图片起原：由无界 AI器用生成
Overview通过这篇著作你可以了解：
什么是 on-chain AI？
为什么还莫得链上 AI?
皇冠客服中心电话AI 上链的能源；
时间旅途；
我领略的 on-chain AI 价值；
on-chain AI 的应用场景和款式分析。
一、AI + blockchain =？开荒者对基础要道成立的荒诞执着和多样 rollup 治理决策的更新迭代如实让底本逾期的 web3 盘算推算智商完了了冲破，这也为 AI 上链提供了可能性，但你可能想说与其大费周章地完了链上 AI，平直在链下运行模子似乎也能自大大部分需求，而事实上目下简直所有的 AI 模子王人所以黑盒、中心化的模式在运行，况兼通常在各个界限创造了无法替代的价值。
1）先回到最基础的问题，什么是 AI 上链？
主流的领略是通过区块链让 AI 模子 transparent + verifiable
再具体极少，AI 上链意味着东说念主工智能模子的 complete verification，也即是说一个模子需要向全网（用户或考据者）公开以下三点：
模子架构；
模子参数和权重：公开参数和权重未必候会对居品安全性产生负面影响，因此，针对特定场景，比如风控模子，可以对 weight 作念荫藏处理以确保安全性；
模子输入：在 web3 的场景里基本上是链上公开数据。
当自大以上条款时，所有这个词模子实践的过程是具备笃定性的且不再是黑盒操作，任何东说念主王人可以在链上对模子的输入和终结进行考据，从而留神模子领有者大致谈论权限东说念主对模子进行左右。
2）AI + blockchain 的能源是什么？
AI 与 blockchain 衔接的兴趣不在于替代中心化的 Web2 东说念主工智能的运作模式，而是：
在不糟跶去中心化和 trustless 的基础上，为 web3 寰球创造下一阶段的价值。目下的区块链就像是 web2 的早期阶段，还莫得邻接更粗俗应用大致创造更大价值的智商。而独一在加入 AI 之后，dapp 的想象力能力实在跨越到下一阶段，这些链上应用才有可能更接近 web2 应用的水平，这种接近并不是从功能上作念的更相似，而是通过阐述区块链的价值，从用户体验和可能性上作念出种植。
为 web2 黑盒的 AI 运行模式提供一种透明的、trustless 的治理决策。
想象一下 web3 的应用场景：
将推选算法加入到 NFT 来去平台，基于用户喜好推选相应 NFT，提高滚动；
在游戏中加入 AI 敌手方，更透明、平正的游戏体验；
……
但是，这些应用王人是通过 AI 对已有的功能在成果大致用户体验上的进一步改善。
- 有价值吗？有。
- 价值大吗？取决于居品和场景。
AI 能创在的价值从来王人不仅是 99 到 100 的优化，实在让我振作的，是从 0 到 1 的全新应用，一些独一通过 transparent + verifiable 的链上模子能力完了的 use case。不外这些“令东说念主振作的”use case 目下主要靠想象力，莫得进修的应用，先来开几个脑洞：
通过基于 neural network 的决策模子作念 crypto trading：一种居品形态可能更像是 copy trading 的升级版块，以至是一种全新的来去玩法。用户不再需要信任或调研其他 experienced trader，而是对透顶公开透明的模子以偏执 performance 下注。践诺上 AI 把柄对 crypto 翌日价钱的瞻望更快更粉碎地进行来去。但是莫得链上 AI 自带的“trustless autonomy”，这么的下注对象大致圭表根柢是不存在的。用户/投资者可以透明地看到模子决策的原因、过程以至翌日高涨/着落的精确概率；
AI 模子当作裁判：一种居品可能是全新形态的预言机，通过 AI 模子对数据起原的准确性进行瞻望。用户不再需要信任 validator，也不必挂念节点不法，预言机提供方以至不需要联想复杂的节点收罗和赏罚机制来完了去中心化。相应地，链上 transparent + verifiable 的 AI 一经弥漫自大考据链下 data source 置信度的任务。这种全新的居品形态在安全性、成果和成本上有契机酿成碾压，去中心化的对象也由东说念主跨越到“trustless autonomy”的 AI 器用，无疑是更安全的。
基于大模子的组织管束/运作体系：DAO 的治理践诺上应该是高效、去中心化、平正的，而目下的近况却以火去蛾中，松散且肥胖，难题透明和平正性，链上 AI 的加入能提供十分契合的治理决策，将管束模式、成果种植到最高，将管束中系统性和东说念主性的风险无穷拉低。咱们以至可以去想象一种全新的 web3 款式的发展和运作模式，所有这个词框架及翌日发展认识和提案简直不依赖开荒团队大致 DAO 投票的方式来进行决策，相应的，基于大模子更巨大的数据得到量和远超东说念主的盘算推算智商去作念决策。但这一切的前提亦然模子上链，莫得 AI 的“trustless autonomy”就不存在去中心化寰球从东说念主到器用的跃迁。
……
小结一下
基于链上 AI 的新的居品形态基本可以回来为将去中心化和 trustless 的主体从东说念主变为 AI 器用，这也稳当传统寰球分娩力的进化过程，最启动是在东说念主这个主体高下功夫，握住升级种植东说念主效，到后头通过智能器用替代东说念主，在安全性和成果上颠覆原有的居品联想。
其中最环节的、也所以上一切的前提，是通过区块链完了 AI 的 transparent + verifiable。
欧洲杯回放:德国vs葡萄牙3）Web3 的下一个阶段
区块链当作一个时势级的时间创新，不可能只是停留在原始阶段。流量和经济模子很遑急，但用户不会一直停留在追捧流量或破耗大宗资源作念 X to earn，web3 也不会因此 onboard 下一波新用户。但有一件事的笃定性是很强的：web3 寰球分娩力和价值的立异一定来自 AI 的加入。
我合计毛糙分红底下三个阶段
肇端：零学问解说算法和硬件的更新迭代为链上 AI 的流露第一次提供了可能性；（咱们在这）
发展：不论是 AI 对已有应用的种植照旧基于 AI + blockchain 的全新址品，王人在将所有这个词行业上前推动；
结尾：AI + blockchain 的最终走向是什么？
上头的商榷王人是通过 AI 与区块链的衔接 bottom up 地发掘应用场景，换个念念路 top down 地看待 AI + blockchain，AI 会不会重溯区块链自己？AI + blockchain = 自适合的区块链
一些公链会最先和会链上 AI，从公链的层面搬动为一种自适合的，自身发展认识不再依赖款式基金会决策而是基于巨大数据进行决策、自动化水平远超传统区块链的形态，从而从现时多链隆盛的款式中脱颖而出。
在 verifiable + transparent 的 AI 加捏下，blockchain 的自相通体目下那里，可以参考 modulus lab 提到的几个例子：
链上的来去市集可以去中心化地自动相通，比如基于链上公开数据及时、不需要 trust assumption 地接济富厚币的 interest rate；
皇冠分红皇冠hg86a
多模态学习可以让链上公约的交互通过生物特征识别完成，提供安全的 KYC，并完了身份管束的绝对去信任；
允许链上应用最大化地拿获链上数据带来的价值，支捏定制化内容推选等工作。
www.crownbingoclub.com赛马从另一个角度看，zkrollup 握住迭代优化，但是恒久难题一个实在只可在 zk 生态上跑的应用，ZKML 适值稳当这极少，况兼想象空间也弥漫大。ZK-rollup 翌日很可能当作 AI 插足 web3 的进口从而创造更大价值，两者彼此确立。
二、完了方式和可行性1）Web3 能为 AI 提供什么？
基础要道和 ZK 无疑是 web3 最荒诞内卷的赛说念，多样 ZK 款式在电路优化和算法升级高下足了功夫，不论是对多层收罗的探索，大致是对模块化区块链以及 data availability layer 的开荒，照旧进一步将 rollup 作念成定制化的工作，以至硬件加快……这些尝试王人在将区块链的可扩展性、成本、算力推向下一个阶段。
网络博彩网站比较AI + blockchain 听上去可以，但具体怎么个加法？
一种作念法是通过 ZK proof system。比如针对 machine learning 作念一个定制化的电路，链下电路生成 witness 的过程即是模子实践的过程，对模子瞻望的过程生成 proof（其中包括模子参数和 input），任何东说念主王人可以在链上考据 proof。
AI 模子照旧在高效的集群上实践，以至搞点硬件加快进一步种植盘算推算速率，在最大化应用算力的同期确保莫得中心化的东说念主大致机构可以从中批改或干预模子，也即是确保：
模子瞻望终结的笃定性 = 可考据的（input + 模子架构 + 参数）
把柄以上作念法，可以进一步估量哪些 infra 对 AI 上链至关遑急：
ZKP system、rollup：Rollups 扩展了咱们对区块链盘算推算智商的想象空间，把一堆 transactions 打包，以至递归地生成 proof of proof 进一步镌汰成本。对于目下巨大的模子来说，提供可能性的第一步即是 proof system 和 rollup；
硬件加快：ZK rollup 提供了 verifiable 的基础，但 proof 的生成速率平直关联到模子的可用性和用户体验，恭候几个小时去生成一个模子的 proof 赫然是不 work 的，因此，通过 FPGA 进行硬件加快赫然是一个很好的 boost。
密码学：密码学是区块链的基础，而链上模子以及明锐数据通常需要保证秘籍性。
成如容易却艰辛。2004年，凌和平进入比亚迪工作。那时电动汽车的关注者寥寥，且相关技术缺陷较多。他要去思考的问题很多：交流电网如何给高电压直流动力电池充电？怎样的设计结构能让电机的声响降低……这也开启了他在电动汽车研究领域近20年的坚守。
“那时恰逢丹霞冶炼厂正在筹建国内第一家锌氧压浸出工艺的锌冶炼企业，多项工艺在锌冶炼行业都是首次应用，这样的机会实属难得。”2007年，从贵州大学冶金工程专业毕业的张伟，抱着学习的心态来到丹霞冶炼厂，开启了他的锌冶炼生涯。
补充：
大模子的基础是 GPU，莫得高并行的支捏，大模子的成果将会十分低，也就无法运行。因此，对于一个链上的 zk 生态：
GPU 友好 = AI 友好
拿 Starknet 例如，Cario 只可在 CPU 上跑，因此只可部署一些小的决策树模子，经久来看并不利好大模子的部署。
2）挑战：更刚毅的 proof system
ZK Proof 的生成速率和内存使用情况至关遑急，一个关联到用户体验和可行性，一个关联到成本和天花板。
目下的 zkp system 够用吗？
够用，但不够好…
Modulus lab 在著作“The Cost of Intelligence: Proving Machine Learning Inference with Zero-Knowledge”十分留神的分析了模子和算力的具体情况。有空可以读一读这篇 ZKML 届的”零号文件 - paper0“：https://drive.google.com/file/d/1 tylpowpaqcOhKQtYolPlqvx6 R2 Gv4 IzE/view
以下是 paper0 中提到的不同解说系统
基于以上 zk 算法，modulus lab 别离从时辰蹧跶和内存占用两个维度登程进行测试，况兼在这两个维度等别离适度了参数和层数两个中枢变量。以下是 benchmark suites，这么的联想也可以毛糙隐敝从 LeNet5 的 60 k 参数目，0.5 MFLOPs，到 ResNet-34 的 22 M 参数目，3.77 GFLOPs。
时辰蹧跶的测试终结：
内存占用的测试终结：
基于以上数据，全体看目下的 zk 算法以及具备支捏对大模子生成 proof 的可能性，但相应的成本依旧很高，需要以至 10 倍以上的优化。以 Gloth16 为例，天然受益于高并发带来的 computation time 的优化，但是当作 tradeoff 内存占用显耀加多。Plonky2 和 zkCNN 在时辰和空间上的发扬通常考据了这极少。
那么目下问题其实就从 zkp system 是否可以支捏链上 AI 搬动为了支捏 AI+Blockchain 付出代价值不值？况兼跟着模子参数的指数级上升，对 proof system 的压力也会赶紧加多。如实，目下有 trustless 的神经收罗吗，莫得！即是因为成本算不外来。
因此，打造一个为 AI 定制化的 proof system 至关遑急。同期，完了对 AI 这种单次调用盘算推算十分复杂的逻辑，gas 的蹧跶模子也需再行联想，一个高性能的 zkvm 至关遑急，但目下咱们一经能看到许多高性能的尝试，比如 OlaVM, polygon Miden 等，这些基础要道的握住优化极大种植了 onchain-AI 的可行性。
三、应用是否值得期待？尽管链上 AI 还在很早期阶段，用上头的分层来看可能只处于肇端到发展之间，但 AI 这个认识从不难题优秀的团队和创新的想法。
就像上头说的，从 AI + Blockchain 发展阶段看目下市集处于肇端到发展的中间阶段，居回味试认识还所以基于现存功能对用户体验优化为主。但最能体现价值的照旧通过 AI 在链上将 trustless 的主体由东说念主变为器用，在安全性和成果上颠覆原有的居品形态。
底下从一些现存的应用尝试登程，分析一下 AI + Blockchain 经久的居品发展认识
1）The Rockefeller Bot：寰球上第一个 on-chain AI
Rockefeller 是 modulus lab 团队推出的第一个链上 AI 的居品，有很强的“挂念价值”。这个模子践诺上是一个 trading bot，具体来说，rockefeller 的检会数据是大宗链上公开的 WEth-USDC 的 price/exchange rate，其自己是一个三层前馈经收罗模子，瞻望目的是翌日 WEth 价钱涨跌。
菠菜网彩票平台以下是当 trading bot 决策要进行来去时的进程：
Rockefeller 在 ZK-rollup 上对瞻望终结生成 ZKP；
ZKP 在 L1 上被考据（资金由 L1 的合约守旧），并实践操作；
可以看出 trading bot 的瞻望、资金操作绝对是去中心化且 trustless 的，就像上头提到的，从更高维度看 rockefeller 更像是一种全新的 Defi 玩法。比拟于信任其他 trader，这种模式下其实用户赌的是 transparent + verifiable + autonomous 的模子。用户可以不需要信任中心化的机构确保模子决策过程的正当性。同期，AI 也能最猛进度上的摒弃东说念主性的影响，更粉碎地进行来去。
你可能一经想给 Rockefeller 注点资金玩一玩了，但这果真能收成吗？
并不成，按照 modulus 团队的说法，与其说 rockefeller 是一个应用，他更像是 on-chain AI 的 POC，由于成本、成果、解说系统等多方面的法例，rockefeller 的主要目的是当作一个 demo 让 web3 寰球看到 on-chain AI 的可行性。（Rockefeller 一经完成任务下线 T T）
皇冠客服飞机：@seo3687
2）Leela：寰球上第一个 on-chain AI game
api接口语言最近发布的 Leela v.s. the world 通常是出自 modulus lab。游戏机制很轻松，东说念主类玩家构成阵营对战 AI。游戏中玩家可以质押下注，最终谁会赢得对局，每次 match 收尾后 loser’s pool 会把柄质押代币的数目相应地分派给 winner。
说到 on-chain AI，此次 modulus lab 部署了一个更大的 deep neural network (Parameter 数目 > 3,700,000)。天然在模子范围和居品内容上 Leela 王人超越了 rockefeller，但归根结底这照旧一次大型的 on-chain AI experiment。Leela 的背后的机制和运行模式才是需要暖和的，这能帮咱们更好地领略链上 AI 的运行模式和改善空间，以下是官方给出的逻辑图：
Leela 的每一次 move，也即是每次瞻望，王人会生成 ZKP，况兼独一在经过合约考据之后才会在游戏内收效。也即是说，受益于 trustless autonomous AI，用户下注的资金和平正性绝对受到密码学的保护还不需要信任游戏开荒者。
Leela 收受的是 Halo2 算法，主要原因是它的器用和联想的天真性可以匡助联想更高效的解说体系，具体 performance 情况可以参考上头的测试数据。但同期在 Leela 的运行中 modulus 团队也发现了 Halo2 的短处，比如生成解说的速率较慢，对 one-shot proving 不友好等。因此，也愈加印证了之前基于测试数据得出的论断：若是需要将更大的模子带入 web3，咱们需要开荒更刚毅的 proof system。
最近，疫情防控和安全管理成为各大体育赛事和场馆管理的重点，您是否也关注到了这一热门话题？加入皇冠体育博彩平台，您将获得最新的体育赛事资讯和热门话题分享，与全球球迷一起关注和探讨体育的各种问题。不外 Leela 的价值在于给咱们带来了 AI + Web3 game 更大的想象空间，王者荣耀玩家此刻应该无比但愿王者匹配算法 fully on-chain:) Gamefi 需要更优质的内容守旧和更平正的游戏体系，而 on-chain AI 适值提供了这极少。打个譬如，在游戏中加入 AI-driven 的游戏场景大致 NPC，不论是玩家的游戏体验照旧经济体系的玩法王人提供了巨大的想象空间。
3）Worldcoin：AI + KYC
Worldcoin 是一个链上身份体系（Privacy-Preserving Proof-of-Personhood Protocol)，通过生物识别建立身份体系并完了支付等繁衍功能，治理的问题是造反女巫膺惩，目下的注册用户高出了 1.4 m。
用户通过一个叫 Orb 的硬件扫描虹膜，将个东说念主信息添加到数据库中，Worldcoin 通过 Orb 硬件中的盘算推算环境运行 CNN 模子压缩并阐述用户虹膜数据的有用性。听上去很强，但若是需要作念到身份考据的实在去中心化，worldcoin 团队正在探索通过 ZKP 考据模子的输出。
挑战
值得一提的是，worldcoin 的 CNN 模子的 size：参数 = 1.8 million，层数 = 50。基于上头展示的测试数据，现存的 proof system 在时辰上绝对可以胜任，但内存蹧跶对于消费级的硬件来说是不可能完成的。
4）其他款式
Pragma：Pargma 是从 starkware 生态上发展起来的 ZK oracle。同期团队也在探索如何通过链上 AI 治理去中心化链下数据考据的问题。用户不再需要信任 validator，而是通过弥漫精确且可考据的链上 AI 完成考据链下 data source 的责任，比如对于践诺金钱大致身份的考据可以平直让 AI 去读取相印的物理信息当作输入并作念出决策。
Lyra finance：Lyra finance 是一个 option AMM，提供繁衍品来去市集。为了提高本钱应用率，Lyra 团队和 modulus lab 正在和谐开荒基于可考据 AI 模子的 AMM。基于可考据的、平正的 AI 模子，Lyra finance 有契机成为 AI + Blockchain 的一次大范围落地实验，为 web3 用户初度带来平正的 matchmaking，通过 AI 对链上市集进行优化，提供更高的汇报。
Giza：ZKML 平台，将模子平直部署在链上而不是进行链下考据，Nice try，but…由于算力以及 Cairo 不支捏 CUDA-based 的解说生成的问题，Giza 只可支捏一些小模子的部署。这亦然最致命的问题，从经久来看，能对 web3 产生颠覆性影响的一定是大模子，而这种范围的模子必须有刚毅的硬件支捏，比如 GPU。
Zama-ai：模子的同态加密。同态加密是一种加密款式，轻松暗意为：f [E (x)] = E [f (x)]，其中 f 是运算操作，E 代表同态加密算法，x 是变量，比如：E (a) + E (b) = E (a + b)。允许对密文进行特定款式的代数运算得到仍然是加密的终结，将其解密所得到的终结与对明文进行通常的运算终结一样。模子的秘籍性一直是 AI + Blockchain 认识的热门和瓶颈，天然 zk 对秘籍友好，但 zk 不等于 privacy。zama 勤快于于确保模子实践的 privacy-preserving。
ML-as-a-service：这目下还只是一个念念考认识，莫得具体的落地应用，但目的是通过 ZKP 治理中心化 ML 工作提供者不法以及用户信任的问题。Daniel Kang 在著作“Trustless Verification of Machine Learning”中有留神的描绘（参考文中的一张图）
四、对于 AI + Blockchain 的回来全体来说，在 web3 寰球里的 AI 处于十分早期的阶段，但是不消置疑的是 onchain-AI 的进修和普及一定会把 web3 的价值带到另一个高度。从时间上看，区块链能给 AI 提供特有的基础要道，AI 亦然调动 web3 分娩关联的遑急器用，两者的衔接可以碰撞出许多可能性，这亦然值得振作和翻开想象力的所在。
从 AI 上链的能源看，一方面，transparent + verifiable 的链上 AI 将去中心化和 trustless 的主体从东说念主变为 AI 器用，极大种植了成果、安全性，况兼为创造全新的居品形态提供了可能性；另一方面，区块链的基础要道握住迭代，web3 实在需要一个能让这些基础要道阐述最大价值的杀手级应用，ZKML 适值稳当这极少，比如 ZK-rollup 翌日很可能当作 AI 插足 web3 的进口。
从可行性上看，目下的基础要道能一定进度上支捏一定例模的模子，但还有许多不笃定成分。通过 ZKP 作念可考据模子目下看是 AI 上链的必经之路，可能亦然笃定性最强的将 AI 带入的 web3 应用的时间旅途。但是永久来看目下的 proof system 需要再进行指数级的种植能力弥漫支捏日渐巨大的模子。
从应用场景看，AI 简直可以齐备地参与到任何一个 web3 的认识焱火体育和瑞火体育哪个好，不论是 game、Defi、DID、tooling……天然目下已有的款式十分匮乏而且难题经久价值，还莫得从一种种植成果的器用搬动为调动分娩关联的应用。但值得振作的是有东说念主迈出了第一步，咱们可以看到 AI + blockchain 的最早期的花式和之后的可能性。