Tư duy và khám phá mới nhất về các bản nhạc AI + Crypto

Tác giả: Ian@Foresight Ventures

Tl; Tiến sĩ

Sau nhiều tháng đi sâu vào lĩnh vực kết hợp AI và Tài sản tiền điện tử, sự hiểu biết về hướng này sâu sắc hơn. Bài viết này đưa ra một phân tích so sánh về các quan điểm ban đầu và hướng hiện tại của đường đua, và những người quen thuộc với đường đua có thể bắt đầu từ phần thứ hai. **

• DecentralizationComputing Power Network: Đối mặt với những thách thức của nhu cầu thị trường, mục đích cuối cùng của Decentralization 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 bản thân Computing Power, chứ không phải là một thay đổi lật đổ và trọng tâm là tìm cách kết hợp với nhu cầu của người dùng, thay vì mù quáng sử dụng mạng DecentralizationComputing Power như một sự bổ sung cho việc thiếu Sức mạnh tính toán tập trung.
• Thị trường AI: Thảo luận về ý tưởng về một thị trường AI tài chính hóa liên kết đầy đủ, nơi thảo luận về giá trị và giá trị quan trọng do cộng đồng và mã thông báo mang lại. Một thị trường như vậy không chỉ tập trung vào Sức mạnh tính toán và dữ liệu cơ bản, mà còn tập trung vào chính mô hình và các ứng dụng liên quan. Tài chính hóa mô hình là yếu tố cốt lõi của thị trường AI, một mặt, nó thu hút người dùng tham gia trực tiếp vào quá trình tạo ra giá trị của các mô hình AI, mặt khác, nó tạo ra nhu cầu về Sức mạnh tính toán và dữ liệu cơ bản.
• Onchain AI, ZKML phải đối mặt với những thách thức kép về cung và cầu, trong khi OPML cung cấp một giải pháp cân bằng hơn giữa chi phí và hiệu quả. Mặc dù OPML là một sự đổi mới công nghệ, nhưng nó không nhất thiết phải giải quyết thách thức cơ bản mà AI trên chuỗi phải đối mặt, đó là không có nhu cầu.
• Lớp ứng dụng, hầu hết các dự án ứng dụng AI web3 đều quá ngây thơ, ứng dụng AI hợp lý hơn để nâng cao trải nghiệm người dùng và nâng cao hiệu quả phát triển, hoặc là một phần quan trọng của thị trường AI.

Đầu tiên, đánh giá theo dõi AI

Trong vài tháng qua, tôi đã thực hiện nghiên cứu chuyên sâu về chủ đề AI + tiền điện tử và sau vài tháng mưa, tôi rất vui vì tôi đã hiểu rõ hơn về hướng của một số bản nhạc ở giai đoạn tương đối sớm, nhưng tôi cũng có thể thấy rằng có một số ý kiến có vẻ không chính xác bây giờ.

**Bài viết này chỉ nói về ý kiến, không phải giới thiệu, **Nó sẽ bao gồm một số hướng chung về AI trong web3 và hiển thị quan điểm và phân tích của tôi về ca khúc trước đây và bây giờ. Các quan điểm khác nhau có thể có những cảm hứng khác nhau, có thể được xem xét một cách biện chứng.

Trước tiên, chúng ta hãy xem xét các hướng chính của AI + tiền điện tử được thiết lập trong nửa đầu năm:

**1.1 Sức mạnh tính toán phân tán **

Trong “A Rational Look at DecentralizationComputing Power Network”, dựa trên logic rằng Computing Power sẽ trở thành tài nguyên quý giá nhất trong tương lai, giá trị mà tiền điện tử có thể mang lại cho mạng Computing Power được phân tích.

Mặc dù Decentralization Distributed Computing Power Network có nhu cầu lớn nhất về đào tạo mô hình lớn AI, nhưng nó cũng phải đối mặt với những thách thức lớn nhất và tắc nghẽn kỹ thuật. Điều này bao gồm nhu cầu đồng bộ hóa dữ liệu phức tạp và các vấn đề tối ưu hóa mạng. Ngoài ra, quyền riêng tư và bảo mật dữ liệu cũng là những hạn chế quan trọng. Mặc dù có một số công nghệ hiện có có thể cung cấp các giải pháp ban đầu, nhưng chúng vẫn không được áp dụng trong các nhiệm vụ đào tạo phân tán quy mô lớn do chi phí tính toán và truyền thông rất lớn. Rõ ràng, Mạng lưới điện toán phân tán phi tập trung có nhiều cơ hội hơn để suy luận mô hình và không gian gia tăng có thể dự đoán tương lai cũng đủ lớn. Tuy nhiên, nó cũng phải đối mặt với những thách thức như sự chậm trễ trong giao tiếp, quyền riêng tư dữ liệu và bảo mật mô hình. So với đào tạo mô hình, suy luận có độ phức tạp tính toán và tương tác dữ liệu thấp hơn và phù hợp hơn để tiến hành trong môi trường phân tán.

1.2 Thị trường AI phi tập trung

Trong “Nỗ lực tốt nhất để phân cấp thị trường AI”, 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, sử dụng giá trị gia tăng của phân phối, Xác nhận vốn chủ sở hữu tài sản, phân phối doanh thu và Phân cấpSức mạnh tính toán để giảm ngưỡng ứng dụng AI, khuyến khích các nhà phát triển tải lên và chia sẻ mô hình và bảo vệ quyền riêng tư dữ liệu của người dùng, để xây dựng nền tảng chia sẻ và giao dịch tài nguyên AI thân thiện với nhà phát triển đáp ứng nhu cầu của người dùng.

Ý tưởng vào thời điểm đó (và có lẽ không hoàn toàn chính xác bây giờ) là các thị trường AI dựa trên dữ liệu có nhiều tiềm năng hơn. Thị trường của mô hình chết cần sự hỗ trợ của một số lượng lớn các mô hình chất lượng cao, nhưng nền tảng ban đầu thiếu cơ sở người dùng và tài nguyên chất lượng cao, điều này gây khó khăn cho việc thu hút các mô hình chất lượng cao do không đủ ưu đãi cho các nhà cung cấp mô hình xuất sắc; trong khi thị trường dựa trên dữ liệu có thể tích lũy một lượng lớn dữ liệu và tài nguyên có giá trị, đặc biệt là dữ liệu miền riêng, thông qua phân cấp, thu thập phân tán, thiết kế lớp khuyến khích và đảm bảo quyền sở hữu dữ liệu.

Thành công của thị trường AI phi tập trung phụ thuộc vào sự tích lũy tài nguyên người dùng và hiệu ứng mạng mạnh mẽ, nơi người dùng và nhà phát triển có thể nhận được nhiều giá trị hơn từ thị trường hơn là họ có thể nhận được bên ngoài thị trường. Trong những ngày 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 chuyển sang thu hút và giữ chân nhiều người dùng cuối hơn sau khi thiết lập một thư viện các mô hình chất lượng cao và rào cản dữ liệu.

1.3 ZKML

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

Không phải hy sinh sự phi tập trung và không tin cậy, onchain AI có cơ hội dẫn dắt thế giới web3 lên “cấp độ tiếp theo”. Web3 hiện tại giống như giai đoạn đầu của Web2 và nó vẫn chưa có khả năng được áp dụng rộng rãi hơn hoặc tạo ra giá trị lớn hơn. onchain AI được thiết kế để cung cấp một giải pháp minh bạch và không tin cậy.

1.4 Ứng dụng AI

Trong “AI + Crypto bắt đầu nói về Web3 Women’s Game-HIM”, kết hợp với dự án danh mục đầu tư “HIM”, giá trị của các mô hình lớn trong các ứng dụng web3 được phân tích. Ngoài lõi cứng từ cơ sở hạ tầng đến thuật toán, sự phát triển của các LLM không tin cậy trên chuỗi, một hướng khác là pha loãng tác động của hộp đen trong quá trình suy luận trong sản phẩm và tìm ra một kịch bản phù hợp để thực hiện khả năng suy luận mạnh mẽ của mô hình lớn.

Thứ hai, phân tích theo dõi AI hiện tại

2.1 Mạng lưới điện toán: Có rất nhiều chỗ cho trí tưởng tượng nhưng ngưỡng cao

Logic lớn của mạng Computing Power vẫn giữ nguyên, nhưng nó vẫn phải đối mặt với thách thức về nhu cầu thị trường, ai cần một giải pháp với hiệu quả và độ ổn định thấp hơn? Do đó, tôi nghĩ cần tìm ra những điểm sau:

Phân quyền để làm gì?

Nếu bạn hỏi một người sáng lập mạng DecentralizationComputing Power ngay bây giờ, anh ta sẽ nói với bạn rằng mạng Computing Power của chúng tôi có thể tăng cường bảo mật và chống lại các cuộc tấn công, tăng tính minh bạch và tin cậy, tối ưu hóa việc sử dụng tài nguyên, bảo mật dữ liệu và kiểm soát người dùng tốt hơn, chống kiểm duyệt và can thiệp…

Đây là lẽ thường và bất kỳ dự án web3 nào cũng có thể tham gia vào việc chống kiểm duyệt, không tin cậy, quyền riêng tư, v.v., nhưng quan điểm của tôi là không có vấn đề nào trong số này. Mạng lưới điện toán phi tập trung về cơ bản không giải quyết được vấn đề riêng tư và có nhiều mâu thuẫn như bảo mật. Do đó: mục đích cuối cùng của Phân cấp mạng Computing Power phải là để có chi phí thấp hơn. Mức độ Phân quyền càng cao, chi phí sử dụng Sức mạnh tính toán càng thấp.

Vì vậy, về cơ bản, “sử dụng Sức mạnh tính toán nhàn rỗi” là một câu chuyện dài hạn hơn và liệu mạng DecentralizationComputing Power có thể được thực hiện hay không phụ thuộc phần lớn vào việc anh ta đã tìm ra những điểm sau hay chưa:

Giá trị được cung cấp bởi Web3

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

Nhưng đồng thời, tôi cũng hy vọng rằng sự “phù hợp” tưởng chừng hợp lý này có thể được nhìn nhận một cách hợp lý, đối với mạng DecentralizationComputing Power, giá trị mà công nghệ Web3 và Blockchain mang lại chỉ là “giá trị gia tăng” từ một góc độ khác, chứ không phải là một sự lật đổ cơ bản, và không thể thay đổi chế độ làm việc cơ bản của toàn bộ mạng và phá vỡ nút thắt kỹ thuật hiện tại.

Nói tóm lại, giá trị của các web3 này là nâng cao sức hấp dẫn của Mạng phi tập trung, nhưng nó sẽ không thay đổi hoàn toàn cấu trúc cốt lõi hoặc mô hình hoạt động của nó và nếu Mạng phi tập trung thực sự chiếm một vị trí trong làn sóng AI, chỉ riêng giá trị của web3 là không đủ. Do đó, như đã đề cập sau này, công nghệ phù hợp sẽ giải quyết đúng vấn đề và lối chơi của mạng DecentralizationComputing Power không chỉ đơn giản là giải quyết vấn đề thiếu Sức mạnh tính toán AI, mà là cung cấp cho đường đua không hoạt động từ lâu này một cách chơi và suy nghĩ mới.

Nó có thể giống như khai thác pow hoặc khai thác lưu trữ, 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 kiếm được Token dưới dạng thù lao bằng cách đóng góp tài nguyên máy tính của riêng họ. Sự 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 mạng hơn. Nó cũng có thể dựa trên web3 để tạo ra một thị trường tiêu thụ sức mạnh tính toán và mở ra một điểm cầu có thể chấp nhận sức mạnh tính toán không ổn định và chậm hơn bằng cách tài trợ hóa sức mạnh tính toán ngược dòng (chẳng hạn như các mô hình).

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

** Khả năng cạnh tranh cốt lõi của mạng DecentralizationComputing Power là giá cả **

Nếu chúng ta phải thảo luận về DecentralizationComputing Power về giá trị thực tế, thì không gian tưởng tượng lớn nhất do web3 mang lại là chi phí Sức mạnh tính toán có cơ hội được nén thêm.

Phân cấp của Computing PowerNode càng cao, giá trên mỗi đơn vị Sức mạnh tính toán càng thấp. Nó có thể được suy ra từ các hướng sau:

1. Việc giới thiệu mã thông báo, thanh toán cho các nhà cung cấp NodeComputing Power từ tiền mặt đến Mã thông báo gốc của giao thức, về cơ bản làm giảm chi phí hoạt động;
2. Quyền 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 có thể sử dụng tài nguyên phần cứng hiện có để tham gia mạng, nguồn cung cấp sức mạnh tính toán tăng lên và giá cung cấp sức mạnh tính toán trên thị trường giảm. Theo mô hình tự chủ và quản lý cộng đồng.
3. Thị trường Điện toán mở được tạo ra bởi giao thức sẽ làm giảm trò chơi giá của các nhà cung cấp Sức mạnh tính toán, do 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. Trong ngắn hạn, chainml sẽ triển khai Hội đồng khung proxy AI nguồn mở, điều này sẽ mang lại sự tăng trưởng nhu cầu cho Mạng điện toán phi tập trung thông qua nỗ lực của Hội đồng (một chatbot có thể được tích hợp vào các ứng dụng khác nhau). 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 Computing Power.

Tôi nghĩ rằng việc lập kế hoạch đường dẫn kỹ thuật của ChainML là rất hợp lý và họ suy nghĩ rất rõ ràng về các vấn đề đã đề cập trước đó, mục đích của DecentralizationComputing Power không phải là cung cấp đủ Nguồn điện tính toán cho ngành công nghiệp AI ngang bằng với Sức mạnh tính toán tập trung, mà là giảm dần chi phí để cho phép người có nhu cầu phù hợp chấp nhận nguồn Sức mạnh tính toán chất lượng thấp hơn này. Do đó, từ Computing Power DecentralizationComputing PowerNode quan điểm của con đường sản phẩm, nó nên bắt đầu từ cách tập trung, chạy liên kết sản phẩm trong giai đoạn đầu và bắt đầu tích lũy khách hàng thông qua khả năng BD mạnh mẽ, mở rộng và dựa trên thị trường, sau đó dần dần phân tán các nhà cung cấp Sức mạnh tính toán tập trung cho các công ty nhỏ hơn với chi phí cao hơn, và cuối cùng triển khai PowerNode tính toán trên quy mô lớn. Đây là ý tưởng của chuỗi phân chia và chinh phục.

Từ góc độ bố trí của phía cầu, ChainML đã xây dựng MVP của một giao thức cơ sở hạ tầng tập trung và khái niệm thiết kế là di động. Chúng tôi đã chạy hệ thống với khách hàng từ tháng Hai năm nay và đã sử dụng nó trong sản xuất từ tháng Tư năm nay. Hiện đang chạy trên Google Cloud, nhưng dựa trên Kubernetes và các công nghệ Mã nguồn mở khác, thật dễ dàng để chuyển sang các môi trường khác (AWS, Azure, Coreweave, v.v.). Phân cấp giao thức sẽ theo sau, phân cấp cho các đám mây thích hợp và cuối cùng là các thợ đào cung cấp sức mạnh tính toán.

**2.2 Thị trường AI: Nhiều chỗ hơn cho trí tưởng tượng **

Khu vực này được gọi là điểm đánh dấu AI, phần nào hạn chế không gian tưởng tượng. Nói một cách chính xác, một “thị trường AI” với không gian tưởng tượng thực sự phải là một nền tảng trung gian tài chính hóa toàn bộ liên kết của mô hình, bao gồm từ Sức mạnh tính toán và dữ liệu cơ bản đến chính mô hình và các ứng dụng liên quan. Như đã đề cập trước đó, DecentralizationComputing Power, mâu thuẫn chính trong giai đoạn đầu là làm thế nào để tạo ra nhu cầu và một thị trường khép kín tài chính hóa toàn bộ liên kết của AI có cơ hội sinh ra loại nhu cầu này.

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, tạo ra nhu cầu về sức mạnh tính toán trong khi phát triển và sử dụng các ứng dụng và mô hình này. Dưới sự khuyến khích của Token và cộng đồng, các nhiệm vụ thu thập dữ liệu thời gian thực dựa trên tiền thưởng hoặc các ưu đãi chuẩn hóa để đóng góp dữ liệu có cơ hội mở rộng và mở rộng những lợi thế độc đáo của lớp dữ liệu trong thị trường này. Đồng thời, sự phổ biến của các ứng dụng cũng trả lại nhiều dữ liệu có giá trị hơn cho lớp dữ liệu.

Comunity

Ngoài giá trị mà 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. Ví dụ, việc đạt được sự đa dạng dữ liệu là một lợi thế của các nền tảng như vậy, điều này rất cần thiết để xây dựng các mô hình AI chính xác và không thiên vị, và cũng là một nút cổ chai theo hướng dữ liệu hiện tại.

Tôi nghĩ rằng cốt lõi của toàn bộ nền tảng là mô hình và chúng tôi đã sớm nhận ra rằng sự thành công của thị trường AI phụ thuộc vào sự tồn tại của các mô hình chất lượng cao và các nhà phát triển có động lực gì để cung cấp các mô hình trên nền tảng phi tập trung? Nhưng dường như chúng ta cũng đã quên suy nghĩ về một vấn đề, cơ sở hạ tầng chính tả không khó như các nền tảng truyền thống, cộng đồng nhà phát triển chính tả không trưởng thành như các nền tảng truyền thống và danh tiếng chính tả không có lợi thế đầu tiên của các nền tảng truyền thống, vì vậy so với cơ sở người dùng khổng lồ và cơ sở hạ tầng trưởng thành của các nền tảng AI truyền thống, các dự án web3 chỉ có thể vượt qua ở các góc.

Câu trả lời có thể nằm ở ** Tài chính hóa mô hình AI **

• Các mô hình có thể được coi là hàng hóa và coi các mô hình AI là tài sản có thể đầu tư có thể là một sự đổi mới thú vị trong thị trường Web3 và Phi tập trung. 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 theo đuổi các mô hình chất lượng cao hơn và đóng góp cho cộng đồng, vì lợi ích của người dùng liên quan trực tiếp đến hiệu suất và ứng dụng của mô hình;
• Người dùng có thể đầu tư bằng cách đặt cọc mô hình và cơ chế chia sẻ doanh thu được giới thiệu để thúc đẩy người dùng một mặt lựa chọn và hỗ trợ các mô hình tiềm năng, cung cấp các ưu đãi kinh tế cho các nhà phát triển mô hình để tạo ra các mô hình tốt hơn. Mặt khác, tiêu chí trực quan nhất để người đặt cọc đánh giá một mô hình (đặc biệt là đối với các mô hình tạo hình ảnh) là tiến hành nhiều phép đo, điều này cung cấp nhu cầu về Sức mạnh tính toán phi tập trung của nền tảng, đây cũng có thể là một trong những cách thoát khỏi đề cập trước đó “ai muốn sử dụng Sức mạnh tính toán kém hiệu quả hơn và không ổn định hơn?”

2.3 Onchain AI: OPML vượt góc cua?

**ZKML: Cung và cầu đều kết thúc sấm sét **

Điều chắc chắn là AI on-chain phải là một hướng đi đầy trí tưởng tượng và xứng đáng để nghiên cứu chuyên sâu. Những đột phá trong AI on-chain có thể mang lại giá trị chưa từng có cho web3. Nhưng đồng thời, ngưỡng học thuật cực kỳ cao của ZKML và các yêu cầu đối với 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 phải kết hợp sự hỗ trợ của các LLM không tin cậy để đạt được bước đột phá về giá trị của chính chúng.

Tuy nhiên, không phải tất cả các mô hình AI đều cần được di chuyển trên chuỗi để sử dụng ZK không đáng tin cậy, giống như hầu hết mọi người không quan tâm đến cách chatbot suy luận về các truy vấn và đưa ra kết quả và họ không quan tâm liệu sự khuếch tán ổn định được sử dụng có phải là một phiên bản nhất định của kiến trúc mô hình hay cài đặt tham số cụ thể hay không. Trong hầu hết các tình huống, hầu hết người dùng tập trung vào việc liệu mô hình có thể đưa ra kết quả thỏa đáng hay không, thay vì liệu quá trình suy luận là không đáng tin cậy hay minh bạch.

Nếu việc chứng minh không mang lại chi phí suy luận gấp trăm lần hoặc cao hơn, có lẽ ZKML vẫn có sức mạnh để chiến đấu, nhưng khi đối mặt với chi phí suy luận trên chuỗi cao và chi phí cao hơn, bất kỳ người yêu cầu nào cũng có lý do để đặt câu hỏi về sự cần thiết của AI Onchain.

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, sự không tin tưởng do ZKML mang lại có thể nói là vô giá trị.

• Nếu một bot giao dịch dựa trên mạng nơ-ron mang lại lợi nhuận gấp trăm lần cho người dùng mỗi chu kỳ, ai sẽ đặt câu hỏi liệu Thuật toán là tập trung hay có thể kiểm chứng được?
• Tương tự, nếu bot giao dịch bắt đầu mất tiền cho người dùng, thì nhóm dự án nên suy nghĩ nhiều hơn về cách cải thiện khả năng của mô hình thay vì dành năng lượng và vốn để làm cho mô hình có thể kiểm chứng được. Đây là mâu thuẫn trong các yêu cầu của ZKML, nói cách khác, khả năng xác minh của mô hình không giải quyết cơ bản những nghi ngờ của mọi người về AI trong nhiều tình huống, điều này hơi mâu thuẫn.

Từ phía cung

Có một chặng đường dài để phát triển một mô hình chứng minh đủ để hỗ trợ mô hình oracle lớn, và đánh giá từ những nỗ lực hiện tại của dự án đầu, gần như không thể nhìn thấy ngày mà mô hình lớn sẽ được đưa vào chuỗi.

Đề cập đến bài viết trước của chúng tôi về ZKML, từ quan điểm kỹ thuật, mục tiêu của ZKML là chuyển đổi mạng thần kinh thành mạch ZK và những khó khăn là:

1. Mạch ZK không hỗ trợ số dấu phẩy động;
2. Mạng nơ-ron quy mô lớn rất khó chuyển đổi.

Từ tiến độ hiện tại:

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

Tiến độ phát triển ** của ZKML đã không đáp ứng được mong đợi **, đánh giá từ tiến độ hiện tại của phòng thí nghiệm mô đun dự án đầu theo dõi và bằng chứng chứng minh do EZKL phát hành, một số mô hình đơn giản có thể được chuyển đổi thành mạch ZK để thực hiện mô hình trên chuỗi hoặc bằng chứng suy luận trên chuỗi. Nhưng điều này khác xa với giá trị của ZKML không phải là sự kiện gần, và nút thắt cổ chai của công nghệ dường như không có động lực cốt lõi để vượt qua, một đường đua thiếu nhu cầu nghiêm trọng về cơ bản không thể thu hút sự chú ý của cộng đồng học thuật, điều đó có nghĩa là khó khăn hơn để tạo ra poc xuất sắc để thu hút / đáp ứng nhu cầu còn lại, đây cũng có thể là vòng xoáy tử thần giết chết ZKML.

OPML: Chuyển tiếp hay Endgame?

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

Là người tiên phong của OPML, nhóm HyperOracle đã đưa ra kiến trúc và quy trình tiến triển của opML một pha đến đa pha trong “opML là tất cả những gì bạn cần: Chạy mô hình ML 13B trong Ethereum”:

• Xây dựng một máy ảo để thực hiện ngoài chuỗi và xác thực trên chuỗi, đảm bảo sự tương đương giữa các máy ảo ngoại tuyến và máy ảo được triển khai trong các hợp đồng thông minh trên chuỗi.
• Để đảm bảo hiệu quả suy luận của mô hình AI trong máy ảo, một thư viện DNN nhẹ được thiết kế đặc biệt (không phụ thuộc vào các khung học máy phổ biến như Tensorflow hoặc PyTorch) đã được triển khai và nhóm cũng cung cấp một tập lệnh có thể chuyển đổi các mô hình Tensorflow và PyTorch thành thư viện nhẹ này.
• Biên dịch mã suy luận mô hình AI thành các 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, sẽ được tải lên Hợp đồng thông minh trên chuỗi.

Tuy nhiên, rõ ràng một lỗ hổng quan trọng trong thiết kế này là tất cả các tính toán phải được thực hiện trong một máy ảo, điều này ngăn cản việc sử dụng tăng tốc GPU / TPU và xử lý song song, hạn chế hiệu quả. Do đó sự ra đời của opML đa pha.

• Chỉ trong giai đoạn cuối, việc tính toán được thực hiện trong máy ảo.
• Trong các giai đoạn khác, việc tính toán chuyển đổi trạng thái diễn ra trong môi trường gốc, tận dụng các khả năng của CPU, GPU, TPU và hỗ trợ xử lý song song. Điều này làm giảm sự phụ thuộc vào máy ảo và cải thiện đáng kể hiệu suất thực thi đến mức tương đương với môi trường gốc.

Tham khảo:

HÃY LÀ THẬT

Có quan điểm cho rằng OPML là một quá trình chuyển đổi trước khi thực hiện ZKML đầy đủ, nhưng thực tế hơn khi nói rằng tốt hơn là coi nó như một loại AI Onchain dựa trên cấu trúc chi phí và kỳ vọng hạ cánh của sự đánh đổi, có lẽ ngày thực hiện đầy đủ ZKML sẽ không bao giờ đến, ít nhất tôi bi quan về điều này, sau đó sự cường điệu của Onchain AI cuối cùng sẽ phải đối mặt với việc hạ cánh và chi phí thực tế nhất, sau đó OPML có thể là Onchain Các thực tiễn tốt nhất của AI, giống như hệ sinh thái của OP và ZK, chưa bao giờ là mối quan hệ thay thế.

Mặc dù, đừng quên, những thiếu sót của các yêu cầu trước đó vẫn còn tồn tại, tối ưu hóa dựa trên chi phí và hiệu quả của OPML về cơ bản không giải quyết được vấn đề “vì người dùng quan tâm nhiều hơn đến tính hợp lý của kết quả, tại sao lại chuyển AI sang chuỗi để tạo ra sự tin cậy”, tính minh bạch, quyền sở hữu và Không tin cậy, những buff này thực sự đầy chuông và còi, nhưng người dùng có thực sự quan tâm không? Ngược lại, hiện thân của giá trị nên nằm ở khả năng suy luận của mô hình.

Tôi nghĩ rằng loại tối ưu hóa chi phí này về mặt kỹ thuật là một nỗ lực sáng tạo và vững chắc, nhưng nó là một vòng tròn khập khiễng về giá trị; **

Có lẽ bản thân đường đua AI Onchain đang cầm búa để tìm đinh, nhưng điều này cũng đúng, sự phát triển của một ngành công nghiệp ban đầu là tiếp tục khám phá sự kết hợp sáng tạo của các công nghệ đa miền và tìm ra điểm phù hợp nhất trong việc chạy liên tục.

**2.4 Lớp ứng dụng: 99% quái vật khâu **

Tôi phải nói rằng những nỗ lực của AI ở lớp ứng dụng web3 thực sự đang diễn ra, như thể mọi người đều là fomo, nhưng 99% tích hợp vẫn tích hợp và không cần phải lập bản đồ giá trị của chính dự án bằng khả năng suy luận của gpt.

Từ lớp ứng dụng, có khoảng hai cách:

Cải thiện trải nghiệm người dùng và hiệu quả phát triển với sự trợ giúp của các khả năng AI: Trong trường hợp này, AI sẽ không phải là điểm nhấn cốt lõi, mà thường xuyên hơn với tư cách là nhân viên hậu trường, hoặc thậm chí thờ ơ với người dùng. Sự kết hợp của crypto muốn rất Satoshi, nắm bắt được điểm phù hợp cao, điểm có giá trị nhất, một mặt là sử dụng AI như một công cụ giá trị sản xuất, nâng cao hiệu quả và chất lượng, mặt khác, thông qua khả năng suy luận của AI để cải thiện trải nghiệm trò chơi của người dùng, AI và crypto mang lại giá trị rất quan trọng, nhưng về cơ bản vẫn sử dụng các phương tiện công cụ hóa, lợi thế thực sự và cốt lõi của dự án vẫn là khả năng phát triển game của đội ngũ

Kết hợp với thị trường AI, nó đã trở thành một phần quan trọng của toàn bộ hệ sinh thái cho người dùng.

Ba, cuối cùng…

Nếu thực sự có bất cứ điều gì cần được nhấn mạnh hoặc tóm tắt: AI vẫn là một trong những bài hát đáng chú ý và hứa hẹn nhất trong web3, logic chung này sẽ không thay đổi;

Nhưng tôi nghĩ đáng chú ý nhất là lối chơi thị trường AI, về cơ bản nền tảng hay thiết kế hạ tầng này phù hợp với nhu cầu tạo ra giá trị và đáp ứng lợi ích của tất cả các bên, về mặt vĩ mô, ngoài ra mô hình hay chính sức mạnh tính toán để tạo ra một cách nắm bắt giá trị web3 độc đáo đủ hấp dẫn, đồng thời, điều này cũng cho phép người dùng trực tiếp tham gia vào làn sóng AI một cách độc đáo.

Có lẽ trong ba tháng nữa tôi sẽ đảo ngược ý tưởng hiện tại của mình một lần nữa, vì vậy:

Trên đây chỉ là ý kiến của tôi về đường đua này là rất thực tế, và nó 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 ML 13B trong Ethereum”: __Ui5I9gFOy7-da_jI1lgEqtnzSIKcwuBIrk-6YM0Y