В останні місяці штучний інтелект певною мірою вплинув як на традиційну інтернет-індустрію, так і на сферу блокчейну. Оскільки інтернет-гіганти по всьому світу один за одним приєднуються до конкуренції, практики блокчейну починають думати про те, що принесе нам ця конкуренція зі штучним інтелектом. Коли дані, моделі, алгоритми, обчислювальна потужність тощо, які не пов’язані зі створенням додатків ШІ та інфраструктури, стають дедалі доступнішими, про що нам потрібно думати? Якщо все це відбувається в чорному ящику, чи можемо ми їм довіряти? У цьому епізоді ми запросили Хілла з SevenX Ventures, щоб обговорити, як поєднати машинне навчання та докази з нульовим знанням? Як блокчейн і ZKP балансують між проблемами довіри в штучному інтелекті.
Хілл працює керівником досліджень у SevenX Ventures. До того, як приєднатися до SevenX, він мав ранній досвід роботи на багатьох посадах в інших проектах і блокчейнах, таких як дослідження дизайну механізмів і дизайну токеноміки, а також працював менеджером із продуктів і відносинами з інвесторами.
«Як проблеми довіри впливають на сферу штучного інтелекту та доповнення ZK і блокчейну»
Проблема довіри тут здебільшого виникає з двох моментів: невизначеність кінцевих результатів, отриманих ШІ, і те, як ШІ створює результати, по суті, є непрозорим чорним ящиком.
Перш за все, коли результат машинного навчання не настільки відтворюваний, його важко застосувати до критичного виробничого процесу без помилок. Наприклад, для поточної великої мовної моделі, навіть якщо ми надамо однакові інструкції, її вихід кожного разу буде упередженим, тому ми зазвичай використовуємо її як евристичний інструмент і не даємо їй найважливішої роботи. Крім того, процес, за допомогою якого штучний інтелект дає результати, не настільки надійний для користувачів, які не сміють надавати конфіденційну інформацію та дані ШІ.
Це також можливість для блокчейну та ZK. Якщо ми використовуємо технологію блокчейну або ZK, щоб зробити штучний інтелект більш надійним, тоді ми можемо істотно розширити межі штучного інтелекту, до яких піддаються кінцеві користувачі C. Ми не тільки можемо дозволити кінцевим користувачам С спробувати штучний інтелект за невелику суму грошей, але коли ШІ стане досить надійним, ми також можемо дозволити кінцевим користувачам С інвестувати більшу цінність.
"Розумніші розумні контракти"
Стосовно смарт-контрактів у Віталіка раніше був цікавий момент, він сказав, що насправді назва неправильна, смарт-контракти не розумні, а точніше, це жорсткий сценарій. Іншими словами, після розгортання сценарію, навіть якщо один із вузлів переходить в режим офлайн, це не може перешкодити продовженню виконання сценарію. Але по суті це просто сценарій, який працює так, як він був написаний раніше.
Тоді, якщо смарт-контракти мають можливість машинного навчання, ми зможемо досягти справжньої автономності в ланцюжку. Що стосується традиційного ШІ, вони ніколи не мали можливості досягти суверенітету, тому що більшість ШІ або моделей знаходяться в руках великих компаній, і вони можуть вимкнути або змінити його в будь-який час, якщо захочуть. Блокчейн може природно створити таке середовище для розвитку автономності в ланцюзі.
"Рушійна сила ЗКМЛ"
Насправді, і ZK, і ML області зараз стрімко розвиваються, і з кожним днем на ринку постійно з’являються нові речі. Я сам бачив два напрямки: один є доказом, а інший – це обчислювальна інфраструктура в ланцюжку. Groth16 і halo2 тепер використовуються частіше, головним чином для обчислень на EVM або інших віртуальних машинах, тобто для генерації доказів з нульовим знанням для обчислень кінцевого автомата. Але деякі люди також намагаються використовувати його для створення доказів процесу обчислення висновків машинного навчання.
Ще один напрямок — обчислювальне середовище. З цієї точки зору, не лише обчислювальне середовище для машинного навчання чи штучного інтелекту, будь то zkEVM чи zkWASM, на які останнім часом усі звертали увагу, ці різні обчислювальні середовища з системами перевірки ZK матимуть можливість запускати машинне навчання в майбутньому. модель ШІ. Поки ви розміщуєте модель машинного навчання в їх обчислювальному середовищі, вони генеруватимуть доказ ZK на основі обчислень, і ми можемо переконатися, що цей процес правильний.
Відкрийте для себе більше цікавих програм zkML!
Найцікавіше в галузі – це коли на ринку є величезна прихована потреба, і ми можемо задіяти ці прогалини та надати елегантні рішення. Проте масове запровадження є довгостроковою метою, до якої все ще прагне блокчейн, а zk також є передовою технологією, до якої звичайні користувачі традиційного Інтернету відносно мало знайомі. Користувачі можуть не дуже дбати про ці незрозумілі основні протоколи та інфраструктуру. Їх більше хвилює те, чи простий продукт у використанні та яку цінність він має. Як ми маємо абстрагуватися від цих речей, досліджувати потреби користувачів і створювати більш цікаві програми?
В останній частині розмови ми повернулися до теми, яка найбільше хвилює всіх, які додатки потрібні користувачам? Хілл розповів, що його найперспективнішим напрямком є безпека DeFi, і навів дуже яскравий приклад, щоб показати всім, які продукти можна робити за допомогою zkML. Дуже раджу всім дослухати до кінця! Можливо, я зможу запросити своїх друзів побудувати його разом ~
Схожі посилання
Твори Хілла:
Збалансування потужності AI/ML: роль ZK і Blockchain:
zkML: Розвиток розумних контрактів за допомогою криптографії без знань:
Машинне навчання без знань (ZKML): проекти, що досліджують космос：
Стримування та противаги: машинне навчання та докази нульового знання:
Переглянути оригінал
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
zkML: підвищення надійності штучного інтелекту та можливість автономної роботи в мережі
「Вступ」
В останні місяці штучний інтелект певною мірою вплинув як на традиційну інтернет-індустрію, так і на сферу блокчейну. Оскільки інтернет-гіганти по всьому світу один за одним приєднуються до конкуренції, практики блокчейну починають думати про те, що принесе нам ця конкуренція зі штучним інтелектом. Коли дані, моделі, алгоритми, обчислювальна потужність тощо, які не пов’язані зі створенням додатків ШІ та інфраструктури, стають дедалі доступнішими, про що нам потрібно думати? Якщо все це відбувається в чорному ящику, чи можемо ми їм довіряти? У цьому епізоді ми запросили Хілла з SevenX Ventures, щоб обговорити, як поєднати машинне навчання та докази з нульовим знанням? Як блокчейн і ZKP балансують між проблемами довіри в штучному інтелекті.
Хілл працює керівником досліджень у SevenX Ventures. До того, як приєднатися до SevenX, він мав ранній досвід роботи на багатьох посадах в інших проектах і блокчейнах, таких як дослідження дизайну механізмів і дизайну токеноміки, а також працював менеджером із продуктів і відносинами з інвесторами.
«Як проблеми довіри впливають на сферу штучного інтелекту та доповнення ZK і блокчейну»
Проблема довіри тут здебільшого виникає з двох моментів: невизначеність кінцевих результатів, отриманих ШІ, і те, як ШІ створює результати, по суті, є непрозорим чорним ящиком.
Перш за все, коли результат машинного навчання не настільки відтворюваний, його важко застосувати до критичного виробничого процесу без помилок. Наприклад, для поточної великої мовної моделі, навіть якщо ми надамо однакові інструкції, її вихід кожного разу буде упередженим, тому ми зазвичай використовуємо її як евристичний інструмент і не даємо їй найважливішої роботи. Крім того, процес, за допомогою якого штучний інтелект дає результати, не настільки надійний для користувачів, які не сміють надавати конфіденційну інформацію та дані ШІ.
Це також можливість для блокчейну та ZK. Якщо ми використовуємо технологію блокчейну або ZK, щоб зробити штучний інтелект більш надійним, тоді ми можемо істотно розширити межі штучного інтелекту, до яких піддаються кінцеві користувачі C. Ми не тільки можемо дозволити кінцевим користувачам С спробувати штучний інтелект за невелику суму грошей, але коли ШІ стане досить надійним, ми також можемо дозволити кінцевим користувачам С інвестувати більшу цінність.
"Розумніші розумні контракти"
Стосовно смарт-контрактів у Віталіка раніше був цікавий момент, він сказав, що насправді назва неправильна, смарт-контракти не розумні, а точніше, це жорсткий сценарій. Іншими словами, після розгортання сценарію, навіть якщо один із вузлів переходить в режим офлайн, це не може перешкодити продовженню виконання сценарію. Але по суті це просто сценарій, який працює так, як він був написаний раніше.
Тоді, якщо смарт-контракти мають можливість машинного навчання, ми зможемо досягти справжньої автономності в ланцюжку. Що стосується традиційного ШІ, вони ніколи не мали можливості досягти суверенітету, тому що більшість ШІ або моделей знаходяться в руках великих компаній, і вони можуть вимкнути або змінити його в будь-який час, якщо захочуть. Блокчейн може природно створити таке середовище для розвитку автономності в ланцюзі.
"Рушійна сила ЗКМЛ"
Насправді, і ZK, і ML області зараз стрімко розвиваються, і з кожним днем на ринку постійно з’являються нові речі. Я сам бачив два напрямки: один є доказом, а інший – це обчислювальна інфраструктура в ланцюжку. Groth16 і halo2 тепер використовуються частіше, головним чином для обчислень на EVM або інших віртуальних машинах, тобто для генерації доказів з нульовим знанням для обчислень кінцевого автомата. Але деякі люди також намагаються використовувати його для створення доказів процесу обчислення висновків машинного навчання.
Ще один напрямок — обчислювальне середовище. З цієї точки зору, не лише обчислювальне середовище для машинного навчання чи штучного інтелекту, будь то zkEVM чи zkWASM, на які останнім часом усі звертали увагу, ці різні обчислювальні середовища з системами перевірки ZK матимуть можливість запускати машинне навчання в майбутньому. модель ШІ. Поки ви розміщуєте модель машинного навчання в їх обчислювальному середовищі, вони генеруватимуть доказ ZK на основі обчислень, і ми можемо переконатися, що цей процес правильний.
Відкрийте для себе більше цікавих програм zkML!
Найцікавіше в галузі – це коли на ринку є величезна прихована потреба, і ми можемо задіяти ці прогалини та надати елегантні рішення. Проте масове запровадження є довгостроковою метою, до якої все ще прагне блокчейн, а zk також є передовою технологією, до якої звичайні користувачі традиційного Інтернету відносно мало знайомі. Користувачі можуть не дуже дбати про ці незрозумілі основні протоколи та інфраструктуру. Їх більше хвилює те, чи простий продукт у використанні та яку цінність він має. Як ми маємо абстрагуватися від цих речей, досліджувати потреби користувачів і створювати більш цікаві програми?
В останній частині розмови ми повернулися до теми, яка найбільше хвилює всіх, які додатки потрібні користувачам? Хілл розповів, що його найперспективнішим напрямком є безпека DeFi, і навів дуже яскравий приклад, щоб показати всім, які продукти можна робити за допомогою zkML. Дуже раджу всім дослухати до кінця! Можливо, я зможу запросити своїх друзів побудувати його разом ~
Схожі посилання
Твори Хілла:
Збалансування потужності AI/ML: роль ZK і Blockchain:
zkML: Розвиток розумних контрактів за допомогою криптографії без знань:
Машинне навчання без знань (ZKML): проекти, що досліджують космос：
Стримування та противаги: машинне навчання та докази нульового знання: