1. ว่าการต้องการ AI ที่สามารถตรวจสอบได้ขึ้นอยู่กับ: การแก้ไขข้อมูล on-chain และว่าความเป็นธรรมและความเป็นส่วนตัวมีผล

   1. เมื่อ AI ไม่มีผลต่อสถานะ on-chain, AI สามารถทำหน้าที่เป็นที่ปรึกษา ผู้คนสามารถประเมินคุณภาพของบริการ AI ผ่านผลลัพธ์จริงๆ โดยไม่ต้องตรวจสอบกระบวนการคำนวณ
   2. เมื่อสถานะ on-chain ถูกกระทำ, หากบริการเป้าหมายผู้บุคคลและไม่ส่งผลต่อความเป็นส่วนตัว ผู้ใช้ยังสามารถตรวจสอบคุณภาพของบริการ AI โดยตรงโดยไม่ต้องตรวจสอบกระบวนการคำนวณ
   3. เมื่อผลลัพธ์ AI มีผลต่อความยุติธรรมและความเป็นส่วนตัวของผู้คนมากมาย เช่น การใช้ AI ในการประเมินและแจกจ่ายรางวัลให้สมาชิกชุมชน ใช้ AI ในการปรับปรุง AMM หรือเกี่ยวข้องกับข้อมูลชีวภาพ ผู้คนจะต้องการตรวจสอบการคำนวณของ AI นี่คือที่ที่สามารถตรวจสอบได้ว่า AI อาจพบ PMF

2. ระบบนิเวศแอปพลิเคชัน AI แนวตั้ง: เนื่องจากปลายด้านหนึ่งของ AI ที่ตรวจสอบได้เป็นสัญญาอัจฉริยะแอปพลิเคชัน AI ที่ตรวจสอบได้และแม้แต่ AI และ dapps ดั้งเดิมก็อาจสามารถใช้งานได้โดยไม่ต้องไว้วางใจ นี่คือระบบนิเวศแอปพลิเคชัน AI ที่ประกอบขึ้นได้

3. ระบบนิวเรลแอปพลิเคชั่นเซ็นเซอร์: ระบบโซเชียลเชนสามารถจัดการกับปัญหาเช่นการชำระเงินบริการ การประสานข้อพิพากษาการชำระเงิน และการจับคู่ความต้องการของผู้ใช้และเนื้อหาบริการสำหรับผู้ให้บริการ AI เพื่อให้ผู้ใช้สามารถเพลิดเพลินไปกับประสบการณ์บริการ AI แบบไม่มีกลางที่มีอิสระยงสูง

1. ภาพรวมของ Modulus Labs และเรื่องราวในการใช้งาน

1.1 การแนะนำและวิธีการหลัก

Modulus Labs เป็น บริษัท ปัญญาประดิษฐ์ "on-chain" ที่เชื่อว่า ปัญญาประดิษฐ์สามารถเพิ่มประสิทธิภาพของสัญญาอัจฉริยะอย่างมาก และทำให้แอปพลิเคชัน web3 มีพลังงานมากขึ้น อย่างไรก็ตาม มีการขัดแย้งเมื่อทำปัญญาประดิษฐ์ ใช้กับ web3 นั่นคือ ปัญญาประดิษฐ์ต้องการประสิทธิภาพคำนวณจำนวนมากเพื่อดำเนินการ และปัญญาประดิษฐ์เป็นกล่องดำสำหรับคำนวณที่อยู่นอกเครือข่าย สิ่งนี้ไม่ตรงกับความต้องการพื้นฐานของ web3 ที่จะเชื่อถือได้และสามารถตรวจสอบได้

ดังนั้น Modulus Labs ใช้ระบบ zk rollup [off-chain preprocessing+on-chain verification] และเสนอสถาปัตยกรรมที่สามารถทำการตรวจสอบ AI โดยเฉพาะโมเดล ML ทำงานที่ off-chain และเพิ่มเติม zkp ถูกสร้างขึ้นสำหรับกระบวนการคำนวณของ ML ที่ทำงานที่ off-chain ผ่าน zkp นี้ สถาปัตยกรรมนี้ น้ำหนัก และอินพุต (inputs) ของโมเดล off-chain สามารถทำการตรวจสอบได้ แน่นอน zkp นี้ยังสามารถโพสต์ไปยังโซ่เพื่อการตรวจสอบโดยสัญญาอัจฉริยะ ณ จุดนี้ AI และสัญญา on-chain สามารถแอคติฟอายได้อย่างเชื่อถอ นั่นคือ "on-chain AI" ได้รับการทำงานแล้ว

โดยอ้างอิงจากความคิดเชิงพิสูจน์ได้ว่า Modulus Labs ได้เปิดตัวแอปพลิเคชัน "on-chain AI" ไปสามรายการและยังได้เสนอฉากอย่างมากที่เป็นไปได้ของการใช้งาน

1.2 กรณีการใช้งานของแอปพลิเคชัน

1. คนแรกที่เปิดตัวคือ Rocky Bot, ซึ่งเป็น AI การซื้อขายอัตโนมัติ โร็คกี้ถูกฝึกฝนด้วยข้อมูลทางประวัติศาสตร์จากคู่ซื้อขาย Weth/USDC มันประเมินแนวโน้มของ weth ในอนาคตโดยขึ้นอยู่กับข้อมูลทางประวัติศาสตร์ หลังจากตัดสินใจในการซื้อขาย มันจะสร้าง zkp สำหรับกระบวนการตัดสินใจ (กระบวนการคำนวณ) และส่งข้อความไปยัง L1 เพื่อเริ่มกระบวนการซื้อขาย
2. ขั้นตอนที่สองคือเกมหมากรุก on-chain "Leela vs. the World" ผู้เล่นทั้งสองในเกมเป็น AI และมนุษย์ และสถานการณ์ของเกมอยู่ในสัญญา ผู้เล่นทำงานผ่านวอลเล็ต (โต้ตอบกับสัญญา) อย่างไรก็ตาม AI อ่านสถานการณ์เกมหมากรุกใหม่ ทำการตัดสินใจ และสร้าง zkp สำหรับกระบวนการคำนวณทั้งหมด ทั้งสองขั้นตอนถูกทำเสร็จบน AWS cloud และ zkp ได้รับการยืนยันโดยสัญญา on-chain หลังจากการยืนยันสำเร็จ สัญญาเกมถูกใช้ในการ "เล่นหมากรุก"
3. คือศิลปิน AI แบบ "on-chain" คนที่สาม และเปิดตัวซีรีย์ NFT zKMon สำคัญอยู่ที่ว่า AI สร้าง NFT และโพสต์บนเชน และสร้าง zkp ผู้ใช้สามารถตรวจสอบว่า NFT ของตนถูกสร้างจากโมเดล AI ที่เกี่ยวข้องผ่าน zkp

เพิ่มเติม Modulus Labs กล่าวถึงกรณีใช้งานอื่น ๆ อีกหลายรายการ

1. ใช้ AI เพื่อประเมินข้อมูลบนเชื่อมต่อส่วนบุคคลและข้อมูลอื่น ๆ สร้างคะแนนชื่อเสียงส่วนบุคคล และเผยแพร่ zkp สำหรับการตรวจสอบของผู้ใช้
2. ใช้ AI เพื่อปรับปรุงประสิทธิภาพของ AMM และเผยแพร่ zkp ให้ผู้ใช้ทำการตรวจสอบ;
3. ใช้ AI ที่สามารถยืนยันได้เพื่อช่วยโครงการที่เกี่ยวข้องกับความเป็นส่วนตัวในการรับมือกับความกดดันจากกฎหมาย แต่ในเวลาเดียวกันไม่เปิดเผยความเป็นส่วนตัว (อาจใช้ ML เพื่อพิสูจน์ว่าธุรกรรมนี้ไม่ใช่การฟอกเงิน โดยไม่เปิดเผยข้อมูลเช่นที่อยู่ผู้ใช้)
4. AI oracles และปล่อย zkp ให้ทุกคนตรวจสอบความเชื่อถือของข้อมูลนอกเชือก;
5. ในการแข่งขันโมเดล AI ผู้เข้าแข่งขันจะส่งโครงสร้างและน้ำหนักของตนเอง จากนั้นรันโมเดลด้วยอินพุตทดสอบที่เป็นไปตามมาตรฐานเพื่อสร้าง zkp สำหรับการคำนวณ และสัญญาสุดท้ายจะส่งเงินรางวัลให้กับผู้ชนะโดยอัตโนมัติ
6. Worldcoin กล่าวว่าในอนาคตผู้ใช้อาจสามารถดาวน์โหลดโมเดลของไอริสเพื่อสร้างรหัสที่สอดคล้องกันบนอุปกรณ์ท้องถิ่น, รันโมเดลในท้องถิ่นและสร้าง zkp โดยที่ข้อมูลบนเชนสามารถใช้ zkp เพื่อตรวจสอบว่ารหัสไอริสของผู้ใช้ถูกสร้างจากโมเดลที่ถูกต้องและไอริสที่เหมาะสมในขณะที่ข้อมูลชีวภาพไม่ออกจากอุปกรณ์ของผู้ใช้เอง;

Photo Credit: Modulus Labs

1.3 พูดคุยเกี่ยวกับสถานการณ์ในการใช้งานที่แตกต่างกันโดยขึ้นอยู่กับความต้องการใน AI ที่สามารถยืนยันได้

1.3.1 สถานการณ์ที่สามารถยืนยันได้ว่า AI อาจไม่จำเป็น

ในสถานการณ์หุ่นยนต์ Rocky ผู้ใช้อาจไม่จำเป็นต้องทำการตรวจสอบกระบวนการคำนวณทางด้านเอ็มแอล ในที่แรก ผู้ใช้ไม่มีความเชี่ยวชาญและไม่สามารถทำการตรวจสอบจริง ๆ แม้แต่มีเครื่องมือที่ใช้สำหรับการตรวจสอบ ในความคิดของผู้ใช้ว่า “ฉันกดปุ่ม อินเตอร์เฟซป็อปอัพบอกฉันว่าบริการเอไอนี้ถูกสร้างขึ้นจากโมเดลที่แน่นอน” และความถูกต้องไม่สามารถกำหนดได้ ในที่สอง ผู้ใช้ไม่จำเป็นต้องทำการตรวจสอบ เพราะผู้ใช้สนใจกันเฉพาะว่าว่าผลตอบแทนของเอไอเป็นสูงหรือไม่ ผู้ใช้ย้ายไปที่อื่นเมื่อกำไรต่ำ และพวกเขาเลือกโมเดลที่ทำงานดีที่สุดเสมอ สรุปมากกว่านั้นเมื่อผลลัพธ์ต่อท้ายของเอไอคือสิ่งที่ผู้ใช้กำลังมองหา กระบวนการการตรวจสอบอาจจะไม่สำคัญเพราะผู้ใช้อย่างเดียวต้องการย้ายไปบริการที่ทำงานดีที่สุด

**หนึ่งในทางเลือกที่เป็นไปได้คือว่า AI เพียงทำหน้าที่เป็นที่ปรึกษาเท่านั้น และผู้ใช้ดำเนินการทำธุรกรรมโดยอิสระ** เมื่อคนเข้าสู่เป้าหมายการซื้อขายของตนเองเข้าสู่ AI แอปคำนวณและส่งกลับเส้นทางธุรกรรมที่ดีกว่า/ทิศทางการซื้อขายออกจากเชน และผู้ใช้เลือกว่าจะดำเนินการหรือไม่ คนๆ นั้นไม่ต้องการยืนยันรูปแบบข้างหลังของมัน; พวกเขาแค่ต้องเลือกผลิตภัณฑ์ที่มีผลตอบแทนสูงสุด

สถานการณ์อันตรายที่อาจเกิดขึ้นได้อีกอย่างคือ ผู้คนไม่สนใจควบคุมสิทธิ์ที่มีต่อทรัพย์สินหรือกระบวนการคำนวณ AI เลย ในกรณีที่มีหุ่นยนต์ที่สามารถหาเงินได้โดยอัตโนมัติปรากฎ ผู้คนยังมีความพร้อมที่จะฝากเงินโดยตรงให้กับมัน คล้ายกับการวางโทเค็นลงใน CEX หรือธนาคารทางเลือกสำหรับการจัดการทางการเงิน เพราะผู้คนไม่สนใจหลักการที่อยู่เบื้องหลัง; พวกเขาสนใจเฉพาะว่าจะได้รับเงินเท่าไหร่ในที่สุด หรือแม้แต่เงินที่ฝ่ายโครงการแสดงให้พวกเขาเห็นว่าได้รับ บริการประเภทนี้อาจสามารถรับผู้ใช้จำนวนมากอย่างรวดเร็ว และอาจเปลี่ยนแปลงได้เร็วกว่าผลิตภัณฑ์ฝ่ายโครงการที่ใช้ AI ที่สามารถตรวจสอบได้

ย้อนกลับไปหาก AI ไม่ได้มีส่วนร่วมในการเปลี่ยนแปลงสถานะแบบ on-chain เลย แต่เพียงแค่ขูดข้อมูลแบบ on-chain และประมวลผลล่วงหน้าสําหรับผู้ใช้ก็ไม่จําเป็นต้องสร้าง ZKP สําหรับกระบวนการคํานวณ นี่คือตัวอย่างบางส่วนของแอปพลิเคชันประเภทนี้ในฐานะ "บริการข้อมูล":

1. กล่องแชทที่ Mest ให้บริการเป็นบริการข้อมูลปกติ ผู้ใช้สามารถใช้คำถามและคำตอบเพื่อเข้าใจข้อมูล on-chain ของตน เช่น การถามว่าเขาใช้เงินเท่าไหร่กับ NFT
2. ChaingPT เป็นผู้ช่วย AI หลากหลายฟังก์ชันที่สามารถตีความสัญญาอัจฉริยะสำหรับคุณก่อนการซื้อขาย บอกคุณว่าคุณกำลังซื้อขายกับพูลที่ถูกต้องหรือไม่ หรือบอกคุณว่าธุรกรรมนั้นเป็นไปได้ที่จะถูกจับหรือถูกคว้าไป ChaingPT ยังกำลังเตรียมการทำข้อเสนอข่าว AI และเข้าแนะนำให้สร้างภาพอัตโนมัติและโพสต์เป็น NFT และบริการอื่น ๆ
3. RSS3 มี AIOP ดังนั้นผู้ใช้สามารถเลือกข้อมูล on-chain ที่ต้องการและทำการประมวลผลก่อนเพื่อทำให้ง่ายต่อการฝึก AI ด้วยข้อมูล on-chain ที่เฉพาะเจาะจง;
4. DeVillama และ RSS3 ได้พัฒนาปลั๊กอิน ChatGPT ซึ่งช่วยให้ผู้ใช้สามารถได้รับข้อมูลบนเชนผ่านการสนทนาได้;

1.3.2 สถานการณ์ที่ต้องการ AI ที่สามารถยืนยันได้

บทความนี้เห็นว่าสถานการณ์ที่เกิดขึ้นระหว่างบุคคลหลายคน ที่เกี่ยวข้องกับความยุติธรรมและความเป็นส่วนตัวต้องการ ZKP ในการให้การยืนยัน และพูดถึงแอปพลิเคชันหลายรายการที่ถูกกล่าวถึงโดย Modulus Labs ที่นี่

1. เมื่อชุมชนมอบรางวัลแก่บุคคลโดยพฤติกรรมส่วนบุคคลที่สร้างขึ้นจาก AI สมาชิกในชุมชนจะไม่ได้ร้องขอให้ทบทวนกระบวนการตัดสินใจในการประเมินซึ่งเป็นกระบวนการคำนวณของ ML;
2. สถานการณ์การปรับปรุง AI สำหรับ AMM เกี่ยวข้องกับการแจกจ่ายประโยชน์ให้กับหลายคน และขั้นตอนการคำนวณ AI ยังต้องได้รับการตรวจสอบอย่างสม่ำเสมอเช่นกัน
3. เมื่อสมดุลความเป็นส่วนตัวและกฎระเบียบ ZK คือหนึ่งในทางเลือกที่ดีกว่าในปัจจุบัน หากผู้ให้บริการใช้ ML ในการประมวลผลข้อมูลส่วนตัวในบริการจะต้องสร้าง ZKP สำหรับกระบวนการคำนวณทั้งหมด
4. เนื่องจากออราเคิลมีผลกระทบมากมาย หากถูกควบคุมโดย AI ZKP จำเป็นต้องถูกสร้างขึ้นเป็นประจำเพื่อตรวจสอบว่า AI ทำงานอย่างถูกต้องหรือไม่;
5. ในการแข่งขัน ผู้สูงอายุและผู้เข้าแข่งขันคนอื่นจำเป็นต้องตรวจสอบว่าการคำนวณของ ML ปฏิบัติตามข้อกำหนดของการแข่งขัน;
6. ในหนึ่งในผู้ใช้งานที่มีศักยภาพของ Worldcoin, การป้องกันข้อมูลชีวประวัติส่วนบุคคลก็เป็นความต้องการที่แข็งแกร่ง;

โดยทั่วไปแล้ว เมื่อ AI คล้ายกับผู้ตัดสินใจ และผลลัพธ์ของมันมีผลกระทบที่กว้างขวางและเกี่ยวข้องกับความยุติธรรมจากฝ่ายมากมาย คนก็จะต้องการให้ตรวจสอบกระบวนการตัดสินใจ หรือแค่ให้แน่ใจว่าไม่มีปัญหาใหญ่ในกระบวนการตัดสินใจของ AI และการปกป้องความเป็นส่วนตัวของบุคคลเป็นความต้องการที่เร่งด่วนมาก

ดังนั้น "เอาต์พุต AI ปรับเปลี่ยนสถานะ on-chain หรือไม่" และ "ส่งผลต่อความเป็นธรรม/ความเป็นส่วนตัวหรือไม่" จึงเป็นสองเกณฑ์ในการตัดสินว่าจําเป็นต้องใช้โซลูชัน AI ที่ตรวจสอบได้หรือไม่

1. เมื่อผลลัพธ์ AI ไม่ได้แก้ไขสถานะ on-chain เวลาบริการ AI สามารถทำหน้าที่เป็นผู้แนะนำ ผู้คนสามารถประเมินคุณภาพของบริการ AI ผ่านผลกระทบจากการแนะนำโดยไม่ต้องยืนยันกระบวนการคำนวณ;
2. เมื่อผลลัพธ์ AI ปรับเปลี่ยนสถานะ on-chain ถ้าเป้าหมายของบริการเฉพาะบุคคลเท่านั้นและไม่ส่งผลกระทบต่อความเป็นส่วนตัวผู้ใช้ ผู้ใช้ยังสามารถวิจารณ์คุณภาพของบริการ AI โดยตรงโดยไม่ต้องตรวจสอบกระบวนการคำนวณ;
3. เมื่อผลลัพธ์ AI มีผลต่อความเป็นธรรมระหว่างผู้คนหลายคนโดยตรง และ AI ปรับปรุงข้อมูล on-chain โดยอัตโนมัติ ชุมชนและสาธารณชนจำเป็นต้องทดสอบกระบวนการตัดสินของ AI
4. เมื่อข้อมูลที่ถูกประมวลผลโดย ML เกี่ยวข้องกับความเป็นส่วนตัวของบุคคล จะต้องใช้ zk เพื่อปกป้องความเป็นส่วนตัวและจึงเป็นการทำตามข้อกำหนดของกฎหมาย

รูปภาพเครดิต: Kernel Ventures

2. โมเดลนิวระบบนิวระบบระบบโซเชียลสองระบบระบบ

ในทุกกรณี โซลูชั่นของ Modulus Labs เป็นแหล่งความรู้ที่มีคุณภาพเกี่ยวกับวิธีที่ AI สามารถรวมกันกับสกุลเงินดิจิทัลและนำมาใช้ในประกอบการได้อย่างจริงจัง อย่างไรก็ตาม ระบบโซนสาธารณะไม่เพียงทำให้ความสามารถของบริการ AI แต่ละรายเพิ่มขึ้นเท่านั้น แต่ยังมีศักยภาพในการสร้างระบบนิเวศน์ใหม่สำหรับการประยุกต์ AI ระบบนิเวศน์ใหม่นี้ได้นำเอาความสัมพันธ์ระหว่างบริการ AI และผู้ใช้ให้เป็นอย่างอื่นระหว่างบริการ AI และผู้ใช้ และแม้กระทั้งวิธีการที่ลิงค์ช่วงปลายและปลายชิ้นร่วมมือกัน เราสามารถสรุปรวมรูปแบบระบบนิเวศน์การประยุกต์ AI ที่มีศักยภาพเป็น 2 ประเภท: โหมดแนวตั้ง และโมเดลแนวนอน

2.1 โหมดแนวตั้ง: ให้ความสำคัญกับการบูรณาการระหว่าง AIs

Use case ของเกมหมากรุก “Leela vs. the World” มีสถานที่พิเศษ ผู้คนสามารถเดิมพันว่าจะชนะกันเองหรือ AI และโทเค็นจะถูกแจกอัตโนมัติหลังจากเกมสิ้นสุด ณ จุดนี้ ความหมายของ zkp ไม่เฉพาะเพื่อให้ผู้ใช้สามารถยืนยันการคำนวณของ AI เท่านั้น แต่ยังเป็นการรับประกันความเชื่อถือเพื่อกระตุ้นการเปลี่ยนสถานะ on-chain ด้วยความมั่นใจ อาจจะมีการประสิทธิภาพระดับ dapp ระดับระหว่างบริการ AI และระหว่าง AI และ dapp ด้วย

Image source: Kernel Ventures, with reference from Modulus Labs

หน่วยพื้นฐานของ AI ที่รวมกันได้คือ [โมเดล ML นอกสายโซ่ - การสร้าง zkp - สัญญาการตรวจสอบแบบออนเชน - สัญญาหลัก] หน่วยนี้ใช้เฟรมเวิร์ก "Leela vs. the World" แต่สถาปัตยกรรมที่แท้จริงของ AI dapp เดียวอาจไม่เหมือนกับที่แสดงในภาพด้านบน ประการแรกสถานการณ์เกมหมากรุกในหมากรุกต้องมีสัญญา แต่ในความเป็นจริง AI อาจไม่จําเป็นต้องมีสัญญาแบบ on-chain อย่างไรก็ตามเท่าที่เกี่ยวข้องกับสถาปัตยกรรมของ AI ที่รวมกันได้หากธุรกิจหลักถูกบันทึกผ่านสัญญาอาจสะดวกกว่าสําหรับ dapps อื่น ๆ ที่จะรวมเข้ากับมัน ประการที่สองสัญญาหลักไม่จําเป็นต้องส่งผลกระทบต่อโมเดล ML ของ AI dapp เองเนื่องจาก AI dapp อาจมีผลกระทบแบบทิศทางเดียว หลังจากประมวลผลโมเดล ML แล้วก็เพียงพอที่จะเรียกใช้สัญญาที่เกี่ยวข้องกับธุรกิจของตัวเองและสัญญาจะถูกเรียกโดย dapps อื่น ๆ

อย่างแพร่หลาย การโทรระหว่างสัญญาคือการโทรระหว่างแอปพลิเคชั่น web3 ที่แตกต่างกัน นั้นคือการโทรเพื่อเสถียรภาพส่วนตัว, ทรัพย์สิน, บริการทางการเงิน, และแม้กระทั่งข้อมูลทางสังคม เราสามารถจินตนาการถึงการรวมกันของแอปพลิเคชั่น AI ที่เฉพาะเจาะจงได้:

1. Worldcoin ใช้การเรียนรู้ของเครื่องเพื่อสร้างรหัสไอริสและ zkp สำหรับข้อมูลไอริสส่วนบุคคล;
2. แอปพลิเคชัน AI ที่ให้คะแนนความเชื่อถือตรวจสอบให้แน่ใจก่อนว่าคนที่อยู่เบื้องหลัง DID นี้เป็นคนจริง (มีข้อมูลไอริสด้านหลัง) จากนั้นจึงจัดสรร NFT ให้กับผู้ใช้โดยขึ้นอยู่กับความเชื่อถือ on-chain;
3. บริการการให้ยืมปรับปรุงส่วนของสินเชื่อตาม NFT ที่เป็นเจ้าของโดยผู้ใช้
4. …

ปฏิสัมพันธ์ระหว่าง AI ในกรอบห่วงโซ่สาธารณะไม่ใช่สิ่งที่ไม่ได้กล่าวถึง Loaf ผู้สนับสนุนระบบนิเวศของ Realms ของเกมเต็มรูปแบบเคยเสนอว่า AI NPC สามารถแลกเปลี่ยนกันได้เช่นเดียวกับผู้เล่นเพื่อให้ระบบเศรษฐกิจทั้งหมดสามารถเพิ่มประสิทธิภาพตัวเองและดําเนินการโดยอัตโนมัติ AI Arena ได้พัฒนาเกมต่อสู้อัตโนมัติ AI ผู้ใช้ซื้อ NFT ก่อน NFT เป็นตัวแทนของหุ่นยนต์ต่อสู้และโมเดล AI อยู่เบื้องหลัง ผู้ใช้เล่นเกมด้วยตัวเองก่อนจากนั้นส่งมอบข้อมูลให้กับ AI เพื่อการเรียนรู้จําลอง เมื่อผู้ใช้รู้สึกว่า AI แข็งแกร่งพอพวกเขาสามารถเล่นกับ AI อื่น ๆ ในเวทีได้โดยอัตโนมัติ Modulus Labs กล่าวว่า AI Arena ต้องการเปลี่ยน AI ทั้งหมดนี้ให้เป็น AI ที่ตรวจสอบได้ ทั้งสองกรณีนี้เห็นความเป็นไปได้ที่ AI จะโต้ตอบซึ่งกันและกันและแก้ไขข้อมูลแบบ on-chain โดยตรงเมื่อมีปฏิสัมพันธ์

อย่างไรก็ตาม ยังมีอีกหลายประเด็นที่ต้องกล่าวถึงในการใช้งานเฉพาะของ AI ที่รวมกันได้ เช่น dapps ที่แตกต่างกันสามารถใช้ zkp ของกันและกันหรือตรวจสอบสัญญาได้อย่างไร อย่างไรก็ตามยังมีโครงการที่ยอดเยี่ยมมากมายในสาขา zk ตัวอย่างเช่น RISC Zero มีความคืบหน้าอย่างมากในการคํานวณที่ซับซ้อนนอกเครือข่ายและปล่อย zkp ไปยังห่วงโซ่ บางทีวันหนึ่งมันอาจจะเป็นไปได้ที่จะรวบรวมทางออกที่เหมาะสม

2.2 โมเดลแนวนอน: แพลตฟอร์มบริการ AI ที่เน้นการกระจายอำนาจ

ในเชิงนี้ เราให้ความสำคัญกับการแนะนำแพลตฟอร์ม AI แบบไม่centralized ที่เรียกว่า SAKSHI ซึ่งเสนอโดยคนจาก Princeton, มหาวิทยาลัยซิงหัว, มหาวิทยาลัย Illinois ที่ Urbana-Champaign, มหาวิทยาลัย Hong Kong of Science and Technology, Witness Chain, และ Eigen Layer อย่างร่วมมือ ประเด็นสำคัญของมันคือ เพื่อให้ผู้ใช้สามารถเข้าถึงบริการ AI ในลักษณะที่ไม่centralized มากขึ้น ทำให้กระบวนการทั้งหมดเป็นไปในลักษณะที่ไม่เชื่อถือและอัตโนมัติมากขึ้น

เครดิตภาพ: SAKSHI

โครงสร้างของ SAKSHI สามารถแบ่งออกเป็นหกชั้น: ชั้นบริการ (service layer), ชั้นควบคุม (control layer), ชั้นธุรกรรม (transaction layer), ชั้นพิสูจน์ (proof layer), ชั้นเศรษฐกิจ (economic layer), และชั้นตลาด (market layer)

ตลาดคือระดับที่ใกล้ที่สุดกับผู้ใช้ มีตัวรวมบนตลาดเพื่อให้บริการแก่ผู้ใช้ในนามของผู้ให้บริการ AI ต่าง ๆ ผู้ใช้วางคำสั่งผ่านตัวรวมและเข้าใจกับตัวรวมเกี่ยวกับคุณภาพของบริการและราคาการชำระเงิน (ข้อตกลงเรียกว่า SLA-service-level agreements)

ถัดไปเลเยอร์บริการจะให้ API สําหรับฝั่งไคลเอ็นต์ จากนั้นไคลเอ็นต์จะทําคําขอการอนุมาน ML ไปยังผู้รวบรวม และคําขอจะถูกส่งไปยังเซิร์ฟเวอร์ที่ใช้จับคู่ผู้ให้บริการ AI (เส้นทางที่ใช้ในการส่งคําขอเป็นส่วนหนึ่งของเลเยอร์การควบคุม) ดังนั้นเลเยอร์บริการและเลเยอร์การควบคุมจึงคล้ายกับบริการที่มีเซิร์ฟเวอร์ web2 หลายเครื่อง แต่เซิร์ฟเวอร์ที่แตกต่างกันดําเนินการโดยเอนทิตีที่แตกต่างกันและแต่ละเซิร์ฟเวอร์จะเชื่อมโยงผ่าน SLA (ข้อตกลงการให้บริการที่ลงนามก่อนหน้านี้) และผู้รวบรวม

SLAs ถูกใช้งานบนเชืองในรูปแบบของสมาร์ทคอนแทร็ก ซึ่งทั้งหมดเป็นส่วนหนึ่งของเลเยอร์การทำธุรกรรม (หมายเหตุ: ในโซลูชันนี้ พวกเขาถูกใช้งานบน Witness Chain) เลเยอร์การทำธุรกรรมยังบันทึกสถานะปัจจุบันของคำสั่งบริการและถูกใช้เพื่อประสานผู้ใช้บริการรวมถึงผู้รวมข้อมูลและผู้ให้บริการเพื่อจัดการข้อพิพาทเกี่ยวกับการชำระเงิน

เพื่อให้เลเยอร์ธุรกรรมมีหลักฐานที่จะใช้เมื่อจัดการข้อพิพาท ชั้น Proof (Proof Layer) จะตรวจสอบว่าผู้ให้บริการใช้โมเดลตามที่ตกลงใน SLA อย่างไรก็ตาม SAKSHI ไม่ได้เลือกที่จะสร้าง zkp สำหรับกระบวนการคำนวณ ML แต่ใช้ความคิดเชื่อมั่นว่าต้องการสร้างเครือข่ายของโหนดที่ทดสอบบริการ โหนดแรงจูงใจถูกต้องโดย Witness Chain

แม้ว่า SLA และเครือข่ายโหนด挑戦者อยู่บน Witness Chain ในแผนของ SAKSHI Witness Chain ไม่ได้วางแผนที่จะใช้สิทธิของโทเคนตัวเองเพื่อให้ได้ความปลอดภัยอิสระ แต่มีแทนการใช้ความปลอดภัยของ Ethereum ผ่าน Eigen Layer ดังนั้นเศรษฐกิจทั้งหมดจริงๆ แล้วขึ้นอยู่กับ Eigen Layer

สามารถเห็นได้ว่า SAKSHI อยู่ระหว่างผู้ให้บริการ AI และผู้ใช้บริการ และจัดระเบียบ AI ต่าง ๆ ในลักษณะกระจายเพื่อให้บริการแก่ผู้ใช้ นี่คือเหมือนโซลูชั่นแนวนอนมากขึ้น แก่กลัวหลักของ SAKSHI คือ มันอนุญาตให้ผู้ให้บริการ AI มุ่งเน้นมากขึ้นที่จะจัดการการคำนวณโมเดลออฟเชนของตัวเอง การจับคู่ความต้องการของผู้ใช้กับบริการโมเดล การชำระเงินสำหรับบริการ และการยืนยันคุณภาพของบริการผ่านข้อตกลงออนเชน และพยายามที่จะแก้ไขข้อพิพาทการชำระเงินโดยอัตโนมัติ แน่นอนในปัจจุบัน SAKSHI ยังอยู่ในช่วงทฤษฎี และยังมีรายละเอียดในการดำเนินงานมากมายที่ควรกำหนด

3. Future prospects

ไมว่าเป็น AI ที่สามารถรวมกันหรือแพลตฟอร์ม AI แบบกระจาย รูปแบบระบบนิเวศ AI ที่อิงจากเชนสาธารณะดูเหมือนจะมีบางสิ่งที่เหมือนกัน ตัวอย่างเช่น ผู้ให้บริการบริการ AI ไม่ต้องเชื่อมต่อโดยตรงกับผู้ใช้ พวกเขาเพียงต้องให้บริการ ML models และทำการคำนวณนอกเชน การชำระเงิน การแก้ความขัดแย้ง และการประสานงานระหว่างความต้องการของผู้ใช้และบริการ สามารถแก้ไขได้ทั้งหมดด้วยข้อตกลงแบบกระจาย ในฐานะของโครงสร้างที่ไม่มีความไว้วางใจ เชนสาธารณะลดการเสียเวลาระหว่างผู้ให้บริการและผู้ใช้ และผู้ใช้ยังมีอิสระมากขึ้นในช่วงเวลานี้

แม้จะมีข้อดีของการใช้เครือข่ายสาธารณะเป็นฐานการใช้งานที่เป็นสิ่งที่มีความซ้ำซ้อน แต่จริงๆ แล้วมันยังเป็นเช่นนั้นกับบริการ AI อย่างไรก็ตาม ความแตกต่างระหว่างแอปพลิเคชัน AI และแอปพลิเคชัน dapp ที่มีอยู่คือ แอปพลิเคชัน AI ไม่สามารถวางการคำนวณทั้งหมดบนเครือข่ายได้ ดังนั้นจึงจำเป็นต้องใช้ zk หรือ optimistic proof เพื่อเชื่อมต่อบริการ AI กับระบบเครือข่ายสาธารณะในลักษณะที่เชื่อถือได้มากขึ้น

ด้วยการนำมาใช้งานชุดของวิธีการปรับปรุงประสบการณ์ เช่น การสรุปบัญชี ผู้ใช้อาจจะไม่สามารถรับรู้ถึงความมีอยู่ของ mnemonics, chains, และ gas นี้ทำให้ระบบนิติบุคคลเข้าใกล้กับ web2 ในด้านประสบการณ์ ในขณะเดียวกันผู้ใช้สามารถได้รับอิสระและความสามารถในการสร้างเช่นเดียวกับบริการ web2 นี้ นี่จะทำให้ผู้ใช้มีความสนใจอย่างมาก ระบบแอปพลิเคชัน AI ที่ขึ้นอยู่บนระบบนิติบุคคลน่าจะน่าจะตื่นตาตื่นใจ

Kernel Ventures เป็นกองทุนเวนเจอร์คริปโตที่ถูกนำโดยชุมชนวิจัยและพัฒนาที่มีมากกว่า 70 การลงทุนในระยะเริ่มต้นโดยเน้นที่โครงสร้างพื้นฐาน มิดเดิลแวร์ dApps โดยเฉพาะ ZK Rollup DEX บล็อกเชนแบบโมดูลาร์และพื้นที่ที่จะเป็นที่อยู่ของผู้ใช้คริปโตหน้าใหม่หนึ่งพันล้านคน อย่างเช่น การนำเสนอบัญชี ความพร้อมข้อมูล ประสิทธิภาพ เป็นต้น ในระยะเวลาเจ็ดปีที่ผ่านมา เรามุ่งมั่นที่จะสนับสนุนการพัฒนาชุมชนพัฒนาและสมาคมบล็อกเชนของมหาวิทยาลัยทั่วโลก

คำประกาศ：

1. บทความนี้ถูกพิมพ์ซ้ำจาก[กระจก]. ลิขสิทธิ์ทั้งหมดเป็นของผู้เขียนต้นฉบับ [Kernel Ventures Jerry Luo]. If there are objections to this reprint, please contact the Gate Learn team（gatelearn@gate.io） และพวกเขาจะดำเนินการโดยเร็ว
2. คำโต้แย้งคว-responsibility: มุมมองและความคิดเห็นที่แสดงในบทความนี้มีเพียงผู้เขียนเท่านั้นและไม่เป็นคำแนะนำในการลงทุนใด ๆ
3. การแปลบทความเป็นภาษาอื่นๆ นำเสนอโดยทีม Gate Learn หากไม่ได้ระบุไว้ การคัดลอก การกระจาย หรือการลอกเลียนบทความที่ถูกแปลนั้นถือเป็นการละเมิดกฎหมาย