Создание ИИ по цепочке
22 декабря 2022 г.🙇 申し訳ない
Я действительно не ожидал, что пройдет четыре месяца после DeepNFT, прежде чем я опубликую свою вторую статью о проекте машинного обучения/ИИ Web3. С одной стороны, это было потому, что моя работа летом и осенью была слишком загружена, а с другой стороны, в эти месяцы действительно было меньше проектов, достойных упоминания. В основном все внимание было сосредоточено на zkSync и доказательствах с нулевым разглашением. Однако мой напряженный период закончился, и моя докторская степень. находится в завершающей стадии. В этой статье я надеюсь вернуться к обычному рабочему процессу un.Block.
Modulus Labs — это проект Web3, целью которого является использование возможностей искусственного интеллекта (ИИ) в блокчейне. Используя децентрализованный характер блокчейна, лаборатория Modulus стремится создать безопасные и прозрачные модели ИИ, которые можно обучать и развертывать в сети.
Одной из ключевых целей Modulus Labs является создание децентрализованных моделей ИИ, которые могут принадлежать и контролироваться их создателями. Это позволяет разработчикам сохранять право собственности и контроль над своими моделями ИИ, а не полагаться на централизованные платформы для размещения своих моделей и управления ими.
Modulus labs в настоящее время находится на ранних стадиях разработки и еще не опубликовала никаких конкретных подробностей о своей технологии или дорожной карте. Тем не менее, команда изложила свое видение проекта в различных сообщениях блога на своей странице Medium, к которой могут получить доступ заинтересованные читатели со знанием английского языка. навыки.
⌛Статус
Modulus Labs, также известная как Modulus, нацелена на создание безопасных и прозрачных моделей искусственного интеллекта, которые можно обучать и развертывать в сети. Команда Modulus не раскрыла никакой информации о своем финансировании, но сообщила в своем блоге, что будет постоянно получать поддержку от Floodgate Ventures с точки зрения платы за газ и технических затрат.
Первый продукт Modulus, Rockefeller Bot, запущен в начале октября и принимает пожертвования WETH/USDC. Его второй продукт, Leela vs the World, находится в разработке. Его технический документ еще не закончен. Ожидается, что его технический документ будет выпущен в декабре или январе.
👁️🗨️ Видение
Modulus Labs была официально основана в августе Дэниелом Шорром и < a href="https://www.linkedin.com/in/ryan-cao/">Райан Цао. Они надеются создать надежные, полностью автоматизированные, мощные модели ИИ, используя развитие Web3 и сетевых технологий. Они считают, что текущая сетевая технология и соответствующая аппаратная среда достаточно развиты и что модели искусственного интеллекта, которые они разрабатывают, могут, в свою очередь, повысить безопасность и автоматизацию сетевой технологии.
Большинство проектов ИИ в сети, которые я видел до сих пор, применяют традиционные модели или алгоритмы ИИ к задачам в сети, типичными примерами которых являются DeepNFTValue и Kosens Labs из предыдущей статьи — оба по существу используют традиционную технологию ИИ и модели ML (модели регрессии). , DNN) с соответствующими аппаратными конфигурациями для адаптации к задачам с прогнозирующими свойствами.
Они не обеспечивают хороших решений Web3-характеристик самой задачи, безопасности и прозрачности использования данных и других сопутствующих вопросов. Они отвечают на эти вопросы со своей точки зрения и дают собственное объяснение ИИ в сети:
- Проверенное обоснование: входные данные для предварительно обученных моделей, а также соответствующие параметры модели и формы архитектуры/развертывания будут соответствовать сгенерированному доказательству.
- Поддающееся проверке обучение: информация в первом пункте представлена через доказательство не только во время рассуждений, но и во время обучения.
- Власть данных обучения: модель не фиксируется после одного обучения. Поток данных, используемый для обновления модели, развертывается в цепочке. Вклад данных будет количественно оцениваться с помощью токенов.
- Децентрализованное сотрудничество. Все стороны, участвующие в создании данных и обучении моделей, могут сотрудничать децентрализованно с помощью смарт-контрактов.
На техническом уровне, как и в основной концепции, Modulus ссылается на ZK-доказательство знаний и надеется добиться полного использования централизованных аппаратных ресурсов путем полного развертывания и обоснования модели в цепочке, защищая при этом модель и данные от управления централизованными серверами.
🎁 Рокфеллер-бот
Первый продукт Modulus – полностью сетевой торговый робот под названием Rockefeller Bot, сокращенно Rocky. Rocky построен на StarkNet и использует простую трехслойную глубокую нейронную сеть для прогнозирования цены WETH. По сравнению с традиционными проектами прогнозирования акций/валют, Rocky предлагает два главных нововведения:
- Он генерирует прогнозные данные и дает торговые рекомендации с помощью доказательств ZK.
- После того, как Rocky сделал свой прогноз, он отправляет соответствующую информацию в смарт-контракт в сети. Смарт-контракт выполняет оставшуюся часть работы по торговле и хранению наличных, поскольку сама информация является доказательством ZK, и смарт-контракт не может получить данные об обучении модели и информацию об оборудовании, используемую для вывода.
У самого Rocky есть несколько ограничений:
* Ошибки в соответствующих расчетах увеличены * Потенциально высокие затраты на развертывание модели * Взаимодействие между Layer1 и Layer2 требует времени
Поэтому Modulus надеется, что Rocky будет больше служить платформой для демонстрации возможности разработки и развертывания моделей ИИ в сети.
Modulus в настоящее время также участвует в нескольких других торговых проектах, связанных с ZK, и в разработке игр с блокчейном, но общедоступной информации пока немного.
💡 Мысли
По сравнению с другими проектами Web3 ML, которые пытаются ответить на вопрос «как применять зрелые технологии AI/ML к приложениям блокчейна», Modulus фокусируется на том, «как разрабатывать родные технологии блокчейна AI/ML». По сравнению с предыдущим, Modulus подчеркивает преимущества блокчейна и запускает собственные продукты.
Перспективы этого проекта с моей личной точки зрения очень оптимистичны. Хотя первый продукт Modulus не содержит особых инноваций с точки зрения самой технологии машинного обучения, с точки зрения развертывания он дает положительную оценку практикующим специалистам в области машинного обучения, которые начинают решать проблемы конфиденциальности. Я буду продолжать следить за этим проектом и следить за обновлениями их технического описания.
❓Вопросы
Как исследователь машинного обучения, я больше думаю об индустрии машинного обучения. После просмотра этого проекта у меня возникли следующие вопросы:
- Стоимость онлайн-обучения и развертывания ZKML. Стоимость развертывания может не слишком беспокоить, потому что большинство продуктов машинного обучения теоретически имеют тот же размер и вычислительную мощность, что и обычное программное обеспечение, при условии, что оптимизация присутствует. Но в то же время обучение модели машинного обучения — это процесс, который требует больших вычислительных мощностей и, следовательно, требует больших затрат на разработку. Текущее решение Modulus заключается в решении проблемы доверия с помощью Proof. Пусть часть децентрализованных вычислений верит в результат централизованных вычислений и принимает результат вычислений в качестве входных данных. Я с нетерпением жду подробностей об этой части.
- Предположим, что у традиционных моделей машинного обучения есть возможность пройти обучение и развернуть их в сети по приемлемой цене. В этом случае проблемы, с которыми они столкнутся, будут отличаться от проблем традиционной эпохи Web2. Фокус проблемы смещается с надежности данных и частной передачи на объяснимость модели, самоадаптацию модели/оптимизацию онлайн-сцены, оптимизацию градиента (обучение модели ZK в настоящее время не может оптимизировать градиенты) и вычисление логических выводов. затраты.
🔚 Заключение
Собственный подход и видение Modulus Labs полностью соответствуют моим ожиданиям. Я особенно рад видеть, что они работают над некоторыми важными проблемами, связанными с ИИ в сети. Их первый продукт использует гибридный централизованно-децентрализованный подход через Layer1.
Хотя я думаю, что ИИ в сети столкнется с некоторыми проблемами, отличными от проблем эпохи Web2, я уверен, что растущее сообщество и такие компании, как Modulus, представляющие лучшее из Web3, предоставят несколько прекрасных ответов.
Как и раньше, если кто-либо из читателей столкнется с проектами блокчейна/Web3, которые соответствуют одному из следующих критериев:
- Применение технологий AI/ML
- Использование данных, связанных с блокчейном, включая реализацию и применение моделей
Добро пожаловать, чтобы связаться со мной через un.Block и мой личный Twitter< /а>. Давайте учиться и делиться друг с другом!
Оригинал