Di dunia Web3 yang liar dan anarkis, desentralisasi, teknologi kripto, dan kepercayaan adalah infrastruktur paling dasar.
Ditulis oleh: Leo
Ledakan Worldcoin baru-baru ini juga telah menciptakan momentum yang cukup untuk narasi Web3+AI.Worldcoin termasuk dalam konsep zkML, berasal dari zk+ML (bukti tanpa pengetahuan dan pembelajaran mesin), dan juga merupakan kombinasi baru yang telah dibicarakan tentang baru-baru ini. teknologi zk Tak perlu dikatakan, ML adalah sub-bidang AI. AI + Web3 telah menjadi narasi yang sangat populer di industri sebelumnya, tetapi saat ini, tidak ada konsep atau kasus penggunaan yang baik untuk menghubungkan keduanya dengan mulus. Baru-baru ini, Di konferensi Montenegro, Vitalik juga sangat memuji zkSNARK, ditambah dengan meledaknya Worldcoin, sehingga dapat diprediksi zkML akan menonjol.
Anda mungkin tidak terbiasa dengan zkML. Artikel ini terutama menghilangkan kabut tentang zkML untuk Anda, berfokus pada pengenalan, kasus penggunaan, dan beberapa proyek potensial zkML. Karena tidak banyak kasus penggunaan zkML saat ini, saya harap Anda dapat memanfaatkannya peluang dan pelajari terlebih dahulu. Konsep dan kasus penggunaan baru, bersiaplah.
Web 3 + ML
zkML mengombinasikan zero-knowledge proof dan machine learning. Nyatanya, di luar Web 3, ML bukan lagi kata baru. Teknologi ini sudah banyak digunakan di beberapa bidang, seperti natural language processing (NLP), autonomous driving, e- perdagangan, dll. Semua bidang telah mencapai tingkat yang lebih tinggi melalui teknologi ML, dan bahkan di beberapa bidang ML telah menduduki posisi dominan, sehingga zkML di masa mendatang juga menjadi tren umum, dan menyematkan ML dalam kontrak pintar juga akan memberikan kontrak pintar dengan metode pemrosesan yang lebih kompleks dan cerdas.
Dengan menambahkan kemampuan ML, kontrak cerdas dapat menjadi lebih otonom dan dinamis, memungkinkannya untuk bertindak berdasarkan data on-chain real-time daripada aturan statis. Kontrak pintar akan lebih fleksibel dan beradaptasi dengan lebih banyak skenario, termasuk yang mungkin tidak diantisipasi saat kontrak awalnya dibuat. Singkatnya, kemampuan ML akan memperkuat otomatisasi, akurasi, efisiensi, dan fleksibilitas dari kontrak cerdas apa pun yang kami hubungkan.
Saat ini, salah satu alasan mengapa ML tidak diadopsi secara luas dalam crypto adalah mahalnya komputasi untuk menjalankan model on-chain ini, seperti fastBERP - kelas model bahasa NLP, yang perlu menggunakan sekitar 1800 MFLOPS (juta float) untuk adopsi.point arithmetic), yang tidak dapat dijalankan langsung di EVM. Sementara model aplikasi perlu membuat prediksi berdasarkan data dunia nyata, untuk memiliki kontrak cerdas skala ML, kontrak harus mendapatkan prediksi tersebut;
Alasan kedua adalah perlunya berurusan dengan kerangka kepercayaan model ML. Ada dua poin utama. Salah satunya adalah privasinya: seperti yang disebutkan sebelumnya, parameter model biasanya bersifat pribadi, dan dalam beberapa kasus, input model juga perlu dirahasiakan , yang secara alami Ada beberapa masalah kepercayaan antara pemilik model dan pengguna model; yang kedua adalah kotak hitam algoritmik, dan model ML terkadang disebut "kotak hitam" karena melibatkan banyak langkah otomatis dalam proses perhitungan yang sulit dipahami atau menjelaskan. Langkah-langkah ini melibatkan algoritme kompleks dan data dalam jumlah besar yang menghasilkan keluaran tak tentu dan terkadang acak, menjadikan algoritme prima untuk bias dan bahkan diskriminasi. Dan teknologi zk dapat mengatasi masalah kepercayaan ini dengan sangat efisien.
Jadi saat ini, zkSNARK muncul mengikuti tren. Teknologi zk di zkML sebagian besar mengacu pada zkSNARK. zkSNARK memberi kita solusi: siapa pun dapat menjalankan model off-chain dan menghasilkan bukti ringkas dan dapat diverifikasi bahwa model yang diharapkan memang menghasilkan hasil tertentu, dan bukti ini dapat dipublikasikan secara on-chain dan ditangkap oleh kontrak pintar dan meningkatkan kecerdasan mereka. Model ML biasanya memerlukan tiga bagian: data pelatihan, arsitektur model, dan parameter model. Selama model terlatih melewati verifikasi penalaran, itu dapat membuka ruang desain yang diperbarui untuk kontrak pintar. (Pelatihan dan penalaran model tidak akan dijelaskan terlalu banyak)
Gunakan kasus zkML di crypto
Dan kontrak pintar setelah menambahkan zkSNARK +ML juga akan memiliki banyak kasus penggunaan, berikut kasus penggunaannya:
###DeFi
Oracle pembelajaran mesin off-chain yang dapat diverifikasi
Menggabungkan zkSNARK dengan penalaran model ML yang terverifikasi, oracle ML off-chain ini dapat digunakan untuk memecahkan pasar prediksi dunia nyata secara andal, mengamankan kontrak protokol, dll. dengan memverifikasi penalaran dan menerbitkan bukti on-chain.
DeFi Berparameter ML
Banyak subdivisi DeFi sebenarnya dapat diotomatisasi. Misalnya, protokol peminjaman dapat menggunakan model ML untuk memperbarui parameter secara real time. Protokol pinjaman saat ini terutama mempercayai model off-chain yang dijalankan oleh organisasi untuk menentukan koefisien agunan, LTV, ambang batas likuidasi, dll. ML dapat memberikan alternatif yang lebih baik, model sumber terbuka yang dilatih komunitas yang dapat dijalankan dan diverifikasi oleh siapa saja.
Strategi Perdagangan Otomatis
Salah satu cara untuk memverifikasi pengembalian strategi perdagangan adalah meminta MP memberikan berbagai backtest kepada investor, tidak mungkin untuk memverifikasi bahwa ahli strategi mengikuti model saat mengeksekusi perdagangan, tetapi zkML dapat memberikan solusi untuk ini, MP dapat dikerahkan ke lokasi tertentu Memberikan bukti validasi penalaran model keuangan.
Domain Keamanan
** PEMANTAUAN PENIPUAN UNTUK KONTRAK PINTAR**
Alih-alih tata kelola manual atau aktor terpusat yang mengontrol kemampuan untuk menangguhkan kontrak, model ML dapat digunakan untuk mendeteksi kemungkinan perilaku jahat dan menegakkan prosedur penangguhan.
DID dan Sosial
Mengganti kunci pribadi dengan autentikasi biometrik (seperti yang dilakukan Worldcoin saat ini)
Manajemen kunci pribadi tetap memusingkan bagi pengguna Web3. Mengekstrak kunci pribadi melalui pengenalan wajah atau biometrik lainnya adalah salah satu solusi yang mungkin untuk zkML, dan Worldcoin menerapkan ini dengan cara yang persis sama, dengan perangkat Orbnya untuk menentukan apakah seseorang adalah orang sungguhan tanpa mencoba memalsukan KYC, dan Menggunakan teknologi zk untuk memastikan bahwa keluaran model ML-nya tidak mengungkap data pribadi pengguna, hal ini dicapai melalui berbagai sensor kamera dan model pembelajaran mesin yang menganalisis fitur wajah dan iris.
Rekomendasi yang dipersonalisasi dan pemfilteran konten untuk media sosial Web3
Demikian pula, beberapa media sosial Web 3 dapat dengan mudah mendapatkan preferensi dan data pengguna, menunjukkan kepada kami beberapa spam dan tautan palsu, dan banyak tautan palsu mengarah pada pencurian dompet pengguna, dll., tetapi kami dapat menghindari banyak konten dan tautan email yang tidak perlu melalui teknologi zkML .
Ekonomi Kreator dan Game
Penyeimbangan Kembali Ekonomi Dalam Game
Model ML dapat digunakan untuk secara dinamis menyesuaikan penerbitan token, pasokan, penghancuran, ambang batas pemungutan suara, dll. Salah satu model yang mungkin adalah kontrak insentif yang dapat menyeimbangkan kembali ekonomi dalam game jika ambang keseimbangan tertentu tercapai dan bukti penalaran diverifikasi.
** Jenis permainan rantai baru **
Game human-AI kooperatif dan game on-chain inovatif lainnya dapat dibuat, di mana model AI yang tidak dapat dipercaya bertindak sebagai NPC, dan semua tindakan NPC diposting secara on-chain dengan Bukti model tersebut.
proyek potensi ekologis zkML
Karena zkML masih dalam tahap awal pengembangan, tidak banyak proyek yang dapat ditemukan. Berikut adalah proyek potensial yang ditemukan untuk semua orang:
Worldcoin
Worldcoin tidak akan dijelaskan terlalu banyak, semua orang harus mengetahuinya, silakan merujuk ke "Jika Worldcoin berhasil, apa dampaknya terhadap industri enkripsi?"
Lab Modulus
Modulus Labs adalah salah satu proyek yang lebih beragam di zkML, teknologi yang dibutuhkan untuk membangun AI pada rantai. Bekerja pada kasus penggunaan dan penelitian terkait. Di sisi aplikasi, Modulus Labs telah mengembangkan RockyBot (bot perdagangan on-chain) dan Leela vs. Dunia (permainan catur), di mana orang sungguhan bermain melawan mesin catur Leela on-chain yang dapat diverifikasi.
Manusia
Giza adalah protokol yang didedikasikan untuk mengembangkan ekonomi melalui AI. Protokol ini dapat menerapkan model AI pada rantai menggunakan metode yang sepenuhnya tidak dapat dipercaya. Didukung oleh kerja sama StarkWare dan akhirnya mewujudkan pasar yang menyediakan jalur alternatif untuk pengembangan AI.
Zkaptcha
Zkaptcha berfokus pada masalah robot di Web3, melindungi kontrak pintar dari serangan robot, menggunakan bukti tanpa pengetahuan untuk membuat kontrak pintar yang tahan terhadap serangan Sybil, dan menyediakan layanan kode verifikasi untuk kontrak pintar. Saat ini, proyek ini memungkinkan pengguna akhir untuk menghasilkan bukti pekerjaan manusia dengan menyelesaikan captcha. Di masa mendatang, Zkaptcha akan mewarisi zkML dan meluncurkan layanan yang mirip dengan captcha Web 2 yang ada, tetapi juga dapat menganalisis perilaku seperti gerakan mouse untuk menentukan apakah pengguna itu nyata.
Kesimpulan
Saat ini, tidak banyak produk di bidang penggabungan zkML dan crypto, dan beberapa masalah akan ditemui dalam proses pembuatan produk tersebut, dan zkML dan crypto mungkin memerlukan lebih banyak perbaikan dan pengoptimalan di masa mendatang. Namun, dengan kombinasi zkSNARK dan ML, kami memiliki alasan untuk percaya bahwa kekuatan zkML dapat membawa prospek dan pengembangan yang lebih baik ke crypto, dan kami juga mengharapkan lebih banyak produk di bidang ini. teknologi zk dan crypto memberikan keamanan untuk pengoperasian ML Lingkungan yang kredibel, dan di masa depan, selain inovasi produk, juga dapat melahirkan inovasi model bisnis crypto, karena di dunia Web 3 yang liar dan anarkis ini, desentralisasi, teknologi crypto, dan kepercayaan adalah fasilitas dasar yang paling penting.
Lihat Asli
Konten ini hanya untuk referensi, bukan ajakan atau tawaran. Tidak ada nasihat investasi, pajak, atau hukum yang diberikan. Lihat Penafian untuk pengungkapan risiko lebih lanjut.
Akankah zkML menjadi arah baru dari jalur zk?
Ditulis oleh: Leo
Ledakan Worldcoin baru-baru ini juga telah menciptakan momentum yang cukup untuk narasi Web3+AI.Worldcoin termasuk dalam konsep zkML, berasal dari zk+ML (bukti tanpa pengetahuan dan pembelajaran mesin), dan juga merupakan kombinasi baru yang telah dibicarakan tentang baru-baru ini. teknologi zk Tak perlu dikatakan, ML adalah sub-bidang AI. AI + Web3 telah menjadi narasi yang sangat populer di industri sebelumnya, tetapi saat ini, tidak ada konsep atau kasus penggunaan yang baik untuk menghubungkan keduanya dengan mulus. Baru-baru ini, Di konferensi Montenegro, Vitalik juga sangat memuji zkSNARK, ditambah dengan meledaknya Worldcoin, sehingga dapat diprediksi zkML akan menonjol.
Anda mungkin tidak terbiasa dengan zkML. Artikel ini terutama menghilangkan kabut tentang zkML untuk Anda, berfokus pada pengenalan, kasus penggunaan, dan beberapa proyek potensial zkML. Karena tidak banyak kasus penggunaan zkML saat ini, saya harap Anda dapat memanfaatkannya peluang dan pelajari terlebih dahulu. Konsep dan kasus penggunaan baru, bersiaplah.
Web 3 + ML
zkML mengombinasikan zero-knowledge proof dan machine learning. Nyatanya, di luar Web 3, ML bukan lagi kata baru. Teknologi ini sudah banyak digunakan di beberapa bidang, seperti natural language processing (NLP), autonomous driving, e- perdagangan, dll. Semua bidang telah mencapai tingkat yang lebih tinggi melalui teknologi ML, dan bahkan di beberapa bidang ML telah menduduki posisi dominan, sehingga zkML di masa mendatang juga menjadi tren umum, dan menyematkan ML dalam kontrak pintar juga akan memberikan kontrak pintar dengan metode pemrosesan yang lebih kompleks dan cerdas.
Dengan menambahkan kemampuan ML, kontrak cerdas dapat menjadi lebih otonom dan dinamis, memungkinkannya untuk bertindak berdasarkan data on-chain real-time daripada aturan statis. Kontrak pintar akan lebih fleksibel dan beradaptasi dengan lebih banyak skenario, termasuk yang mungkin tidak diantisipasi saat kontrak awalnya dibuat. Singkatnya, kemampuan ML akan memperkuat otomatisasi, akurasi, efisiensi, dan fleksibilitas dari kontrak cerdas apa pun yang kami hubungkan.
Saat ini, salah satu alasan mengapa ML tidak diadopsi secara luas dalam crypto adalah mahalnya komputasi untuk menjalankan model on-chain ini, seperti fastBERP - kelas model bahasa NLP, yang perlu menggunakan sekitar 1800 MFLOPS (juta float) untuk adopsi.point arithmetic), yang tidak dapat dijalankan langsung di EVM. Sementara model aplikasi perlu membuat prediksi berdasarkan data dunia nyata, untuk memiliki kontrak cerdas skala ML, kontrak harus mendapatkan prediksi tersebut;
Alasan kedua adalah perlunya berurusan dengan kerangka kepercayaan model ML. Ada dua poin utama. Salah satunya adalah privasinya: seperti yang disebutkan sebelumnya, parameter model biasanya bersifat pribadi, dan dalam beberapa kasus, input model juga perlu dirahasiakan , yang secara alami Ada beberapa masalah kepercayaan antara pemilik model dan pengguna model; yang kedua adalah kotak hitam algoritmik, dan model ML terkadang disebut "kotak hitam" karena melibatkan banyak langkah otomatis dalam proses perhitungan yang sulit dipahami atau menjelaskan. Langkah-langkah ini melibatkan algoritme kompleks dan data dalam jumlah besar yang menghasilkan keluaran tak tentu dan terkadang acak, menjadikan algoritme prima untuk bias dan bahkan diskriminasi. Dan teknologi zk dapat mengatasi masalah kepercayaan ini dengan sangat efisien.
Jadi saat ini, zkSNARK muncul mengikuti tren. Teknologi zk di zkML sebagian besar mengacu pada zkSNARK. zkSNARK memberi kita solusi: siapa pun dapat menjalankan model off-chain dan menghasilkan bukti ringkas dan dapat diverifikasi bahwa model yang diharapkan memang menghasilkan hasil tertentu, dan bukti ini dapat dipublikasikan secara on-chain dan ditangkap oleh kontrak pintar dan meningkatkan kecerdasan mereka. Model ML biasanya memerlukan tiga bagian: data pelatihan, arsitektur model, dan parameter model. Selama model terlatih melewati verifikasi penalaran, itu dapat membuka ruang desain yang diperbarui untuk kontrak pintar. (Pelatihan dan penalaran model tidak akan dijelaskan terlalu banyak)
Gunakan kasus zkML di crypto
Dan kontrak pintar setelah menambahkan zkSNARK +ML juga akan memiliki banyak kasus penggunaan, berikut kasus penggunaannya:
###DeFi
Oracle pembelajaran mesin off-chain yang dapat diverifikasi
Menggabungkan zkSNARK dengan penalaran model ML yang terverifikasi, oracle ML off-chain ini dapat digunakan untuk memecahkan pasar prediksi dunia nyata secara andal, mengamankan kontrak protokol, dll. dengan memverifikasi penalaran dan menerbitkan bukti on-chain.
DeFi Berparameter ML
Banyak subdivisi DeFi sebenarnya dapat diotomatisasi. Misalnya, protokol peminjaman dapat menggunakan model ML untuk memperbarui parameter secara real time. Protokol pinjaman saat ini terutama mempercayai model off-chain yang dijalankan oleh organisasi untuk menentukan koefisien agunan, LTV, ambang batas likuidasi, dll. ML dapat memberikan alternatif yang lebih baik, model sumber terbuka yang dilatih komunitas yang dapat dijalankan dan diverifikasi oleh siapa saja.
Strategi Perdagangan Otomatis
Salah satu cara untuk memverifikasi pengembalian strategi perdagangan adalah meminta MP memberikan berbagai backtest kepada investor, tidak mungkin untuk memverifikasi bahwa ahli strategi mengikuti model saat mengeksekusi perdagangan, tetapi zkML dapat memberikan solusi untuk ini, MP dapat dikerahkan ke lokasi tertentu Memberikan bukti validasi penalaran model keuangan.
Domain Keamanan
** PEMANTAUAN PENIPUAN UNTUK KONTRAK PINTAR**
Alih-alih tata kelola manual atau aktor terpusat yang mengontrol kemampuan untuk menangguhkan kontrak, model ML dapat digunakan untuk mendeteksi kemungkinan perilaku jahat dan menegakkan prosedur penangguhan.
DID dan Sosial
Mengganti kunci pribadi dengan autentikasi biometrik (seperti yang dilakukan Worldcoin saat ini)
Manajemen kunci pribadi tetap memusingkan bagi pengguna Web3. Mengekstrak kunci pribadi melalui pengenalan wajah atau biometrik lainnya adalah salah satu solusi yang mungkin untuk zkML, dan Worldcoin menerapkan ini dengan cara yang persis sama, dengan perangkat Orbnya untuk menentukan apakah seseorang adalah orang sungguhan tanpa mencoba memalsukan KYC, dan Menggunakan teknologi zk untuk memastikan bahwa keluaran model ML-nya tidak mengungkap data pribadi pengguna, hal ini dicapai melalui berbagai sensor kamera dan model pembelajaran mesin yang menganalisis fitur wajah dan iris.
Rekomendasi yang dipersonalisasi dan pemfilteran konten untuk media sosial Web3
Demikian pula, beberapa media sosial Web 3 dapat dengan mudah mendapatkan preferensi dan data pengguna, menunjukkan kepada kami beberapa spam dan tautan palsu, dan banyak tautan palsu mengarah pada pencurian dompet pengguna, dll., tetapi kami dapat menghindari banyak konten dan tautan email yang tidak perlu melalui teknologi zkML .
Ekonomi Kreator dan Game
Penyeimbangan Kembali Ekonomi Dalam Game
Model ML dapat digunakan untuk secara dinamis menyesuaikan penerbitan token, pasokan, penghancuran, ambang batas pemungutan suara, dll. Salah satu model yang mungkin adalah kontrak insentif yang dapat menyeimbangkan kembali ekonomi dalam game jika ambang keseimbangan tertentu tercapai dan bukti penalaran diverifikasi.
** Jenis permainan rantai baru **
Game human-AI kooperatif dan game on-chain inovatif lainnya dapat dibuat, di mana model AI yang tidak dapat dipercaya bertindak sebagai NPC, dan semua tindakan NPC diposting secara on-chain dengan Bukti model tersebut.
proyek potensi ekologis zkML
Karena zkML masih dalam tahap awal pengembangan, tidak banyak proyek yang dapat ditemukan. Berikut adalah proyek potensial yang ditemukan untuk semua orang:
Worldcoin
Worldcoin tidak akan dijelaskan terlalu banyak, semua orang harus mengetahuinya, silakan merujuk ke "Jika Worldcoin berhasil, apa dampaknya terhadap industri enkripsi?"
Lab Modulus
Modulus Labs adalah salah satu proyek yang lebih beragam di zkML, teknologi yang dibutuhkan untuk membangun AI pada rantai. Bekerja pada kasus penggunaan dan penelitian terkait. Di sisi aplikasi, Modulus Labs telah mengembangkan RockyBot (bot perdagangan on-chain) dan Leela vs. Dunia (permainan catur), di mana orang sungguhan bermain melawan mesin catur Leela on-chain yang dapat diverifikasi.
Manusia
Giza adalah protokol yang didedikasikan untuk mengembangkan ekonomi melalui AI. Protokol ini dapat menerapkan model AI pada rantai menggunakan metode yang sepenuhnya tidak dapat dipercaya. Didukung oleh kerja sama StarkWare dan akhirnya mewujudkan pasar yang menyediakan jalur alternatif untuk pengembangan AI.
Zkaptcha
Zkaptcha berfokus pada masalah robot di Web3, melindungi kontrak pintar dari serangan robot, menggunakan bukti tanpa pengetahuan untuk membuat kontrak pintar yang tahan terhadap serangan Sybil, dan menyediakan layanan kode verifikasi untuk kontrak pintar. Saat ini, proyek ini memungkinkan pengguna akhir untuk menghasilkan bukti pekerjaan manusia dengan menyelesaikan captcha. Di masa mendatang, Zkaptcha akan mewarisi zkML dan meluncurkan layanan yang mirip dengan captcha Web 2 yang ada, tetapi juga dapat menganalisis perilaku seperti gerakan mouse untuk menentukan apakah pengguna itu nyata.
Kesimpulan
Saat ini, tidak banyak produk di bidang penggabungan zkML dan crypto, dan beberapa masalah akan ditemui dalam proses pembuatan produk tersebut, dan zkML dan crypto mungkin memerlukan lebih banyak perbaikan dan pengoptimalan di masa mendatang. Namun, dengan kombinasi zkSNARK dan ML, kami memiliki alasan untuk percaya bahwa kekuatan zkML dapat membawa prospek dan pengembangan yang lebih baik ke crypto, dan kami juga mengharapkan lebih banyak produk di bidang ini. teknologi zk dan crypto memberikan keamanan untuk pengoperasian ML Lingkungan yang kredibel, dan di masa depan, selain inovasi produk, juga dapat melahirkan inovasi model bisnis crypto, karena di dunia Web 3 yang liar dan anarkis ini, desentralisasi, teknologi crypto, dan kepercayaan adalah fasilitas dasar yang paling penting.