En los últimos meses, tanto la industria tradicional de Internet como el campo blockchain se han visto afectados en cierta medida por la inteligencia artificial. A medida que los gigantes de Internet de todo el mundo se unen a la competencia uno tras otro, los practicantes de blockchain están comenzando a pensar en lo que nos traerá esta competencia de inteligencia artificial. Cuando los datos, modelos, algoritmos, potencia informática, etc. que no están relacionados con la creación de aplicaciones e infraestructura de IA estén cada vez más disponibles, ¿en qué debemos pensar? Si todo esto sucede en una caja negra, ¿aún podemos confiar en ellos? En este episodio, invitamos a Hill de SevenX Ventures a discutir cómo combinar el aprendizaje automático y las pruebas de conocimiento cero. Cómo blockchain y ZKP equilibran los problemas de confianza en la inteligencia artificial.
Hill se desempeña como líder de investigación en SevenX Ventures. Antes de unirse a SevenX, tuvo experiencia temprana en muchos puestos en otros proyectos y blockchains, como investigación sobre diseño de mecanismos y diseño de tokenómica, y también trabajó como gerente de productos y relaciones con inversionistas.
"Cómo afectan los problemas de confianza al campo de la IA y el complemento de ZK y blockchain"
La cuestión de la confianza aquí proviene principalmente de dos puntos: la incertidumbre de los resultados finales producidos por la IA, y la forma en que la IA produce resultados es esencialmente una caja negra opaca.
En primer lugar, cuando el resultado de un Machine Learning no es tan replicable, resulta difícil aplicarlo al proceso de producción crítico y libre de errores. Por ejemplo, en el modelo de lenguaje grande actual, incluso si damos las mismas instrucciones, su salida siempre estará sesgada, por lo que generalmente lo usamos como una herramienta heurística y no le damos el trabajo más importante que tenemos entre manos. Además, el proceso mediante el cual la IA produce resultados no es tan confiable para los usuarios, que no se atreven a enviar información y datos confidenciales a la IA.
Esta también es una oportunidad para blockchain y ZK. Si utilizamos la tecnología blockchain o ZK para hacer que la IA sea más confiable, entonces en este momento esencialmente podemos expandir los límites de la IA a los que están expuestos los usuarios finales de C. No solo podemos permitir que los usuarios finales C prueben la IA por una pequeña cantidad de dinero, sino que cuando la IA se vuelve lo suficientemente confiable, también podemos permitir que los usuarios finales C inviertan un valor mayor.
"Contratos inteligentes más inteligentes"
En cuanto a los contratos inteligentes, Vitalik tuvo un punto interesante antes: dijo que el nombre en realidad es incorrecto. Los contratos inteligentes no son inteligentes. Para ser más precisos, son un guión difícil. En otras palabras, después de implementar el script, incluso si uno de los nodos se desconecta, no puede evitar que el script continúe ejecutándose. Pero esencialmente es sólo un script que se ejecuta tal como fue escrito antes.
Entonces, si los contratos inteligentes tienen la capacidad de aprendizaje automático, podremos lograr una verdadera autonomía en la cadena. Para la IA tradicional, nunca han tenido la oportunidad de alcanzar la soberanía, porque la mayoría de la IA o los modelos están en manos de grandes empresas y pueden apagarlos o cambiarlos en cualquier momento si lo desean. Naturalmente, la cadena de bloques puede proporcionar un entorno de este tipo para desarrollar la autonomía en la cadena.
"La fuerza impulsora de ZKML"
De hecho, tanto el campo ZK como el ML se están desarrollando rápidamente y cada día que pasa salen cosas nuevas al mercado. Yo mismo he observado dos direcciones, una es la prueba y la otra es la infraestructura informática en la cadena. Groth16 y halo2 ahora se usan con más frecuencia, principalmente para cálculos en EVM u otras VM, es decir, para generar pruebas de conocimiento cero para cálculos de máquinas de estados. Pero algunas personas también intentan utilizarlo para generar pruebas del proceso de cálculo de la inferencia del aprendizaje automático.
Otra dirección es el entorno informático. Desde esta perspectiva, no solo el entorno informático para ML o AI, ya sea zkEVM o zkWASM a los que todo el mundo ha prestado atención recientemente, estos diferentes entornos informáticos con sistemas a prueba de ZK tendrán la oportunidad de ejecutar Machine Learning en el futuro. modelo de IA. Siempre que coloque el modelo de aprendizaje automático en su entorno informático, generarán una prueba ZK basada en el cálculo y podemos garantizar que este proceso sea correcto.
¡Descubre más aplicaciones zkML interesantes!
Lo más emocionante de una industria es cuando hay una enorme necesidad oculta en el mercado y podemos aprovechar esas brechas y brindar soluciones elegantes. Sin embargo, la adopción masiva es el objetivo a largo plazo por el que blockchain todavía se esfuerza, y zk también es una tecnología de vanguardia a la que los usuarios comunes de Internet tradicional tienen relativamente poca exposición. Es posible que a los usuarios no les importen mucho estos oscuros protocolos e infraestructura subyacentes, sino más bien si el producto es fácil de usar y qué valor tiene. ¿Cómo deberíamos abstraer estas cosas, explorar las necesidades de los usuarios y crear aplicaciones más interesantes?
En la última parte de la conversación volvimos al tema que más preocupa a todos, ¿qué tipo de aplicaciones necesitan los usuarios? Hill dijo que su dirección más prometedora es la seguridad DeFi y dio un ejemplo muy vívido para mostrar a todos qué productos se pueden fabricar con zkML. ¡Recomiendo encarecidamente a todos que escuchen el final! Tal vez pueda invitar a mis amigos a construirlo juntos pronto~
Enlaces relacionados
Escritos de Hill:
Equilibrando el poder de AI/ML: el papel de ZK y Blockchain:
zkML: Evolución de la inteligencia de los contratos inteligentes mediante criptografía de conocimiento cero:
Aprendizaje automático de conocimiento cero (ZKML): proyectos que exploran el espacio:
Controles y contrapesos: aprendizaje automático y pruebas de conocimiento cero:
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.
zkML: hacer que la IA sea más confiable y la posibilidad de autonomía en la cadena
"Introducción"
En los últimos meses, tanto la industria tradicional de Internet como el campo blockchain se han visto afectados en cierta medida por la inteligencia artificial. A medida que los gigantes de Internet de todo el mundo se unen a la competencia uno tras otro, los practicantes de blockchain están comenzando a pensar en lo que nos traerá esta competencia de inteligencia artificial. Cuando los datos, modelos, algoritmos, potencia informática, etc. que no están relacionados con la creación de aplicaciones e infraestructura de IA estén cada vez más disponibles, ¿en qué debemos pensar? Si todo esto sucede en una caja negra, ¿aún podemos confiar en ellos? En este episodio, invitamos a Hill de SevenX Ventures a discutir cómo combinar el aprendizaje automático y las pruebas de conocimiento cero. Cómo blockchain y ZKP equilibran los problemas de confianza en la inteligencia artificial.
Hill se desempeña como líder de investigación en SevenX Ventures. Antes de unirse a SevenX, tuvo experiencia temprana en muchos puestos en otros proyectos y blockchains, como investigación sobre diseño de mecanismos y diseño de tokenómica, y también trabajó como gerente de productos y relaciones con inversionistas.
"Cómo afectan los problemas de confianza al campo de la IA y el complemento de ZK y blockchain"
La cuestión de la confianza aquí proviene principalmente de dos puntos: la incertidumbre de los resultados finales producidos por la IA, y la forma en que la IA produce resultados es esencialmente una caja negra opaca.
En primer lugar, cuando el resultado de un Machine Learning no es tan replicable, resulta difícil aplicarlo al proceso de producción crítico y libre de errores. Por ejemplo, en el modelo de lenguaje grande actual, incluso si damos las mismas instrucciones, su salida siempre estará sesgada, por lo que generalmente lo usamos como una herramienta heurística y no le damos el trabajo más importante que tenemos entre manos. Además, el proceso mediante el cual la IA produce resultados no es tan confiable para los usuarios, que no se atreven a enviar información y datos confidenciales a la IA.
Esta también es una oportunidad para blockchain y ZK. Si utilizamos la tecnología blockchain o ZK para hacer que la IA sea más confiable, entonces en este momento esencialmente podemos expandir los límites de la IA a los que están expuestos los usuarios finales de C. No solo podemos permitir que los usuarios finales C prueben la IA por una pequeña cantidad de dinero, sino que cuando la IA se vuelve lo suficientemente confiable, también podemos permitir que los usuarios finales C inviertan un valor mayor.
"Contratos inteligentes más inteligentes"
En cuanto a los contratos inteligentes, Vitalik tuvo un punto interesante antes: dijo que el nombre en realidad es incorrecto. Los contratos inteligentes no son inteligentes. Para ser más precisos, son un guión difícil. En otras palabras, después de implementar el script, incluso si uno de los nodos se desconecta, no puede evitar que el script continúe ejecutándose. Pero esencialmente es sólo un script que se ejecuta tal como fue escrito antes.
Entonces, si los contratos inteligentes tienen la capacidad de aprendizaje automático, podremos lograr una verdadera autonomía en la cadena. Para la IA tradicional, nunca han tenido la oportunidad de alcanzar la soberanía, porque la mayoría de la IA o los modelos están en manos de grandes empresas y pueden apagarlos o cambiarlos en cualquier momento si lo desean. Naturalmente, la cadena de bloques puede proporcionar un entorno de este tipo para desarrollar la autonomía en la cadena.
"La fuerza impulsora de ZKML"
De hecho, tanto el campo ZK como el ML se están desarrollando rápidamente y cada día que pasa salen cosas nuevas al mercado. Yo mismo he observado dos direcciones, una es la prueba y la otra es la infraestructura informática en la cadena. Groth16 y halo2 ahora se usan con más frecuencia, principalmente para cálculos en EVM u otras VM, es decir, para generar pruebas de conocimiento cero para cálculos de máquinas de estados. Pero algunas personas también intentan utilizarlo para generar pruebas del proceso de cálculo de la inferencia del aprendizaje automático.
Otra dirección es el entorno informático. Desde esta perspectiva, no solo el entorno informático para ML o AI, ya sea zkEVM o zkWASM a los que todo el mundo ha prestado atención recientemente, estos diferentes entornos informáticos con sistemas a prueba de ZK tendrán la oportunidad de ejecutar Machine Learning en el futuro. modelo de IA. Siempre que coloque el modelo de aprendizaje automático en su entorno informático, generarán una prueba ZK basada en el cálculo y podemos garantizar que este proceso sea correcto.
¡Descubre más aplicaciones zkML interesantes!
Lo más emocionante de una industria es cuando hay una enorme necesidad oculta en el mercado y podemos aprovechar esas brechas y brindar soluciones elegantes. Sin embargo, la adopción masiva es el objetivo a largo plazo por el que blockchain todavía se esfuerza, y zk también es una tecnología de vanguardia a la que los usuarios comunes de Internet tradicional tienen relativamente poca exposición. Es posible que a los usuarios no les importen mucho estos oscuros protocolos e infraestructura subyacentes, sino más bien si el producto es fácil de usar y qué valor tiene. ¿Cómo deberíamos abstraer estas cosas, explorar las necesidades de los usuarios y crear aplicaciones más interesantes?
En la última parte de la conversación volvimos al tema que más preocupa a todos, ¿qué tipo de aplicaciones necesitan los usuarios? Hill dijo que su dirección más prometedora es la seguridad DeFi y dio un ejemplo muy vívido para mostrar a todos qué productos se pueden fabricar con zkML. ¡Recomiendo encarecidamente a todos que escuchen el final! Tal vez pueda invitar a mis amigos a construirlo juntos pronto~
Enlaces relacionados
Escritos de Hill:
Equilibrando el poder de AI/ML: el papel de ZK y Blockchain:
zkML: Evolución de la inteligencia de los contratos inteligentes mediante criptografía de conocimiento cero:
Aprendizaje automático de conocimiento cero (ZKML): proyectos que exploran el espacio:
Controles y contrapesos: aprendizaje automático y pruebas de conocimiento cero: