كلمات المجرة: عملة مشفرة و AI Cross -Field ومخزون المشروع

المؤلف: Lucas Tcheyan ، باحث مشارك Galaxy ؛

مقدمة

ظهور السلسلة العامة هو واحد من أعمق تقدم في تاريخ علوم الكمبيوتر.لكن تطور الذكاء الاصطناعي سيكون له تأثير عميق على عالمنا.إذا كانت تقنية blockchain توفر قوالب جديدة لتسوية المعاملات وتخزين البيانات وتصميم النظام ، فإن الذكاء الاصطناعي هو ثورة في الحوسبة والتحليل وتقديم المحتوى.إن ابتكار هاتين الصناعات هو إصدار حالات استخدام جديدة ، والتي قد تسرع في استخدام هاتين الصناعات في السنوات القليلة المقبلة.يستكشف هذا التقرير التكامل المستمر للعملات المشفرة و AI ، ويركز على الحالات الجديدة التي تحاول سد الفجوة بين الاثنين واستخدام قوة الاثنين.خاصة،درس هذا التقرير اتفاقية الحساب اللامركزية للتطوير ، والمعرفة الصفرية للتعلم الآلي (ZKML) ومشاريع الذكاء الذكاء الذكاء.

توفر العملات المشفرة من الذكاء الاصطناعى طبقة تسوية دون إذن ، ولا ثقة ، ومجتمعة.هذا يفتح حالة الاستخدام ، مثل نظام الحوسبة اللامركزية لجعل الجهاز أسهل في الوصول إلى هيئة ذكية معقدة من الذكاء الاصطناعي ، وكذلك هوية التنمية وحل الأصل لمحاربة هجمات الساحرة وفي – في – تزوير العمق.يجلب الذكاء الاصطناعي العديد من الفوائد نفسها التي نراها في الويب 2 إلى العملات المشفرة.يتضمن ذلك تجربة مستخدم (UX) والإمكانات المحتملة للمستخدمين والمطورين الذين عززوا المستخدم والمطورين بسبب إصدارات ChatGPT و Copilot المدربة خصيصًا) للمستخدمين والمطورين.blockchain هي بيئة شفافة للبيانات الغنية التي تتطلبها الذكاء الاصطناعي.ومع ذلك ، فإن قوة الحوسبة لـ blockchain محدودة أيضًا ، وهي العقبة الرئيسية أمام نموذج الذكاء الاصطناعى مباشرة.

التجارب في حقول العملات المشفرة والحقول المتقاطعة من الذكاء الاصطناعي والقوة الدافعة وراء الاستخدام النهائي لحالات الاستخدام الواعدة لتعزيز العملات المشفرة هي نفسها -الوصول إلى طبقات التنسيق التي لا تتطلب تراخيص وعدم ثقة للتشجيع بشكل أفضل على نقلها قيمة.في ضوء الإمكانات الضخمة ، يحتاج المشاركون في هذا المجال إلى فهم الطرق الأساسية لعبور هاتين التقنيتين.

النقاط الرئيسية:

• في المستقبل القريب (من 6 أشهر إلى 1 سنة) ، سيقود تطبيقات Cryptocurrency و AI من الذكاء الاصطناعييمكن لهذه التطبيقات تحسين كفاءة المطورين ، والتدقيق وأمن العقود الذكية ، وإمكانية الوصول إلى المستخدم.هذه التكامل ليست خاصة بالعملات المشفرة ، ولكن لتعزيز المطورين وتجربة المستخدم في السلسلة.

• مثلما هو نقص خطير في وحدة معالجة الرسومات عالية الأداء ،تقوم منتجات الحوسبة اللامركزية بتطبيق منتجات GPU مخصصة منظمة العفو الدوليةيوفر قوة دافعة للتبني.

• لا تزال تجربة المستخدم والإشراف عقبات أمام جذب اللامركزية لحساب العملاء.ومع ذلك ، فإن التطوير الأخير لـ Openai والمراجعة التنظيمية المستمرة للولايات المتحدة يسلط الضوء على اقتراح شبكة الذكاء الاصطناعى غير المطلوبة ، ومضادة للتشكيل ، واللامركزية.

• منظمة العفو الدولية المدمجة في السلسلة ، وخاصة العقود الذكية التي يمكنها استخدام نماذج الذكاء الاصطناعي ، تحتاج إلى تحسين طريقة الحساب التي تحسبها تقنية ZKML وسلاسل التحقق الأخرى.إن الافتقار إلى الأدوات والمطورين الشاملة والتكاليف المرتفعة هي عقبات أمام تبنيها.

• AI Smart مناسب جدًا للعملات المشفرةيمكن للمستخدمين (أو الذكاء نفسه) إنشاء محافظ للتداول مع الخدمات أو الذكاء أو الموظفين الآخرين.لا يمكن تحقيق استخدام الأساليب المالية التقليدية حاليًا.من أجل استخدامها على نطاق أوسع ، من الضروري دمج التكامل الإضافي مع المنتجات غير المشفقة.

على المدى

منظمة العفو الدوليةإنها القدرة على استخدام الحسابات والآلات لتقليد التفكير البشري وحل المشكلات.

الشبكة العصبيةإنها طريقة تدريب لنماذج الذكاء الاصطناعي.يقومون بتشغيل المدخلات من خلال طبقة الخوارزمية المنفصلة وتحسينها حتى يتم إنشاء الإخراج المطلوب.تتكون الشبكة العصبية من معادلة ثقيلة ويمكنها تعديل الوزن لتغيير الناتج.قد تتطلب الكثير من البيانات والحسابات للتدريب بحيث يكون ناتجهم دقيقًا.هذه واحدة من أكثر الطرق شيوعًا لتطوير نموذج الذكاء الاصطناعي (يستخدم ChatGpt عملية الشبكة العصبية للمحول).

يدربإنها عملية تطوير الشبكات العصبية ونماذج الذكاء الاصطناعي الأخرى.يتطلب الكثير من البيانات لتدريب النموذج لشرح الإدخال وإنشاء مخرجات دقيقة بشكل صحيح.أثناء عملية التدريب ، يتم تعديل وزن معادلة النموذج باستمرار حتى يتم إنشاء إخراج مرضي.قد تكون تكاليف التدريب باهظة الثمن.على سبيل المثال ، يستخدم ChatGPT عشرات الآلاف من وحدات معالجة الرسومات الخاصة بمعالجة البيانات.عادة ما تعتمد الفرق ذات الموارد الأقل على مقدمي الحوسبة المتخصصين ، مثل Amazon Web Services و Azure و Google Cloud.

التفكيرإنه الاستخدام الفعلي لنموذج الذكاء الاصطناعى للحصول على الإخراج أو النتيجة (على سبيل المثال ، باستخدام chatgpt لإنشاء مخطط تفصيلي للورقة على كروس العملات المشفرة و AI).سيتم استخدام التفكير في عملية التدريب بأكملها والمنتجات النهائية.نظرًا لتكلفة حساب التكاليف ، حتى بعد اكتمال التدريب ، قد تكون تكاليف تشغيلها مرتفعة للغاية ، لكن شدة حسابها أقل من التدريب.

دليل المعرفة صفر (ZKP)إصدار إعلان التحقق دون تسرب المعلومات الأساسية.هذا مفيد للغاية في العملات المشفرة ، وخاصة سببين: 1) الخصوصية و 2) التوسع.من أجل حماية الخصوصية ، يمكن أن تقوم بمعاملات دون تسرب معلومات حساسة (مثل عدد Eths في المحافظ).للتوسع ، فإنه يتيح أن يكون حساب التنفيذ الجديد للسلسلة أسرع في السلسلة.يمكّن ذلك blockchain والتطبيقات من الحساب بثمن بخس تحت السلسلة ، ثم التحقق منها على السلسلة.

AI/Cryptocurrency الخريطة البيئية

لا تزال الذكاء الاصطناعي والعملات المشفرة تقوم ببناء البنية التحتية الأساسية التي تدعم سلاسل كبيرة على نطاق واسع على سلاسل كبيرة.

سوق الحوسبة اللامركزيةمن المتوقع توفير عدد كبير من الأجهزة المادية اللازمة للتدريب والمنطق نماذج الذكاء الاصطناعي ، وخاصة في شكل وحدة معالجة الرسومات.يربط هذان السوقان من الطريقين الذين يستأجرون ويسعون حسابات الإيجار لتعزيز نقل القيمة وحسابها.في حساب اللامركزية ، تظهر العديد من الفئات الفرعية التي توفر وظائف إضافية.بالإضافة إلى الأسواق الثنائية ، سيقوم هذا التقرير أيضًا بمراجعة مزودي التدريب على التعلم الآلي الذين يمكنهم توفير التدريب المعتمدين والإنتاج الدقيق ، والمشاريع الملتزمة بربط الحوسبة وتوليد النماذج لتنفيذ الذكاء الاصطناعي.

ZKMLمن المأمول توفير مجالات رئيسية ناشئة للمشاريع التي يمكن أن توفر ناتج النماذج المعتمدة بطريقة اقتصاد فعالة وفي الوقت المناسب.تتيح هذه المشاريع بشكل أساسي التطبيقات لمعالجة طلبات الحوسبة الثقيلة ضمن السلسلة ، ثم تنشر مخرجات تم التحقق منها على السلسلة لإثبات أن عبء العمل تحت السلسلة كاملة ودقيقة.ZKML باهظ الثمن وتستهلك الوقت في المثال الحالي ، ولكن يتم استخدام المزيد والمزيد كحل.هذا واضح في العدد المتزايد من التكامل بين مزود ZKML وتطبيق Defi/Game الذي يريد استخدام نموذج الذكاء الاصطناعي.

القدرة على حساب وسلسلة التحقق الكافيةالذكاء الذكي على السلسلةافتح البابجوهرSmart Body هو نموذج مدرب يمكن أن يمثل طلبات تنفيذ المستخدمين.يوفر الهيئة الذكية فرصة كبيرة لتعزيز تجربة السلسلة.ومع ذلك ، فيما يتعلق بالتيار الحالي ، لا تزال المشروعات الذكية تركز على تطوير البنية التحتية والأدوات لتحقيق النشر السهل والسريع.

حساب اللامركزية

ملخص

تتطلب الذكاء الاصطناعي الكثير من الحسابات لتدريب النماذج وتشغيل التفكير.في السنوات العشر الماضية ، نظرًا لأن النموذج أصبح أكثر تعقيدًا ، فقد نمت احتياجات الحساب.على سبيل المثال ، وجد Openai أنه من عام 2012 إلى 2018 ، تغير الطلب الحوسبي لنموذجه من عامين إلى كل ثلاثة أشهر ونصف.وقد أدى ذلك إلى زيادة الطلب على وحدات معالجة الرسومات ، وبعض عمال مناجم العملة المشفرة حتى يعيدوا استخدام وحدات معالجة الرسومات الخاصة بهم لتوفير خدمات الحوسبة السحابية.مع تكثيف وزيادة تكلفة الوصول إلى الحوسبة ، تستخدم بعض المشاريع تقنية التشفير لتوفير حلول الحوسبة اللامركزية.يتم حسابها عند الطلب بسعر تنافسي حتى يتمكن الفريق من تدريب وتشغيل النموذج بطريقة ميسورة التكلفة.في بعض الحالات ، وزن الأداء والأمن.

إن وحدة معالجة الرسومات الأكثر تقدماً (مثل GPU التي تنتجها NVIDIA) شديدة الصدفة.في سبتمبر 2023 ، استحوذت Tether على Data Northern Data ، بيانات Miner Northern في ألمانيا.قد يكون وقت الانتظار للأجهزة الأولى -فطائر ستة أشهر على الأقل ، وحتى أطول في كثير من الحالات.ومما زاد الطين بلة ، غالبًا ما يُطلب من الشركة التوقيع على عقود طويلة المدى للحصول على الحساب الذي قد لا يستخدمونه حتى.قد يؤدي هذا إلى وجود حسابات متاحة ولكن غير متوفرة في السوق.يساعد نظام الحوسبة اللامركزية في حل مشكلة انخفاض الكفاءة في هذه الأسواق.

بالإضافة إلى التسعير التنافسي وإمكانية الوصول ، فإن اقتراح القيمة الرئيسية للحساب اللامركزي هو مضاد للمراجعة.يزداد تطوير تطوير الذكاء الاصطناعي بشكل متزايد من قبل شركات التكنولوجيا الكبيرة التي تتمتع بقدرات حوسبة لا مثيل لها والوصول إلى البيانات.الموضوع الرئيسي الأول الذي تم التأكيد عليه في تقرير مؤشر الذكاء الاصطناعى في عام 2023 هو أن الصناعة الصناعية تجاوزت بشكل متزايد الأوساط الأكاديمية في تطوير نماذج الذكاء الاصطناعى ، والسيطرة المركزة في أيدي عدد قليل من القادة الفنيين.أثار هذا مخاوف بشأن ما إذا كان لديهم القدرة على التأثير الكبير في صياغة مواصفات وقيم دعم نماذج الذكاء الاصطناعى ، خاصة بعد أن تعزز شركات التكنولوجيا هذه الإشراف لتقييد تنمية الذكاء الاصطناعي غير المستعدة.

حساب اللامركزية المجال الرأسي

في السنوات الأخيرة ، ظهرت العديد من نماذج الحوسبة اللامركزية ، وكل نموذج له تركيزه وتوازنه.

الحوسبة العامة

Akash ، io.net ، iexec ، cudosالمشاريع هي تطبيقات الحوسبة اللامركزية.

Akash هو حاليًا منصة “Super Cloud” الكاملة الوحيدة.إنه دليل على حقوق ملكية الكون SDK.AKT هي العملة الأصلية لـ Akash ، كشكل من أشكال الدفع لحماية أمان الشبكة وإلهام المشاركة.أطلقت Akash الشبكة الرئيسية الأولى في عام 2020 ، مع التركيز على توفير سوق الحوسبة السحابية دون إذن.في يونيو 2023 ، أطلقت Akash شبكة اختبار جديدة تركز على GPU ، وأطلقت شبكة GPU الرئيسية في سبتمبر.

هناك اثنان من المشاركين الرئيسيين في نظام Akash -المستأجرين والموردين.الممارسون هم المستخدمون الذين يرغبون في شراء موارد Akash Network Computing.الموردون يقومون بحساب موردي الموارد.من أجل مطابقة المستأجرين والموردين ، يعتمد عكاش على عملية المزاد العكسي.يقدم المستأجرون متطلبات الحوسبة الخاصة بهم ، حيث يمكنهم تحديد شروط معينة ، مثل موضع الخادم أو نوع الجهاز المحسوب ، والمبلغ الذي يرغبون في دفعه.بعد ذلك ، يقدم المورد سعر الطلب ، وسيحصل الحد الأدنى للمهمة على المهمة.

تحافظ Akash Devalifications على سلامة الشبكة.تقتصر مجموعة المصادقة حاليًا على 100 ، وتخطط للزيادة تدريجياً بمرور الوقت.يمكن لأي شخص التحقق من المزيد من Akts من قبل المزيد من Akts من قبل تعهد أكثر Akt.يمكن لحاملي AKT أيضًا تكليف AKT بالتحققات.يتم تخصيص تكاليف التداول ومكافآت الشبكة في شكل AKT.بالإضافة إلى ذلك ، لكل عقد إيجار ، ستكسب شبكة Akash “رسوم الشحن” بمعدل يحدده المجتمع وتوزيعه على حاملي AKT.

السوق الثانوية

يهدف سوق الحوسبة اللامركزية إلى ملء كفاءة سوق الحوسبة الحالية المنخفضة.يؤدي حد التوريد إلى تخزين الشركة لموارد الحوسبة التي قد يتم تجاوزها ، ويقوم العميل بإغلاق العميل في العقد طويل المدى بسبب هيكل العقد مع مزود السحابة.تُصدر منصة الحوسبة اللامركزية إمدادات جديدة ، بحيث يمكن أن يصبح أي شخص في العالم ذي احتياجات الحوسبة موردين.

سيتم تحويل الزيادة في الطفرة في طلب GPU على تدريب الذكاء الاصطناعي إلى استخدام الشبكة على المدى الطويل على Akash.على سبيل المثال ، قدمت Akash سوقًا لوحدة المعالجة المركزية لفترة طويلة ، حيث توفر خدمات مماثلة للبدائل المركزية بخصومات 70-80 ٪.ومع ذلك ، فإن السعر المنخفض لا يجلب استخدامًا كبيرًا.أصبحت عقود الإيجار النشطة على الإنترنت لطيفة.على الرغم من أن هذه مؤشرات مثيرة للإعجاب تستخدم في السلسلة (كمرجع ، فإن موفر التخزين الرائد فيليكوين لديه معدل استخدام تخزين قدره 12.6 ٪ في الربع الثالث من عام 2023) ، مما يشير إلى أن توريد هذه المنتجات لا يزال يتجاوز الطلب.

أطلقت Akash شبكة GPU لأكثر من نصف عام ، ومن السابق لأوانه تقييم معدل التبني على المدى الطويل بدقة.حتى الآن ، يبلغ متوسط ​​معدل استخدام وحدة معالجة الرسومات 44 ٪ ، وهو أعلى من وحدة المعالجة المركزية والذاكرة والتخزين ، وهي علامة على الطلب.هذا مدفوع بشكل أساسي بالطلب على GPU أعلى جودة (مثل A100) ، وتم استئجار أكثر من 90 ٪.

زادت نفقات عكاش اليومية أيضًا ، والتي تضاعفت تقريبًا مقارنة مع وحدة معالجة الرسومات.يرجع هذا الجزء إلى زيادة استخدام الخدمة الأخرى ، وخاصة وحدة المعالجة المركزية ، ولكنها أساسا نتيجة استخدام وحدة معالجة الرسومات الجديدة.

التسعير يعادل المنافسين المركزيين مثل Lambda Cloud و Vast.ai (أو حتى أغلى في بعض الحالات).يعني الطلب الهائل على GPU الأعلى (مثل H100 و A100) أن معظم مالكي الجهاز لا يهتمون بالإدراج في سوق للتسعير التنافسي.

على الرغم من أن الاهتمام الأولي واعد للغاية ، إلا أنه لا تزال هناك عقبات (مزيد من المناقشة أدناه).تتطلب شبكة الحوسبة اللامركزية المزيد من التدابير لتوليد الطلب والعرض ، ويحاول الفريق جذب مستخدمين جدد.على سبيل المثال ، في أوائل عام 2024 ، أقر Akash اقتراح رقم 240 لزيادة انبعاثات AKT لمورد GPU وإلهام المزيد من الإمداد ، وخاصة بالنسبة إلى وحدات معالجة الرسومات المرتفعة.يلتزم الفريق أيضًا بإطلاق نموذج التحقق من المفاهيم لإظهار وظيفة الوقت الحقيقي لشبكته للمستخدمين المحتملين.تقوم Akash بتدريب الطرز الأساسية الخاصة بها ، وقد أطلقت روبوتات الدردشة ومنتجات توليد الصور ، والتي يمكنها استخدام Akash GPU لإنشاء الإخراج.وبالمثل ، طورت IO.NET نموذج الانتشار المستقر ويطلق وظائف شبكة جديدة لتقليد أداء وحجم مراكز بيانات GPU التقليدية بشكل أفضل.

تدريب التعلم الآلي اللامركزي

بالإضافة إلى منصة الحوسبة الشاملة التي يمكن أن تلبي احتياجات الذكاء الاصطناعي ، فإن مجموعة من موردي GPU المحترفين الذين يركزون على تدريب نموذج التعلم الآلي تظهر أيضًا.على سبيل المثال،Genesynوجهة النظر هي “تنسيق الكهرباء والأجهزة لبناء الحكمة الجماعية”.

هناك أربعة مشاركين رئيسيين في البروتوكول: مقدمي الطلبات (مقدمي الطلبات) ، المحللين ، التحقق من المخالفات والمبلغين عن المخالفاتجوهريقدم مقدم الطلب مهمة طلبات التدريب مع طلبات التدريب على الإنترنت.وتشمل هذه المهام أهداف التدريب والنماذج وبيانات التدريب التي سيتم تدريبها.كجزء من عملية التقديم ، يحتاج مقدمو المرشحون إلى دفع رسوم الدفع المسبق للمبلغ المقدر المطلوب للحل.

بعد التقديم ، سيتم تعيين المهمة إلى حل التدريب العملي للنموذج.ثم يقدم الحل المهام المكتملة إلى شخص التحقق ، وشخص التحقق مسؤولاً عن التحقق من التدريب لضمان الانتهاء الصحيح.الصافرة مسؤولة عن ضمان أن يكون الشخص الذي تم التحقق منه صادقًا.من أجل تحفيز Whistlers على المشاركة في الشبكة ، تخطط Gensyn لتوفير أدلة خطأ متعمدة لمكافأة Whistlers للقبض عليها.

بالإضافة إلى توفير الحوسبة لأعباء العمل المرتبطة بالذكاء الاصطناعي ، فإن اقتراح القيمة الرئيسية لـ Gensynyn هو نظام التحقق الخاص به ، والذي لا يزال قيد التطوير.لضمان التنفيذ الصحيح للحوسبة الخارجية لمورد GPU (أي ، لضمان تدريب نموذج المستخدم بالطريقة التي يريدونها) ، فإن التحقق ضروري.يستخدم Gensyn طريقة فريدة من نوعها لحل هذه المشكلة ، باستخدام طريقة التحقق الجديدة تسمى “شهادة تعلم الاحتمالات ، وبروتوكولات دقيقة ، وألعاب TrueBit Divance”.هذا هو وضع الحل المتفائل الذي يسمح للتحققات بتأكيد أن الحل قد قام بتشغيل النموذج بشكل صحيح دون الحاجة إلى إعادة صياغة النموذج بأنفسهم.

بالإضافة إلى طريقة التحقق المبتكرة ، تدعي Gensyn أيضًا أنها فعالة من حيث التكلفة مقارنة بالبدائل المركزية والمنافسين للعملة المشفرة.

ما إذا كان يمكن تكرار هذه النتائج الأولية في شبكة لا مركزية لا يزال يتعين ملاحظتها.يأمل Gensyn في استخدام قوة الحوسبة الزائدة لمقدمي الخدمات مثل مراكز البيانات الصغيرة ومستخدمي البيع بالتجزئة والأجهزة المحمولة المستقبلية مثل الأجهزة المحمولة الصغيرة.ومع ذلك ، كما يعترف فريق Gensyn نفسه ، جلب مقدمو الحوسبة غير المتجانسة المعتمدين بعض التحديات الجديدة.

بالنسبة للموردين المركزيين مثل Google Cloud Provers و CoreWeave ، تكون التكلفة باهظة الثمن ، والاتصال (عرض النطاق الترددي والتأخير) بين العمليات الحسابية رخيصة.تهدف هذه الأنظمة إلى تحقيق التواصل بين الأجهزة في أقرب وقت ممكن.قامت Gensyn بتخريب هذا الإطار وتسمح لأي شخص في العالم بتزويد GPU بتقليل تكاليف الحساب ، ولكن في الوقت نفسه ، فإنه يزيد أيضًا من تكاليف الاتصال ، لأن الشبكة يجب أن تنسق الآن وحساب العمليات على الأجهزة غير المتجانسة بعيدة.لم يتم إطلاق Gensyn ، لكنه دليل مفاهيمي يمكن تنفيذه عند بناء اتفاقية تدريب على التعلم الآلي اللامركزي.

الذكاء الشامل اللامركزية

توفر منصة الحوسبة اللامركزية أيضًا إمكانية تصميم طريقة إنشاء الذكاء الاصطناعي.البيترإنها اتفاقية حسابية لا مركزية تستند إلى الركيزة ، في محاولة للإجابة على “كيف نحول الذكاء الاصطناعي إلى طريقة تعاونية؟”يهدف Bittensor إلى تحقيق اللامركزية والتسويق الناتج عن الذكاء الاصطناعي.تم إطلاق الاتفاقية في عام 2021 ، على أمل استخدام قوة نموذج التعلم الآلي التعاوني لتكرار وإنتاج الذكاء الاصطناعي بشكل مستمر.

يرسم البيرة الإلهام من Bitcoin.لا يستخدم Pittersor دليل عبء العمل لإنشاء الرقم العشوائي الصحيح والحصول على مكافآت كتلة ، ولكنه يعتمد على “إثبات الذكاء” ، والذي يتطلب من عمال المناجم تشغيل النماذج للاستجابة لطلبات التفكير وإنشاء الإخراج.

الذكاء الملهم

اعتمد Bittensor في الأصل على نموذج خبير مختلط (MOE) لتوليد الإخراج.عند تقديم طلب التفكير ، لن يعتمد نموذج MOE على نموذج واسع ، ولكن لإعادة توجيه طلب التفكير إلى النموذج الأكثر دقة لنوع الإدخال المحدد.تخيل بناء منزل ، وتستأجر مجموعة متنوعة من الخبراء ليكونوا مسؤولين عن الاختلافات في عملية البناء (على سبيل المثال: المهندسين المعماريين ، المهندسين ، عمال الطلاء ، عمال البناء ، إلخ).يطبقها MOE على نموذج التعلم الآلي ويحاول استخدام إخراج نماذج مختلفة وفقًا للمدخلات.كما أوضح مؤسس Bittensor من قبل علاء شابانا ، فإن هذا يشبه “التحدث إلى شخص ذكي في منزل والحصول على أفضل إجابة ، وعدم التحدث إلى شخص ما.”نظرًا لوجود تحديات في ضمان المسار الصحيح ، وتزامن الرسالة إلى النموذج الصحيح ، والحوافز ، تم تعليق هذه الطريقة حتى يتم تطوير المشروع.

هناك نوعان من المشاركين الرئيسيين في شبكة Bittensor: التحقق وعمال المناجم.تتمثل مهمة التحديات في إرسال طلبات التفكير إلى عمال المناجم ، ومراجعة إخراجهم ، وترتيبها وفقًا لجودة استجابةهم.من أجل التأكد من أن تصنيفاتها موثوقة ، ستعطي التحقيقات درجة “VTrust” بناءً على تصنيفها وتصنيفات التحقق الأخرى.كلما ارتفعت درجة VTrust للتحقق ، كلما حصلوا على TAO.هذا هو تشجيع التحقيقات على التوصل إلى توافق في الآراء على ترتيب النموذج مع مرور الوقت ، لأنه كلما تم التحقق منها من خلال الترتيب ، زادت درجة VTrust الشخصية.

عمال المناجم ، المعروفون أيضًا باسم الخدمة ، هم مشاركون في الشبكة الذين يديرون نموذج التعلم الآلي الفعلي.يتنافس عمال المناجم مع بعضهم البعض لتوفير التحقق من الإخراج الأكثر دقة للاستعلامات المعطاة.يمكن لعمال المناجم توليد هذه المخرجات كما يريدون.على سبيل المثال ، في المستقبل ، من المحتمل تمامًا أن يقوم عمال المناجم بالمرارة بتدريب النماذج على Gensyn من قبل ويستخدمونها لكسب Tao.

في الوقت الحاضر ، تحدث معظم التفاعلات مباشرة بين التحقق وعمال المناجم.يقدم الشخص التحقق من المدخلات إلى عامل المناجم ويطلب الإخراج (أي نموذج التدريب).بمجرد أن تستفسر عن عمال المناجم على الشبكة وتلقي ردهم ، سيقومون بتصنيف عمال المناجم ويقدمونهم إلى الشبكة.

يسمى هذا التفاعل بين التحقق (POS التابع) وعمال المناجم (يثبت النموذج التابع ، شكل من أشكال POW) إجماع YUMA.ويهدف إلى تحفيز عمال المناجم على إنتاج أفضل ناتج وكسب TAO ، وتحفيز التحقيقات لتصنيف ناتج عمال المناجم بدقة للحصول على درجات أعلى من VTRUST وزيادة مكافآت TAO الخاصة بهم لتشكيل آلية إجماع الشبكة.

sub -network والتطبيق

يتضمن التفاعل على البيرة بشكل أساسي طلبات التحقق المقدمة إلى عمال المناجم وتقييم ناتجهم.ومع ذلك ، مع تحسين جودة عمال المناجم ونمو الذكاء العام للشبكة ، سيقوم Bittensor بإنشاء طبقة تطبيق على مكدسها الحالي حتى يتمكن المطورون من إنشاء تطبيقات الاستعلام عن شبكات Bittensor.

في أكتوبر 2023 ، قدم Bittensor شبكات فرعية من خلال ترقيات الثورة واتخذ خطوة مهمة نحو تحقيق هذا الهدف.Ziwang هي شبكة منفصلة تلهم سلوكيات محددة على البيرة.تفتح الثورة الشبكة لأي شخص مهتم بإنشاء شبكة فرعية.في غضون بضعة أشهر منذ صدوره ، تم بدء أكثر من 32 درجة فرعية ، بما في ذلك الشبكات الفرعية لمطالبات النص ، والتقاط البيانات ، وتوليد الصور وتخزينها.مع استحقاق الشبكة الفرعية وتصبح جاهزة ، سيقوم منشئ الشبكة الفرعية أيضًا بإنشاء تكامل تطبيق حتى يتمكن الفريق من إنشاء طلب للاستعلام عن شبكات فرعية محددة.توجد بالفعل بعض التطبيقات (روبوتات الدردشة ، ومولدات الصور ، وروبوتات استجابة Twitter ، والأسواق التنبؤية) ، ولكن باستثناء تمويل مؤسسة Bittersor ، لا توجد تدابير حافز رسمية لقبول هذه الاستعلامات وإعادة توجيهها.

من أجل تقديم تفسير أوضح ، فإن ما يلي مثال ، يشرح كيف يمكن أن يعمل البيرة بعد دمج التطبيق في الشبكة.

يعتمد أداء الشبكة الفرعية على أداء شبكة الجذر.تقع شبكة الجذر فوق كل الشبكات الفرعية.يقوم الأشخاص التحقق من شبكة الجذر بتصنيف الشبكة الفرعية بناءً على أداء الشبكة الفرعية ، وتوزيع الرمز المميز Tao المنبعث بانتظام على الشبكة الفرعية.وبهذه الطريقة ، يعمل كل -عمل فرعي كمناجم لشبكة الجذر.

Outlook البيرة

لا يزال Bittersor يعاني من مشكلة النمو ، لأنه يوسع وظيفة البروتوكول لتحفيز الجيل الذكي من NETs متعددة sub.يواصل عمال المناجم تصميم طرق جديدة لمهاجمة الشبكة للحصول على مزيد من مكافآت TAO ، مثل إخراج التقييم العالي والتفكير من خلال تعديل تشغيل النموذج ، ثم تقديم متغيرات متعددة.لا يمكن تقديم وتنفيذ اقتراح الحوكمة الذي يؤثر على الشبكة بأكمله إلا من قبل Triumvirate ، والذي يتكون بالكامل من المصلحة المتعلقة بالفوائد لمؤسسة OpenEnsor (تجدر الإشارة إلى أن الاقتراح يحتاج إلى الموافقة عليه من قبل مجلس الشيوخ Bittensor الذي تم التحقق منه بواسطة bittensor).يتم تعديل الاقتصاد المميز للمشروع لزيادة حوافز استخدام شبكة Tao Cross -Child.سرعان ما أصبح المشروع مشهورًا بسبب طريقته الفريدة.

في مقال نشره مؤخراً من قبل المطور الأساسي ، في مقال بعنوان “Bittensor Paradigm” ، أوضح الفريق رؤية البيرة ، أي في النهاية تم تطويره إلى “محتوى غير معروف تم قياسه”.من الناحية النظرية ، يتيح هذا bittensor تطوير شبكات فرعية لتحفيز جميع أنواع السلوكيات التي تدعمها TAO.لا تزال هناك قيود فعلية كبيرة -والأكثر جدارة بالملاحظة هي أن هذه الشبكات يمكن أن تتوسع للتعامل مع هذه العملية المتنوعة ، وقد تجاوز تقدم تدابير الحوافز المحتملة المنتجات المركزية.

بناء مكدس حساب لا مركزي لنموذج الذكاء الاصطناعى

توفر الأجزاء أعلاه نظرة عامة تقريبية لأنواع مختلفة من بروتوكولات الحوسبة AI اللامركزية التي تتطور.في الأيام الأولى التي طوروا فيها واعتمدوها ، قدموا أساس النظام الإيكولوجي ، وتروجوا في نهاية المطاف لإنشاء “كتل بناء منظمة العفو الدولية” ، مثل مفهوم “LEGO النقدي” لـ Defi.يوفر توافر blockchain المشترك دون إذن إمكانية لكل بروتوكول لبناء نظام إيكولوجي للذكاء الاصطناعي الأكثر شمولاً.

على سبيل المثال ، هذه طريقة قد يتفاعل Akash و Gensyn و Bittensor للرد على طلبات التفكير.

ما يجب أن يكون واضحًا هو أن هذا مجرد مثال على ما قد يحدث في المستقبل ، وليس ممثل النظام الإيكولوجي الحالي أو الشراكات الحالية أو النتائج المحتملة.تقيد القيود التشغيلية المتبادلة والاعتبارات الأخرى الموضحة أدناه إمكانية تكامل اليوم.بالإضافة إلى ذلك ، فإن احتياجات السيولة والحاجة إلى استخدام الرموز المتعددة قد تضر بتجربة المستخدم.

المنتجات اللامركزية الأخرى

بالإضافة إلى الحساب ، تم إطلاق العديد من خدمات البنية التحتية اللامركزية الأخرى لدعم النظام الإيكولوجي الناشئ من الذكاء الاصطناعي للعملات المشفرة.

قائمة جميع نطاق هذا التقرير ، ولكن بعض الأمثلة المثيرة للاهتمام والتوضيحية تشمل:

• محيط:سوق البيانات اللامركزية.يمكن للمستخدمين إنشاء بيانات NFT التي تمثل بياناتهم ويمكنهم استخدام رموز البيانات للمشتريات.يمكن للمستخدمين تسييل بياناتهم والحصول على سيادة أكبر ، وفي الوقت نفسه يوفرون إمكانية الوصول إلى فريق الذكاء الاصطناعى الوصول إلى البيانات التي تتطلبها نماذج التطوير والتدريب.

• عشب:سوق النطاق الترددي اللامركزي.يمكن للمستخدمين بيع النطاق الترددي الزائد إلى الذكاء الاصطناعي ، ويستخدم الأخير هذا النطاق الترددي لالتقاط البيانات من الإنترنت.يعتمد العشب على شبكة WYND ، والتي لا تمكن الأفراد من تسييل النطاق الترددي فقط ، ولكن أيضًا يوفر مشاهدات أكثر تنوعًا لمشتري النطاق الترددي لفهم المحتوى الذي يراه الأفراد على الإنترنت (لأن الوصول الشخصي للإنترنت عادةً ما يتم تخصيصه وفقًا لمحتوىه عنوان IP)).

• Hivemapper:قم ببناء منتج خريطة لا مركزية ، والذي يتضمن معلومات تم جمعها من سائقي السيارات اليومية.يعتمد HiveMapper على الذكاء الاصطناعي لشرح الصور التي تم جمعها من كاميرا لوحة أدوات المستخدم ، ومكافأة المستخدمين للمساعدة في الحصول على نموذج الذكاء الاصطناعي للرموز من خلال تعزيز ملاحظات التعلم البشري (RHLF).

بشكل عام ، تشير هذه إلى الفرصة التي لا حصر لها تقريبًا لاستكشاف نماذج السوق اللامركزية التي تدعم نماذج الذكاء الاصطناعى أو تطوير البنية التحتية المحيطية المطلوبة.في الوقت الحاضر ، فإن معظم هذه المشاريع موجودة في مرحلة التحقق المفاهيمية ، ويتطلب المزيد من البحث والتطوير أن يتمكنوا من تشغيل المقياس المطلوب لخدمات الذكاء الاصطناعي الشامل.

نتطلع إلى

لا تزال منتجات الحوسبة اللامركزية في المراحل المبكرة من التطوير.لقد بدأوا للتو في إطلاق قوة الحوسبة الأكثر تقدماً التي يمكنها تدريب نموذج الذكاء الاصطناعي الأقوى في الإنتاج.من أجل الحصول على حصة في السوق ذات مغزى ، يحتاجون إلى إظهار المزايا الفعلية مقارنة بالبدائل المركزية.يشمل عامل الزناد المحتمل على نطاق أوسع:

• عرض GPU/الطلب.تؤدي ندرة GPU والنمو السريع للحساب إلى منافسة الاحتياطي العسكري GPU.نظرًا لقيود وحدة معالجة الرسومات ، فقد تقيد Openai الوصول إلى منصته.يمكن أن توفر منصات مثل Akash و Gensyn بدائل فعالة من حيث التكلفة للفرق التي تحتاج إلى حوسبة عالية الأداء.بالنسبة لمقدمي الحوسبة اللامركزية ، ستكون الـ 6 إلى 12 شهرًا فرصة فريدة بشكل خاص لجذب مستخدمين جدد.إلى جانب النماذج المتزايدة المصدر المفتوح مثل Meta’s Llama 2 ، لم يعد المستخدمون يواجهون نفس العقبات عند نشر نماذج فعالة من الدهشة ، مما يجعل موارد الحوسبة عنق الزجاجة الرئيسي.ومع ذلك ، فإن وجود النظام الأساسي نفسه لا يضمن إمدادات الحوسبة الكافية والاحتياجات المقابلة للمستهلكين.لا يزال من الصعب شراء وحدات معالجة الرسومات عالية ، والتكلفة ليست دائمًا الدافع الرئيسي لجانب الطلب.ستواجه هذه المنصات تحديات لإظهار الفوائد الفعلية لاستخدام خيارات الحساب اللامركزية (سواء بسبب التكلفة أو المقاومة المراجعة ووقت التشغيل العادي والمرونة أو إمكانية الوصول) لتجميع مستخدمي اللزوجة.يجب أن يتصرفوا بسرعة.يتم إجراء استثمار البنية التحتية للبنية التحتية والبناء بمعدل ينذر بالخطر.

• الإشراف.الإشراف لا يزال مقاومة حركة الحساب اللامركزية.على المدى القصير ، يعني الافتقار إلى الإشراف الواضح أن مقدمي الخدمات والمستخدمين يواجهون مخاطر محتملة لاستخدام هذه الخدمات.ماذا لو قدم المورد الحسابات أو يتم حساب المشتري من كيان العقوبات دون معرفة ذلك؟قد يتردد المستخدمون فيما إذا كان سيتم استخدام المنصات اللامركزية التي تفتقر إلى التحكم في الكيانات المركزية والإشراف عليها.تحاول الاتفاقية تقليل هذه المخاوف من خلال دمج التحكم في منصتها أو إضافة مرشح للوصول فقط الامتثال.على المدى القصير ، قد نرى ظهور منصات KYC ومنصات الامتثال.بالإضافة إلى ذلك ، فإن المناقشة حول الأطر التنظيمية الجديدة المحتملة في الولايات المتحدة (أفضل مثال هو إصدار الأوامر الإدارية للأمن والموثوقية وتطوير الذكاء الاصطناعي الجدير بالثقة واستخدامه) يسلط الضوء على إمكانات زيادة الاستحواذ على GPU للإجراءات التنظيمية.

• يفحص.التنظيمية هي منتجين ، يمكن أن تستفيد منتجات الحوسبة اللامركزية من الإجراءات التي تقيد الوصول إلى الذكاء الاصطناعي.بالإضافة إلى الأوامر الإدارية ، شهد مؤسس Openai سام التمان أيضًا في الكونغرس ، مما يشير إلى أن المنظمين بحاجة إلى إصدار تراخيص لتنمية الذكاء الاصطناعي.بدأت المناقشة حول الإشراف على الذكاء الاصطناعي للتو ، ولكن أي قيود من هذا القبيل على الوصول أو مراجعة وظائف الذكاء الاصطناعي قد تسريع استخدام المنصات اللامركزية دون مثل هذه العقبات.في نوفمبر 2023 ، قُدمت أيضًا أن قيادة قيادة Openai (أو الافتقار إليها) قد كانت محفوفة بالمخاطر أن تمنح قرار القوة لأقوى نموذج الذكاء الاصطناعي لعدد قليل من الناس.بالإضافة إلى ذلك ، ستعكس جميع نماذج الذكاء الاصطناعى حتما تحيز الأشخاص الذين يخلقونها ، سواء كانت متعمدة أو غير مقصودة.تتمثل إحدى طرق التخلص من هذه الانحرافات في جعل التثبيت والتدريب جيدًا قدر الإمكان لضمان أن أي شخص في أي مكان يمكنه الوصول إلى أنواع مختلفة ونماذج الانحراف.

• خصوصية البيانات.عندما يتم دمج حلول البيانات والخصوصية الخارجية التي توفر للمستخدمين استقلالية البيانات ، قد تكون حسابات اللامركزية أكثر جاذبية من البدائل المركزية.عندما أدركت سامسونج أن المهندس كان يستخدم chatgpt لمساعدة تصميم الرقائق وتسرب المعلومات الحساسة إلى Chatgpt ، أصبحت Samsung ضحية للحادث.تدعي شبكة Phala و IEXEC أن تزود المستخدمين بأراضي SGX آمنة لحماية بيانات المستخدم ، ويمكن أن يؤدي أبحاث التشفير الكاملة المستمرة إلى إلغاء قفل الحساب اللامركزي للخصوصية لضمان الخصوصية.مع دمج الذكاء الاصطناعى في حياتنا ، سيولي المستخدمون المزيد من الاهتمام إلى النماذج على الطلبات مع حماية الخصوصية.يحتاج المستخدمون أيضًا إلى دعم خدمة مجتمعة من البيانات حتى يتمكنوا من زرع البيانات من نموذج إلى نموذج آخر.

• تجربة المستخدم (UX)جوهرلا تزال تجربة المستخدم عقبة رئيسية أمام جميع أنواع التطبيقات المشفرة والبنية التحتية.هذا لا يختلف عن منتجات الحوسبة اللامركزية ، وفي بعض الحالات ، لأن المطورين بحاجة إلى فهم العملة المشفرة والذكاء الاصطناعي ، وهذا سيؤدي إلى تفاقم هذا الموقف.من الضروري تحسين من المعرفة الأساسية ، مثل تسجيل الدخول في التجريد مع التفاعل مع blockchain لتوفير نفس الناتج عالي الجودة مثل قادة السوق الحاليين.بالنظر إلى أن العديد من بروتوكولات الحساب اللامركزية التي توفر منتجات أرخص يصعب الحصول عليها ، وهذا واضح.

العقد الذكي و ZKML

العقود الذكية هي كتل البناء الأساسية لأي نظام بيئي blockchain.في حالة مجموعة من الشروط المحددة ، سيتم تنفيذ وتخفيض أو القضاء على احتياجات أطراف ثالثة موثوق بها لإنشاء تطبيقات لا مركزية معقدة ، مثل التطبيقات في Defi.ومع ذلك ، نظرًا لأن معظم العقود الذكية الموجودة حاليًا ، لا تزال وظائفها مقيدة لأنها يتم تنفيذها بناءً على المعلمات المسبقة التي يجب تحديثها.

على سبيل المثال ، يحتوي العقد الذكي على اتفاقية الإقراض المنتشرة على مواصفات متى يتم مسح الموقف وفقًا للقرض المحدد لنسبة القيمة.على الرغم من أنها مفيدة في بيئة ثابتة ، في ظل الوضع الديناميكي للمخاطر ، يجب تحديث هذه العقود الذكية بشكل مستمر للتكيف مع التغيرات في تحمل المخاطر ، مما يجلب تحديات للعقود التي لا تمر إدارة العمليات المركزية.على سبيل المثال ، قد لا تكون DAOs التي تعتمد على عمليات الحوكمة اللامركزية قادرة على الاستجابة بسرعة للمخاطر النظامية.

تعتبر العقود الذكية المتكاملة AI (أي نموذج التعلم الآلي) طريقة ممكنة لتعزيز الوظائف والأمان والكفاءة مع تحسين تجربة المستخدم الإجمالية.ومع ذلك ، فإن هذه التكاملات تؤدي أيضًا إلى مخاطر إضافية ، لأنه من المستحيل التأكد من أن النماذج التي تدعم هذه العقود الذكية لن تتم مهاجمة أو شرح الوضع الذيل الطويل (في ضوء ندرة مدخلات البيانات ، يكون وضع الذيل الطويل صعبًا لتدريب النموذج).

صفر -التعلم الآلي (ZKML)

يتطلب التعلم الآلي الكثير من الحسابات لتشغيل نماذج معقدة ، مما يجعل نموذج الذكاء الاصطناعى لا يمكنه العمل مباشرة في العقود الذكية بسبب التكلفة العالية.على سبيل المثال ، سيكون من الصعب تشغيل بروتوكول DEFI الذي يوفر للمستخدمين نموذج تحسين الدخل على السلسلة دون دفع رسوم الغاز المرتفعة للغاية.الحل هو زيادة قوة الحوسبة في blockchain الأساسية.ومع ذلك ، فإن هذا يزيد أيضًا من متطلبات ألبوم التحقق من السلسلة ، والذي قد يدمر الخصائص اللامركزية.بدلاً من ذلك ، تستكشف بعض المشاريع أن ZKML يستخدم للتحقق من الإخراج دون ثقة ، ولا يتطلب حسابات سلسلة كثيفة.

إنه يوضح أن مثالاً شائعاً على فائدة ZKML هو أن المستخدمين يحتاجون إلى أشخاص آخرين لتشغيل البيانات من خلال النموذج والتحقق من أن معاملاتهم تعمل بالفعل على النموذج الصحيح.ربما يستخدم المطورون مزودي الحوسبة اللامركزية لتدريب نماذجهم ، والقلق من أن الموفر يحاول خفض التكاليف من خلال محاولة استخدام فروق الإخراج التي لا يمكن اكتشافها.يمكّن ZKML من مزود الحوسبة من تشغيل البيانات من خلال نموذجه ، ثم يثبت أنه يمكن التحقق منه في السلسلة لإثبات أن إخراج نموذج الإدخال المحدد صحيح.في هذه الحالة ، سيكون لمزود النموذج مزايا إضافية ، أي أنه يمكنهم توفير نماذجهم دون الحاجة إلى الكشف عن الوزن الأساسي للإخراج.

يمكنك أيضا القيام بالعكس.إذا أراد المستخدم استخدام بياناته لتشغيل النموذج ، ولكن بسبب مشكلات الخصوصية (مثل الفحوصات الطبية أو معلومات الأعمال التجارية الخاصة) ، لا ترغب في توفير نماذج لتوفير نماذج للوصول إلى بياناتهم ، ثم يمكن للمستخدمين تشغيلها على بياناتهم لا يشارك النموذج البيانات ، ثم يثبت أنه يقوم بتشغيل النموذج الصحيح من خلال التحقق منها.لقد وسعت هذه الاحتمالات بشكل كبير مساحة تصميم الذكاء الاصطناعي ووظائف العقد الذكي عن طريق حل قيود الحساب المثبتة.

البنية التحتية والأدوات

في ضوء الحالة المبكرة لحقل ZKML ، يتركز التطوير بشكل أساسي في البنية التحتية والأدوات التي يتطلبها فريق البناء لتحويل نماذجه وإخراجها إلى أدلة يمكن التحقق منها على السلسلة.هذه المنتجات مجردة قدر الإمكان معرفة الصفر.

Ezkl و Gizaإنه عنصرين يقومان بإنشاء هذه الأداة من خلال توفير دليل التحقق من نماذج التعلم الآلي.يساعد كلاهما الفريق على إنشاء نموذج للتعلم الآلي لضمان تنفيذ هذه النماذج بطريقة موثوقة في السلسلة.يستخدم كلا المشروعين مفتاح الشبكة العصبية المفتوحة (ONNX) لتحويل نماذج التعلم الآلي المكتوبة بلغة مشتركة مثل TensorFlow و Pytorch إلى تنسيقات قياسية.ثم يقومون بإخراج إصدارات هذه النماذج ، والتي ستولد أيضًا دليل ZK أثناء التنفيذ.Ezkl مفتوح المصدر ، حيث ينتج ZK-snarks ، ويتم إغلاق Giza ، مما ينتج عن ZK-Starks.هذان المشروعان متوافقان حاليًا مع EVM.

في الأشهر القليلة الماضية ، أحرزت EZKL تقدمًا كبيرًا في تعزيز حلول ZKML ، مع التركيز بشكل أساسي على تقليل التكاليف ، وتحسين السلامة ، وتسريع إثبات توليد توليد.على سبيل المثال ، في نوفمبر 2023 ، قامت EZKL بدمج مكتبة GPU مفتوحة المصدر الجديدة التي تقصرت فترة الشهادة الإجمالية بنسبة 35 ٪ ؛ مجموعة الحوسبة عالية الأداء ونظام الترتيب.تفرد GIZA هو أنه بالإضافة إلى توفير أدوات لإنشاء نماذج التعلم الآلي المعتمدة ، فإنهم يخططون أيضًا لتحقيق Web3 المكافئ للوجه المعانقة ، وفتح سوق المستخدم للتعاون ZKML ومشاركة النماذج ، ودمج اللامركزية اللامركزية في النهاية حساب المنتج.في يناير ، أصدرت EZKL تقييمًا قياسيًا قارن أداء EZKL و GIZA و RISCZERO (كما هو موضح أدناه).يعرض EZKL وقتًا أسرع للدليل واستخدام الذاكرة.

معامل مختبراتكما أنها تقوم بتطوير تقنية ZK مقاومًا جديدًا مخصصًا لنموذج الذكاء الاصطناعي.نشر المعامل ورقة تسمى “تكلفة الذكاء” (مما يشير إلى أن تكلفة تشغيل نموذج الذكاء الاصطناعي على السلسلة كانت عالية للغاية)تم نشر الورقة في يناير 2023 ، مما يشير إلى أن المنتجات الحالية باهظة الثمن وغير فعالة لتحقيق تطبيقات الذكاء الاصطناعى على نطاق واسع.على أساس الأبحاث الأولية ، تم إطلاق المعامل الباقي في نوفمبر ، وهي شهادة صفر متخصصة تستخدم خصيصًا لتقليل تكلفة نموذج الذكاء الاصطناعي.تم إغلاق عملهم ، لذلك لا يمكنهم اختبار المعيار مع الحلول المذكورة أعلاه ، لكنهم نقلوا مؤخرًا عن عملهم في مدونة Vitalik على التشفير والذكاء الاصطناعي.

يعد تطوير الأدوات والبنية التحتية أمرًا مهمًا للنمو المستقبلي لمساحة ZKML ، لأنه يمكن أن يقلل بشكل كبير من احتكاك الفريق المطلوب لنشر السلسلة التي تم التحقق منها لحساب دائرة ZK المطلوبة.قم بإنشاء واجهة أمان لتمكين بناة أصلية غير مشفرة تعمل في أعمال التعلم الآلي لجلب نماذجهم إلى السلسلة ، والتي ستمكن التطبيقات من إجراء تجارب أكبر من خلال حالات الاستخدام الجديدة حقًا.تحل الأداة أيضًا عقبة رئيسية أمام استخدام ZKML ، أي المطورين المهتمين بالعمل في مجال المعرفة المتقاطعة للمعرفة الصفرية والتعلم الآلي والتشفير.

المعالجات

تتطور حلول أخرى (يشار إليها باسم “المعالج الاصطناعي”).Risczero ، axiom ، والطقوسجوهرإن مصطلح المتعاون هو بشكل أساسي بشكل دلالي -تؤدي هذه الشبكات العديد من الأدوار المختلفة ، بما في ذلك الحساب تحت سلسلة التحقق على السلسلة.مثل Ezkl و Giza و Modulus ، فإن هدفهم هو إجراء دليل صفر تمامًا على عملية التوليد.يمكن لـ Risczero و Axiom توفير خدمات لنماذج الذكاء الاصطناعى البسيطة لأنها متعاونين أكثر شيوعًا ، ويتم تصميم الطقوس خصيصًا للاستخدام مع نموذج الذكاء الاصطناعي.

الجحيمهذه هي الحالة الأولى للطقوس ، التي تحتوي على infernet SDK ، مما يسمح للمطورين بتقديم طلبات التفكير إلى الشبكة واستلام الإخراج والإثبات (اختياري) كعائد.تتلقى العقد الجانبية هذه الطلبات وحسابها تحت سلسلة المعالجة قبل إرجاع الإخراج.على سبيل المثال ، يمكن لـ DAO إنشاء عملية لضمان أن جميع مقترحات الحوكمة الجديدة تلبي بعض المتطلبات المسبقة قبل تقديمها.في كل مرة يتم فيها تقديم اقتراح جديد ، سيؤدي عقد الحوكمة إلى قيام طلب الاستدلال من خلال Pernmnet للاتصال بنموذج AI للتدريب على الحوكمة DAO.اقتراح مراجعة النموذج لضمان تقديم جميع المعايير اللازمة ، وإعادة الإخراج والأدلة إلى تقديم الاقتراح.

في العام المقبل ، يخطط فريق الطقوس لإطلاق المزيد من الوظائف لتشكيل طبقات البنية التحتية تسمى سلسلة الطقوس الفائقة.يمكن إدراج العديد من العناصر التي تمت مناقشتها في وقت سابق في الطقوس كمزود خدمة.لقد دمج فريق الطقوس مع EZKL لتوليد دليل ، وقد يضيف قريبًا وظائف مقدمي الخدمات البارزين الآخرين.يمكن أن تستخدم عقد Incernet على الطقوس أيضًا AKASH أو IO.NET وحدات معالجة الرسومات ونماذج الاستعلام المدربين على الإنترنت في حلو بوترزور الفرعي.هدفهم النهائي هو أن يكونوا أول مزود للبنية التحتية المفتوحة لمنظمة العفو الدولية ، والتي يمكن أن توفر خدمات للتعلم الآلي وغيرها من المهام المتعلقة بـ AI لأي شبكة وأي عبء عمل.

طلب

تساعد ZKML على التوفيق بين التناقض بين blockchain والذكاء الاصطناعي.كما قال مؤسس Giza ، “حالة الاستخدام غنية جدًا … هذا يشبه إلى حد ما حالة استخدام Ethereum في الأيام الأولى من Ethereum … ما فعلناه هو مجرد حالة استخدام العقود الذكية. “ومع ذلك ، كما ذكر أعلاه ، اليوم ، يحدث تطوير اليوم بشكل أساسي في الأدوات ومستويات البنية التحتية.لا يزال التطبيق في مرحلة الاستكشاف.

تشمل بعض التطبيقات الحالية:

• التمويل اللامركزيجوهرقامت ZKML بترقية مساحة تصميم Defi من خلال تعزيز قدرة العقود الذكية.يوفر بروتوكول DEFI كمية كبيرة من البيانات التي تم التحقق منها وغير مسبقة لنماذج التعلم الآلي ، والتي يمكن استخدامها لإنشاء استراتيجيات اكتساب الدخل أو التداول ، وتحليل المخاطر ، وتجربة المستخدم ، إلخ.على سبيل المثال،جيزا والتمويل الموقراتعاون لبناء محرك تقييم المخاطر التلقائي لمفهوم لمحرك V3 الجديد من Farn.تتعاون معامل المعامل مع Lyra Finance لدمج التعلم الآلي في AMM ، معبروتوكول أيونتعاون تنفيذ نموذج التحقق ومهاجمة المخاطر ، والمساعدةنتيجةمعلومات سعر NFT التي تتحقق من ذكائه الاصطناعي.نويا(باستخدام اتفاقيات EZKL) و Mozaic توفر إمكانية الوصول إلى نماذج السلسلة الخاصة.التمويل الطيفييقوم محرك تسجيل الائتمان على السلسلة ببناء إمكانية ملكية المقترض المركب أو المقترض في المتأخرات.بسبب ZKML ، قد تصبح هذه المنتجات “De-Ai-Fi” هذه أكثر شعبية في السنوات القليلة المقبلة.

• لعبةجوهرلفترة طويلة ، تم اعتبار اللعبة خرب وتعزيز من خلال السلسلة العامة.ZKML ممكن لصنع ألعاب سلسلة الذكاء الاصطناعي.لقد أدركت معامل معامل التحقق من مفهوم لعبة السلسلة البسيطة.ليلا مقابل العالمإنها نظرية ألعاب ألعاب الشطرنج.وبالمثل ، يستخدم الفريق أيضًا إطار عمل EZKL لبناء مسابقة غناء بسيطة وسلسلة من اللعبة.خرطوشةتستخدم Giza Giza لتمكين الفريق من نشر لعبة سلسلة كاملة.على الرغم من أنها بسيطة ، فإن هذا التحقق من المفاهيم يشير إلى التنفيذ المستقبلي ، والذي يمكن أن يحقق التحقق من سلسلة أكثر تعقيدًا ، مثل فاعلات NPC المعقدة التي يمكنها التفاعل مع الاقتصاد في اللعبة ، مثل “مثل”ساحة منظمة العفو الدوليةما تراه في “انظر ، هذه لعبة رائعة.

• الهوية والتتبع والخصوصيةجوهرتم استخدام العملات المشفرة للتحقق من الأصالة والتكسير على المزيد والمزيد من محتوى توليد/التلاعب بالذكاء الاصطناعي وفي التزوير المتعمق.يمكن ZKML تقدم هذه الجهود.WorldCoinإنه حل دليل على الهوية يتطلب من المستخدمين مسح القزحية لإنشاء معرفات فريدة.في المستقبل ، يمكن تخزين المعرفات البيومترية على الأجهزة الشخصية للاستضافة الذاتية ، ويتم استخدام النماذج المطلوبة للتحقق من القياسات الحيوية المحلية للتحقق من القياسات الحيوية المحلية.يمكن للمستخدمين بعد ذلك تقديم دليل على تحديد الهوية البيولوجية دون الكشف عن هويتهم ، وذلك لضمان الخصوصية مع مقاومة هجوم الساحرة.يمكن أيضًا تطبيق ذلك على الاستنتاجات الأخرى التي تتطلب الخصوصية ، مثل استخدام النماذج لتحليل البيانات الطبية/الصور لاكتشاف الأمراض ، والتحقق من الشخصية ، وتطوير الخوارزميات في تطبيقات المواعدة ، أو مؤسسات التأمين والقروض التي تحتاج إلى التحقق من المعلومات المالية.

نتطلع إلى

لا تزال ZKML في المرحلة التجريبية ، وتركز معظم المشاريع على بناء المصطلحات الأصلية للبنية التحتية وإثبات المفاهيم.تشمل تحديات اليوم تكاليف الحساب ، وقيود الذاكرة ، وتعقيد النماذج ، والأدوات المحدودة والبنية التحتية ، والمطورين.باختصار ، هناك الكثير من العمل الذي يجب القيام به قبل أن يتم تنفيذ ZKML من خلال المقياس الذي تتطلبه المنتجات الاستهلاكية.

ومع ذلك ، مع استحقاق هذا المجال ودقة هذه القيود ، ستصبح ZKML مكونًا رئيسيًا في الذكاء الاصطناعي والتشفير.في جوهرها ، يعد ZKML بحساب السلسلة من أي حجم في السلسلة ، مع الحفاظ على نفس أو تأكيد الأمن مثل السلسلة.ومع ذلك ، قبل إدراك هذه الرغبة ، سيستمر المستخدمون الأوائل للتكنولوجيا في الوزن بين خصوصية وأمن ZKML وكفاءة البدائل.

الذكاء الذكي

واحدة من أكثر التكاملات إثارة في الذكاء الاصطناعي والعملات المشفرة هي التجربة الذكية الذكاء المستمرة.الذكاء هو روبوت مستقل يمكن أن يتلقى وتفسير وتنفيذ المهام في نماذج الذكاء الاصطناعي.يمكن أن يكون هذا أي شيء ، من مساعد شخصي إلى تفضيل جيد بناءً على تفضيلاتك لتوظيف روبوت مالي يدير محفظة الاستثمار الخاصة بك بناءً على تفضيلات المخاطر الخاصة بك.

نظرًا لأن العملات المشفرة توفر البنية التحتية للدفع دون إذن ولا توجد ثقة ، يمكن الجمع بين العملات الذكية والعملات المشفرة بشكل جيد.بعد التدريب ، سيحصل الجسم الذكي على محفظة حتى يتمكنوا من استخدام العقود الذكية للمعاملات بأنفسهم.على سبيل المثال ، يمكن للذكاء البسيط اليوم الحصول على معلومات على الإنترنت ، ثم التداول في سوق التنبؤ وفقًا للنموذج.

مزود ذكي

مورفيوسإنها واحدة من أحدث المشاريع الذكية مفتوحة المصدر المدرجة في Ethereum والتعريفي في عام 2024.كانت ورقتها البيضاء مجهولة في سبتمبر 2023 ، حيث توفر الأساس لتشكيل وبناء المجتمع (بما في ذلك الشخصيات الشهيرة مثل إريك فورهيس).تتضمن الورقة البيضاء بروتوكول ذكي قابل للتنزيل.يستخدم تصنيفات العقود الذكية لمساعدة الأذكياء على تحديد العقود الذكية التي يمكن أن تتفاعل بأمان بناءً على معايير مثل المعاملات.

توفر الورقة البيضاء أيضًا إطارًا لبناء شبكة مورفيوس ، مثل هيكل الحوافز والبنية التحتية اللازمة لتشغيل البروتوكول الذكي.يتضمن ذلك الأمامي للمساهم الحافز في إنشاء واجهة برمجة تطبيقات يمكن إدراجها في تطبيق يمكنه التفاعل مع بعضها البعض في الطرف الأمامي من التفاعل مع الأجسام الذكية ، والسحابة التي يمكن أن تتفاعل مع بعضها البعض على جهاز الحافة.تم إطلاق الأموال الأولية للمشروع في أوائل فبراير ، ومن المتوقع أن تبدأ الاتفاق الكامل في الربع الثاني من عام 2024.

شبكة البنية التحتية المستقلة اللامركزية (DAIN)إنها اتفاقية جديدة للبنية التحتية الذكية التي تبني اقتصادًا بدنيًا ذكيًا على سولانا.الهدف من DAIN هو السماح للذكاء من مختلف الشركات بالتفاعل بسلاسة من خلال واجهات برمجة التطبيقات الشائعة ، وذلك لفتح مساحة تصميم الأطراف الذكية من الذكاء الاصطناعي بشكل كبير ، ويتم التركيز على إدراك الأطراف الذكية التي يمكن أن تتفاعل مع منتجات Web2 و Web3.في يناير ، أعلنت Dain عن التعاون الأول مع Asset Shield.

fetch.aiكانت واحدة من أوائل الأحزاب الذكية من الذكاء الاصطناعي التي نشرت وتطوير نظامًا بيئيًا لإنشاء ونشر واستخدام الأجسام الذكية على السلسلة باستخدام رمز FET ومحافظ Fetch.ai.يوفر البروتوكول مجموعة من الأدوات والتطبيقات الشاملة لاستخدام الهيئات الذكية ، بما في ذلك وظائف المحافظات في التفاعل مع الهيئات الذكية ووكلاء الطلب.

Autonolasيضم المؤسس العضو السابق في فريق الجلب ، وهو سوق مفتوح لإنشاء واستخدام رجال الذكاء الاصطناعي اللامركزي.يوفر Autonolas أيضًا للمطورين مجموعة من الأدوات لإنشاء حفلات ذكية من الذكاء الاصطناعي تحت السلسلة ، ويمكنهم إدراج مجموعات متعددة ، بما في ذلك المضلع ، و Ethereum ، وسلسلة الغنوص ، و Solana.لديهم حاليًا بعض منتجات التحقق من المفاهيم الذكية النشطة ، بما في ذلك التنبؤ بالأسواق وحوكمة DAO.

singularitynetتقوم ببناء سوق لا مركزي ل AI Smart ، ويمكن للناس نشر حفلات ذكية منظمة العفو الدولية المركزة فيها.تقوم الشركات الأخرى ، مثل AlteredStatemachine ، ببناء دمج الذكاء الذكي و NFT.يلقي المستخدمون NFT بسمات عشوائية ، والتي تمنحهم مزايا وعيوب المهام المختلفة.يمكن تدريب هذه الذكاء على تعزيز سمات معينة لاستخدامها في الألعاب أو Defi أو كمساعدين افتراضيين وتجارة مع مستخدمين آخرين.

بشكل عام ، تتخيل هذه المشاريع نظامًا بيئيًا ذكيًا في المستقبل.ستكون الذكاء المعقد حقًا قادرًا على إكمال أي مهام مستخدم بشكل مستقل.على سبيل المثال ، ستتمكن الذكاء الذكي الكامل الكامل من معرفة كيفية استئجار هيئة ذكية أخرى لدمج واجهة برمجة التطبيقات ، ثم تنفيذها دون الحاجة إلى ضمان دمج المهمة وتنفيذ المهمة مع واجهة برمجة التطبيقات الخارجية (مثل أ موقع حجز السفر) قبل الاستخدام.من منظور المستخدم ، لا تحتاج إلى التحقق مما إذا كان الجسم الذكي يمكنه إكمال المهمة ، لأن الهيئة الذكية يمكن أن تحدد نفسها.

بيتكوين وذكاء الذكاء الذكي

يوليو 2023 ،مختبر شبكة البرقتم إطلاق تجسيد التحقق من المفهوم لاستخدام الجسم الذكي على شبكة البرق ، والذي يسمىمجموعة Langchain Bitcoinجوهرهذا المنتج مثير للاهتمام بشكل خاص لأنه يهدف إلى حل المشكلة الخطيرة بشكل متزايد في عالم الويب 2 -التحكم في الوصول ومفتاح API باهظ الثمن لتطبيق الويب.

يحل Langchain هذه المشكلة من خلال توفير مجموعة من الأدوات للمطورين ، وتمكين الذكاء من شراء وبيع ومعالجة Bitcoin ، والاستعلام عن مفتاح API وإرسال دفعة صغيرة.في مجال الدفع التقليدي ، يكون الدفع الصغير مرتفعًا بسبب النفقات.عندما يتم دمجها مع إطار API لقياس الدفع لـ Langchain L402 ، فإن هذا يتيح للشركة ضبط تكلفة وصول API وفقًا لزيادة الاستخدام وتقليله ، بدلاً من وضع معيار لتكلفة واحدة.

في المستقبل ، يقود نشاط ON -CHAIN ​​بشكل أساسي تفاعل الجسم الذكي والجسم الذكي.هذا مثال مبكر يوضح كيفية استخدام المعلومات الاستخباراتية على المسار دون دفع كفاءة مرخصة واقتصادية ، والتي فتحت إمكانية وجود أسواق جديدة والتفاعل الاقتصادي.

نتطلع إلى

الحقل الذكي لا يزال في المرحلة الجديدة.بدأ المشروع للتو في إطلاق الذكاء الوظيفي ، والذي يمكنه استخدام البنية التحتية الخاصة به للتعامل مع المهام البسيطة -عادة ما يكون هذا المطورين والمستخدمين ذوي الخبرة فقط.ومع ذلك ، بمرور الوقت ، فإن أحد أكبر آثار ذكاء الذكاء الاصطناعي على العملات المشفرة هو تحسين تجربة المستخدم في جميع المجالات الرأسية.ستبدأ المعاملة في التحول من النقرات إلى النص ، ويمكن للمستخدمين التفاعل مع الجسم الذكي على السلسلة من خلال معامل اللغة الكبيرة.Dawn Wallet et al.أطلق الفريق محفظة روبوت الدردشة للمستخدمين للتفاعل على السلسلة.

بالإضافة إلى ذلك ، من غير الواضح كيف تعمل الأطراف الذكية في الويب 2 ، لأن القطاع المالي يعتمد على المؤسسات المصرفية المنظمة ، لا يمكن لهذه المؤسسات أن تعمل على مدار الساعة طوال أيام الأسبوع ولا يمكنها إجراء معاملات عبر الحدود.كما تؤكد لين ألدن ، نظرًا لعدم القدرة على استرداد ومعالجة المعاملات الصغيرة ، فإن مسار التشفير جذاب بشكل خاص مقارنة ببطاقات الائتمان.ومع ذلك ، إذا أصبحت الذكاء وسيلة أكثر شيوعًا للمعاملات ، فمن المحتمل أن يتخذ مقدمو الدفع والتطبيقات الحاليين إجراءات لتنفيذ البنية التحتية المطلوبة للعمل في المجال المالي الحالي ، وبالتالي إضعاف بعض من استخدامات العملات المشفرة.

في الوقت الحاضر ، قد يقتصر الذكاء على معاملات العملة المشفرة ، والتي تعطى ضمان المدخلات المعطى.يحدد كلا النموذجين هذه الجسم الذكي لمعرفة كيفية أداء المهام المعقدة ، وتوسع الأدوات النطاق الذي يمكن أن يكمله ، ويجب تطوير كلاهما.من أجل جعل الذكاء المشفر مفيدًا في حالات استخدام تشفير السلسلة الجديدة ، هناك حاجة إلى تكامل أكثر شمولاً وقبولًا للتشفير كشكل من أشكال الدفع وتوضيح الإشراف.ومع ذلك ، مع تطور هذه المكونات ، يستعد الهيئة الذكية ليصبح أحد أكبر مستهلكي الحوسبة اللامركزية المذكورة أعلاه ومحلول ZKML ، وتلقي وحل أي مهام بطريقة غير مؤكدة غير مؤكدة.

ختاماً

تقدم الذكاء الاصطناعي نفس الابتكار الذي نراه في Web2 للعملات المشفرة ، ويعزز جميع الجوانب من تطوير البنية التحتية إلى تجربة المستخدم وإمكانية الوصول إليه.ومع ذلك ، لا يزال المشروع في المرحلة المبكرة من التطوير ، وسيقود العملة المشفرة الحديثة وتكامل الذكاء الاصطناعي بشكل أساسي.

ستتعاون منتجات مثل Copilot بمقدار 10 مرات.تقوم شركات مثل Cub3.ai و Test Machine بتطوير تكامل الذكاء الاصطناعي لعمليات تدقيق العقد الذكية ومراقبة التهديد الحقيقي في الوقت المناسب لتعزيز أمان السلسلة.تتدرب روبوتات الدردشة LLM على بيانات السلسلة ومستندات البروتوكول والتطبيقات لتزويد المستخدمين بإمكانية الوصول المعززة وتجربة المستخدم.

من أجل التكامل الأكثر تقدماً لاستخدام التكنولوجيا الكامنة وراء العملة المشفرة ، لا تزال التحديات تثبت أن تنفيذ حلول الذكاء الاصطناعى على السلسلة أمر ممكن من الناحية الفنية ، وهو أيضًا اقتصادي.يشير تطوير الحسابات اللامركزية ، و ZKML ، وذكاء الذكاء الذكاء إلى الحقول الرأسية المحتملة ، والتي وضعت الأساس لمستقبل العملات المشفرة والوارد في العمق.