Được viết bởi: Blue Fox Notes
Chuỗi khối cũng là một trong những xu hướng quan trọng nhất
Kể từ năm nay, AI đã trở nên phổ biến hơn chuỗi khối. Tuy nhiên, thế giới crypto không cần phải nản lòng. Làm thế nào để hiểu được những cơ hội trong tương lai của chuỗi khối? Hãy để tôi nói cho bạn suy nghĩ của tôi trước:
- Chuỗi khối là một trong những xu hướng quan trọng nhất trong lịch sử loài người, sự phát triển từ Internet thông tin web2 đến Internet giá trị web3 cũng là một nhu cầu nâng cao năng suất. Mới chỉ hơn mười năm mà vẫn còn mấy chục năm tiến hóa. Tác động cơ bản của nó hiện là công nghệ lớn thứ hai sau AI.
- Cần có sự tích hợp giữa AI và chuỗi khối, mặc dù tiến độ sẽ không nhanh chóng.
Hôm nay tôi sẽ nói ngắn gọn về điểm thứ hai: nhu cầu tích hợp của AI và chuỗi khối.
Nơi chuỗi khối có thể giúp AI
tính toán
Mọi người đều biết rằng AI có nhu cầu rất lớn về Tỷ lệ băm. Có nhu cầu về cách sử dụng Tỷ lệ băm nhàn rỗi cho Tỷ lệ băm AI. Tuy nhiên, hiện tại, việc đào tạo các mô hình AI có cường độ tính toán rất cao và rất tốn kém. Về mặt điện toán AI nói chung, hiện tại không có nhiều nơi mà chuỗi khối có thể trợ giúp.
Có ba lời chỉ trích chính: thứ nhất, nhu cầu hỗ trợ phần cứng GPU chuyên dụng; thứ hai, độ trễ trao đổi dữ liệu; thứ ba, bằng chứng về các nhiệm vụ tính toán phi tập trung.
- Như đã đề cập ở trên, đào tạo AI là tính toán chuyên sâu quy mô lớn. Các khóa đào tạo LLM này có hàng tỷ tham số và FLOP để đào tạo các mô hình này thậm chí còn lớn hơn. Chỉ có phần cứng chuyên dụng (GPU AI, với các thành phần đặc biệt như Bộ xử lý Tensor, v.v.) mới có thể thực hiện được. ) để thực hiện các khóa đào tạo này để đạt được kết quả tốt hơn, ngoài ra, để đạt được kết quả tốt nhất, tốt nhất tất cả các GPU nên thực hiện các phép tính đẳng cấu. Các GPU cùng cấp có nhiều khả năng trao đổi dữ liệu và tiếp tục tính toán đồng loạt. Trong mạng phi tập trung, điều này yêu cầu GPU của người tham gia. Tuy nhiên, yêu cầu càng cao thì ngưỡng càng cao, điều này không có lợi phi tập trung và sử dụng Tỷ lệ băm nhàn rỗi.
- GPU AI cần liên tục trao đổi dữ liệu. Nếu mạng bị trễ, việc AI sử dụng Tỷ lệ băm phân tán cho việc đào tạo cũng sẽ bất lợi.
- Cách xác minh việc hoàn thành các nhiệm vụ tính toán phi tập trung đòi hỏi một giải pháp tương đối hiệu quả và chi phí thấp.
Tất cả những điều nêu trên là những khó khăn hiện nay trong việc kết hợp điện toán phi tập trung với AI và đây cũng là điểm tương đối khó kết hợp giữa AI và chuỗi khối. Tuy nhiên, từ góc nhìn của Blue Fox Notes, khi càng có nhiều người tham gia khám phá, những trở ngại trong lĩnh vực này sẽ từng bước được giải tỏa, nhưng tất nhiên sẽ phải mất nhiều thời gian mới đạt được.
Hãy nói về những khía cạnh có thể được giải quyết dần dần. Nhìn từ góc độ AI tổng quát, hiện nay rất khó để đột nhập vào lĩnh vực crypto. Sau đó, chúng ta có thể bắt đầu từ lĩnh vực AI trong các lĩnh vực đặc biệt. Điểm vào này cũng liên quan chặt chẽ đến các nhiệm vụ tính toán hiện tại của AI. Có hai lý do: thứ nhất, các nhiệm vụ lý luận chiếm phần lớn các yêu cầu điện toán AI hiện tại; thứ hai, một số nhiệm vụ tinh chỉnh và lý luận có yêu cầu tài nguyên nhỏ hơn và có cơ hội triển khai chúng thông qua điện toán phi tập trung . Hai điểm này thể hiện những cơ hội tiềm năng có thể có đối với Tỷ lệ băm phi tập trung .
AI trong các lĩnh vực cụ thể, chẳng hạn như luật, y học, đầu tư, giáo dục, phân tích dữ liệu và các lĩnh vực chuyên môn khác, có thể phù hợp hơn với loại mạng điện toán phân tán tập trung vào các lĩnh vực cụ thể trong giai đoạn đầu. Như đã đề cập ở trên, khó khăn trong việc cung cấp dịch vụ Tỷ lệ băm phi tập trung cho AI không phải là hoàn thành các nhiệm vụ tính toán mà là làm thế nào để xác minh việc hoàn thành các nhiệm vụ theo cách phi tập trung. Một số dự án hiện đang cố gắng giải quyết vấn đề này, chẳng hạn như Gensyn và cùng nhau.
Gensyn kết hợp một số kết quả nghiên cứu học thuật, chẳng hạn như bằng chứng học tập xác suất, giao thức định vị chính xác dựa trên đồ thị, đồng thời dựa trên các ưu đãi cũng như mô hình kiểm tra và cân bằng của dự án Truebit. Gensyn chia toàn bộ quá trình thành tám giai đoạn, từ gửi nhiệm vụ AI, lập hồ sơ, đào tạo và tạo bằng chứng cho đến bằng chứng xác minh, thách thức, phân xử và giải quyết. Trong số đó, "Bằng chứng học xác suất" được sử dụng để xây dựng ngưỡng khoảng cách cơ sở và cung cấp cơ sở xác minh cho người xác minh; Công nghệ "Định vị chính xác dựa trên đồ thị" được sử dụng để giám sát việc thực hiện xác minh của người xác minh; Mô hình trò chơi của Truebit cho phép các bên liên quan hành động một cách hợp lý. hướng dẫn. Để biết quy trình cụ thể, vui lòng tham khảo Sách trắng của Gensyn. Nhân tiện, các dự án điện toán off-chain như Truebit cũng có thể có cơ hội phát triển theo hướng này và có thể có được nhiều cơ hội việc kinh doanh hơn. Tất nhiên, điều này đòi hỏi đội ngũ phải đánh giá được cơ hội của mình.
So với khó khăn khi phi tập trung, chia sẻ mô hình AI và chia sẻ dữ liệu AI là những lĩnh vực có cơ hội được triển khai nhanh hơn. Hai khía cạnh sau đây có thể là nơi mà sự kết hợp giữa AI và chuỗi khối dễ dàng đạt được những đột phá hơn trong giai đoạn đầu: chia sẻ mô hình phi tập trung và chia sẻ dữ liệu phi tập trung .
Người mẫu
Khuyến khích chia sẻ các mô hình thông qua ưu đãi token để đạt được các mô hình tốt hơn. Những mô hình này thậm chí có thể được triển khai on-chain và được đào tạo bởi bất kỳ người tham gia nào để thúc đẩy phát triển mô hình. Ngoài ra, khi các mô hình AI trở nên phức tạp hơn, tín nhiệm vào lý luận trở nên quan trọng. Đây cũng là lúc lý luận đáng tin cậy on-chain có thể phát huy tác dụng.
Trong lĩnh vực tinh chỉnh và suy luận mô hình, Giza, ChainML, Bittensor, Modulus Lab, v.v. đều đang được khám phá. Giza tung ra thị trường mô hình on-chain triển khai các mô hình đơn giản on-chain và thực hiện suy luận on-chain. Chủ sở hữu mô hình có thể nhận được thu nhập từ phí liên quan sau khi mô hình được sử dụng.
Modulus đề xuất khái niệm zkML. Họ tin rằng do vấn đề chi phí nên việc chạy mô hình suy luận trên on-chain là không thực tế. Do đó, giải pháp của họ là chạy mô hình suy luận off-chain, sau đó tạo bằng chứng zkSNARK, chứng minh điều đó Chuỗi và chuyển các Hợp đồng thông minh thực hiện công việc của chúng.
dữ liệu
Kinh tế token được sử dụng để thúc đẩy người dùng cung cấp phản hồi về mô hình và khuyến khích người dùng thu thập dữ liệu chất lượng cao hơn. Có được dữ liệu chất lượng cao bằng cách cung cấp dữ liệu phân tán, đặc biệt là trong các lĩnh vực cụ thể, có ý nghĩa rất lớn đối với sự phát triển của AI. Đồng thời, điều này cũng có thể được kết hợp với công nghệ ZK mà không tiết lộ quyền riêng tư đằng sau dữ liệu. Khó khăn ở đây là làm thế nào để chứng minh chất lượng của dữ liệu.
Sự kết hợp giữa dữ liệu chất lượng cao và các mô hình AI phi tập trung sẽ rất thú vị cho sự phát triển của AI.
Chống hàng giả
Với sự xuất hiện hiện nay của các mô hình học sâu, việc phân biệt tính xác thực của hình ảnh, âm thanh, video, v.v. do AI tạo ra ngày càng trở nên khó khăn. Trong kỷ nguyên của thế hệ AI, tính xác thực và chống giả mạo của nội dung ngày càng trở nên quan trọng. Chuỗi khối là một phương tiện kỹ thuật quan trọng để giải quyết vấn đề này.
Danh tính và chữ ký dữ dữ liệu crypto hóa đảm bảo việc tạo nội dung là xác thực và không ngụy tạo. Vấn đề này đặc biệt nghiêm trọng khi các công cụ AI bị lạm dụng. Đây là một phương tiện kỹ thuật quan trọng để chống lại nội dung ngụy tạo. Trong thời đại mà hàng giả bị nhầm lẫn với hàng thật, công nghệ crypto là cần thiết để phân biệt hàng thật với hàng giả.
Ngoài ra, công nghệ chuỗi khối cũng cần được sử dụng để xác nhận quyền. Ví dụ, cùng một bức tranh, hình ảnh do AI tạo ra và NFT rất khó phân biệt nếu chỉ nhìn bề ngoài, lúc này chuỗi khối cần phải phát huy vai trò của nó.
AI kiên cường hơn
Bằng cách tích hợp với chuỗi khối, AI có thể nhận được sự hỗ trợ về điện toán, mô hình, dữ liệu, băng thông, lưu trữ và các khía cạnh khác, nhận được hỗ trợ cơ sở hạ tầng phi tập trung và có khả năng tự phát triển cao hơn. Ngoài ra, thanh toán crypto và lưu thông giá trị trong lĩnh vực chuỗi khối cũng có thể hỗ trợ cho sự phát triển của AI.
Sau khi cơ sở hạ tầng chuỗi khối hoàn chỉnh được xây dựng và trưởng thành, AI sẽ có nhiều khả năng tự phát triển hơn. Nói cách khác, AI phi tập trung hơn cũng là nhu cầu tự thực hiện AI, việc sử dụng các đặc tính phân tán của chuỗi khối để phát triển AI cũng là nhu cầu phát triển của chính AI.
Đối với bản thân AI, nếu cuối cùng nó bị những gã khổng lồ như Microsoft và Google độc quyền, nó sẽ gây bất lợi cho sự phát triển của chính nó. AI có nhu cầu tự nhiên phi tập trung, đó là nhu cầu riêng của nó để đạt được khả năng phục hồi cao hơn. Sức mạnh mà chuỗi khối AI+ có thể giải phóng có thể vượt xa trí tưởng tượng của mọi người.
Nơi AI có thể thúc đẩy chuỗi khối
Trí tuệ nhân tạo và hợp nhất dữ liệu on-chain
Thông qua phân tích AI về dữ liệu động on-chain , chúng ta có thể đạt được khả năng dự đoán, chẳng hạn như nghiên cứu đầu tư, v.v. Một trong những khía cạnh thú vị nhất là bằng cách nhúng AI, hợp đồng thông minh có thể đạt được khả năng ra quyết định tự động năng động. Ví dụ: defi điều chỉnh dựa trên dữ liệu thời gian thực, v.v. Hợp đồng thông minh động thay vì tĩnh sẽ cho phép chuỗi khối tạo ra nhiều kịch bản ứng dụng và nhu cầu của người dùng hơn.
Sự phát triển của trí tuệ nhân tạo có thể mang lại những khả năng mới cho các ứng dụng crypto.
AI mang đến những khả năng mới cho DeFi, trò chơi web3, mạng xã hội web3 và ứng dụng web3 (vận chuyển, lưu trú, du lịch, v.v.). Ví dụ: trò chơi AI+web3 có thể tạo ra các mô hình trò chơi chưa từng có; AI+Internet of Things+ thanh toán crypto có thể tạo ra các mạng thông minh hơn.
Tầm quan trọng của ZKP
Để đảm bảo quyền riêng tư và hoàn thành các nhiệm vụ tính toán, ZKP cần được thêm vào để tạo thành bằng chứng công việc có thể xác minh được. Sau khi ZKP trưởng thành, nó có thể triển khai AI trên Chuỗi và cũng có thể cung cấp khả năng bảo vệ quyền riêng tư và máy học có thể kiểm chứng.
Nhìn chung, chuỗi khối có thể cung cấp cấu trúc hợp tác cho các giao thức Tỷ lệ băm, dữ liệu và mô hình thông qua mô hình phi tập trung , cuối cùng là thúc đẩy sự phát triển của AI. Trong quá trình này, có nhiều chi tiết cần được cải thiện, chẳng hạn như nhu cầu chứng minh những đóng góp của những người tham gia (cho dù đó là Tỷ lệ băm, dữ liệu hay mô hình), chỉ khi những thứ này được hoàn thành với chi phí thấp thì chuỗi khối mới có cơ hội trợ giúp AI, nếu không nó sẽ là một lâu đài trên không.
Tất nhiên, nhìn lên theo xu hướng, AI có nhu cầu tự nhiên về chuỗi khối và AI cần chuỗi khối để cung cấp khả năng phục hồi thực sự cho sự phát triển của chính nó.
Đồng thời, AI cũng sẽ hữu ích cho sự phát triển của các ứng dụng chuỗi khối, cho dù đó là DeFi, trò chơi hay các ứng dụng khác, nhiều ứng dụng crypto thông minh hơn có thể sẽ ra đời. Đây có thể là đại sự của tương lai, cho dù ở chu kỳ tiếp theo chưa trưởng thành, nhưng ở chu kỳ tiếp theo cũng có thể có cơ hội như vậy.
Những gì nêu trên chỉ là một phần chứ chưa phải đầy đủ, nó sẽ tăng hoặc giảm theo thời gian. (Tôi quên đăng bài suốt hai tháng, nên hôm nay tôi sẽ đăng lại.)
