Стало консенсусом, що штучний інтелект змінює світ.
Але, мабуть, єдиною сферою, де ще не з'явилися значні нові застосування штучного інтелекту, є блокчейн. Принаймні, поки що. Це пов'язано з тим, що вхідний бар'єр для розміщення моделей машинного навчання в ланцюжку вищий, ніж у традиційного програмного забезпечення – блокчейни діють як прозорі глобальні довірчі машини, а можливість перевірки обчислень, які впливають на поведінку користувачів, має вирішальне значення для роботи блокчейнів. Але поки що це важко зробити для сфери штучного інтелекту: більшість моделей машинного навчання працюють на непрозорих серверах, а алгоритми «чорного ящика» налаштовуються відносно необмеженими налаштуваннями оператора. У світі, де гіпотеза домінуючої довіри підтверджується, поточні механізми машинного навчання не відповідають вимогам.
Однак Modulus заповнює цю прогалину. Основна увага приділяється машинному навчанню з нульовим розголошенням (zkML): моделям машинного навчання з достовірно правильними обчисленнями, незалежно від того, чи обробляються обчислення у відкритому середовищі або на приватному центральному сервері. До чого це призвело? Агенти штучного інтелекту та моделі машинного навчання тепер можуть бути природним продовженням логіки смарт-контрактів. Зокрема, ми вважаємо, що zkML може допомогти розблокувати більш просунуті децентралізовані протоколи, зводячи до мінімуму потребу в людському управлінні складними динамічними функціями.
Перші дослідницькі експерименти, проведені Modulus, торговим ботом у мережі та шаховим рушієм з нульовим розголошенням, є двома ранніми прикладами цієї нової парадигми. Інший варіант використання може включати щось на кшталт протоколу кредитування, який використовує штучний інтелект для управління коефіцієнтами застави кредитів (часто координуються людьми), одночасно використовуючи докази з нульовим розголошенням, щоб гарантувати, що модель поводиться певним чином.
Загалом, ми очікуємо, що з'явиться більше інноваційних додатків, особливо в міру того, як розробники краще знайомляться з технологією Modulus і циклами зворотного зв'язку.
Modulus Labs залучила $6,3 млн у початковому раунді 1 листопада під керівництвом Variant та 1Kx. Ось чому ми раді очолити посівний раунд Modulus.
Його співзасновниками є випускники Стенфордського університету Деніел Шорр і Райан Цао, а також інженер з великих даних Нік Косбі. Провідний криптограф Гіоргос Зірделіс приєднується до натовпу. Досвід команди в дослідженнях штучного інтелекту, передовій криптографії та розробці продуктів особливо добре підходить для створення цієї галузі, що розвивається. Ми з нетерпінням чекаємо, що команда продовжить створювати інноваційні додатки, і раді підтримати їх».
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.
Modulus: Перенесення zkML у мережу
Автори: Джессі Уолден (співзасновник Variant) та Алана Левін (венчурний партнер, Variant); Переклад: Золоті фінанси сяоцзоу
Стало консенсусом, що штучний інтелект змінює світ.
Але, мабуть, єдиною сферою, де ще не з'явилися значні нові застосування штучного інтелекту, є блокчейн. Принаймні, поки що. Це пов'язано з тим, що вхідний бар'єр для розміщення моделей машинного навчання в ланцюжку вищий, ніж у традиційного програмного забезпечення – блокчейни діють як прозорі глобальні довірчі машини, а можливість перевірки обчислень, які впливають на поведінку користувачів, має вирішальне значення для роботи блокчейнів. Але поки що це важко зробити для сфери штучного інтелекту: більшість моделей машинного навчання працюють на непрозорих серверах, а алгоритми «чорного ящика» налаштовуються відносно необмеженими налаштуваннями оператора. У світі, де гіпотеза домінуючої довіри підтверджується, поточні механізми машинного навчання не відповідають вимогам.
Однак Modulus заповнює цю прогалину. Основна увага приділяється машинному навчанню з нульовим розголошенням (zkML): моделям машинного навчання з достовірно правильними обчисленнями, незалежно від того, чи обробляються обчислення у відкритому середовищі або на приватному центральному сервері. До чого це призвело? Агенти штучного інтелекту та моделі машинного навчання тепер можуть бути природним продовженням логіки смарт-контрактів. Зокрема, ми вважаємо, що zkML може допомогти розблокувати більш просунуті децентралізовані протоколи, зводячи до мінімуму потребу в людському управлінні складними динамічними функціями.
Перші дослідницькі експерименти, проведені Modulus, торговим ботом у мережі та шаховим рушієм з нульовим розголошенням, є двома ранніми прикладами цієї нової парадигми. Інший варіант використання може включати щось на кшталт протоколу кредитування, який використовує штучний інтелект для управління коефіцієнтами застави кредитів (часто координуються людьми), одночасно використовуючи докази з нульовим розголошенням, щоб гарантувати, що модель поводиться певним чином.
Загалом, ми очікуємо, що з'явиться більше інноваційних додатків, особливо в міру того, як розробники краще знайомляться з технологією Modulus і циклами зворотного зв'язку.
Modulus Labs залучила $6,3 млн у початковому раунді 1 листопада під керівництвом Variant та 1Kx. Ось чому ми раді очолити посівний раунд Modulus.
Його співзасновниками є випускники Стенфордського університету Деніел Шорр і Райан Цао, а також інженер з великих даних Нік Косбі. Провідний криптограф Гіоргос Зірделіс приєднується до натовпу. Досвід команди в дослідженнях штучного інтелекту, передовій криптографії та розробці продуктів особливо добре підходить для створення цієї галузі, що розвивається. Ми з нетерпінням чекаємо, що команда продовжить створювати інноваційні додатки, і раді підтримати їх».