Laboratórios Modulus implementam IA verificável executando cálculos de ML fora da cadeia e gerando zkp de forma flexível. Este artigo reimplanta esta solução do ponto de vista do aplicativo e analisa em quais cenários ela é estritamente necessária e em quais cenários a demanda é fraca e, em última análise, atrasa a horizontal desenvolvimento. e modelo ecológico de IA verticalmente unificado baseado na cadeia pública. Os conteúdos principais são:
Se a base da IA é verificável: se os dados na cadeia são modificados e se a justiça e a privacidade estão envolvidas
Quando a IA não afeta o status da cadeia, a IA pode atuar como um sugeridor e as pessoas podem julgar a qualidade dos serviços de IA através dos efeitos reais, sem verificar o processo de cálculo.
Ao afetar o status na cadeia, se o serviço for direcionado a indivíduos e afetar certa privacidade, os usuários ainda poderão julgar diretamente o processo de extração de qualidade do serviço de IA e cálculo de inspeção.
Quando o resultado da IA afetar a justiça e a privacidade pessoal entre várias pessoas, como usar IA para avaliar e distribuir recompensas aos membros da comunidade, usar IA para otimizar AMM ou envolver dados biológicos, você desejará revisar o cálculo de AI. Isto é, você pode verificar onde a IA pode ter encontrado o PMF.
Ecossistema vertical de aplicativos de IA: Como a cauda da IA verificável é um contrato inteligente, uma vez que as chamadas interativas que consomem confiança entre IA e dapps nativos podem ser possíveis entre aplicativos de IA verificáveis, este é um potencial ecossistema de aplicativos de IA combináveis.
Ecossistema horizontal de aplicação de IA: O sistema de cadeia pública pode lidar com questões como pagamento de serviços, coordenação de gargalos de pagamento e correspondência entre as necessidades do usuário e o conteúdo do serviço para provedores de serviços de IA, permitindo que os usuários obtenham uma experiência de serviço de IA descentralizada com um maior grau de liberdade.
1. Introdução e casos de aplicação do Modulus Labs
1.1 Introdução e soluções principais
Modulus Labs é uma empresa de IA “on-chain” que acredita que a IA pode melhorar significativamente as capacidades dos contratos inteligentes e tornar os aplicativos web3 mais poderosos. Porém, há uma contradição quando a IA avalia o web3, ou seja, o funcionamento da IA requer muito poder computacional, e a IA na computação off-chain é uma caixa preta, que não atende aos requisitos básicos do web3 para ser confiável e verificável.
Portanto, o plano de rollup zk do Modulus Labs Summit [reparo fora da cadeia + verificação na cadeia] propôs uma arquitetura de IA verificável, especificamente: o modelo de ML é executado fora da cadeia e um zkp é gerado fora da cadeia para o processo de cálculo de ML. Através deste zkp, a arquitetura, permissões e entradas do modelo off-chain podem ser verificadas.Claro, este zkp também pode ser publicado na cadeia para verificação por contratos inteligentes. Neste momento, a IA e os contratos em cadeia podem ter interações mais confiáveis, concretizando aproximadamente a "IA em cadeia".
Com base em ideias verificáveis de IA, a Modulus Labs lançou atualmente três aplicações de “IA on-chain” e também propôs muitos cenários de aplicação possíveis.
1.2 Casos de aplicação
O primeiro lançado é o Rocky bot, uma IA de negociação automatizada. Rocky é treinado a partir dos dados históricos do par de negociação wEth/USDC. Ele determina a tendência futura com base em dados históricos.Após tomar uma decisão de transação, ele irá gerar um zkp para o processo de tomada de decisão (processo de cálculo) e encaminhar L1 para enviar uma mensagem para acionar a transação.
O segundo é o jogo de xadrez em cadeia "Leela vs the World", as duas partes do jogo são IA e humanos, e a situação do jogo de xadrez está incluída no contrato. Os jogadores operam (interagem com contratos) através de suas carteiras. A IA lê a nova situação do jogo de xadrez, conclui o julgamento e gera zkp para todo o processo de cálculo. Ambas as etapas estão na nuvem AWS e o zkp é verificado pelo contrato na cadeia. Após a verificação ser bem-sucedida, o contrato do jogo de xadrez é denominado "jogar xadrez".
O terceiro é o artista de IA "on-chain" e lançou a série NFT zkMon. O núcleo é que a IA gera NFT e o publica na cadeia, e ao mesmo tempo gera um zkp. Os usuários podem usar zkp para verificar se seu NFT gera o modelo de IA correspondente.
Além disso, Modulus Labs menciona alguns outros exemplos:
Use IA para avaliar dados de cadeias pessoais e outras informações, gerar recompensas de pontos pessoais e publicar zkp para verificação do usuário;
Use IA para otimizar o desempenho do AMM e liberar zkp para verificação do usuário;
Usar IA verificável para ajudar projetos de privacidade a lidar com a pressão regulatória sem expor a privacidade (talvez usando ML para provar que esta transação não é lavagem de dinheiro sem expor o endereço do usuário e outras informações);
Previsão meteorológica de IA e zkp são lançados ao mesmo tempo para fornecer aos proprietários a capacidade de verificar a confiabilidade dos dados fora da cadeia;
Competição de modelos de IA, os competidores enviam sua própria arquitetura e pesos e, em seguida, executam o modelo com entrada de teste unificada para gerar zkp para a armadura. O contrato final distribuirá automaticamente o bônus ao simulador;
Worldcoin disse que no futuro, pode ser possível que os usuários baixem o modelo que gera o código correspondente para a íris em seu dispositivo local, executem o modelo localmente e gerem zkp, para que o contrato na cadeia possa usar zkp para verificar se o código da íris do usuário é gerado a partir do modelo correto e da íris razoável, evitando que as informações biométricas saiam do próprio dispositivo do usuário;
**1.3 Discuta diferentes cenários de aplicação com base na demanda por IA verificável **
1.3.1 Cenários em que a IA pode precisar ser verificada
No cenário do bot Rocky, os usuários podem não precisar verificar o processo de cálculo de ML. Primeiro, os usuários não possuem conhecimento profissional e não têm capacidade de fazer verificações reais. Mesmo que exista uma ferramenta de verificação, parece ao usuário que [ele pressionou um] botão, e a janela pop-up da interface informa que este serviço de IA é de fato gerado por um determinado modelo, e a autenticidade não pode ser determinada. Em segundo lugar, os usuários não precisam de verificação, porque os usuários se preocupam se a IA é de grande importância. Os usuários migrarão quando não estiver alto e sempre escolherão o modelo com melhor desempenho. Em suma, quando os utilizadores procuram o efeito final da IA, o processo de verificação pode ser de pouca importância, porque os utilizadores só precisam de migrar para o serviço modelo com o melhor efeito.
**Uma solução possível é: a IA atua apenas como sugestora e os usuários executam transações de forma independente. **Quando as pessoas inserem seus objetivos de negociação na IA, a IA calcula e retorna um melhor caminho/direção de negociação fora da cadeia, e o usuário escolhe se deseja executá-lo. As pessoas também não precisam verificar o modelo, basta escolher o produto com maior retorno.
Outra situação perigosa, mas muito provável, é que as pessoas não se importam com seu controle sobre os ativos e com o processo de corrosão da IA.Quando aparece um robô que ganha dinheiro automaticamente, as pessoas estão até dispostas a confiar seu dinheiro diretamente a ele, apenas como o proxy É comum depositar moedas no CEX ou em bancos tradicionais para gestão financeira. As pessoas não se importam com o princípio por trás disso, elas só se importam com quanto dinheiro receberão no final, ou mesmo com quanto dinheiro o lado do projeto lhes mostra como ganhando, porque esse tipo de serviço também pode ser capaz de adquirir rapidamente um grande número de usuários, ainda melhor do que usar IA verificável. A velocidade de iteração do produto do lado do projeto é mais rápida.
Dando um passo atrás, se a IA não participar de nenhuma modificação do estado da cadeia, então, se os dados da cadeia forem extraídos para consumo pelos usuários, não há necessidade de gerar ZKP para o processo de cálculo. Aqui, tais aplicações são transformadas em [serviços de dados].Aqui estão alguns casos:
A caixa de bate-papo fornecida pelo Mest é um serviço de dados típico. Os usuários podem usar métodos de perguntas e respostas para entender seus próprios dados na rede, como perguntar quanto gastaram em NFT;
*ChainGPT é um assistente multifuncional de IA que pode interpretar contratos inteligentes para você antes de negociar, informando se você está negociando com o pool correto ou se a transação provavelmente será prejudicada ou antecipada. ChainGPT também está se preparando para fornecer recomendações de notícias de IA, avisos de entrada para gerar imagens automaticamente e publicá-las em NFT e outros serviços;
RSS3 oferece uma escolha de AIOP, permitindo que os usuários selecionem quais dados on-chain desejam e criem determinados dados on-chain, selecionando assim convenientemente dados específicos on-chain para treinar IA;
DefiLlama e RSS3 também desenvolveram plug-ins ChatGPT, permitindo aos usuários obter dados on-chain por meio de conversas;
1.3.2 Cenários onde a IA precisa ser verificada
Este artigo acredita que vários cenários envolvendo justiça e privacidade exigem que o ZKP forneça verificação. Aqui discutimos vários aplicativos mencionados pelo Modulus Labs:
Quando a comunidade emite recompensas com base em recompensas individuais geradas pela IA, os membros da comunidade exigirão inevitavelmente a revisão do processo de tomada de decisão, que é o processo de cálculo do ML;
A otimização de IA do AMM envolve a distribuição de interesses entre várias partes, e o processo de cálculo de IA também precisa ser verificado regularmente;
Ao equilibrar privacidade e supervisão, ZK é atualmente uma das melhores soluções.Se o provedor de serviço utiliza ML para processar dados privados no serviço, ele precisa gerar ZKP para todo o processo de cálculo;
Como a máquina de previsão tem uma ampla gama de influência, se for ajustada pela IA, o ZKP precisa ser gerado regularmente para verificar se a IA está funcionando normalmente;
Durante a competição, o público e demais participantes são obrigados a verificar se os danos do ML estão de acordo com as normas da competição;
No caso potencial da WorldCoin, a proteção dos dados biométricos pessoais também é uma necessidade inibidora;
De um modo geral, quando a inteligência artificial é como um tomador de decisão, e o seu resultado tem uma ampla gama de impactos e envolve a justiça de muitas partes, as pessoas exigirão uma revisão do processo de tomada de decisão, ou simplesmente garantirão que a tomada de decisão O processo de inteligência artificial não tem grandes consequências, e proteger a privacidade pessoal é uma necessidade muito direta.
Portanto, [se a saída de IA está no status on-chain] e [se as modificações precisam afetar a justiça/privacidade] são os dois critérios para julgar se a solução de IA é verificável.
Quando a saída de IA não modifica o estado da cadeia, o serviço de IA pode atuar como sugeridor, e a qualidade do serviço de IA pode ser julgada pelo efeito de sugestão sem a necessidade de verificar o cálculo processo;
Quando a saída da IA modifica o status da cadeia, se o serviço for apenas para indivíduos e não tiver impacto na privacidade, o usuário ainda poderá julgar diretamente o processo de cálculo da inspeção de qualidade do serviço de IA;
Quando o resultado da IA afetará diretamente a justiça entre várias pessoas e a IA modificar automaticamente os dados na cadeia, a comunidade e o público terão necessidade de examinar o processo de tomada de decisão da IA;
Quando os dados processados pelo ML envolvem privacidade pessoal, zk também é obrigado a proteger a privacidade e propor requisitos regulatórios.
*2. Dois modelos ecológicos de IA baseados em cadeias públicas *
De qualquer forma, a solução da Modulus Labs tem grandes implicações para combinar IA com criptomoeda e agregar valor prático à aplicação. No entanto, o sistema de cadeia pública não só pode melhorar as capacidades dos serviços individuais de IA, mas também tem o potencial de construir um novo ecossistema de aplicações de IA. A nova ecologia trouxe a relação atraente entre os serviços de IA da Web2. A forma de colaboração entre os serviços de IA e os usuários deve ser a forma de colaboração entre links upstream e downstream. Podemos resumir os potenciais modelos ecológicos de IA em dois tipos: modo vertical e modo horizontal.
2.1 Modo vertical: a atenção permite a composição entre IAs
Uma característica especial do exemplo de xadrez em cadeia “Leela vs the World” é que as pessoas podem fazer apostas para humanos ou IA, e os tokens são distribuídos automaticamente após o jogo. Neste momento, a importância do zkp não é apenas fornecer aos usuários o processo de verificação dos cálculos de IA, mas também como uma confiança que desencadeia transições de estado na cadeia. Com a garantia de confiança, também é possível ter capacidade de composição em nível de dapp entre serviços de IA e entre dapps de IA e criptomoeda.
A unidade básica da IA combinável é [contrato principal do contrato de verificação de geração na cadeia do modelo ML off-chain-zkp].Esta unidade é enriquecida na estrutura de "Leela vs the World", mas a arquitetura real de uma única IA dapp pode ser diferente do acima. A imagem mostra isso de forma diferente. Primeiro, a situação no xadrez exige um contrato, mas, na realidade, a IA pode não precisar de um contrato em cadeia. Mas do ponto de vista da arquitetura da IA combinável, se o negócio principal for registrado por meio de contratos, os outros dois é que o impacto do contrato principal não requer necessariamente o modelo de ML do próprio dapp de IA, porque uma certa IA dapp pode ter influência unidirecional, e o modelo de ML trata. Após a conclusão, basta acionar o contrato relacionado ao seu próprio negócio, e o contrato será chamado por outros dapps.
Visão estendida, as chamadas entre contratos são chamadas entre diferentes aplicações web3, que são chamadas de identidade pessoal, ativos, serviços financeiros e informações sociais.Podemos imaginar uma combinação específica de aplicações de IA:
Worldcoin usa ML para gerar códigos de íris e zkp para dados pessoais de íris;
O aplicativo de IA primeiro verifica se o DID é uma pessoa real (com dados da íris por trás dele) e aloca NFT ao usuário com base na reputação na cadeia;
O serviço de rede ajusta o compartilhamento de rede com base no NFT de propriedade do usuário;
......
A interação entre IAs sob a estrutura da cadeia pública não é uma questão de discussão. Loaf, um contribuidor ecológico no campo de jogos de cadeia completa, uma vez propôs que os NPCs de IA pudessem interagir e negociar entre si como jogadores, para que todo o sistema econômico pode se auto-otimizar e automaticamente AI Arena desenvolveu um jogo de batalha automático de IA. Os usuários primeiro compram um NFT. Cada NFT representa um robô de combate, com um modelo de IA por trás dele. Os próprios usuários primeiro jogam o jogo e depois trocam os dados com a IA para simular e aprender. Quando o usuário sentir que a IA é forte o suficiente, ela pode ser colocada na arena para lutar automaticamente contra outras IAs. A AI Arena mencionada pelo Modulus Labs espera transformar essas IAs em IA verificáveis. Ambos os casos viram a possibilidade de interação direta entre IAs para modificar dados na cadeia durante as transações.
Mas como combinar IA para resolver muitos problemas a serem discutidos em termos de implementação específica, como diferentes dapps usando zkp universal ou contratos de verificação, etc. No entanto, há também um grande número de projetos excelentes na área de zk. Por exemplo, RISC Zero fez muito progresso na liberação de zkp isquêmico complexo fora da cadeia. Talvez uma solução adequada possa ser montada em um dia.
2.2 Modo horizontal: plataforma de serviço de IA para realizar a descentralização do estacionamento
A este respeito, introduzimos principalmente uma plataforma de IA descentralizada chamada SAKSHI, que foi proposta conjuntamente por pessoas de Princeton, Universidade Tsinghua, Universidade de Illinois em Urbana-Champaign, Universidade de Ciência e Tecnologia de Hong Kong, Witness Chain e Eigen Layer. Seu principal objetivo é permitir que os usuários obtenham serviços de IA de forma mais descentralizada, tornando todo o processo mais confiável e automatizado.
A arquitetura do SAKSHI pode ser dividida em seis camadas: Camada de Serviço, Camada de Controle, Camada de Transação, Camada de Prova, Camada Econômica e Mercado))
O mercado é o nível mais próximo do usuário. Existem agregadores no mercado para fornecer serviços aos usuários em nome de diferentes fornecedores de IA. Os pedidos são feitos por meio do agregador de usuários e um acordo é alcançado com o agregador sobre a qualidade do serviço e o preço de pagamento ( o acordo é denominado SLA) -Acordo de Nível de Serviço).
A próxima camada de serviço fornecerá uma API para o cabeçalho do cliente e, em seguida, o cabeçalho do cliente iniciará uma solicitação de inferência de ML para o agregador, e a solicitação será transmitida ao servidor correspondente ao provedor de serviços de IA (a rota usada para transmitir a solicitação faz parte da camada de controle). A camada de serviço e a camada de controle são semelhantes a um serviço web2 com vários servidores, mas servidores diferentes são operados por entidades diferentes, e um único servidor é associado ao agregador por meio de SLA (contrato de serviço anterior).
O SLA é implantado na cadeia na forma de contratos inteligentes, e esses contratos pertencem à camada de transação (Observação: nesta solução, eles são implantados na cadeia testemunha). A camada de transação registra o status atual das ordens de serviço contábil e é usada para coordenar usuários, agregadores e provedores de serviços para resolver desafios de pagamento.
Para que a camada de transação tenha evidências nas quais possa confiar ao lidar com problemas, a Camada de Prova verificará se o serviço está em conformidade com o modelo de uso acordado do SLA. No entanto, SAKSHI não optou por gerar zkp para o processo de cálculo de ML. Em vez disso, usou um argumento otimista e esperava estabelecer uma rede de nós desafiadores para testar o serviço. Os nós são suportados pela cadeia testemunha.
Embora o SLA e a rede do nó desafiador estejam ambos na Witness Chain, no plano da SAKSHI, a Witness Chain não pretende usar seus próprios tokens para obter segurança independente, mas sim emprestar a segurança do Ethereum por meio da camada Eigen, de modo que toda a camada econômica realmente depende na camada Eigen.
Pode-se observar que o SAKSHI organiza diferentes IAs de forma descentralizada para fornecer serviços aos usuários em torno do relacionamento entre provedores de serviços de IA e usuários, o que forma um plano horizontal. O núcleo do SAKSHI é que ele permite que os serviços de IA se concentrem mais no gerenciamento de seus próprios cálculos de modelo off-chain, completando a correspondência entre as necessidades do usuário e os serviços modelo, o pagamento de serviços e a verificação da qualidade do serviço por meio de protocolos on-chain, e tentativas de resolver automaticamente problemas de pagamento. É claro que o SAKSHI ainda está em um estágio teórico e também há muitos detalhes de implementação que precisam ser determinados.
3.Perspectivas Futuras
Quer se trate de IA combinável ou de uma plataforma de IA descentralizada, os modelos ecológicos de IA de cadeias públicas parecem ter algo em comum. Por exemplo, os prestadores de serviços de IA não interagem diretamente com os utilizadores. Eles apenas precisam de fornecer modelos de ML e realizar cálculos e pagamentos fora da cadeia, resolução de problemas e correspondência entre as necessidades e serviços dos utilizadores, todos os quais podem ser resolvidos através de protocolos descentralizados. Por ser uma infraestrutura sem confiança, a cadeia pública reduz a dificuldade entre prestadores de serviços e usuários.Neste momento, os usuários também têm maior autonomia.
Embora as vantagens de usar cadeias públicas como base para aplicações sejam clichês, elas também se aplicam aos serviços de IA. No entanto, os aplicativos de IA são diferentes dos aplicativos dapp existentes. Os aplicativos de IA não podem colocar todos os cálculos na cadeia, portanto, o uso de zk ainda é otimista para provar que os serviços de IA podem ser conectados ao sistema de cadeia pública de uma forma mais confiável.
Com a implementação de uma série de soluções de otimização de experiência, como abstração de contas, os usuários não podem mais perceber a existência de mnemônicos, cadeias, gases, etc. Isso torna o ecossistema da cadeia pública próximo da web2 em termos de experiência, e os usuários podem obter maior serviços do que web 2. O grau de liberdade e capacidade de composição o tornam mais atraente para os usuários, e vale a pena esperar pelo ecossistema de aplicativos de IA baseado na cadeia pública.
Ver original
Esta página pode conter conteúdos de terceiros, que são fornecidos apenas para fins informativos (sem representações/garantias) e não devem ser considerados como uma aprovação dos seus pontos de vista pela Gate, nem como aconselhamento financeiro ou profissional. Consulte a Declaração de exoneração de responsabilidade para obter mais informações.
Da IA verificável à IA combinável: reflexões sobre cenários de aplicação ZKML
Autor: Turbina Guo, Espelho
Contudo:
Laboratórios Modulus implementam IA verificável executando cálculos de ML fora da cadeia e gerando zkp de forma flexível. Este artigo reimplanta esta solução do ponto de vista do aplicativo e analisa em quais cenários ela é estritamente necessária e em quais cenários a demanda é fraca e, em última análise, atrasa a horizontal desenvolvimento. e modelo ecológico de IA verticalmente unificado baseado na cadeia pública. Os conteúdos principais são:
Se a base da IA é verificável: se os dados na cadeia são modificados e se a justiça e a privacidade estão envolvidas
Quando a IA não afeta o status da cadeia, a IA pode atuar como um sugeridor e as pessoas podem julgar a qualidade dos serviços de IA através dos efeitos reais, sem verificar o processo de cálculo.
Ao afetar o status na cadeia, se o serviço for direcionado a indivíduos e afetar certa privacidade, os usuários ainda poderão julgar diretamente o processo de extração de qualidade do serviço de IA e cálculo de inspeção.
Quando o resultado da IA afetar a justiça e a privacidade pessoal entre várias pessoas, como usar IA para avaliar e distribuir recompensas aos membros da comunidade, usar IA para otimizar AMM ou envolver dados biológicos, você desejará revisar o cálculo de AI. Isto é, você pode verificar onde a IA pode ter encontrado o PMF.
Ecossistema vertical de aplicativos de IA: Como a cauda da IA verificável é um contrato inteligente, uma vez que as chamadas interativas que consomem confiança entre IA e dapps nativos podem ser possíveis entre aplicativos de IA verificáveis, este é um potencial ecossistema de aplicativos de IA combináveis.
Ecossistema horizontal de aplicação de IA: O sistema de cadeia pública pode lidar com questões como pagamento de serviços, coordenação de gargalos de pagamento e correspondência entre as necessidades do usuário e o conteúdo do serviço para provedores de serviços de IA, permitindo que os usuários obtenham uma experiência de serviço de IA descentralizada com um maior grau de liberdade.
1. Introdução e casos de aplicação do Modulus Labs
1.1 Introdução e soluções principais
Modulus Labs é uma empresa de IA “on-chain” que acredita que a IA pode melhorar significativamente as capacidades dos contratos inteligentes e tornar os aplicativos web3 mais poderosos. Porém, há uma contradição quando a IA avalia o web3, ou seja, o funcionamento da IA requer muito poder computacional, e a IA na computação off-chain é uma caixa preta, que não atende aos requisitos básicos do web3 para ser confiável e verificável.
Portanto, o plano de rollup zk do Modulus Labs Summit [reparo fora da cadeia + verificação na cadeia] propôs uma arquitetura de IA verificável, especificamente: o modelo de ML é executado fora da cadeia e um zkp é gerado fora da cadeia para o processo de cálculo de ML. Através deste zkp, a arquitetura, permissões e entradas do modelo off-chain podem ser verificadas.Claro, este zkp também pode ser publicado na cadeia para verificação por contratos inteligentes. Neste momento, a IA e os contratos em cadeia podem ter interações mais confiáveis, concretizando aproximadamente a "IA em cadeia".
Com base em ideias verificáveis de IA, a Modulus Labs lançou atualmente três aplicações de “IA on-chain” e também propôs muitos cenários de aplicação possíveis.
1.2 Casos de aplicação
Além disso, Modulus Labs menciona alguns outros exemplos:
1.3.1 Cenários em que a IA pode precisar ser verificada
No cenário do bot Rocky, os usuários podem não precisar verificar o processo de cálculo de ML. Primeiro, os usuários não possuem conhecimento profissional e não têm capacidade de fazer verificações reais. Mesmo que exista uma ferramenta de verificação, parece ao usuário que [ele pressionou um] botão, e a janela pop-up da interface informa que este serviço de IA é de fato gerado por um determinado modelo, e a autenticidade não pode ser determinada. Em segundo lugar, os usuários não precisam de verificação, porque os usuários se preocupam se a IA é de grande importância. Os usuários migrarão quando não estiver alto e sempre escolherão o modelo com melhor desempenho. Em suma, quando os utilizadores procuram o efeito final da IA, o processo de verificação pode ser de pouca importância, porque os utilizadores só precisam de migrar para o serviço modelo com o melhor efeito.
**Uma solução possível é: a IA atua apenas como sugestora e os usuários executam transações de forma independente. **Quando as pessoas inserem seus objetivos de negociação na IA, a IA calcula e retorna um melhor caminho/direção de negociação fora da cadeia, e o usuário escolhe se deseja executá-lo. As pessoas também não precisam verificar o modelo, basta escolher o produto com maior retorno.
Outra situação perigosa, mas muito provável, é que as pessoas não se importam com seu controle sobre os ativos e com o processo de corrosão da IA.Quando aparece um robô que ganha dinheiro automaticamente, as pessoas estão até dispostas a confiar seu dinheiro diretamente a ele, apenas como o proxy É comum depositar moedas no CEX ou em bancos tradicionais para gestão financeira. As pessoas não se importam com o princípio por trás disso, elas só se importam com quanto dinheiro receberão no final, ou mesmo com quanto dinheiro o lado do projeto lhes mostra como ganhando, porque esse tipo de serviço também pode ser capaz de adquirir rapidamente um grande número de usuários, ainda melhor do que usar IA verificável. A velocidade de iteração do produto do lado do projeto é mais rápida.
Dando um passo atrás, se a IA não participar de nenhuma modificação do estado da cadeia, então, se os dados da cadeia forem extraídos para consumo pelos usuários, não há necessidade de gerar ZKP para o processo de cálculo. Aqui, tais aplicações são transformadas em [serviços de dados].Aqui estão alguns casos:
1.3.2 Cenários onde a IA precisa ser verificada
Este artigo acredita que vários cenários envolvendo justiça e privacidade exigem que o ZKP forneça verificação. Aqui discutimos vários aplicativos mencionados pelo Modulus Labs:
De um modo geral, quando a inteligência artificial é como um tomador de decisão, e o seu resultado tem uma ampla gama de impactos e envolve a justiça de muitas partes, as pessoas exigirão uma revisão do processo de tomada de decisão, ou simplesmente garantirão que a tomada de decisão O processo de inteligência artificial não tem grandes consequências, e proteger a privacidade pessoal é uma necessidade muito direta.
Portanto, [se a saída de IA está no status on-chain] e [se as modificações precisam afetar a justiça/privacidade] são os dois critérios para julgar se a solução de IA é verificável.
De qualquer forma, a solução da Modulus Labs tem grandes implicações para combinar IA com criptomoeda e agregar valor prático à aplicação. No entanto, o sistema de cadeia pública não só pode melhorar as capacidades dos serviços individuais de IA, mas também tem o potencial de construir um novo ecossistema de aplicações de IA. A nova ecologia trouxe a relação atraente entre os serviços de IA da Web2. A forma de colaboração entre os serviços de IA e os usuários deve ser a forma de colaboração entre links upstream e downstream. Podemos resumir os potenciais modelos ecológicos de IA em dois tipos: modo vertical e modo horizontal.
2.1 Modo vertical: a atenção permite a composição entre IAs
Uma característica especial do exemplo de xadrez em cadeia “Leela vs the World” é que as pessoas podem fazer apostas para humanos ou IA, e os tokens são distribuídos automaticamente após o jogo. Neste momento, a importância do zkp não é apenas fornecer aos usuários o processo de verificação dos cálculos de IA, mas também como uma confiança que desencadeia transições de estado na cadeia. Com a garantia de confiança, também é possível ter capacidade de composição em nível de dapp entre serviços de IA e entre dapps de IA e criptomoeda.
A unidade básica da IA combinável é [contrato principal do contrato de verificação de geração na cadeia do modelo ML off-chain-zkp].Esta unidade é enriquecida na estrutura de "Leela vs the World", mas a arquitetura real de uma única IA dapp pode ser diferente do acima. A imagem mostra isso de forma diferente. Primeiro, a situação no xadrez exige um contrato, mas, na realidade, a IA pode não precisar de um contrato em cadeia. Mas do ponto de vista da arquitetura da IA combinável, se o negócio principal for registrado por meio de contratos, os outros dois é que o impacto do contrato principal não requer necessariamente o modelo de ML do próprio dapp de IA, porque uma certa IA dapp pode ter influência unidirecional, e o modelo de ML trata. Após a conclusão, basta acionar o contrato relacionado ao seu próprio negócio, e o contrato será chamado por outros dapps.
Visão estendida, as chamadas entre contratos são chamadas entre diferentes aplicações web3, que são chamadas de identidade pessoal, ativos, serviços financeiros e informações sociais.Podemos imaginar uma combinação específica de aplicações de IA:
A interação entre IAs sob a estrutura da cadeia pública não é uma questão de discussão. Loaf, um contribuidor ecológico no campo de jogos de cadeia completa, uma vez propôs que os NPCs de IA pudessem interagir e negociar entre si como jogadores, para que todo o sistema econômico pode se auto-otimizar e automaticamente AI Arena desenvolveu um jogo de batalha automático de IA. Os usuários primeiro compram um NFT. Cada NFT representa um robô de combate, com um modelo de IA por trás dele. Os próprios usuários primeiro jogam o jogo e depois trocam os dados com a IA para simular e aprender. Quando o usuário sentir que a IA é forte o suficiente, ela pode ser colocada na arena para lutar automaticamente contra outras IAs. A AI Arena mencionada pelo Modulus Labs espera transformar essas IAs em IA verificáveis. Ambos os casos viram a possibilidade de interação direta entre IAs para modificar dados na cadeia durante as transações.
Mas como combinar IA para resolver muitos problemas a serem discutidos em termos de implementação específica, como diferentes dapps usando zkp universal ou contratos de verificação, etc. No entanto, há também um grande número de projetos excelentes na área de zk. Por exemplo, RISC Zero fez muito progresso na liberação de zkp isquêmico complexo fora da cadeia. Talvez uma solução adequada possa ser montada em um dia.
2.2 Modo horizontal: plataforma de serviço de IA para realizar a descentralização do estacionamento
A este respeito, introduzimos principalmente uma plataforma de IA descentralizada chamada SAKSHI, que foi proposta conjuntamente por pessoas de Princeton, Universidade Tsinghua, Universidade de Illinois em Urbana-Champaign, Universidade de Ciência e Tecnologia de Hong Kong, Witness Chain e Eigen Layer. Seu principal objetivo é permitir que os usuários obtenham serviços de IA de forma mais descentralizada, tornando todo o processo mais confiável e automatizado.
A arquitetura do SAKSHI pode ser dividida em seis camadas: Camada de Serviço, Camada de Controle, Camada de Transação, Camada de Prova, Camada Econômica e Mercado))
O mercado é o nível mais próximo do usuário. Existem agregadores no mercado para fornecer serviços aos usuários em nome de diferentes fornecedores de IA. Os pedidos são feitos por meio do agregador de usuários e um acordo é alcançado com o agregador sobre a qualidade do serviço e o preço de pagamento ( o acordo é denominado SLA) -Acordo de Nível de Serviço).
A próxima camada de serviço fornecerá uma API para o cabeçalho do cliente e, em seguida, o cabeçalho do cliente iniciará uma solicitação de inferência de ML para o agregador, e a solicitação será transmitida ao servidor correspondente ao provedor de serviços de IA (a rota usada para transmitir a solicitação faz parte da camada de controle). A camada de serviço e a camada de controle são semelhantes a um serviço web2 com vários servidores, mas servidores diferentes são operados por entidades diferentes, e um único servidor é associado ao agregador por meio de SLA (contrato de serviço anterior).
O SLA é implantado na cadeia na forma de contratos inteligentes, e esses contratos pertencem à camada de transação (Observação: nesta solução, eles são implantados na cadeia testemunha). A camada de transação registra o status atual das ordens de serviço contábil e é usada para coordenar usuários, agregadores e provedores de serviços para resolver desafios de pagamento.
Para que a camada de transação tenha evidências nas quais possa confiar ao lidar com problemas, a Camada de Prova verificará se o serviço está em conformidade com o modelo de uso acordado do SLA. No entanto, SAKSHI não optou por gerar zkp para o processo de cálculo de ML. Em vez disso, usou um argumento otimista e esperava estabelecer uma rede de nós desafiadores para testar o serviço. Os nós são suportados pela cadeia testemunha.
Embora o SLA e a rede do nó desafiador estejam ambos na Witness Chain, no plano da SAKSHI, a Witness Chain não pretende usar seus próprios tokens para obter segurança independente, mas sim emprestar a segurança do Ethereum por meio da camada Eigen, de modo que toda a camada econômica realmente depende na camada Eigen.
Pode-se observar que o SAKSHI organiza diferentes IAs de forma descentralizada para fornecer serviços aos usuários em torno do relacionamento entre provedores de serviços de IA e usuários, o que forma um plano horizontal. O núcleo do SAKSHI é que ele permite que os serviços de IA se concentrem mais no gerenciamento de seus próprios cálculos de modelo off-chain, completando a correspondência entre as necessidades do usuário e os serviços modelo, o pagamento de serviços e a verificação da qualidade do serviço por meio de protocolos on-chain, e tentativas de resolver automaticamente problemas de pagamento. É claro que o SAKSHI ainda está em um estágio teórico e também há muitos detalhes de implementação que precisam ser determinados.
3.Perspectivas Futuras
Quer se trate de IA combinável ou de uma plataforma de IA descentralizada, os modelos ecológicos de IA de cadeias públicas parecem ter algo em comum. Por exemplo, os prestadores de serviços de IA não interagem diretamente com os utilizadores. Eles apenas precisam de fornecer modelos de ML e realizar cálculos e pagamentos fora da cadeia, resolução de problemas e correspondência entre as necessidades e serviços dos utilizadores, todos os quais podem ser resolvidos através de protocolos descentralizados. Por ser uma infraestrutura sem confiança, a cadeia pública reduz a dificuldade entre prestadores de serviços e usuários.Neste momento, os usuários também têm maior autonomia.
Embora as vantagens de usar cadeias públicas como base para aplicações sejam clichês, elas também se aplicam aos serviços de IA. No entanto, os aplicativos de IA são diferentes dos aplicativos dapp existentes. Os aplicativos de IA não podem colocar todos os cálculos na cadeia, portanto, o uso de zk ainda é otimista para provar que os serviços de IA podem ser conectados ao sistema de cadeia pública de uma forma mais confiável.
Com a implementação de uma série de soluções de otimização de experiência, como abstração de contas, os usuários não podem mais perceber a existência de mnemônicos, cadeias, gases, etc. Isso torna o ecossistema da cadeia pública próximo da web2 em termos de experiência, e os usuários podem obter maior serviços do que web 2. O grau de liberdade e capacidade de composição o tornam mais atraente para os usuários, e vale a pena esperar pelo ecossistema de aplicativos de IA baseado na cadeia pública.