ডিজিটাল সিনার্জি: এআই এবং ব্লকচেইনের একত্রীকরণ কীভাবে কার্যকর হবে

2022 সালের নভেম্বরে, OpenAI চ্যাটবট ChatGPT চালু করেছে। চালু হওয়ার দুই মাস পর সেবাটির সক্রিয় ব্যবহারকারীর সংখ্যা পৌঁছেছে 100 মিলিয়নে । তুলনা করার জন্য, TikTok-এর এই চিহ্নে পৌঁছতে প্রায় নয় মাস লেগেছে এবং Instagram দুই বছরেরও বেশি সময় লেগেছে।

ততক্ষণে, জেনারেটিভ এআই ইতিমধ্যেই বেশ জনপ্রিয় ছিল এবং নতুন পণ্যটি সেগমেন্টের প্রতি আগ্রহ আরও বাড়িয়েছিল। আশ্চর্যের বিষয় নয়, কৃত্রিম বুদ্ধিমত্তার (AI) চারপাশে প্রচারের তরঙ্গ ক্রিপ্টোকারেন্সি শিল্পকে বাইপাস করেনি।

2022 সালের শেষ থেকে, পর্যায়ক্রমে প্রকল্পগুলির টোকেনগুলিতে স্থানীয় সমাবেশগুলি পর্যবেক্ষণ করা সম্ভব হয়েছে যা, বিকাশকারীদের আশ্বাস অনুসারে, প্রযুক্তি ব্যবহার করেছে। যাইহোক, কেউ কেউ এই ধরনের সম্পদ সম্পর্কে সন্দিহান, বিশ্বাস করেন, কারণ ছাড়াই নয় যে কোনো অ্যালগরিদমের একীকরণের মাত্রা নিম্ন স্তরের।

যাইহোক, যদিও বিদ্যমান পণ্যগুলির উপর ভিন্ন এবং বরং মেরুকৃত মতামত রয়েছে, ব্লকচেইন এবং কৃত্রিম বুদ্ধিমত্তার মধ্যে সম্ভাব্য সমন্বয়ের বিষয়ে কিছু ঐকমত্য রয়েছে।

ক্রিপ্টো এক্সচেঞ্জ এবং ওয়েব3 অ্যাক্সিলারেটর সহ অনেক খেলোয়াড় বিশ্বাস করে যে AI এবং ব্লকচেইন একত্রিত করা উভয় শিল্পকেই বিদ্যমান সমস্যা সমাধানের অনুমতি দিয়ে উপকৃত করবে। কিছু ভেঞ্চার ক্যাপিটালিস্ট একই মত পোষণ করেন। উদাহরণস্বরূপ, 2023 সালের মে মাসে, এটি রিপোর্ট করা হয়েছিল যে প্যারাডাইম AI-তে তার আগ্রহগুলি প্রসারিত করবে ।

কেন এআই অ্যালগরিদম বিকেন্দ্রীকরণ প্রয়োজন?

কৃত্রিম বুদ্ধিমত্তা এবং ব্লকচেইনের মধ্যে সমন্বয় সম্পর্কে আখ্যান নতুন কিছু নয়। যাইহোক, গত কয়েক বছরে এই ক্ষেত্রের আগ্রহ উল্লেখযোগ্যভাবে বৃদ্ধি পেয়েছে, যেমন প্রাসঙ্গিক গবেষণা তথ্য ইঙ্গিত করে।

AI পরিষেবাগুলির সাথে বিতরণ করা নেটওয়ার্কগুলিকে একীভূত করা AI বিকাশকারীদের জন্য অনেক দীর্ঘমেয়াদী সুবিধা রয়েছে৷ ব্লকচেইনের মধ্যে কম্পিউটিং শক্তির অভাবের মতো জটিল বাধাগুলি দূর করার বা অন্তত উপশম করার সম্ভাবনা রয়েছে।

এই সমন্বয়টি উদ্ভাবনী আন্তঃকার্যক্ষমতার বিকল্পগুলিতে অ্যাক্সেসও খুলে দেয়। উদাহরণস্বরূপ, ডিএলটি প্রযুক্তি সূক্ষ্ম-টিউনিং নিউরাল মডেল সক্ষম করতে পারে এবং অ্যালগরিদম প্রশিক্ষণের জন্য আরও প্রতিনিধি ডেটাসেট সংগ্রহ করতে পারে।

কৃত্রিম বুদ্ধিমত্তার সাথে সিস্টেমগুলিকে একীভূত করা - বিশেষ করে অন-চেইন এবং স্মার্ট চুক্তিগুলি - ব্লকচেইন শিল্পকেও উপকৃত করবে৷ AI সম্ভাব্যভাবে বিতরণ করা নেটওয়ার্কগুলির কর্মক্ষমতা উন্নত করতে পারে এবং বিকেন্দ্রীভূত অর্থায়ন (DeFi) সেক্টরের জন্য একটি প্রধান বৃদ্ধির চালক হয়ে উঠতে পারে।

প্রত্যেকেরই সমস্যা আছে

একটি বৈজ্ঞানিক ক্ষেত্র হিসাবে কৃত্রিম বুদ্ধিমত্তার ইতিহাস প্রায় 70 বছরের পুরানো। যাইহোক, শিল্পটি কখনই কিছু বাধা অপসারণ করতে পারেনি যা এর ব্যাপক গ্রহণকে বাধা দেয়। তদুপরি, শিল্প যেমন বিকশিত হয়েছে, নতুন চ্যালেঞ্জ দেখা দিয়েছে।

নীচে, আমি কিছু সম্ভাব্য পরিস্থিতির বিশদ বিবরণ দিচ্ছি যেখানে বিতরণ করা নেটওয়ার্কগুলি নির্দিষ্ট সীমাবদ্ধতাগুলি অফসেট করতে পারে।

বিদ্যুৎ ঘাটতি

গ্রাফিক্স প্রসেসিং ইউনিট (GPUs) অ্যালগরিদম প্রশিক্ষণ এবং ব্যবহারকারীর প্রশ্নের অনুমান করার ক্ষেত্রে গুরুত্বপূর্ণ। এটি বিশেষ করে এনভিডিয়ার Q1 FY 2024-এর প্রতিবেদনে স্পষ্ট।

এআই সেক্টরের বৃদ্ধির পটভূমিতে, জিপিইউ-এর চাহিদা তীব্রভাবে বৃদ্ধি পেয়েছে - যার ফলে মাইক্রোসার্কিটের উল্লেখযোগ্য ঘাটতি দেখা দিয়েছে। পরিস্থিতি এতটাই গুরুতর ছিল যে গুগল এবং অ্যামাজনের মতো প্রধান ক্লাউড পরিষেবা প্রদানকারীরা এমনকি তাদের গ্রাহকদের উপর বিধিনিষেধ আরোপ করতে শুরু করে।

AI এর সাথে জড়িত অনেক কোম্পানি বিকল্প সরবরাহকারীদের (যেমন, Lambda) দিকে ঝুঁকেছে, কিন্তু তারা তাদের ক্ষমতার সীমার কাছাকাছি ছিল।

বিকেন্দ্রীভূত কম্পিউটিং নেটওয়ার্ক সমস্যার সমাধান করতে পারে। এগুলি হল ডি ফ্যাক্টো মধ্যস্থতাকারী সংস্থাগুলিকে সংযুক্ত করে যাদের প্রয়োজনীয় সংস্থান রয়েছে এমন সিস্টেম মালিকদের সাথে কম্পিউটিং শক্তি প্রয়োজন৷

কেন্দ্রীভূত পরিষেবা প্রদানকারীদের তুলনায় এই জাতীয় সমাধানগুলি কম দামের অফার করে। এটি প্রধানত সিস্টেমের সাথে সংযুক্ত প্রদানকারীদের জন্য অতিরিক্ত খরচের অনুপস্থিতির কারণে।

এই ধরনের কম্পিউটিং নেটওয়ার্ক দুটি প্রধান ধরনের আছে:

• সাধারণ উদ্দেশ্য (GP)। এর মধ্যে রয়েছে বিকেন্দ্রীভূত ক্লাউড পরিষেবা যা বিভিন্ন অ্যাপ্লিকেশনগুলিতে সংস্থান সরবরাহ করে। তাদের অপারেটিং মডেলটি একটি মার্কেটপ্লেসের সাথে সাদৃশ্যপূর্ণ - গ্রাহকরা তাদের নিজস্ব মূল্য নির্ধারণকারী প্রদানকারীদের কাছ থেকে সার্ভার স্থান ভাড়া নেয়।
• বিশেষ উদ্দেশ্য (SP)। এগুলি, বিপরীতভাবে, নির্দিষ্ট ব্যবহারের পরিস্থিতির জন্য ডিজাইন করা হয়েছে। সাধারণত, তাদের স্থাপত্য কম্পিউটিং সংস্থানগুলিকে একক পুলে একত্রিত করে - এক ধরণের বিকেন্দ্রীভূত কম্পিউটার। এই ক্ষেত্রে, পরিষেবার খরচ বাজারের গতিবিদ্যা বা সম্প্রদায় দ্বারা নিয়ন্ত্রিত পরামিতি দ্বারা নির্ধারিত হয়। এখানে একটি উদাহরণ হল Gensyn , যা ML মডেলকে প্রশিক্ষণের জন্য ডিজাইন করা হয়েছে।

বিকেন্দ্রীভূত নেটওয়ার্ক কম্পিউটিং শক্তির অ্যাক্সেসকে গণতান্ত্রিক করে তোলে। এটি প্রশিক্ষণ, সূক্ষ্ম-টিউনিং অ্যালগরিদম এবং ব্যবহারকারীর প্রশ্নগুলি পরিচালনার খরচ হ্রাস করে, যা আরও বেশি গণনামূলকভাবে নিবিড় কাজ ।

যাইহোক, সম্প্রদায় একটি বিতরণ করা সম্পদে এমএল মডেল প্রশিক্ষণের গতি সম্পর্কে উদ্বিগ্ন। ভোল্ট ক্যাপিটালের একজন অ্যালায়েন্স সদস্য এবং অংশীদার মোহাম্মদ ফৌদার মতে, এটি কেন্দ্রীভূত পদ্ধতির চেয়ে ধীরগতির এক বা এমনকি দুটি অর্ডার হতে পারে।

দলগুলো ইতিমধ্যেই বিকেন্দ্রীভূত শেখার প্রক্রিয়াকে অপ্টিমাইজ করার জন্য কাজ করছে। একসাথে বিকাশকারীরা তাত্ত্বিকভাবে বাধা দূর করে একটি সমাধান তৈরি করছিল, যখন জেনসিন নেটওয়ার্কের সাথে বিভিন্ন হার্ডওয়্যার সংযোগ করার ফলে উদ্ভূত সমস্যাগুলি দূর করার চেষ্টা করছিল।

যাইহোক, সম্প্রদায়কে সম্ভবত অর্থ সাশ্রয়ের জন্য ধীরগতির শিক্ষার সাথে আপস করতে হবে।

শূন্য প্রকাশের সাথে মেশিন লার্নিং

আমি আলাদাভাবে জিরো-নলেজ মেশিন লার্নিং (ZKML) এর উপর ফোকাস করা প্রকল্পগুলিকে আলাদা করতে চাই।

কম্পিউটিং নেটওয়ার্কে সঠিক অপারেশন নিশ্চিত করতে বিশ্বস্ত এক্সিকিউশন এনভায়রনমেন্ট (TEE) এবং রেপুটেশন মডেলের মতো বিভিন্ন প্রক্রিয়া ব্যবহার করা হয়। কিন্তু প্রতিটি পদ্ধতির নিজস্ব সীমাবদ্ধতা এবং ত্রুটি রয়েছে। উদাহরণস্বরূপ, একটি TEE একটি সম্ভাব্য হার্ডওয়্যার আক্রমণ ভেক্টর থাকতে পারে।

অতএব, প্রকল্পগুলির একটি নতুন তরঙ্গ (Gensyn, Modulus Labs , এবং Giza ) ML-এর জন্য কম্পিউটেশনাল অখণ্ডতা যাচাই করার জন্য জিরো-নলেজ প্রুফ (ZKP) প্রয়োগ করে পরীক্ষা শুরু করেছে।

ZKP হল একটি ক্রিপ্টোগ্রাফিক প্রোটোকল যা একটি পক্ষকে (প্রমাণকারী পক্ষকে) কোনো অতিরিক্ত তথ্য প্রকাশ না করেই অন্য পক্ষের (যাচাইকারী পক্ষকে) একটি দাবির সত্যতা নিশ্চিত করতে দেয়। প্রোটোকলটি ব্লকচেইন শিল্পে বেশ জনপ্রিয় কারণ এটি ডেভেলপারদের স্কেলেবল এবং সুরক্ষিত অ্যাপ্লিকেশন তৈরি করতে দেয়।

মেশিন লার্নিং-এ প্রয়োগ করা হলে, ZKP ইনপুট ডেটার অংশ বা মডেল লুকিয়ে রাখে, প্রয়োজনে । এটি বিশেষত প্রাসঙ্গিক যখন অ্যালগরিদমগুলি স্বাস্থ্যসেবা এবং অর্থের মতো উচ্চ নিয়ন্ত্রিত শিল্পগুলিতে কাজ করে৷

ZKML এর অন্যান্য সুবিধাও রয়েছে। পদ্ধতি, উদাহরণস্বরূপ, প্রমাণ করার অনুমতি দেয় যে একটি নির্দিষ্ট অ্যালগরিদম একটি কঠোরভাবে সংজ্ঞায়িত ডেটা সেটে প্রশিক্ষিত হয়েছে। মালিকানা AI এর ক্ষেত্রে, এটি যাচাই করাও সম্ভব করে যে একই মডেলটি সমস্ত ব্যবহারকারীর জন্য উপলব্ধ।

পদ্ধতির একটি অসুবিধা হ'ল প্রমাণ তৈরি করার প্রক্রিয়া - এটি একটি সম্পদ-নিবিড় কাজ যা মূল ক্রিয়াকলাপগুলির চেয়ে বেশি ব্যয় করতে পারে। এর মানে হল যে, কিছু ক্ষেত্রে, এটি গণনা করা অবাস্তব।

তবুও, ZKML হল AI শিল্পের বিকেন্দ্রীকরণের একটি ভেক্টর। এটি এমন পরিস্থিতিতে গুরুত্বপূর্ণ যেখানে খেলোয়াড়দের সংকীর্ণ পুলের হাতে প্রযুক্তির ঘনত্ব উদ্বেগের কারণ ।

বিষয়বস্তু প্রমাণীকরণ

জেনারেটিভ এআই-এর বিকাশ এবং বিস্তার বাস্তবসম্মত গভীর নকলের উত্থানের দিকে পরিচালিত করেছে। উদাহরণগুলির মধ্যে রয়েছে একটি বালেনসিয়াগা ডাউন জ্যাকেটে পোপ ফ্রান্সিসের বানোয়াট ছবি এবং পেন্টাগনের কাছে বোমা হামলার দৃশ্যের একটি ভিডিও ৷

ক্রিপ্টোগ্রাফিক স্বাক্ষরগুলি এই ধরনের গভীর নকলের বিরুদ্ধে লড়াই করার জন্য ব্যবহার করা যেতে পারে—প্রাইভেট-পাবলিক কী জোড়ার সাথে মেলে বিষয়বস্তু নির্মাতার পরিচয় যাচাই করা হয় । বাস্তবায়নের একটি উদাহরণ হল বিকেন্দ্রীভূত সামাজিক নেটওয়ার্ক। লেন্স প্রোটোকল-ভিত্তিক প্রকল্পগুলি ব্যবহারকারীর অ্যাকাউন্টগুলিকে একটি পাবলিক ব্লকচেইনের ঠিকানাগুলির সাথে লিঙ্ক করে, সনাক্তকরণকে সহজ করে।

Bundlr এবং Arweave দলগুলিও শিল্প-ব্যাপী মান নিয়ে কাজ করছে। আরউইভ একটি ডিস্ট্রিবিউটেড রেজিস্ট্রিতে নথিভুক্ত ডিজিটাল সামগ্রীতে অপরিবর্তনীয় ক্রিপ্টোগ্রাফিক স্বাক্ষর এবং টাইমস্ট্যাম্পের একীকরণের প্রয়োজন স্পেসিফিকেশন প্রবর্তনের পরিকল্পনা করে।

দক্ষতার দিকে এআই এবং ব্লকচেইন সমন্বয়

দীর্ঘমেয়াদে, ব্লকচেইন নিউরাল মডেল প্রশিক্ষণের দক্ষতা উন্নত করবে এবং শিল্প কীভাবে গবেষণা পরিচালনা করে তা পরিবর্তন করতে পারে।

যদিও ব্লকচেইনের উপর বেশিরভাগ গবেষণা তার প্রারম্ভিক দিনগুলিতে একাডেমিয়ায় পরিচালিত হয়েছিল, এটি এখন বড় প্রযুক্তি সংস্থাগুলির দ্বারা প্রাধান্য পেয়েছে। সহযোগিতার জন্য উদ্দীপনা এবং সুযোগের অভাবের কারণে এই পরিস্থিতি স্থানীয় পরীক্ষাগার এবং ব্যক্তিদের অংশগ্রহণকে সীমিত করে।

বিটেন্সরের মতো বিকেন্দ্রীভূত প্ল্যাটফর্মগুলি জিনিসগুলি ঠিক করতে পারে। এগুলি এমন মার্কেটপ্লেস যেখানে অংশগ্রহণকারীদের উন্নয়নে তাদের অবদানের জন্য পুরস্কৃত করা হয় এবং মডেলগুলি প্রশিক্ষণের জন্য ডেটা ভাগ করতে পারে৷ ওপেন সোর্স এআই তৈরি করার সময় এই ধরনের প্ল্যাটফর্মগুলি বিশেষভাবে আকর্ষণীয়।

ব্লকচেইন হিউম্যান ফিডব্যাক (RLHF) থেকে রিইনফোর্সমেন্ট লার্নিং এর প্রয়োগের সুবিধাও দেয়। এটি এমন একটি পদ্ধতি যা নিউরাল মডেলকে সূক্ষ্ম-টিউন করার প্রক্রিয়ার মধ্যে মানুষের প্রতিক্রিয়াকে অন্তর্ভুক্ত করে।

RLHF আপনাকে মডেলটিকে "পলিশ" করার অনুমতি দেয়, ভুল বা পক্ষপাতদুষ্ট ফলাফলের সংখ্যা হ্রাস করে৷ উদাহরণস্বরূপ, OpenAI এটিকে GPT-3 ডিবাগ করতে এবং ChatGPT বিকাশ করতে ব্যবহার করেছে ।

ফাইন-টিউনিং অ্যালগরিদমের কর্মক্ষমতা বাড়ায় এবং তাদের ডোমেন-নির্দিষ্ট দক্ষতা অর্জন করতে সক্ষম করে। এই ধরনের অত্যন্ত বিশেষায়িত মডেলগুলির চাহিদা বৃদ্ধির সাথে সাথে বিশেষজ্ঞদের মতামত প্রদানের প্রয়োজনীয়তাও বৃদ্ধি পায়।

মাল্টিকয়েন টোকেন আকারে প্রণোদনা প্রদানের মাধ্যমে RLHF স্কেল করার একটি উপায় প্রস্তাব করে। যাইহোক, এই পদ্ধতির অন্তত দুটি সমস্যা আছে:

• বিশেষজ্ঞদের অবশ্যই ক্ষতিপূরণ হিসাবে টোকেন গ্রহণ করতে সম্মত হতে হবে, যা শেখার প্রক্রিয়ার সাথে জড়িত ব্যক্তিদের পরিসরকে সীমাবদ্ধ করে।

• প্রতিক্রিয়ার নির্ভুলতা বজায় রাখার জন্য এই ধরনের ব্যবস্থাকে কারসাজির আক্রমণ থেকে রক্ষা করা দরকার।

  
  

যাইহোক, Hivemapper এর মতো প্রকল্পগুলি ইতিমধ্যে পদ্ধতিটি অনুশীলনে রেখেছে।

একটি স্মার্ট চুক্তি কতটা বুদ্ধিমান হতে পারে?

এমন অনেক ক্ষেত্র রয়েছে যেখানে ব্লকচেইন প্ল্যাটফর্মগুলি অবকাঠামো থেকে প্রয়োগ পর্যন্ত বিভিন্ন স্তরে কৃত্রিম বুদ্ধিমত্তা ব্যবহার করতে পারে।

যাইহোক, ক্রিপ্টোকারেন্সি শিল্পের জন্য সবচেয়ে বেশি আগ্রহের পরিস্থিতিগুলি হল সেগুলি যেখানে AI সরাসরি একটি বিতরণ করা খাতায় কাজ করে। একটি সাধারণ অর্থে, অ্যালগরিদমের কার্যকলাপ ব্লকচেইনে স্থানান্তর করার দুটি উপায় রয়েছে:

• স্বায়ত্তশাসিত এজেন্টদের পেমেন্ট করতে এবং ডিজিটাল সংস্থান অ্যাক্সেস করতে Web3 পরিকাঠামো ব্যবহার করার অনুমতি দিন।
• স্নায়বিক মডেলগুলিকে ZKML এর মাধ্যমে স্মার্ট চুক্তির সাথে ইন্টারঅ্যাক্ট করার অনুমতি দিন।

আকর্ষণীয়, তাই না?

স্বায়ত্তশাসিত এজেন্টদের জন্য অর্থপ্রদান এবং সংস্থান

অটোনোমাস ইকোনমিক এজেন্ট (AEAs) হল মেশিন লার্নিং অ্যালগরিদমের উপর ভিত্তি করে স্বায়ত্তশাসিত সিস্টেম যা তাদের মালিকদের পক্ষে তাদের সরাসরি হস্তক্ষেপ ছাড়াই নির্দিষ্ট কাজগুলি সম্পাদন করে।

বিশেষজ্ঞরা আশা করেন যে প্রযুক্তির অগ্রগতির সাথে সাথে, AEAগুলি আরও বেশি বিশেষায়িত হবে , যার ফলে "মাল্টি-এজেন্ট সিস্টেম" এর বিস্তার ঘটবে।

এর ফলে, একটি বাজারের উত্থান ঘটবে যেখানে কিছু এজেন্ট অন্যদের "নিয়োগ" করতে পারে এবং নির্দিষ্ট কাজ সম্পাদনের জন্য তাদের পারিশ্রমিক দিতে পারে। এই প্রেক্ষাপটে, বিভিন্ন কারণে ক্রিপ্টোকারেন্সি পেমেন্ট ফিয়াট পেমেন্টের চেয়ে পছন্দনীয় হবে:

• বিদ্যমান আইন AEA-কে ব্যাঙ্ক অ্যাকাউন্ট খুলতে বা আন্তঃসীমান্ত লেনদেন পরিচালনার জন্য অ্যাকাউন্টধারীদের অ্যাকাউন্ট ব্যবহার করার অনুমতি দেয় না।
• ক্রিপ্টোকারেন্সি বিশ্বস্ত মধ্যস্থতাকারীদের প্রয়োজনীয়তা দূর করে।
• ব্লকচেইন অবকাঠামো দ্রুত এবং সস্তা বন্দোবস্ত সক্ষম করে।

AEAs পেমেন্ট এবং বিকেন্দ্রীভূত ভৌত অবকাঠামো নেটওয়ার্ক (DePIN ) এর সাথে যোগাযোগ করতে সক্ষম হবে। ডিপিনগুলি হার্ডওয়্যার ডিভাইসগুলিকে একীভূত করে — উপরে আলোচনা করা কম্পিউটিং সিস্টেমগুলিকেও এই বিভাগে দায়ী করা যেতে পারে।

ডিপিনগুলি এআইকে ডিস্ক স্পেস এবং কম্পিউটিং শক্তির মতো ডিজিটাল সংস্থানগুলিতে অ্যাক্সেস দেবে। উদাহরণস্বরূপ, যদি একটি অ্যালগরিদমকে একটি 3D মডেল তৈরি করতে হয়, তবে এটি কেন্দ্রীভূত সমাধানগুলির উপর নির্ভর না করে রেন্ডারিংয়ের জন্য রেন্ডার নেটওয়ার্ক এবং ডেটা স্টোরেজের জন্য Arweave ব্যবহার করতে পারে।

AI-কে স্মার্ট চুক্তিতে একীভূত করা

স্মার্ট চুক্তিতে এআই মডেলের প্রয়োগ তাদের ক্ষমতাকে উল্লেখযোগ্যভাবে প্রসারিত করে। নিউরাল নেটওয়ার্কগুলি কেবল উদ্ভাবনী ব্যবহারের ক্ষেত্রেই অ্যাক্সেস খুলবে না তবে বিদ্যমান সরঞ্জামগুলির কার্যকারিতাও বাড়িয়ে তুলবে।

এই ইন্টিগ্রেশনের বেশিরভাগই ব্লকচেইনে অ্যালগরিদম স্থাপনের সাথে যুক্ত উচ্চ গণনামূলক খরচ দ্বারা বাধাগ্রস্ত হয়। যাইহোক, অফ-চেইন মডেলগুলির সঠিক সম্পাদনকে যাচাই করার জন্য ZKP ব্যবহার করা এই সমস্যার সমাধান করতে পারে, কারণ শুধুমাত্র প্রাসঙ্গিক প্রমাণগুলি একটি বিতরণ করা রেজিস্ট্রিতে স্থাপন করা যেতে পারে।

এই ধরনের পদ্ধতি স্মার্ট চুক্তিগুলিকে হার্ড-কোডেড নিয়মগুলির একটি সেটের মধ্যে সীমাবদ্ধ না রেখে গতিশীল ডেটার উপর ভিত্তি করে সিদ্ধান্ত নেওয়ার অনুমতি দেবে। এইভাবে, তারা আরও স্বায়ত্তশাসিত, নমনীয় এবং পরিশীলিত হয়ে উঠবে।

ZKML DeFi, GameFi, DeSo (বিকেন্দ্রীভূত সামাজিক), এবং DePIN সহ একাধিক শিল্প সেক্টরে ব্যবহার করা যেতে পারে।

উদাহরণস্বরূপ, বিকেন্দ্রীভূত আর্থিক অ্যাপ্লিকেশনগুলিতে, AI বর্তমান নেটওয়ার্ক পরামিতিগুলির উপর ভিত্তি করে প্রোটোকল পরামিতিগুলি সামঞ্জস্য করতে পারে । একটি সম্ভাব্য ব্যবহারের ক্ষেত্রে একটি ঋণ প্রোটোকল যা বাস্তব সময়ে সমান্তরাল ফ্যাক্টর সামঞ্জস্য করতে একটি ML মডেল ব্যবহার করে।

অন্যান্য পরিস্থিতিতে অটোমেটেড ট্রেজারি ম্যানেজমেন্ট, ক্রেডিট অন-চেইন স্কোরিং এবং এএমএম লিকুইডিটি ম্যানেজমেন্ট অন্তর্ভুক্ত।

উপসংহার

বর্তমানে, মৌলিক যুক্তি স্তরে AI এবং Web3 শিল্পের মধ্যে একটি দ্বন্দ্ব রয়েছে: পূর্বেরটি অত্যন্ত কেন্দ্রীভূত। একই সময়ে, পরেরটি ব্যাপক বিকেন্দ্রীকরণের নীতির উপর নির্মিত। কখনও কখনও, এই পরিস্থিতি অ্যাপ্লিকেশনগুলিকে একীভূত করা কঠিন করে তোলে।

যাইহোক, একই দ্বন্দ্ব এই দুটি সেক্টরের পণ্যগুলিকে কার্যকরভাবে একে অপরের পরিপূরক এবং পারস্পরিক উন্নয়নকে উন্নীত করার অনুমতি দেয়।

কোন গ্যারান্টি নেই যে ব্লকচেইন ভবিষ্যতের নিউরাল মডেলগুলির ভিত্তি হবে বা অ্যালগরিদমগুলি বিকেন্দ্রীভূত প্ল্যাটফর্মগুলির মূলে চলবে৷

তবে এটা বলা নিরাপদ যে দুটি প্রযুক্তির সংমিশ্রণ অনেক নতুন আখ্যান তৈরি করবে, যার মধ্যে কিছু বেশ কার্যকর প্রমাণিত হবে।