاريع الأخرى وسلاسل الكتل، مثل البحث في تصميم الآليات وتصميم الرموز المميزة، وعمل أيضًا في مدير المنتج وعلاقات المستثمرين.
"كيف تؤثر مشكلات الثقة على مجال الذكاء الاصطناعي ومكمل ZK و blockchain"
تنبع مشكلة الثقة هنا بشكل أساسي من نقطتين: عدم اليقين بشأن النتائج النهائية التي ينتجها الذكاء الاصطناعي، والطريقة التي ينتج بها الذكاء الاصطناعي النتائج هي في الأساس صندوق أسود غير شفاف.
بادئ ذي بدء، عندما لا يكون مخرجات التعلم الآلي قابلة للتكرار، فمن الصعب تطبيقها على عملية الإنتاج الحرجة والخالية من الأخطاء. على سبيل المثال، نموذج اللغة الكبير الحالي، حتى لو أعطينا نفس التعليمات، فإن مخرجاته ستكون متحيزة في كل مرة، لذلك نستخدمها عادة كأداة إرشادية ولا نعطيها أهم العمل في متناول اليد. علاوة على ذلك، فإن العملية التي ينتج من خلالها الذكاء الاصطناعي النتائج ليست جديرة بالثقة بالنسبة للمستخدمين، الذين لا يجرؤون على تقديم معلومات وبيانات حساسة إلى الذكاء الاصطناعي.
هذه أيضًا فرصة لـ blockchain وZK. إذا استخدمنا تقنية blockchain أو ZK لجعل الذكاء الاصطناعي أكثر جدارة بالثقة، فيمكننا في هذا الوقت بشكل أساسي توسيع حدود الذكاء الاصطناعي التي يتعرض لها مستخدمو C-end. لا يمكننا فقط السماح لمستخدمي C-end بتجربة الذكاء الاصطناعي مقابل مبلغ صغير من المال، ولكن عندما يصبح الذكاء الاصطناعي جديرًا بالثقة بدرجة كافية، يمكننا أيضًا السماح لمستخدمي C-end باستثمار قيمة أعلى.
"عقود ذكية أكثر ذكاءً"
فيما يتعلق بالعقود الذكية، كان لدى فيتاليك نقطة مثيرة للاهتمام من قبل، حيث قال إن الاسم خاطئ بالفعل، فالعقود الذكية ليست ذكية، ولكي نكون أكثر دقة، فهي عبارة عن نص صعب. بمعنى آخر، بعد نشر البرنامج النصي، حتى إذا كانت إحدى العقد غير متصلة بالإنترنت، فلا يمكن منع البرنامج النصي من الاستمرار في التشغيل. لكنه في الأساس مجرد نص يعمل بالطريقة التي تمت كتابته بها من قبل.
ثم إذا كانت العقود الذكية تتمتع بالقدرة على التعلم الآلي، فيمكننا تحقيق استقلالية حقيقية على السلسلة. بالنسبة للذكاء الاصطناعي التقليدي، لم تتح لهم الفرصة قط لتحقيق السيادة، لأن معظم الذكاء الاصطناعي أو النماذج موجودة في أيدي الشركات الكبيرة، ويمكنهم إيقاف تشغيلها أو تغييرها في أي وقت إذا أرادوا ذلك. يمكن أن توفر blockchain بطبيعة الحال مثل هذه البيئة لتطوير الاستقلالية على السلسلة.
"القوة الدافعة لـ ZKML"
في الواقع، يتطور كل من مجالي ZK وML بسرعة الآن، وتظهر أشياء جديدة باستمرار في السوق مع مرور كل يوم. لقد لاحظت بنفسي اتجاهين، أحدهما دليل والآخر هو البنية التحتية الحاسوبية في السلسلة. يتم الآن استخدام Groth16 وhalo2 بشكل متكرر، بشكل أساسي لإجراء العمليات الحسابية على EVM أو الأجهزة الافتراضية الأخرى، أي لتوليد إثباتات المعرفة الصفرية لحسابات آلة الحالة. لكن بعض الأشخاص يحاولون أيضًا استخدامه لإنشاء أدلة على عملية حساب استدلال التعلم الآلي.
الاتجاه الآخر هو بيئة الحوسبة. من هذا المنظور، ليس فقط بيئة الحوسبة لتعلم الآلة أو الذكاء الاصطناعي، سواء كانت zkEVM أو zkWASM التي اهتم بها الجميع مؤخرًا، فإن بيئات الحوسبة المختلفة هذه مع أنظمة إثبات ZK ستتاح لها الفرصة لتشغيل التعلم الآلي في المستقبل. نموذج للذكاء الاصطناعي. طالما قمت بوضع نموذج التعلم الآلي في بيئة الحوسبة الخاصة بهم، فسوف يقومون بإنشاء دليل ZK بناءً على الحساب، ويمكننا التأكد من صحة هذه العملية.
اكتشف المزيد من تطبيقات zkML المثيرة للاهتمام!
الشيء الأكثر إثارة في الصناعة هو عندما تكون هناك حاجة مخفية كبيرة في السوق، ونحن قادرون على الاستفادة من هذه الثغرات وتقديم حلول أنيقة. ومع ذلك، فإن التبني الجماعي هو الهدف طويل المدى الذي لا تزال blockchain تسعى جاهدة لتحقيقه، كما أن zk هي أيضًا تقنية متطورة لا يتعرض لها المستخدمون العاديون للإنترنت التقليدي إلا قليلاً. وقد لا يهتم المستخدمون كثيراً بهذه البروتوكولات والبنية الأساسية الغامضة. فهم أكثر اهتماماً بما إذا كان المنتج سهل الاستخدام وما هي قيمته. كيف ينبغي علينا تجريد هذه الأشياء، واستكشاف احتياجات المستخدم، وإنشاء تطبيقات أكثر إثارة للاهتمام؟
في الجزء الأخير من الحديث، عدنا إلى الموضوع الذي يهم الجميع، ما نوع التطبيقات التي يحتاجها المستخدمون؟ قال هيل إن اتجاهه الواعد هو أمان DeFi، وقدم مثالًا حيًا للغاية ليُظهر للجميع المنتجات التي يمكن تصنيعها باستخدام zkML. أنصح الجميع بشدة بالاستماع إلى النهاية! ربما يمكنني دعوة أصدقائي لبناءه معًا قريبًا ~
روابط ذات علاقة
مؤلفات هيل:
موازنة قوة الذكاء الاصطناعي/التعلم الآلي: دور ZK وBlockchain:
zkML: تطوير ذكاء العقود الذكية من خلال تشفير المعرفة الصفرية:
التعلم الآلي القائم على المعرفة الصفرية (ZKML): مشاريع تستكشف الفضاء:
الضوابط والتوازنات: التعلم الآلي وأدلة المعرفة الصفرية: