Galaxienwörter: Kryptowährung und KI Cross -Feld und Projektinventar

Autor: Lucas Tcheyan, Associate -Forscher Galaxy;

Vorwort

Die Entstehung der öffentlichen Kette ist einer der tiefsten Fortschritte in der Geschichte der Informatik.Die Entwicklung von KI wird jedoch einen tiefgreifenden Einfluss auf unsere Welt haben.Wenn die Blockchain -Technologie neue Vorlagen für die Abwicklung von Transaktionen, Datenspeicherung und Systemdesign bietet, ist künstliche Intelligenz eine Revolution in Bezug auf Computer, Analyse und Inhaltsabgabe.Die Innovation dieser beiden Branchen ist die Freigabe neuer Anwendungsfälle, die die Verwendung dieser beiden Branchen in den nächsten Jahren beschleunigen können.In diesem Bericht wird die kontinuierliche Integration von Kryptowährungen und KI untersucht und konzentriert sich auf die neuartigen Fälle, die versuchen, die Lücke zwischen den beiden zu schließen und die Stärke der beiden zu nutzen.Speziell,Dieser Bericht hat die Dezentral -Berechnungsvereinbarung, die Infrastruktur für maschinelles Lernen (Null -Wissen maschinelles Lernen) und AI -Intelligenzprojekte untersucht.

Kryptowährungen bieten KI eine Siedlungsschicht ohne Erlaubnis, ohne Vertrauen und kombiniert.Dadurch wird der Anwendungsfall freigesetzt, z. B. das dezentrale Computersystem, um die Hardware leichter zugänglich zu machen. Tiefenfälumung.AI bringt viele der gleichen Vorteile, die wir in Web 2 sehen, Kryptowährungen.Dies beinhaltet eine Benutzererfahrung (UX) und ein potenzielles Potenzial für Benutzer und Entwickler, die den Benutzer und Entwickler aufgrund der speziell geschulten ChatGPT- und Copilot -Versionen für Benutzer und Entwickler erweitert haben.Blockchain ist eine transparente, datenreiche Umgebung, die von AI erforderlich ist.Die Rechenleistung der Blockchain ist jedoch ebenfalls begrenzt, was das Haupthindernis für das KI -Modell direkt ist.

Experimente in den Feldern von Kryptowährungen und KI -Kreuzungsflächen und die treibende Kraft hinter der endgültigen Verwendung der vielversprechendsten Anwendungsfälle zur Förderung von Kryptowährungen sind die gleichen Koordinationsschichten, die keine Lizenzen benötigen, und kein Vertrauen, um die Übertragung von besser zu fördern Wert.Angesichts des enormen Potenzials müssen die Teilnehmer auf diesem Gebiet die grundlegenden Möglichkeiten zur Überquerung dieser beiden Technologien verstehen.

Schlüsselpunkte:

• In naher Zukunft (6 Monate bis 1 Jahr) wird die Integration von Kryptowährungen und KI durch AI -Anwendungen geleitetDiese Anwendungen können die Effizienz von Entwicklern, die Prüfbarkeit und Sicherheit von intelligenten Verträgen und die Zugänglichkeit der Benutzer verbessern.Diese Integrationen sind nicht spezifisch für Kryptowährungen, sondern um die Entwickler und die Benutzererfahrung in der Kette zu verbessern.

• Genau wie ein schwerer Mangel an GPU,Die Produkte für Dezentralisierungsprodukte implementieren KI -kundenspezifische GPU -ProdukteEs bietet eine treibende Kraft zur Adoption.

• Benutzererfahrung und -aufsicht sind nach wie vor die Hindernisse, um eine Dezentralisierung zur Berechnung der Kunden anzuziehen.Die neueste Entwicklung von OpenAI und die laufende regulatorische Überprüfung der Vereinigten Staaten unterstreichen jedoch die Wertschöpfung des KI -Netzwerks, das nicht erforderlich ist, Anti -Zensur und Dezentralisierung.

• KI, die in die Kette integriert sind, insbesondere intelligente Verträge, die Modelle für künstliche Intelligenz verwenden können, müssen die von der ZKML -Technologie und andere Verifizierungsketten berechnete Berechnungsmethode verbessern.Das Fehlen umfassender Werkzeuge und Entwickler sowie hohe Kosten sind Hindernisse für die Übernahme.

• AI Smart ist sehr geeignet für KryptowährungenBenutzer (oder Intelligenz selbst) können Brieftaschen zum Handeln mit anderen Diensten, Intelligenz oder Mitarbeitern erstellen.Derzeit kann die Verwendung herkömmlicher finanzieller Methoden nicht erreicht werden.Um weiter verwendete zu werden, ist es erforderlich, eine zusätzliche Integration in nicht verkürzte Produkte zu integrieren.

der Begriff

AiEs ist die Fähigkeit, Berechnungen und Maschinen zu verwenden, um das menschliche Denken zu imitieren und Probleme zu lösen.

Neurales NetzwerkEs ist eine Trainingsmethode für künstliche Intelligenzmodelle.Sie führen die Eingabe über die diskrete Algorithmusschicht aus und verbessern sie, bis die erforderliche Ausgabe erzeugt wird.Das neuronale Netzwerk besteht aus einer schweren Gleichung und kann das Gewicht ändern, um die Ausgabe zu ändern.Möglicherweise benötigen sie viele Daten und Berechnungen für das Training, damit ihre Ausgabe korrekt ist.Dies ist eine der häufigsten Möglichkeiten, um das KI -Modell zu entwickeln (ChatGPT nutzt den Prozess des neuronalen Netzwerks des Transformators).

ZugEs ist der Prozess der Entwicklung neuronaler Netzwerke und anderer Modelle für künstliche Intelligenz.Es erfordert viele Daten, um das Modell zu trainieren, um die Eingabe korrekt zu erklären und genaue Ausgabe zu generieren.Während des Trainingsprozesses wird das Gewicht der Modellgleichung ständig geändert, bis eine zufriedenstellende Ausgabe erzeugt wird.Die Schulungskosten können sehr teuer sein.Beispielsweise verwendet ChatGPT Zehntausende von eigenen GPUs, um Daten zu verarbeiten.Teams mit weniger Ressourcen hängen normalerweise von spezialisierten Computeranbietern ab, wie beispielsweise von Amazon Web Services, Azure und Google Cloud.

ArgumentationEs ist die tatsächliche Verwendung des KI -Modells, um die Ausgabe oder das Ergebnis (z.Die Argumentation wird im gesamten Trainingsprozess und in den Endprodukten verwendet.Aufgrund der Kosten für die Berechnung der Kosten, auch nach Abschluss der Schulung, sind ihre Betriebskosten möglicherweise sehr hoch, aber ihre Berechnungsintensität ist niedriger als die Schulung.

Null Knowledge Proof (ZKP)Eine Überprüfungsdeklaration durchführen, ohne grundlegende Informationen zu veröffentlichen.Dies ist sehr nützlich bei Kryptowährungen, hauptsächlich zwei Gründen: 1) Privatsphäre und 2) Expansion.Um die Privatsphäre zu schützen, kann es Transaktionen durchführen, ohne empfindliche Informationen zu veröffentlichen (z. B. wie viele ETHs in Brieftaschen).Für die Erweiterung ermöglicht es die neue Ausführungsberechnung der Kette, die in der Kette schneller nachgewiesen werden kann.Dadurch können Blockchain und Anwendungen unter der Kette billig berechnet und dann in der Kette überprüfen.

AI/Kryptowährung Ökologische Karte

KI und Kryptowährungen bauen immer noch die zugrunde liegende Infrastruktur, die große Ketten an großen Ketten unterstützt.

Markt für DezentralisierungscomputerEs steigt, um eine große Anzahl physischer Hardware bereitzustellen, die für das Training und Argumentieren von künstlichen Intelligenzmodellen erforderlich ist, hauptsächlich in Form von GPU.Diese beiden Way -Märkte verbinden diejenigen, die Mietberechnungen mieten und suchen, um die Übertragung und Berechnung des Wertes zu fördern.In der Dezentralisierungsberechnung erscheinen mehrere Sub -Kategorien, die zusätzliche Funktionen bereitstellen.Zusätzlich zu den bilateralen Märkten werden in diesem Bericht Schulungsanbieter für maschinelles Lernen überprüft, die verifizierte Schulungen und feine Ausgaben zur Verfügung stellen können, und Projekte, die sich für die Verbindung von Computing und Modellgenerierung zur Implementierung von KI befinden.

ZKMLEs ist zu hoffen, dass aufstrebende wichtige Bereiche von Projekten bereitgestellt werden, die eine wirksame und zeitnahe Wirtschaftsausgabe verifiziert werden können.Diese Projekte ermöglichen es hauptsächlich für Anwendungen, um schwere Computeranforderungen unter der Kette zu verarbeiten und dann verifizierte Ausgaben in der Kette zu veröffentlichen, um zu beweisen, dass die Arbeitsbelastung unter der Kette vollständig und genau ist.ZKML ist teuer und zeitlich in der aktuellen Instanz konsumiert, aber immer mehr wird als Lösung verwendet.Dies liegt in der zunehmenden Anzahl der Integration zwischen dem ZKML -Anbieter und der Defi/Game -Anwendung, die das KI -Modell verwenden möchten.

Die Fähigkeit einer ausreichenden Berechnung und Überprüfungskette istKI intelligent in der KetteÖffne die TürWesenSmart Body ist ein geschultes Modell, das die Ausführungsanfragen der Benutzer darstellen kann.Der Smart Body bietet eine bedeutende Möglichkeit, die Kettenerfahrung zu verbessern.In Bezug auf den Strom konzentrieren sich intelligente Projekte jedoch immer noch auf die Entwicklung von Infrastruktur und Tools, um eine einfache und schnelle Bereitstellung zu erzielen.

Dezentralisierungsberechnung

Überblick

KI erfordert viele Berechnungen, um Modelle zu trainieren und Argumentation zu betreiben.In den letzten zehn Jahren, da das Modell immer komplizierter geworden ist, hat sich der Berechnungsbedarf in den Index gestiegen.Zum Beispiel stellte Openai fest, dass sich die Rechennachfrage seines Modells von 2012 bis 2018 von zwei Jahren auf alle dreieinhalb Monate änderte.Dies hat zu einem Anstieg der Nachfrage nach GPUs geführt, und einige Kryptowährungs -Bergleute verwenden ihre GPUs sogar, um Cloud -Computing -Dienste anzubieten.Mit der Intensivierung und erhöhten Kosten für den Zugriffscomputer verwenden einige Projekte die Verschlüsselungstechnologie, um dezentrale Computerlösungen bereitzustellen.Sie werden nach Bedarf zu einem wettbewerbsfähigen Preis berechnet, damit das Team das Modell auf erschwingliche Weise trainieren und betreiben kann.In einigen Fällen wiegen Sie Leistung und Sicherheit.

Die fortschrittlichste GPU (wie die von Nvidia produzierte GPU) ist sehr anspruchsvoll.Im September 2023 erwarb Tether Northern Data, Laut Berichten aus dem Deutschlands Bitcoin Miner Northern.Die Wartezeit für die Erstklassenhardware kann mindestens sechs Monate und in vielen Fällen sogar länger beträgt.Um die Sache noch schlimmer zu machen, muss das Unternehmen häufig langfristige Verträge unterzeichnen, um die Berechnung zu erhalten, die sie möglicherweise nicht einmal verwenden.Dies kann zur Existenz verfügbarer Berechnungen führen, die jedoch auf dem Markt nicht verfügbar sind.Das dezentrale Computersystem löst das Problem der geringen Effizienz dieser Märkte.

Zusätzlich zu den Wettbewerbspreisen und -börsen ist das wichtige Wertversprechen der dezentralen Berechnung eine Anti -Review.Die Top -KI -Entwicklung wird zunehmend von großen Technologieunternehmen mit beispiellosen Computer- und Datenzugriffsfunktionen geleitet.Das erste wichtige Thema im AI -Indexbericht im Jahr 2023 ist, dass die Industrieindustrie die akademischen Kreise bei der Entwicklung von KI -Modellen zunehmend übertroffen und die Kontrolle in den Händen einiger technischer Führer konzentriert hat.Dies hat Bedenken darüber geweckt, ob sie die Fähigkeit haben, einen enormen Einfluss auf die Formulierung der Spezifikationen und Werte der Unterstützung von KI -Modellen zu haben, insbesondere nachdem diese Technologieunternehmen die Aufsicht fördert, um ihre unvorbereitete Entwicklung künstlicher Intelligenz einzuschränken.

Dezentralisierungsberechnung vertikales Feld

In den letzten Jahren sind mehrere dezentrale Computermodelle aufgetaucht, und jedes Modell hat seinen eigenen Fokus und seine eigene Ausgewogenheit.

Allgemeines Computer

Akash, IO.net, Iexec, CudosDie Projekte sind dezentrale Computeranwendungen.

Akash ist derzeit die einzige komplette „Super Cloud“ -Plattform.Es ist ein Beweis für die Eigenkapital des Cosmos SDK.AKT ist die native Währung von Akash als Zahlungsform zum Schutz der Netzwerksicherheit und zur Teilnahme.Akash startete das erste Hauptnetzwerk im Jahr 2020 und konzentrierte sich auf die Bereitstellung eines Cloud -Computing -Marktes ohne Erlaubnis.Im Juni 2023 startete Akash ein neues Testnetzwerk, das sich auf GPU konzentrierte, und startete das GPU -Hauptnetzwerk im September.

Es gibt zwei Hauptteilnehmer im Akash -Ökosystem -Währungsmittel und Anbieter.Praktiker sind Benutzer, die Akash Network Computing -Ressourcen kaufen möchten.Lieferanten sind Computer -Ressourcenlieferanten.Um Mieter und Lieferanten zu entsprechen, verlässt sich Akash auf den Reverse -Auktionsprozess.Mieter senden ihre Rechenanforderungen, in denen sie bestimmte Bedingungen angeben können, z. B. die Position des Servers oder des berechneten Hardwaretyps sowie den Betrag, den sie zu zahlen bereit sind.Anschließend gibt der Lieferant seinen Preis für den Preis ein, und das Mindestgebot erhält die Aufgabe.

Akash -Überprüfungen behalten die Integrität des Netzwerks bei.Der Authentifizierungssatz ist derzeit auf 100 begrenzt und plant, sich im Laufe der Zeit schrittweise zu erhöhen.Jeder kann verifiziert werden, da mehr Akts durch mehr Akten durch mehr Akt zugesagt wurden.Akt -Inhaber können ihre Akt auch den Überprüfungen anvertrauen.Die Handelskosten und Blockprämien des Netzwerks werden in Form von AKT zugewiesen.Darüber hinaus erhält das Akash -Netzwerk für jeden Mietvertrag „Ladegebühren“ zu einem von der Community festgelegten Satz und verteilen es an Akt -Inhaber.

Sekundärmarkt

Der dezentrale Computermarkt zielt darauf ab, die geringe Effizienz des vorhandenen Computermarktes zu füllen.Das Versorgungslimit veranlasst das Unternehmen, die überschrittenen Rechenressourcen zu horten, und der Kunde sperrt den Kunden aufgrund der Vertragsstruktur mit dem Cloud -Anbieter in den langfristigen Vertrag.Die dezentrale Computerplattform veröffentlicht ein neues Angebot, so dass jeder auf der Welt mit Rechenanforderungen zu Lieferanten werden kann.

Der Anstieg des Anstiegs der GPU -Nachfrage nach KI -Schulungen wird in Akash in den langfristigen Netzwerkverwendung umgewandelt.Zum Beispiel bietet Akash lange Zeit einen Markt für die CPU und bietet ähnliche Dienstleistungen für zentrale Alternativen mit 70-80% Rabatte.Der niedrigere Preis bringt jedoch keine wesentliche Nutzung.Die aktiven Leasingverträge im Internet sind sanft geworden.Obwohl dies beeindruckende Indikatoren sind, die in der Kette verwendet werden (als Referenz, hat der führende Speicheranbieter Filecoin im dritten Quartal von 2023 eine Speicherauslastungsrate von 12,6%), was darauf hinweist, dass das Angebot dieser Produkte die Nachfrage weiter überschreitet.

Akash hat das GPU -Netzwerk mehr als ein halbes Jahr gestartet, und es ist zu früh, um die langfristige Adoptionsrate genau zu bewerten.Bisher beträgt die durchschnittliche Nutzungsrate der GPU 44%, was höher ist als die CPU, den Speicher und die Speicher, was ein Zeichen der Nachfrage ist.Dies ist hauptsächlich auf die Nachfrage nach der höchsten Qualitäts -GPU (wie A100) zurückzuführen, und mehr als 90%wurden gemietet.

Die täglichen Ausgaben von Akash haben ebenfalls zugenommen, was sich im Vergleich zur GPU fast verdoppelt hat.Dieser Teil ist auf die Zunahme der anderen Serviceverwendung, insbesondere der CPU, zurückzuführen, aber es ist hauptsächlich das Ergebnis der neuen GPU -Verwendung.

Die Preisgestaltung entspricht zentralisierten Wettbewerbern wie Lambda Cloud und Vast.ai (oder in einigen Fällen sogar noch teurer).Die enorme Nachfrage nach der höchsten GPU (wie H100 und A100) bedeutet, dass die meisten Eigentümer des Geräts nicht daran interessiert sind, in einem Markt für wettbewerbsfähige Preisgestaltung aufzulisten.

Obwohl das anfängliche Interesse sehr vielversprechend ist, gibt es immer noch Hindernisse (weitere Diskussionen unten).Das dezentrale Computernetzwerk erfordert mehr Maßnahmen, um Nachfrage und Angebot zu generieren, und das Team versucht, neue Benutzer anzulocken.Zum Beispiel hat Akash Anfang 2024 den Vorschlag Nr. 240 zur Erhöhung der AKT -Emissionen des GPU -Lieferanten und mehr Versorgung, insbesondere für Hoch -End -GPUs, erhöht.Das Team setzt sich auch dafür ein, ein Konzeptüberprüfungsmodell zu starten, um potenziellen Benutzern die reale Zeit seines Netzwerks zu zeigen.Akash trainiert ihre eigenen Grundmodelle und hat Chat -Roboter und Bildgenerierungsprodukte auf den Markt gebracht, mit denen die AKASH -GPU Ausgabe erstellt.In ähnlicher Weise hat IO.NET das stabile Diffusionsmodell entwickelt und startet neue Netzwerkfunktionen, um die Leistung und Skala herkömmlicher GPU -Rechenzentren besser zu imitieren.

Dezentrales Training für maschinelles Lernen

Neben der Universal Computing -Plattform, die den Anforderungen von AI erfüllen kann, entstehen auch eine Gruppe professioneller AI -GPU -Lieferanten, die sich auf das Modell der maschinellen Lernen konzentrieren.Zum Beispiel,GeneynDie Sichtweise ist „Elektrizität und Hardware, um kollektive Weisheit zu bauen.“

Es gibt vier Hauptteilnehmer im Protokoll: Einreicher (Einreicher), Solvers, Verifierer und WhistleblowerWesenDer Einsender legt die Aufgabe der Schulungsanfragen mit Schulungsanfragen im Internet ein.Diese Aufgaben umfassen Schulungsziele, Modelle und Schulungsdaten, die ausgebildet werden sollen.Im Rahmen des Einreichungsverfahrens müssen die Einreicher die Gebühr vor der Zahlung für den geschätzten Betrag zahlen, der für die Lösung erforderlich ist.

Nach der Übermittlung wird die Aufgabe der Lösung für das praktische Training für das Modell zugewiesen.Die Lösung übernimmt dann die ausgefüllten Aufgaben an die Überprüfungsperson, und die Überprüfungsperson ist für die Überprüfung des Trainings verantwortlich, um die korrekte Fertigstellung zu gewährleisten.Die Pfeife ist dafür verantwortlich, dass die verifizierte Person ehrlich ist.Um Whistlers zur Teilnahme am Netzwerk zu motivieren, plant Genyn, regelmäßig absichtliche Fehlernachweise zu liefern, um Whistlers zu belohnen, um sie zu fangen.

Zusätzlich zur Berechnung der Workloads für künstliche Intelligenz ist der wichtigste Wertversprechen von Genynyn sein Verifizierungssystem, das noch in der Entwicklung befindet.Um die korrekte Ausführung des externen Computers des GPU -Lieferanten (dh um sicherzustellen, dass das Modell des Benutzers so geschult wird, wie er gewünscht ist), ist eine Überprüfung erforderlich.Gensyn verwendet eine einzigartige Methode, um dieses Problem zu lösen, wobei eine neuartige Verifizierungsmethode namens „Wahrscheinlichkeitslernzertifikat, grafische genaue Protokolle und Truhe -Incentive -Spiele“ verwendet wird.Dies ist ein optimistischer Lösungsmodus, mit dem die Überprüfungen bestätigen können, dass die Lösung das Modell korrekt ausgeführt hat, ohne das Modell vollständig zu erledigen zu müssen.

Zusätzlich zu seiner innovativen Überprüfungsmethode behauptet Genyn, dass es im Vergleich zu zentralen Alternativen und Kryptowährungskonkurrenten kostspielig ist.

Ob diese vorläufigen Ergebnisse in einem dezentralen Netzwerk repliziert werden können, muss noch beobachtet werden.Gensyn hofft, die überschüssige Rechenleistung von Anbietern wie kleinen Rechenzentren, Einzelhandelsnutzern und zukünftigen mobilen Geräten wie kleinen mobilen Geräten zu nutzen.Wie das Gensyn -Team selbst erkennt, haben abhängige heterogene Computeranbieter einige neue Herausforderungen mitgebracht.

Für zentralisierte Lieferanten wie Google Cloud Provers und CoreWeave sind die Kosten teuer, und die Kommunikation (Bandbreite und Verzögerung) zwischen den Berechnungen ist billig.Diese Systeme zielen darauf ab, so bald wie möglich Kommunikation zwischen Hardware zu erreichen.Gensyn hat diesen Rahmen untergraben und es jedem auf der Welt ermöglicht, die GPU zur Senkung der Berechnungskosten bereitzustellen. Gleichzeitig erhöht es auch die Kommunikationskosten, da das Netzwerk nun die Vorgänge auf der heterogenen Hardware koordinieren und berechnen muss, die weit voneinander entfernt ist.Gensyn wurde nicht gestartet, aber es ist ein konzeptioneller Beweis, der beim Erstellen eines dezentralen Trainingsvertrags für maschinelles Lernen implementiert werden kann.

Dezentrale universelle Intelligenz

Die dezentrale Computerplattform bietet auch die Möglichkeit für das Design der KI -Erstellungsmethode.BittersorEs ist eine dezentrale Berechnungsvereinbarung, die auf Substrat basiert und versucht zu antworten: „Wie verwandeln wir KI in eine kollaborative Methode?“Bittensor zielt darauf ab, eine durch KI erzeugte Dezentralisierung und Kommerzialisierung zu erreichen.Die Vereinbarung wurde im Jahr 2021 gestartet, in der Hoffnung, die Macht des kollaborativen maschinelles Lernmodells zu nutzen, um eine bessere KI kontinuierlich zu iterieren und zu produzieren.

Bittersor lässt sich von Bitcoin inspirieren.Bittersor verwendet den Workload -Beweis nicht, um die richtige Zufallszahl zu generieren und Blockprämien zu erhalten, sondern hängt vom „Nachweis der Intelligenz“ ab, wodurch Bergarbeiter Modelle ausführen müssen, um auf Argumentationsanforderungen zu reagieren und Ausgaben zu generieren.

Inspirierende Intelligenz

Bittensor stützte sich ursprünglich auf das Expert -Mixed (MOE) -Modell, um die Ausgabe zu generieren.Bei der Übermittlung einer Argumentationsanforderung stützt sich das MOE -Modell nicht auf ein breites Modell, sondern um die Argumentationsanforderung an das genaueste Modell des angegebenen Eingangstyps weiterzuleiten.Stellen Sie sich den Bau eines Hauses vor, und Sie beauftragen eine Vielzahl von Experten, um für die Unterschiede im Bauprozess verantwortlich zu sein (z. B. Architekten, Ingenieure, Lackarbeiter, Bauarbeiter usw.).Moe wendet es auf ein maschinelles Lernmodell an und versucht, die Ausgabe verschiedener Modelle gemäß der Eingabe zu verwenden.Wie der Gründer von Bittensor von Ala Shaabana erklärte, ist dies wie „mit einer klugen Person in einem Haus zu sprechen und die beste Antwort zu bekommen, nicht mit einer Person zu sprechen“.Da es Herausforderungen bei der Gewährleistung der richtigen Route, der Synchronisation der Nachricht an das richtige Modell und die Anreize gibt, wurde diese Methode auf Eis gelegt, bis das Projekt weiter entwickelt wurde.

Es gibt zwei Hauptteilnehmer im Bittensor -Netzwerk: Überprüfungen und Bergleute.Die Aufgabe der Überprüfungen besteht darin, Argumentationsanfragen an die Bergleute zu senden, ihre Ausgabe zu überprüfen und nach ihrer Antwortqualität zu bewerten.Um sicherzustellen, dass ihre Ranglisten zuverlässig sind, geben die Überprüfungen den „VTRUST“ -Schabe basierend auf ihrem Rang und anderen Überprüfungsrankings.Je höher der VTRUST -Score der Überprüfung, desto mehr werden sie.Dies soll die Überprüfungen dazu ermutigen, im Laufe der Zeit einen Konsens über das Modellranking zu erzielen, da je mehr durch das Ranking verifiziert wird, desto höher ist ihr persönlicher VTRUST -Score.

Bergleute, auch als Dienst bekannt, sind Netzwerkteilnehmer, die das tatsächliche Modell für maschinelles Lernen betreiben.Bergleute konkurrieren miteinander, um die genauesten Ausgabe für bestimmte Abfragen zu vermitteln.Bergleute können diese Ausgänge so generieren, wie sie möchten.In Zukunft sind Bittersor -Bergleute beispielsweise vorher wahrscheinlich Vorbilder auf Genyn und verwenden sie, um Tao zu verdienen.

Heutzutage treten die meisten Wechselwirkungen direkt zwischen Verifizierung und Bergleuten auf.Die Überprüfungsperson gibt den Eingang dem Bergmann vor und fordert die Ausgabe (dh das Trainingsmodell).Sobald die Verifizierung die Bergleute im Netzwerk abfragen und ihre Antwort erhalten, werden sie Bergarbeiter einstufen und sie an das Netzwerk einreichen.

Diese Wechselwirkung zwischen Überprüfung (abhängiger POS) und Bergleuten (abhängiges Modell beweist, eine Form von POW) wird als Yuma -Konsens bezeichnet.Ziel ist es, Bergleute zu motivieren, die beste Leistung zu produzieren und TAO zu verdienen und Überprüfungen zu motivieren, die Produktion von Bergarbeitern genau zu bewerten, um höhere VTRUST -Scores zu erzielen und ihre TAO -Belohnungen zu erhöhen, um einen Netzwerkkonsensmechanismus zu bilden.

Sub -Network und Anwendung

Die Interaktion auf Bittersor enthält hauptsächlich die Überprüfungen an die Bergleute und bewertete deren Ausgabe.Mit der Verbesserung der Qualität der Bergleute und des Wachstums der gesamten Intelligenz des Netzwerks erstellt Bittensor jedoch eine Anwendungsschicht in seinem vorhandenen Stapel, damit Entwickler Anwendungen erstellen können, die Bittensor -Netzwerke abfragen.

Im Oktober 2023 führte Bittensor Subnetze durch Revolution -Upgrades ein und machte einen wichtigen Schritt, um dieses Ziel zu erreichen.Ziwang ist ein separates Netzwerk, das spezifische Verhaltensweisen für Bittersor inspiriert.Revolution öffnet das Netzwerk für alle, die daran interessiert sind, ein Subnetz zu erstellen.Innerhalb weniger Monate nach der Veröffentlichung wurden mehr als 32 Sub -Netze gestartet, einschließlich Subnetze für Texteingabeaufforderungen, Datenerfassung, Bilderzeugung und Speicher.Mit der Reife des Subnetzes und der Bereitschaft erstellt der Ersteller des Subnetzes auch eine Anwendungsintegration, sodass das Team eine Anwendung zur Abfrage bestimmter Subnetze erstellen kann.Es gibt bereits einige Anwendungen (Chat -Roboter, Bildgeneratoren, Twitter -Antwortroboter, Vorhersagemärkte), aber mit Ausnahme der Finanzierung der Bittersor Foundation gibt es keine formellen Anreizmaßnahmen für Überprüfungen, um diese Abfragen zu akzeptieren und weiterzuleiten.

Um eine klarere Erklärung abzugeben, ist das Folgende ein Beispiel, in dem erklärt wird, wie der Bittersor funktioniert, nachdem die Anwendung in das Netzwerk integriert wurde.

Die Leistung des Subnetzes basiert auf der Leistung des Root -Netzwerks.Das Root -Netzwerk befindet sich vor allem Subnetze.Die Root -Netzwerkverifizierungspersonen bezeichnen das Subnetz basierend auf der Leistung des Subnetzes und verteilen das emittierte TAO -Token regelmäßig an das Subnetz.Auf diese Weise fungiert jedes Sub -Network als Bergleute des Stammnetzwerks.

Bittersor Outlook

Bittersor hat immer noch die Schwierigkeiten des Wachstums, da es die Funktion des Protokolls erweitert, um die intelligente Generation von Multi -Sub -Netzen zu motivieren.Bergleute entwerfen weiterhin neue Methoden, um das Netzwerk anzugreifen, um mehr TAO -Belohnungen zu erhalten, z.Der Governance -Vorschlag, der das gesamte Netzwerk betrifft durch den Bittensor).Die Token -Wirtschaft des Projekts wird geändert, um die Anreize für den Einsatz des Tao -Kreuzkind -Netzwerks zu erhöhen.Das Projekt wurde auch aufgrund seiner einzigartigen Methode berühmt.

In einem kürzlich vom Kernentwickler veröffentlichten Artikel in einem Artikel mit dem Titel „Bittensor Paradigm“ erklärte das Team die Vision von Bittersor, dh sich schließlich zu „unbekannten Inhalten gemessen“.Theoretisch ermöglicht es Bittensor, Subnetze zu entwickeln, um alle von Tao unterstützten Verhaltensweisen zu motivieren.Es gibt immer noch erhebliche tatsächliche Einschränkungen -das bemerkenswerteste ist, dass diese Netzwerke sich ausdehnen können, um sich mit einem so vielfältigen Prozess zu befassen, und der Fortschritt potenzieller Anreizmaßnahmen hat die zentralisierten Produkte überschritten.

Erstellen Sie einen dezentralen Berechnungsstapel für das KI -Modell

Die obigen Teile bieten einen groben Überblick über verschiedene Arten von dezentralen AI -Computerprotokollen, die sich entwickeln.In den frühen Tagen, in denen sie sich entwickelten und angenommen haben, bildeten sie die Grundlage des Ökosystems und förderten schließlich die Schaffung von „KI -Build -Blöcken“, wie das Konzept von „monetärem Lego“ von Defi.Die kombinierte Verfügbarkeit der Blockchain ohne Erlaubnis bietet jedem Protokoll die Möglichkeit, ein umfassenderes dezentrales Ökosystem für künstliche Intelligenz aufzubauen.

Auf diese Weise können Akash, Gensyn und Bittensor interagieren, um auf Argumentationsanfragen zu reagieren.

Was klar sein muss, ist, dass dies nur ein Beispiel dafür ist, was in Zukunft passieren kann, nicht der Vertreter des aktuellen Ökosystems, vorhandenen Partnerschaften oder möglichen Ergebnisse.Die nachstehend beschriebenen gegenseitigen operativen Einschränkungen und anderer Überlegungen haben die Möglichkeit der heutigen Integration stark eingeschränkt.Darüber hinaus können die Anforderungen der Liquidität und die Notwendigkeit, mehrere Token zu verwenden, die Benutzererfahrung beschädigen.

Andere dezentrale Produkte

Zusätzlich zur Berechnung wurden mehrere andere dezentrale Infrastrukturdienste gestartet, um das aufstrebende AI -Ökosystem der Kryptowährungen zu unterstützen.

Listen Sie den gesamten Umfang dieses Berichts auf, aber einige interessante und erklärende Beispiele umfassen:

• Ozean:Ein dezentraler Datenmarkt.Benutzer können Daten NFT erstellen, die ihre Daten repräsentieren, und können Daten Token für Einkäufe verwenden.Benutzer können ihre Daten monetarisieren und eine größere Souveränität aufweisen und gleichzeitig Zugriff auf das KI -Team mit Zugriff auf die von den Entwicklungs- und Trainingsmodellen erforderlichen Daten ermöglichen.

• Gras:Ein dezentraler Bandbreitenmarkt.Benutzer können überschüssige Bandbreite an KI verkaufen, und letztere nutzt diese Bandbreite, um Daten aus dem Internet zu erfassen.Grass basiert auf dem Wynd -Netzwerk, das es Einzelpersonen nicht nur ermöglicht, ihre Bandbreite zu monetarisieren, sondern auch vielfältigere Ansichten für Bandbreitenkäufer, um die Inhalte zu verstehen, die Einzelpersonen im Internet sehen IP -Adresse)).

• Hivemapper:Erstellen Sie ein dezentrales Kartenprodukt, das Informationen von täglichen Autofahrern enthält.Hivemapper ist auf KI angewiesen, um Bilder der Kamera der Benutzerinstrumentenplatine zu erklären und Benutzer zu belohnen, um das KI -Modell mit Token zu verbessern, indem sie das Feedback (Human Learning Feedback) stärken.

Insgesamt weisen diese auf die fast unendliche Gelegenheit hin, die dezentralen Marktmodelle zu untersuchen, die KI -Modelle unterstützen oder ihre erforderliche periphere Infrastruktur entwickeln.Derzeit befinden sich die meisten dieser Projekte in der konzeptionellen Überprüfungsphase, und mehr Forschung und Entwicklung erfordert, dass sie die für umfassende künstliche Intelligenzdienste erforderliche Skala betreiben können.

Freuen Sie sich auf

Dezentrale Computerprodukte befinden sich noch in den frühen Entwicklungsstadien.Sie haben gerade erst begonnen, die fortschrittlichste Rechenleistung zu starten, die das leistungsstärkste KI -Modell in der Produktion ausbilden kann.Um einen sinnvollen Marktanteil zu erzielen, müssen sie die tatsächlichen Vorteile im Vergleich zu zentralisierten Alternativen nachweisen.Der potenzielle Auslöserfaktor umfasste weiterhin:

• GPU -Angebot/-nachfrage.Die Mangel an GPU und das schnelle Berechnungserwachstum führen zum GPU -Militärwettbewerb.Aufgrund der Einschränkung der GPU hat OpenAI den Zugang zu ihrer Plattform eingeschränkt.Plattformen wie Akash und Genyn können kostengünstige Alternativen für Teams bereitstellen, die ein Hochleistungs -Computing benötigen.Für dezentrale Computeranbieter sind die nächsten 6 bis 12 Monate eine besonders einzigartige Gelegenheit, neue Benutzer anzulocken.In Verbindung mit den zunehmenden Open -Source -Modellen wie LLAMA 2 von Meta sind Benutzer bei der Bereitstellung effektiver feiner -Tuning -Modelle nicht mehr den gleichen Hindernissen ausgesetzt, wodurch die Rechenressourcen zum Hauptgutgpass werden.Die Existenz der Plattform selbst sorgt jedoch nicht für ausreichende Computerversorgung und entsprechende Bedürfnisse der Verbraucher.Es ist immer noch schwierig, Hoch -End -GPUs zu kaufen, und die Kosten sind nicht immer die Hauptmotivation für die Nachfrageseite.Diese Plattformen werden sich den Herausforderungen stellen, um die tatsächlichen Vorteile der Verwendung dezentraler Berechnungsoptionen (sei es aufgrund von Kosten, Überprüfung des Widerstandes, der normalen Betriebszeit und -elastizität oder -aufgängigkeit), um Viskositätsbenutzer zu sammeln.Sie müssen schnell handeln.Investitionen und Bauarbeiten in Infrastruktur infrastruktur werden mit alarmierender Geschwindigkeit durchgeführt.

• Aufsicht.Die Überwachung ist immer noch der Widerstand der dezentralen Berechnungsbewegung.Kurzfristig bedeutet das Mangel an klarer Aufsicht, dass Anbieter und Benutzer mit potenziellen Risiken ausgesetzt sind, um diese Dienste zu nutzen.Was ist, wenn der Lieferant Berechnungen vorlegt oder der Käufer aus der Sanktionseinheit berechnet wird, ohne es zu wissen?Benutzer können zögern, ob dezentrale Plattformen verwendet werden sollen, denen die Steuerung und die Überwachung der zentralisierten Entität fehlt.Die Vereinbarung versucht, diese Bedenken zu reduzieren, indem die Kontrolle in seine Plattform einbezieht oder einen Filter hinzugefügt wird, um nur auf den bekannten Computeranbieter (dh zur Bereitstellung von KYC -Informationen) zugänglich zu machen, aber leistungsfähigere Methoden müssen die Einhaltung sicherstellen und gleichzeitig die Einhaltung schützen und gleichzeitig schützen. Konformität.Kurzfristig sehen wir die Entstehung der KYC- und Compliance -Plattformen.Darüber hinaus unterstreicht die Diskussion über mögliche neue regulatorische Rahmenbedingungen in den USA (das beste Beispiel für die Veröffentlichung von Verwaltungsaufträgen für Sicherheit, Zuverlässigkeit und vertrauenswürdige künstliche Intelligenzentwicklung und -nutzung) das Potenzial, den Erwerb von GPU -Erwerb von regulatorischen Maßnahmen weiter einzuschränken.

• Prüfen.Die Regulierung besteht aus zwei und dezentralen Computerprodukten können von den Maßnahmen profitieren, die den Zugang zu KI einschränken.Zusätzlich zu Verwaltungsaufträgen sagte der OpenAI -Gründer Sam Altman im Kongress aus, was darauf hinweist, dass die Aufsichtsbehörden Lizenzen für die Entwicklung künstlicher Intelligenz erlassen müssen.Die Diskussion über die Überwachung der künstlichen Intelligenz hat gerade erst begonnen, aber jede solche Beschränkungen für den Zugriff oder die Überprüfung von KI -Funktionen können die Verwendung dezentraler Plattformen ohne solche Hindernisse beschleunigen.Im November 2023 wurde der sich ändernde (oder Mangel an) der Führung der OpenAI -Führung ferner festgestellt, dass es riskant war, einigen wenigen Menschen die Entscheidung zu gewähren -die Macht des mächtigsten KI -Modells.Darüber hinaus werden alle KI -Modelle unweigerlich die Vorurteile von Menschen widerspiegeln, die sie schaffen, ob vorsätzlich oder unbeabsichtigt.Eine Möglichkeit, diese Abweichungen zu beseitigen, besteht darin, so weit wie möglich feine Tun und Schulungen zu machen, um sicherzustellen, dass jeder an jedem Ort auf verschiedene Typen und Abweichungsmodelle zugreifen kann.

• Datenschutz.Wenn die externen Daten und Datenschutzlösungen, die Benutzern Datenautonomie bieten, integriert sind, können Dezentralisierungsberechnungen attraktiver sein als zentrale Alternativen.Als Samsung erkannte, dass der Ingenieur ChatGPT nutzte, um das Chip -Design zu unterstützen, und sensible Informationen an ChatGPT weitergingen, wurde Samsung Opfer des Vorfalls.Phala Network und IEXEC behaupten, Benutzern SGX Secure Land zum Schutz der Benutzerdaten zu bieten, und die laufende Vollstaatliche Verschlüsselungsforschung kann die dezentrale Berechnung der Privatsphäre weiter entsperren, um die Privatsphäre sicherzustellen.Wenn sich KI weiter in unser Leben integriert, werden Benutzer den Ausführen von Modellen für Anwendungen mit Datenschutzschutz mehr Aufmerksamkeit schenken.Benutzer müssen auch einen kombinierten Datendienst unterstützen, damit sie Daten von einem Modell auf ein anderes Modell transplantieren können.

• Benutzererfahrung (UX)WesenBenutzererfahrung ist nach wie vor ein wichtiges Hindernis für alle Arten von verschlüsselten Anwendungen und Infrastrukturen.Dies unterscheidet sich nicht für dezentrale Computerprodukte und in einigen Fällen, da Entwickler Kryptowährung und künstliche Intelligenz verstehen müssen, wird dies diese Situation verschärfen.Es ist notwendig, sich von Grundkenntnissen zu verbessern, z. B. die Anmeldung in der Abstraktion mit der Interaktion mit der Blockchain, um die gleiche hohe Qualität wie die aktuellen Marktführer zu liefern.Angesichts der Tatsache, dass viele operative dezentrale Berechnungsprotokolle, die billigere Produkte liefern, schwer zu konventionellem Gebrauch erhalten, ist dies offensichtlich.

Smart Contract und ZKML

Intelligente Verträge sind die Kernbaublöcke eines Blockchain -Ökosystems.Im Falle einer Reihe bestimmter Bedingungen führen sie automatisch die Bedürfnisse vertrauenswürdiger Dritter aus und reduzieren oder verringern sie, um komplexe dezentrale Anwendungen wie Anwendungen in Defi zu erstellen.Da jedoch die meisten intelligenten Verträge vorhanden sind, sind ihre Funktionen immer noch eingeschränkt, da sie basierend auf den voreingestellten Parametern ausgeführt werden, die aktualisiert werden müssen.

Zum Beispiel enthält der intelligente Vertrag für den implementierten Kreditvertrag die Spezifikationen, wann die Position gemäß dem spezifischen Darlehen zu der Wertschöpfungsquote gelöscht werden soll.Obwohl dies in einer statischen Umgebung nützlich ist, müssen diese intelligenten Verträge unter der dynamischen Situation der Risiken kontinuierlich aktualisiert werden, um sich an Änderungen der Risikotoleranz anzupassen, was die Herausforderungen für Verträge bringt, die das zentralisierte Prozessmanagement nicht bestehen.Zum Beispiel können DAOs, die sich auf dezentrale Governance -Prozesse verlassen, möglicherweise nicht schnell auf systemische Risiken reagieren.

Integrierte KI (dh maschinelles Lernmodell) Smart Contracts sind eine mögliche Möglichkeit, Funktionen, Sicherheit und Effizienz zu verbessern und gleichzeitig die allgemeine Benutzererfahrung zu verbessern.Diese Integrationen bringen jedoch auch zusätzliche Risiken ein, da es unmöglich ist, sicherzustellen, dass die Modelle, die diese intelligenten Verträge unterstützen das Modell trainieren).

Zero -Wissen maschinelles Lernen (ZKML)

Das maschinelle Lernen erfordert viele Berechnungen, um komplexe Modelle auszuführen, wodurch das KI -Modell aufgrund hoher Kosten nicht direkt in intelligenten Verträgen betrieben werden kann.Zum Beispiel ist das Defi -Protokoll, das den Benutzern ein Einkommensoptimierungsmodell bietet, schwierig, das Modell in der Kette auszuführen, ohne zu hohe Gasgebühren zu zahlen.Eine Lösung besteht darin, die Rechenleistung der zugrunde liegenden Blockchain zu erhöhen.Dies erhöht jedoch auch die Anforderungen für das Album der Kettenüberprüfung, was dezentrale Eigenschaften zerstören kann.Stattdessen untersuchen einige Projekte, dass ZKML verwendet wird, um die Ausgabe ohne Vertrauen zu überprüfen, und erfordert keine dichten Kettenberechnungen.

Es zeigt, dass ein gemeinsames Beispiel für die Nützlichkeit von ZKML darin besteht, dass Benutzer andere Personen benötigen, um Daten über das Modell auszuführen und zu überprüfen, ob ihre Transaktionen tatsächlich das richtige Modell ausgeführt haben.Vielleicht verwenden Entwickler dezentrale Computeranbieter, um ihre Modelle zu schulen, und befürchten, dass der Anbieter versucht, die Kosten zu senken, indem sie versucht, die Ausgangsunterschiede zu verwenden, die kaum erkennen können.Mit ZKML ermöglicht es dem Computeranbieter, Daten über sein Modell auszuführen, und generiert dann Beweise, die in der Kette überprüft werden können, um zu beweisen, dass die Ausgabe des angegebenen Eingangsmodells korrekt ist.In diesem Fall hat der Modellanbieter zusätzliche Vorteile, dh er können seine Modelle bereitstellen, ohne das Grundgewicht der Ausgabe offenlegen zu müssen.

Sie können auch das Gegenteil tun.Wenn der Benutzer seine Daten verwenden möchte, um das Modell auszuführen, jedoch aufgrund von Datenschutzproblemen (z. Das Modell teilen die Daten nicht und beweist dann, dass sie das richtige Modell ausführen, indem sie diese überprüfen.Diese Möglichkeiten haben den Entwurfsraum der künstlichen Intelligenz- und intelligenten Vertragsfunktionen erheblich erweitert, indem die entmutigten Berechnungsbeschränkungen gelöst werden.

Infrastruktur und Werkzeuge

Angesichts des frühen Zustands des ZKML -Feldes konzentriert sich die Entwicklung hauptsächlich auf die Infrastruktur und Tools, die vom Bauteam erforderlich sind, um seine Modelle und Ausgaben in Beweise umzuwandeln, die in der Kette überprüft werden können.Diese Produkte werden so weit wie möglich abstrahiert.

Ezkl und GizaEs sind zwei Elemente, die dieses Tool erstellen, indem er einen Überprüfungsnachweis für maschinelle Lernmodelle liefert.Beide helfen dem Team, ein maschinelles Lernmodell aufzubauen, um sicherzustellen, dass diese Modelle in der Kette vertrauenswürdig ausgeführt werden können.Beide Projekte verwenden den Open Neural Network Switch (ONNX), um maschinelles Lernenmodelle wie gemeinsames Sprache wie Tensorflow und Pytorch in Standardformate umzuwandeln.Anschließend geben sie die Versionen dieser Modelle aus, die während der Ausführung auch ZK -Beweis erzeugen.Ezkl ist Open Source, die ZK-Snarks produziert, und Giza ist geschlossen und produziert ZK-Starks.Diese beiden Projekte sind derzeit nur mit EVM kompatibel.

In den letzten Monaten hat EZKL erhebliche Fortschritte bei der Verbesserung der ZKML -Lösungen erzielt und sich hauptsächlich auf die Reduzierung der Kosten, die Verbesserung der Sicherheit und die Beschleunigung des Nachweises für die Erzeugung der Erzeugung konzentriert.Im November 2023 integrierte EZKL eine neue Open -Source -GPU -Bibliothek, die die aggregierte Zertifikatzeit um 35%verkürzte. High -Performance Computing Cluster und Anordnungssystem.Die Einzigartigkeit von Giza besteht darin, dass sie neben der Bereitstellung von Tools zum Erstellen verifizierter maschinelles Lernmodelle auch die Verwirklichung von Web3 -äquivalent zum Umarmungsgesicht, den Benutzermarkt für die ZKML -Zusammenarbeit und das Modellieren von Modellteilen und schließlich integrieren und schließlich die dezentrale Dezentralisierung integrieren und das Produkt berechnen können.Im Januar veröffentlichte Ezkl eine Benchmark -Bewertung, die die Leistung von Ezkl, Giza und Risczero (wie nachstehend beschrieben) verglichen.EzKL zeigt eine schnellere Beweiszeit und den Speichergebrauch an.

ModullaborsEs entwickelt außerdem eine neu zk-bewährte Technologie, die sich für das KI-Modell angepasst hat.Modul veröffentlichte ein Papier mit dem Titel „Die Kosten der Intelligenz“ (was darauf hindeutet, dass die Kosten für die Ausführung des KI-Modells in der Kette extrem hoch waren).Das Papier wurde im Januar 2023 veröffentlicht, was darauf hinweist, dass vorhandene Produkte zu teuer und ineffizient sind, um KI -Anwendungen in großem Maßstab zu erreichen.Auf der Grundlage der ersten Forschung startete Modul im November einen Rest, was ein spezielles Null -Wissen -Zertifikat ist, das speziell zur Reduzierung der Kosten und des Zertifikats des KI -Modells verwendet wird.Ihre Arbeit ist geschlossen, sodass sie den Benchmark mit den oben genannten Lösungen nicht testen können, zitierte aber kürzlich ihre Arbeit in Vitaliks Blog -Beitrag über Verschlüsselung und künstliche Intelligenz.

Die Entwicklung von Werkzeugen und Infrastrukturen ist für das zukünftige Wachstum des ZKML -Raums wichtig, da die Reibung des Teams, das für die Bereitstellung der verifizierten Kette erforderlich ist, um den erforderlichen ZK -Schaltkreis zu berechnen, erheblich verringern kann.Erstellen Sie eine Sicherheitsoberfläche, mit der nicht verkürzte native Bauherren mit maschinellem Lernen tätig sind, um ihre Modelle in die Kette zu bringen, mit der Anwendungen größere Experimente durch wirklich neuartige Anwendungsfälle durchführen können.Das Tool löst auch ein wichtiges Hindernis für die Verwendung von ZKML, dh Entwickler, die daran interessiert sind, auf dem Gebiet des Kreuzkissens von Null Wissen, maschinellem Lernen und Kryptographie zu arbeiten.

Coprozessoren

Andere Lösungen (als „synthetischer Prozessor“ bezeichnet) entwickeln sich.Risczero, Axiom und RitualWesenDer Begriff des Kollaborators ist hauptsächlich semantisch -diese Netzwerke spielen viele verschiedene Rollen, einschließlich der Berechnung der Verifizierungskette in der Kette.Wie EzKL, Giza und Modul ist ihr Ziel, einen Null -Wissen -Beweis für den Erzeugungsprozess vollständig abstrahieren.Risczero und Axiom können Dienste für einfache KI -Modelle anbieten, da sie häufigere Mitarbeiter sind und Rituale speziell für die Verwendung mit dem KI -Modell erstellt wurden.

InfernetEs ist die erste Instanz des Rituals, das ein Indien -SDK enthält, sodass Entwickler Argumentationsanforderungen an das Netzwerk senden und Ausgabe und Proof (optional) als Rückgabe erhalten können.Indannet -Knoten empfangen diese Anfragen und berechnen unter der Verarbeitungskette, bevor die Ausgabe zurückgegeben wird.Zum Beispiel kann DAO einen Prozess erstellen, um sicherzustellen, dass alle neuen Governance -Vorschläge bestimmte Voraussetzungen vor der Einreichung erfüllen.Jedes Mal, wenn ein neuer Vorschlag eingereicht wird, löst der Governance -Vertrag die Inferenzanforderung über das Informeln aus, um das KI -Modell der DAO -spezifischen Governance -Schulung aufzurufen.Der Vorschlag für die Überprüfung des Modells, um sicherzustellen, dass alle erforderlichen Standards eingereicht werden und die Ausgabe und Beweise zur Einreichung des Vorschlags zurückgeführt werden.

Im nächsten Jahr plant das Ritual -Team, weitere Funktionen zu starten, um Infrastrukturschichten zu bilden, die als Ritual -Superkette bezeichnet werden.Viele der zuvor besprochenen Elemente können als Dienstleister in Ritual eingefügt werden.Das Ritualteam hat sich in EZKL integriert, um Beweise zu generieren, und könnte bald die Funktionen anderer führender Anbieter hinzufügen.Indannet -Knoten zum Ritual können auch Akash- oder IO.NET -GPUs und Abfragemodelle verwenden, die online in Bittersor Sub -online trainiert wurden.Ihr ultimatives Ziel ist es, der erste Wahlanbieter der offenen KI -Infrastruktur zu sein, mit der Dienste für maschinelles Lernen und andere KI -Aufgaben für jedes Netzwerk und jede Arbeitsbelastung erbracht werden können.

Anwendung

ZKML hilft, den Widerspruch zwischen Blockchain und künstlicher Intelligenz in Einklang zu bringen.Wie ein Gründer von Giza sagte: „Der Anwendungsfall ist sehr reich … Dies ist ein bisschen wie der Anwendungsfall von Ethereum in den frühen Tagen von Ethereum … Was wir getan haben, ist nur der Anwendungsfall der Erweiterung intelligenter Verträge. „Wie oben erwähnt, tritt heute die Entwicklung heute jedoch hauptsächlich in Tools und Infrastrukturebene auf.Die Anwendung befindet sich noch in der Explorationsphase.

Einige der aktuellen Anwendungen umfassen:

• Dezentrale FinanzierungWesenZKML hat den Entwurfsraum von Defi durch Verbesserung der Fähigkeit von intelligenten Verträgen verbessert.Das Defi -Protokoll liefert eine große Menge verifizierter und nicht tollter Daten für maschinelle Lernmodelle, mit denen Einkommenserwerb oder Handelsstrategien, Risikoanalyse, Benutzererfahrung usw. generiert werden können.Zum Beispiel,Giza undSehnsucht FinanzenKooperieren Sie, um eine Konzeptüberprüfung für automatische Risikobewertung für den neuen V3 -Gewölbe von SWON aufzubauen.Modul Labs kooperiert mit Lyra Finance, um maschinelles Lernen in sein AMM einzubeziehen, mitIonenprotokollKooperierenErgebnisNFT -Preisinformationen, die seine künstliche Intelligenz überprüft.Noya(Mithilfe von EZKL) und Mozaic -Vereinbarungen bieten Zugriff auf die proprietären Kettenmodelle.SpektralfinanzierungDer Kreditbewertungsmotor in der Kette errichtet die Möglichkeit des Eigentums an Verbindung oder Aave -Kreditnehmer im Rückstand.Aufgrund von ZKML können diese sogenannten „De-AI-Fi“ -Produkte in den nächsten Jahren beliebter werden.

• SpielWesenDas Spiel wird seit langem als durch die öffentliche Kette als untergraben und verbessert angesehen.ZKML ist möglich, künstliche Intelligenzkettenspiele zu machen.Modul Labs hat die Konzeptüberprüfung des einfachen Kettenspiels erkannt.Leela gegen die WeltEs handelt sich um eine Spieltheorie von Schachspielen.In ähnlicher Weise verwendet das Team auch das EZKL -Framework, um einen einfachen Gesangswettbewerb und eine Kette des Spiels aufzubauen.PatroneGiza nutzt Giza, um das Team ein vollständiges Kettenspiel einzusetzen.Obwohl diese Konzeptüberprüfung einfach ist, weist diese Konzeptüberprüfung auf die zukünftige Implementierung hin, die eine komplexere Kettenüberprüfung erreichen können, wie z. B. komplexe NPC -Akteure, die mit der Wirtschaft im Spiel interagieren können, wie z. „AI ArenaWas Sie in der „Siehe sehen, dies ist ein superchaotisches Spiel. Spieler können ihre Soldaten darin trainieren und dann einsetzen, um für das KI -Modell zu kämpfen.

• Identität, Rückverfolgbarkeit und PrivatsphäreWesenKryptowährungen wurden verwendet, um die Authentizität zu überprüfen und immer mehr künstliche Intelligenz -Erzeugung/-manipulationsinhalte und in der Tiefe zu fälschen.ZKML kann diese Bemühungen vorantreiben.WorldcoinEs handelt sich um eine Identitätsbeweislösung, bei der Benutzer die IRIS scannen müssen, um eindeutige IDs zu generieren.In Zukunft können biometrische IDs auf persönlichen Geräten zur Selbsthostung gespeichert werden, und die zur Überprüfung der lokalen Biometrie erforderlichen Modelle werden zur Überprüfung der lokalen Biometrie verwendet.Benutzer können dann Beweise für eine biologische Identifizierung liefern, ohne ihre Identität zu enthüllen, um die Privatsphäre zu gewährleisten, während sie sich dem Hexenangriff widersetzen.Dies kann auch auf andere Schlussfolgerungen angewendet werden, die Datenschutz erfordern, z.

Freuen Sie sich auf

ZKML befindet sich noch in der experimentellen Phase, und die meisten Projekte konzentrieren sich auf den Aufbau der ursprünglichen Begriffe und des Konzeptnachweises der Infrastruktur.Zu den heutigen Herausforderungen gehören Berechnungskosten, Speicherbeschränkungen, Modellkomplexität, begrenzte Werkzeuge und Infrastruktur sowie Entwickler.Kurz gesagt, es gibt eine Menge Arbeit zu erledigen, bevor ZKML durch die von den Verbraucherprodukten erforderliche Skala implementiert werden kann.

Mit der Reife dieses Feldes und der Auflösung dieser Einschränkungen wird ZKML jedoch zu einer Schlüsselkomponente von AI und Verschlüsselung.Im Wesentlichen verspricht ZKML, die Kette einer beliebigen Größe in die Kette zu berechnen und gleichzeitig die gleiche oder enge Sicherheitssicherung als Kette beizubehalten.Vor der Verwirklichung dieses Wunsches werden die frühen Nutzer der Technologie jedoch weiterhin zwischen der Privatsphäre und Sicherheit von ZKML und der Effizienz von Alternativen abwägen.

Ai Smart

Eine der aufregendsten Integrationen von KI und Kryptowährungen ist das laufende KI -Smart -Experiment.Intelligenz ist ein autonomer Roboter, der Aufgaben in AI -Modellen empfangen, interpretieren und ausführen kann.Dies kann alles sein, von einem persönlichen Assistenten bis hin zur Geldstrafe, basierend auf Ihren Vorlieben, einen Finanzroboter einzustellen, der Ihr Anlageportfolio anhand Ihrer Risikopräferenzen verwaltet und anpasst.

Da Kryptowährungen eine Zahlungsinfrastruktur ohne Erlaubnis anbieten und ohne Vertrauen und Kryptowährungen gut kombiniert werden können.Nach dem Training erhält der intelligente Körper eine Brieftasche, damit sie intelligente Verträge für Transaktionen selbst verwenden können.Zum Beispiel kann die einfache Intelligenz von heute Informationen im Internet erfassen und dann nach dem Modell in den Prognosemarkt handeln.

Smart Provider

MorpheusEs ist eines der neuesten Open -Source -Smart -Projekte, die im Jahr 2024 in Ethereum und Arbitrum aufgeführt sind.Sein Weißbuch war im September 2023 anonym und bildete die Grundlage für die Bildung und den Bau der Gemeinschaft (einschließlich berühmter Charaktere wie Erik Vorhees).Das Whitepaper enthält ein herunterladbares Smart -Protokoll.Es verwendet Smart Contract -Rankings, um Smartisten zu ermitteln, welche Smart -Verträge auf der Grundlage von Standards wie Transaktionen sicher interagieren können.

Das Weißbuch bietet auch einen Rahmen für den Aufbau eines Morpheus -Netzwerks, wie die Anreizstruktur und die für den Betrieb des Smart -Protokolls erforderliche Infrastruktur.Dies schließt den Anreizfaktor für den Aufbau einer API ein, die in eine Anwendung eingefügt werden kann, die im vorderen Ende der Interaktion mit intelligenten Körpern miteinander interagieren kann, und die Wolke, die miteinander interagieren kann Auf dem Randvorrichtung.Die ersten Fonds des Projekts wurden Anfang Februar gestartet, und die vollständige Vereinbarung wird voraussichtlich im zweiten Quartal 2024 beginnen.

Dezentrales autonomes Infrastrukturnetz (DAIN)Es ist ein neues intelligentes Infrastrukturabkommen, das eine intelligente physische Wirtschaft in Solana aufbaut.Das Ziel von Dain ist es, Intelligenz aus verschiedenen Unternehmen zu ermöglichen, durch gemeinsame APIs nahtlos zu interagieren, um den Entwurfsraum der AI -Smart -Parteien erheblich zu öffnen. Der Fokus liegt auf der Verwirklichung von Smart Parties, die mit Web2- und Web3 -Produkten interagieren können.Im Januar kündigte Dain die erste Zusammenarbeit mit Asset Shield an.

Fetch.aiEs war eine der frühesten KI -Smart -Parteien, die ein Ökosystem für die Erstellung, Bereitstellung und Verwendung intelligenter Körper in der Kette mit FET -Token und Fetch.ai -Brieftaschen einsetzten und entwickelten.Das Protokoll bietet eine Reihe umfassender Tools und Anwendungen für die Verwendung intelligenter Körper, einschließlich der Wallet -Funktionen für die Interaktion mit intelligenten Körpern und Bestellagenten.

AutonolasDer Gründer ist das ehemalige Mitglied des Fetch -Teams, ein offener Markt für die Erstellung und Verwendung dezentraler KI -Smartmen.Autonolas bietet Entwicklern auch eine Reihe von Werkzeugen, um AI -Smartpartys unter der Kette zu erstellen, und kann mehrere Blockchains einfügen, einschließlich Polygon, Ethereum, Gnosis -Kette und Solana.Derzeit verfügen sie über aktive Produkte für intelligente Konzeptverifizierung, einschließlich Vorhersage von Märkten und DAO -Governance.

SingularitynetEs baut einen dezentralen Markt für KI -Smart auf, und die Menschen können fokussierte KI -Smart -Partys in ihnen einsetzen.Andere Unternehmen wie AlteredStatemachine erstellen die Integration von AI Smart und NFT.Benutzer werfen NFT mit zufälligen Attributen, die ihnen die Vor- und Nachteile verschiedener Aufgaben bieten.Diese Intelligenz kann geschult werden, um bestimmte Attribute für Spiele, Defi oder als virtuelle Assistenten zu verbessern und mit anderen Nutzern zu handeln.

Im Allgemeinen stellen diese Projekte ein zukünftiges intelligentes Ökosystem vor.Die wirklich komplizierte Intelligenz wird in der Lage sein, alle Benutzeraufgaben unabhängig zu erledigen.Zum Beispiel kann eine vollständige autonome Intelligenz herausfinden, wie man einen anderen intelligenten Körper einstellt, um die API zu integrieren Reisebuchungswebsite) vor der Verwendung.Aus Sicht der Benutzer müssen Sie nicht überprüfen, ob die Smart -Karosserie die Aufgabe erledigen kann, da sich der Smart -Körper selbst bestimmen kann.

Bitcoin und Ai intelligent

Juli 2023,Lightning Network LabDie Konzeptüberprüfung des Einsatzes des Smart Body im Lightning -Netzwerk wurde gestartet, das genannt wirdLangchain Bitcoin KitWesenDieses Produkt ist besonders interessant, da es darauf abzielt, das zunehmend ernsthafte Problem in der Welt von Web 2 zu lösen -die Zugriffskontrolle und den teuren API -Schlüssel der Webanwendung.

Langchain löst dieses Problem, indem sie Entwicklern eine Reihe von Tools bereitstellen, sodass die Intelligenz Bitcoin kaufen, verkaufen und halten und den API -Schlüssel abfragen und kleine Zahlungen senden können.Im traditionellen Zahlungsfeld ist eine geringe Zahlung aufgrund von Ausgaben hoch.In Kombination mit Langchains L402 -Zahlungsmess -API -Framework kann das Unternehmen die Zugriffskosten seiner API entsprechend der Erhöhung und Reduzierung der Nutzung anpassen, anstatt einen Standard für eine einzelne Kosten festzulegen.

In Zukunft wird die Aktivität auf dem Ketten hauptsächlich durch die Interaktion von Smart Body und Smart Body geführt.Dies ist ein frühes Beispiel, das zeigt, wie man Intelligenz auf der Strecke ohne lizenzierte und wirtschaftliche Zahlung einsetzt, was die Möglichkeit neuer Märkte und wirtschaftlicher Interaktion eröffnet hat.

Freuen Sie sich auf

Das intelligente Feld befindet sich noch in der neuen Bühne.Das Projekt hat gerade erst begonnen, funktionale Intelligenz zu starten, die seine Infrastruktur nutzen kann, um einfache Aufgaben zu erledigen. Dies sind normalerweise nur erfahrene Entwickler und Benutzer.Im Laufe der Zeit ist jedoch eine der größten Auswirkungen der AI -Intelligenz auf Kryptowährungen die Verbesserung der Benutzererfahrung in allen vertikalen Bereichen.Die Transaktion beginnt sich von Klicks zum Text zu wenden, und Benutzer können mit dem intelligenten Körper in der Kette durch einen großen Sprachmodul interagieren.Dawn Wallet et al.Das Team hat eine Chat -Roboter -Brieftasche gestartet, mit der Benutzer in der Kette interagieren können.

Darüber hinaus ist unklar, wie intelligente Parteien in Web 2 wirken, da der Finanzsektor von regulierten Bankeninstitutionen abhängt. Diese Institutionen können nicht rund um die Uhr arbeiten und können keine nahtlosen grenzüberschreitenden Transaktionen durchführen.Wie Lyn Alden betont, ist die Krypto -Spur aufgrund des Mangels an der Fähigkeit, Mikrotransaktionen zu erstatten und zu verarbeiten, im Vergleich zu Kreditkarten besonders attraktiv.Wenn die Intelligenz jedoch zu einer häufigeren Transaktionsmethode wird, werden vorhandene Zahlungsanbieter und Anträge wahrscheinlich schnell Maßnahmen ergreifen, um die für den Betrieb im bestehende Finanzgebiet erforderliche Infrastruktur umzusetzen, wodurch ein Teil des Nutzens von Kryptowährungen geschwächt wird.

Gegenwärtig kann die Intelligenz auf Kryptowährungstransaktionen beschränkt sein, von denen die garantierte Eingangsgarantie angegeben wurde.Beide Modelle geben diesen intelligenten Körper an, um herauszufinden, wie komplexe Aufgaben ausgeführt werden können, und die Werkzeuge erweitern den Bereich, den sie ausführen können, und beide müssen weiterentwickelt werden.Um die verschlüsselte Intelligenz für die neuen Kettenverschlüsselungsnutzungsfälle nützlich zu machen, werden umfangreichere Integration und Akzeptanz der Verschlüsselung als Zahlungsform und die Klärung der Überwachung erforderlich.Mit der Entwicklung dieser Komponenten bereitet sich der intelligente Körper jedoch darauf vor, einer der größten Verbraucher des oben genannten dezentralen Computers und der ZKML -Lösung zu werden, die Aufgaben auf autonome nicht bestätigte Weise empfangen und auflösen.

abschließend

AI führt die gleiche Innovation ein, die wir in Web2 für Kryptowährungen sehen und alle Aspekte von der Infrastrukturentwicklung bis hin zur Benutzererfahrung und -nachzugehörigkeit verbessern.Das Projekt befindet sich jedoch noch im frühen Entwicklungsstadium, und die jüngste Kryptowährung und KI -Integration werden hauptsächlich von der Unterkette geleitet.

Produkte wie Copilot werden „um das zehnfache“ Entwickler von Layer1 und Defi -Anwendungen mit großen Unternehmen wie Microsoft zusammenarbeiten, um eine künstliche Intelligenz -Entwicklungsplattform zu starten.Unternehmen wie Cub3.AI und Testmaschine entwickeln die KI -Integration für Smart Contract Audits und die reale Bedrohungsüberwachung, um die Sicherheit der Kette zu verbessern.LLM -Chat -Roboter trainieren in Kettendaten, Protokolldokumenten und Anwendungen, um den Benutzern eine verbesserte Zugriffbarkeit und Benutzererfahrung zu bieten.

Für die fortgeschrittenere Integration der Verwendung von Kryptowährungstechnologie beweisen die Herausforderungen immer noch, dass die Implementierung von KI -Lösungen in der Kette technisch machbar ist und auch wirtschaftlich ist.Die Entwicklung dezentraler Berechnungen, ZKML und AI -Intelligenz weist auf die prospektiven vertikalen Felder hin, die die Grundlage für die Zukunft von Kryptowährungen und KI in der Tiefenverbindung legten.