Dự án tầm nhìn xa: Báo cáo cuối cùng về AI+Crypto V1

“AI vẫn là một trong những hướng đáng được quan tâm nhất và có cơ hội lớn nhất trong Web3, và logic này chắc chắn sẽ không thay đổi.”

Được viết bởi: Ian, Foresight Ventures

##TL;DR

Sau nhiều tháng đi sâu vào lĩnh vực kết hợp AI và tiền điện tử, sự hiểu biết về hướng đi này càng sâu sắc hơn. Bài viết này tiến hành phân tích so sánh giữa lượt xem ban đầu và xu hướng bản nhạc hiện tại Những người bạn đã quen thuộc với bản nhạc có thể bắt đầu đọc từ phần thứ hai.

• Mạng điện toán phi tập trung: Đứng trước những thách thức của nhu cầu thị trường, mục tiêu cuối cùng của phân cấp là giảm chi phí. Các thuộc tính cộng đồng và mã thông báo của Web3 mang lại giá trị không thể bỏ qua, nhưng nó vẫn là một giá trị gia tăng cho chính đường đi sức mạnh tính toán chứ không phải là một thay đổi mang tính đột phá. Trọng tâm là tìm cách kết hợp nó với nhu cầu của người dùng, thay vì Mạng điện toán phi tập trung một cách mù quáng đóng vai trò bổ sung cho việc thiếu sức mạnh điện toán tập trung.
• Thị trường AI: Thảo luận về khái niệm thị trường AI tài chính liên kết đầy đủ, giá trị do cộng đồng và mã thông báo mang lại cũng như tầm quan trọng sống còn của chúng. Một thị trường như vậy không chỉ tập trung vào sức mạnh tính toán và dữ liệu cơ bản mà còn bao gồm chính mô hình đó và các ứng dụng liên quan. Tài chính hóa mô hình là yếu tố cốt lõi của thị trường AI, một mặt thu hút người dùng tham gia trực tiếp vào quá trình tạo ra giá trị của các mô hình AI, mặt khác tạo ra nhu cầu về sức mạnh tính toán và dữ liệu cơ bản.
• Onchain AI và ZKML phải đối mặt với những thách thức kép về cung và cầu, trong khi OPML cung cấp giải pháp cân bằng hơn về chi phí và hiệu quả. Mặc dù OPML là một sự đổi mới công nghệ, nhưng nó có thể không giải quyết được thách thức cơ bản mà AI trên chuỗi phải đối mặt, tức là không có nhu cầu.
• Trong lớp ứng dụng, hầu hết các dự án ứng dụng AI web3 đều quá ngây thơ, điểm hợp lý hơn của ứng dụng AI là nâng cao trải nghiệm người dùng và nâng cao hiệu quả phát triển, hoặc đóng vai trò là một phần quan trọng của thị trường AI.

1. Đánh giá đường đua AI

Trong vài tháng qua, tôi đã tiến hành nghiên cứu chuyên sâu về chủ đề AI + tiền điện tử. Sau vài tháng tích lũy, tôi rất vui vì đã hiểu rõ hơn về hướng đi của một số bài hát ở giai đoạn đầu, nhưng tôi có thể cũng thấy rằng có một số xu hướng hiện đang được nhìn thấy. Đây không phải là một quan điểm chính xác.

**Bài viết này chỉ nói về các ý kiến và không đưa ra phần giới thiệu **Nó sẽ đề cập đến một số hướng chung về AI trong web3 và hiển thị các ý kiến cũng như phân tích trước đây và hiện tại của tôi về lộ trình này. Những quan điểm khác nhau có thể có những nguồn cảm hứng khác nhau, có thể được xem xét một cách tương đối và biện chứng.

Trước tiên, hãy xem lại các hướng chính của AI + tiền điện tử được đặt ra trong nửa đầu năm:

1.1 Sức mạnh tính toán phân tán

Trong “Một cái nhìn hợp lý về mạng điện toán phi tập trung”, dựa trên logic chung rằng sức mạnh điện toán sẽ trở thành tài nguyên có giá trị nhất trong tương lai, giá trị mà tiền điện tử có thể mang lại cho mạng điện toán sẽ được phân tích.

Mặc dù các mạng điện toán phân tán phi tập trung có nhu cầu lớn nhất về đào tạo mô hình AI quy mô lớn nhưng chúng cũng phải đối mặt với những thách thức và tắc nghẽn kỹ thuật lớn nhất. Bao gồm các vấn đề đồng bộ hóa dữ liệu phức tạp và tối ưu hóa mạng. Ngoài ra, quyền riêng tư và bảo mật dữ liệu là những hạn chế quan trọng. Mặc dù có một số kỹ thuật hiện có có thể cung cấp các giải pháp sơ bộ trong các nhiệm vụ đào tạo phân tán, quy mô lớn, nhưng các kỹ thuật này vẫn không thực tế do chi phí tính toán và truyền thông rất lớn. Rõ ràng, các mạng điện toán phân tán phi tập trung có cơ hội được triển khai tốt hơn trong lý luận mô hình và có đủ chỗ để dự đoán mức tăng trong tương lai. Nhưng nó cũng phải đối mặt với những thách thức như độ trễ liên lạc, quyền riêng tư dữ liệu và bảo mật mô hình. So với đào tạo mô hình, độ phức tạp tính toán và tính tương tác dữ liệu trong quá trình suy luận thấp hơn và phù hợp hơn khi được thực hiện trong môi trường phân tán.

1.2 Thị trường AI phi tập trung

Trong “Nỗ lực tốt nhất tại Thị trường AI phi tập trung”, có đề cập rằng một thị trường AI phi tập trung thành công cần kết hợp chặt chẽ các lợi thế của AI và Web3, đồng thời sử dụng phân phối, xác nhận tài sản, phân phối thu nhập và phân cấp. sức mạnh tính toán tập trung hạ thấp ngưỡng cho các ứng dụng AI, khuyến khích các nhà phát triển tải lên và chia sẻ các mô hình, đồng thời bảo vệ quyền riêng tư dữ liệu của người dùng và xây dựng nền tảng chia sẻ và giao dịch tài nguyên AI thân thiện với nhà phát triển và đáp ứng nhu cầu của người dùng.

Ý tưởng vào thời điểm đó (và bây giờ có thể không hoàn toàn chính xác) là thị trường AI dựa trên dữ liệu có tiềm năng lớn hơn. Một thị trường chỉ dựa vào các mô hình cần sự hỗ trợ của một số lượng lớn các mô hình chất lượng cao, nhưng các nền tảng ban đầu thiếu cơ sở người dùng và tài nguyên chất lượng cao, điều này khiến các nhà cung cấp mô hình xuất sắc khó thu hút được các mô hình chất lượng cao. dữ liệu được phân cấp và phân phối. Việc thu thập, thiết kế lớp khuyến khích và đảm bảo quyền sở hữu dữ liệu có thể tích lũy một lượng lớn dữ liệu và tài nguyên có giá trị, đặc biệt là dữ liệu miền riêng tư.

Sự thành công của thị trường AI phi tập trung phụ thuộc vào việc tích lũy tài nguyên người dùng và hiệu ứng mạng mạnh mẽ. Giá trị mà người dùng và nhà phát triển có thể nhận được từ thị trường vượt quá giá trị họ có thể nhận được bên ngoài thị trường. Trong giai đoạn đầu của thị trường, trọng tâm là tích lũy các mô hình chất lượng cao để thu hút và giữ chân người dùng, sau đó sau khi thiết lập thư viện mô hình chất lượng cao và các rào cản dữ liệu, hãy chuyển sang thu hút và giữ chân nhiều người dùng cuối hơn.

1,3 ZKML

Giá trị của AI trên chuỗi đã được thảo luận trong “AI + Web3 = ?” trước khi chủ đề ZKML được thảo luận rộng rãi.

Không phải hy sinh tính phân quyền và không cần sự tin cậy, AI trên chuỗi có cơ hội đưa thế giới web3 lên “cấp độ tiếp theo”. Web3 hiện tại giống như giai đoạn đầu của web2 và nó chưa có khả năng triển khai các ứng dụng rộng hơn hoặc tạo ra giá trị lớn hơn. Onchain AI được thiết kế chính xác để cung cấp giải pháp minh bạch và không cần tin cậy.

1.4 Ứng dụng AI

Trong “AI + Crypto bắt đầu nói về trò chơi dành cho nữ giới trên Web3 - HIM”, kết hợp với dự án danh mục đầu tư “HIM”, giá trị mà các mô hình lớn trong ứng dụng web3 mang lại sẽ được phân tích; loại AI + tiền điện tử nào có thể mang đến cho sản phẩm Để có lợi nhuận cao hơn? Ngoài việc phát triển cốt lõi của LLM không đáng tin cậy trên chuỗi từ cơ sở hạ tầng đến thuật toán, một hướng khác là giảm thiểu tác động của hộp đen đến quá trình suy luận trong sản phẩm và tìm các kịch bản phù hợp để triển khai khả năng suy luận mạnh mẽ của các mô hình lớn. .

2. Phân tích lộ trình AI hiện tại

Mạng máy tính 2.1: Có rất nhiều chỗ cho trí tưởng tượng nhưng ngưỡng cao

Logic chung của mạng điện toán vẫn không thay đổi nhưng vẫn phải đối mặt với thách thức từ nhu cầu thị trường, ai sẽ cần một giải pháp có hiệu quả và độ ổn định thấp hơn? Vì vậy, tôi nghĩ chúng ta cần suy nghĩ về những điểm sau:

**Phân cấp để làm gì? **

Nếu bạn hỏi người sáng lập mạng máy tính phi tập trung bây giờ, anh ta có thể sẽ nói với bạn rằng mạng máy tính của chúng tôi có thể tăng cường bảo mật và khả năng chống tấn công, cải thiện tính minh bạch và tin cậy, tối ưu hóa việc sử dụng tài nguyên, quyền riêng tư dữ liệu và kiểm soát người dùng tốt hơn, bảo vệ chống lại kiểm duyệt và can thiệp…

Đây là lẽ thường tình và bất kỳ dự án web3 nào cũng có thể liên quan đến khả năng chống kiểm duyệt, sự không tin cậy, quyền riêng tư, v.v., nhưng quan điểm của tôi là những điều này không quan trọng. Hãy suy nghĩ kỹ, liệu các máy chủ tập trung có thể làm tốt hơn về mặt bảo mật không? Mạng điện toán phi tập trung về cơ bản không giải quyết được vấn đề quyền riêng tư và vẫn còn nhiều mâu thuẫn như vậy. Do đó: **Mục tiêu cuối cùng của việc phân cấp mạng điện toán phải là chi phí thấp hơn. Mức độ phân cấp càng cao thì chi phí sử dụng sức mạnh tính toán càng thấp. **

Do đó, về cơ bản mà nói, “sử dụng sức mạnh tính toán nhàn rỗi” là một câu chuyện dài hạn hơn. Tôi nghĩ liệu một mạng lưới sức mạnh tính toán phi tập trung có thể được xây dựng hay không, phần lớn phụ thuộc vào việc anh ta có tìm ra những điểm sau hay không. :

Giá trị được cung cấp bởi Web3

Một bộ thiết kế mã thông báo khéo léo và cơ chế khuyến khích/trừng phạt đi kèm rõ ràng là giá trị gia tăng mạnh mẽ do cộng đồng phi tập trung cung cấp. So với Internet truyền thống, mã thông báo không chỉ đóng vai trò là phương tiện giao dịch mà còn bổ sung cho nhau các hợp đồng thông minh để cho phép các giao thức thực hiện các cơ chế quản trị và khuyến khích phức tạp hơn. Đồng thời, tính công khai và minh bạch của các giao dịch, giảm chi phí và nâng cao hiệu quả đều được hưởng lợi từ giá trị mà tiền điện tử mang lại. Giá trị độc đáo này mang lại sự linh hoạt hơn và có cơ hội đổi mới để khuyến khích những người đóng góp.

Nhưng đồng thời, tôi cũng hy vọng rằng sự “phù hợp” tưởng chừng như hợp lý này có thể được nhìn nhận một cách hợp lý. Đối với các mạng máy tính phi tập trung, những giá trị mà Web3 và công nghệ blockchain mang lại chỉ là “giá trị gia tăng” từ một góc độ khác chứ không phải là một nền tảng cơ bản. lật đổ, nó không thể thay đổi phương thức làm việc cơ bản của toàn bộ mạng và vượt qua các nút thắt kỹ thuật hiện tại.

Nói tóm lại, giá trị của web3 này là nâng cao sức hấp dẫn của mạng phi tập trung, nhưng sẽ không thay đổi hoàn toàn cấu trúc cốt lõi hoặc mô hình hoạt động của nó.Nếu bạn muốn mạng phi tập trung thực sự chiếm một vị trí trong làn sóng AI, chỉ dựa vào Giá trị của web3 là không đủ. Do đó, như sẽ được đề cập sau, công nghệ phù hợp sẽ giải quyết đúng vấn đề. Cách chơi của mạng điện toán phi tập trung không chỉ đơn giản là giải quyết vấn đề thiếu năng lượng điện toán AI mà còn tạo cơ hội cho con đường không hoạt động lâu dài này. lối chơi và ý tưởng.

Nó có thể giống như khai thác POW hoặc khai thác lưu trữ, để kiếm tiền từ sức mạnh tính toán như một tài sản. Trong mô hình này, các nhà cung cấp sức mạnh tính toán có thể nhận được mã thông báo làm phần thưởng bằng cách đóng góp tài nguyên máy tính của riêng họ. Điều hấp dẫn là nó cung cấp một cách để chuyển đổi trực tiếp tài nguyên máy tính thành lợi ích kinh tế, do đó khuyến khích nhiều người tham gia tham gia mạng hơn. Nó cũng có thể dựa trên web3 để tạo ra một thị trường tiêu thụ sức mạnh tính toán và bằng cách tài trợ cho sức mạnh tính toán ngược dòng (chẳng hạn như các mô hình), nó có thể mở ra các điểm nhu cầu có thể chấp nhận sức mạnh tính toán không ổn định và chậm hơn.

Muốn hiểu làm thế nào để kết hợp nó với nhu cầu thực tế của người dùng. Xét cho cùng, nhu cầu của người dùng và người tham gia không nhất thiết chỉ là sức mạnh tính toán hiệu quả. “Kiếm tiền” luôn là một trong những động lực thuyết phục nhất.

Khả năng cạnh tranh cốt lõi của mạng điện toán phi tập trung là giá

Nếu chúng ta phải thảo luận về sức mạnh tính toán phi tập trung từ giá trị thực tế, thì sức tưởng tượng lớn nhất mà web3 mang lại là chi phí sức mạnh tính toán có cơ hội được nén thêm.

Mức độ phân cấp của các nút sức mạnh tính toán càng cao thì giá trên mỗi đơn vị sức mạnh tính toán càng thấp. Có thể suy ra từ các hướng sau:

1. Với việc giới thiệu mã thông báo, khoản thanh toán cho nhà cung cấp năng lượng điện toán nút được thay đổi từ tiền mặt sang mã thông báo gốc của giao thức, về cơ bản giúp giảm chi phí vận hành;
2. Truy cập không cần cấp phép và hiệu ứng cộng đồng mạnh mẽ của web3 góp phần trực tiếp vào việc tối ưu hóa chi phí theo định hướng thị trường. Nhiều người dùng cá nhân và doanh nghiệp nhỏ hơn có thể sử dụng tài nguyên phần cứng hiện có để tham gia mạng, nguồn cung cấp sức mạnh tính toán tăng lên và sức mạnh tính toán trong thị trường tăng, giá điện cung cấp giảm. Trong chế độ quản lý tự trị và cộng đồng.
3. Thị trường năng lượng điện toán mở do giao thức tạo ra sẽ thúc đẩy cạnh tranh về giá giữa các nhà cung cấp năng lượng điện toán, từ đó giảm chi phí hơn nữa.

Trường hợp: ChainML

Nói một cách đơn giản: ChainML là một nền tảng phi tập trung cung cấp sức mạnh tính toán để suy luận và tinh chỉnh. Trước mắt, chainml sẽ triển khai Hội đồng dựa trên khung tác nhân AI nguồn mở và thông qua nỗ lực của Hội đồng (một chatbot có thể được tích hợp vào các ứng dụng khác nhau), nó sẽ làm tăng nhu cầu về mạng máy tính phi tập trung. Về lâu dài, chainml sẽ là một nền tảng AI + web3 hoàn chỉnh (sẽ được phân tích chi tiết sau), bao gồm thị trường mô hình và thị trường sức mạnh tính toán.

Tôi nghĩ việc hoạch định lộ trình kỹ thuật của ChainML rất hợp lý, họ cũng suy nghĩ rõ ràng về các vấn đề đã đề cập trước đó. Mục đích của sức mạnh tính toán phi tập trung chắc chắn không thể sánh ngang với sức mạnh tính toán tập trung và để cung cấp đủ sức mạnh tính toán cho ngành AI Đó là giảm dần chi phí để cho phép các bên có nhu cầu phù hợp chấp nhận nguồn sức mạnh tính toán chất lượng thấp hơn này. Sau đó, trong giai đoạn đầu của dự án, khi giao thức không thể có được số lượng lớn các nút sức mạnh tính toán phi tập trung, thì trọng tâm là tìm một nguồn sức mạnh tính toán ổn định và hiệu quả. bắt đầu với cách tiếp cận tập trung. , đưa các liên kết sản phẩm chạy ở giai đoạn đầu và bắt đầu tích lũy khách hàng thông qua khả năng bd mạnh mẽ, mở rộng thị trường và sau đó phân tán dần các nhà cung cấp sức mạnh tính toán tập trung sang các công ty nhỏ hơn với chi phí thấp hơn, và cuối cùng chuyển các nút sức mạnh tính toán trải rộng trên một khu vực rộng. Đây là ý tưởng về sự phân chia và chinh phục của chainml.

Từ góc độ bố cục bên cầu, ChainML đã xây dựng MVP của giao thức cơ sở hạ tầng tập trung và ý tưởng thiết kế có thể mang theo được. Và chúng tôi đã vận hành hệ thống này với khách hàng từ tháng 2 năm nay và bắt đầu sử dụng nó trong môi trường sản xuất vào tháng 4 năm nay. Hiện đang chạy trên Google Cloud, nhưng dựa trên Kubernetes và các công nghệ nguồn mở khác, nó có thể dễ dàng di chuyển sang các môi trường khác (AWS, Azure, Coreweave, v.v.). Trong tương lai, giao thức này sẽ dần dần được phân cấp, phân tán thành các đám mây thích hợp và cuối cùng là các công cụ khai thác cung cấp sức mạnh tính toán.

Thị trường 2.2 AI: Có nhiều chỗ cho trí tưởng tượng hơn

Lĩnh vực này được gọi là điểm đánh dấu AI, điều này phần nào hạn chế trí tưởng tượng. Nói đúng ra, một “thị trường AI” thực sự giàu trí tưởng tượng phải là một nền tảng trung gian tài trợ cho toàn bộ chuỗi mô hình, bao gồm mọi thứ từ sức mạnh tính toán và dữ liệu cơ bản cho đến chính mô hình đó và các ứng dụng liên quan. Như đã đề cập trước đó, mâu thuẫn chính trong những ngày đầu của sức mạnh tính toán phi tập trung là làm thế nào để tạo ra nhu cầu và một thị trường khép kín tài trợ cho toàn bộ chuỗi AI có cơ hội tạo ra nhu cầu đó.

Nó đi một cái gì đó như thế này:

Thị trường AI được hỗ trợ bởi web3 dựa trên sức mạnh tính toán và dữ liệu, thu hút các nhà phát triển xây dựng hoặc tinh chỉnh các mô hình thông qua dữ liệu có giá trị hơn, sau đó phát triển các ứng dụng dựa trên mô hình tương ứng, các ứng dụng và mô hình này được phát triển và sử dụng cùng một lúc. Tạo ra nhu cầu về sức mạnh tính toán. Được khuyến khích bởi mã thông báo và cộng đồng, các nhiệm vụ thu thập dữ liệu thời gian thực dựa trên tiền thưởng hoặc các ưu đãi bình thường hóa cho việc đóng góp dữ liệu có cơ hội mở rộng và mở rộng các lợi thế độc nhất của lớp dữ liệu trên thị trường này. Đồng thời, sự phổ biến của các ứng dụng cũng trả về nhiều dữ liệu có giá trị hơn cho lớp dữ liệu.

Cộng đồng

Ngoài giá trị mà các token đã đề cập trước đó mang lại, cộng đồng chắc chắn là một trong những lợi ích lớn nhất mà web3 mang lại và là động lực cốt lõi cho sự phát triển của nền tảng. Sự hỗ trợ của cộng đồng và mã thông báo mang lại cho chất lượng của những người đóng góp và nội dung đóng góp có cơ hội vượt qua các tổ chức tập trung. Ví dụ, đạt được sự đa dạng về dữ liệu là một lợi thế của loại nền tảng này, điều này rất quan trọng để xây dựng AI chính xác và không thiên vị Đồng thời, nó cũng là điểm nghẽn của hướng dữ liệu hiện tại.

Tôi nghĩ cốt lõi của toàn bộ nền tảng nằm ở mô hình. Chúng tôi đã sớm nhận ra rằng sự thành công của thị trường AI phụ thuộc vào việc có các mô hình chất lượng cao hay không và các nhà phát triển có những ưu đãi gì để cung cấp các mô hình trên nền tảng phi tập trung? Nhưng chúng ta dường như cũng quên nghĩ đến một vấn đề, đó là cơ sở hạ tầng chưa mạnh bằng nền tảng truyền thống, cộng đồng nhà phát triển chưa trưởng thành như nền tảng truyền thống và danh tiếng cũng không có lợi thế đi đầu so với nền tảng truyền thống. các nền tảng AI truyền thống, chúng có cơ sở người dùng khổng lồ và các dự án Cơ sở hạ tầng và web3 trưởng thành chỉ có thể vượt qua ở các góc cạnh.

Câu trả lời có thể nằm ở khả năng tài chính hóa các mô hình AI**

• Các mô hình có thể được coi là một loại hàng hóa. Việc coi các mô hình AI là tài sản có thể đầu tư có thể là một sự đổi mới thú vị trong Web3 và các thị trường phi tập trung. Loại thị trường này cho phép người dùng trực tiếp tham gia và hưởng lợi từ quá trình tạo ra giá trị của các mô hình AI. Cơ chế này cũng khuyến khích việc theo đuổi các mô hình chất lượng cao hơn và đóng góp của cộng đồng, bởi lợi ích của người dùng liên quan trực tiếp đến hiệu quả hoạt động và ứng dụng của mô hình;
• Người dùng có thể đầu tư bằng cách cầm cố các mô hình. Việc đưa ra cơ chế chia sẻ doanh thu một mặt khuyến khích người dùng lựa chọn và hỗ trợ các mô hình tiềm năng, đồng thời mang lại động lực kinh tế cho các nhà phát triển mô hình để tạo ra các mô hình tốt hơn. Mặt khác, đối với người đặt cược, tiêu chí trực quan nhất để đánh giá các mô hình (đặc biệt là các mô hình tạo hình ảnh) là tiến hành nhiều phép đo thực tế, điều này đặt ra nhu cầu về sức mạnh tính toán phi tập trung của nền tảng, cũng có thể là một trong những giải pháp được đề cập trước đó. là “Ai muốn sử dụng sức mạnh tính toán kém hiệu quả hơn và không ổn định hơn?”

**2.3 Onchain AI: OPML vượt qua các góc cua? **

ZKML: Cả cung và cầu đều gặp khó khăn

Điều chắc chắn là AI trên chuỗi phải là một hướng đi đầy trí tưởng tượng và đáng được nghiên cứu chuyên sâu. Những đột phá về AI trên chuỗi có thể mang lại giá trị chưa từng có cho web3. Nhưng đồng thời, ngưỡng học thuật cực cao của ZKML và các yêu cầu về cơ sở hạ tầng cơ bản thực sự không phù hợp với hầu hết các công ty khởi nghiệp. Hầu hết các dự án không nhất thiết cần sự hỗ trợ của LLM không đáng tin cậy để đạt được những đột phá về giá trị của chính chúng.

Nhưng không phải tất cả các mô hình AI đều cần được chuyển sang chuỗi để sử dụng ZK nhằm tạo ra sự tin cậy, giống như hầu hết mọi người không quan tâm đến cách chatbot suy luận truy vấn và đưa ra kết quả, họ cũng không quan tâm liệu khuếch tán ổn định được sử dụng có phải là một phiên bản nhất định của kiến trúc mô hình hoặc cài đặt tham số cụ thể. Trong hầu hết các trường hợp, hầu hết người dùng đều tập trung vào việc liệu mô hình có thể mang lại kết quả đầu ra thỏa đáng hay không hơn là liệu quá trình suy luận có đáng tin cậy hay minh bạch hay không.

Nếu việc chứng minh không mang lại chi phí lý luận cao hơn gấp trăm lần hoặc cao hơn, có thể ZKML vẫn có đủ sức mạnh để chiến đấu, nhưng trước chi phí lý luận trên chuỗi cao và chi phí cao hơn, bất kỳ bên cầu nào cũng có lý do để đặt câu hỏi về sự cần thiết của Onchain AI. tình dục.

Nhìn từ phía cầu

Điều người dùng quan tâm là liệu kết quả mà mô hình đưa ra có hợp lý hay không, miễn là kết quả hợp lý thì sự không tin cậy do ZKML mang lại có thể nói là vô giá trị, bạn chỉ cần tưởng tượng một trong các tình huống:

• Nếu một robot giao dịch dựa trên mạng thần kinh mang lại cho người dùng lợi nhuận gấp trăm lần mỗi chu kỳ, ai sẽ đặt câu hỏi liệu thuật toán này có tập trung hay có thể kiểm chứng được không? *Tương tự, nếu bot giao dịch này bắt đầu gây thiệt hại cho người dùng, nhóm dự án nên suy nghĩ nhiều hơn về cách cải thiện khả năng của mô hình thay vì tốn công sức và vốn để làm cho mô hình có thể kiểm chứng được. Đây là sự mâu thuẫn trong các yêu cầu của ZKML, nói cách khác, tính xác minh của mô hình về cơ bản không giải quyết được những nghi ngờ của mọi người về AI trong nhiều tình huống, điều này có phần mâu thuẫn.

Nhìn từ phía cung

Vẫn còn một chặng đường dài để phát triển bằng chứng có thể hỗ trợ các mô hình dự đoán lớn.Đánh giá từ những nỗ lực hiện tại của các dự án hàng đầu, gần như không thể biết được ngày nào các mô hình lớn sẽ được đưa vào chuỗi.

Tham khảo bài viết trước của chúng tôi về ZKML, về mặt kỹ thuật, mục tiêu của ZKML là chuyển đổi mạng nơ-ron thành mạch ZK. Khó khăn nằm ở:

1. Mạch ZK không hỗ trợ số dấu phẩy động;
2. Mạng lưới thần kinh quy mô lớn rất khó chuyển đổi.

Đánh giá theo tiến độ hiện tại:

1. Thư viện ZKML mới nhất hỗ trợ một số ZKization mạng thần kinh đơn giản và được cho là có thể xâu chuỗi các mô hình hồi quy tuyến tính cơ bản. Nhưng có rất ít bản demo hiện có.
2. Về mặt lý thuyết, nó có thể hỗ trợ tối đa ~**100M tham số, nhưng đây chỉ là lý thuyết. **

Tiến độ phát triển của ZKML chưa đáp ứng được mong đợi. Đánh giá từ tiến độ của phòng thí nghiệm mô-đun dự án hàng đầu hiện nay và quá trình chứng minh của EZKL, một số mô hình đơn giản có thể được chuyển đổi thành mạch ZK để xâu chuỗi mô hình hoặc chứng minh suy luận trên chuỗi. Nhưng điều này còn lâu mới đạt được giá trị của ZKML và dường như không có động lực cốt lõi để vượt qua nút thắt kỹ thuật. Một đường đua thiếu nhu cầu nghiêm trọng về cơ bản không thể thu hút được sự chú ý của cộng đồng học thuật, điều đó có nghĩa là càng nhiều khó tạo ra một POC tốt để thu hút/thỏa mãn nhu cầu còn lại và đây cũng có thể là vòng xoáy tử thần giết chết ZKML.

**OPML: Chuyển tiếp hay kết thúc? **

Sự khác biệt giữa OPML và ZKML là ZKML chứng minh quy trình lý luận hoàn chỉnh, trong khi OPML thực hiện lại một phần quy trình lý luận khi lý luận bị thách thức. Rõ ràng, vấn đề lớn nhất mà OPML giải quyết được là chi phí/chi phí chung quá cao, đây là một sự tối ưu hóa rất thực tế.

Với tư cách là người sáng lập OPML, nhóm HyperOracle đã đưa ra kiến trúc và quy trình nâng cao từ opML một pha đến nhiều pha trong “opML là tất cả những gì bạn cần: Chạy mô hình 13B ML trong Ethereum”:

• Xây dựng một máy ảo để thực thi ngoài chuỗi và xác minh trên chuỗi để đảm bảo tính tương đương giữa VM ngoại tuyến và VM được triển khai trong hợp đồng thông minh trên chuỗi.
• Để đảm bảo hiệu quả suy luận của mô hình AI trong VM, một thư viện DNN nhẹ được thiết kế đặc biệt đã được triển khai (không dựa trên các framework machine learning phổ biến như Tensorflow hay PyTorch), đồng thời, nhóm cũng cung cấp một thư viện có thể kết hợp các mô hình Tensorflow và PyTorch. Tập lệnh được chuyển đổi sang thư viện nhẹ này.
• Biên dịch mã suy luận mô hình AI thành hướng dẫn chương trình VM thông qua biên dịch chéo.
• Hình ảnh VM được quản lý thông qua cây Merkle. Chỉ gốc Merkle đại diện cho trạng thái VM mới được tải lên hợp đồng thông minh trên chuỗi.

Nhưng rõ ràng thiết kế này có một lỗ hổng lớn, đó là mọi tính toán phải được thực hiện bên trong máy ảo, điều này cản trở việc sử dụng khả năng tăng tốc GPU/TPU và xử lý song song, hạn chế hiệu quả. Do đó, opML nhiều pha được giới thiệu.

• Chỉ trong giai đoạn cuối, việc tính toán mới được thực hiện trong VM.
• Trong các giai đoạn khác, việc tính toán chuyển đổi trạng thái diễn ra trong môi trường nguyên bản, do đó tận dụng khả năng của CPU, GPU và TPU, đồng thời hỗ trợ xử lý song song. Cách tiếp cận này làm giảm sự phụ thuộc vào VM, cải thiện đáng kể hiệu suất thực thi và đạt đến mức tương đương với môi trường gốc.

Tham khảo: __Ui5I9gFOy7-da_jI1lgEqtnzSIKcwuBIrk-6YM0Y

HÃY HÃY THỰC SỰ

Một số người tin rằng OPML là một quá trình chuyển đổi trước khi hiện thực hóa ZKML toàn diện, nhưng sẽ thực tế hơn khi coi nó như một sự đánh đổi của Onchain AI dựa trên cơ cấu chi phí và kỳ vọng triển khai. ít nhất thì tôi cũng có thái độ bi quan đối với điều này. Sau đó, sự cường điệu của Onchain AI cuối cùng sẽ phải đối mặt với việc triển khai và chi phí thực tế nhất. Khi đó OPML có thể là cách thực hành tốt nhất của Onchain AI. Giống như hệ sinh thái của OP và ZK chưa bao giờ có thể thay thế được mối quan hệ. .

Mặc dù vậy, đừng quên rằng những thiếu sót của các yêu cầu trước đó vẫn còn tồn tại. Việc tối ưu hóa dựa trên chi phí và hiệu quả của OPML không giải quyết được cơ bản “Vì người dùng quan tâm nhiều hơn đến tính hợp lý của kết quả, tại sao AI phải được chuyển sang dây chuyền để tạo ra nó.” không đáng tin cậy?" Các vấn đề hoàn toàn trái ngược nhau, tính minh bạch, quyền sở hữu và sự không tin cậy. Những buff này quả thực rất hào nhoáng khi kết hợp với nhau, nhưng liệu người dùng có thực sự quan tâm? Ngược lại, giá trị phải được phản ánh ở khả năng suy luận của mô hình.

Tôi nghĩ việc tối ưu hóa chi phí này về mặt kỹ thuật là một nỗ lực sáng tạo và chắc chắn, nhưng xét về mặt giá trị thì nó giống một vòng xoay tồi tệ hơn;

Có thể bản thân đường đua Onchain AI chỉ là tìm kiếm những chiếc đinh bằng búa, nhưng điều đó đúng. Sự phát triển của một ngành công nghiệp ban đầu đòi hỏi phải liên tục khám phá những sự kết hợp sáng tạo của các công nghệ đa lĩnh vực và tìm ra sự phù hợp nhất thông qua hoạt động liên tục. chưa bao giờ là sự va chạm và thử nghiệm công nghệ mà là sự chạy theo xu hướng mù quáng, thiếu tư duy độc lập.

Lớp ứng dụng 2.4: 99% Quái vật Stitch

Tôi phải nói rằng những nỗ lực của AI đối với lớp ứng dụng web3 quả thực đang lần lượt xuất hiện. Có vẻ như mọi người đều là FOMO, nhưng 99% tích hợp chỉ nên ở mức tích hợp. Không cần phải dựa vào khả năng lập bản đồ lý luận của gpt giá trị của bản thân dự án.

Từ góc độ lớp ứng dụng, có khoảng hai cách:

1. Sử dụng sức mạnh của AI để cải thiện trải nghiệm người dùng và nâng cao hiệu quả phát triển: Trong trường hợp này, AI sẽ không phải là điểm nhấn cốt lõi, mà thường là một nhân viên hậu trường đóng góp âm thầm, thậm chí thờ ơ với người dùng; ví dụ như web3 Đội ngũ của Game HIM rất thông minh trong việc kết hợp giữa nội dung trò chơi, AI và tiền điện tử, họ đã nắm bắt được những điểm có tính tương thích cao và có thể tạo ra nhiều giá trị nhất, một mặt họ sử dụng AI làm công cụ hỗ trợ. công cụ giá trị sản xuất để nâng cao hiệu quả và chất lượng phát triển. Mặt khác, Cải thiện trải nghiệm chơi trò chơi của người dùng thông qua khả năng suy luận của AI. AI và tiền điện tử mang lại giá trị rất quan trọng, nhưng về cơ bản chúng vẫn sử dụng các phương tiện công nghệ công cụ. Lợi thế thực sự và cốt lõi của dự án vẫn là khả năng phát triển trò chơi của nhóm.
2. Kết hợp với thị trường AI để trở thành một phần quan trọng hướng đến người dùng trong toàn bộ hệ sinh thái.

3. Cuối cùng…

Nếu có điều gì thực sự cần nhấn mạnh hoặc tóm tắt: AI vẫn là một trong những hướng đáng được quan tâm nhất và có cơ hội lớn nhất trong web3, và logic chung này chắc chắn sẽ không thay đổi;

Nhưng tôi nghĩ điều đáng được chú ý nhất là lối chơi của thị trường AI. Về cơ bản, thiết kế của nền tảng hoặc cơ sở hạ tầng này phù hợp với nhu cầu tạo ra giá trị và thỏa mãn lợi ích của tất cả các bên. Từ góc độ vĩ mô, nó tạo ra những sản phẩm vượt ra ngoài mô hình hay sức mạnh tính toán của chính nó, đủ hấp dẫn để có cách nắm bắt giá trị độc đáo trên web3, đồng thời cho phép người dùng trực tiếp tham gia vào làn sóng AI một cách độc đáo.

Có lẽ trong ba tháng nữa tôi sẽ lật ngược được suy nghĩ hiện tại của mình, vì vậy:

Trên đây chỉ là những quan điểm rất thực tế của tôi về con đường này và chúng thực sự không cấu thành bất kỳ lời khuyên đầu tư nào!

Tham khảo

opML là tất cả những gì bạn cần: Chạy mô hình 13B ML trong Ethereum: __Ui5I9gFOy7-da_jI1lgEqtnzSIKcwuBIrk-6YM0Y