Autor: Turbo Guo Recenzenti: Mandy, Joshua
Kernel Ventures je kryptofond rizikového kapitálu vedený výzkumnou a vývojovou komunitou s více než 70 počátečními investicemi zaměřenými na infrastrukturu, middleware, dApps, zejména ZK, Rollup, DEX, modulární blockchainy a vertikální oblasti pro miliardy uživatelů kryptoměn v budoucnost, jako je abstrakce účtu, dostupnost dat, škálovatelnost atd. Posledních sedm let jsme se zavázali podporovat růst klíčových vývojových komunit a univerzitních blockchainových asociací po celém světě.
TLDR:
Modulus labs implementuje ověřitelnou AI prováděním výpočtů ML mimo řetězec a generováním zkp pro ně Tento článek znovu zkoumá toto řešení z pohledu aplikace, analyzuje, ve kterých scénářích je striktně potřeba a ve kterých je poptávka slabá, a nakonec. rozšiřuje se horizontálně Existují dva ekologické modely AI založené na veřejném řetězci, vertikální a vertikální.
Zda je potřeba ověřitelná umělá inteligence, závisí na: zda jsou data v řetězci upravena a zda je zahrnuta spravedlnost a soukromí
Když AI neovlivňuje stav řetězce, může AI působit jako navrhovatel a lidé mohou posuzovat kvalitu služeb AI prostřednictvím skutečných efektů, aniž by museli ověřovat proces výpočtu.
Při ovlivnění stavu v řetězci, pokud je služba zaměřena na jednotlivce a nemá žádný dopad na soukromí, mohou uživatelé stále přímo posuzovat kvalitu služby AI bez kontroly procesu výpočtu.
Když výstup umělé inteligence ovlivní spravedlnost a osobní soukromí mezi více lidmi, jako je používání umělé inteligence k vyhodnocování a rozdělování odměn členům komunity, používání umělé inteligence k optimalizaci AMM nebo zahrnutí biologických dat, lidé budou chtít zkontrolovat výpočty umělé inteligence, které je možné ověřit, kde může AI najít PMF.
Vertikální aplikační ekosystém umělé inteligence: Vzhledem k tomu, že jeden konec ověřitelné umělé inteligence je inteligentní smlouva, může být možné vzájemně si volat bez důvěry mezi ověřitelnými aplikacemi umělé inteligence nebo dokonce mezi umělou inteligencí a nativními aplikacemi dapps.
Horizontální ekologie aplikací AI: Systém veřejného řetězce dokáže zpracovat platby za služby pro poskytovatele služeb AI, koordinaci platebních sporů, sladění potřeb uživatelů a obsahu služeb atd., což uživatelům umožňuje získat bezplatnější a decentralizovanější služby AI.
1. Úvod a aplikační případy Modulus Labs
1.1 Úvod a základní řešení
Modulus Labs je společnost zabývající se umělou inteligencí „on-chain“, která věří, že umělá inteligence může výrazně zlepšit možnosti chytrých kontraktů a učinit webové aplikace výkonnějšími. Existuje však rozpor, když je AI aplikována na web3, to znamená, že provoz AI vyžaduje velký výpočetní výkon a výpočet AI mimo řetězec je černá skříňka, která nesplňuje základní požadavky webu3, aby byla důvěryhodná. a ověřitelné.
Proto Modulus Labs čerpá z řešení zk rollup [předzpracování mimo řetězec + ověření v řetězci] a navrhuje ověřitelnou architekturu AI, konkrétně: model ML běží mimo řetězec a pro výpočet ML se generuje zkp mimo řetězec. proces , prostřednictvím tohoto zkp lze ověřit architekturu, váhy a vstupy off-chain modelu. V této době mohou AI a on-chain kontrakty interagovat více důvěryhodně, což znamená realizovat „on-chain AI“.
Na základě myšlenky ověřitelné umělé inteligence Modulus Labs zatím spustily tři aplikace „umělé inteligence v řetězci“ a také navrhly mnoho možných aplikačních scénářů.
1.2 Případy použití
Jako první byl spuštěn Rocky bot, automatizovaná obchodní umělá inteligence. Rocky je trénován z historických dat obchodního páru wEth/USDC. Určuje budoucí trend počasí na základě historických dat Po provedení rozhodnutí o transakci vygeneruje zkp pro proces rozhodování (proces výpočtu) a odešle zprávu L1, aby spustil transakci.
Druhým je šachová hra „Leela vs the World“. Dvěma stranami ve hře jsou umělá inteligence a lidé a šachová situace je uvedena ve smlouvě. Hráči operují (interagují se smlouvami) prostřednictvím svých peněženek. AI si přečte novou situaci v šachu, udělá úsudek a vygeneruje zkp pro celý proces výpočtu Oba kroky jsou dokončeny na cloudu AWS a po úspěšném ověření je zkp ověřeno , smlouva o šachové hře se nazývá „stažení šachů“.
Třetí je „on-chain“ umělce AI a spustil řadu NFT zkMon. Jádrem je, že AI generuje NFT a publikuje je v řetězci a zároveň generuje zkp Uživatelé mohou použít zkp jejich NFT jsou generovány z odpovídajícího modelu AI.
Modulus Labs navíc zmínila některé další případy použití:
Používat AI k vyhodnocování osobních údajů v řetězci a dalších informací, generování hodnocení osobní pověsti a publikování zkp pro ověření uživatele;
Použijte AI k optimalizaci výkonu AMM a uvolněte zkp pro ověření uživatele;
Použijte ověřitelnou umělou inteligenci, která pomůže projektům na ochranu soukromí vyrovnat se s regulačním tlakem bez odhalení soukromí (možná pomocí ML k prokázání, že tato transakce není praním špinavých peněz, aniž by byly odhaleny informace, jako jsou adresy uživatelů);
Stroj AI Oracle také uvolňuje zkp pro každého, aby zkontroloval spolehlivost dat mimo řetězec;
V soutěži AI model soutěžící předloží svou vlastní architekturu a váhy a poté spustí model s jednotným testovacím vstupem pro generování zkp pro výpočet Nakonec smlouva automaticky odešle bonus vítězi.
Worldcoin uvedl, že v budoucnu může být pro uživatele možné stáhnout si model, který generuje odpovídající kód pro duhovku na místním zařízení, spustit model lokálně a vygenerovat zkp, takže smlouva v řetězci může používat zkp k ověření že kód duhovky uživatele je generován ze správného modelu a přiměřené duhovky a zároveň brání tomu, aby biometrické informace opustily vlastní zařízení uživatele;
Zdroj obrázků: Modulus Labs
1.3 Diskutujte o různých scénářích aplikace na základě potřeby ověřitelné umělé inteligence
1.3.1 Scénáře, kdy ověřitelná AI nemusí být potřeba
Ve scénáři Rockyho bot nemusí mít uživatelé potřebu ověřovat proces výpočtu ML.
Za prvé, uživatelé nemají žádné odborné znalosti a nemají schopnost provádět skutečné ověření. I když existuje ověřovací nástroj, z pohledu uživatele [stiskl jsem tlačítko a vyskakovací okno rozhraní mi řeklo, že tato služba AI byla skutečně generována určitým modelem] a pravost nelze určit.
Za druhé, uživatelé nepotřebují ověřování, protože uživatelům záleží na tom, zda je návratnost AI vysoká. Uživatelé budou migrovat, když výnos není vysoký, a vždy si vyberou model s nejlepším výkonem. Stručně řečeno, když uživatelé sledují konečný efekt AI, ověřovací proces nemusí znamenat mnoho, protože uživatelé potřebují pouze migrovat na službu s nejlepším efektem.
Jedním z možných řešení je, že AI funguje pouze jako navrhovatel a uživatelé provádějí transakce autonomně. Když lidé zadají své obchodní cíle do AI, AI vypočítá a vrátí lepší obchodní cestu/směr mimo řetězec a uživatel se rozhodne, zda jej provede. Lidé nemusí ověřovat model za tím, stačí si vybrat produkt s nejvyšší návratností.
Další nebezpečná, ale velmi pravděpodobná situace je, že lidé se vůbec nestarají o svou kontrolu nad majetkem a výpočetním procesem AI, když se objeví robot, který automaticky vydělává peníze, jsou lidé dokonce ochotni svěřit své peníze přímo jemu jako agent je běžné vkládat coiny do CEX nebo tradičních bank pro finanční správu. Protože se lidé nestarají o principy, které za tím stojí, zajímá je pouze to, kolik peněz nakonec dostanou, nebo dokonce kolik peněz jim ukáže strana projektu. Tento druh služby může být také schopen rychle získat velké množství uživatelů, dokonce více než pomocí ověřitelného AI projektu je rychlost iterace produktu rychlejší.
Když uděláme krok zpět, pokud se AI vůbec nepodílí na úpravě stavu v řetězci, ale pouze zachycuje data v řetězci pro předzpracování pro uživatele, není nutné generovat ZKP pro proces výpočtu . Tento typ aplikace se nazývá [datová služba].
Chatbox poskytovaný společností Mest je typická datová služba Uživatelé mohou používat metody otázek a odpovědí, aby porozuměli svým vlastním datům v řetězci, jako je například dotaz, kolik utratili za NFT;
ChainGPT je multifunkční asistent umělé inteligence, který vám před obchodováním dokáže vyložit chytré kontrakty, sdělí vám, zda obchodujete se správným fondem, nebo vám sdělí, zda je pravděpodobné, že transakce bude sevřena nebo bude zahájena předem. ChainGPT se také připravuje na doporučení zpráv o AI, zadávání výzev k automatickému generování obrázků a jejich publikování do NFT a dalších služeb;
RSS3 poskytuje AIOP, který umožňuje uživatelům vybrat si, která data v řetězci chtějí, a provést určité předzpracování, čímž pohodlně trénuje AI se specifickými daty v řetězci;
DefiLlama a RSS3 také vyvinuly zásuvné moduly ChatGPT, které uživatelům umožňují získávat data v řetězci prostřednictvím konverzací;
1.3.2 Scénáře vyžadující ověřitelnou AI
Tento článek se domnívá, že scénáře zahrnující více lidí, spravedlnost a soukromí vyžadují ověření od ZKP. Zde diskutujeme o několika aplikacích zmíněných Modulus Labs:
Když komunita vydává odměny na základě osobní pověsti generované umělou inteligencí, členové komunity budou nevyhnutelně vyžadovat přezkoumání procesu rozhodování o hodnocení, což je v tomto případě výpočetní proces ML;
Scénář optimalizace AMM AI zahrnuje rozdělení zájmů mezi více lidí a proces výpočtu AI je také třeba pravidelně kontrolovat;
Při balancování soukromí a dohledu je v současnosti ZK jedno z lepších řešení Pokud poskytovatel služby využívá ML pro zpracování soukromých dat ve službě, potřebuje generovat ZKP pro celý proces výpočtu;
Vzhledem k tomu, že orákulum má široký rozsah vlivu, pokud je ovládáno AI, je třeba pravidelně generovat ZKP, aby se zkontrolovalo, zda AI funguje normálně;
V průběhu soutěže musí veřejnost a ostatní účastníci kontrolovat, zda provoz ML odpovídá specifikacím soutěže;
Mezi potenciálními případy použití Worldcoinu je také silný požadavek na ochranu osobních biometrických údajů;
Obecně řečeno, když je umělá inteligence jako osoba s rozhodovacími pravomocemi a její výstup má širokou škálu dopadů a zahrnuje spravedlivost mnoha stran, lidé budou požadovat revizi rozhodovacího procesu nebo jednoduše zajistí, že neexistují žádné zásadní problémy. v rozhodovacím procesu AI a ochrana osobního soukromí je velmi přímou potřebou.
Dvěma kritérii pro posouzení, zda je potřeba ověřitelné řešení umělé inteligence, jsou tedy [zda výstup AI upravuje stav v řetězci] a [zda ovlivňuje spravedlnost/soukromí].
Když výstup AI nemění stav v řetězci, služba AI může fungovat jako navrhovatel a lidé mohou posuzovat kvalitu služby AI prostřednictvím efektu návrhu, aniž by museli ověřovat proces výpočtu. ;
Když výstup AI upraví stav v řetězci, pokud je služba pouze pro jednotlivce a nemá žádný dopad na soukromí, může uživatel stále přímo posuzovat kvalitu služby AI bez kontroly procesu výpočtu;
Když výstup AI přímo ovlivní spravedlnost mezi více lidmi a AI automaticky upraví data v řetězci, komunita a veřejnost musí prozkoumat proces rozhodování o AI;
Pokud data zpracovávaná ML zahrnují osobní soukromí, zk je také potřeba k ochraně soukromí a k reakci na regulační požadavky.
Zdroj obrázků: Kernel Ventures
2. Dva ekologické modely umělé inteligence založené na veřejných řetězcích
V každém případě má řešení Modulus Labs velké důsledky pro to, jak lze umělou inteligenci kombinovat s kryptoměnami a přinést praktickou aplikační hodnotu. Systém veřejného řetězce však může nejen zlepšit možnosti jednotlivých služeb AI, ale má také potenciál vybudovat nový ekosystém aplikací AI. Tento nový ekosystém přináší různé vztahy mezi službami AI, vztah mezi službami AI a uživateli a dokonce i metody spolupráce upstream a downstream spojení, které se liší od Web2. Potenciální ekologické modely aplikací AI můžeme shrnout do dvou typů: vertikální režim a horizontální režim.
2.1 Vertikální režim: Zaměřte se na dosažení složitelnosti mezi AI
Případ použití řetězových šachů „Leela vs the World“ má speciální funkci, lidé mohou sázet na lidi nebo AI a žetony jsou automaticky distribuovány po hře. V současné době je význam zkp nejen pro uživatele k ověření procesu výpočtu AI, ale také jako záruka důvěry pro spouštění stavových přechodů v řetězci. Díky zárukám důvěry je také možné dosáhnout skládání na úrovni dapp mezi službami AI a mezi AI a krypto-nativními dapps.
Zdroj obrázku: Kernel Ventures, odkazováno z Modulus Labs
Základní jednotkou komposovatelné AI je [off-chain ML model - generace zkp - on-chain ověřovací smlouva - hlavní smlouva] Tato jednotka je založena na rámci "Leela vs the World", ale skutečná architektura jediné AI dapp může být jako na obrázku výše Displej je jiný.
Za prvé, situace v šachu vyžaduje smlouvu, ale ve skutečnosti AI nemusí potřebovat smlouvu na řetězu. Ale z pohledu architektury komposovatelné umělé inteligence, pokud je hlavním předmětem podnikání nahrávání prostřednictvím smluv, může být výhodnější, když se s ní kombinují další dapp.
Za druhé, hlavní smlouva nemusí nutně ovlivňovat vlastní ML model AI dapp, protože určitý AI dapp může mít po zpracování modelu ML jednosměrný vliv, může spustit svůj vlastní obchodní kontrakt. a smlouva bude zpracována jinými dapps.
Rozšířený pohled, hovory mezi smlouvami jsou hovory mezi různými web3 aplikacemi, což jsou hovory pro osobní identitu, majetek, finanční služby a dokonce i sociální informace. Můžeme si představit specifickou kombinaci aplikací AI:
Worldcoin používá ML ke generování kódu duhovky a zkp pro osobní data duhovky;
Aplikace AI pro hodnocení reputace nejprve ověří, zda za tímto DID stojí skutečná osoba (s daty z duhovky), a poté přidělí NFT uživateli na základě reputace v řetězci;
Půjčovací služba upravuje podíl půjčování na základě NFT ve vlastnictví uživatele;
......
Interakce mezi umělými inteligencemi v rámci veřejného řetězce není něco, o čem se nediskutovalo, Loaf, přispěvatel do ekosystému Realms celořetězové hry, jednou navrhl, aby AI NPC mohli mezi sebou obchodovat jako hráči, takže celá ekonomika. systém se může sám optimalizovat a automaticky fungovat. AI Arena vyvinula automatickou bitevní hru s umělou inteligencí. Uživatelé si nejprve koupí NFT. NFT představuje bojového robota a je podporován modelem umělé inteligence. Uživatelé si hru nejprve zahrají sami a poté poskytnou data AI pro simulaci, když má uživatel pocit, že je AI dostatečně silná, může ji vložit do arény a automaticky bojovat proti jiným AI. Modulus Labs zmínil, že AI Arena doufá, že přemění tyto AI na ověřitelnou AI. Oba případy vidí možnost vzájemné interakce AI a přímé úpravy dat v řetězci během interakce.
V rámci konkrétní implementace komposovatelné umělé inteligence je však stále potřeba diskutovat o mnoha otázkách, například o tom, jak mohou různí dapps vzájemně používat zkp nebo ověřovat smlouvy. Existuje však také velké množství vynikajících projektů v oblasti zk Například RISC Zero udělal velký pokrok v provádění složitých operací mimo řetězce a publikování zkp na řetězu jednoho dne.
2.2 Horizontální model: zaměření na realizaci decentralizované platformy služeb AI
V tomto ohledu představujeme především decentralizovanou platformu AI s názvem SAKSHI, kterou společně navrhli lidé z Princetonu, Tsinghua University, University of Illinois v Urbana-Champaign, Hong Kong University of Science and Technology, Witness Chain a Eigen Layer. Jeho hlavním cílem je umožnit uživatelům získávat služby AI decentralizovanějším způsobem, díky čemuž je celý proces důvěryhodnější a automatizovanější.
Zdroj obrázku: SAKSHI
Architekturu SAKSHI lze rozdělit do šesti vrstev: Service Layer, Control Layer, Transation Layer, Proof Layer, Economic Layer a Marketplace)
Trh je vrstva nejblíže uživatelům Na trhu existují agregátory, které uživatelům poskytují služby jménem různých poskytovatelů umělé inteligence. s názvem SLA – smlouva o úrovni služeb).
Vrstva služeb dále poskytuje rozhraní API na straně klienta a poté klientská strana iniciuje požadavek na odvození ML do agregátoru a požadavek se přenese na server používaný ke shodě s poskytovatelem služeb AI (trasa použitá k přenosu požadavek je součástí řídicí vrstvy). Proto jsou servisní vrstva a kontrolní vrstva podobné službě s více servery web2, ale různé servery jsou provozovány různými subjekty a jednotlivé servery jsou spojeny s agregátorem prostřednictvím SLA (dříve podepsaná servisní smlouva).
SLA je v řetězci nasazena ve formě smart kontraktů a tyto kontrakty patří do transakční vrstvy (pozn.: v tomto řešení nasazeny na Witness Chain). Transakční vrstva také zaznamenává aktuální stav servisní objednávky a používá se ke koordinaci uživatelů, agregátorů a poskytovatelů služeb při řešení platebních sporů.
Aby měla transakční vrstva důkazy, na které se může při řešení sporů spolehnout, Proof Layer ověří, zda poskytovatel služeb používá model v souladu s SLA. Společnost SAKSHI se však nerozhodla generovat zkp pro proces výpočtu ML, místo toho použila myšlenku optimistického důkazu a doufala, že vytvoří síť vyzyvatelských uzlů k testování služby .
Ačkoli SLA a síť vyzyvatelských uzlů jsou oba na Witness Chain, v plánu SAKSHI Witness Chain nemá v úmyslu použít vlastní nativní tokenové pobídky k dosažení nezávislé bezpečnosti, ale vypůjčit si bezpečnost Etherea prostřednictvím Eigen Layer. celá ekonomická vrstva ve skutečnosti spoléhá na vlastní vrstvu.
Je vidět, že SAKSHI je mezi poskytovateli služeb AI a uživateli. Organizuje různé AI decentralizovaným způsobem pro poskytování služeb uživatelům. Jde spíše o horizontální řešení. Jádrem SAKSHI je, že umožňuje poskytovatelům služeb AI zaměřit se více na správu vlastních výpočtů modelu mimo řetězec, což umožňuje sladění potřeb uživatelů a modelových služeb, platby za služby a ověřování kvality služeb prostřednictvím protokolů on-chain, a pokusy o automatizaci platebních řešení sporu. SAKSHI je samozřejmě stále v teoretické fázi a je zde také spousta implementačních detailů, které je třeba určit.
3. Budoucí vyhlídky
Ať už se jedná o skládací AI nebo decentralizovanou platformu AI, zdá se, že ekologický model AI založený na veřejném řetězci má něco společného. Poskytovatelé služeb umělé inteligence se například nestýkají přímo s uživateli. Potřebují pouze poskytovat modely ML a provádět výpočty mimo řetězec. Platby, řešení sporů a sladění potřeb uživatelů a služeb, to vše lze vyřešit decentralizovanými protokoly. Jakožto důvěryhodná infrastruktura veřejný řetězec snižuje třenice mezi poskytovateli služeb a uživateli a uživatelé mají také vyšší autonomii.
Ačkoli jsou výhody používání veřejných řetězců jako aplikační základny klišé, vztahují se také na služby AI. Rozdíl mezi aplikacemi AI a stávajícími aplikacemi dapp je v tom, že aplikace AI nemohou umístit všechny výpočty do řetězce, takže je třeba použít zk nebo optimistické důkazy, aby se služby AI mohly připojit k systému veřejného řetězce důvěryhodnějším způsobem.
Díky implementaci řady řešení pro optimalizaci zkušeností, jako je abstrakce účtu, si uživatelé nemusí být vědomi existence mnemotechnických pomůcek, řetězců, plynu atd. Díky tomu je ekosystém veřejného řetězce z hlediska zkušeností blízký webu2 a uživatelé mohou získat vyšší výhody než služby web2 Míra volnosti a složitelnosti bude pro uživatele přitažlivější a ekosystém aplikací AI založený na veřejném řetězci se vyplatí.
Reference
Rozhovor se zakladatelem Nil Foundation: Technologie ZK může být zneužita a veřejná sledovatelnost není původním záměrem šifrování: https://www.techflowpost.com/article/detail_12647.html
IOSG Weekly Brief ｜Rozsvěcování jiskry blockchainu: LLM otevírá nové možnosti pro interakci s blockchainem #187
https://mp.weixin.qq.com/s/sVIBF6iPXwhamlKEvjH19Q
Kapitola 1: Jak zapojit svou AI do řetězce： https://medium.com/coinmonks/chapter-1-how-to-put-your-ai-on-chain-8af2db013c6b
Kapitola 4: Blockchainy, které se zlepšují: https://medium.com/@ModulusLabs/chapter-4-blockchains-that-self-improve-e9716c041f36
Kapitola 6: The World’s 1st On-Chain AI Game：https://medium.com/@ModulusLabs/chapter-6-leela-vs-the-world-the-worlds-1st-on-chain-ai-game-17ea299a06b6
ÚVOD DO STROJOVÉHO UČENÍ S NULOVÝMI ZNALOSTMI (ZKML)：https://worldcoin.org/blog/engineering/intro-to-zkml#zkml-use-cases
Zero-Knowledge Proof: Aplikace a případy použití：https://blog.chain.link/zero-knowledge-proof-use-cases/
SAKSHI: Decentralizované platformy AI： https://arxiv.org/pdf/2307.16562.pdf
Zlato, zmenšil jsem důkaz: Povolení ověření na řetězci pro RISC Zero & Bonsai：https://www.risczero.com/news/on-chain-verification