Ditulis oleh: zf857.eth

Baru-baru ini, Nvidia merilis laporan pendapatan kuartal pertamanya, dengan pendapatan sebesar US$7,19 miliar, melampaui ekspektasi pasar sebesar US$6,52 miliar, margin laba kotor sebesar 64,6%, dan laba per saham yang disesuaikan sebesar US$1,09, dibandingkan dengan ekspektasi pasar sebesar US$0,92. Karena laporan keuangan Nvidia melampaui ekspektasi, saham chip AS naik secara kolektif setelah pasar. Nvidia pernah naik 29,35% setelah pasar, dan harga sahamnya mencapai rekor tertinggi US$395. Nilai pasarnya mendekati "triliun". Permintaan terhadap chip AI jauh melampaui ekspektasi. Nilai pasar Nvidia melonjak sebesar US$184 miliar dalam satu hari perdagangan, yang lebih dari total nilai pasar 3 bitcoin.

Saat merilis laporan keuangan, CEO Nvidia Jensen Huang menyebutkan prospek luas untuk aplikasi AI, dan mengatakan bahwa industri komputer sedang mengalami dua transformasi pada saat yang sama - komputasi yang dipercepat dan AI generatif. Perusahaan bersaing untuk menerapkan AI generatif ke berbagai produk, layanan, dan proses bisnis, dan pusat data terpasang senilai triliunan dolar di dunia akan beralih dari komputasi umum ke komputasi yang dipercepat.

Saat ini, hampir semua dana dan lembaga dolar terkemuka mengawasi ketat jalur AIGC, dan secara aktif menetapkan koordinat investasi untuk segera membangun sistem penyaringan, karena takut ketinggalan kereta menuju era tersebut. Data relevan menunjukkan bahwa pada kuartal pertama tahun 2023, total jumlah pembiayaan industri AIGC global mencapai 3,811 miliar yuan, dengan total 17 kali pembiayaan. Meningkatnya satu tren sering kali berarti menurunnya tren lainnya. Orang-orang secara bertahap mengemukakan berbagai keraguan tentang WEB3: "Semua modal telah beralih ke AI, regulasi Web3 menjadi lebih ketat, dan narasinya tidak lagi berfungsi", "AI terlihat lebih andal daripada Web3 dan lebih mungkin menghasilkan unicorn."

Pentingnya narasi tidak dapat dilebih-lebihkan, karena cerita kolektif telah mendefinisikan budaya kita dan memperkaya pemahaman kita tentang dunia sejak awal sejarah manusia. Saat ini, narasi kecerdasan buatan secara bertahap mendapatkan popularitas dan bahkan merambah ke bidang Web3. Beberapa orang dalam industri mulai berpendapat bahwa "Web3 tanpa AI tidak memiliki jiwa," dan lebih dari separuh perusahaan Web3 mulai beralih ke AI. Jadi, bagaimana AI+Web3 akan diintegrasikan? Baru-baru ini, narasi ZKML, sebuah kombinasi baru antara bukti tanpa pengetahuan dan pembelajaran mesin, telah menjadi populer. Bagaimana cara berkolaborasi dengan kecerdasan buatan dan Web3 untuk membangun masa depan yang tepercaya dan terdesentralisasi?

1. AI membutuhkan Web3, dan sebaliknya

“Adalah suatu kesalahan jika menganggap mata uang kripto dan AI sebagai teknologi yang tidak berhubungan,” kata Michael Casey, kepala konten di CoinDesk. “Mereka saling melengkapi dan saling menyempurnakan.”

Web3, mata uang kripto, dan blockchain memecahkan tantangan sosial yang telah ada sejak awal internet: bagaimana menjaga informasi berharga tetap aman dalam lingkungan yang terdesentralisasi. Mereka menangani masalah kepercayaan manusia terhadap informasi dengan mengadopsi sistem baru pencatatan terdistribusi dan insentif. Sistem ini membantu komunitas orang asing yang tidak percaya secara kolektif memelihara catatan data terbuka, yang memungkinkan mereka mendistribusikan dan berbagi informasi berharga atau sensitif tanpa perantara.

Saat ini kita tengah bergerak cepat menuju era kecerdasan buatan yang komprehensif, dan tantangan yang ditimbulkannya sungguh sangat menakutkan. Tantangan-tantangan ini mencakup berbagai macam isu, mulai dari perlindungan hak cipta dalam masukan ke model bahasa besar (LLM), menghindari bias yang keliru dalam keluarannya, hingga “dividen pembohong” yang diakibatkan oleh ketidakmampuan kita saat ini untuk secara akurat membedakan antara konten asli dan informasi palsu yang dibuat oleh AI. Tidak ada solusi mudah untuk memastikan bahwa manusia tidak terkena dampak negatif oleh AI. Solusi apa pun tidak dapat bergantung pada kerangka regulasi dan teknologi abad ke-20 yang sudah ketinggalan zaman untuk mengatasi masalah ini. Kita sangat membutuhkan sistem tata kelola yang terdesentralisasi untuk menjawab tantangan tentang cara menghasilkan, memverifikasi, dan berbagi informasi di era baru ini.

Terlepas dari apakah Web3 saat ini dapat menyediakan solusi yang dibutuhkan, teknologi blockchain tetap berperan dalam memecahkan masalah ini. Buku besar yang tidak dapat diubah memungkinkan kita melacak asal gambar dan konten lainnya, sehingga mencegah terjadinya deepfake. Teknologi ini juga dapat digunakan untuk memverifikasi integritas kumpulan data untuk produk kecerdasan buatan pembelajaran mesin. Mata uang kripto menawarkan metode pembayaran digital tanpa batas yang dapat digunakan untuk memberi imbalan kepada orang-orang di seluruh dunia yang berkontribusi terhadap pelatihan AI, dan proyek seperti Bittensor berupaya membangun komunitas pemerintah-blockchain yang ditokenisasi untuk memberi insentif kepada pengembang AI guna membangun model yang ramah manusia. Sebaliknya, sistem AI yang dimiliki oleh perusahaan swasta sering kali mengutamakan kepentingan pemegang saham daripada hak pengguna.

Kita masih memiliki jalan panjang sebelum ide-ide ini dapat direalisasikan dan diperluas. Kita perlu mengintegrasikan berbagai teknologi lain, seperti zero-knowledge proofs (ZK), enkripsi homomorfik, komputasi aman, identitas digital dan kredensial terdesentralisasi (DID), Internet of Things, dll. Selain itu, kita perlu mengatasi banyak tantangan seperti perlindungan privasi, menghukum perilaku buruk, mendorong kecerdasan inovatif yang berpusat pada masyarakat, dan pengawasan legislatif multi-partai.

2. Bagaimana ZKML membangun jembatan antara AI dan blockchain?

Baru-baru ini, ZKML, sebuah kombinasi baru antara bukti tanpa pengetahuan dan pembelajaran mesin, telah banyak dibahas. Penerapan pembelajaran mesin (ML) menjadi semakin kompleks. Banyak perusahaan sangat bergantung pada penyedia layanan seperti Amazon, Google, dan Microsoft untuk menerapkan model pembelajaran mesin yang kompleks. Namun, layanan ini menjadi semakin sulit untuk diaudit dan dipahami. Sebagai konsumen layanan AI, bagaimana kita dapat memercayai validitas prediksi yang diberikan oleh model ini?

Sebagai jembatan antara kecerdasan buatan dan blockchain, ZKML memecahkan masalah perlindungan privasi model dan input AI sambil memastikan verifikasi proses penalaran. Ini menyediakan solusi yang memungkinkan penggunaan model publik saat memvalidasi data privat, atau menggunakan data publik saat memvalidasi model privat. Dengan menambahkan kemampuan pembelajaran mesin, kontrak pintar dapat menjadi lebih otonom dan dinamis, yang memungkinkannya memproses berdasarkan data on-chain waktu nyata alih-alih aturan statis. Ini akan membuat kontrak pintar lebih fleksibel dan mampu beradaptasi dengan lebih banyak skenario, bahkan skenario yang mungkin tidak diantisipasi saat kontrak awalnya dibuat.

Saat ini, salah satu kesulitan dalam adopsi algoritma pembelajaran mesin secara luas pada blockchain adalah biaya komputasinya yang tinggi. Menjalankan model ini secara on-chain menjadi tantangan karena jutaan operasi floating point tidak dapat dilakukan langsung pada Ethereum Virtual Machine (EVM). Selain itu, masalah kepercayaan pada model pembelajaran mesin juga menjadi kendala, karena parameter model dan set data input biasanya bersifat pribadi, dan algoritma serta proses operasi model seperti "kotak hitam" yang tidak tembus pandang, yang dapat menyebabkan masalah kepercayaan antara pemilik model dan pengguna model. Namun, melalui teknologi ZKML, kami dapat mengatasi masalah ini. ZKML memungkinkan siapa saja untuk menjalankan model di luar rantai dan menghasilkan bukti ringkas dan dapat diverifikasi bahwa model tersebut memang menghasilkan hasil tertentu. Bukti ini dapat dipublikasikan secara on-chain dan diverifikasi oleh kontrak pintar. Artinya, pengguna model dapat memverifikasi hasil model tanpa harus memahami parameter spesifik dan detail pengoperasian model, sehingga menyelesaikan masalah kepercayaan.

Dari bagan di atas, kita dapat melihat bahwa teknologi ZKML memiliki karakteristik integritas komputasi, pengoptimalan heuristik, dan perlindungan privasi. Teknologi ini memiliki prospek aplikasi yang luas di bidang Web3 dan berkembang pesat. Semakin banyak tim dan individu yang bergabung dalam bidang ini, mendorong pengembangan berbagai proyek ZKML dengan potensi besar.

3. Analisis Proyek ZKML

Berikut ini beberapa proyek ZKML yang potensial.

1、Koin Dunia

Worldcoin menerapkan ZKML dalam upaya membangun protokol bukti kepribadian yang menjaga privasi. Pengguna World ID akan dapat menyimpan sendiri biometrik mereka (seperti iris) dalam penyimpanan terenkripsi di perangkat seluler mereka, mengunduh model ML yang digunakan untuk membuat IrisCode mereka dan membuat bukti tanpa pengetahuan secara lokal, yang mana kontrak pintar penerima dapat membuktikan bahwa IrisCode mereka telah berhasil dibuat.

Kemudian dapat digunakan untuk melakukan operasi yang berguna seperti autentikasi keanggotaan dan pemungutan suara. Saat ini mereka menggunakan lingkungan eksekusi tepercaya dengan enklave aman untuk memverifikasi pemindaian iris yang ditandatangani kamera, tetapi tujuan akhir mereka adalah menggunakan ZKP untuk membuktikan penalaran yang benar oleh jaringan saraf dengan jaminan keamanan tingkat kriptografi dan untuk memastikan bahwa keluaran model ML tidak mengungkapkan data pribadi pengguna.

2. Laboratorium Modulus

Modulus Labs adalah salah satu proyek paling beragam di bidang ZKML, yang mengerjakan penelitian terkait sambil juga aktif membangun contoh aplikasi AI on-chain. Modulus Labs telah menunjukkan kasus penggunaan untuk zkML melalui RockyBot (robot perdagangan on-chain) dan Leela vs. the World (permainan catur di mana setiap orang bermain melawan contoh mesin catur Leela yang terverifikasi). Tim juga melakukan penelitian dan menulis The Cost of Intelligence, sebuah makalah yang mengukur kecepatan dan efisiensi berbagai sistem verifikasi untuk model dengan ukuran berbeda.

3. Manusia

Giza merupakan protokol yang dapat menyebarkan model AI secara on-chain dengan cara yang sepenuhnya tanpa kepercayaan. Tumpukan teknologi yang digunakannya meliputi format ONNX untuk model pembelajaran mesin, Giza Transpiler untuk mengonversi model ini ke format program Kairo, ONNX Cairo Runtime untuk mengeksekusi model dengan cara yang dapat diverifikasi dan deterministik, dan kontrak pintar Model Giza untuk menyebarkan dan mengeksekusi model secara on-chain. Giza secara umum merupakan kompiler on-chain dari model pembelajaran mesin hingga pembuktian, yang menyediakan jalur alternatif untuk pengembangan AI on-chain.

4.Kapal perang

Zkaptcha berfokus pada masalah robot di Web3, menyediakan layanan captcha (kode verifikasi) untuk kontrak pintar, melindungi kontrak pintar dari serangan robot, dan menggunakan bukti tanpa pengetahuan untuk membuat kontrak pintar yang tahan terhadap serangan penyihir. Saat ini, proyek tersebut memungkinkan pengguna akhir untuk menghasilkan bukti pekerjaan manusia dengan menyelesaikan captcha, yang diverifikasi oleh verifikator on-chain dan diakses oleh kontrak pintar dengan beberapa baris kode. Di masa mendatang, Zkaptcha akan mewarisi zkML dan meluncurkan layanan yang mirip dengan kode verifikasi Web 2 yang ada, dan bahkan dapat menganalisis perilaku seperti gerakan mouse untuk menentukan apakah pengguna adalah orang sungguhan.

Saat ini, jalur zkML masih dalam tahap awal, tetapi kami memiliki alasan untuk percaya bahwa kekuatan zkML dapat membawa prospek dan perkembangan yang lebih baik bagi kripto, dan kami juga menantikan produk yang lebih beragam di bidang ini. Teknologi zk dan crypto menyediakan lingkungan yang aman dan andal untuk pengoperasian ML. Selain inovasi produk di masa mendatang, hal ini juga dapat merangsang inovasi dalam model bisnis kripto, karena di dunia Web 3 yang liar dan anarkis ini, desentralisasi, teknologi kripto, dan kepercayaan merupakan fasilitas yang paling mendasar.

Kesimpulan

Membangun kepercayaan dalam dunia digital yang semakin kompleks dan tidak pasti selalu menjadi tantangan utama yang dihadapi AI dan Web3. Namun, menggabungkan AI dengan Web3 memberikan harapan besar untuk membangun masa depan yang dapat dipercaya, aman, dan terdesentralisasi. Sangat penting bagi pengembang, teknolog, pembuat kebijakan, dan masyarakat secara keseluruhan untuk membentuk masa depan AI dan Web3 bersama-sama sehingga kita dapat menciptakan era Internet cerdas di luar imajinasi kita.