1. Нужно ли верифицируемое искусственное интеллект зависит от: модифицируется ли цепочечные данные и вовлечены ли справедливость и конфиденциальность

   1. Когда искусственный интеллект не влияет на статус on-chain, искусственный интеллект может действовать как советник. Люди могут оценить качество услуг искусственного интеллекта через фактические результаты, не проверяя процесс расчета.
   2. Когда состояние on-chain изменяется, если услуги ориентированы на отдельных лиц и не затрагивают конфиденциальность, пользователи всё ещё могут прямо оценить качество услуг искусственного интеллекта, не проверяя процесс вычислений.
   3. Когда вывод искусственного интеллекта влияет на справедливость и личную конфиденциальность среди многих людей, таких как использование ИИ для оценки и распределения наград среди участников сообщества, использование ИИ для оптимизации AMM или связанные с биологическими данными, люди захотят проверить расчеты ИИ. Здесь можно проверить, что ИИ может обнаружить ПМФ.

2. Вертикальная экосистема приложений искусственного интеллекта: поскольку одним из концов верифицируемого искусственного интеллекта является смарт-контракт, верифицируемые приложения искусственного интеллекта и даже искусственный интеллект и местные dapps могут использовать друг друга без доверия. Это потенциальная составная экосистема приложений искусственного интеллекта

3. Экосистема горизонтальных приложений искусственного интеллекта: Система публичных цепочек может решать проблемы, такие как оплата услуг, координация споров по оплате и сопоставление потребностей пользователей и содержания услуг для поставщиков услуг искусственного интеллекта, чтобы пользователи могли наслаждаться децентрализованным опытом использования сервисов искусственного интеллекта с более высокой степенью свободы.

1. Обзор и истории применения Modulus Labs

1.1 Введение и основные решения

Modulus Labs - это компания "on-chain" по искусственному интеллекту, которая считает, что ИИ может значительно улучшить возможности смарт-контрактов и сделать веб3-приложения более мощными. Однако возникает противоречие, когда ИИ применяется к веб3, а именно, ИИ требует большого объема вычислительной мощности для работы, и ИИ является черным ящиком для оффчейн-вычислений. Это не соответствует основным требованиям веб3 к отсутствию доверия и верификации.

Поэтому Modulus Labs использовала схему zk rollup [off-chain preprocessing+on-verification] и предложила архитектуру, которая может верифицировать ИИ. В частности, модель машинного обучения работает вне блокчейна, и, кроме того, zkp генерируется для процесса вычисления машинного обучения вне сети. С помощью этого zkp можно проверить архитектуру, веса и входы (входы) оффчейн-модели. Конечно, этот зкп также может быть размещен в цепочке для проверки смарт-контрактами. На данный момент ИИ и ончейн-контракты могут взаимодействовать более безнадежно, то есть реализован «ончейн-ИИ».

На основе идеи проверяемого искусственного интеллекта Modulus Labs на данный момент запустила три приложения «на цепи AI» и также предложила множество возможных сценариев применения.

1.2 Application cases

1. Первым запущен был Rocky Bot, автоматизированный торговый искусственный интеллект. Rocky был обучен историческим данным по торговой паре Weth/USDC. Он оценивает будущие тенденции weth на основе исторических данных. После принятия решения о торговле он генерирует zkp для процесса принятия решения (процесса вычисления) и отправляет сообщение на L1 для запуска транзакции.
2. Вторая - это игра в шахматы на цепи "Лила против мира". Оба игрока в игре - это ИИ и люди, и игровая ситуация находится в контракте. Игрок управляет через кошелек (взаимодействует с контрактами). Однако ИИ считывает новую игровую ситуацию в шахматы, делает оценку и генерирует zkp для всего расчетного процесса. Оба шага выполняются в облаке AWS, и zkp проверяется контрактом на цепи. После успешной верификации контракт игры используется для "игры в шахматы".
3. Третий - это "on-chain" AI-художник и запустил серию NFT под названием zKMon. Суть в том, что искусственный интеллект генерирует NFT и размещает их в цепи, а также генерирует zkp. Пользователи могут проверить, сгенерирован ли их NFT из соответствующей модели искусственного интеллекта через zkp.

Кроме того, Modulus Labs упомянула еще несколько других случаев использования:

1. Используйте искусственный интеллект для оценки личных данных на цепи и другой информации, генерации рейтингов личной репутации и публикации zkp для верификации пользователя;
2. Используйте искусственный интеллект для оптимизации производительности AMM и опубликуйте zkp для пользователей для проверки;
3. Используйте проверяемый искусственный интеллект, чтобы помочь проектам по конфиденциальности справиться с регуляторным давлением, но в то же время не раскрывать конфиденциальность (возможно, используя машинное обучение, чтобы доказать, что эта транзакция не связана с отмыванием денег, не раскрывая информацию, такую как адреса пользователей);
4. AI оракулы, и выпуск zkp для всех, чтобы проверить надежность данных вне цепочки;
5. В соревновании по моделям искусственного интеллекта участники представляют свою собственную архитектуру и веса, затем запускают модель с унифицированным входным тестом для генерации zkp для вычислений, и финальный контракт автоматически отправляет призовые деньги победителю;
6. Worldcoin заявил, что в будущем пользователи смогут загрузить модель радужки для генерации соответствующего кода на локальном устройстве, запустить модель локально и сгенерировать zkp. Таким образом, ончейн-контракт может использовать zkp для проверки того, что код радужки пользователя сгенерирован из правильной модели и разумной радужки, при этом биологическая информация не покидает собственное устройство пользователя;

Фотография: Modulus Labs

1.3 Обсудите различные сценарии применения на основе потребности в проверяемом искусственном интеллекте

1.3.1 Сценарии, которые могут подтвердить, что искусственный интеллект может не понадобиться

В сценарии Rocky bot пользователям может не потребоваться проверять процесс расчета ML. Во-первых, у пользователей нет экспертизы и возможности проводить реальную проверку. Даже если есть инструмент проверки, по мнению пользователя, "я нажимаю кнопку, появляется интерфейс, который говорит мне, что этот сервис ИИ действительно сгенерирован определенной моделью", и подлинность не может быть определена. Во-вторых, пользователи не обязаны проверять, потому что их интересует, насколько высок доход ИИ. Пользователи переходят, когда прибыль низкая, и всегда выбирают модель, которая работает лучше всего. Короче говоря, когда конечный результат ИИ соответствует тому, что ищет пользователь, процесс проверки может не иметь большого значения, потому что пользователю просто нужно перейти к сервису, который работает лучше всего.

**Одно из возможных решений заключается в том, что искусственный интеллект действует только в качестве советника, а пользователь выполняет транзакцию независимо.** Когда люди вводят свои торговые цели в ИИ, ИИ рассчитывает и возвращает лучший путь/направление сделки вне цепи, и пользователь выбирает, выполнять ли его. Людям также не нужно проверять модель за его спиной; им просто нужно выбрать продукт с наивысшим доходом.

Ещё одна опасная, но весьма вероятная ситуация заключается в том, что людям совершенно не важно их контроль над активами или процессом расчёта искусственного интеллекта. Когда появится робот, который автоматически зарабатывает деньги, люди даже будут готовы напрямую передавать ему деньги, точно так же, как вложение токенов в Централизованной бирже (CEX) или традиционные банки для финансового управления. Потому что людям не важны принципы, лежащие в основе этого; им важно только, сколько денег они получат в конце, или даже сколько денег проектная сторона покажет им заработать, такой вид услуги может быстро привлечь большое количество пользователей, и даже быстрее итерироваться, чем продукты со стороны проекта, использующие проверяемый искусственный интеллект.

Если отойти назад, исходя из того, что искусственный интеллект вообще не участвует в изменениях состояния on-chain, а просто сканирует данные on-chain и предварительно обрабатывает их для пользователей, то нет необходимости генерировать ZKP для процесса вычисления. Вот несколько примеров этого типа приложений в качестве "сервиса данных":

1. Предоставляемый Mest чатбокс - это типичный сервис данных. Пользователи могут использовать вопросы и ответы, чтобы понять свои on-chain данные, например, спросить, сколько денег они потратили на NFT;
2. ChaingPT - это многофункциональный искусственный интеллект, который может интерпретировать смарт-контракты перед торговлей, сообщать вам, торгуете ли вы с правильным пулом, или сообщать вам, что транзакция, скорее всего, будет перехвачена или украдена. ChaingPT также готовится предлагать новости искусственного интеллекта, вносить предложения для автоматической генерации изображений и их публикации в качестве NFT и других услуг;
3. RSS3 обеспечивает AIOP, поэтому пользователи могут выбирать данные с цепи, которые им нужны, и выполнять определенную предварительную обработку, чтобы облегчить обучение ИИ с конкретными данными с цепи;
4. DeVillama и RSS3 также разработали плагины ChatGPT, где пользователи могут получать on-chain данные через беседы;

1.3.2 Сценарии, требующие верифицируемого искусственного интеллекта

В этой статье утверждается, что сценарии, включающие несколько людей, с участием справедливости и конфиденциальности, требуют ZKP для обеспечения верификации, и здесь обсуждаются несколько приложений, упомянутых в Modulus Labs:

1. Когда сообщество вознаграждает отдельных лиц на основе созданных искусственным интеллектом личных репутаций, члены сообщества неизбежно будут запрашивать пересмотр процесса принятия решения об оценке, который представляет собой процесс вычисления ML;
2. Сценарии оптимизации искусственного интеллекта для AMM включают в себя распределение выгод между несколькими людьми, и процесс вычислений искусственного интеллекта также должен регулярно проверяться;
3. При балансировке конфиденциальности и регулирования ZK в настоящее время является одним из лучших решений. Если поставщик услуг использует ML в услуге для обработки частных данных, ему необходимо сгенерировать ZKP для всего процесса вычисления;
4. Поскольку оракулы имеют широкий спектр влияния, если их контролирует искусственный интеллект, необходимо регулярно генерировать ZKP для проверки правильности работы искусственного интеллекта;
5. В соревновании общественность и другие участники должны проверить, соответствует ли вычисление ML спецификациям соревнования;
6. Среди потенциальных сценариев использования Worldcoin также сильно требуется защита персональных биоданных;

В общем, когда искусственный интеллект сходен с лицом, принимающим решения, и его вывод оказывает широкое влияние и затрагивает справедливость многих сторон, люди потребуют пересмотра процесса принятия решений или просто убедятся, что в процессе принятия решений искусственного интеллекта нет серьезных проблем, и защита личной конфиденциальности является очень актуальным требованием.

Поэтому «влияет ли вывод искусственного интеллекта на статус on-chain» и «влияет ли он на справедливость/конфиденциальность» являются двумя критериями для определения необходимости проверяемого решения по искусственному интеллекту

1. Когда выход искусственного интеллекта не изменяет состояние на цепи, услуга искусственного интеллекта может действовать как рекомендатель. Люди могут оценить качество услуги искусственного интеллекта через эффект рекомендации без проверки процесса вычисления;
2. Когда вывод искусственного интеллекта изменяет статус on-chain, если услуги ориентированы только на отдельных пользователей и не влияют на конфиденциальность, то пользователи все равно могут непосредственно оценить качество услуги искусственного интеллекта без проверки процесса вычислений;
3. Когда вывод искусственного интеллекта напрямую влияет на справедливость среди многих людей, и искусственный интеллект автоматически изменяет данные on-chain, сообщество и общественность должны тестировать процесс принятия решений искусственного интеллекта;
4. Когда данные, обрабатываемые с помощью ML, касаются личной конфиденциальности, также требуется zk для защиты конфиденциальности и соответствия регулятивным требованиям.

Фото: Kernel Ventures

2. Два модели экосистемы искусственного интеллекта на основе публичного блокчейна

В любом случае, решение компании Modulus Labs крайне информативно о том, как ИИ может объединить криптовалюту и придать практическую ценность приложению. Однако система общественной цепи не только улучшает возможности отдельных ИИ-сервисов, но также имеет потенциал построить новую экосистему приложений ИИ. Эта новая экосистема вызвала другое отношение между ИИ-сервисами, чем Web2, отношение между ИИ-сервисами и пользователями, и даже способ сотрудничества звеньев вверх и вниз. Мы можем суммировать потенциальные модели экосистемы приложений ИИ в два типа: вертикальная модель и горизонтальная модель.

2.1 Вертикальный режим: Сосредоточиться на достижении компонентности между ИИ

Приложение "Leela vs. the World" для игры в шахматы по цепочке занимает особое место. Люди могут делать ставки на человека или искусственный интеллект, и токены автоматически распределяются после окончания игры. В этот момент zkp имеет значение не только для пользователей, чтобы проверить расчеты искусственного интеллекта, но также как гарантия доверия для запуска переходов состояния по цепочке. С доверительным обеспечением также может быть компонентность на уровне dapp между услугами искусственного интеллекта и между искусственным интеллектом и крипто-ориентированными dapp.

Источник изображения: Kernel Ventures, с ссылкой на Modulus Labs

Основной блок комбинируемого искусственного интеллекта - это [внелединечная модель машинного обучения - генерация zkp - онлайн-проверка контракта - основной контракт]. Этот блок основан на фреймворке "Лила против мира", но фактическая архитектура отдельного приложения искусственного интеллекта может не совпадать с показанной выше схемой. Во-первых, ситуация в шахматной игре требует контракта, но на практике искусственному интеллекту может не потребоваться онлайн-контракт. Однако что касается архитектуры комбинируемого искусственного интеллекта, если основная деятельность регистрируется через контракты, это может быть более удобно для других приложений для их комбинирования. Во-вторых, основному контракту не обязательно влиять на модель машинного обучения самого приложения искусственного интеллекта, поскольку у такого приложения может быть однонаправленное воздействие. После обработки модели машинного обучения достаточно вызвать контракт, связанный с собственной деятельностью, и этот контракт будет вызван другими приложениями.

В значительной степени, вызовы между контрактами - это вызовы между различными веб-приложениями web3. Это вызовы для личной идентификации, активов, финансовых услуг, а также социальной информации. Мы можем представить себе конкретное сочетание приложений искусственного интеллекта:

1. Worldcoin использует машинное обучение для генерации кодов радужки глаза и ZKP для персональных данных радужки глаза;
2. AI-приложение для оценки репутации сначала проверяет, является ли человек за этим DID реальным человеком (с данными об радужке на обороте), затем выделяет NFT-токены пользователям на основе репутации на цепи;
3. Сервис кредитования корректирует долю кредита в соответствии с NFT, принадлежащим пользователю;
4. …

Взаимодействие между искусственным интеллектом в рамках общественной цепи - это нечто, о чем не разговаривали. Loaf, участник экосистемы Realms полноценных цепочечных игр, предложил, чтобы искусственные интеллекты NPC могли торговать между собой, как игроки, чтобы весь экономический система могла оптимизировать себя и функционировать автоматически. AI Arena разработала игру с автоматизированными сражениями AI. Пользователи сначала покупают NFT. NFT представляет собой боевого робота, а за ним стоит AI-модель. Пользователи сначала играют в игры самостоятельно, затем передают данные AI для симуляции обучения. Когда пользователи чувствуют, что их AI достаточно силен, они могут автоматически сражаться с другими AI в арене. Modulus Labs упомянула, что AI Arena хочет превратить всю эту AI в верифицируемую AI. Оба этих случая видели возможность взаимодействия искусственного интеллекта между собой и непосредственного изменения данных в цепи при их взаимодействии.

Однако остается еще много вопросов, которые нужно обсудить в конкретной реализации комбинируемого искусственного интеллекта, таких как то, как различные dapps могут использовать зкп друг друга или проверять контракты. Однако также существует много отличных проектов в области zk. Например, RISC Zero достиг значительного прогресса в выполнении сложных вычислений вне цепи и выпуске zkp в цепь. Возможно, однажды удастся найти подходящее решение.

2.2 Горизонтальная модель: платформы искусственного интеллекта, сосредоточенные на децентрализации

В этом отношении мы в основном представляем децентрализованную платформу искусственного интеллекта под названием SAKSHI, которая была совместно предложена людьми из Принстонского университета, Университета Цинхуа, Университета Иллинойса в Урбана-Шампейне, Гонконгского университета науки и технологии, Witness Chain и Eigen Layer. Ее основная цель - обеспечить пользователям доступ к услугам искусственного интеллекта более децентрализованным способом, делая весь процесс более доверительным и автоматизированным.

Фото: SAKSHI

Структура SAKSHI может быть разделена на шесть уровней: слой обслуживания (сервисный уровень), слой управления (управляющий уровень), слой транзакций (транзакционный уровень), слой подтверждения (подтверждающий уровень), экономический слой (экономический уровень) и рыночный слой (рыночный уровень)

Рынок - это уровень, ближайший к пользователю. На рынке есть агрегаторы, предоставляющие услуги пользователям от имени различных поставщиков искусственного интеллекта. Пользователи размещают заказы через агрегаторов и достигают соглашений с ними о качестве обслуживания и ценах (соглашения называются SLA-соглашениями об уровне обслуживания).

Далее, уровень обслуживания предоставляет API для клиентской стороны, затем клиент отправляет запрос на вывод МО агрегатору, и запрос отправляется на сервер, используемый для сопоставления поставщика услуг искусственного интеллекта (маршрут, используемый для передачи запроса, является частью уровня управления). Следовательно, уровень обслуживания и уровень управления аналогичны сервису с несколькими веб-серверами веб2, но различные серверы управляются различными субъектами, и каждый сервер связан через SLA (ранее подписанное соглашение об обслуживании) и агрегатор.

SLA развертываются на цепи в форме смарт-контрактов, все они принадлежат к слою транзакций (примечание: в этом решении они развертываются на Witness Chain). Слой транзакций также записывает текущий статус заказа на обслуживание и используется для координации пользователей, агрегаторов и поставщиков услуг в разрешении споров о платежах.

Для того чтобы у слоя транзакций были доказательства, на которые можно положиться при разрешении споров, слой доказательств (Proof Layer) будет проверять, использует ли поставщик услуг модель, оговоренную в SLA. Однако SAKSHI не выбрал генерацию zkp для процесса машинного обучения, а вместо этого использовал идею оптимистичного доказательства, надеясь установить сеть узлов-вызывателей для тестирования услуги. Стимулы для узлов несет Witness Chain.

Хотя SLA и сеть узлов-вызывателей находятся на Witness Chain, в плане SAKSHI, Witness Chain не планирует использовать свои собственные токены для достижения независимой безопасности, а вместо этого использует безопасность Ethereum через Eigen Layer, поэтому вся экономика фактически зависит от Eigen Layer.

Как видно, SAKSHI находится между поставщиками и пользователями услуг и организует различные искусственные интеллекты децентрализованным образом для предоставления услуг пользователям. Это больше похоже на горизонтальное решение. Основа SAKSHI заключается в том, что она позволяет поставщикам искусственного интеллекта сосредоточиться больше на управлении своими собственными расчетами моделей вне цепи, сопоставлении потребностей пользователей с модельными услугами, оплате услуг и проверке качества обслуживания через соглашения в цепи, а также попытке автоматического разрешения споров о платежах. Конечно, в настоящее время SAKSHI все еще находится на теоретическом этапе, и также есть много деталей реализации, которые стоит определить.

3. Future prospects

Будь то комбинируемый искусственный интеллект или децентрализованные платформы искусственного интеллекта, модель экосистемы искусственного интеллекта на основе общедоступной цепи, кажется, имеет что-то общее. Например, поставщики услуг искусственного интеллекта не соединяются напрямую с пользователями; им просто нужно предоставить модели ML и выполнять вычисления вне цепи. Оплату, разрешение споров и координацию между потребностями пользователей и услугами можно решить с помощью децентрализованных соглашений. В качестве бездоверительной инфраструктуры общедоступная цепь снижает трение между поставщиками услуг и пользователями, и у пользователей также теперь больше автономии.

Хотя преимущества использования общедоступной цепочки в качестве основы приложения уже стали клише, это также относится к искусственному интеллекту. Однако разница между приложениями искусственного интеллекта и существующими приложениями dapp заключается в том, что приложения искусственного интеллекта не могут размещать все вычисления на цепочке, поэтому необходимо использовать zk или оптимистическое доказательство для более доверительного подключения искусственного интеллекта к системе общедоступной цепочки.

При реализации ряда решений для оптимизации взаимодействия, таких как абстракция учетных записей, пользователи могут быть не в состоянии почувствовать существование мнемоники, цепочек и газа. Это приближает экосистему публичной сети к web2 с точки зрения опыта, в то время как пользователи могут получить более высокую степень свободы и компонуемости, чем сервисы web2. Это будет очень привлекательно для пользователей. Экосистему приложений ИИ, основанную на публичной цепочке, стоит с нетерпением ждать.

Kernel Ventures - это криптовалютный венчурный фонд, который движется сообществом исследований и разработок с более чем 70 инвестициями на ранней стадии, с акцентом на инфраструктуру, промежуточный слой, dApps, особенно ZK, Rollup, DEX, модульные блокчейны и вертикали, которые будут принимать следующий миллиард пользователей криптовалюты, такие как абстракция учетных записей, доступность данных, масштабируемость и т. д. За последние семь лет мы посвятили себя поддержке развития основных сообществ разработчиков и университетских ассоциаций по блокчейну по всему миру.

Disclaimer：

1. Эта статья перепечатана из[зеркало]. Все авторские права принадлежат оригинальному автору [Kernel Ventures Jerry Luo]. Если у вас есть возражения по поводу этой перепечатки, пожалуйста, свяжитесь с командой Gate Learn（gatelearn@gate.io）, и они незамедлительно займутся этим.
2. Отказ от ответственности: Взгляды и мнения, высказанные в этой статье, являются исключительно точкой зрения автора и не являются инвестиционным советом.
3. Переводы статьи на другие языки выполняются командой Gate Learn. Если не указано иное, копирование, распространение или плагиат переведенных статей запрещены.