1. ما إذا كان يتطلب الذكاء الاصطناعي القابل للتحقق يعتمد على: ما إذا تم تعديل بيانات السلسلة، وما إذا كانت العدالة والخصوصية معنية

   1. عندما لا يؤثر الذكاء الاصطناعي على حالة السلسلة، يمكن للذكاء الاصطناعي أن يعمل كمستشار. يمكن للناس تقييم جودة خدمات الذكاء الاصطناعي من خلال النتائج الفعلية دون التحقق من عملية الحساب.
   2. عندما يتأثر الحالة على السلسلة، إذا كانت الخدمة تستهدف الأفراد ولا تؤثر على الخصوصية، فيمكن للمستخدمين لا يزالون يمكنهم تقييم جودة خدمات الذكاء الاصطناعي مباشرة دون الحاجة إلى التحقق من عملية الحساب.
   3. عندما يؤثر إخراج الذكاء الاصطناعي على العدالة والخصوصية الشخصية بين العديد من الأشخاص، مثل استخدام الذكاء الاصطناعي لتقييم وتوزيع المكافآت على أعضاء المجتمع، أو استخدام الذكاء الاصطناعي لتحسين AMM، أو إشراك البيانات البيولوجية، سيود الناس مراجعة حسابات الذكاء الاصطناعي. هنا حيث يمكن التحقق من أن الذكاء الاصطناعي قد يجد PMF.

2. نظام البيئة التطبيقية الرأسي للذكاء الاصطناعي: نظرًا لأن أحد طرفي الذكاء الاصطناعي القابل للتحقق هو عقد ذكي، فإن التطبيقات القابلة للتحقق للذكاء الاصطناعي وحتى تطبيقات الذكاء الاصطناعي والتطبيقات اللامركزية الأصلية قد تكون قادرة على استخدام بعضها البعض دون الحاجة إلى الثقة. هذه هي بيئة تطبيقات الذكاء الاصطناعي القابلة للتركيب المحتملة

3. نظام السلسلة العمومية يمكنه التعامل مع قضايا مثل دفع الخدمات، تنسيق النزاعات المتعلقة بالدفع، ومطابقة احتياجات المستخدم ومحتوى الخدمة لمقدمي خدمات الذكاء الاصطناعي، بحيث يمكن للمستخدمين الاستمتاع بتجربة خدمة الذكاء الاصطناعي اللامركزية بدرجة أعلى من الحرية.

1. نظرة عامة على شركة Modulus وقصص التطبيق

1.1 مقدمة وحلول النواة

Modulus Labs هي شركة الذكاء الاصطناعي "على السلسلة" تعتقد الذكاء الاصطناعي يمكن أن تعزز بشكل كبير قدرات العقود الذكية وتجعل تطبيقات web3 أكثر قوة. ومع ذلك ، هناك تناقض عند تطبيق الذكاء الاصطناعي على web3 ، أي الذكاء الاصطناعي يتطلب قدرا كبيرا من قوة الحوسبة للعمل ، الذكاء الاصطناعي هو صندوق أسود للحوسبة خارج السلسلة. هذا لا يفي بالمتطلبات الأساسية ل web3 ليكون غير موثوق به ويمكن التحقق منه.

لذلك ، اعتمدت Modulus Labs على مخطط zk rollup [المعالجة المسبقة خارج السلسلة + التحقق على السلسلة] واقترحت بنية يمكنها التحقق من الذكاء الاصطناعي. على وجه التحديد ، يعمل نموذج ML خارج السلسلة ، وبالإضافة إلى ذلك ، يتم إنشاء zkp لعملية حساب ML خارج السلسلة. من خلال zkp هذا ، يمكن التحقق من البنية والأوزان والمدخلات (المدخلات) للنموذج خارج السلسلة. بالطبع ، يمكن أيضا نشر zkp هذا في السلسلة للتحقق من خلال العقود الذكية. في هذه المرحلة ، يمكن أن تتفاعل العقود الذكاء الاصطناعي وعلى السلسلة بشكل أكثر ثقة ، أي أن "الذكاء الاصطناعي على السلسلة" قد تحققت.

بناءً على فكرة الذكاء الاصطناعي القابل للتحقق، قامت Modulus Labs بإطلاق ثلاث تطبيقات "على السلسلة" حتى الآن، وقد اقترحت أيضًا العديد من سيناريوهات التطبيق المحتملة.

1.2 حالات التطبيق

1. كان Rocky Bot أول من أطلق، وهوذكاء اصطناعي للتداول التلقائي. تم تدريب Rocky على البيانات التاريخية من زوج التداول Weth/USDC. يحكم Rocky اتجاهات Weth المستقبلية بناءً على البيانات التاريخية. بعد اتخاذ قرار تداول، سيقوم بإنشاء zkp لعملية القرار (عملية الحساب) وإرسال رسالة إلى L1 لتشغيل الصفقة.
2. الثاني هو لعبة الشطرنج على السلسلة “Leela vs. the World”. كلا اللاعبين في اللعبة هما AI وبشر، ووضع اللعبة في عقد. يقوم اللاعب بالتشغيل من خلال محفظة (يتفاعل مع العقود). ومع ذلك، يقرأ الذكاء الاصطناعي وضع اللعبة الجديد لعبة الشطرنج، يتخذ قرارًا، ويُولّد zkp لعملية الحساب بأكملها. يتم إتمام كلا الخطوتين على سحابة AWS، ويتم التحقق من zkp من خلال عقد على السلسلة. بعد نجاح التحقق، يُستخدم عقد اللعبة لـ “لعب الشطرنج”.
3. الثالث هو فنان ذكاء اصطناعي "على السلسلة" وأطلق سلسلة NFT zKMon. الأساس هو أن الذكاء الاصطناعي يولد NFTs وينشرها على السلسلة، ويولد أيضًا zkp. يمكن للمستخدمين التحقق مما إذا كان NFT الخاص بهم قد تم إنشاؤه من نموذج الذكاء الاصطناعي المقابل من خلال zkp.

بالإضافة إلى ذلك، ذكرت Modulus Labs بعض الحالات الأخرى للاستخدام:

1. استخدم الذكاء الاصطناعي لتقييم البيانات الشخصية على السلسلة ومعلومات أخرى، وتوليد تصنيفات سمعة شخصية، ونشر zkp للتحقق من الهوية للمستخدم؛
2. استخدم الذكاء الاصطناعي لتحسين أداء AMM ونشر zkp للمستخدمين للتحقق؛
3. استخدام الذكاء الاصطناعي القابل للتحقق لمساعدة مشاريع الخصوصية على التعامل مع الضغط التنظيمي، لكن في الوقت نفسه عدم تعريض الخصوصية (ربما باستخدام تعلم الآلة لإثبات أن هذه الصفقة ليست غسيل أموال، دون الكشف عن معلومات مثل عناوين المستخدمين)؛
4. الذكاء الاصطناعي أواكلات، وإصدار zkp للجميع للتحقق من موثوقية البيانات خارج السلسلة؛
5. في مسابقة نموذج الذكاء الاصطناعي، يقدم المتسابقون هندستهم وأوزانهم الخاصة، ثم يقومون بتشغيل النموذج بإدخال اختبار موحد لتوليد zkp للحساب، ويقوم العقد النهائي تلقائيًا بإرسال الجائزة المالية إلى الفائز؛
6. قالت Worldcoin إنه في المستقبل قد يكون بإمكان المستخدمين تنزيل نموذج للقزحية لتوليد الرمز المقابل على الجهاز المحلي، وتشغيل النموذج محليًا وتوليد zkp. وبهذه الطريقة، يمكن للعقد على السلسلة الإستفادة من zkp للتحقق من أن رمز قزحية المستخدم تم إنشاؤه من النموذج الصحيح والقزحية المعقولة، بينما لا تغادر المعلومات البيولوجية جهاز المستخدم الخاص؛

Photo Credit: Modulus Labs

1.3 مناقشة سيناريوهات تطبيق مختلفة استنادًا إلى الحاجة إلى الذكاء الاصطناعي القابل للتحقق

1.3.1 السيناريوهات التي يمكن أن تتحقق AI قد لا تكون مطلوبة

في سيناريو بوت روكي، قد لا يكون من الضروري للمستخدمين التحقق من عملية حساب الذكاء الصناعي. أولاً، لا يمتلك المستخدمون الخبرة ولا القدرة على إجراء التحقق الحقيقي. حتى إذا كان هناك أداة تحقق، في رأي المستخدم، "أنا أضغط على زر، وتظهر الواجهة لتخبرني بأن هذه الخدمة الذكاء الصناعي تم إنشاؤها فعليًا بواسطة نموذج معين"، ولا يمكن تحديد مصداقيتها. ثانيًا، لا يحتاج المستخدمون إلى التحقق، لأن المستخدمين يهتمون بمدى ارتفاع عائد الذكاء الصناعي. يهاجرون المستخدمون عندما يكون الربح منخفضًا، ويختارون دائمًا النموذج الذي يعمل بشكل أفضل. باختصار، عندما يكون النتيجة النهائية للذكاء الصناعي هو ما يبحث عنه المستخدم، فإن عملية التحقق قد لا تكون مهمة لأن المستخدم يحتاج فقط إلى الانتقال إلى الخدمة التي تعمل بشكل أفضل.

**إحدى الحلول الممكنة هي أن يعمل الذكاء الاصطناعي فقط كمستشار، ويقوم المستخدم بتنفيذ الصفقة بشكل مستقل. ** عندما يدخل الأشخاص أهدافهم التجارية في الذكاء الاصطناعي، يقوم الذكاء الاصطناعي بحساب وإرجاع مسار/اتجاه تداول أفضل خارج السلسلة، ويختار المستخدم ما إذا كان سينفذها. الناس أيضًا لا يحتاجون إلى التحقق من النموذج الذي يقف وراءه؛ فقط يحتاجون إلى اختيار المنتج الذي يحقق أعلى عائد.

موقف آخر خطير ولكنه مرجح للغاية هو أن الناس لا يهتمون بالتحكم في أصولهم أو عملية الحساب الذكي على الإطلاق. عندما يظهر روبوت يكسب المال تلقائيًا، يكون الناس حتى على استعداد لاستضافة المال مباشرة له، تمامًا كما لو كانوا يضعون الرموز في CEX أو البنوك التقليدية لإدارة المال. لأن الناس لا يهتمون بالمبادئ الكامنة وراء ذلك؛ إنما يهمهم فقط كم يحصلون من المال في النهاية، أو حتى كم يظهر لهم من المال يكسبهم الطرف المشروع، فإن هذا النوع من الخدمة قد يكون قادرًا على اكتساب عدد كبير من المستخدمين بسرعة، وحتى العمل بوتيرة أسرع من منتجات الجانب الخاصة التي تستخدم الذكاء الاصطناعي القابل للتحقق.

بالرجوع خطوة إلى الوراء ، إذا لم يشارك الذكاء الاصطناعي في تغييرات الحالة على السلسلة على الإطلاق ، ولكنه ببساطة يكشط البيانات على السلسلة ويعالجها مسبقا للمستخدمين ، فلا داعي لإنشاء ZKP لعملية الحساب. فيما يلي بعض الأمثلة على هذا النوع من التطبيقات ك "خدمة بيانات":

1. يقدم صندوق الدردشة الذي يوفره Mest خدمة بيانات نموذجية. يمكن للمستخدمين استخدام الأسئلة والأجوبة لفهم بياناتهم على السلسلة، مثل السؤال عن كم قاموا بإنفاقه على NFT؛
2. ChaingPT هو مساعد ذكاء اصطناعي متعدد الوظائف يمكنه تفسير العقود الذكية بالنسبة لك قبل التداول، ويخبرك ما إذا كنت تتداول مع حوض السباحة الصحيح، أو يخبرك ما إذا كان من المرجح أن يتم القبض على الصفقة أو سرقتها. كما يقوم ChaingPT بالاستعداد لتقديم توصيات أخبار الذكاء الاصطناعي، وإدخال اقتراحات لتوليد الصور تلقائيًا ونشرها كNFTs وخدمات أخرى؛
3. يوفر RSS3 AIOP، بحيث يمكن للمستخدمين تحديد البيانات على السلسلة التي يرغبون فيها والقيام ببعض التحضير المسبق، بحيث يكون من السهل تدريب الذكاء الاصطناعي باستخدام البيانات الخاصة على السلسلة.
4. لقد قامت DeVillama و RSS3 أيضًا بتطوير مكونات إضافية لـ ChatGPT، حيث يمكن للمستخدمين الحصول على البيانات على السلسلة من خلال المحادثات؛

1.3.2 السناريوهات التي تتطلب الاستدلال الموثق للذكاء الصناعي

يُقدم هذا المقال حججًا تقول إن السيناريوهات التي تنطوي على عدة أشخاص، وتشمل العدالة والخصوصية، تتطلب ZKP لتوفير التحقق، ويتم مناقشة عدة تطبيقات ذكرتها شركة Modulus Labs هنا:

1. عندما تكافأ المجتمعات الأفراد استنادًا إلى سمعة شخصية تم إنشاؤها بواسطة الذكاء الاصطناعي، سيطلب أعضاء المجتمع بالضرورة استعراض عملية اتخاذ القرار التقييمي، وهي عملية الحساب للتعلم الآلي؛
2. سيناريوهات تحسين الذكاء الاصطناعي ل AMM تنطوي على توزيع الفوائد بين عدة أشخاص، ويجب أن يتم التحقق من عملية حساب الذكاء الاصطناعي بانتظام أيضًا؛
3. عند موازنة الخصوصية والتنظيم، ZK حاليًا هو واحد من الحلول الأفضل. إذا استخدم مزود الخدمة ML في الخدمة لمعالجة البيانات الخاصة، فيجب أن يولد ZKP لعملية الحساب بأكملها؛
4. نظرًا لأن أوراق البنك لها نطاق واسع من التأثير ، إذا كانت تحت سيطرة الذكاء الاصطناعي ، فيجب توليد ZKP بانتظام للتحقق مما إذا كان الذكاء الاصطناعي يعمل بشكل صحيح؛
5. في المنافسة، يُطلب من الجمهور والمشاركين الآخرين التحقق مما إذا كانت الحوسبة الآلية تتوافق مع مواصفات المنافسة؛
6. من بحيث المحتمل استخدامات Worldcoin، الحماية من البيانات الشخصية البيولوجية هي أيضًا متطلب قوي؛

بشكل عام، عندما يكون الذكاء الاصطناعي مماثلاً لصانع القرار، ويكون إخراجه له تأثير واسع النطاق ويتضمن العدالة من العديد من الأطراف، فإن الناس سيطالبون بمراجعة عملية اتخاذ القرار، أو ببساطة التأكد من عدم وجود مشاكل كبيرة في عملية اتخاذ القرار الخاصة بالذكاء الاصطناعي، وحماية الخصوصية الشخصية هي متطلب عاجل جدًا.

لذلك، "ما إذا كانت نتائج الذكاء الاصطناعي تعدل الحالة على السلسلة" و "ما إذا كانت تؤثر على العدالة/الخصوصية" هما معياران لتقييم ما إذا كان يتعين الحاجة إلى حل ذكاء اصطناعي قابل للتحقق

1. عندما لا يعدل الإخراج الذكاء الاصطناعي الحالة على السلسلة، يمكن لخدمة الذكاء الاصطناعي أن تعمل كموصي. يمكن للناس أن يحكموا على جودة خدمة الذكاء الاصطناعي من خلال تأثير التوصية دون التحقق من عملية الحساب؛
2. عندما يقوم الإخراج الذكي بتعديل الحالة على السلسلة، إذا كانت خدمة تستهدف الأفراد فقط ولا تؤثر على الخصوصية، فإن المستخدمين ما زال بإمكانهم الحكم مباشرة على جودة خدمة الذكاء الاصطناعي دون الحاجة إلى التحقق من عملية الحساب؛
3. عندما يؤثر الإخراج الذكي مباشرة على العدالة بين الكثير من الناس، ويقوم الذكاء الاصطناعي تلقائيًا بتعديل البيانات على السلسلة، يحتاج المجتمع والجمهور إلى اختبار عملية اتخاذ القرار للذكاء الاصطناعي؛
4. عندما يتضمن معالجة البيانات بواسطة ML خصوصية الأشخاص، يُحتاج أيضًا إلى zk لحماية الخصوصية وبالتالي التعامل مع المتطلبات التنظيمية.

صورة بواسطة: Kernel Ventures

2. نموذجين لنظام البيئة الذكية المستندة إلى سلسلة الكتل العامة

في أي حال، فإن حلول شركة Modulus Labs مفيدة للغاية بشأن كيف يمكن للذكاء الاصطناعي أن يجمع بين العملات المشفرة ويجلب قيمة تطبيقية عملية. ومع ذلك، فإن نظام السلسلة العامة لا يعزز فقط قدرات خدمات الذكاء الاصطناعي الفردية، ولكنه أيضًا لديه القدرة على بناء نظام جديد لتطبيقات الذكاء الاصطناعي. هذا النظام الجديد أحدث علاقة مختلفة بين خدمات الذكاء الاصطناعي مقارنة بـ Web2، العلاقة بين خدمات الذكاء الاصطناعي والمستخدمين، وحتى الطريقة التي يتعاون بها الروابط الجانبية والروابط الهابطة. يمكننا تلخيص نماذج نظام تطبيقات الذكاء الاصطناعي المحتملة إلى نوعين: الوضع الرأسي والنموذج الأفقي.

2.1 الوضع العمودي: التركيز على تحقيق القابلية للتركيب بين الذكاء الاصطناعي

حالة استخدام لعبة الشطرنج بالسلسلة "ليلا مقابل العالم" لها مكانة خاصة. يمكن للأشخاص وضع الرهانات على البشر أو الذكاء الاصطناعي، وتُوزع الرموز تلقائيًا بعد انتهاء اللعبة. في هذه النقطة، فإن معنى zkp ليس فقط للمستخدمين للتحقق من حسابات الذكاء الاصطناعي، ولكن أيضًا كضمان للثقة لتحفيز تحولات الحالة على السلسلة. مع ضمان الثقة، قد يكون هناك أيضًا تركيبية على مستوى dapp بين خدمات الذكاء الاصطناعي وبين الذكاء الاصطناعي والتطبيقات اللامركزية الخاصة بالعملات المشفرة.

مصدر الصورة: Kernel Ventures، بالإشارة إلى Modulus Labs

الوحدة الأساسية الذكاء الاصطناعي القابلة للدمج هي [نموذج ML خارج السلسلة - توليد zkp - عقد التحقق على السلسلة - العقد الرئيسي]. تعتمد هذه الوحدة على إطار عمل "ليلا مقابل العالم" ، لكن البنية الفعلية ل dapp الذكاء الاصطناعي واحد قد لا تكون هي نفسها كما هو موضح في الصورة أعلاه. أولا ، يتطلب وضع لعبة الشطرنج في لعبة الشطرنج عقدا ، ولكن في الواقع ، قد لا يحتاج الذكاء الاصطناعي إلى عقد على السلسلة. ومع ذلك ، بقدر ما يتعلق الأمر ببنية الذكاء الاصطناعي القابلة للدمج ، إذا تم تسجيل العمل الرئيسي من خلال العقود ، فقد يكون من الأنسب للتطبيقات اللامركزية الأخرى دمجه معها. ثانيا ، لا يحتاج العقد الرئيسي بالضرورة إلى التأثير على نموذج ML الخاص ب dapp الذكاء الاصطناعي نفسه ، لأن dapp الذكاء الاصطناعي قد يكون له تأثير أحادي الاتجاه. بعد معالجة نموذج ML ، يكفي تشغيل عقد متعلق بأعماله الخاصة ، وسيتم استدعاء العقد بواسطة dapps أخرى.

بشكل موسع، المكالمات بين العقود هي مكالمات بين تطبيقات web3 مختلفة. هي مكالمات للهوية الشخصية، الأصول، الخدمات المالية، وحتى المعلومات الاجتماعية. يمكننا تخيل مزيجًا محددًا من تطبيقات الذكاء الاصطناعي:

1. يستخدم Worldcoin تعلم الآلة لإنشاء رموز القزحية و zkp لبيانات القزحية الشخصية؛
2. تحقق تطبيق تقييم السمعة الذكاء الاصطناعي أولاً ما إذا كان الشخص الذي يقف وراء هذا الهوية الرقمية حقيقيًا (ببيانات القزحية على الجزء الخلفي)، ثم يخصص NFTs للمستخدمين استنادًا إلى السمعة على السلسلة الكتلية؛
3. تعديل خدمة الإقراض حصة القرض وفقًا لل NFT المملوكة من قبل المستخدم؛
4. …

التفاعل بين الذكاء الاصطناعي في إطار السلسلة العامة ليس شيئا لم تتم مناقشته. اقترح Loaf ، وهو مساهم في النظام البيئي Realms لألعاب السلسلة الكاملة ، ذات مرة أن الذكاء الاصطناعي الشخصيات غير القابلة للعب يمكنها التداول مع بعضها البعض مثل اللاعبين ، بحيث يمكن للنظام الاقتصادي بأكمله تحسين نفسه والعمل تلقائيا. طورت الذكاء الاصطناعي Arena لعبة معركة آلية الذكاء الاصطناعي. يشتري المستخدمون أولا NFT. يمثل NFT روبوت معركة ، ويقف وراءه نموذج الذكاء الاصطناعي. يلعب المستخدمون أولا الألعاب بمفردهم ، ثم يسلمون البيانات إلى الذكاء الاصطناعي لمحاكاة التعلم. عندما يشعر المستخدمون أن الذكاء الاصطناعي قوية بما فيه الكفاية ، يمكنهم اللعب تلقائيا ضد الذكاء الاصطناعي الآخر في الساحة. ذكرت Modulus Labs أن الذكاء الاصطناعي Arena تريد تحويل كل هذه الذكاء الاصطناعي إلى الذكاء الاصطناعي يمكن التحقق منها. شهدت كلتا الحالتين إمكانية تفاعل الذكاء الاصطناعي مع بعضهما البعض وتعديل البيانات على السلسلة مباشرة أثناء تفاعلهما.

ومع ذلك ، لا يزال هناك العديد من القضايا التي يجب مناقشتها في التنفيذ المحدد الذكاء الاصطناعي القابلة للدمج ، مثل كيفية استخدام dapps المختلفة لبعضها البعض zkp أو التحقق من العقود. ومع ذلك ، هناك أيضا العديد من المشاريع الممتازة في مجال zk. على سبيل المثال ، حقق RISC Zero الكثير من التقدم في إجراء حسابات معقدة خارج السلسلة وإطلاق zkp إلى السلسلة. ربما في يوم من الأيام سيكون من الممكن وضع حل مناسب.

2.2 النموذج الأفقي: منصات خدمات الذكاء الاصطناعي التي تركز على اللامركزية

في هذا الصدد، نقدم في الأساس منصة ذكاء اصطناعي متمركزة تسمى SAKSHI، التي اقترحها مشتركون من جامعة برينستون وجامعة تسينغهوا وجامعة إلينوي في اوربانا-شامبين وجامعة هونغ كونغ للعلوم والتكنولوجيا وWitness Chain وEigen Layer. هدفها الأساسي هو تمكين المستخدمين من الوصول إلى خدمات الذكاء الاصطناعي بطريقة أكثر اتساقًا، مما يجعل العملية بأكملها أكثر ثقة وتلقائية.

صورة بواسطة: SAKSHI

يمكن تقسيم هيكل SAKSHI إلى ست طبقات: طبقة الخدمة (طبقة الخدمة)، وطبقة التحكم (طبقة التحكم)، وطبقة الصفقات (طبقة الترجمة)، وطبقة الإثبات (طبقة الإثبات)، وطبقة الاقتصاد (طبقة الاقتصاد)، وطبقة السوق (السوق)

السوق هو المستوى الأقرب إلى المستخدم. هناك منظمون على السوق لتقديم خدمات للمستخدمين نيابة عن مزودي الذكاء الاصطناعي المختلفين. يقوم المستخدمون بتقديم الطلبات من خلال المجمعين والوصول إلى اتفاقيات مع المجمعين بشأن جودة الخدمة وأسعار الدفع (الاتفاقيات تسمى اتفاقيات مستوى الخدمة SLA).

بعد ذلك، توفر طبقة الخدمة واجهة برمجة تطبيقات للجانب العميل، ثم يقوم العميل بطلب تحليل الآلة الذي يتم إرساله إلى الجمعية، ويتم إرسال الطلب إلى خادم يُستخدم لمطابقة مزود خدمة الذكاء الاصطناعي (المسار المستخدم لنقل الطلب هو جزء من طبقة التحكم). لذلك، طبقة الخدمة وطبقة التحكم مشابهة لخدمة تحتوي على عدة خوادم web2، ولكن الخوادم المختلفة تُديرها كيانات مختلفة، ويتم ربط كل خادم من خلال اتفاق خدمة موقع مسبقًا (اتفاق خدمة تم توقيعه مسبقًا) وجمعية.

يتم نشر SLAs على السلسلة في شكل عقود ذكية، كلها تنتمي إلى طبقة المعاملات (ملاحظة: في هذا الحل، يتم نشرها على سلسلة الشاهد). تسجل طبقة المعاملات أيضًا الحالة الحالية لطلب الخدمة وتستخدم لتنسيق المستخدمين والمجمعين ومقدمي الخدمات للتعامل مع النزاعات المالية.

من أجل أن تكون طبقة المعاملات لديها دليل يمكن الاعتماد عليه عند التعامل مع النزاعات، ستقوم طبقة الدليل (Proof Layer) بالتحقق مما إذا كان مقدم الخدمة يستخدم النموذج كما تم الاتفاق عليه في اتفاقية مستوى الخدمة. ومع ذلك، لم تختر SAKSHI توليد zkp لعملية حساب ML، بل استخدمت بدلاً من ذلك فكرة الدليل التفاؤلي، على أمل إنشاء شبكة من أجهزة التحدي لاختبار الخدمة. وتتحمل حوافز العقد الشاهد Witness Chain.

على الرغم من أن SLA وشبكة العقد المتحدة موجودان على Witness Chain، إلا أن في خطة SAKSHI، لا يخطط Witness Chain لاستخدام حوافز رمزها الأصلي لتحقيق أمان مستقل، بل يستخدم أمان Ethereum من خلال طبقة Eigen، لذلك يعتمد الاقتصاد بأكمله في الواقع على طبقة Eigen.

كما يمكن رؤيته، SAKSHI بين مقدمي خدمات الذكاء الاصطناعي والمستخدمين، وتنظم الذكاء الاصطناعي المختلف بطريقة لامركزية لتوفير الخدمات للمستخدمين. هذا يشبه أكثر الحلول الأفقية. جوهر SAKSHI هو أنه يتيح لمقدمي خدمات الذكاء الاصطناعي التركيز أكثر على إدارة حسابات نموذجهم الخارجي، ومطابقة احتياجات المستخدمين مع خدمات النموذج، ودفع الخدمات، والتحقق من جودة الخدمة من خلال اتفاقيات السلسلة الرئيسية، ومحاولة حل النزاعات المتعلقة بالدفع تلقائيًا. بالطبع، في الوقت الحالي، SAKSHI لا تزال في المرحلة النظرية، وهناك أيضًا العديد من تفاصيل التنفيذ تستحق التحديد.

3. الآفاق المستقبلية

سواء كان ذلك قابلا للدمج الذكاء الاصطناعي أو منصات الذكاء الاصطناعي اللامركزية ، يبدو أن نموذج النظام البيئي الذكاء الاصطناعي القائم على السلسلة العامة لديه شيء مشترك. على سبيل المثال ، لا يتصل مقدمو الخدمة الذكاء الاصطناعي مباشرة بالمستخدمين ؛ يحتاجون فقط إلى توفير نماذج ML وإجراء حسابات خارج السلسلة. يمكن حل المدفوعات وحل النزاعات والتنسيق بين احتياجات المستخدم والخدمات من خلال اتفاقيات لامركزية. كبنية تحتية غير موثوقة ، تقلل السلسلة العامة من الاحتكاك بين مقدمي الخدمات والمستخدمين ، ويتمتع المستخدمون أيضا باستقلالية أعلى في هذا الوقت.

على الرغم من أن مزايا استخدام السلسلة العامة كقاعدة للتطبيقات تكون تقاليدية، إلا أنه من الصحيح أن ذلك ينطبق أيضًا على خدمات الذكاء الاصطناعي. ومع ذلك، الفرق بين تطبيقات الذكاء الاصطناعي وتطبيقات الـ dapp الحالية هو أن تطبيقات الذكاء الاصطناعي لا يمكنها تحميل جميع الحسابات على السلسلة، لذا من الضروري استخدام zk أو دليل التفاؤل لربط خدمات الذكاء الاصطناعي بنظام السلسلة العامة بطريقة أكثر عدم الثقة.

مع تنفيذ سلسلة من حلول تحسين التجربة مثل التجريد الحسابي، قد لا يكون المستخدمون قادرين على إدراك وجود الذاكرة، والسلاسل، والغاز. يجلب هذا النظام البيئي للسلسلة العامة أقرب إلى web2 من حيث التجربة، بينما يمكن للمستخدمين الحصول على درجة أعلى من الحرية والتركيب من الخدمات web2. سيكون هذا جذابًا للغاية للمستخدمين. يستحق النظام البيئي لتطبيقات الذكاء الاصطناعي المعتمدة على السلسلة العامة الانتظار.

تعتبر Kernel Ventures صندوق رأس المال المغامر في مجال العملات الرقمية مدفوعة بمجتمع البحث والتطوير الذي يمتلك أكثر من 70 استثمارًا في المراحل المبكرة تركز على البنية التحتية والوسيطة والتطبيقات اللامركزية، وخاصة ZK و Rollup و DEX وسلاسل الكتل المعمارية والعمودية التي ستستضيف أكثر من مليار مستخدم للعملات الرقمية في المستقبل، مثل التجريم الحسابي، وتوفر البيانات، وقابلية التوسع، وما إلى ذلك. خلال السبع سنوات الماضية، كنا ملتزمين بدعم تطوير مجتمعات التطوير الأساسية وجمعيات سلاسل الكتل الجامعية في جميع أنحاء العالم.

تنصيح:

1. تم نشر هذه المقالة من [Gateمرآة]. جميع حقوق الطبع والنشر تنتمي إلى الكاتب الأصلي [Kernel Ventures Jerry Luo]. إذا كانت هناك اعتراضات على هذا النشر، يرجى الاتصال بفريق Gate Learngatelearn@gate.io）، وسيتم التعامل معها بسرعة.
2. إخلاء المسؤولية عن الضرر: الآراء والآراء المعبر عنها في هذه المقالة هي فقط تلك للكاتب ولا تشكل أي نصيحة استثمارية.
3. يتم إجراء ترجمات المقال إلى لغات أخرى من قبل فريق Gate Learn. ما لم يذكر غير ذلك، فإن نسخ أو توزيع أو نسخ المقالات المترجمة ممنوع.