La reciente popularidad de Worldcoin también ha creado suficiente impulso para una narrativa Web 3+AI. Worldcoin pertenece al concepto zkML y se deriva de zk+ML (prueba de conocimiento cero y aprendizaje automático). También es una combinación emergente que ha sido Se habló mucho recientemente, zk No hace falta decir que es necesario mencionar la tecnología, y ML es un subcampo de la IA. AI + Web3 ha sido una narrativa popular en la industria antes, pero actualmente no existe un buen concepto o caso de uso para conectan perfectamente los dos. En la reciente conferencia de Montenegro, Vitalik también elogió mucho a zkSNARK. Junto con la popularidad de Worldcoin, es previsible que zkML se destaque.

Es posible que no esté familiarizado con zkML. Este artículo aclara principalmente la confusión sobre zkML, enfocándose en la introducción, los casos de uso y algunos proyectos potenciales de zkML. Oficialmente, porque no hay muchos casos de uso para zkML en este momento, espero que pueda hacerlo. Aproveche la oportunidad y aprenda sobre ella con anticipación. Esté preparado para nuevos conceptos y casos de uso.

Web 3 + aprendizaje automático

zkML combina prueba de conocimiento cero y aprendizaje automático. De hecho, fuera de la Web 3, ML ya no es una palabra nueva. La tecnología se ha utilizado ampliamente en algunos campos, como el procesamiento del lenguaje natural (NLP), la conducción autónoma y el e-. comercio, etc. Los campos han alcanzado un nivel más alto a través de la tecnología ML, y ML incluso ha tomado una posición dominante en algunos campos. Por lo tanto, zkML también es la tendencia general en el futuro. Incorporar ML en contratos inteligentes también proporcionará más complejidad e inteligencia. Métodos de procesamiento para contratos inteligentes.

Al agregar capacidades de aprendizaje automático, los contratos inteligentes pueden volverse más autónomos y dinámicos, lo que les permite actuar basándose en datos en cadena en tiempo real en lugar de reglas estáticas. Los contratos inteligentes serán más flexibles y adaptables a más escenarios, incluidos aquellos que tal vez no se hayan previsto cuando se creó originalmente el contrato. En pocas palabras, las capacidades de ML ampliarán la automatización, precisión, eficiencia y flexibilidad de cualquier contrato inteligente que pongamos en la cadena.

Actualmente, una de las razones por las que el ML no se adopta ampliamente en las criptomonedas es que el costo computacional de ejecutar estos modelos en la cadena es muy alto. Por ejemplo, fastBERP, un tipo de modelo de lenguaje NLP, la adopción de este modelo requiere el uso. de aproximadamente 1800 MFLOPS (millones de aritmética de punto flotante), que no se puede ejecutar directamente en el EVM. Si bien los modelos de aplicaciones necesitan hacer predicciones basadas en datos del mundo real, para tener contratos inteligentes a escala de ML, el contrato debe obtener dichas predicciones;

La segunda razón es la necesidad de abordar la cuestión del marco de confianza de los modelos de ML. Uno es su privacidad: como se mencionó anteriormente, los parámetros del modelo suelen ser privados, y las entradas del modelo también deben mantenerse confidenciales. Esto es natural, lo que provocará algunos problemas de confianza entre los propietarios y usuarios del modelo; el segundo es que los modelos algorítmicos de ML a veces se denominan "cajas negras" porque implican muchos pasos automatizados que son difíciles de realizar. comprender o explicar. Estos pasos implican algoritmos complejos y grandes cantidades de datos, lo que puede generar resultados inciertos y, a veces, aleatorios, lo que convierte a los algoritmos en culpables de sesgo e incluso discriminación. Y la tecnología zk puede resolver este problema de confianza de manera muy eficiente.

Entonces, zkSNARK apareció en este momento. La tecnología zk en zkML se refiere principalmente a zkSNARK que nos proporciona una solución: cualquiera puede ejecutar un modelo fuera de la cadena y generar una prueba concisa y verificable que indique lo esperado. El modelo produce un resultado específico. y esta prueba puede publicarse en la cadena y ser capturada por el contrato inteligente y mejorar su inteligencia. Los modelos de ML normalmente requieren tres partes: datos de entrenamiento, arquitectura del modelo y parámetros del modelo. El modelo entrenado puede abrir un espacio de diseño actualizado para contratos inteligentes siempre que pase el razonamiento y la verificación. (El entrenamiento y la inferencia del modelo no se describirán en detalle)

Casos de uso de zkML en criptografía

El contrato inteligente agregado con zkSNARK +ML también tendrá muchos casos de uso. Los siguientes son sus casos de uso:

DeFi

Oráculos verificables de aprendizaje automático fuera de la cadena

Combinados con zkSNARK y con inferencia verificada de modelos de ML, estos oráculos de ML fuera de la cadena se pueden utilizar para resolver de manera confiable mercados de predicción del mundo real, contratos de protocolo seguros y más al verificar la inferencia y publicar evidencia en la cadena.

DeFi parametrizado por ML

De hecho, muchas subdivisiones de DeFi pueden automatizarse. Por ejemplo, los protocolos de préstamos pueden utilizar modelos de aprendizaje automático para actualizar los parámetros en tiempo real. Si bien los protocolos de préstamos actuales confían principalmente en modelos fuera de la cadena ejecutados por organizaciones para determinar los coeficientes de garantía, el LTV, los umbrales de liquidación, etc., el ML puede proporcionar una mejor alternativa con modelos de código abierto capacitados por la comunidad que cualquiera puede ejecutar y verificar.

Estrategias comerciales automatizadas

Una forma de verificar los rendimientos de una estrategia comercial es hacer que MP proporcione varias pruebas retrospectivas a los inversores. No hay forma de verificar si el estratega está siguiendo el modelo al ejecutar operaciones, pero zkML puede proporcionar una solución cuando se implementa. a una ubicación específica. Proporcionar prueba de verificación del razonamiento del modelo financiero.

Campo de seguridad

Monitoreo de fraude de contratos inteligentes

En lugar de contar con una gobernanza práctica o actores centralizados que controlen la capacidad de suspender contratos, se pueden utilizar modelos de aprendizaje automático para detectar posibles comportamientos maliciosos y hacer cumplir los procedimientos de suspensión.

TID y Social

Reemplazar las claves privadas con autenticación biométrica (que es lo que hace actualmente Worldcoin)

La gestión de claves privadas sigue siendo uno de los dolores de cabeza para los usuarios de Web3. Extraer claves privadas mediante reconocimiento facial u otros métodos biométricos es una posible solución para zkML, y Worldcoin está aplicando esto con su dispositivo Orb para determinar si alguien es una persona real sin intentar realizar KYC, y utiliza tecnología zk para garantizar que la salida de sus modelos ML no revelan los datos personales de los usuarios, y lo logran a través de varios sensores de cámara y modelos de aprendizaje automático que analizan los rasgos faciales y del iris.

Recomendaciones personalizadas y filtrado de contenidos para redes sociales Web3.

De manera similar, algunas redes sociales Web 3 pueden obtener fácilmente las preferencias y datos de los usuarios, mostrarnos algunos correos electrónicos no deseados y enlaces falsos, y muchos enlaces falsos conducen al robo de billeteras de los usuarios, etc., pero a través de la tecnología zkML podemos evitar una gran cantidad de contenido innecesario. y enlaces de correo electrónico.

Economía de creadores y juegos

Reequilibrio de la economía del juego

Los modelos de ML se pueden utilizar para ajustar dinámicamente los umbrales de emisión, suministro, destrucción, votación, etc. de tokens. Un modelo posible es un contrato de incentivo, que puede reequilibrar la economía del juego si se alcanza un cierto umbral de reequilibrio y se verifica la prueba del razonamiento.

Nuevos juegos en cadena

Se pueden crear juegos cooperativos entre humanos e IA y otros juegos innovadores en cadena, en los que modelos de IA que no son de confianza actúan como NPC, y todas las acciones de los NPC se envían a la cadena con instrucciones adjuntas que cualquiera puede verificar para determinar la prueba correcta del modelo. .

Proyecto de potencial ecológico zkML.

Dado que zkML aún se encuentra en una etapa temprana de desarrollo, no se pueden encontrar muchos proyectos. Los siguientes son los proyectos potenciales encontrados para todos:

moneda mundial

No entraré en detalles sobre Worldcoin. Todo el mundo debería estar familiarizado con él. Consulte "Si Worldcoin tiene éxito, ¿qué impacto tendrá en la industria del cifrado?".

Laboratorios de módulo

Modulus Labs es uno de los proyectos más diversos de zkML y crea la tecnología necesaria para la IA en cadena. Trabajar tanto en casos de uso como en investigaciones relacionadas. En cuanto a las aplicaciones, Modulus Labs ha desarrollado RockyBot, un robot comercial en cadena, y Leela vs. the World, un juego de ajedrez en el que personas reales juegan contra una instancia verificable en cadena del motor de ajedrez Leela.

humano

Giza es un protocolo dedicado al crecimiento de la economía a través de la IA, que permite la implementación de modelos de IA en cadena utilizando un enfoque completamente sin confianza, respaldado por una asociación de StarkWare, lo que en última instancia habilita un mercado que proporciona caminos alternativos para el desarrollo de la IA.

Zkaptcha

Zkaptcha se centra en el problema de los robots en Web3, protege los contratos inteligentes de los ataques de robots, utiliza pruebas de conocimiento cero para crear contratos inteligentes que sean resistentes a los ataques de Sybil y proporciona servicios de códigos de verificación para contratos inteligentes. Actualmente, el proyecto permite a los usuarios finales generar una prueba del trabajo humano completando un código de verificación. En el futuro, Zkaptcha heredará zkML y lanzará un servicio similar al código de verificación Web 2 existente, pero también podrá analizar comportamientos como el movimiento del mouse. para determinar el desempeño del usuario.

Conclusión

En la actualidad, parece que no hay muchos productos en el campo de la combinación de zkML y cripto. Todavía se encontrarán algunos problemas en el proceso de creación de dichos productos y es posible que zkML necesite más mejoras y optimizaciones en el futuro. Pero con la combinación de zkSNARK y ML, tenemos razones para creer que el poder de zkML puede brindar mejores perspectivas y desarrollo a las criptomonedas. También esperamos productos más diversos en este campo y las criptomonedas brindarán seguridad para el funcionamiento de las criptomonedas. ML Entorno de confianza y, en el futuro, además de la innovación de productos, también puede generar innovación en los modelos de negocio criptográfico, porque en este mundo Web 3 salvaje y anárquico, la descentralización, la tecnología criptográfica y la confianza son las instalaciones básicas más importantes.