В ноябре 2022 года OpenAI представила чат-бота ChatGPT. Через два месяца после запуска количество активных пользователей сервиса достигло . Для сравнения, TikTok потребовалось около девяти месяцев, чтобы достичь этой отметки, а Instagram — более двух лет. 100 миллионов К тому времени генеративный искусственный интеллект уже был довольно популярен, и новый продукт еще больше подогрел интерес к этому сегменту. Неудивительно, что волна ажиотажа вокруг искусственного интеллекта (ИИ) не обошла . и криптовалютную индустрию С конца 2022 года периодически можно было наблюдать локальные розыгрыши токенов проектов, которые, по заверениям разработчиков, использовали данную технологию. Однако некоторые относятся к таким активам скептически, полагая не без оснований, что степень интеграции любых алгоритмов находится на низком уровне. https://x.com/BanklessHQ/status/1625117772106862592?embedable=true Однако, хотя существуют разные и довольно поляризованные взгляды на существующие продукты, существует некоторый консенсус относительно потенциальной синергии между блокчейном и искусственным интеллектом. Многие игроки, в том числе и , считают, что слияние искусственного интеллекта и блокчейна принесет пользу обеим отраслям, поскольку позволит каждой из них решать существующие проблемы. Некоторые венчурные капиталисты придерживаются аналогичной точки зрения. Например, в мае 2023 года сообщалось, что . криптобиржи ускорители Web3 Paradigm расширит свои интересы в области искусственного интеллекта Почему алгоритмам ИИ нужна децентрализация? В рассказе о синергии искусственного интеллекта и блокчейна нет ничего нового. Однако, как показывают , за последние несколько лет интерес к этой области значительно возрос. соответствующие исследования Интеграция распределенных сетей с сервисами ИИ имеет множество долгосрочных преимуществ для разработчиков ИИ. Блокчейн обладает потенциалом устранить или, по крайней мере, смягчить ряд критических барьеров, например, связанных с нехваткой вычислительной мощности. Эта синергия также открывает доступ к инновационным вариантам взаимодействия. Например, технология DLT может обеспечить точную настройку нейронных моделей и сбор более репрезентативных наборов данных для алгоритмов обучения. Интеграция систем с искусственным интеллектом, особенно внутрисетевыми и смарт-контрактами, также принесет пользу индустрии блокчейнов. ИИ потенциально может улучшить производительность распределенных сетей и стать основным драйвером роста сектора децентрализованных финансов (DeFi). У всех есть проблемы насчитывает почти 70 лет. Однако отрасли так и не удалось устранить некоторые барьеры, препятствующие его широкому внедрению. Более того, по мере развития отрасли возникли новые проблемы. История искусственного интеллекта как научной области Ниже я подробно описываю некоторые потенциальные сценарии, в которых распределенные сети могут компенсировать определенные ограничения. Недостаток электроэнергии Графические процессоры (GPU) играют важную роль в алгоритмах обучения и формировании пользовательских запросов. Это особенно очевидно в . отчете Nvidia за первый квартал 2024 финансового года На фоне роста сектора искусственного интеллекта произошел резкий рост спроса на графические процессоры — что привело к . Ситуация была настолько серьезной, что крупные поставщики облачных услуг, такие как Google и Amazon, даже начали вводить ограничения для своих клиентов. существенному дефициту микросхем Многие компании, занимающиеся ИИ, обратились к альтернативным поставщикам (например, Lambda), но и они были близки к пределу своих мощностей. https://x.com/Suhail/status/1643002186320994304?embedable=true Децентрализованные вычислительные сети могут решить эту проблему. Они , связывающими организации, которым необходимы вычислительные мощности, с владельцами систем, имеющими необходимые ресурсы. де-факто являются посредниками Такие решения предлагают более низкие цены по сравнению с централизованными поставщиками услуг. В основном это связано с отсутствием дополнительных затрат для подключенных к системе провайдеров. Существует два основных типа таких вычислительных сетей: Общего назначения (GP). К ним относятся децентрализованные облачные сервисы, которые предоставляют ресурсы различным приложениям. Их операционная модель напоминает рыночную площадку: клиенты арендуют серверное пространство у провайдеров, которые сами устанавливают цены. Специального назначения (СП). Они, наоборот, предназначены для конкретных сценариев использования. Обычно их архитектура объединяет вычислительные ресурсы в единый пул — своего рода децентрализованный компьютер. В этом случае стоимость услуг определяется динамикой рынка или параметрами, контролируемыми сообществом. Примером здесь является , который предназначен для обучения моделей ML. Gensyn Децентрализованные сети демократизируют доступ к вычислительной мощности. Это снижает затраты на обучение, тонкую настройку алгоритмов и обработку пользовательских запросов, которые представляют собой еще . более ресурсоемкие задачи Однако сообщество обеспокоено скоростью обучения моделей ML на распределенном ресурсе. По словам Мохамеда Фуды, члена Альянса и партнера Volt Capital, это может быть чем централизованные методы. на один или даже два порядка медленнее, https://x.com/MohamedFFouda/status/1643671460488290306?embedable=true Команды уже работают над оптимизацией процесса децентрализованного обучения. создавали решение, теоретически устраняющее узкое место, а Gensyn пытался облегчить проблемы, возникающие при подключении различного оборудования к сети. Разработчики Together Однако сообществу, скорее всего, придется пойти на компромисс в отношении медленного обучения, чтобы сэкономить деньги. Машинное обучение без раскрытия информации Отдельно хочу выделить проекты, ориентированные на . машинное обучение с нулевым разглашением (ZKML) Для обеспечения корректной работы в вычислительных сетях используются различные механизмы, такие как и . Но каждый подход имеет свои ограничения и недостатки. Например, TEE может иметь потенциальный вектор аппаратной атаки. доверенные среды выполнения (TEE) модели репутации https://youtu.be/G8-3G_cep4M?si=Efitx0ckFArvKRHU&embedable=true Поэтому новая волна проектов (Gensyn, и ) начала экспериментировать с применением доказательства с нулевым разглашением (ZKP) для проверки вычислительной целостности для ML. Modulus Labs Giza ZKP — это , который позволяет одной стороне (доказывающей стороне) подтвердить истинность утверждения другой стороне (проверяющей стороне) без раскрытия какой-либо дополнительной информации. Протокол довольно популярен в индустрии блокчейнов, поскольку позволяет разработчикам создавать масштабируемые и безопасные приложения. криптографический протокол Применительно к машинному обучению ZKP скрывает часть входных данных или саму модель, . Это особенно актуально, когда алгоритмы работают в строго регулируемых отраслях, таких как здравоохранение и финансы. если это необходимо У ZKML есть и другие преимущества. Метод, например, позволяет доказать, что конкретный алгоритм обучен на строго определенном наборе данных. В случае проприетарного ИИ это также позволяет убедиться, что одна и та же модель доступна всем пользователям. Недостатком подхода является сам процесс генерации доказательств — это ресурсоемкая задача, выполнение которой может стоить дороже, чем исходные операции. Это означает, что в некоторых случаях его расчет нецелесообразен. Тем не менее, ZKML — это вектор децентрализации индустрии искусственного интеллекта. Это важно в ситуации, когда концентрация технологий в руках узкого круга игроков является . поводом для беспокойства Аутентификация контента Развитие и распространение генеративного ИИ привели к появлению реалистичных дипфейков. Примеры включают сфабрикованные изображения Папы Франциска в пуховике Balenciaga и . видео сцены взрыва возле Пентагона https://youtu.be/F4G6GNFz0O8?si=w6iO9_xj8LN9PCsS&embedable=true Криптографические подписи можно использовать для борьбы с такими глубокими фейками — путем сопоставления пары секретного и открытого ключей. Одним из примеров реализации являются децентрализованные социальные сети. Проекты на основе протокола Lens связывают учетные записи пользователей с адресами в общедоступной цепочке блоков, упрощая идентификацию. личность создателя контента проверяется Команды Bundlr и Arweave также работают над . Arweave предусматривает введение спецификаций, требующих интеграции неизменяемых криптографических подписей и временных меток в цифровой контент, записанный в распределенном реестре. общеотраслевыми стандартами Синергия искусственного интеллекта и блокчейна для повышения эффективности В долгосрочной перспективе блокчейн повысит эффективность обучения нейронных моделей и может изменить методы проведения исследований в отрасли. Хотя большая часть исследований блокчейна на заре его существования проводилась в академических кругах, сейчас в нем доминируют крупные технологические компании. Такая ситуация ограничивает участие местных лабораторий и частных лиц из-за отсутствия стимулов и возможностей для сотрудничества. Децентрализованные платформы, такие как могут исправить ситуацию. Это торговые площадки, где участники вознаграждаются за вклад в развитие и могут обмениваться данными для обучения моделей. Такие платформы особенно привлекательны при создании ИИ с открытым исходным кодом. Bittensor, Блокчейн также облегчает применение . Это метод, который включает в процесс обратную связь с человеком для точной настройки нейронной модели. обучения с подкреплением на основе обратной связи между людьми (RLHF) RLHF позволяет «отшлифовать» модель, уменьшив количество неточных или предвзятых результатов. Например, для отладки GPT-3 и разработки ChatGPT. OpenAI использовала его Точная настройка повышает производительность алгоритмов и позволяет им получить опыт в конкретной предметной области. По мере роста спроса на такие узкоспециализированные модели растет и потребность в экспертах, предоставляющих обратную связь. предлагает способ масштабирования RLHF посредством поощрительных выплат в виде токенов. Однако у этого подхода есть как минимум две проблемы: Multicoin Эксперты должны согласиться принимать токены в качестве компенсации, что ограничивает круг лиц, участвующих в процессе обучения. Такую систему необходимо защищать от манипулятивных атак, чтобы поддерживать точность обратной связи. Однако такие проекты, как уже применили этот метод на практике. Hivemapper, Насколько умным может быть смарт-контракт? Существует множество областей, где блокчейн-платформы могут использовать искусственный интеллект на разных уровнях, от инфраструктуры до приложений. Однако наибольший интерес для криптовалютной индустрии представляют сценарии, в которых ИИ работает непосредственно в распределенном реестре. В общем смысле есть два способа перенести активность алгоритмов в блокчейн: Разрешите использовать инфраструктуру Web3 для осуществления платежей и доступа к цифровым ресурсам. автономным агентам Разрешите нейронным моделям взаимодействовать со смарт-контрактами через ZKML. Интересно, не так ли? Платежи и ресурсы для автономных агентов Автономные экономические агенты (АЭА) — это автономные системы, основанные на алгоритмах машинного обучения, выполняющие конкретные задачи от имени своих владельцев без их прямого вмешательства в процесс. Эксперты ожидают, что по мере развития технологий , что приведет к распространению «многоагентных систем». AEA станут более узкоспециализированными Это, в свою очередь, повлечет за собой появление рынка, на котором одни агенты смогут «нанимать» других и выплачивать им вознаграждение за выполнение определенных задач. В этом контексте платежи в криптовалюте, вероятно, будут предпочтительнее фиатных платежей по нескольким причинам: Существующие законы не позволяют AEA открывать банковские счета или использовать счета владельцев счетов для проведения трансграничных транзакций. Криптовалюты устраняют необходимость в доверенных посредниках. Инфраструктура блокчейна обеспечивает более быстрые и дешевые расчеты. AEA смогут взаимодействовать с платежными и ). DePIN интегрируют аппаратные устройства — к этому сегменту можно отнести и рассмотренные выше вычислительные системы. децентрализованными сетями физической инфраструктуры (DePIN DePINs предоставит ИИ доступ к цифровым ресурсам, таким как дисковое пространство и вычислительная мощность. Например, если алгоритму необходимо создать 3D-модель, он может использовать для рендеринга и для хранения данных вместо того, чтобы полагаться на централизованные решения. Render Network Arweave Интеграция ИИ в смарт-контракты Применение моделей ИИ в смарт-контрактах значительно расширяет их возможности. Нейронные сети не только откроют доступ к инновационным вариантам использования, но и повысят эффективность существующих инструментов. Во многом эта интеграция сдерживается высокими вычислительными затратами, связанными с развертыванием алгоритмов в блокчейне. Однако использование ZKP для проверки точного выполнения оффчейн-моделей может решить эту проблему, поскольку в распределенный реестр можно поместить только соответствующие доказательства. Такой подход позволит смарт-контрактам принимать решения на основе динамических данных, не ограничиваясь набором жестко запрограммированных правил. Таким образом, они станут более автономными, гибкими и сложными. ZKML можно использовать во многих отраслях промышленности, включая DeFi, GameFi, DeSo (децентрализованная социальная сеть) и DePIN. Например, в децентрализованных финансовых приложениях на основе текущих параметров сети. Одним из возможных вариантов использования является протокол кредитования, который использует модель машинного обучения для корректировки в режиме реального времени. ИИ может корректировать параметры протокола фактора обеспечения Другие сценарии включают автоматическое управление казначейством, кредитный ончейн-скоринг и . управление ликвидностью AMM Заключение В настоящее время существует противоречие между индустриями искусственного интеллекта и Web3 на базовом логическом уровне: первая сильно централизована. При этом последняя построена на принципах повсеместной децентрализации. Иногда такая ситуация затрудняет интеграцию приложений. Однако это же противоречие позволяет продуктам этих двух секторов эффективно дополнять друг друга и способствовать взаимному развитию. Нет никакой гарантии, что блокчейн станет основой будущих нейронных моделей или что алгоритмы будут работать в ядре децентрализованных платформ. Но можно с уверенностью сказать, что сочетание двух технологий приведет к появлению множества новых нарративов, некоторые из которых окажутся вполне жизнеспособными.
