เมื่อเร็ว ๆ นี้ Nvidia ได้เผยแพร่รายงานประสิทธิภาพในไตรมาสแรก โดยมีรายได้ 7.19 พันล้านเหรียญสหรัฐ เกินความคาดหมายของตลาดที่ 6.52 พันล้านเหรียญสหรัฐ อัตรากำไรขั้นต้นที่ 64.6% และกำไรต่อหุ้นที่ปรับปรุงแล้วที่ 1.09 เหรียญสหรัฐ การคาดการณ์ของตลาดที่ 0.92 เหรียญสหรัฐ เนื่องจากรายงานทางการเงินของ Nvidia เกินความคาดหมาย จึงทำให้หุ้นชิปของสหรัฐฯ เพิ่มขึ้นโดยรวมหลังตลาด ครั้งหนึ่ง Nvidia เพิ่มขึ้น 29.35% หลังตลาด ราคาหุ้นแตะระดับสูงสุดเป็นประวัติการณ์ที่ 395 ดอลลาร์สหรัฐ ในหนึ่งวันซื้อขาย มันพุ่งสูงขึ้นโดย 184 พันล้านดอลลาร์สหรัฐ และมูลค่าตลาดรวมของ 3 bitcoins เพิ่มขึ้น
Huang Renxun ซีอีโอของ Nvidia กล่าวถึงโอกาสในวงกว้างสำหรับแอปพลิเคชัน AI ในรายงานทางการเงินของเขา โดยกล่าวว่า อุตสาหกรรมคอมพิวเตอร์กำลังอยู่ระหว่างการเปลี่ยนแปลง 2 ครั้งในเวลาเดียวกัน นั่นคือ การประมวลผลแบบเร่งและ generative AI องค์กรต่างๆ กำลังแข่งขันกันเพื่อนำ generative AI ไปใช้กับผลิตภัณฑ์ บริการ และธุรกิจต่างๆ กระบวนการ ศูนย์ข้อมูลที่ติดตั้งมูลค่าล้านล้านดอลลาร์ของโลกจะเปลี่ยนจากการประมวลผลเพื่อวัตถุประสงค์ทั่วไปไปสู่การประมวลผลแบบเร่งความเร็ว
ในปัจจุบัน กองทุนและสถาบันสกุลเงินดอลลาร์สหรัฐชั้นนำเกือบทั้งหมดกำลังเฝ้าดูการติดตามของ AIGC อย่างใกล้ชิด และสร้างระบบคัดกรองอย่างรวดเร็วโดยสร้างพิกัดการลงคะแนนอย่างแข็งขัน เกรงว่าพวกเขาจะพลาดรถไฟที่นำไปสู่เวลา ข้อมูลที่เกี่ยวข้องแสดงให้เห็นว่าในไตรมาสแรกของปี 2566 การจัดหาเงินทุนรวมของอุตสาหกรรม AIGC ทั่วโลกสูงถึง 3.811 พันล้านหยวน โดยมีการจัดหาเงินทุนทั้งหมด 17 รายการ การเพิ่มขึ้นของเต้ารับหนึ่งมักจะแสดงถึงการลดลงของเต้ารับอื่น ผู้คนค่อย ๆ ตั้งข้อสงสัยต่าง ๆ เกี่ยวกับ WEB3: ทุนทั้งหมดมองไปที่ AI, กฎระเบียบของ Web3 ถูกเข้มงวด และการเล่าเรื่องก็ไม่ดีอีกต่อไป, AI ดูน่าเชื่อถือกว่า Web3 และมันง่ายกว่าที่จะสร้างยูนิคอร์น
ชื่อเรื่องรอง
1. AI ต้องการ Web3 และในทางกลับกัน
“เป็นความผิดพลาดที่จะคิดว่าสกุลเงินดิจิทัลและปัญญาประดิษฐ์เป็นเทคโนโลยีที่ไม่เกี่ยวข้องกัน” Michael Casey หัวหน้าเจ้าหน้าที่ฝ่ายเนื้อหาของ CoinDesk กล่าว “พวกมันเสริมกันและปรับปรุงซึ่งกันและกัน”
Web3, cryptocurrencies และ blockchain แก้ปัญหาความท้าทายทางสังคมที่มีมาตั้งแต่ยุคเริ่มต้นของอินเทอร์เน็ต: วิธีรักษาข้อมูลที่มีค่าให้ปลอดภัยในสภาพแวดล้อมที่มีการกระจายอำนาจ พวกเขาจัดการกับปัญหาของความไว้วางใจของมนุษย์ในข้อมูลผ่านระบบใหม่ที่ใช้บันทึกแบบกระจายและสิ่งจูงใจ ระบบเหล่านี้ช่วยให้ชุมชนของคนแปลกหน้าที่ไม่ไว้วางใจร่วมกันรักษาบันทึกข้อมูลแบบเปิด ทำให้พวกเขาสามารถแจกจ่ายและแบ่งปันข้อมูลที่มีค่าหรือละเอียดอ่อนโดยไม่ต้องมีคนกลาง
ปัจจุบัน เรากำลังก้าวไปสู่ยุคของปัญญาประดิษฐ์ที่ครอบคลุมอย่างรวดเร็ว และความท้าทายที่ยุคนี้นำมาซึ่งความน่ากลัว ความท้าทายเหล่านี้ครอบคลุมตั้งแต่การปกป้องลิขสิทธิ์ในการป้อนข้อมูลของโมเดลภาษาขนาดใหญ่ (LLM) ไปจนถึงการหลีกเลี่ยงอคติที่ผิดพลาดในเอาต์พุต ไปจนถึงการที่เราไม่สามารถแยกเนื้อหาจริงออกจากข้อมูลบิดเบือนที่สร้างโดยปัญญาประดิษฐ์ได้อย่างแม่นยำ ไม่มีวิธีแก้ไขที่ง่ายในการรับรองว่ามนุษย์จะไม่ได้รับผลกระทบในทางลบจากปัญญาประดิษฐ์ ไม่มีวิธีแก้ปัญหาใดที่สามารถพึ่งพากรอบการกำกับดูแลและเทคโนโลยีที่ล้าสมัยในศตวรรษที่ 20 เพื่อแก้ไขปัญหาเหล่านี้ได้ เราต้องการระบบการกำกับดูแลแบบกระจายอำนาจอย่างเร่งด่วนเพื่อรับมือกับความท้าทายในการผลิต ตรวจสอบ และแบ่งปันข้อมูลในยุคใหม่นี้
ไม่ว่า Web3 ในปัจจุบันจะสามารถจัดหาโซลูชันที่จำเป็นได้หรือไม่ เทคโนโลยีบล็อกเชนก็มีบทบาทในการแก้ปัญหาเหล่านี้ บัญชีแยกประเภทที่ไม่เปลี่ยนรูปแบบช่วยให้เราติดตามแหล่งที่มาของรูปภาพและเนื้อหาอื่นๆ ได้ ป้องกันการปลอมแปลงอย่างลึกซึ้ง เทคนิคนี้ยังสามารถใช้เพื่อตรวจสอบความสมบูรณ์ของชุดข้อมูลสำหรับผลิตภัณฑ์ปัญญาประดิษฐ์ที่เรียนรู้ด้วยเครื่อง Cryptocurrencies เป็นวิธีการชำระเงินดิจิทัลแบบไร้พรมแดนที่สามารถใช้เพื่อตอบแทนผู้คนทั่วโลกที่มีส่วนร่วมในการฝึกอบรมปัญญาประดิษฐ์ และโครงการต่างๆ เช่น Bittensor กำลังทำงานเพื่อสร้างชุมชนรัฐบาลบล็อกเชนแบบโทเค็นเพื่อกระตุ้นปัญญาประดิษฐ์ นักพัฒนาอัจฉริยะสร้างโมเดลที่เป็นมิตรต่อมนุษย์ . ในทางตรงกันข้าม ระบบ AI ของบริษัทเอกชนมักให้ความสำคัญกับผลประโยชน์ของผู้ถือหุ้นมากกว่าผลประโยชน์ของผู้ใช้
ชื่อเรื่องรอง
2. ZKML สร้างสะพานเชื่อมระหว่าง AI และบล็อกเชนอย่างไร
เมื่อเร็ว ๆ นี้ ZKML ซึ่งเป็นการผสมผสานระหว่างการพิสูจน์ความรู้เป็นศูนย์และการเรียนรู้ของเครื่องได้รับการพูดถึงอย่างกว้างขวาง ปัจจุบัน การใช้งานแมชชีนเลิร์นนิง (ML) มีความซับซ้อนมากขึ้นเรื่อยๆ องค์กรหลายแห่งพึ่งพาผู้ให้บริการเป็นหลัก เช่น Amazon, Google และ Microsoft เพื่อปรับใช้โมเดลแมชชีนเลิร์นนิงที่ซับซ้อน อย่างไรก็ตาม บริการเหล่านี้เริ่มยากขึ้นในการตรวจสอบและทำความเข้าใจ ในฐานะผู้บริโภคบริการ AI เราจะเชื่อถือความถูกต้องของการคาดคะเนที่ได้จากแบบจำลองเหล่านี้ได้อย่างไร
ในฐานะที่เป็นสะพานเชื่อมระหว่างปัญญาประดิษฐ์และบล็อกเชน ZKML แก้ปัญหาการปกป้องความเป็นส่วนตัวของโมเดล AI และอินพุต ในขณะเดียวกันก็รับประกันความสามารถในการตรวจสอบความถูกต้องของกระบวนการให้เหตุผล มีโซลูชันที่ทำให้สามารถใช้โมเดลสาธารณะเมื่อตรวจสอบความถูกต้องของข้อมูลส่วนตัว หรือใช้ข้อมูลสาธารณะเมื่อตรวจสอบโมเดลส่วนตัว ด้วยการเพิ่มความสามารถในการเรียนรู้ของเครื่อง สัญญาอัจฉริยะจะกลายเป็นอิสระและไดนามิกมากขึ้น ทำให้สามารถประมวลผลตามข้อมูลออนไลน์แบบเรียลไทม์แทนที่จะเป็นกฎคงที่ ด้วยวิธีนี้ สัญญาอัจฉริยะจะมีความยืดหยุ่นมากขึ้นและสามารถปรับให้เข้ากับสถานการณ์ต่างๆ ได้มากขึ้น แม้กระทั่งสถานการณ์ที่อาจไม่คาดคิดเมื่อสร้างสัญญาครั้งแรก
ปัจจุบัน หนึ่งในความยากลำบากในการนำอัลกอริธึมการเรียนรู้ของเครื่องไปใช้อย่างแพร่หลายบนบล็อกเชนคือต้นทุนการคำนวณที่สูง การเรียกใช้โมเดลเหล่านี้บนเครือข่ายกลายเป็นเรื่องท้าทาย เนื่องจากการดำเนินการของจุดลอยตัวระดับล้านไม่สามารถทำได้โดยตรงบน Ethereum Virtual Machine (EVM) นอกจากนี้ ปัญหาของความไว้วางใจในโมเดลแมชชีนเลิร์นนิงก็เป็นอุปสรรคเช่นกัน เนื่องจากพารามิเตอร์และชุดข้อมูลอินพุตของโมเดลมักจะเป็นแบบส่วนตัว และอัลกอริทึมและกระบวนการทำงานของโมเดลก็เหมือนกับ กล่องดำ ที่ทึบแสง ซึ่งอาจ ทำให้เจ้าของแบบและนางแบบใช้ประเด็นความเชื่อถือของผู้ร่วมงาน อย่างไรก็ตาม ด้วยเทคโนโลยี ZKML เราสามารถเอาชนะปัญหาเหล่านี้ได้ ZKML ช่วยให้ทุกคนเรียกใช้โมเดลนอกเครือข่ายและสร้างหลักฐานที่รวบรัดและตรวจสอบได้ว่าโมเดลนั้นสร้างผลลัพธ์ที่เฉพาะเจาะจง หลักฐานนี้สามารถเผยแพร่บนเครือข่ายและตรวจสอบโดยสัญญาอัจฉริยะ ซึ่งหมายความว่าผู้ใช้โมเดลสามารถตรวจสอบผลลัพธ์ของโมเดลได้โดยไม่ต้องรู้พารามิเตอร์เฉพาะและรายละเอียดการทำงานของโมเดล ซึ่งจะช่วยแก้ปัญหาความน่าเชื่อถือได้
ชื่อเรื่องรอง
3. การวิเคราะห์โครงการ ZKML
ด้านล่างนี้คือโครงการ ZKML ที่เป็นไปได้บางส่วน
1 、Worldcoin
Worldcoin กำลังใช้ ZKML เพื่อพยายามสร้างโปรโตคอลพิสูจน์บุคลิกภาพที่รักษาความเป็นส่วนตัว ผู้ใช้ World ID จะสามารถดูแลข้อมูลไบโอเมตริกของตนเอง (เช่น ไอริส) ในที่เก็บข้อมูลเข้ารหัสบนอุปกรณ์มือถือ ดาวน์โหลดโมเดล ML ที่ใช้สร้าง IrisCode และสร้างเครื่องพิสูจน์ความรู้ที่ไม่มีศูนย์ในท้องถิ่นว่าสัญญาอัจฉริยะที่ได้รับสามารถพิสูจน์ได้ IrisCode สร้างสำเร็จแล้ว
จากนั้นสามารถใช้เพื่อดำเนินการที่เป็นประโยชน์ เช่น การรับรองความถูกต้องของสมาชิกและการลงคะแนนเสียง ปัจจุบันพวกเขาใช้สภาพแวดล้อมรันไทม์ที่เชื่อถือได้พร้อมวงล้อมที่ปลอดภัยเพื่อตรวจสอบการสแกนม่านตาที่ลงนามโดยกล้อง แต่เป้าหมายสูงสุดของพวกเขาคือการใช้ ZKP เพื่อพิสูจน์เหตุผลที่ถูกต้องของโครงข่ายประสาทเทียมสำหรับการรับประกันความปลอดภัยระดับการเข้ารหัส และรับประกันว่าเอาต์พุตของ ML โมเดลจะไม่รั่วไหลไปยังข้อมูลส่วนตัวของผู้ใช้
2 、Modulus Labs
Modulus Labs เป็นหนึ่งในโครงการที่มีความหลากหลายมากที่สุดในสาขาของ ZKML ในขณะที่มุ่งมั่นในการวิจัยที่เกี่ยวข้อง นอกจากนี้ ยังสร้างกระบวนทัศน์แอปพลิเคชัน AI บนห่วงโซ่อย่างแข็งขัน Modulus Labs ใช้ RockyBot (หุ่นยนต์ซื้อขายแบบออนไลน์) และ Leela เทียบกับ World (เกมหมากรุกสากลที่ใครๆ ก็เล่นกับ Leela Chess Engine ที่ได้รับการพิสูจน์แล้ว) สาธิตกรณีการใช้งานสำหรับ zkML ทีมงานยังได้ทำการวิจัยโดยเขียนเรื่อง The Cost of Intelligence ซึ่งเป็นการเปรียบเทียบความเร็วและประสิทธิภาพของระบบการตรวจสอบต่างๆ สำหรับโมเดลที่มีขนาดต่างๆ กัน
3 、Giza
Giza เป็นโปรโตคอลที่สามารถปรับใช้โมเดล AI บนเครือข่ายด้วยวิธีที่ไม่น่าเชื่อถืออย่างสมบูรณ์ กลุ่มเทคโนโลยีที่ใช้ประกอบด้วยรูปแบบ ONNX สำหรับโมเดลแมชชีนเลิร์นนิง Giza Transpiler สำหรับแปลงโมเดลเหล่านี้เป็นรูปแบบโปรแกรมไคโร ONNX Cairo Runtime สำหรับการดำเนินการโมเดลในลักษณะที่ตรวจสอบได้และกำหนดได้ และการปรับใช้ และ Giza Model อย่างชาญฉลาด สัญญาที่ดำเนินการแบบจำลองบนห่วงโซ่ โดยทั่วไปแล้ว Giza เป็นส่วนหนึ่งของคอมไพเลอร์ออนเชนของโมเดลแมชชีนเลิร์นนิงเพื่อการพิสูจน์ ซึ่งเป็นทางเลือกสำหรับการพัฒนา AI บนเชน
4 、Zkaptcha
Zkaptcha มุ่งเน้นไปที่ปัญหาหุ่นยนต์ใน Web3 ให้บริการ captcha (รหัสยืนยัน) สำหรับสัญญาอัจฉริยะ ปกป้องสัญญาอัจฉริยะจากการโจมตีของหุ่นยนต์ และใช้การพิสูจน์ที่ไม่มีความรู้เพื่อสร้างสัญญาอัจฉริยะที่ทนทานต่อการโจมตีของ Sybil ปัจจุบัน โปรเจกต์นี้ช่วยให้ผู้ใช้ปลายทางสร้างหลักฐานการทำงานของมนุษย์ได้โดยการกรอก captcha ซึ่งตรวจสอบโดยตัวตรวจสอบแบบออนไลน์และเข้าถึงได้ด้วยสัญญาอัจฉริยะด้วยโค้ดไม่กี่บรรทัด ในอนาคต Zkaptcha จะสืบทอด zkML เปิดบริการรหัสยืนยันที่คล้ายกับ Web 2 ที่มีอยู่ และแม้แต่วิเคราะห์พฤติกรรม เช่น การเคลื่อนไหวของเมาส์เพื่อระบุว่าผู้ใช้เป็นคนจริงหรือไม่
บทส่งท้าย
บทส่งท้าย
ข้อจำกัดความรับผิดชอบ: มีความเสี่ยงในตลาดและการลงทุนจำเป็นต้องระมัดระวัง ขอให้ผู้อ่านปฏิบัติตามกฎหมายและระเบียบข้อบังคับในท้องถิ่นอย่างเคร่งครัดเมื่อพิจารณาความคิดเห็น มุมมอง หรือข้อสรุปใด ๆ ในบทความนี้ เนื้อหาข้างต้นไม่ถือเป็นคำแนะนำในการลงทุนใด ๆ
Reference
https://worldcoin.org/blog/engineering/intro-to-zkml#motivation-and-current-efforts-in-zkml
https://github.com/worldcoin/awesome-zkml
https://www.coindesk.com/consensus-magazine/2023/05/19/why-web3-and-the-ai-internet-belong-together/
คำชี้แจงลิขสิทธิ์: หากคุณต้องการพิมพ์ซ้ำ โปรดเพิ่มผู้ช่วย WeChat เพื่อสื่อสาร หากคุณพิมพ์ซ้ำหรือล้างต้นฉบับโดยไม่ได้รับอนุญาต เราจะสงวนสิทธิ์ในการดำเนินการตามความรับผิดชอบทางกฎหมาย
ข้อจำกัดความรับผิดชอบ: มีความเสี่ยงในตลาดและการลงทุนจำเป็นต้องระมัดระวัง ขอให้ผู้อ่านปฏิบัติตามกฎหมายและระเบียบข้อบังคับในท้องถิ่นอย่างเคร่งครัดเมื่อพิจารณาความคิดเห็น มุมมอง หรือข้อสรุปใด ๆ ในบทความนี้ เนื้อหาข้างต้นไม่ถือเป็นคำแนะนำในการลงทุนใด ๆ
