В диком и анархическом мире Web3 децентрализация, криптотехнология и доверие являются самой базовой инфраструктурой.
Автор: Лео
Недавний взрыв Worldcoin также создал достаточный импульс для повествования о Web3 + AI.Worldcoin принадлежит к концепции zkML, полученной из zk + ML (доказательство с нулевым разглашением и машинное обучение), а также является новой комбинацией, о которой говорили. о недавней технологии zk Излишне говорить, что машинное обучение является подобластью ИИ. AI + Web3 раньше был очень популярным нарративом в отрасли, но в настоящее время нет хорошей концепции или варианта использования, чтобы легко связать их. Недавно на конференции в Черногории Виталик также высоко оценил zkSNARK в сочетании с взрывом Worldcoin, поэтому вполне предсказуемо, что zkML будет выделяться.
Возможно, вы не знакомы с zkML. Эта статья в основном проясняет для вас туман вокруг zkML, сосредоточив внимание на введении, вариантах использования и некоторых потенциальных проектах zkML. Поскольку в настоящее время существует не так много вариантов использования zkML, я надеюсь, что вы сможете воспользоваться возможность и узнать об этом заранее Новые концепции и варианты использования, будьте готовы.
Веб 3 + машинное обучение
zkML сочетает в себе доказательство с нулевым разглашением и машинное обучение. Фактически, за пределами Web 3 ML уже не является новым словом. Эта технология широко используется в некоторых областях, таких как обработка естественного языка (NLP), автономное вождение, электронная почта. коммерция и т. д. Все области вышли на более высокий уровень благодаря технологии ML, и даже в некоторых областях ML уже занял доминирующее положение, поэтому будущее zkML также является общей тенденцией, и встраивание ML в смарт-контракты также обеспечит смарт-контракты с более сложные и умные методы обработки.
Добавляя возможности машинного обучения, смарт-контракты могут стать более автономными и динамичными, позволяя им действовать на основе данных в сети в реальном времени, а не статических правил. Смарт-контракты будут более гибкими и адаптируются к большему количеству сценариев, включая те, которые, возможно, не ожидались при первоначальном создании контракта. Короче говоря, возможности машинного обучения повысят автоматизацию, точность, эффективность и гибкость любого смарт-контракта, который мы размещаем в сети.
В настоящее время одна из причин, по которой машинное обучение не получило широкого распространения в криптографии, заключается в том, что запуск этих моделей в цепочке требует больших вычислительных ресурсов, таких как fastBERP — класс языковых моделей NLP, который должен использовать около 1800 MFLOPS (миллионов чисел с плавающей запятой). арифметика точек), которую нельзя запустить непосредственно на EVM. В то время как модели приложений должны делать прогнозы на основе реальных данных, чтобы иметь смарт-контракты в масштабе ML, контракты должны получать такие прогнозы;
Вторая причина — необходимость иметь дело с доверительной структурой моделей ML.Есть два основных момента.Первый — его конфиденциальность: как упоминалось ранее, параметры модели обычно являются закрытыми, а в некоторых случаях входные данные модели также необходимо держать в секрете. , что, естественно, имеет некоторые проблемы с доверием между владельцем модели и пользователем модели; второе — это алгоритмический черный ящик, а модели машинного обучения иногда называют «черными ящиками», поскольку они включают в себя множество автоматизированных шагов в процессе расчета, которые трудно понять или объяснить. Эти этапы включают в себя сложные алгоритмы и большие объемы данных, которые приводят к неопределенным, а иногда и случайным результатам, что делает алгоритмы наиболее подходящими для предвзятости и даже дискриминации. И технология zk может очень эффективно решить эту проблему доверия.
Таким образом, в это время zkSNARK появился в тренде.Технология zk в zkML в основном относится к zkSNARK.zkSNARK предоставляет нам решение: любой может запустить модель вне сети и сгенерировать краткое и поддающееся проверке доказательство того, что ожидаемая модель действительно производит конкретный результат, и это доказательство может быть опубликовано в сети и захвачено смарт-контрактами и повысить их интеллект. Для моделей машинного обучения обычно требуется три части: обучающие данные, архитектура модели и параметры модели. Пока обученная модель проходит проверку рассуждений, она может открыть обновленное пространство для разработки смарт-контрактов. (Обучение модели и рассуждения описывать особо не буду)
Варианты использования zkML в криптографии
И смарт-контракт после добавления zkSNARK +ML также будет иметь множество вариантов использования, вот его варианты использования:
Дефи
Проверяемый автономный оракул машинного обучения
Сочетая zkSNARK с проверенным обоснованием моделей машинного обучения, эти автономные оракулы машинного обучения могут использоваться для надежного решения реальных рынков предсказаний, защищенных протокольных контрактов и т. д. путем проверки рассуждений и публикации доказательств в сети.
ML параметризованный DeFi
Многие подразделения DeFi действительно могут быть автоматизированы. Например, протоколы кредитования могут использовать модели машинного обучения для обновления параметров в режиме реального времени. Сегодняшние протоколы кредитования в основном доверяют моделям вне сети, используемым организациями для определения коэффициентов залога, LTV, порогов ликвидации и т. д. ML может предоставить лучшую альтернативу, модели с открытым исходным кодом, обученные сообществом, которые любой может запустить и проверить.
Автоматические торговые стратегии
Один из способов проверить доходность торговой стратегии — заставить MP предоставить инвесторам различные бэктесты, невозможно проверить, следовал ли стратег модели при совершении сделки, но zkML может предоставить решение для этого, MP можно развертывается в определенном месте Предоставляет подтверждение обоснованности финансовой модели.
Домен безопасности
МОНИТОРИНГ МОШЕННИЧЕСТВА ДЛЯ СМАРТ-КОНТРАКТА
Вместо ручного управления или централизованных субъектов, контролирующих возможность приостановки контрактов, можно использовать модели машинного обучения для обнаружения возможного злонамеренного поведения и обеспечения соблюдения процедур приостановки.
DID и социальные сети
Замена закрытых ключей биометрической аутентификацией (что в настоящее время делает Worldcoin)
Управление закрытыми ключами остается еще одной головной болью для пользователей Web3. Извлечение закрытых ключей с помощью распознавания лиц или других биометрических данных является одним из возможных решений для zkML, и Worldcoin применяет его точно таким же образом, используя свое устройство Orb, чтобы определить, является ли кто-то реальным человеком, не пытаясь подделать KYC, и используя технологию zk для гарантировать, что выходные данные его моделей ML не раскрывают личные данные пользователей, это достигается с помощью различных датчиков камеры и моделей машинного обучения, которые анализируют черты лица и радужной оболочки.
Персональные рекомендации и фильтрация контента для социальных сетей Web3
Точно так же некоторые социальные сети Web 3 могут легко получать пользовательские настройки и данные, показывать нам спам и поддельные ссылки, а многие поддельные ссылки ведут к краже пользовательских кошельков и т. д., но мы можем избежать многих ненужных материалов и ссылок электронной почты с помощью технологии zkML. .
Экономика авторов и игры
Перебалансировка экономики в игре
Модели машинного обучения можно использовать для динамической настройки выпуска, поставки, уничтожения токенов, порогов голосования и т. д. Одной из возможных моделей является поощрительный контракт, который может перебалансировать внутриигровую экономику, если достигнут определенный порог перебалансировки и подтверждено обоснование.
Новый тип цепной игры
Могут быть созданы совместные игры с искусственным интеллектом и другие инновационные онлайн-игры, в которых ненадежная модель искусственного интеллекта выступает в роли NPC, а все действия NPC публикуются в сети с подтверждением модели.
проект экологического потенциала zkML
Поскольку zkML все еще находится на ранней стадии разработки, проектов, которые можно найти, немного.
Worldcoin
Worldcoin не будет описываться слишком долго, все должны быть с ним знакомы, пожалуйста, обратитесь к разделу «Если Worldcoin добьется успеха, какое влияние он окажет на индустрию шифрования?»
Лаборатории Модуля
Modulus Labs — один из самых разнообразных проектов в zkML, технологии, необходимой для создания ИИ в цепочке. Работайте как над вариантами использования, так и над соответствующими исследованиями. Что касается приложения, Modulus Labs разработала RockyBot (ончейн-торговый бот) и Leela vs. the World (шахматная игра), где реальные люди играют против поддающегося проверке экземпляра шахматного движка Leela в сети.
Человек
Giza — это протокол, предназначенный для развития экономики с помощью ИИ. Он может развертывать модели ИИ в цепочке с использованием абсолютно ненадежного метода. Он поддерживается сотрудничеством со StarkWare и, наконец, реализует рынок, обеспечивающий альтернативный путь развития ИИ.
Зкапча
Zkaptcha фокусируется на проблеме роботов в Web3, защищает смарт-контракты от атак роботов, использует доказательства с нулевым разглашением для создания смарт-контрактов, устойчивых к атакам Сивиллы, и предоставляет услуги кода проверки для смарт-контрактов. В настоящее время проект позволяет конечным пользователям генерировать доказательство человеческой работы, заполняя капчи.В будущем Zkaptcha унаследует zkML и запустит сервис, аналогичный существующим капчам Web 2, но также может анализировать поведение, такое как движения мыши, чтобы определить, является ли пользователь это реально.
Заключение
В настоящее время существует не так много продуктов в области объединения zkML и криптографии, и в процессе создания таких продуктов возникнут некоторые проблемы, и zkML и крипто могут нуждаться в дальнейшем улучшении и оптимизации в будущем. Однако благодаря сочетанию zkSNARK и ML у нас есть основания полагать, что мощь zkML может обеспечить лучшие перспективы и развитие криптографии, и мы также ожидаем появления большего количества продуктов в этой области.Технология zk и криптография обеспечивают безопасность работы ML. Надежная среда, и в будущем, в дополнение к инновациям продукта, она также может породить инновацию крипто-бизнес-модели, потому что в этом диком и анархическом мире Web 3 децентрализация, криптотехнология и доверие являются наиболее важными базовыми средствами.
Посмотреть Оригинал
Содержание носит исключительно справочный характер и не является предложением или офертой. Консультации по инвестициям, налогообложению или юридическим вопросам не предоставляются. Более подробную информацию о рисках см. в разделе «Дисклеймер».
Станет ли zkML новым направлением zk track?
Автор: Лео
Недавний взрыв Worldcoin также создал достаточный импульс для повествования о Web3 + AI.Worldcoin принадлежит к концепции zkML, полученной из zk + ML (доказательство с нулевым разглашением и машинное обучение), а также является новой комбинацией, о которой говорили. о недавней технологии zk Излишне говорить, что машинное обучение является подобластью ИИ. AI + Web3 раньше был очень популярным нарративом в отрасли, но в настоящее время нет хорошей концепции или варианта использования, чтобы легко связать их. Недавно на конференции в Черногории Виталик также высоко оценил zkSNARK в сочетании с взрывом Worldcoin, поэтому вполне предсказуемо, что zkML будет выделяться.
Возможно, вы не знакомы с zkML. Эта статья в основном проясняет для вас туман вокруг zkML, сосредоточив внимание на введении, вариантах использования и некоторых потенциальных проектах zkML. Поскольку в настоящее время существует не так много вариантов использования zkML, я надеюсь, что вы сможете воспользоваться возможность и узнать об этом заранее Новые концепции и варианты использования, будьте готовы.
Веб 3 + машинное обучение
zkML сочетает в себе доказательство с нулевым разглашением и машинное обучение. Фактически, за пределами Web 3 ML уже не является новым словом. Эта технология широко используется в некоторых областях, таких как обработка естественного языка (NLP), автономное вождение, электронная почта. коммерция и т. д. Все области вышли на более высокий уровень благодаря технологии ML, и даже в некоторых областях ML уже занял доминирующее положение, поэтому будущее zkML также является общей тенденцией, и встраивание ML в смарт-контракты также обеспечит смарт-контракты с более сложные и умные методы обработки.
Добавляя возможности машинного обучения, смарт-контракты могут стать более автономными и динамичными, позволяя им действовать на основе данных в сети в реальном времени, а не статических правил. Смарт-контракты будут более гибкими и адаптируются к большему количеству сценариев, включая те, которые, возможно, не ожидались при первоначальном создании контракта. Короче говоря, возможности машинного обучения повысят автоматизацию, точность, эффективность и гибкость любого смарт-контракта, который мы размещаем в сети.
В настоящее время одна из причин, по которой машинное обучение не получило широкого распространения в криптографии, заключается в том, что запуск этих моделей в цепочке требует больших вычислительных ресурсов, таких как fastBERP — класс языковых моделей NLP, который должен использовать около 1800 MFLOPS (миллионов чисел с плавающей запятой). арифметика точек), которую нельзя запустить непосредственно на EVM. В то время как модели приложений должны делать прогнозы на основе реальных данных, чтобы иметь смарт-контракты в масштабе ML, контракты должны получать такие прогнозы;
Вторая причина — необходимость иметь дело с доверительной структурой моделей ML.Есть два основных момента.Первый — его конфиденциальность: как упоминалось ранее, параметры модели обычно являются закрытыми, а в некоторых случаях входные данные модели также необходимо держать в секрете. , что, естественно, имеет некоторые проблемы с доверием между владельцем модели и пользователем модели; второе — это алгоритмический черный ящик, а модели машинного обучения иногда называют «черными ящиками», поскольку они включают в себя множество автоматизированных шагов в процессе расчета, которые трудно понять или объяснить. Эти этапы включают в себя сложные алгоритмы и большие объемы данных, которые приводят к неопределенным, а иногда и случайным результатам, что делает алгоритмы наиболее подходящими для предвзятости и даже дискриминации. И технология zk может очень эффективно решить эту проблему доверия.
Таким образом, в это время zkSNARK появился в тренде.Технология zk в zkML в основном относится к zkSNARK.zkSNARK предоставляет нам решение: любой может запустить модель вне сети и сгенерировать краткое и поддающееся проверке доказательство того, что ожидаемая модель действительно производит конкретный результат, и это доказательство может быть опубликовано в сети и захвачено смарт-контрактами и повысить их интеллект. Для моделей машинного обучения обычно требуется три части: обучающие данные, архитектура модели и параметры модели. Пока обученная модель проходит проверку рассуждений, она может открыть обновленное пространство для разработки смарт-контрактов. (Обучение модели и рассуждения описывать особо не буду)
Варианты использования zkML в криптографии
И смарт-контракт после добавления zkSNARK +ML также будет иметь множество вариантов использования, вот его варианты использования:
Дефи
Проверяемый автономный оракул машинного обучения
Сочетая zkSNARK с проверенным обоснованием моделей машинного обучения, эти автономные оракулы машинного обучения могут использоваться для надежного решения реальных рынков предсказаний, защищенных протокольных контрактов и т. д. путем проверки рассуждений и публикации доказательств в сети.
ML параметризованный DeFi
Многие подразделения DeFi действительно могут быть автоматизированы. Например, протоколы кредитования могут использовать модели машинного обучения для обновления параметров в режиме реального времени. Сегодняшние протоколы кредитования в основном доверяют моделям вне сети, используемым организациями для определения коэффициентов залога, LTV, порогов ликвидации и т. д. ML может предоставить лучшую альтернативу, модели с открытым исходным кодом, обученные сообществом, которые любой может запустить и проверить.
Автоматические торговые стратегии
Один из способов проверить доходность торговой стратегии — заставить MP предоставить инвесторам различные бэктесты, невозможно проверить, следовал ли стратег модели при совершении сделки, но zkML может предоставить решение для этого, MP можно развертывается в определенном месте Предоставляет подтверждение обоснованности финансовой модели.
Домен безопасности
МОНИТОРИНГ МОШЕННИЧЕСТВА ДЛЯ СМАРТ-КОНТРАКТА
Вместо ручного управления или централизованных субъектов, контролирующих возможность приостановки контрактов, можно использовать модели машинного обучения для обнаружения возможного злонамеренного поведения и обеспечения соблюдения процедур приостановки.
DID и социальные сети
Замена закрытых ключей биометрической аутентификацией (что в настоящее время делает Worldcoin)
Управление закрытыми ключами остается еще одной головной болью для пользователей Web3. Извлечение закрытых ключей с помощью распознавания лиц или других биометрических данных является одним из возможных решений для zkML, и Worldcoin применяет его точно таким же образом, используя свое устройство Orb, чтобы определить, является ли кто-то реальным человеком, не пытаясь подделать KYC, и используя технологию zk для гарантировать, что выходные данные его моделей ML не раскрывают личные данные пользователей, это достигается с помощью различных датчиков камеры и моделей машинного обучения, которые анализируют черты лица и радужной оболочки.
Персональные рекомендации и фильтрация контента для социальных сетей Web3
Точно так же некоторые социальные сети Web 3 могут легко получать пользовательские настройки и данные, показывать нам спам и поддельные ссылки, а многие поддельные ссылки ведут к краже пользовательских кошельков и т. д., но мы можем избежать многих ненужных материалов и ссылок электронной почты с помощью технологии zkML. .
Экономика авторов и игры
Перебалансировка экономики в игре
Модели машинного обучения можно использовать для динамической настройки выпуска, поставки, уничтожения токенов, порогов голосования и т. д. Одной из возможных моделей является поощрительный контракт, который может перебалансировать внутриигровую экономику, если достигнут определенный порог перебалансировки и подтверждено обоснование.
Новый тип цепной игры
Могут быть созданы совместные игры с искусственным интеллектом и другие инновационные онлайн-игры, в которых ненадежная модель искусственного интеллекта выступает в роли NPC, а все действия NPC публикуются в сети с подтверждением модели.
проект экологического потенциала zkML
Поскольку zkML все еще находится на ранней стадии разработки, проектов, которые можно найти, немного.
Worldcoin
Worldcoin не будет описываться слишком долго, все должны быть с ним знакомы, пожалуйста, обратитесь к разделу «Если Worldcoin добьется успеха, какое влияние он окажет на индустрию шифрования?»
Лаборатории Модуля
Modulus Labs — один из самых разнообразных проектов в zkML, технологии, необходимой для создания ИИ в цепочке. Работайте как над вариантами использования, так и над соответствующими исследованиями. Что касается приложения, Modulus Labs разработала RockyBot (ончейн-торговый бот) и Leela vs. the World (шахматная игра), где реальные люди играют против поддающегося проверке экземпляра шахматного движка Leela в сети.
Человек
Giza — это протокол, предназначенный для развития экономики с помощью ИИ. Он может развертывать модели ИИ в цепочке с использованием абсолютно ненадежного метода. Он поддерживается сотрудничеством со StarkWare и, наконец, реализует рынок, обеспечивающий альтернативный путь развития ИИ.
Зкапча
Zkaptcha фокусируется на проблеме роботов в Web3, защищает смарт-контракты от атак роботов, использует доказательства с нулевым разглашением для создания смарт-контрактов, устойчивых к атакам Сивиллы, и предоставляет услуги кода проверки для смарт-контрактов. В настоящее время проект позволяет конечным пользователям генерировать доказательство человеческой работы, заполняя капчи.В будущем Zkaptcha унаследует zkML и запустит сервис, аналогичный существующим капчам Web 2, но также может анализировать поведение, такое как движения мыши, чтобы определить, является ли пользователь это реально.
Заключение
В настоящее время существует не так много продуктов в области объединения zkML и криптографии, и в процессе создания таких продуктов возникнут некоторые проблемы, и zkML и крипто могут нуждаться в дальнейшем улучшении и оптимизации в будущем. Однако благодаря сочетанию zkSNARK и ML у нас есть основания полагать, что мощь zkML может обеспечить лучшие перспективы и развитие криптографии, и мы также ожидаем появления большего количества продуктов в этой области.Технология zk и криптография обеспечивают безопасность работы ML. Надежная среда, и в будущем, в дополнение к инновациям продукта, она также может породить инновацию крипто-бизнес-модели, потому что в этом диком и анархическом мире Web 3 децентрализация, криптотехнология и доверие являются наиболее важными базовыми средствами.