Sáng tác: Luccy, BlockBeats

Biên tập viên: Jack, BlockBeats

BlockBeats Thông báo, ngày 11 tháng 11 dự án thứ 2, Modulus Labs, một dự án nhằm mục đích nâng cao tính bảo mật mã hóa cho trí tuệ nhân tạo, đã hoàn thành vòng tài trợ ban đầu trị giá 6,3 triệu USD với sự tham gia của Variant và 1Kx. Khái niệm cốt lõi của Modulus Labs là sử dụng bằng chứng không có kiến thức để cung cấp xác minh cho hệ thống AI, đảm bảo rằng các truy vấn AI vẫn nguyên vẹn và không bị giả mạo. Điều này mở đường cho việc kết hợp AI vào các ứng dụng Web3 rộng hơn.

"Trí tuệ nhân tạo đang thay đổi thế giới", điều này dường như đã trở thành sự đồng thuận. Chỉ trong vài tháng, mô hình ngôn ngữ AI ChatGPT do OpenAI phát triển đã gây bão trên toàn thế giới. Một tương lai trong đó các thuật toán trí tuệ nhân tạo có thể chẩn đoán bệnh ung thư hoặc thực hiện các giao dịch trị giá hàng tỷ đô la trên thị trường chứng khoán không còn là chuyện khoa học viễn tưởng nữa.

Mỗi khi chúng ta sử dụng trí tuệ nhân tạo để được tư vấn, xếp hàng điểm tín dụng mới nhất hoặc làm mới các nguồn truyền thông xã hội mà chúng ta lựa chọn, dữ liệu lớn sẽ thúc đẩy chúng ta. đến nhiều điều bất ngờ. Tuy nhiên, các hoạt động AI quá tốn kém về mặt tính toán để chạy trực tiếp trên chuỗi. Điều này có nghĩa là để đưa khả năng AI vào hợp đồng thông minh, chúng ta cần tin tưởng rằng người vận hành AI luôn có thể chạy mô hình mà không cần thao tác.

Và trong bối cảnh tiền điện tử, niềm tin hầu như luôn là một ý tưởng rất tồi. Modulus Labs, do Variant và 1Kx đầu tư, giới thiệu công nghệ chứng minh ZK vào AI, cụ thể là máy học không kiến thức (zkML), để xác minh trí tuệ nhân tạo. Vậy zkML thực hiện điều này như thế nào, BlockBeats thu thập dữ liệu hiện có và sắp xếp nó như sau.

Modulus Labs mang lại bảo mật mật mã cho trí tuệ nhân tạo như thế nào

Hiện tại chúng tôi chưa có Không gian blockchain đang chứng kiến các ứng dụng AI mới quan trọng, vì các rào cản trong việc triển khai các mô hình học máy trên chuỗi cao hơn nhiều so với việc thiết lập phần mềm truyền thống. Sức mạnh tính toán của blockchain để xác minh tác động của hành động của người dùng là rất quan trọng đối với chức năng của nó. Cho đến nay, AI hoạt động kém về mặt này, với hầu hết các mô hình học máy chạy trong các máy chủ không rõ ràng, các thuật toán hộp đen được điều chỉnh bởi các nhà khai thác tương đối miễn nhiễm với sự giám sát kỹ lưỡng.

Trong một thế giới bị chi phối bởi niềm tin, các cơ chế máy học hiện tại khó đáp ứng được yêu cầu xác minh. Khi tiền đặt cược tăng lên, động lực để mọi người nghiên cứu, tác động và thậm chí thay thế các thuật toán AI bằng những thuật toán phù hợp hơn với sở thích của họ cũng tăng theo.

Modulus Labs đang xây dựng AI không đáng tin cậy với bằng chứng không có kiến thức để giúp công nghệ này rẻ hơn và dễ sử dụng hơn với các giao thức mật mã.

Sử dụng ZK để kiểm tra AI

Modulus Labs tập trung vào học máy không có kiến thức (zkML ) để xác minh trí tuệ nhân tạo.

zkML đề cập đến các mô hình ML có thể được chứng minh là đúng bất kể việc tính toán được thực hiện trong môi trường mở hay máy chủ tập trung riêng. Điều này có nghĩa là các tác nhân AI và mô hình học máy giờ đây có thể bắt đầu hoạt động như phần mở rộng tự nhiên của logic hợp đồng thông minh. Cụ thể, Modulus Labs tin rằng zkML có thể giúp mở khóa các giao thức phi tập trung tiên tiến hơn bằng cách giảm thiểu nhu cầu quản trị con người đối với các chức năng động phức tạp.

Các blockchain như Ethereum là những máy tính phi tập trung, chậm chạp. Chương trình càng lớn thì blockchain sẽ mất nhiều thời gian hơn để chạy nó. Để giải quyết vấn đề này, các nhà phát triển chạy các chương trình ngoài chuỗi hoặc trên các máy chủ riêng với các bằng chứng ngắn gọn. Sau đó, họ chuyển bằng chứng sang blockchain và mọi người chỉ phải giải bằng chứng để xác minh rằng mã được thực thi chính xác, thay vì kiểm tra từng dòng của chương trình.

Hiện nay, các công ty khởi nghiệp đang thúc đẩy việc sử dụng bằng chứng không có kiến thức cho máy học, một sự kết hợp mà họ gọi là zkML.

Để giúp hiện thực hóa tầm nhìn này, Modulus Labs sẽ ra mắt nhiều ứng dụng ZKML trong vài tháng tới, bắt đầu với sự hợp tác của Upshot, người đứng đầu đánh giá NFT.

Upshot sử dụng AI để cung cấp giá NFT chính xác và kịp thời (hơn 100 triệu đánh giá mỗi giờ, MAPE từ 3-10%), nghĩa là có cơ hội Tài sản đuôi dài mở ra thị trường tài chính mới. Modulus Labs đặt mục tiêu cung cấp giá AI của Upshot trên chuỗi mà không từ bỏ bảo mật blockchain. Kết quả là sự kết hợp giữa siêu năng lực AI và bảo mật blockchain tạo ra giá NFT, sự kết hợp được kích hoạt bởi bằng chứng ZK của Modulus.

Ngoài ra, Modulus Labs còn hợp tác với AI Arena, một trò chơi điện tử trong đó các chiến binh trí tuệ nhân tạo học hỏi từ người chơi. Nhân loại khiến các chiến binh chống lại nhau và người chiến thắng sẽ giành được tiền điện tử. Người chơi cần tin tưởng rằng đối thủ của họ không thao túng hoặc gây ảnh hưởng đến võ sĩ một cách không công bằng vì lợi ích tài chính. Để mang đến cho người dùng sự tự tin này, Modulus Labs đang phát triển các bằng chứng không có kiến thức tùy chỉnh để xác minh rằng chiến binh AI mà người chơi huấn luyện chính là chiến binh được triển khai trong một trận đấu.

Nâng cao trải nghiệm người dùng dAPP với AI chống giả mạo

Modulus Labs tin rằng mật mã là công cụ duy nhất để nắm giữ thuật toán chịu trách nhiệm.

Để dApps có được khả năng AI mạnh mẽ, đôi khi cần phải từ bỏ tính bảo mật của việc phân cấp và chịu rủi ro của việc tập trung hóa. Modulus Labs dựa vào Xác minh ZK để đưa trí tuệ nhân tạo vào chuỗi khối mà không từ bỏ tính bảo mật phi tập trung.

Khi áp dụng cho trí tuệ nhân tạo, mật mã không có kiến thức cho phép chúng tôi xác minh rằng mô hình trí tuệ nhân tạo hoạt động "chính xác" mà không tiết lộ bí mật đằng sau mô hình. Nói cách khác, Modulus Labs sử dụng toán học để kiểm tra xem kết quả AI có bị thao túng một cách bí mật hay không. Bằng cách xác minh "bằng chứng về tính chính xác" này trên chuỗi, bạn có thể đạt được mức độ bảo mật tương đương với tính bảo mật của blockchain với chi phí thấp hơn.

Với bằng chứng không có kiến thức, những người quan sát bên ngoài có thể xác minh rằng một công ty hoặc nhà phát triển đã sử dụng thuật toán trí tuệ nhân tạo đã hứa. Ví dụ, OpenAI, gã khổng lồ phát triển ChatGPT, có thể chứng minh chatbot của họ đã viết một bài thơ mà không tiết lộ “trọng số” của thuật toán hay mô hình AI học được gì sau khi được huấn luyện trên lượng lớn dữ liệu.

Thông qua độ chắc chắn của mật mã, chúng ta có thể biết liệu một đồng nghiệp AI đã cung cấp mã giả mạo bí mật hay liệu điểm tín dụng có bị ảnh hưởng bởi một ngân hàng thiên vị hay không, cho dù là phương tiện truyền thông xã hội thông tin bị ảnh hưởng. Modulus Labs gọi đây là “trí tuệ nhân tạo có trách nhiệm”.

Hiện tại, Modulus Labs đã mở danh sách chờ cho API “trí tuệ nhân tạo trên chuỗi” và người dùng có thể đăng ký để thêm AI chống giả mạo vào dAPP.

Tình hình tài chính và đội ngũ

Vào ngày 2 tháng 11, Modulus Labs đã hoàn thành vòng tài trợ ban đầu trị giá 6,3 triệu đô la với sự tham gia của Variant và 1Kx. Cũng như các nhà đầu tư thiên thần từ Ethereum Foundation, Worldcoin, Polygon, Celestia, Solana, Microsoft, Gensyn.ai, v.v.

Khi chấp nhận "Vận may" Trong một cuộc phỏng vấn với tạp chí, Ali Yahya, đối tác chung của a16z, cho biết: "Chúng tôi chắc chắn quan tâm đến việc đầu tư vào danh mục này vì chúng tôi nghĩ nó sẽ rất quan trọng". Tuy nhiên, ông chỉ ra rằng với tư cách là một nhà đầu tư, ông tập trung vào ứng dụng zkML trong lĩnh vực mã hóa chứ không phải các lĩnh vực khác.

Steven Smith, lãnh đạo giao thức tại Tools for Humanity, công ty phát triển Worldcoin, cũng cho biết: “Đây là một lĩnh vực nghiên cứu khổng lồ đối với chúng tôi và là một lĩnh vực rất hứa hẹn”. Worldcoin là một dự án được thành lập bởi Giám đốc điều hành OpenAI Sam Altman và một người chơi có ảnh hưởng trong không gian mới nổi. Một trong những nhà phát triển của nó đã tổ chức một nhóm Telegram dành riêng cho lĩnh vực này và nền tảng liên kết của nó dự định cung cấp các khoản tài trợ cho các nhà nghiên cứu và dự án zkML.

Ngay cả các công ty nhỏ hơn cũng đang xem xét zkML. Tom Walton-Pocock, người sáng lập công ty đầu tư mạo hiểm công nghệ sâu Geometry, cho biết: “Tại một thời điểm nào đó trong tương lai - dù là hôm nay, sáu tháng hay bốn tháng - có lẽ đã đến lúc các nhà đầu tư công nghệ sâu phải hành động sớm hơn. . 》

Tháng 8 năm 2022 Daniel Shorr, 23 tuổi, đang lướt Twitter trong căn phòng ký túc xá màu xám ở Đại học Stanford thì thấy ai đó đăng bức tranh vẽ một người phụ nữ đi qua mặt tiền cửa hàng có ánh đèn neon. Nó được tạo ra bởi Stable Diffusion, một mô hình AI tạo ra hình ảnh từ văn bản, lấy cảm hứng từ lời nhắc "Los Angeles at Night". Năng lực nghệ thuật của thuật toán đã mang lại cho Shorr một "khoảnh khắc tồi tệ".

"Các thuật toán thông minh sẽ chiếm tỷ trọng ngày càng tăng trong chế độ ăn máy tính của thế giới chúng ta", ông viết trong ghi chú trên chiếc MacBook của mình ngay sau đó. "Cryptozoology là cơ chế duy nhất giúp các thuật toán mạnh mẽ này có trách nhiệm." Shorr, cùng với người bạn cùng phòng năm thứ nhất Ryan Cao và người bạn trung học Nick Cosby, đã quyết định tạo điều kiện thuận lợi để biến ý tưởng của bạn thành hiện thực. Sau khi tốt nghiệp chương trình thạc sĩ của Stanford, Shorr và Cao hợp tác với Cosby để thành lập Modulus Labs, một công ty khởi nghiệp tập trung vào trách nhiệm giải trình về học máy. Để kiểm soát các thuật toán AI, họ dự định sử dụng một kỹ thuật gần đây đang thịnh hành trong thế giới tiền điện tử: bằng chứng không có kiến thức.

"Điều gì sẽ xảy ra nếu chúng ta đưa trí tuệ nhân tạo vào blockchain? Nghe giống như điều mà một đứa trẻ 7 tuổi sẽ mơ về," họ gần đây đã viết trên Medium bài đăng đó . "Nhưng một lần nữa, theo kinh nghiệm của chúng tôi, những đứa trẻ 7 tuổi có thể rất thông minh."

Những sinh viên mới tốt nghiệp Stanford không phải là những người duy nhất tin vào số 0 -knows Bằng chứng của những người đang kiểm tra trí tuệ nhân tạo, họ là thành viên của cộng đồng gồm các nhà nghiên cứu và doanh nhân blockchain, những người tin vào sự hội tụ của công nghệ mật mã phổ biến này với lĩnh vực học máy. Họ nói rằng mặc dù sự kết hợp công nghệ này có liên quan trực tiếp đến thế giới tiền điện tử nhưng nó có thể sớm tìm thấy các ứng dụng bên ngoài blockchain.

Có nhiều rào cản hậu cần đối với việc chứng minh không có kiến thức trở thành một phần trong quy trình xác minh AI hàng ngày của chúng ta, bao gồm cả quy mô sức mạnh tính toán cần thiết để tạo ra bằng chứng cho các thuật toán AI phức tạp và cách thức Một cơ chế cung cấp bằng chứng cho người dân. Nhưng hãy biết rằng trách nhiệm giải trình của AI không phải là thuốc chữa bách bệnh mà là một "cách tiếp cận đa hướng".

Chào mừng bạn tham gia cộng đồng chính thức của BlockBeats:

Nhóm Telegram đăng ký: https://t.me/theblockbeats

Nhóm Telegram thảo luận: https://t.me/BlockBeats_App

Tài khoản Twitter chính thức: https://twitter.com/BlockBeatsAsia