作者：Ian Xu@Foresight Ventures

長話短說

  • 本文討論了人工智慧與 Web3 的交叉點，探討鏈上人工智慧如何為去中心化網路帶來巨大價值。它重點介紹了幾個項目，包括 Worldcoin、Pragma、Lyra Finance、Giza、Zama.ai 和潛在的機器學習即服務應用程式。

  • 文章強調，Web3 背景下的人工智慧尚處於早期階段，但潛力巨大。鏈上人工智慧透明、可驗證，可顯著提高效率和安全性，催生新的產品形式。 ZKML 特別有前途，ZK-rollup 有可能成為 AI 進入 Web3 世界的入口點。

  • 雖然目前的基礎設施可以支援一定規模的模型，但仍存在許多不確定性，特別是在透過零知識證明驗證模型方面。這被視為人工智慧鏈上的必然路徑，但需要證明系統呈指數級改進以支援越來越大的模型。

  • 在應用方面，鏈上AI有可能參與Web3的任何方面，包括遊戲、DeFi、DID和工具。儘管現有項目稀缺，但文章仍然對鏈上人工智慧的潛力及其對 Web3 領域的變革性影響持樂觀態度。

1.人工智慧+Web3=？

開發者對基礎建設的痴迷和各種rollup解決方案的不斷更新，確實讓web3原本落後的算力得到了突破。這也使得AI上鍊成為可能。但你可能想說，與其不遺餘力地實現鏈上人工智慧，鏈下運行模型似乎能夠滿足大多數需求。事實上，目前幾乎所有的人工智慧模型都以黑盒、中心化的模式運行，並在各個領域創造著不可取代的價值。

1.1 我們回到最基本的問題，什麼是區塊鏈上的AI？

主流的理解是透過Web3讓AI模型透明+可驗證。

更具體地說，區塊鏈上的人工智慧意味著人工智慧模型的完整驗證。也就是說，一個模型需要向整個網路（使用者或驗證者）公開以下三點：

  1. 模型架構；

  2. 模型參數和權重：公開參數和權重有時可能會對產品安全產生負面影響。因此，對於特定場景，例如風控模型，可以隱藏權重以確保安全；

  3. 模型輸入：在web3的背景下，一般是鏈上的公開資料。

當滿足上述條件時，整個模型執行過程是確定性的，不再是黑箱操作。任何人都可以在區塊鏈上驗證模型的輸入和結果，從而防止模型所有者或相關授權人操縱模型。



1.2 鏈上人工智慧的驅動力是什麼？

鏈上AI的意義不是取代Web2 AI的中心化運作模式，而是：

  1. 在不犧牲去中心化和去信任性的情況下，它為 web3 世界創造了下一階段的價值。現在的Web3就像web2的早期階段，還不具備承擔更廣泛應用或創造更大價值的能力。只有融入了AI之後，Dapp的想像力才能真正飛躍到下一個階段，這些鏈上應用可能會變得更接近web2應用的水平。這種接近並不是讓功能更加相似，而是透過利用Web3的價值來增強使用者體驗和可能性。

  2. 它為web2 AI的黑盒子運作模式提供了透明、去信任的解決方案。

想像一下web3的應用場景：

  1. 在NFT交易平台中加入推薦演算法，依照使用者喜好推薦對應的NFT，提高轉換；

  2. 遊戲中加入AI對手，讓遊戲體驗更透明、更公平；

……

但這些應用都是透過AI對現有功能進行效率或使用者體驗的進一步提升。

  • 有價值嗎？是的。

  • 價值大嗎？這取決於產品和場景。

AI能夠創造的價值不僅限於從99到100的最佳化。然而，這些「令人興奮」的用例目前主要依賴想像，沒有成熟的應用。以下是一些腦力激盪的想法：

  1. 基於神經網路決策模型的加密交易：一種產品形態可能更像是跟單交易的升級版，甚至是一種全新的交易方式。使用者不再需要信任或研究其他經驗豐富的交易者，而是押注於完全公開透明的模型及其表現。從本質上講，人工智慧根據對未來加密貨幣價格的預測來更快、更果斷地進行交易。然而，如果沒有鏈上人工智慧固有的“去信任的自治”，這樣的投注對像或標準根本不存在。使用者/投資者可以透明地看到模型決策的原因、過程，甚至未來上漲/下跌的確切機率。

  2. 人工智慧模型充當裁判：產品可能是一種新形式的預言機，透過人工智慧模型預測資料來源的準確性。使用者不再需要信任驗證者，也不必擔心節點行為不當。預言機提供者甚至不需要設計複雜的節點網路和獎懲機制來實現去中心化。對應的，鏈上透明+可驗證的AI已經足以驗證鏈下資料來源的可信度。這種新的產品形態在安全、效率、成本上都有佔據主導地位的潛力，而且去中心化的對象從人類跳躍到「去信任的自治」AI工具，這無疑更加安全。

  3. 基於大模型的組織管理/作業系統：DAO的治理本質上應該是高效、去中心化和公平的，但目前的情況恰恰相反，鬆散臃腫，缺乏透明度和公平性。鏈上人工智慧的引入可以提供非常合適的解決方案，最大限度地提高管理模式和效率，最大限度地降低管理中的系統性和人為風險。我們甚至可以想像web3專案的一種新的開發和營運模式，整個框架和未來的發展方向和提案幾乎不依賴開發團隊的決策或DAO投票。相反，決策是根據大型模型的更大數據收集和計算能力做出的。但這一切的前提都是模型上鍊。如果沒有人工智慧的“無需信任的自治”，去中心化世界中就無法實現從人類到工具的轉變。

……

總之，

基於鏈上人工智慧的新產品形態可以概括為將去中心化和去信任的主題從人類轉移到人工智慧工具。這與傳統世界生產力的演變是一致的，最初是為了升級和提升人的效率，後來是智慧工具取代了人，從安全和效率上徹底改變了原來的產品設計。

最關鍵的一點，也是上述一切的前提，就是透過Web3讓AI透明+可驗證。



1.3 Web3 的下一階段

Web3作為現象級的技術創新，不能只停留在初級階段。流量和經濟模式固然重要，但用戶不會一直停留在追求流量或花費大量資源做X來賺取，Web3也不會因此而拉動下一波新用戶。但有一點是確定的：加密世界生產力和價值的革命一定是來自人工智慧的加入。

我認為大致可以分為以下三個階段：

啟動：零知識證明演算法和硬體的更新迭代，為鏈上AI的出現提供了第一個可能； （我們在這裡）

發展：無論是人工智慧對現有應用的改進，還是基於鏈上人工智慧的新產品，都在推動整個產業向前發展；

Endgame：鏈上AI的最終方向是什麼？

以上討論都是透過AI與Web3的結合自下而上探索應用場景。如果我們換成自上而下的方式來看待鏈上AI，AI是否可以追溯到Web3本身？人工智慧+區塊鏈=自適應區塊鏈

一些公鏈將率先融入鏈上人工智慧，從公鏈層面轉變為自適應層面。發展方向不再依賴專案基礎決策而是基於海量資料決策，自動化程度遠超傳統Web3，在當前多鏈繁榮中脫穎而出。

在可驗證+透明AI的加持下，web3自我監管的體現可以參考Modulus Lab提到的幾個例子：

  1. 鏈上交易市場可以去中心化的方式自動調整，例如根據公開的鏈上數據即時調整穩定幣的利率，而不需要信任假設；

  2. 多模態學習可以透過生物辨識完成鏈上協議交互，提供安全的KYC，實現完全去信任的身份管理；

  3. 讓鏈上應用程式最大化鏈上資料帶來的價值，支援客製化內容推薦等服務。

從另一個角度來看，zkrollup不斷迭代優化，但始終缺乏一個真正只能運行在zk生態上的應用，ZKML恰恰滿足了這一點，其想像空間也足夠大。 ZK-rollup未來很可能會作為AI進入web3的入口，創造更大的價值，兩者相輔相成。

2. 實施及可行性

2.1 Web3 能為人工智慧提供什麼？

基礎設施和ZK無疑是web3中競爭最激烈的賽道。各個ZK專案在電路優化和演算法升級方面都做出了巨大的努力，無論是多層網路的探索、模組化和資料可用性層的開發、進一步客製化rollup即服務甚至硬體加速…這些嘗試都在推動可擴充性Web3 基礎設施的效能、成本和運算能力更上一層樓。



把AI上鍊聽起來不錯，但具體是怎麼做到的呢？

一種方法是透過 ZK-proof 系統。例如，為機器學習創建定制電路，鏈下生成見證人的過程就是模型執行的過程，並為模型預測過程產生證明（包括模型參數和輸入），任何人都可以在上面驗證該證明-鏈。

AI模型仍然運行在高效的叢集上，甚至透過一些硬體加速來進一步提升運算速度，最大限度地利用算力，同時確保任何中心化的個人或機構都無法篡改或乾擾模型，即確保：

模型預測結果確定性=可驗證（輸入+模型架構+參數）

基於上述方法，我們可以進一步推論哪些基礎設施對於AI上鍊至關重要：

  1. ZKP系統，rollup：Rollup拓展了我們對鏈上運算能力的想像，將一堆交易打包，甚至遞歸生成證明的證明，進一步降低成本。對於目前的大型模型來說，提供可能性的第一步是證明系統和rollup；

  2. 硬體加速：ZK rollup提供了可驗證的基礎，但證明的生成速度直接關係到模型的可用性和使用者體驗。等待幾個小時來產生模型證明顯然是行不通的，因此透過 FPGA 進行硬體加速是一個很大的推動。

  3. 密碼學：密碼學是密碼世界的基礎，鏈上模型和敏感資料也需要確保隱私。

補充：

大型車型的基礎是GPU。如果沒有高並行支持，大型​​模型的效率會很低，無法運作。因此，對於鏈上 zk 生態：

GPU 友善 = AI 友好

以Starknet為例，Cario只能運行在CPU上，因此只能部署一些小型決策樹模型，長期來看不利於大型模型的部署。

2.2 挑戰：更強大的證明系統

ZK Proof 的產生速度和記憶體使用至關重要，一是關係到使用者體驗和可行性，二是關係到成本和擴展性。

現在的zkp系統夠用嗎？

夠了，但還不夠好…

Modulus Lab在《智能的成本：用零知識證明機器學習推理》一文中詳細介紹了模型和算力的具體情況。有時間的話，您可以在 ZKML 欄位中閱讀此「Paper0」：https://drive.google.com/file/d/1tylpowpaqcOhKQtYolPlqvx6R2Gv4IzE/view

以下是論文 0 中提到的不同證明系統。



基於上述zk演算法，Modulus Lab從時間消耗和記憶體佔用兩個維度進行測試，並在這兩個維度控制兩個核心變數：參數和層數。以下是基準套件。這樣的設計可以大致覆蓋LeNet5的60k參數量，0.5MFLOPs，到ResNet-34的22M參數量，3.77 GFLOPs。



耗時測試：



記憶體消耗測試：



綜合以上數據，整體來看，目前的zk演算法以及支援大型模型證明產生的潛力是具備的，但相應的成本仍然很高，甚至需要10倍以上的最佳化。以Gloth16為例，雖然受益於高並發帶來的計算時間的最佳化，但作為權衡，記憶體使用量顯著增加。 Plonky2和zkCNN在時間和空間上的表現也驗證了這一點。

所以現在的問題其實已經從zkp系統能否支援鏈上AI轉變為支援鏈上AI的成本是否值得。且隨著模型參數的指數級上升，證明系統的壓力也會快速增加。確實，現在有去信任的神經網路嗎？不！就是因為成本太高了。

因此，創建人工智慧客製化的證明系統至關重要。同時，要實作單次呼叫非常複雜的AI邏輯，gas消耗模型也需要重新設計。高效能的 zkvm 是必不可少的。但現在我們可以看到很多高效能的嘗試，像是OlaVM、Polygon Miden等，這些基礎設施的不斷優化大大提高了鏈上AI的可行性。

3.申請值得期待嗎？

雖然鏈上人工智慧還處於早期階段，但從上面的層面來看，它可能處於起步和發展階段之間。然而，AI方向從來不缺乏優秀的團隊和創新的想法。

如上所述，縱觀Web3世界AI的發展階段，目前市場正處於起步到發展的中期，產品嘗試方向仍以基於現有功能的使用者體驗優化為主。但最有價值的是透過鏈上AI將去信任主體從人變成工具，在安全性和效率上顛覆原有的產品形態。

接下來，從現有的一些應用嘗試出發，分析鏈上AI的長期產品發展方向

3.1 洛克斐勒機器人：世界上第一個鏈上人工智慧

Rockefeller是Modulus Lab團隊推出的首款鏈上AI產品，具有很強的「紀念價值」。該模型本質上是一個交易機器人。具體來說，洛克斐勒的訓練資料是鏈上大量公開的WEth-USDC價格/匯率。它是一個三層前饋神經網路模型，預測目標是未來WEth價格的漲跌。

以下是交易機器人決定進行交易時的流程：

  1. Rockefeller對ZK-rollup上的預測結果產生ZKP；

  2. ZKP在L1上驗證（資金由L1合約保存）並執行操作；

可以看出，交易機器人的預測和資金運作是完全去中心化和去信任的。如上所述，從更高的維度來看，洛克斐勒更像是一種新型的 Defi 玩法。與信任其他交易者相比，在這種模式下，使用者實際上是在押注透明+可驗證+自治的模式。使用者不需要信任中心化機構來保證模型決策過程的合法性。同時，人工智慧也可以最大程度地消除人性的影響，做出更果斷的決策。



你可能已經想在洛克斐勒投資一些錢並嘗試一下，但這真的能賺錢嗎？

Modulus 團隊表示，不，不能。洛克菲勒與其說是一個應用程序，不如說它更像是鏈上人工智慧的概念驗證（POC）。由於成本、效率和證明系統的限制，洛克菲勒的主要目的是作為一個演示，向 web3 世界展示鏈上 AI 的可行性。 （洛克斐勒已經完成使命，現已下線T T）

3.2 Leela：世界上第一個鏈上人工智慧遊戲

莉拉訴。最近發布的 World 也來自 Modulus Lab。遊戲機制很簡單，人類玩家組隊與人工智慧對戰。遊戲中，玩家可以下注，每場比賽結束後，輸家的彩池將根據下注的代幣數量分配給贏家。



說到鏈上AI，這次Modulus Lab部署了更大的深度神經網路（參數數量> 3,700,000）。儘管 Leela 在模型規模和產品內容上超越了洛克菲勒，但本質上仍然是一個大規模的鏈上 AI 實驗。 Leela背後的機制和運作模式是值得關注的，它可以幫助我們更好地理解鏈上AI的運作模式和改進空間。下面是官方給出的邏輯圖：



Leela的每一個動作，或每一個預測，都會產生一個ZKP，只有經過合約驗證後才會在遊戲中生效。也就是說，由於去信任的自主AI，用戶下注的資金和遊戲的公平性都得到了密碼學的充分保護，而無需信任遊戲開發商。

Leela使用Halo2演算法，主要是因為它的工具和靈活的設計可以幫助設計更有效率的證明系統。具體性能情況可以參考上面的測試數據。但同時，Modulus團隊在Leela的運行過程中也發現了Halo2的弊端，例如證明生成速度慢、對一次性證明不友好等，因此進一步證實了根據先前的測試數據得出的結論：如果我們需要將更大的模型引入web3，我們需要開發更強大的證明系統。

不過Leela的價值在於為我們帶來了AI+Web3遊戲更大的想像空間，此時此刻，王者榮耀的玩家們應該對匹配算法全面上鍊抱有極大的希望:) Gamefi需要更多高質量內容支援和更公平的遊戲系統，而鏈上AI恰好提供了這一點。例如，在遊戲中引入AI驅動的遊戲場景或NPC，無論是玩家的遊戲體驗還是經濟系統的玩法都提供了巨大的想像空間。

3.3 世界幣：AI+KYC

世界幣是一個鏈上身分系統（隱私保護人格證明協議），利用生物辨識技術建立身分識別系統並實現支付等衍生功能。其目標是打擊 Sybil 攻擊，目前擁有超過 140 萬名註冊用戶。



使用者使用名為 Orb 的硬體設備掃描虹膜，並將個人資訊加入資料庫。 Worldcoin 在 Orb 硬體的計算環境中運行 CNN 模型來壓縮和驗證使用者虹膜資料的有效性。聽起來很強大，但為了真正的去中心化身份驗證，世界幣團隊正在探索透過 ZKP 進行模型輸出驗證。

挑戰

值得一提的是，世界幣使用的CNN模型規模為：參數=180萬，層數=50。可能的。

3.4 其他項目

  1. Pragma：Pragma 是從 Starkware 生態系統開發的 ZK 預言機。團隊也在探索如何透過鏈上AI解決去中心化的鏈下資料驗證問題。使用者不再需要信任驗證者，而是可以透過足夠準確和可驗證的鏈上人工智慧來驗證鏈下資料來源，例如讀取相應的實體資訊作為輸入並做出實際資產或身份驗證的決策。

  2. Lyra Finance：Lyra Finance是一個提供衍生性商品交易市場的選擇權AMM。為了提高資本利用率，Lyra 團隊和 Modulus Lab 正在合作開發基於可驗證 AI 模型的 AMM。憑藉可驗證、公平的AI模型，Lyra金融有機會成為鏈上AI的大規模落地實驗，首次為web3用戶帶來公平撮合，透過AI優化鏈上市場，為回歸。

  3. Giza：一個 ZKML 平台，直接在鏈上部署模型而不是鏈下驗證。不錯的嘗試，但是…由於計算能力和開羅缺乏對基於 CUDA 的證明生成的支持，吉薩只能支持小型模型的部署。這是最致命的問題。從長遠來看，能夠對 web3 產生顛覆性影響的大型模型將需要強大的硬體支持，例如 GPU。

  4. Zama-ai：模型的同態加密。同態加密是一種加密形式，其中：f[E(x)] = E[f(x)]，其中 f 是一種運算，E 是同態加密演算法，x 是一個變量，例如，E(a ) + E(b) = E(a + b)。它允許對密文進行特定形式的代數運算以產生加密結果，並且解密該結果將產生與對明文執行相同運算相同的結果。模型隱私一直是人工智慧的熱點和瓶頸。雖然zk是隱私友善的，但zk並不等於隱私。 Zama 致力於確保模型的隱私保護執行。

  5. ML-as-a-service：目前這只是一個思想方向，沒有具體的應用，但目標是透過 ZKP 解決中心化的 ML 服務提供者的惡意行為和使用者信任的問題。 Daniel Kang 在《機器學習的無信任驗證》一文中有詳細的描述（參考文章中的圖）。



4。

  • 整體而言，web3世界中的AI還處於非常早期的階段，但毫無疑問，鏈上AI的成熟和普及將使web3的價值提升到另一個層次。從技術上講，web3可以為AI提供獨特的基礎設施，而AI是改變web3生產關係的必備工具。兩者的結合可以激發出許多可能性，這是令人興奮和充滿想像的地方。

  • 從人工智慧上鍊的動機來看，一方面，透明+可驗證的鏈上人工智慧將去中心化、去信任的實體從人轉變為人工智慧工具，大大提高了效率和安全性，為創造全新產品提供了可能形式。另一方面，隨著web3基礎設施的不斷迭代，web3確實需要一個能夠最大化這個基礎設施價值的殺手級應用程式。 ZKML很適合這一點，例如ZK-rollup很可能是未來AI進入web3的切入點。

  • 從可行性角度來看，目前的基礎設施可以在一定程度上支援一定規模的模型，但仍存在許多不確定性。使用ZKP創建可驗證的模型目前看來是AI上鍊的唯一路徑，也可能是將AI帶入web3應用的最具確定性的技術路徑。然而，從長遠來看，目前的證明系統需要呈指數級改進，以充分支持日益龐大的模型。

  • 從應用場景來看，AI幾乎可以完美參與web3的任何一個方向，無論是遊戲、DeFi、DID、還是工具……雖然現有的項目非常稀缺，缺乏長期價值，但還沒有從一種提高改變生產關係的應用程式效率的工具。但令人興奮的是，有人邁出了第一步，我們可以看到鏈上人工智慧及其未來可能性的最早的景象。

參考

https://worldcoin.org/blog/engineering/intro-to-zkml

https://medium.com/coinmonks/chapter-1-how-to-put-your-ai-on-chain-8af2db013c6b

https://medium.com/@ModulusLabs/chapter-2-why-put-your-ai-on-chain-33b7625147b7

https://medium.com/@ModulusLabs/chapter-3-the-worlds-first-on-chain-ai-trading-bot-c387afe8316c

https://medium.com/@ModulusLabs/chapter-4-blockchains-that-self-improve-e9716c041f36

https://medium.com/@ModulusLabs/chapter-4-5-trustless-ai-for-living-breathing-games-cc9f24080e30

https://medium.com/@ModulusLabs/chapter-5-the-cost-of-intelligence-da26dbf93307

https://medium.com/@ModulusLabs/chapter-6-leela-vs-the-world-the-worlds-1st-on-chain-ai-game-17ea299a06b6

https://drive.google.com/file/d/1tylpowpaqcOhKQtYolPlqvx6R2Gv4IzE/view

https://medium.com/@danieldkang/trustless-verification-of-machine-learning-6f648fd8ba88

關於 Foresight Ventures

Foresight Ventures 致力於支持未來幾十年區塊鏈的顛覆性創新。我們管理多檔基金：一檔VC基金、一檔主動式管理二級基金、一檔多策略母基金、一檔私募市場二級基金，管理規模超過4億美元。 Foresight Ventures 秉持著「獨特、獨立、進取、長期的心態」的信念，為不斷發展的生態系統中的投資組合公司提供廣泛的支持。我們的團隊由紅杉資本、中金公司、Google、比特大陸等頂級金融科技公司的資深人士組成。

網址：https://www.foresightventures.com/

免責聲明：Foresight Ventures 的所有文章均不構成投資建議。個人應評估自身風險承受能力，審慎做出投資決策。