В последние месяцы как традиционная интернет-индустрия, так и сфера блокчейна в определенной степени подверглись влиянию искусственного интеллекта. Поскольку интернет-гиганты по всему миру один за другим присоединяются к конкуренции, специалисты по блокчейну начинают задумываться о том, что принесет нам эта конкуренция в области искусственного интеллекта. Когда данные, модели, алгоритмы, вычислительные мощности и т. д., не связанные с созданием приложений и инфраструктуры ИИ, становятся все более доступными, о чем нам нужно задуматься? Если все это происходит в черном ящике, можем ли мы им доверять? В этом выпуске мы пригласили Хилла из SevenX Ventures, чтобы обсудить, как объединить машинное обучение и доказательства с нулевым разглашением? Как блокчейн и ZKP балансируют проблемы доверия в искусственном интеллекте.
Хилл является руководителем исследований в SevenX Ventures. До прихода в SevenX он имел ранний опыт работы на многих должностях в других проектах и блокчейнах, таких как исследования в области проектирования механизмов и проектирования токеномики, а также работал менеджером по продукту и связями с инвесторами.
«Как проблемы доверия влияют на сферу искусственного интеллекта и взаимодополняемость ZK и блокчейна»
Проблема доверия здесь в основном возникает по двум причинам: неопределенность конечных результатов, полученных с помощью ИИ, и то, как ИИ производит результаты, по сути, является непрозрачным черным ящиком.
Прежде всего, когда результаты машинного обучения не так воспроизводимы, их трудно применить к важному, безошибочному производственному процессу. Например, текущая модель большого языка, даже если мы даем одни и те же инструкции, ее вывод будет каждый раз предвзятым, поэтому мы обычно используем ее как эвристический инструмент и не даем ей самую важную работу под рукой. Более того, процесс, с помощью которого ИИ дает результаты, не заслуживает доверия для пользователей, которые не осмеливаются отправлять ИИ конфиденциальную информацию и данные.
Это также возможность для блокчейна и ZK. Если мы будем использовать технологию блокчейна или ZK, чтобы сделать ИИ более надежным, то в настоящее время мы можем существенно расширить границы ИИ, с которыми сталкиваются пользователи C-конца. Мы не только можем позволить пользователям C-конца опробовать ИИ за небольшую сумму денег, но когда ИИ станет достаточно надежным, мы также сможем позволить пользователям C-конца инвестировать более высокую ценность.
«Умные смарт-контракты»
По поводу смарт-контрактов, у Виталика раньше была интересная мысль: он сказал, что название на самом деле неправильное. Смарт-контракты не умные. Точнее, это жесткий скрипт. Другими словами, после развертывания сценария, даже если один из узлов отключится от сети, это не сможет помешать продолжению выполнения сценария. Но по сути это просто скрипт, который работает так, как он был написан раньше.
Тогда, если смарт-контракты будут поддерживать машинное обучение, мы сможем достичь настоящей автономии в цепочке. Что касается традиционного ИИ, то у них никогда не было возможности добиться суверенитета, поскольку большинство ИИ или моделей находятся в руках крупных компаний, и они могут отключить или изменить его в любой момент, если захотят. Блокчейн может естественным образом обеспечить такую среду для развития внутрисетевой автономии.
«Движущая сила ЗКМЛ»
На самом деле, и сфера ZK, и ML сейчас быстро развиваются, и с каждым днем на рынке постоянно появляются новые вещи. Я сам наблюдал два направления: одно — доказательство, а другое — вычислительная инфраструктура в цепочке. Groth16 и halo2 теперь используются чаще, в основном для вычислений на EVM или других виртуальных машинах, то есть для генерации доказательств с нулевым разглашением для вычислений конечного автомата. Но некоторые люди также пытаются использовать его для получения доказательств процесса вычислений и выводов машинного обучения.
Еще одно направление – вычислительная среда. С этой точки зрения, не только вычислительная среда для ML или AI, будь то zkEVM или zkWASM, на которые все недавно обратили внимание, эти различные вычислительные среды с системами проверки ZK будут иметь возможность запускать машинное обучение в будущем. модель ИИ. Пока вы помещаете модель машинного обучения в их вычислительную среду, они будут генерировать доказательство ZK на основе вычислений, и мы можем гарантировать, что этот процесс правильный.
Откройте для себя еще больше интересных приложений zkML!
Самое интересное в отрасли — это когда на рынке существуют огромные скрытые потребности, и мы можем восполнить эти пробелы и предложить элегантные решения. Тем не менее, массовое внедрение — это долгосрочная цель, к которой все еще стремится блокчейн, а zk — это также передовая технология, с которой обычные пользователи традиционного Интернета сравнительно мало знакомы. Пользователей могут не особо волновать эти непонятные базовые протоколы и инфраструктура. Их больше беспокоит, прост ли в использовании продукт и какова его ценность. Как нам абстрагироваться от этих вещей, изучить потребности пользователей и создавать более интересные приложения?
В последней части разговора мы вернулись к теме, которая волнует всех больше всего, какие приложения нужны пользователям? Хилл рассказал, что его самое перспективное направление — безопасность DeFi, и привел очень яркий пример, показывающий всем, какие продукты можно делать с помощью zkML. Настоятельно рекомендую всем дослушать до конца! Возможно, я смогу пригласить своих друзей построить его вместе в ближайшее время~
Ссылки по теме
Сочинения Хилла:
Балансировка сил искусственного интеллекта и машинного обучения: роль ZK и блокчейна:
zkML: развитие интеллекта смарт-контрактов посредством криптографии с нулевым разглашением:
Машинное обучение с нулевым разглашением (ZKML): проекты, исследующие космос:
Сдержки и противовесы: машинное обучение и доказательства с нулевым разглашением:
Посмотреть Оригинал
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
zkML: повышение надежности ИИ и возможность автономии в цепочке
"Введение"
В последние месяцы как традиционная интернет-индустрия, так и сфера блокчейна в определенной степени подверглись влиянию искусственного интеллекта. Поскольку интернет-гиганты по всему миру один за другим присоединяются к конкуренции, специалисты по блокчейну начинают задумываться о том, что принесет нам эта конкуренция в области искусственного интеллекта. Когда данные, модели, алгоритмы, вычислительные мощности и т. д., не связанные с созданием приложений и инфраструктуры ИИ, становятся все более доступными, о чем нам нужно задуматься? Если все это происходит в черном ящике, можем ли мы им доверять? В этом выпуске мы пригласили Хилла из SevenX Ventures, чтобы обсудить, как объединить машинное обучение и доказательства с нулевым разглашением? Как блокчейн и ZKP балансируют проблемы доверия в искусственном интеллекте.
Хилл является руководителем исследований в SevenX Ventures. До прихода в SevenX он имел ранний опыт работы на многих должностях в других проектах и блокчейнах, таких как исследования в области проектирования механизмов и проектирования токеномики, а также работал менеджером по продукту и связями с инвесторами.
«Как проблемы доверия влияют на сферу искусственного интеллекта и взаимодополняемость ZK и блокчейна»
Проблема доверия здесь в основном возникает по двум причинам: неопределенность конечных результатов, полученных с помощью ИИ, и то, как ИИ производит результаты, по сути, является непрозрачным черным ящиком.
Прежде всего, когда результаты машинного обучения не так воспроизводимы, их трудно применить к важному, безошибочному производственному процессу. Например, текущая модель большого языка, даже если мы даем одни и те же инструкции, ее вывод будет каждый раз предвзятым, поэтому мы обычно используем ее как эвристический инструмент и не даем ей самую важную работу под рукой. Более того, процесс, с помощью которого ИИ дает результаты, не заслуживает доверия для пользователей, которые не осмеливаются отправлять ИИ конфиденциальную информацию и данные.
Это также возможность для блокчейна и ZK. Если мы будем использовать технологию блокчейна или ZK, чтобы сделать ИИ более надежным, то в настоящее время мы можем существенно расширить границы ИИ, с которыми сталкиваются пользователи C-конца. Мы не только можем позволить пользователям C-конца опробовать ИИ за небольшую сумму денег, но когда ИИ станет достаточно надежным, мы также сможем позволить пользователям C-конца инвестировать более высокую ценность.
«Умные смарт-контракты»
По поводу смарт-контрактов, у Виталика раньше была интересная мысль: он сказал, что название на самом деле неправильное. Смарт-контракты не умные. Точнее, это жесткий скрипт. Другими словами, после развертывания сценария, даже если один из узлов отключится от сети, это не сможет помешать продолжению выполнения сценария. Но по сути это просто скрипт, который работает так, как он был написан раньше.
Тогда, если смарт-контракты будут поддерживать машинное обучение, мы сможем достичь настоящей автономии в цепочке. Что касается традиционного ИИ, то у них никогда не было возможности добиться суверенитета, поскольку большинство ИИ или моделей находятся в руках крупных компаний, и они могут отключить или изменить его в любой момент, если захотят. Блокчейн может естественным образом обеспечить такую среду для развития внутрисетевой автономии.
«Движущая сила ЗКМЛ»
На самом деле, и сфера ZK, и ML сейчас быстро развиваются, и с каждым днем на рынке постоянно появляются новые вещи. Я сам наблюдал два направления: одно — доказательство, а другое — вычислительная инфраструктура в цепочке. Groth16 и halo2 теперь используются чаще, в основном для вычислений на EVM или других виртуальных машинах, то есть для генерации доказательств с нулевым разглашением для вычислений конечного автомата. Но некоторые люди также пытаются использовать его для получения доказательств процесса вычислений и выводов машинного обучения.
Еще одно направление – вычислительная среда. С этой точки зрения, не только вычислительная среда для ML или AI, будь то zkEVM или zkWASM, на которые все недавно обратили внимание, эти различные вычислительные среды с системами проверки ZK будут иметь возможность запускать машинное обучение в будущем. модель ИИ. Пока вы помещаете модель машинного обучения в их вычислительную среду, они будут генерировать доказательство ZK на основе вычислений, и мы можем гарантировать, что этот процесс правильный.
Откройте для себя еще больше интересных приложений zkML!
Самое интересное в отрасли — это когда на рынке существуют огромные скрытые потребности, и мы можем восполнить эти пробелы и предложить элегантные решения. Тем не менее, массовое внедрение — это долгосрочная цель, к которой все еще стремится блокчейн, а zk — это также передовая технология, с которой обычные пользователи традиционного Интернета сравнительно мало знакомы. Пользователей могут не особо волновать эти непонятные базовые протоколы и инфраструктура. Их больше беспокоит, прост ли в использовании продукт и какова его ценность. Как нам абстрагироваться от этих вещей, изучить потребности пользователей и создавать более интересные приложения?
В последней части разговора мы вернулись к теме, которая волнует всех больше всего, какие приложения нужны пользователям? Хилл рассказал, что его самое перспективное направление — безопасность DeFi, и привел очень яркий пример, показывающий всем, какие продукты можно делать с помощью zkML. Настоятельно рекомендую всем дослушать до конца! Возможно, я смогу пригласить своих друзей построить его вместе в ближайшее время~
Ссылки по теме
Сочинения Хилла:
Балансировка сил искусственного интеллекта и машинного обучения: роль ZK и блокчейна:
zkML: развитие интеллекта смарт-контрактов посредством криптографии с нулевым разглашением:
Машинное обучение с нулевым разглашением (ZKML): проекты, исследующие космос:
Сдержки и противовесы: машинное обучение и доказательства с нулевым разглашением: