Modulus Labs implementa IA verificable ejecutando cálculos de ML fuera de la cadena y generando zkp de manera flexible. Este artículo vuelve a implementar esta solución desde una perspectiva de aplicación y analiza en qué escenarios es estrictamente necesaria y en qué escenarios la demanda es débil y, en última instancia, retrasa la horizontal. Desarrollo y modelo ecológico de IA unificado verticalmente basado en la cadena pública. Los contenidos principales son:
Si la base de la IA es verificable: si los datos en cadena se modifican y si están involucradas la equidad y la privacidad
Cuando la IA no afecta el estado de la cadena, la IA puede actuar como una sugerencia y las personas pueden juzgar la calidad de los servicios de IA a través de los efectos reales sin verificar el proceso de cálculo.
Al afectar el estado en la cadena, si el servicio está dirigido a individuos y afecta cierta privacidad, los usuarios aún pueden juzgar directamente el proceso de cálculo de inspección y extracción de calidad del servicio de IA.
Cuando el resultado de la IA afecte la equidad y la privacidad personal entre varias personas, como el uso de IA para evaluar y distribuir recompensas a los miembros de la comunidad, el uso de IA para optimizar AMM o la participación de datos biológicos, querrá revisar el cálculo de AI. Aquí puedes verificar dónde la IA pudo haber encontrado el PMF.
Ecosistema de aplicaciones de IA vertical: dado que la cola de la IA verificable es un contrato inteligente, dado que las llamadas interactivas que consumen confianza entre la IA y las dapps nativas pueden ser posibles entre aplicaciones de IA verificables, este es un potencial ecosistema de aplicaciones de IA componibles.
Ecosistema de aplicaciones de IA horizontal: el sistema de cadena pública puede manejar problemas como el pago de servicios, la coordinación de cuellos de botella en los pagos y la coincidencia de las necesidades del usuario y el contenido del servicio para los proveedores de servicios de IA, lo que permite a los usuarios obtener una experiencia de servicio de IA descentralizada con un mayor grado de libertad.
1. Introducción y casos de aplicación de Modulus Labs
1.1 Introducción y soluciones principales
Modulus Labs es una empresa de IA "en cadena" que cree que la IA puede mejorar significativamente las capacidades de los contratos inteligentes y hacer que las aplicaciones web3 sean más potentes. Sin embargo, existe una contradicción cuando la IA evalúa web3, es decir, el funcionamiento de la IA requiere una gran potencia informática, y la IA en la computación fuera de la cadena es una caja negra que no cumple con los requisitos básicos de web3 para ser confiable y verificable.
Por lo tanto, el plan acumulativo zk [reparación fuera de la cadena + verificación dentro de la cadena] de Modulus Labs Summit propuso una arquitectura de IA verificable, específicamente: el modelo ML se ejecuta fuera de la cadena y se genera un zkp fuera de la cadena para el proceso de cálculo de ML. A través de este zkp se puede verificar la arquitectura, los permisos y las entradas del modelo fuera de la cadena y, por supuesto, este zkp también se puede publicar en la cadena para su verificación mediante contratos inteligentes. En este momento, la IA y los contratos en cadena pueden tener interacciones más confiables, lo que aproximadamente se da cuenta de la "IA en cadena".
Basado en ideas de IA verificables, Modulus Labs ha lanzado actualmente tres aplicaciones de "IA en cadena" y también ha propuesto muchos escenarios de aplicación posibles.
1.2 Casos de Aplicación
El primero que se lanzó es el bot Rocky, una IA de comercio automatizado. Rocky se entrena a partir de los datos históricos del par comercial wEth/USDC. Determina la tendencia futura de weth en función de datos históricos. Después de tomar una decisión de transacción, generará un zkp para el proceso de toma de decisiones (proceso de cálculo) y reenviará L1 para enviar un mensaje para activar la transacción.
El segundo es el juego de ajedrez en cadena "Leela vs the World", las dos partes del juego son la IA y los humanos, y la situación del juego de ajedrez está incluida en el contrato. Los jugadores operan (interactúan con contratos) a través de sus billeteras. La IA lee la nueva situación del juego de ajedrez, completa el juicio y genera zkp para todo el proceso de cálculo. Ambos pasos se realizan en la nube de AWS y el contrato en la cadena verifica el zkp. Una vez que la verificación es exitosa, el contrato de juego de ajedrez se llama "jugar al ajedrez".
El tercero es el artista de IA "en cadena" y lanzó la serie NFT zkMon. El núcleo es que la IA genera NFT y lo publica en la cadena, y al mismo tiempo genera un zkp. Los usuarios pueden usar zkp para verificar si su NFT genera el modelo de IA correspondiente.
Además, Modulus Labs menciona algunos otros ejemplos:
Utilice IA para evaluar datos de la cadena personal y otra información, generar recompensas de puntos personales y publicar zkp para la verificación del usuario;
Utilice IA para optimizar el rendimiento de AMM y libere zkp para la verificación del usuario;
Usar IA verificable para ayudar a los proyectos de privacidad a hacer frente a la presión regulatoria sin exponer la privacidad (quizás usar ML para demostrar que esta transacción no es lavado de dinero sin exponer la dirección del usuario y otra información);
El pronóstico del tiempo por IA y zkp se lanzan al mismo tiempo para brindar a los propietarios la capacidad de verificar la confiabilidad de los datos fuera de la cadena;
Competencia de modelos de IA, los concursantes presentan su propia arquitectura y peso, y luego ejecutan el modelo con entrada de prueba unificada para generar zkp para la armadura. El contrato final distribuirá automáticamente la bonificación al simulador;
Worldcoin dijo que en el futuro, es posible que los usuarios descarguen el modelo que genera el código correspondiente para el iris en su dispositivo local, ejecuten el modelo localmente y generen zkp, de modo que el contrato en la cadena pueda usar zkp para verificar que el código de iris del usuario se genere a partir del modelo correcto y de un Iris razonable, evitando al mismo tiempo que la información biométrica salga del propio dispositivo del usuario;
**1.3 Discutir diferentes escenarios de aplicación según la demanda de IA verificable **
1.3.1 Escenarios en los que es posible que sea necesario verificar la IA
En el escenario del bot Rocky, es posible que los usuarios no tengan la necesidad de verificar el proceso de cálculo de ML. En primer lugar, los usuarios no tienen conocimientos profesionales y no tienen la capacidad de realizar una verificación real. Incluso si hay una herramienta de verificación, al usuario le parece que [presionó un] botón, y la ventana emergente de la interfaz le dice que este servicio de IA de hecho es generado por un determinado modelo, y no se puede determinar la autenticidad. En segundo lugar, los usuarios no necesitan verificación, porque les importa si la IA es de gran importancia. Los usuarios migrarán cuando no sea alto, y siempre elegirán el modelo con mejor rendimiento. En resumen, cuando los usuarios buscan el efecto final de la IA, el proceso de verificación puede tener poca importancia, porque los usuarios solo necesitan migrar al servicio modelo con el mejor efecto.
**Una posible solución es: la IA solo actúa como sugerencia y los usuarios ejecutan transacciones de forma independiente. **Cuando las personas ingresan sus objetivos comerciales en la IA, la IA calcula y devuelve una mejor ruta/dirección comercial fuera de la cadena, y el usuario elige si ejecutarla. Las personas tampoco necesitan verificar el modelo detrás de él, simplemente elijan el producto con mayor retorno.
Otra situación peligrosa pero muy probable es que a las personas no les importe en absoluto su control sobre los activos y el proceso de corrosión de la IA. Cuando aparece un robot que genera dinero automáticamente, las personas incluso están dispuestas a confiarle su dinero directamente, simplemente al igual que el proxy, es común depositar monedas en CEX o en bancos tradicionales para la gestión financiera. A la gente no le importa el principio detrás de esto, solo les importa cuánto dinero obtienen al final, o incluso cuánto dinero les muestra el lado del proyecto, porque este tipo de servicio también puede ser capaz de adquirir rápidamente un gran cantidad de usuarios, incluso mejor que usar IA verificable La velocidad de iteración del producto del lado del proyecto es más rápida.
Dando un paso atrás, si la IA no participa en absoluto en la modificación del estado en la cadena, entonces si los datos en la cadena se extraen para que los usuarios los consuman, no hay necesidad de generar ZKP para el proceso de cálculo. En este caso, dichas aplicaciones se convierten en [servicios de datos], a continuación se muestran algunos casos:
El cuadro de chat proporcionado por Mest es un servicio de datos típico. Los usuarios pueden utilizar métodos de preguntas y respuestas para comprender sus propios datos en la cadena, como preguntar cuánto gastaron en NFT;
*ChainGPT es un asistente de IA multifuncional que puede interpretar contratos inteligentes para usted antes de operar, indicándole si está operando con el grupo correcto o si es probable que la transacción sea limitada o anticipada. ChainGPT también se está preparando para proporcionar recomendaciones de noticias de IA, mensajes de entrada para generar imágenes automáticamente y publicarlas en NFT y otros servicios;
RSS3 ofrece una opción de AIOP, lo que permite a los usuarios seleccionar qué datos en cadena desean y crear ciertos datos en cadena, seleccionando así convenientemente datos en cadena específicos para entrenar la IA;
DefiLlama y RSS3 también han desarrollado complementos ChatGPT, que permiten a los usuarios obtener datos en cadena a través de conversaciones;
1.3.2 Escenarios en los que es necesario verificar la IA
Este artículo cree que múltiples escenarios que involucran equidad y privacidad requieren que ZKP proporcione verificación. Aquí analizamos varias aplicaciones mencionadas por Modulus Labs:
Cuando la comunidad emite recompensas basadas en recompensas individuales generadas por la IA, los miembros de la comunidad inevitablemente exigirán una revisión del proceso de toma de decisiones, que es el proceso de cálculo de ML;
La optimización de la IA de AMM implica la distribución de intereses entre múltiples partes, y el proceso de cálculo de la IA también debe verificarse periódicamente;
Al equilibrar la privacidad y la supervisión, ZK es actualmente una de las mejores soluciones. Si el proveedor de servicios utiliza ML para procesar datos privados en el servicio, necesita generar ZKP para todo el proceso de cálculo;
Dado que la máquina de predicción tiene un amplio rango de influencia, si la IA la ajusta, es necesario generar ZKP con regularidad para verificar si la IA funciona normalmente;
Durante la competencia, el público y otros participantes deben verificar si el daño del LD cumple con los estándares de la competencia;
En el caso potencial de WorldCoin, proteger los datos biométricos personales también es una necesidad inhibidora;
En términos generales, cuando la inteligencia artificial es como una persona que toma decisiones y su resultado tiene una amplia gama de impactos e involucra la justicia de muchas partes, la gente exigirá una revisión del proceso de toma de decisiones, o simplemente se asegurará de que la toma de decisiones. El proceso de inteligencia artificial no tiene mayores consecuencias y proteger la privacidad personal es una necesidad muy directa.
Por lo tanto, [si la salida de IA está en estado en cadena] y [si las modificaciones deben afectar la equidad/privacidad] son los dos criterios para juzgar si la solución de IA es verificable.
Cuando la salida de IA no modifica el estado de la cadena, el servicio de IA puede actuar como un sugeridor y la calidad del servicio de IA puede juzgarse por el efecto de sugerencia sin necesidad de verificar el cálculo. proceso;
Cuando la salida de IA modifica el estado en cadena, si el servicio es solo para individuos y no tiene ningún impacto en la privacidad, el usuario aún puede juzgar directamente el proceso de cálculo de la inspección de calidad del servicio de IA;
Cuando el resultado de la IA afectará directamente la equidad entre varias personas y la IA modifica automáticamente los datos en la cadena, la comunidad y el público necesitan examinar el proceso de toma de decisiones de la IA;
Cuando los datos procesados por ML involucran privacidad personal, zk también está obligado a proteger la privacidad y proponer requisitos regulatorios.
*2. Dos modelos ecológicos de IA basados en cadenas públicas *
En cualquier caso, la solución de Modulus Labs tiene grandes implicaciones para combinar la IA con las criptomonedas y aportar valor de aplicación práctica. Sin embargo, el sistema de cadena pública no sólo puede mejorar las capacidades de los servicios de IA individuales, sino que también tiene el potencial de construir un nuevo ecosistema de aplicaciones de IA. La nueva ecología ha generado una relación llamativa entre los servicios de IA de Web2. La forma de colaboración entre los servicios de IA y los usuarios debe ser la forma de colaboración entre los enlaces ascendentes y descendentes. Podemos resumir los posibles modelos ecológicos de IA en dos tipos: modo vertical y modo horizontal.tipo.
2.1 Modo vertical: la atención permite la componibilidad entre IA
Una característica especial del ejemplo de ajedrez en cadena “Leela vs the World” es que las personas pueden realizar apuestas por humanos o IA, y las fichas se distribuyen automáticamente después del juego. En este momento, la importancia de zkp no es solo proporcionar a los usuarios el proceso de verificación de los cálculos de IA, sino también como una confianza que desencadena transiciones de estado en la cadena. Con garantía de confianza, también es posible tener componibilidad a nivel de dapp entre servicios de IA y entre dapps de IA y criptomonedas.
La unidad básica de la IA componible es [modelo de ML fuera de la cadena-contrato de verificación de generación en cadena-zkp-contrato principal]. Esta unidad se enriquece en el marco de "Leela vs the World", pero la arquitectura real de una única IA dapp puede ser diferente al anterior, la imagen lo muestra de manera diferente. En primer lugar, la situación en el ajedrez requiere un contrato, pero en realidad, es posible que la IA no necesite un contrato en cadena. Pero desde la perspectiva de la arquitectura de la IA componible, si el negocio principal se registra a través de contratos, los otros dos son que el impacto del contrato principal no necesariamente requiere el modelo ML de la propia AI dapp, porque una determinada IA Dapp puede tener influencia unidireccional y el modelo ML se encarga de procesarlo. Después de completarlo, simplemente active el contrato relacionado con su propio negocio y otros dapps llamarán el contrato.
Vista ampliada, las llamadas entre contratos son llamadas entre diferentes aplicaciones web3, que son llamadas de identidad personal, activos, servicios financieros e información social. Podemos imaginar una combinación específica de aplicaciones de IA:
Worldcoin utiliza ML para generar códigos de iris y zkp para datos personales de iris;
La aplicación de IA primero verifica si el DID es una persona real (con datos del iris detrás) y asigna NFT al usuario en función de la reputación en la cadena;
El servicio de red ajusta el uso compartido de la red en función del NFT que posee el usuario;
......
La interacción entre las IA en el marco de la cadena pública no es un tema de discusión. Loaf, un contribuyente ecológico en el campo de los juegos de cadena completa, propuso una vez que los NPC de la IA puedan interactuar y comerciar entre sí como jugadores, de modo que todo el sistema económico puede autooptimizarse y automáticamente AI Arena ha desarrollado un juego de batalla automático de IA. Los usuarios primero compran un NFT. Cada NFT representa un robot de combate, con un modelo de IA detrás. Los usuarios primero juegan ellos mismos y luego intercambian datos con la IA para simular y aprender. Cuando el usuario siente que la IA es lo suficientemente fuerte, puede colocarla en la arena para luchar automáticamente contra otras IA. El AI Arena mencionado por Modulus Labs espera transformar estas IA en IA verificables. Ambos casos vieron la posibilidad de una interacción directa entre las IA para modificar los datos en cadena durante las transacciones.
Pero cómo combinar la IA para resolver muchos problemas que se discutirán en términos de implementación específica, como diferentes dapps que utilizan zkp universal o contratos de verificación, etc. Sin embargo, también hay una gran cantidad de proyectos excelentes en el campo de zk. Por ejemplo, RISC Zero ha avanzado mucho en la liberación fuera de cadena de zkp isquémico complejo a la cadena. Tal vez se pueda encontrar una solución adecuada en un día.
2.2 Modo horizontal: plataforma de servicios de IA para realizar la descentralización del estacionamiento
En este sentido, presentamos principalmente una plataforma de IA descentralizada llamada SAKSHI, que fue propuesta conjuntamente por personas de Princeton, la Universidad de Tsinghua, la Universidad de Illinois en Urbana-Champaign, la Universidad de Ciencia y Tecnología de Hong Kong, Witness Chain y Eigen Layer. Su objetivo principal es permitir a los usuarios obtener servicios de IA de una manera más descentralizada, haciendo que todo el proceso sea más automatizado y sin confianza.
La arquitectura de SAKSHI se puede dividir en seis capas: capa de servicio, capa de control, capa de transacción, capa de prueba, capa económica y mercado)
El mercado es el nivel más cercano al usuario. Hay agregadores en el mercado para brindar servicios a los usuarios en nombre de diferentes proveedores de IA. Los pedidos se realizan a través del agregador de usuarios y se llega a un acuerdo con el agregador sobre la calidad del servicio y el precio de pago ( el acuerdo se llama SLA) -Acuerdo de Nivel de Servicio).
La siguiente capa de servicio proporcionará una API para el encabezado del cliente, y luego el encabezado del cliente iniciará una solicitud de inferencia de ML al agregador, y la solicitud se transmitirá al servidor que coincida con el proveedor de servicios de IA (la ruta utilizada para transmitir la solicitud es parte de la capa de control). La capa de servicio y la capa de control son similares a un servicio web2 con múltiples servidores, pero diferentes servidores son operados por diferentes entidades y un único servidor está asociado con el agregador a través de SLA (acuerdo de servicio anterior).
SLA se implementa en la cadena en forma de contratos inteligentes y estos contratos pertenecen a la capa de transacción (Nota: en esta solución, se implementan en la cadena testigo). La capa de transacciones registra el estado actual de los pedidos de servicios de contabilidad y se utiliza para coordinar a los usuarios, agregadores y proveedores de servicios para resolver desafíos de pago.
Para que la capa de transacción tenga pruebas en las que confiar al abordar los problemas, la capa de prueba verificará si el servicio cumple con el modelo de uso acordado del SLA. Sin embargo, SAKSHI no optó por generar zkp para el proceso de cálculo de ML, sino que utilizó un argumento optimista y esperaba establecer una red de nodos retadores para probar el servicio. Los nodos son soportados por la cadena testigo.
Aunque tanto el SLA como la red de nodos retadores están en Witness Chain, en el plan de SAKSHI, Witness Chain no tiene la intención de usar sus propios tokens para lograr una seguridad independiente, sino tomar prestada la seguridad de Ethereum a través de Eigen Layer, por lo que toda la capa económica en realidad depende. en la capa propia.
Se puede ver que SAKSHI organiza diferentes IA de manera descentralizada para brindar servicios a los usuarios en torno a la relación entre los proveedores de servicios de IA y los usuarios, lo que forma un plan horizontal. El núcleo de SAKSHI es que permite que los servicios de IA se centren más en gestionar sus propios cálculos de modelos fuera de la cadena, completar la coincidencia de las necesidades del usuario y los servicios modelo, el pago de servicios y la verificación de la calidad del servicio a través de protocolos en cadena, e intenta resolver automáticamente los problemas de pago. Por supuesto, SAKSHI todavía se encuentra en una etapa teórica y también hay muchos detalles de implementación que deben determinarse.
3.Perspectivas futuras
Ya sea una IA componible o una plataforma de IA descentralizada, los modelos ecológicos de IA de las cadenas públicas parecen tener algo en común. Por ejemplo, los proveedores de servicios de IA no interactúan directamente con los usuarios: solo necesitan proporcionar modelos de aprendizaje automático y realizar cálculos y pagos fuera de la cadena, resolver problemas y hacer coincidir las necesidades de los usuarios y los servicios, todo lo cual puede resolverse mediante protocolos descentralizados. Como infraestructura sin confianza, la cadena pública reduce la dificultad entre los proveedores de servicios y los usuarios, y en este momento los usuarios también tienen una mayor autonomía.
Aunque las ventajas de utilizar cadenas públicas como base para las aplicaciones son un cliché, también se aplican a los servicios de IA. Sin embargo, las aplicaciones de IA son diferentes de las aplicaciones dapp existentes: las aplicaciones de IA no pueden poner todos los cálculos en la cadena, por lo que usar zk sigue siendo optimista para demostrar que los servicios de IA se pueden conectar al sistema de cadena pública de una manera menos confiable.
Con la implementación de una serie de soluciones de optimización de la experiencia, como la abstracción de cuentas, los usuarios ya no pueden percibir la existencia de mnemotécnicos, cadenas, gas, etc. Esto hace que el ecosistema de la cadena pública se acerque a web2 en términos de experiencia, y los usuarios pueden obtener mayores servicios que web2. El grado de libertad y componibilidad lo hacen más atractivo para los usuarios, y vale la pena esperar el ecosistema de aplicaciones de IA basado en la cadena pública.
Ver originales
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
De la IA verificable a la IA componible: reflexiones sobre los escenarios de aplicación de ZKML
Autor: Turbina Guo, Espejo
considerándolo todo:
Modulus Labs implementa IA verificable ejecutando cálculos de ML fuera de la cadena y generando zkp de manera flexible. Este artículo vuelve a implementar esta solución desde una perspectiva de aplicación y analiza en qué escenarios es estrictamente necesaria y en qué escenarios la demanda es débil y, en última instancia, retrasa la horizontal. Desarrollo y modelo ecológico de IA unificado verticalmente basado en la cadena pública. Los contenidos principales son:
Si la base de la IA es verificable: si los datos en cadena se modifican y si están involucradas la equidad y la privacidad
Cuando la IA no afecta el estado de la cadena, la IA puede actuar como una sugerencia y las personas pueden juzgar la calidad de los servicios de IA a través de los efectos reales sin verificar el proceso de cálculo.
Al afectar el estado en la cadena, si el servicio está dirigido a individuos y afecta cierta privacidad, los usuarios aún pueden juzgar directamente el proceso de cálculo de inspección y extracción de calidad del servicio de IA.
Cuando el resultado de la IA afecte la equidad y la privacidad personal entre varias personas, como el uso de IA para evaluar y distribuir recompensas a los miembros de la comunidad, el uso de IA para optimizar AMM o la participación de datos biológicos, querrá revisar el cálculo de AI. Aquí puedes verificar dónde la IA pudo haber encontrado el PMF.
Ecosistema de aplicaciones de IA vertical: dado que la cola de la IA verificable es un contrato inteligente, dado que las llamadas interactivas que consumen confianza entre la IA y las dapps nativas pueden ser posibles entre aplicaciones de IA verificables, este es un potencial ecosistema de aplicaciones de IA componibles.
Ecosistema de aplicaciones de IA horizontal: el sistema de cadena pública puede manejar problemas como el pago de servicios, la coordinación de cuellos de botella en los pagos y la coincidencia de las necesidades del usuario y el contenido del servicio para los proveedores de servicios de IA, lo que permite a los usuarios obtener una experiencia de servicio de IA descentralizada con un mayor grado de libertad.
1. Introducción y casos de aplicación de Modulus Labs
1.1 Introducción y soluciones principales
Modulus Labs es una empresa de IA "en cadena" que cree que la IA puede mejorar significativamente las capacidades de los contratos inteligentes y hacer que las aplicaciones web3 sean más potentes. Sin embargo, existe una contradicción cuando la IA evalúa web3, es decir, el funcionamiento de la IA requiere una gran potencia informática, y la IA en la computación fuera de la cadena es una caja negra que no cumple con los requisitos básicos de web3 para ser confiable y verificable.
Por lo tanto, el plan acumulativo zk [reparación fuera de la cadena + verificación dentro de la cadena] de Modulus Labs Summit propuso una arquitectura de IA verificable, específicamente: el modelo ML se ejecuta fuera de la cadena y se genera un zkp fuera de la cadena para el proceso de cálculo de ML. A través de este zkp se puede verificar la arquitectura, los permisos y las entradas del modelo fuera de la cadena y, por supuesto, este zkp también se puede publicar en la cadena para su verificación mediante contratos inteligentes. En este momento, la IA y los contratos en cadena pueden tener interacciones más confiables, lo que aproximadamente se da cuenta de la "IA en cadena".
Basado en ideas de IA verificables, Modulus Labs ha lanzado actualmente tres aplicaciones de "IA en cadena" y también ha propuesto muchos escenarios de aplicación posibles.
1.2 Casos de Aplicación
Además, Modulus Labs menciona algunos otros ejemplos:
1.3.1 Escenarios en los que es posible que sea necesario verificar la IA
En el escenario del bot Rocky, es posible que los usuarios no tengan la necesidad de verificar el proceso de cálculo de ML. En primer lugar, los usuarios no tienen conocimientos profesionales y no tienen la capacidad de realizar una verificación real. Incluso si hay una herramienta de verificación, al usuario le parece que [presionó un] botón, y la ventana emergente de la interfaz le dice que este servicio de IA de hecho es generado por un determinado modelo, y no se puede determinar la autenticidad. En segundo lugar, los usuarios no necesitan verificación, porque les importa si la IA es de gran importancia. Los usuarios migrarán cuando no sea alto, y siempre elegirán el modelo con mejor rendimiento. En resumen, cuando los usuarios buscan el efecto final de la IA, el proceso de verificación puede tener poca importancia, porque los usuarios solo necesitan migrar al servicio modelo con el mejor efecto.
**Una posible solución es: la IA solo actúa como sugerencia y los usuarios ejecutan transacciones de forma independiente. **Cuando las personas ingresan sus objetivos comerciales en la IA, la IA calcula y devuelve una mejor ruta/dirección comercial fuera de la cadena, y el usuario elige si ejecutarla. Las personas tampoco necesitan verificar el modelo detrás de él, simplemente elijan el producto con mayor retorno.
Otra situación peligrosa pero muy probable es que a las personas no les importe en absoluto su control sobre los activos y el proceso de corrosión de la IA. Cuando aparece un robot que genera dinero automáticamente, las personas incluso están dispuestas a confiarle su dinero directamente, simplemente al igual que el proxy, es común depositar monedas en CEX o en bancos tradicionales para la gestión financiera. A la gente no le importa el principio detrás de esto, solo les importa cuánto dinero obtienen al final, o incluso cuánto dinero les muestra el lado del proyecto, porque este tipo de servicio también puede ser capaz de adquirir rápidamente un gran cantidad de usuarios, incluso mejor que usar IA verificable La velocidad de iteración del producto del lado del proyecto es más rápida.
Dando un paso atrás, si la IA no participa en absoluto en la modificación del estado en la cadena, entonces si los datos en la cadena se extraen para que los usuarios los consuman, no hay necesidad de generar ZKP para el proceso de cálculo. En este caso, dichas aplicaciones se convierten en [servicios de datos], a continuación se muestran algunos casos:
1.3.2 Escenarios en los que es necesario verificar la IA
Este artículo cree que múltiples escenarios que involucran equidad y privacidad requieren que ZKP proporcione verificación. Aquí analizamos varias aplicaciones mencionadas por Modulus Labs:
En términos generales, cuando la inteligencia artificial es como una persona que toma decisiones y su resultado tiene una amplia gama de impactos e involucra la justicia de muchas partes, la gente exigirá una revisión del proceso de toma de decisiones, o simplemente se asegurará de que la toma de decisiones. El proceso de inteligencia artificial no tiene mayores consecuencias y proteger la privacidad personal es una necesidad muy directa.
Por lo tanto, [si la salida de IA está en estado en cadena] y [si las modificaciones deben afectar la equidad/privacidad] son los dos criterios para juzgar si la solución de IA es verificable.
En cualquier caso, la solución de Modulus Labs tiene grandes implicaciones para combinar la IA con las criptomonedas y aportar valor de aplicación práctica. Sin embargo, el sistema de cadena pública no sólo puede mejorar las capacidades de los servicios de IA individuales, sino que también tiene el potencial de construir un nuevo ecosistema de aplicaciones de IA. La nueva ecología ha generado una relación llamativa entre los servicios de IA de Web2. La forma de colaboración entre los servicios de IA y los usuarios debe ser la forma de colaboración entre los enlaces ascendentes y descendentes. Podemos resumir los posibles modelos ecológicos de IA en dos tipos: modo vertical y modo horizontal.tipo.
2.1 Modo vertical: la atención permite la componibilidad entre IA
Una característica especial del ejemplo de ajedrez en cadena “Leela vs the World” es que las personas pueden realizar apuestas por humanos o IA, y las fichas se distribuyen automáticamente después del juego. En este momento, la importancia de zkp no es solo proporcionar a los usuarios el proceso de verificación de los cálculos de IA, sino también como una confianza que desencadena transiciones de estado en la cadena. Con garantía de confianza, también es posible tener componibilidad a nivel de dapp entre servicios de IA y entre dapps de IA y criptomonedas.
La unidad básica de la IA componible es [modelo de ML fuera de la cadena-contrato de verificación de generación en cadena-zkp-contrato principal]. Esta unidad se enriquece en el marco de "Leela vs the World", pero la arquitectura real de una única IA dapp puede ser diferente al anterior, la imagen lo muestra de manera diferente. En primer lugar, la situación en el ajedrez requiere un contrato, pero en realidad, es posible que la IA no necesite un contrato en cadena. Pero desde la perspectiva de la arquitectura de la IA componible, si el negocio principal se registra a través de contratos, los otros dos son que el impacto del contrato principal no necesariamente requiere el modelo ML de la propia AI dapp, porque una determinada IA Dapp puede tener influencia unidireccional y el modelo ML se encarga de procesarlo. Después de completarlo, simplemente active el contrato relacionado con su propio negocio y otros dapps llamarán el contrato.
Vista ampliada, las llamadas entre contratos son llamadas entre diferentes aplicaciones web3, que son llamadas de identidad personal, activos, servicios financieros e información social. Podemos imaginar una combinación específica de aplicaciones de IA:
La interacción entre las IA en el marco de la cadena pública no es un tema de discusión. Loaf, un contribuyente ecológico en el campo de los juegos de cadena completa, propuso una vez que los NPC de la IA puedan interactuar y comerciar entre sí como jugadores, de modo que todo el sistema económico puede autooptimizarse y automáticamente AI Arena ha desarrollado un juego de batalla automático de IA. Los usuarios primero compran un NFT. Cada NFT representa un robot de combate, con un modelo de IA detrás. Los usuarios primero juegan ellos mismos y luego intercambian datos con la IA para simular y aprender. Cuando el usuario siente que la IA es lo suficientemente fuerte, puede colocarla en la arena para luchar automáticamente contra otras IA. El AI Arena mencionado por Modulus Labs espera transformar estas IA en IA verificables. Ambos casos vieron la posibilidad de una interacción directa entre las IA para modificar los datos en cadena durante las transacciones.
Pero cómo combinar la IA para resolver muchos problemas que se discutirán en términos de implementación específica, como diferentes dapps que utilizan zkp universal o contratos de verificación, etc. Sin embargo, también hay una gran cantidad de proyectos excelentes en el campo de zk. Por ejemplo, RISC Zero ha avanzado mucho en la liberación fuera de cadena de zkp isquémico complejo a la cadena. Tal vez se pueda encontrar una solución adecuada en un día.
2.2 Modo horizontal: plataforma de servicios de IA para realizar la descentralización del estacionamiento
En este sentido, presentamos principalmente una plataforma de IA descentralizada llamada SAKSHI, que fue propuesta conjuntamente por personas de Princeton, la Universidad de Tsinghua, la Universidad de Illinois en Urbana-Champaign, la Universidad de Ciencia y Tecnología de Hong Kong, Witness Chain y Eigen Layer. Su objetivo principal es permitir a los usuarios obtener servicios de IA de una manera más descentralizada, haciendo que todo el proceso sea más automatizado y sin confianza.
La arquitectura de SAKSHI se puede dividir en seis capas: capa de servicio, capa de control, capa de transacción, capa de prueba, capa económica y mercado)
El mercado es el nivel más cercano al usuario. Hay agregadores en el mercado para brindar servicios a los usuarios en nombre de diferentes proveedores de IA. Los pedidos se realizan a través del agregador de usuarios y se llega a un acuerdo con el agregador sobre la calidad del servicio y el precio de pago ( el acuerdo se llama SLA) -Acuerdo de Nivel de Servicio).
La siguiente capa de servicio proporcionará una API para el encabezado del cliente, y luego el encabezado del cliente iniciará una solicitud de inferencia de ML al agregador, y la solicitud se transmitirá al servidor que coincida con el proveedor de servicios de IA (la ruta utilizada para transmitir la solicitud es parte de la capa de control). La capa de servicio y la capa de control son similares a un servicio web2 con múltiples servidores, pero diferentes servidores son operados por diferentes entidades y un único servidor está asociado con el agregador a través de SLA (acuerdo de servicio anterior).
SLA se implementa en la cadena en forma de contratos inteligentes y estos contratos pertenecen a la capa de transacción (Nota: en esta solución, se implementan en la cadena testigo). La capa de transacciones registra el estado actual de los pedidos de servicios de contabilidad y se utiliza para coordinar a los usuarios, agregadores y proveedores de servicios para resolver desafíos de pago.
Para que la capa de transacción tenga pruebas en las que confiar al abordar los problemas, la capa de prueba verificará si el servicio cumple con el modelo de uso acordado del SLA. Sin embargo, SAKSHI no optó por generar zkp para el proceso de cálculo de ML, sino que utilizó un argumento optimista y esperaba establecer una red de nodos retadores para probar el servicio. Los nodos son soportados por la cadena testigo.
Aunque tanto el SLA como la red de nodos retadores están en Witness Chain, en el plan de SAKSHI, Witness Chain no tiene la intención de usar sus propios tokens para lograr una seguridad independiente, sino tomar prestada la seguridad de Ethereum a través de Eigen Layer, por lo que toda la capa económica en realidad depende. en la capa propia.
Se puede ver que SAKSHI organiza diferentes IA de manera descentralizada para brindar servicios a los usuarios en torno a la relación entre los proveedores de servicios de IA y los usuarios, lo que forma un plan horizontal. El núcleo de SAKSHI es que permite que los servicios de IA se centren más en gestionar sus propios cálculos de modelos fuera de la cadena, completar la coincidencia de las necesidades del usuario y los servicios modelo, el pago de servicios y la verificación de la calidad del servicio a través de protocolos en cadena, e intenta resolver automáticamente los problemas de pago. Por supuesto, SAKSHI todavía se encuentra en una etapa teórica y también hay muchos detalles de implementación que deben determinarse.
3.Perspectivas futuras
Ya sea una IA componible o una plataforma de IA descentralizada, los modelos ecológicos de IA de las cadenas públicas parecen tener algo en común. Por ejemplo, los proveedores de servicios de IA no interactúan directamente con los usuarios: solo necesitan proporcionar modelos de aprendizaje automático y realizar cálculos y pagos fuera de la cadena, resolver problemas y hacer coincidir las necesidades de los usuarios y los servicios, todo lo cual puede resolverse mediante protocolos descentralizados. Como infraestructura sin confianza, la cadena pública reduce la dificultad entre los proveedores de servicios y los usuarios, y en este momento los usuarios también tienen una mayor autonomía.
Aunque las ventajas de utilizar cadenas públicas como base para las aplicaciones son un cliché, también se aplican a los servicios de IA. Sin embargo, las aplicaciones de IA son diferentes de las aplicaciones dapp existentes: las aplicaciones de IA no pueden poner todos los cálculos en la cadena, por lo que usar zk sigue siendo optimista para demostrar que los servicios de IA se pueden conectar al sistema de cadena pública de una manera menos confiable.
Con la implementación de una serie de soluciones de optimización de la experiencia, como la abstracción de cuentas, los usuarios ya no pueden percibir la existencia de mnemotécnicos, cadenas, gas, etc. Esto hace que el ecosistema de la cadena pública se acerque a web2 en términos de experiencia, y los usuarios pueden obtener mayores servicios que web2. El grado de libertad y componibilidad lo hacen más atractivo para los usuarios, y vale la pena esperar el ecosistema de aplicaciones de IA basado en la cadena pública.