У дикому й анархічному світі Web3 децентралізація, криптотехнології та довіра є основною інфраструктурою.
Автор: Лео
Недавній вибух Worldcoin також створив достатній імпульс для наративу Web3+AI.Worldcoin належить до концепції zkML, похідної від zk+ML (доказ нульового знання та машинне навчання), а також є новою комбінацією, про яку говорили Нещодавно про технологію zk Немає потреби говорити про те, що машинне навчання є підгалуззю штучного інтелекту. Раніше AI+Web3 був дуже популярним у галузі, але наразі немає хорошої концепції чи сценарію використання, щоб плавно поєднати обидва. Нещодавно на конференції в Чорногорії Віталік також високо оцінив zkSNARK у поєднанні з вибухом Worldcoin, тому можна передбачити, що zkML виділиться.
Можливо, ви не знайомі з zkML. Ця стаття головним чином розвіює для вас туман щодо zkML, зосереджуючись на вступі, варіантах використання та деяких потенційних проектах zkML. Оскільки наразі існує небагато варіантів використання zkML, я сподіваюся, ви зможете скористатися можливість і дізнайтеся про це заздалегідь. Готуйтеся до нових концепцій і випадків використання.
Web 3 + ML
zkML поєднує нульовий рівень знань і машинне навчання. Насправді, за межами Web 3, ML більше не є новим словом. Ця технологія широко використовується в деяких сферах, таких як обробка природної мови (NLP), автономне водіння, електронні комерція тощо. Усі галузі досягли вищого рівня завдяки технології ML, і навіть у деяких галузях ML вже зайняв домінуюче становище, тому майбутнє zkML також є загальною тенденцією, а вбудовування ML в смарт-контракти також забезпечить смарт-контракти з більш складні та розумніші методи обробки.
Додавши можливості ML, розумні контракти можуть стати більш автономними та динамічними, дозволяючи їм діяти на основі даних у ланцюжку в реальному часі, а не на статичних правилах. Смарт-контракти будуть більш гнучкими та адаптуються до більшої кількості сценаріїв, у тому числі до тих, які, можливо, не передбачалися під час початкового створення контракту. Коротше кажучи, можливості ML підвищать автоматизацію, точність, ефективність і гнучкість будь-якого смарт-контракту, який ми використовуємо в ланцюжку.
Наразі одна з причин, чому ML не набула широкого застосування в криптографії, полягає в тому, що обчислювально дорого запускати ці моделі в ланцюжку, наприклад fastBERP – клас моделей мови NLP, який потребує використання приблизно 1800 MFLOPS (мільйонів плаваючих елементів). для прийняття.точкова арифметика), яку неможливо запустити безпосередньо на EVM. У той час як моделі додатків повинні робити прогнози на основі даних реального світу, для того, щоб мати смарт-контракти масштабу ML, контракти повинні отримувати такі прогнози;
Друга причина полягає в необхідності мати справу зі структурою довіри моделей ML. Є два головних моменти. Один — це конфіденційність: як згадувалося раніше, параметри моделі зазвичай є приватними, а в деяких випадках вхідні дані моделі також потрібно зберігати в таємниці. , що, природно, існує певна проблема довіри між власником моделі та її користувачем; друга — це алгоритмічна чорна скринька, а моделі ML іноді називають «чорними скриньками», оскільки вони містять багато автоматизованих кроків у процесі обчислення, які важко зрозуміти. або пояснити. Ці кроки включають складні алгоритми та великі обсяги даних, які призводять до невизначених, а іноді й випадкових результатів, що робить алгоритми основними для упередженості та навіть дискримінації. І технологія zk може дуже ефективно вирішити цю проблему довіри.
Таким чином, у цей час zkSNARK з’явився в цьому тренді. Технологія zk у zkML здебільшого відноситься до zkSNARK. zkSNARK пропонує нам рішення: будь-хто може запустити модель поза ланцюгом і створити стислі та перевірені докази того, що очікувана модель справді дає конкретний результат, і це підтвердження можна опублікувати в ланцюжку та зафіксувати смарт-контрактами та підвищити їхній інтелект. Для моделей ML зазвичай потрібні три частини: навчальні дані, архітектура моделі та параметри моделі. Поки навчена модель проходить перевірку аргументації, вона може відкрити оновлений простір дизайну для смарт-контрактів. (Модельне навчання та міркування не будемо описувати занадто багато)
Випадки використання zkML у крипто
І смарт-контракт після додавання zkSNARK +ML також матиме багато варіантів використання, наступні варіанти його використання:
DeFi
Оракул машинного навчання поза ланцюгом, який можна перевірити
Поєднуючи zkSNARK з перевіреними міркуваннями моделей машинного навчання, ці позаланцюгові оракули машинного навчання можуть бути використані для надійного вирішення реальних ринків прогнозів, захищених протокольних контрактів тощо шляхом перевірки міркувань і публікації доказів у мережі.
ML Parameterized DeFi
Багато підрозділів DeFi насправді можна автоматизувати. Наприклад, протоколи кредитування можуть використовувати моделі ML для оновлення параметрів у реальному часі. Сучасні протоколи кредитування здебільшого довіряють позамережевим моделям, які використовують організації для визначення коефіцієнтів застави, LTV, порогів ліквідації тощо. ML може надати кращу альтернативу, навчені спільнотою моделі з відкритим кодом, які кожен може запустити та перевірити.
Автоматизовані торгові стратегії
Один із способів перевірити прибутковість торгової стратегії полягає в тому, щоб MP надав інвесторам різноманітні тести. Неможливо перевірити, що стратег дотримувався моделі під час здійснення торгівлі, але zkML може надати рішення для цього, MP може бути розгорнутий у певному місці Надає доказ перевірки обґрунтування фінансової моделі.
Домен безпеки
МОНІТОРИНГ ШАХРАЙСТВА ДЛЯ СМАРТ-КОНТРАКТІВ
Замість ручного управління або централізованих учасників, які контролюють можливість призупинення контрактів, моделі ML можна використовувати для виявлення можливої зловмисної поведінки та застосування процедур призупинення.
DID і Social
Заміна закритих ключів біометричною автентифікацією (що зараз робить Worldcoin)
Керування закритими ключами залишається ще одним головним болем для користувачів Web3. Вилучення приватних ключів за допомогою розпізнавання обличчя чи інших біометричних даних є одним із можливих рішень для zkML, і Worldcoin застосовує це точно так само, за допомогою свого пристрою Orb, щоб визначити, чи є хтось справжньою людиною, не намагаючись підробити KYC, і використовуючи технологію zk для гарантувати, що вихідні дані його моделей ML не розкривають особисті дані користувачів, це досягається за допомогою різних датчиків камери та моделей машинного навчання, які аналізують риси обличчя та райдужної оболонки ока.
Персоналізовані рекомендації та фільтрація вмісту для соціальних мереж Web3
Подібним чином деякі соціальні мережі Web 3 можуть легко отримувати налаштування та дані користувачів, показувати нам спам і фальшиві посилання, а багато фальшивих посилань призводять до крадіжки гаманців користувачів тощо, але ми можемо уникнути непотрібного вмісту та посилань на електронні листи за допомогою технології zkML .
Creator Economy та ігри
Ребалансування внутрішньої економіки
Моделі ML можна використовувати для динамічного коригування порогів випуску, постачання, знищення токенів, голосування тощо. Однією з можливих моделей є заохочувальний контракт, який може відновити баланс внутрішньоігрової економіки, якщо досягнуто певного порогу відновлення балансу та підтверджено аргументацію.
Новий тип ланцюжкової гри
Можна створювати кооперативні ігри людини та штучного інтелекту та інші інноваційні онлайн-ігри, де ненадійна модель штучного інтелекту діє як NPC, а всі дії NPC публікуються в ланцюжку з доказом моделі.
проект екологічного потенціалу zkML
Оскільки zkML все ще знаходиться на ранній стадії розробки, існує не так багато проектів, які можна знайти. Нижче наведено потенційні проекти, знайдені для всіх:
Worldcoin
Worldcoin не буде описуватися занадто багато, кожен повинен бути знайомий з ним, будь ласка, зверніться до "Якщо Worldcoin досягне успіху, який вплив це матиме на індустрію шифрування?"
Modulus Labs
Modulus Labs є одним із найрізноманітніших проектів у zkML, технології, необхідній для створення штучного інтелекту в ланцюжку. Працюйте над сценаріями використання та відповідними дослідженнями. Що стосується додатків, Modulus Labs розробила RockyBot (торговий бот у мережі) та Leela vs. the World (гра в шахи), де реальні люди грають проти верифікованого екземпляра шахового двигуна Leela у мережі.
Людина
Giza — це протокол, призначений для розвитку економіки за допомогою штучного інтелекту. Він може розгортати моделі штучного інтелекту в ланцюжку за допомогою абсолютно ненадійного методу. Він підтримується співпрацею StarkWare і нарешті реалізує ринок, який забезпечує альтернативний шлях для розвитку штучного інтелекту.
Zkaptcha
Zkaptcha зосереджується на проблемі роботів у Web3, захищає смарт-контракти від атак роботів, використовує докази з нульовим знанням для створення смарт-контрактів, стійких до атак Sybil, і надає послуги коду перевірки для смарт-контрактів. Наразі проект дає змогу кінцевим користувачам генерувати доказ роботи людини, заповнюючи captcha. У майбутньому Zkaptcha успадкує zkML і запустить службу, подібну до існуючих Captcha Web 2, але також зможе аналізувати поведінку, наприклад рухи миші, щоб визначити, чи є користувач це реально.
Висновок
На даний момент існує не так багато продуктів у сфері поєднання zkML і crypto, і в процесі створення таких продуктів виникнуть деякі проблеми, і zkML і crypto можуть потребувати додаткових удосконалень та оптимізації в майбутньому. Однак завдяки поєднанню zkSNARK і ML у нас є підстави вважати, що потужність zkML може принести кращі перспективи та розвиток криптографії, і ми також очікуємо більше продуктів у цій галузі. Технологія zk і crypto забезпечують безпеку для роботи ML. Надійне середовище, і в майбутньому, окрім інноваційних продуктів, воно також може породити інноваційну бізнес-модель криптографії, оскільки в цьому дикому й анархічному світі Web 3 децентралізація, криптотехнології та довіра є найважливішими базовими можливостями.
Переглянути оригінал
Контент має виключно довідковий характер і не є запрошенням до участі або пропозицією. Інвестиційні, податкові чи юридичні консультації не надаються. Перегляньте Відмову від відповідальності , щоб дізнатися більше про ризики.
Чи стане zkML новим напрямком треку zk?
Автор: Лео
Недавній вибух Worldcoin також створив достатній імпульс для наративу Web3+AI.Worldcoin належить до концепції zkML, похідної від zk+ML (доказ нульового знання та машинне навчання), а також є новою комбінацією, про яку говорили Нещодавно про технологію zk Немає потреби говорити про те, що машинне навчання є підгалуззю штучного інтелекту. Раніше AI+Web3 був дуже популярним у галузі, але наразі немає хорошої концепції чи сценарію використання, щоб плавно поєднати обидва. Нещодавно на конференції в Чорногорії Віталік також високо оцінив zkSNARK у поєднанні з вибухом Worldcoin, тому можна передбачити, що zkML виділиться.
Можливо, ви не знайомі з zkML. Ця стаття головним чином розвіює для вас туман щодо zkML, зосереджуючись на вступі, варіантах використання та деяких потенційних проектах zkML. Оскільки наразі існує небагато варіантів використання zkML, я сподіваюся, ви зможете скористатися можливість і дізнайтеся про це заздалегідь. Готуйтеся до нових концепцій і випадків використання.
Web 3 + ML
zkML поєднує нульовий рівень знань і машинне навчання. Насправді, за межами Web 3, ML більше не є новим словом. Ця технологія широко використовується в деяких сферах, таких як обробка природної мови (NLP), автономне водіння, електронні комерція тощо. Усі галузі досягли вищого рівня завдяки технології ML, і навіть у деяких галузях ML вже зайняв домінуюче становище, тому майбутнє zkML також є загальною тенденцією, а вбудовування ML в смарт-контракти також забезпечить смарт-контракти з більш складні та розумніші методи обробки.
Додавши можливості ML, розумні контракти можуть стати більш автономними та динамічними, дозволяючи їм діяти на основі даних у ланцюжку в реальному часі, а не на статичних правилах. Смарт-контракти будуть більш гнучкими та адаптуються до більшої кількості сценаріїв, у тому числі до тих, які, можливо, не передбачалися під час початкового створення контракту. Коротше кажучи, можливості ML підвищать автоматизацію, точність, ефективність і гнучкість будь-якого смарт-контракту, який ми використовуємо в ланцюжку.
Наразі одна з причин, чому ML не набула широкого застосування в криптографії, полягає в тому, що обчислювально дорого запускати ці моделі в ланцюжку, наприклад fastBERP – клас моделей мови NLP, який потребує використання приблизно 1800 MFLOPS (мільйонів плаваючих елементів). для прийняття.точкова арифметика), яку неможливо запустити безпосередньо на EVM. У той час як моделі додатків повинні робити прогнози на основі даних реального світу, для того, щоб мати смарт-контракти масштабу ML, контракти повинні отримувати такі прогнози;
Друга причина полягає в необхідності мати справу зі структурою довіри моделей ML. Є два головних моменти. Один — це конфіденційність: як згадувалося раніше, параметри моделі зазвичай є приватними, а в деяких випадках вхідні дані моделі також потрібно зберігати в таємниці. , що, природно, існує певна проблема довіри між власником моделі та її користувачем; друга — це алгоритмічна чорна скринька, а моделі ML іноді називають «чорними скриньками», оскільки вони містять багато автоматизованих кроків у процесі обчислення, які важко зрозуміти. або пояснити. Ці кроки включають складні алгоритми та великі обсяги даних, які призводять до невизначених, а іноді й випадкових результатів, що робить алгоритми основними для упередженості та навіть дискримінації. І технологія zk може дуже ефективно вирішити цю проблему довіри.
Таким чином, у цей час zkSNARK з’явився в цьому тренді. Технологія zk у zkML здебільшого відноситься до zkSNARK. zkSNARK пропонує нам рішення: будь-хто може запустити модель поза ланцюгом і створити стислі та перевірені докази того, що очікувана модель справді дає конкретний результат, і це підтвердження можна опублікувати в ланцюжку та зафіксувати смарт-контрактами та підвищити їхній інтелект. Для моделей ML зазвичай потрібні три частини: навчальні дані, архітектура моделі та параметри моделі. Поки навчена модель проходить перевірку аргументації, вона може відкрити оновлений простір дизайну для смарт-контрактів. (Модельне навчання та міркування не будемо описувати занадто багато)
Випадки використання zkML у крипто
І смарт-контракт після додавання zkSNARK +ML також матиме багато варіантів використання, наступні варіанти його використання:
DeFi
Оракул машинного навчання поза ланцюгом, який можна перевірити
Поєднуючи zkSNARK з перевіреними міркуваннями моделей машинного навчання, ці позаланцюгові оракули машинного навчання можуть бути використані для надійного вирішення реальних ринків прогнозів, захищених протокольних контрактів тощо шляхом перевірки міркувань і публікації доказів у мережі.
ML Parameterized DeFi
Багато підрозділів DeFi насправді можна автоматизувати. Наприклад, протоколи кредитування можуть використовувати моделі ML для оновлення параметрів у реальному часі. Сучасні протоколи кредитування здебільшого довіряють позамережевим моделям, які використовують організації для визначення коефіцієнтів застави, LTV, порогів ліквідації тощо. ML може надати кращу альтернативу, навчені спільнотою моделі з відкритим кодом, які кожен може запустити та перевірити.
Автоматизовані торгові стратегії
Один із способів перевірити прибутковість торгової стратегії полягає в тому, щоб MP надав інвесторам різноманітні тести. Неможливо перевірити, що стратег дотримувався моделі під час здійснення торгівлі, але zkML може надати рішення для цього, MP може бути розгорнутий у певному місці Надає доказ перевірки обґрунтування фінансової моделі.
Домен безпеки
МОНІТОРИНГ ШАХРАЙСТВА ДЛЯ СМАРТ-КОНТРАКТІВ
Замість ручного управління або централізованих учасників, які контролюють можливість призупинення контрактів, моделі ML можна використовувати для виявлення можливої зловмисної поведінки та застосування процедур призупинення.
DID і Social
Заміна закритих ключів біометричною автентифікацією (що зараз робить Worldcoin)
Керування закритими ключами залишається ще одним головним болем для користувачів Web3. Вилучення приватних ключів за допомогою розпізнавання обличчя чи інших біометричних даних є одним із можливих рішень для zkML, і Worldcoin застосовує це точно так само, за допомогою свого пристрою Orb, щоб визначити, чи є хтось справжньою людиною, не намагаючись підробити KYC, і використовуючи технологію zk для гарантувати, що вихідні дані його моделей ML не розкривають особисті дані користувачів, це досягається за допомогою різних датчиків камери та моделей машинного навчання, які аналізують риси обличчя та райдужної оболонки ока.
Персоналізовані рекомендації та фільтрація вмісту для соціальних мереж Web3
Подібним чином деякі соціальні мережі Web 3 можуть легко отримувати налаштування та дані користувачів, показувати нам спам і фальшиві посилання, а багато фальшивих посилань призводять до крадіжки гаманців користувачів тощо, але ми можемо уникнути непотрібного вмісту та посилань на електронні листи за допомогою технології zkML .
Creator Economy та ігри
Ребалансування внутрішньої економіки
Моделі ML можна використовувати для динамічного коригування порогів випуску, постачання, знищення токенів, голосування тощо. Однією з можливих моделей є заохочувальний контракт, який може відновити баланс внутрішньоігрової економіки, якщо досягнуто певного порогу відновлення балансу та підтверджено аргументацію.
Новий тип ланцюжкової гри
Можна створювати кооперативні ігри людини та штучного інтелекту та інші інноваційні онлайн-ігри, де ненадійна модель штучного інтелекту діє як NPC, а всі дії NPC публікуються в ланцюжку з доказом моделі.
проект екологічного потенціалу zkML
Оскільки zkML все ще знаходиться на ранній стадії розробки, існує не так багато проектів, які можна знайти. Нижче наведено потенційні проекти, знайдені для всіх:
Worldcoin
Worldcoin не буде описуватися занадто багато, кожен повинен бути знайомий з ним, будь ласка, зверніться до "Якщо Worldcoin досягне успіху, який вплив це матиме на індустрію шифрування?"
Modulus Labs
Modulus Labs є одним із найрізноманітніших проектів у zkML, технології, необхідній для створення штучного інтелекту в ланцюжку. Працюйте над сценаріями використання та відповідними дослідженнями. Що стосується додатків, Modulus Labs розробила RockyBot (торговий бот у мережі) та Leela vs. the World (гра в шахи), де реальні люди грають проти верифікованого екземпляра шахового двигуна Leela у мережі.
Людина
Giza — це протокол, призначений для розвитку економіки за допомогою штучного інтелекту. Він може розгортати моделі штучного інтелекту в ланцюжку за допомогою абсолютно ненадійного методу. Він підтримується співпрацею StarkWare і нарешті реалізує ринок, який забезпечує альтернативний шлях для розвитку штучного інтелекту.
Zkaptcha
Zkaptcha зосереджується на проблемі роботів у Web3, захищає смарт-контракти від атак роботів, використовує докази з нульовим знанням для створення смарт-контрактів, стійких до атак Sybil, і надає послуги коду перевірки для смарт-контрактів. Наразі проект дає змогу кінцевим користувачам генерувати доказ роботи людини, заповнюючи captcha. У майбутньому Zkaptcha успадкує zkML і запустить службу, подібну до існуючих Captcha Web 2, але також зможе аналізувати поведінку, наприклад рухи миші, щоб визначити, чи є користувач це реально.
Висновок
На даний момент існує не так багато продуктів у сфері поєднання zkML і crypto, і в процесі створення таких продуктів виникнуть деякі проблеми, і zkML і crypto можуть потребувати додаткових удосконалень та оптимізації в майбутньому. Однак завдяки поєднанню zkSNARK і ML у нас є підстави вважати, що потужність zkML може принести кращі перспективи та розвиток криптографії, і ми також очікуємо більше продуктів у цій галузі. Технологія zk і crypto забезпечують безпеку для роботи ML. Надійне середовище, і в майбутньому, окрім інноваційних продуктів, воно також може породити інноваційну бізнес-модель криптографії, оскільки в цьому дикому й анархічному світі Web 3 децентралізація, криптотехнології та довіра є найважливішими базовими можливостями.