Автор: Turbo Guo Читатель: Mandy, Joshua

Kernel Ventures - это исследовательское сообщество & разработчиков, управляемый крипто VC фонд с более чем 70 инвестициями на ранних стадиях, сосредоточенный на инфраструктуре, промежуточном ПО, dApps, особенно ZK, Rollup, DEX, Модульной блокчейн-технологии и вертикалях, которые привлекут следующую миллиард пользователей в криптовалюте, таких как абстракция аккаунтов, доступность данных, масштабируемость и т.д. На протяжении последних семи лет мы стремились поддерживать рост основных сообществ разработчиков и университетских ассоциаций блокчейна по всему миру.

Краткое содержание:

Modulus Labs реализует верифицируемый ИИ, выполняя вычисления ML вне цепи и генерируя ZKP для вызова вывода ИИ. Эта статья пересматривает их подход с точки зрения применения, анализируя, в каких сценариях существует срочная необходимость и в каких сценариях спрос слабее. Наконец, исследуются два типа архитектур приложений ИИ, построенных на публичных блокчейнах - горизонтальные и вертикальные. Основные темы, охваченные в статье, следующие:

  1. Необходимость в верифицируемом ИИ зависит от того, вызывает ли ИИ изменения состояния в цепи и затрагивает ли это справедливость и конфиденциальность.

    1. Когда ИИ не влияет на состояние в цепи, он может служить советником. Люди могут судить о качестве услуг ИИ по их фактическим эффектам, не проверяя процесс вычислений.

    2. Когда ИИ влияет на состояние в цепи, если предлагаемая услуга персонализирована и не имеет проблем с конфиденциальностью, пользователи все равно могут напрямую судить о качестве услуг ИИ, не проверяя процесс вычислений.

    3. Когда выводы ИИ напрямую влияют на справедливость между несколькими сторонами и личную конфиденциальность, например, оценивая членов сообщества и распределяя вознаграждения, или затрагивая биологические данные, необходимо проверить вычисления ML.

  2. Вертикальная архитектура приложений ИИ: Поскольку один конец верифицируемого ИИ - это смарт-контракты, верифицируемые приложения ИИ и даже ИИ и родные dApps могут взаимодействовать друг с другом доверенным образом. Это потенциально совместимая экосистема приложений ИИ.

  3. Горизонтальная архитектура приложений ИИ: Система публичной цепи может обрабатывать платежи, координацию споров, соответствие потребностям пользователей и содержанию услуг для поставщиков услуг ИИ, позволяя пользователям иметь децентрализованные услуги ИИ с большей свободой.

Часть 1: Введение в Modulus Labs и примеры приложений

1.1 Введение и основные решения

Modulus Labs - это компания "в цепи" ИИ, которая считает, что ИИ может значительно улучшить возможности смарт-контрактов и сделать приложения Web3 более мощными. Однако существует конфликт при применении ИИ к Web3: ИИ требует много вычислительной мощности, в то время как ИИ вне цепи является черным ящиком, что не соответствует идеологии децентрализации и верифицируемости Web3.

Следовательно, Modulus Labs использует подход ZK-rollups и предлагает архитектуру для верифицируемого ИИ: модели машинного обучения работают вне цепи, где ZKP генерируются вне цепи для вычислений ML. Эти ZKP можно использовать для проверки архитектуры модели, весов и входных данных вне цепи; а также публиковать в цепи для проверки смарт-контрактами. Добившись верифицируемости, ИИ теперь может взаимодействовать с контрактами в цепи более доверенным способом.

На основе идеи верифицируемого ИИ, Modulus Labs на данный момент запустила три приложения "в цепи ИИ" и предложила множество потенциальных сценариев применения.

1.2 Примеры приложений

Первое - это автоматизированный торговый ИИ "Rocky bot". Rocky обучен на исторических данных от торговой пары WETH/USDC. Он предсказывает будущие тренды WETH на основе исторических данных и принимает торговые решения. Затем он генерирует ZKP для процесса принятия решений (процесса вычислений) и отправляет информацию на контракты L1, чтобы инициировать транзакцию.

Вторая игра - это шахматная игра в цепи "Leela против мира". Игроками в игре являются ИИ и люди, а статус шахматной игры хранится в контракте. Игроки делают ходы, взаимодействуя с контрактом через свой кошелек. ИИ читает новый статус игры, делает выводы и генерирует ZKP для всего процесса вычислений. Эти шаги выполняются в облаке AWS, в то время как ZKP проверяется смарт-контрактом в цепи. Если проверка проходит успешно, контракт шахматной игры вызывается для "хода".

Третья - это ИИ-художник в цепи, который "запустил" серию NFT zkMon. Ключевым моментом является то, что ИИ генерирует NFT и публикует их в цепи, одновременно генерируя ZKP. Пользователи могут использовать ZKP для проверки того, что их NFT был сгенерирован из соответствующей модели ИИ.

Кроме того, Modulus Labs упомянул некоторые другие случаи использования:

  • Используйте ИИ для оценки личных данных в цепи и другой информации, чтобы генерировать личные рейтинги репутации и публиковать ZKP для проверки пользователями.

  • Используйте ИИ для оптимизации производительности AMM и публикуйте ZKP для проверки пользователями

  • Используйте верифицируемый ИИ, чтобы помочь проектам конфиденциальности реагировать на регуляторные давления, не раскрывая конфиденциальность (возможно, используя ML для доказательства того, что транзакция не связана с отмыванием денег, не раскрывая адреса пользователя и другую информацию).

  • ИИ-оракул, публикуя ZKP для всех, чтобы проверить надежность данных вне цепи.

  • Конкурс моделей ИИ, конкуренты представляют свои собственные архитектуры и веса, запускают модели с единообразными тестовыми входами, генерируют ZKP для вычислений, и в конце концов контракт автоматически отправляет вознаграждения победителю.

  • Worldcoin утверждает, что в будущем пользователи смогут загрузить модель на свое локальное устройство, которая генерирует соответствующий код радужной оболочки из человеческой радужной оболочки. Модель работает локально и генерирует ZKP. Таким образом, контракт в цепи может использовать ZKP для проверки того, что код радужной оболочки пользователя был сгенерирован из правильной модели с разумными данными радужной оболочки, сохраняя биометрическую информацию на устройстве пользователя.

Источник: Modulus Labs

1.3 Обсуждение различных случаев использования на основе потребности в верифицируемом ИИ

1.3.1 Случаи использования, которые могут не требовать верифицируемого ИИ

В сценарии Rocky Bot пользователям может не потребоваться проверять процесс вычислений ML.

Во-первых, пользователи не имеют профессиональных знаний и совершенно не могут проводить реальную проверку. Даже с инструментами проверки пользователи просто увидят, что они нажали кнопку, и всплывающее окно сообщит им, что ИИ-сервис действительно был сгенерирован определенной моделью. Они не знают, правда ли это за кулисами.

Во-вторых, пользователям не нужно проверять, потому что они ценят ROI ИИ. Когда ROI низок, пользователи будут мигрировать, так как они всегда выберут модель с наилучшими результатами. Короче говоря, когда пользователи заботятся о конечном результате ИИ, проверка процесса может быть бессмысленной, потому что пользователям просто нужно мигрировать к услуге с наилучшими результатами.

Одно из возможных решений заключается в том, чтобы ИИ действовал только как советник, в то время как пользователи самостоятельно выполняют сделки. После того как пользователи вводят свои торговые цели в ИИ, он вычисляет вне цепи и возвращает пользователям лучший торговый путь/направление, поскольку им не нужно проверять основную модель, так как они просто должны выбрать продукт с наибольшей доходностью.

Потенциально опасная, но весьма вероятная ситуация возникает, когда отдельные лица полностью пренебрегают хранением своих собственных активов и не ценят процесс вычисления ИИ. Когда появляется автоматизированный робот для заработка денег, люди могут быть готовы вложить в него деньги, так же как они вкладывают токены в CEX или традиционный банк для управления состоянием. Потому что людям не важно, какой механизм стоит за этим, они только заботятся о том, сколько прибыли они в конечном итоге получат, или даже просто о том, сколько прибыли проект утверждает, что они заработали. Такой сервис может также быстро завоевать большое количество пользователей и даже итеративно развиваться быстрее, чем проекты, использующие верифицируемый ИИ.

Если ИИ не участвует в вызове изменений состояния в цепи и только извлекает данные в цепи и предварительно обрабатывает их для пользователей, тогда также нет необходимости генерировать ZKP для вычислений. Мы можем назвать этот тип приложения "сервисом данных", вот несколько примеров:

  • Чат-бот, предоставленный Mest, является типичным сервисом данных. Пользователи могут запрашивать свои данные в цепи через QA, например, спрашивая, сколько они потратили на NFT.

  • ChainGPT - многофункциональный ИИ-ассистент. Он может интерпретировать смарт-контракты для вас перед торговлей, показывая, торгуете ли вы в правильном пуле и подвержена ли транзакция фронт-раннингу. ChainGPT также планирует предлагать такие услуги, как рекомендации новостей ИИ и публикацию AIGC NFT.

  • RSS3 предоставляет AIOP, позволяя пользователям выбирать, какие данные в цепи им нужны, и выполнять определенную предварительную обработку, что облегчает использование конкретных данных в цепи для обучения ИИ.

  • DefiLlama и RSS3 оба имеют плагины ChatGPT, так что пользователи могут получать данные в цепи через разговор.

1.3.2 Случаи использования, требующие верифицируемого ИИ

В этой статье утверждается, что сценарии, касающиеся справедливости и конфиденциальности нескольких сторон, требуют ZKP для проверки. Мы обсудим некоторые из приложений, упомянутых Modulus Labs:

  • Когда сообщество распределяет вознаграждения на основе индивидуальных репутаций, сгенерированных ИИ, члены сообщества, безусловно, потребуют аудита процесса оценки, который в данном случае является вычислением ML.

  • В сценарии оптимизации AMM ИИ, который включает распределение выгод между несколькими сторонами, процесс вычислений ИИ также необходимо периодически проверять.

  • При балансировке конфиденциальности и регулирования ZK является одним из лучших решений. Если приложение использует ML для обработки частных данных в сервисе, требуется ZKP вычислений ML.

  • Из-за широкого влияния оракула, если он поддерживается ИИ, возникает необходимость периодически генерировать ZKP, чтобы проверить, функционирует ли ИИ правильно.

  • На соревнованиях общественность и другие участники должны проверять, соответствуют ли алгоритмы ML спецификациям соревнования.

  • В потенциальном случае использования Worldcoin существует сильная необходимость обеспечить, чтобы модель ML использовалась таким образом, чтобы защищать конфиденциальность отдельных лиц.

В общем, влияет ли ИИ на изменения состояния в цепи и влияет ли он на справедливость/конфиденциальность - это два критерия для определения, нужна ли верифицируемый ИИ.

Когда ИИ не вызывает изменений состояния в цепи, ИИ-сервис может действовать как советник, и люди могут судить о качестве услуг ИИ по эффекту предложения без необходимости проверять процесс вычислений;

Когда ИИ действительно вызывает изменения состояния в цепи, и если услуга предназначена только для частных лиц и не затрагивает личную конфиденциальность, тогда пользователи все равно могут судить о качестве услуги ИИ, не проверяя процесс вычислений;

Когда вывод ИИ напрямую влияет на справедливость между различными сторонами, и ИИ вызывает изменения состояния в цепи, тогда у сообщества и общественности должна возникнуть необходимость проверить процесс принятия решений ИИ;

Когда данные, обрабатываемые ML, касаются личной конфиденциальности, тогда существует определенная необходимость в ZK для защиты конфиденциальности и соблюдения регуляторных требований.

Источник: Kernel Ventures

Часть 2: Два типа архитектуры приложений ИИ на основе публичных блокчейнов

В любом случае, решение, предложенное Modulus Labs, является отличным вдохновением для того, как ИИ может быть объединен с блокчейном и генерировать практическую ценность применения. Однако публичный блокчейн не только усиливает возможности одной услуги ИИ, но и имеет потенциал создать новую экосистему приложений ИИ. Эта новая экосистема вводит особую парадигму для взаимодействия между ИИ-сервисами, отношениями между ИИ-сервисами и пользователями, а также способствует сотрудничеству между верхним и нижним уровнями. Мы можем классифицировать эту экосистему приложений ИИ на два основных типа: вертикальные и горизонтальные архитектуры.

2.1 Вертикальная архитектура: сосредоточение на составляемом ИИ

Онлайн шахматная игра "Leela против мира" имеет уникальный аспект, где люди могут делать ставки на игрока-человека или ИИ, при этом токены автоматически распределяются после игры в зависимости от результатов. Здесь цель ZKP заключается не только в том, чтобы пользователи проверяли вычисления ИИ, но и служит гарантией доверия для вызова изменений состояния в цепи. С этой гарантией доверия, составляемость между услугами ИИ и между ИИ и родными крипто dApps становится возможной на уровне dApp.

Источник: Kernel Ventures (основано на модели от Modulus Labs)

Основной единицей составляемого ИИ является [модель ML вне цепи - генерация ZKP - контракт верификации в цепи - основной контракт], собранный из рамок "Leela против мира", хотя фактическая архитектура отдельных AI dApps может отличаться от диаграммы.

Во-первых, шахматные игры требуют контракта для отслеживания состояния игры, но на самом деле ИИ может не нуждаться в контракте в цепи. Тем не менее, для архитектуры составляемого ИИ, если основная деятельность происходит в контракте, это может быть более удобно для других dApps интегрироваться с ним.

Во-вторых, основной контракт не обязательно должен влиять на свою модель ML. Модель ML dApp ИИ должна лишь вызывать контракт, связанный с ее собственным действием, и этот контракт затем вызывается другими dApps.

Вызовы контрактов между dApps обеспечивают составляемость между различными приложениями Web3, включая идентификацию, управление активами, финансовые услуги и даже социальную информацию. Мы можем представить конкретное сочетание приложений ИИ:

  • Worldcoin использует ML для генерации кода радужной оболочки для индивидуальных данных радужной оболочки и генерации ZKP.

  • Приложение ИИ для оценки репутации сначала проверяет, что пользователь является реальным человеком (подтвержденным данными радужной оболочки), а затем присваивает NFT на основе репутации в цепи

  • Сервис кредитования корректирует сумму займа на основе NFT, принадлежащих пользователю

  • ...

Хотя взаимодействия ИИ на публичном блокчейне не являются чем-то новым, участник экосистемы Realms Loaf предложил, что ИИ NPC могут торговать с игроками и друг с другом, позволяя всей экономической системе самооптимизироваться и работать автоматически. AI Arena разработала игру, в которой ИИ автоматически сражаются друг с другом. Пользователи сначала покупают NFT, представляющий боевого робота, поддерживаемого моделью ИИ. Пользователи сами играют в игру, предоставляют данные для обучения ИИ, и когда ИИ готов, разворачивают его для битвы с другими ИИ. Modulus Labs упомянул, что AI Arena хочет сделать этих ИИ верифицируемыми. В обоих случаях мы видим потенциал для взаимодействия ИИ и прямого изменения состояния в цепи.

Тем не менее, многие детали реализации составляемого ИИ на практике еще предстоит доработать, такие как то, как различные dApps могут использовать ZKP и контракты проверяющих друг друга. Но с учетом объема инноваций в области нулевых знаний, например, работа RISC Zero над сложными вычислениями вне цепи и генерация ZKP для верификации в цепи, соответствующие решения могут скоро появиться.

2.2 Горизонтальная архитектура: сосредоточение на децентрализованных платформах ИИ

Здесь мы представляем децентрализованную платформу ИИ под названием SAKSHI, предложенную исследователями из Принстона, Университета Цинхуа, Университета Илинойс в Урбана-Шампейн, HKUST, Witness Chain и Eigen Layer. Его основная цель - позволить пользователям получать услуги ИИ более децентрализованным образом, делая весь процесс более доверенным и автоматизированным.

Источник: SAKSHI

SAKSHI состоит из шести уровней: Сервисный уровень, Контрольный уровень, Транзакционный уровень, Уровень доказательств, Экономический уровень и Рынок.

Рынок - это уровень, ближайший к пользователям. Пользователи размещают заказы через агрегаторов и подписывают соглашение о качестве обслуживания и ценах (SLA - соглашение об уровне обслуживания).

Слой сервисов затем предоставляет API клиенту, который отправляет запрос на вывод ML к агрегатору. Этот запрос передается серверу поставщика, соответствующему запросу, с использованием маршрутизатора, развернутого как часть контрольного уровня. Таким образом, Служба и Контрольные уровни напоминают Web2 сервис с несколькими серверами, но каждый сервер управляется разными субъектами, связанными с агрегатором через ранее подписанные SLA.

SLA развертываются в цепи как смарт-контракты, принадлежащие Транзакционному уровню (в SAKSHI он называется Witness Chain). Транзакционный уровень также записывает текущее состояние для каждого заказа услуги и используется для координации пользователей, агрегаторов и поставщиков услуг, обрабатывая споры по платежам.

Для обеспечения основы для разрешения споров Уровень доказательства проверяет, соблюдают ли поставщики услуг SLA, путем проверки используемых моделей. Однако вместо генерации ZKP для вычислений ML SAKSHI предлагает оптимистический подход - создание узлов вызова для аудита услуг, стимулируемых Witness Chain.

Хотя SLA и сеть вызовов находятся в Witness Chain, предложение SAKSHI не планирует использовать родной токен Witness Chain для стимулов для достижения независимой безопасности. Вместо этого оно использует безопасность Ethereum через Eigen Layer. Таким образом, весь Экономический уровень в основном полагается на Eigen Layer.

Мы можем видеть, как SAKSHI действует как посредник между поставщиками ИИ и пользователями, объединяя различных ИИ децентрализованным образом для обслуживания своих пользователей. Это более горизонтальный подход. Основное внимание SAKSHI сосредоточено на том, чтобы освободить поставщиков ИИ, чтобы они просто управляли своими вычислениями моделей вне цепи, в то время как соответствуют потребностям пользователей в моделях услуг, обрабатывают платежи и проверяют качество услуг через протоколы в цепи более автоматизированным образом. Конечно, поскольку SAKSHI все еще теоретическая, остается множество деталей реализации.

Часть 3: Будущие перспективы

Будь то составляемый ИИ или децентрализованные платформы ИИ, схемы экосистемы на основе блокчейна, похоже, имеют общие черты - поставщики ИИ могут взаимодействовать напрямую с пользователями и просто предоставлять модели ML для вычислений вне цепи. Платежи, разрешение споров, соответствие потребностям пользователей с услугами могут обрабатываться доверенными протоколами. В качестве доверенного базового уровня блокчейны уменьшают трение между поставщиками и пользователями, давая пользователям большую автономию.

Хотя преимущества использования блокчейнов в качестве базового уровня хорошо известны, они действительно подходят для услуг ИИ. Однако, в отличие от dApps, вычисления приложений ИИ не могут быть полностью в цепи, поэтому требуется ZK или оптимистический подход для интеграции услуг ИИ более доверенным образом.

С улучшениями, такими как абстракция аккаунтов для обеспечения лучшего пользовательского опыта, элементы, такие как управление закрытыми ключами, цепи и газ, могут остаться незамеченными. С плавным опытом, напоминающим UX Web2, гораздо большей степенью свободы и составляемости, предоставляющей сильные стимулы для массового внедрения, экосистемы приложений ИИ на основе блокчейна имеют захватывающее будущее.

ССЫЛКА

  • Глава 1: Как разместить ваш ИИ в цепи: https://medium.com/coinmonks/chapter-1-how-to-put-your-ai-on-chain-8af2db013c6b

  • Глава 4: Блокчейны, которые самоулучшаются: https://medium.com/@ModulusLabs/chapter-4-blockchains-that-self-improve-e9716c041f36

  • Глава 6: Первые шахматы ИИ в цепи в мире: https://medium.com/@ModulusLabs/chapter-6-leela-vs-the-world-the-worlds-1st-on-chain-ai-game-17ea299a06b6

  • ВВЕДЕНИЕ В НУЛЕВОЕ ЗНАНИЕ МАШИННОГО ОБУЧЕНИЯ (ZKML): https://worldcoin.org/blog/engineering/intro-to-zkml#zkml-use-cases

  • Доказательство нулевых знаний: Применения и случаи: https://blog.chain.link/zero-knowledge-proof-use-cases/

  • SAKSHI: Децентрализованные платформы ИИ: https://arxiv.org/pdf/2307.16562.pdf

  • Дорогая, я уменьшил доказательство: Обеспечение верификации в цепи для RISC Zero & Bonsai: https://www.risczero.com/news/on-chain-verification

  • Интервью с основателем Nil Foundation: Технология ZK может быть неправильно использована, публичная трассировка не является первоначальной целью криптовалют: https://www.techflowpost.com/article/detail_12647.html

  • IOSG Weekly Brief ｜Зажигая искры в блокчейне: LLM открывает новые возможности взаимодействия с блокчейном #187 https://mp.weixin.qq.com/s/sVIBF6iPXwhamlKEvjH19Q