อย่างไรก็ตาม เมื่อเร็วๆ นี้ Mind Network ได้ประกาศข่าวดีมากมายเกี่ยวกับการใช้งาน AI เช่น SDK FHE Rust ที่พัฒนาขึ้นได้รับการรวมเข้ากับโมเดลขนาดใหญ่แบบโอเพ่นซอร์ส DeepSeek ทำให้เป็นส่วนสำคัญในสถานการณ์การฝึกอบรม AI และให้พื้นฐานด้านความปลอดภัยสำหรับการใช้งาน AI ที่เชื่อถือได้ ทำไม FHE ถึงสามารถแสดงผลงานในด้านการคำนวณความเป็นส่วนตัวของ AI ได้? สามารถใช้การเล่าเรื่องของ AI Agent เพื่อทำการเบียดเบนหรือการไถ่ถอนครั้งใหม่ได้หรือไม่?
นี่จริงๆ แล้วไม่ใช่เรื่อง抽象 เพียงแค่ใช้ตัวอย่างง่ายๆ ก็เข้าใจได้: เช่น AI Agent ที่เป็นแอปพลิเคชันที่มุ่งเป้าไปที่ลูกค้าทั่วไป ส่วนหลังของมันมักจะเชื่อมต่อกับโมเดล AI ขนาดใหญ่ที่ให้บริการโดยผู้จำหน่ายที่แตกต่างกัน เช่น DeepSeek, Claude, OpenAI เป็นต้น แต่จะทำอย่างไรเพื่อให้แน่ใจว่าในบางสถานการณ์การเงินที่มีความละเอียดอ่อนสูง การดำเนินการของ AI Agent จะไม่ถูกเปลี่ยนแปลงโดยกฎที่ถูกเปลี่ยนแปลงโดยโมเดลขนาดใหญ่ที่อยู่เบื้องหลังอย่างกะทันหัน? แน่นอนว่าจำเป็นต้องเข้ารหัส Prompt ที่ป้อนเข้าไป เมื่อผู้ให้บริการ LLMs ทำการคำนวณโดยตรงกับข้อความที่เข้ารหัส จะไม่มีการแทรกแซงที่บังคับเพื่อเปลี่ยนแปลงซึ่งจะส่งผลต่อความยุติธรรม.
แล้วแนวคิด "AI ที่เชื่อถือได้" นั้นคืออะไร? AI ที่เชื่อถือได้คือวิสัยทัศน์ของ Mind Network ที่พยายามสร้าง AI แบบกระจายอำนาจที่ใช้การเข้ารหัสแบบประมวลผลได้เต็มรูปแบบ (FHE) ซึ่งรวมถึงการอนุญาตให้หลายฝ่ายทำการฝึกอบรมและการอนุมานโมเดลอย่างมีประสิทธิภาพผ่านการประมวลผลแบบกระจายด้วย GPU โดยไม่ต้องพึ่งพาเซิร์ฟเวอร์กลาง และจัดเตรียมการตรวจสอบความถูกต้องตามฉันทามติที่ใช้การเข้ารหัสแบบประมวลผลได้เต็มรูปแบบ (FHE) สำหรับ AI Agent การออกแบบนี้ช่วยขจัดข้อจำกัดของ AI แบบรวมศูนย์เดิม และให้การรับประกันทั้งความเป็นส่วนตัวและความเป็นอิสระสำหรับการดำเนินงานของ AI Agent ในสถาปัตยกรรมแบบกระจาย
นี่สอดคล้องกับทิศทางการเล่าเรื่องของ Mind Network ที่เป็นสถาปัตยกรรมบล็อกเชนแบบกระจายศูนย์มากขึ้น เช่น ในกระบวนการทำธุรกรรมบนบล็อกเชนพิเศษ FHE สามารถปกป้องข้อมูล Oracle ของแต่ละฝ่ายจากการอนุมานและกระบวนการดำเนินการ สามารถให้ AI Agent ตัดสินใจในการทำธุรกรรมได้อย่างอิสระโดยไม่ต้องเปิดเผยตำแหน่งหรือกลยุทธ์ เป็นต้น.
ทำไมถึงบอกว่า FHE จะมีเส้นทางการแทรกซึมในอุตสาหกรรมที่คล้ายกับ TEE และจะนำโอกาสโดยตรงมาจากการระเบิดของสถานการณ์การใช้งาน AI?
ก่อนหน้านี้ TEE สามารถคว้าโอกาสของ AI Agent ได้ด้วยสภาพแวดล้อมฮาร์ดแวร์ TEE ซึ่งสามารถรับรู้ถึงการดูแลข้อมูลในสถานะส่วนตัวจากนั้นอนุญาตให้ AI Agent โฮสต์คีย์ส่วนตัวได้อย่างอิสระเพื่อให้ AI Agent สามารถบรรลุการเล่าเรื่องที่ทันสมัยของการจัดการสินทรัพย์อิสระ อย่างไรก็ตามมีข้อบกพร่องในการดูแลคีย์ส่วนตัวของ TEE: ความไว้วางใจขึ้นอยู่กับผู้ให้บริการฮาร์ดแวร์บุคคลที่สาม (เช่น Intel) เพื่อให้ TEE ทํางานได้จําเป็นต้องมีสถาปัตยกรรมโซ่แบบกระจายเพื่อแนบชุดข้อ จํากัด "ฉันทามติ" ที่เปิดกว้างและโปร่งใสเพิ่มเติมเข้ากับสภาพแวดล้อม TEEs ในทางตรงกันข้าม PHEs สามารถใช้สถาปัตยกรรมโซ่แบบกระจายอํานาจโดยไม่ต้องพึ่งพาบุคคลที่สาม
FHE และ TEE มีสถานะทางนิเวศวิทยาที่คล้ายกัน แม้ว่า TEE จะยังไม่เป็นที่แพร่หลายในนิเวศของ web3 แต่ในสาขา web2 แล้วถือเป็นเทคโนโลยีที่มีความก้าวหน้าอย่างมาก เมื่อเปรียบเทียบแล้ว FHE ก็จะค่อยๆ หาแหล่งความมีค่าในทั้ง web2 และ web3 พร้อมกับการระเบิดของแนวโน้ม AI ในรอบนี้ด้วยเช่นกัน.
เหนือ
จากที่กล่าวมาข้างต้น สามารถเห็นได้ว่าเทคโนโลยีการเข้ารหัสแบบประมวลผลได้เต็มรูปแบบ (FHE) ซึ่งเป็นเทคโนโลยีการเข้ารหัสระดับศักดิ์สิทธิ์ เมื่อ AI กลายเป็นข้อกำหนดในอนาคต จะต้องกลายเป็นหนึ่งในฐานที่มั่นที่ปลอดภัย และมีโอกาสที่จะถูกนำไปใช้อย่างแพร่หลายมากขึ้น.
แน่นอน แม้ว่าจะเป็นเช่นนั้น แต่ก็ไม่สามารถหลีกเลี่ยงปัญหาต้นทุนที่เกิดจากการดำเนินการของ FHE ในการนำไปใช้ได้ หากสามารถนำไปใช้ในสภาพการณ์ AI ของ web2 และเชื่อมโยงกับสภาพการณ์ AI ของ web3 คิดว่ามันจะปล่อย "เอฟเฟกต์การขยายขนาด" อย่างไม่คาดคิด ซึ่งจะช่วยลดต้นทุนรวม ทำให้สามารถนำไปใช้ได้อย่างแพร่หลายมากขึ้น
จาก "ถ้วยศักดิ์สิทธิ์" สู่หินฐาน: FHE จะเปลี่ยนแปลงระบบนิเวศการคำนวณความเป็นส่วนตัวของ Web3 ได้อย่างไร?
ฉันเคยพูดในหลายบทความว่าตัวแทน AI จะเป็น "การไถ่ถอน" ของเรื่องราวเก่าๆ ในอุตสาหกรรม Crypto หลายเรื่อง ในการพัฒนาของเรื่องราวที่เกี่ยวกับ AI ที่เป็นอิสระในรอบก่อนหน้า TEE เคยถูกยกขึ้นมาอยู่ในจุดสนใจ แต่ยังมีแนวคิดทางเทคนิคที่ "ไม่เป็นที่นิยม" กว่า TEE หรือแม้แต่ ZKP ที่ชื่อว่า FHE——การเข้ารหัสแบบประมวลผลได้เต็มรูปแบบ ก็จะได้รับ "การเกิดใหม่" จากการสนับสนุนของสนาม AI ต่อไปนี้ เราจะจัดระเบียบตรรกะผ่านกรณีศึกษาให้ทุกคนได้เห็น:
FHE เป็นเทคโนโลยีการเข้ารหัสที่อนุญาตให้ทำการคำนวณโดยตรงบนข้อมูลที่ถูกเข้ารหัส ซึ่งถูกมองว่าเป็น "Holy Grail" เมื่อเปรียบเทียบกับเทคโนโลยีที่ได้รับความนิยมเช่น ZKP, TEE มันอยู่ในตำแหน่งที่ค่อนข้างไม่เป็นที่นิยม โดยมีปัญหาหลักอยู่ที่ค่าใช้จ่ายและสถานการณ์การใช้งานต่างๆ.
และ Mind Network มุ่งเน้นไปที่โครงสร้างพื้นฐานของ FHE และได้เปิดตัว FHE Chain ที่มุ่งเน้นไปที่ AI Agent นั่นคือ MindChain แม้ว่าจะได้รับการลงทุนมากกว่า 10 ล้านดอลลาร์ และมีประสบการณ์ทางเทคนิคหลายปี แต่เนื่องจากข้อจำกัดของ FHE เอง ความสนใจจากตลาดยังคงถูกประเมินค่าต่ำเกินไป.
อย่างไรก็ตาม เมื่อเร็วๆ นี้ Mind Network ได้ประกาศข่าวดีมากมายเกี่ยวกับการใช้งาน AI เช่น SDK FHE Rust ที่พัฒนาขึ้นได้รับการรวมเข้ากับโมเดลขนาดใหญ่แบบโอเพ่นซอร์ส DeepSeek ทำให้เป็นส่วนสำคัญในสถานการณ์การฝึกอบรม AI และให้พื้นฐานด้านความปลอดภัยสำหรับการใช้งาน AI ที่เชื่อถือได้ ทำไม FHE ถึงสามารถแสดงผลงานในด้านการคำนวณความเป็นส่วนตัวของ AI ได้? สามารถใช้การเล่าเรื่องของ AI Agent เพื่อทำการเบียดเบนหรือการไถ่ถอนครั้งใหม่ได้หรือไม่?
กล่าวโดยสรุป: FHE การเข้ารหัสแบบประมวลผลได้เต็มรูปแบบ เป็นเทคโนโลยีทางการเข้ารหัสที่สามารถนำไปใช้โดยตรงบนสถาปัตยกรรมบล็อกเชนสาธารณะในปัจจุบัน ซึ่งอนุญาตให้ทำการคำนวณใดๆ เช่น การบวก การคูณ ฯลฯ บนข้อมูลที่เข้ารหัสโดยไม่ต้องทำการถอดรหัสข้อมูลก่อน
พูดอีกอย่างคือ การใช้เทคโนโลยี FHE สามารถทำให้ข้อมูลตั้งแต่การป้อนจนถึงการส่งออกถูกเข้ารหัสตลอดทั้งกระบวนการ แม้ว่าโหนดที่รักษาความเห็นของบล็อกเชนจะไม่สามารถเข้าถึงข้อมูลที่เป็นข้อความชัดเจนได้ ซึ่งทำให้ FHE สามารถใช้ในสถานการณ์ที่เฉพาะเจาะจงในแนวตั้ง เช่น การแพทย์ การเงิน เป็นต้น เพื่อให้การฝึกอบรม AI LLM มีการสนับสนุนทางเทคนิคที่มั่นคง
ทำให้ FHE สามารถกลายเป็นทางออกที่ "เลือก" ที่ดีที่สุดสำหรับการฝึกอบรมโมเดล AI ขนาดใหญ่ในแนวตั้งที่มีความหลากหลายและรวมกับสถาปัตยกรรมแบบกระจายของบล็อกเชน ไม่ว่าจะเป็นการร่วมมือกันข้ามสถาบันของข้อมูลทางการแพทย์ หรือการอนุมานความเป็นส่วนตัวในสถานการณ์การทำธุรกรรมทางการเงิน FHE สามารถเป็นทางเลือกเสริมด้วยความโดดเด่นของมันได้
นี่จริงๆ แล้วไม่ใช่เรื่อง抽象 เพียงแค่ใช้ตัวอย่างง่ายๆ ก็เข้าใจได้: เช่น AI Agent ที่เป็นแอปพลิเคชันที่มุ่งเป้าไปที่ลูกค้าทั่วไป ส่วนหลังของมันมักจะเชื่อมต่อกับโมเดล AI ขนาดใหญ่ที่ให้บริการโดยผู้จำหน่ายที่แตกต่างกัน เช่น DeepSeek, Claude, OpenAI เป็นต้น แต่จะทำอย่างไรเพื่อให้แน่ใจว่าในบางสถานการณ์การเงินที่มีความละเอียดอ่อนสูง การดำเนินการของ AI Agent จะไม่ถูกเปลี่ยนแปลงโดยกฎที่ถูกเปลี่ยนแปลงโดยโมเดลขนาดใหญ่ที่อยู่เบื้องหลังอย่างกะทันหัน? แน่นอนว่าจำเป็นต้องเข้ารหัส Prompt ที่ป้อนเข้าไป เมื่อผู้ให้บริการ LLMs ทำการคำนวณโดยตรงกับข้อความที่เข้ารหัส จะไม่มีการแทรกแซงที่บังคับเพื่อเปลี่ยนแปลงซึ่งจะส่งผลต่อความยุติธรรม.
แล้วแนวคิด "AI ที่เชื่อถือได้" นั้นคืออะไร? AI ที่เชื่อถือได้คือวิสัยทัศน์ของ Mind Network ที่พยายามสร้าง AI แบบกระจายอำนาจที่ใช้การเข้ารหัสแบบประมวลผลได้เต็มรูปแบบ (FHE) ซึ่งรวมถึงการอนุญาตให้หลายฝ่ายทำการฝึกอบรมและการอนุมานโมเดลอย่างมีประสิทธิภาพผ่านการประมวลผลแบบกระจายด้วย GPU โดยไม่ต้องพึ่งพาเซิร์ฟเวอร์กลาง และจัดเตรียมการตรวจสอบความถูกต้องตามฉันทามติที่ใช้การเข้ารหัสแบบประมวลผลได้เต็มรูปแบบ (FHE) สำหรับ AI Agent การออกแบบนี้ช่วยขจัดข้อจำกัดของ AI แบบรวมศูนย์เดิม และให้การรับประกันทั้งความเป็นส่วนตัวและความเป็นอิสระสำหรับการดำเนินงานของ AI Agent ในสถาปัตยกรรมแบบกระจาย
นี่สอดคล้องกับทิศทางการเล่าเรื่องของ Mind Network ที่เป็นสถาปัตยกรรมบล็อกเชนแบบกระจายศูนย์มากขึ้น เช่น ในกระบวนการทำธุรกรรมบนบล็อกเชนพิเศษ FHE สามารถปกป้องข้อมูล Oracle ของแต่ละฝ่ายจากการอนุมานและกระบวนการดำเนินการ สามารถให้ AI Agent ตัดสินใจในการทำธุรกรรมได้อย่างอิสระโดยไม่ต้องเปิดเผยตำแหน่งหรือกลยุทธ์ เป็นต้น.
ทำไมถึงบอกว่า FHE จะมีเส้นทางการแทรกซึมในอุตสาหกรรมที่คล้ายกับ TEE และจะนำโอกาสโดยตรงมาจากการระเบิดของสถานการณ์การใช้งาน AI?
ก่อนหน้านี้ TEE สามารถคว้าโอกาสของ AI Agent ได้ด้วยสภาพแวดล้อมฮาร์ดแวร์ TEE ซึ่งสามารถรับรู้ถึงการดูแลข้อมูลในสถานะส่วนตัวจากนั้นอนุญาตให้ AI Agent โฮสต์คีย์ส่วนตัวได้อย่างอิสระเพื่อให้ AI Agent สามารถบรรลุการเล่าเรื่องที่ทันสมัยของการจัดการสินทรัพย์อิสระ อย่างไรก็ตามมีข้อบกพร่องในการดูแลคีย์ส่วนตัวของ TEE: ความไว้วางใจขึ้นอยู่กับผู้ให้บริการฮาร์ดแวร์บุคคลที่สาม (เช่น Intel) เพื่อให้ TEE ทํางานได้จําเป็นต้องมีสถาปัตยกรรมโซ่แบบกระจายเพื่อแนบชุดข้อ จํากัด "ฉันทามติ" ที่เปิดกว้างและโปร่งใสเพิ่มเติมเข้ากับสภาพแวดล้อม TEEs ในทางตรงกันข้าม PHEs สามารถใช้สถาปัตยกรรมโซ่แบบกระจายอํานาจโดยไม่ต้องพึ่งพาบุคคลที่สาม
FHE และ TEE มีสถานะทางนิเวศวิทยาที่คล้ายกัน แม้ว่า TEE จะยังไม่เป็นที่แพร่หลายในนิเวศของ web3 แต่ในสาขา web2 แล้วถือเป็นเทคโนโลยีที่มีความก้าวหน้าอย่างมาก เมื่อเปรียบเทียบแล้ว FHE ก็จะค่อยๆ หาแหล่งความมีค่าในทั้ง web2 และ web3 พร้อมกับการระเบิดของแนวโน้ม AI ในรอบนี้ด้วยเช่นกัน.
เหนือ
จากที่กล่าวมาข้างต้น สามารถเห็นได้ว่าเทคโนโลยีการเข้ารหัสแบบประมวลผลได้เต็มรูปแบบ (FHE) ซึ่งเป็นเทคโนโลยีการเข้ารหัสระดับศักดิ์สิทธิ์ เมื่อ AI กลายเป็นข้อกำหนดในอนาคต จะต้องกลายเป็นหนึ่งในฐานที่มั่นที่ปลอดภัย และมีโอกาสที่จะถูกนำไปใช้อย่างแพร่หลายมากขึ้น.
แน่นอน แม้ว่าจะเป็นเช่นนั้น แต่ก็ไม่สามารถหลีกเลี่ยงปัญหาต้นทุนที่เกิดจากการดำเนินการของ FHE ในการนำไปใช้ได้ หากสามารถนำไปใช้ในสภาพการณ์ AI ของ web2 และเชื่อมโยงกับสภาพการณ์ AI ของ web3 คิดว่ามันจะปล่อย "เอฟเฟกต์การขยายขนาด" อย่างไม่คาดคิด ซึ่งจะช่วยลดต้นทุนรวม ทำให้สามารถนำไปใช้ได้อย่างแพร่หลายมากขึ้น