图片来源：由无界 AI器具生成
皇冠客服飞机：@seo3687Overview排列五炸金花通过这篇著述你可以了解：
什么是 on-chain AI？
为什么还莫得链上 AI?
皇冠博彩公司网站AI 上链的能源；
本事旅途；
我会通的 on-chain AI 价值；
on-chain AI 的应用场景和款式分析。
一、AI + blockchain =？开辟者对基础关节建筑的跋扈执着和各式 rollup 惩办决策的更新迭代确乎让底本逾期的 web3 计较才略终明晰讲理，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终了链上 AI，径直在链下运行模子似乎也能舒适大部分需求，而事实上头前简直通盘的 AI 模子齐所以黑盒、中心化的模式在运行，而况一样在各个畛域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？
主流的会通是通过区块链让 AI 模子 transparent + verifiable
亚慱体育登录平台再具体少量，AI 上链意味着东说念主工智能模子的 complete verification，也等于说一个模子需要向全网（用户或考证者）公开以下三点：
模子架构；
模子参数和权重：公开参数和权重随机候会对产物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。
当舒适以上要求时，通盘这个词模子推行的过程是具备详情趣的且不再是黑盒操作，任何东说念主齐可以在链上对模子的输入和闭幕进行考证，从而刺目模子领有者简略关系权限东说念主对模子进行主宰。
皇冠hg86a
2）AI + blockchain 的能源是什么？
AI 与 blockchain 蕴蓄的真谛不在于替代中心化的 Web2 东说念主工智能的运作模式，而是：
在不阵一火去中心化和 trustless 的基础上，为 web3 寰宇创造下一阶段的价值。面前的区块链就像是 web2 的早期阶段，还莫得相接更粗鲁应用简略创造更大价值的才略。而惟有在加入 AI 之后，dapp 的假想力才略着实越过到下一阶段，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，而是通过阐发区块链的价值，从用户体验和可能性上作念出擢升。
为 web2 黑盒的 AI 运行模式提供一种透明的、trustless 的惩办决策。
假想一下 web3 的应用场景：
将保举算法加入到 NFT 来去平台，基于用户喜好保举相应 NFT，提高转换；
在游戏中加入 AI 敌手方，更透明、平正的游戏体验；
……
但是，这些应用齐是通过 AI 对已有的功能在闭幕简略用户体验上的进一步改善。
- 有价值吗？有。
- 价值大吗？取决于产物和场景。
AI 能创在的价值从来齐不仅是 99 到 100 的优化，着实让我粗糙的，是从 0 到 1 的全新应用，一些惟有通过 transparent + verifiable 的链上模子才略终了的 use case。不外这些“令东说念主粗糙的”use case 面前主要靠假想力，莫得教训的应用，先来开几个脑洞：
通过基于 neural network 的决策模子作念 crypto trading：一种产物形态可能更像是 copy trading 的升级版块，致使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过火 performance 下注。本色上 AI 把柄对 crypto 翌日价钱的估量更快更审定地进行来去。但是莫得链上 AI 自带的“trustless autonomy”，这么的下注对象简略措施根蒂是不存在的。用户/投资者可以透明地看到模子决策的原因、过程致使翌日高潮/下落的精确概率；
AI 模子算作裁判：一种产物可能是全新形态的预言机，通过 AI 模子对数据来源的准确性进行估量。用户不再需要信任 validator，也不必挂牵节点违警，预言机提供方致使不需要贪图复杂的节点集会和赏罚机制来终了去中心化。相应地，链上 transparent + verifiable 的 AI 依然填塞舒适考证链下 data source 置信度的任务。这种全新的产物形态在安全性、闭幕和成本上有契机酿成碾压，去中心化的对象也由东说念主越过到“trustless autonomy”的 AI 器具，无疑是更安全的。
基于大模子的组织照管/运作体系：DAO 的治理本色上应该是高效、去中心化、平正的，而面前的近况却以火去蛾中，松散且痴肥，贫窭透明和平正性，链上 AI 的加入能提供尽头契合的惩办决策，将照管模式、闭幕擢升到最高，将照管中系统性和东说念主性的风险无穷拉低。咱们致使可以去假想一种全新的 web3 款式的发展和运作模式，通盘这个词框架及翌日发展方针和提案简直不依赖开辟团队简略 DAO 投票的方式来进行决策，相应的，基于大模子更重大的数据赢得量和远超东说念主的计较才略去作念决策。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宇从东说念主到器具的跃迁。
……
小结一下
基于链上 AI 的新的产物形态基本可以追想为将去中心化和 trustless 的主体从东说念主变为 AI 器具，这也相宜传统寰宇坐褥力的进化过程，最启动是在东说念主这个主体凹凸功夫，握住升级擢升东说念主效，到背面通过智能器具替代东说念主，在安全性和闭幕上颠覆原有的产物贪图。
其中最重要的、也所以上一切的前提，是通过区块链终了 AI 的 transparent + verifiable。
3）Web3 的下一个阶段
区块链算作一个表象级的本事创新，不可能只是停留在原始阶段。流量和经济模子很进犯，但用户不会一直停留在追捧流量或破钞大批资源作念 X to earn，web3 也不会因此 onboard 下一波新用户。但有一件事的详情趣是很强的：web3 寰宇坐褥力和价值的创新一定来自 AI 的加入。
我合计约莫分红底下三个阶段
肇端：零学问讲授算法和硬件的更新迭代为链上 AI 的露出第一次提供了可能性；（咱们在这）
发展：无论是 AI 对已有应用的擢升如故基于 AI + blockchain 的全新产物，齐在将通盘这个词行业上前鼓舞；
结尾：AI + blockchain 的最终走向是什么？
上头的扣问齐是通过 AI 与区块链的蕴蓄 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身？AI + blockchain = 自得当的区块链
一些公链会开首交融链上 AI，从公链的层面转换为一种自得当的，自身发展方针不再依赖款式基金会决策而是基于重大数据进行决策、自动化水平远超传统区块链的形态，从而从面前多链蕃昌的方法中脱颖而出。
在 verifiable + transparent 的 AI 加合手下，blockchain 的自转换体面前那里，可以参考 modulus lab 提到的几个例子：
菠菜健身系统登录平台链上的来去市集可以去中心化地自动转换，比如基于链上公开数据及时、不需要 trust assumption 地治愈褂讪币的 interest rate；
多模态学习可以让链上左券的交互通过生物特征识别完成，提供安全的 KYC，并终了身份照管的实足去信任；
允许链上应用最大化地拿获链上数据带来的价值，支合手定制化内容保举等职业。
从另一个角度看，zkrollup 握住迭代优化，但是永远贫窭一个着实只可在 zk 生态上跑的应用，ZKML 正巧相宜这少量，而况假想空间也填塞大。ZK-rollup 翌日很可能算作 AI 参预 web3 的进口从而创造更大价值，两者相互建树。
二、终了方式和可行性1）Web3 能为 AI 提供什么？
基础关节和 ZK 无疑是 web3 最跋扈内卷的赛说念，各式 ZK 款式在电路优化和算法升级凹凸足了功夫，无论是对多层集会的探索，简略是对模块化区块链以及 data availability layer 的开辟，如故进一步将 rollup 作念成定制化的职业，致使硬件加快……这些尝试齐在将区块链的可扩展性、成本、算力推向下一个阶段。
ug环球官网AI + blockchain 听上去可以，但具体若何个加法？
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 的过程等于模子推行的过程，对模子估量的过程生成 proof（其中包括模子参数和 input），任何东说念主齐可以在链上考证 proof。
AI 模子如故在高效的集群上推行，致使搞点硬件加快进一步擢升计较速率，在最大化应用算力的同期确保莫得中心化的东说念主简略机构可以从中点窜或插手模子，也等于确保：
皇冠博彩模子估量闭幕的详情趣 = 可考证的（input + 模子架构 + 参数）
把柄以上作念法，可以进一步料想哪些 infra 对 AI 上链至关进犯：
ZKP system、rollup：Rollups 膨大了咱们对区块链计较才略的假想空间，把一堆 transactions 打包，致使递归地生成 proof of proof 进一步镌汰成本。对于面前重大的模子来说，提供可能性的第一步等于 proof system 和 rollup；
硬件加快：ZK rollup 提供了 verifiable 的基础，但 proof 的生成速率径直关系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，而链上模子以及敏锐数据一样需要保证阴事性。
补充：
大模子的基础是 GPU，莫得高并行的支合手，大模子的闭幕将会尽头低，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，历久来看并不利好大模子的部署。
2）挑战：更强盛的 proof system
ZK Proof 的生成速率和内存使用情况至关进犯，一个关系到用户体验和可行性，一个关系到成本和天花板。
面前的 zkp system 够用吗？
够用，但不够好…
Modulus lab 在著述“The Cost of Intelligence: Proving Machine Learning Inference with Zero-Knowledge”尽头详备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 中提到的不同讲授系统
基于以上 zk 算法，modulus lab 分裂从时候消耗和内存占用两个维度起程进行测试，而况在这两个维度等分裂轨则了参数和层数两个中枢变量。以下是 benchmark suites，这么的贪图也可以约莫闪避从 LeNet5 的 60 k 参数目，0.5 MFLOPs，到 ResNet-34 的 22 M 参数目，3.77 GFLOPs。
www.queenlysports.com时候消耗的测试闭幕：
内存占用的测试闭幕：
基于以上数据，举座看面前的 zk 算法以及具备支合手对大模子生成 proof 的可能性，但相应的成本依旧很高，需要致使 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，但是算作 tradeoff 内存占用显赫加多。Plonky2 和 zkCNN 在时候和空间上的阐发一样考证了这少量。
那么面前问题其实就从 zkp system 是否可以支合手链上 AI 转换为了支合手 AI+Blockchain 付出代价值不值？而况跟着模子参数的指数级上升，对 proof system 的压力也会赶紧加多。确乎，面前有 trustless 的神经集会吗，莫得！等于因为成本算不外来。
因此，打造一个为 AI 定制化的 proof system 至关进犯。同期，终了对 AI 这种单次调用计较十分复杂的逻辑，gas 的消耗模子也需再行贪图，一个高性能的 zkvm 至关进犯，但面前咱们依然能看到好多高性能的尝试，比如 OlaVM, polygon Miden 等，这些基础关节的握住优化极大擢升了 onchain-AI 的可行性。
皇冠球盘源码三、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 这个方针从不贫窭优秀的团队和创新的观点。
就像上头说的，从 AI + Blockchain 发展阶段看面前市集处于肇端到发展的中间阶段，产物尝试方针还所以基于现存功能对用户体验优化为主。但最能体现价值的如故通过 AI 在链上将 trustless 的主体由东说念主变为器具，在安全性和闭幕上颠覆原有的产物形态。
底下从一些现存的应用尝试起程，分析一下 AI + Blockchain 历久的产物发展方针
1）The Rockefeller Bot：寰宇上第一个 on-chain AI
Rockefeller 是 modulus lab 团队推出的第一个链上 AI 的产物，有很强的“记挂价值”。这个模子本色上是一个 trading bot，具体来说，rockefeller 的考验数据是大批链上公开的 WEth-USDC 的 price/exchange rate，其自身是一个三层前馈经集会模子，估量指标是翌日 WEth 价钱涨跌。
以下是当 trading bot 决策要进行来去时的进程：
Rockefeller 在 ZK-rollup 上对估量闭幕生成 ZKP；
ZKP 在 L1 上被考证（资金由 L1 的合约守护），并推行操作；
可以看出 trading bot 的估量、资金操作实足是去中心化且 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 也能最猛进度上的拆除东说念主性的影响，更审定地进行来去。
你可能依然想给 Rockefeller 注点资金玩一玩了，但这简直能成绩吗？
并不可，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、闭幕、讲授系统等多方面的收尾，rockefeller 的主要目的是算作一个 demo 让 web3 寰宇看到 on-chain AI 的可行性。（Rockefeller 依然完成任务下线 T T）
2）Leela：寰宇上第一个 on-chain AI game
最近发布的 Leela v.s. the world 一样是出自 modulus lab。游戏机制很通俗，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)。天然在模子范围和产物内容上 Leela 齐超越了 rockefeller，但归根结底这如故一次大型的 on-chain AI experiment。Leela 的背后的机制和运行模式才是需要热心的，这能帮咱们更好地会通链上 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，也等于每次估量，齐会生成 ZKP，而况惟有在经过合约考证之后才会在游戏内告成。也等于说，受益于 trustless autonomous AI，用户下注的资金和平正性实足受到密码学的保护还不需要信任游戏开辟者。
Leela 接受的是 Halo2 算法，主要原因是它的器具和贪图的生动性可以匡助贪图更高效的讲授体系，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 的瑕玷，比如生成讲授的速率较慢，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：淌若需要将更大的模子带入 web3，咱们需要开辟更强盛的 proof system。
不外 Leela 的价值在于给咱们带来了 AI + Web3 game 更大的假想空间，王者荣耀玩家此刻应该无比但愿王者匹配算法 fully on-chain:) Gamefi 需要更优质的内容支合手和更平正的游戏体系，而 on-chain AI 正巧提供了这少量。打个比喻，在游戏中加入 AI-driven 的游戏场景简略 NPC，无论是玩家的游戏体验如故经济体系的玩法齐提供了巨大的假想空间。
从数据层面，日本通胀已经显著高于2%，核心消费者通胀已连续14个月高于日本央行2%的目标，具备了修改YCC的条件，且由于通胀回升，导致债券收益率上行，通过YCC压制债券市场利率也让日本央行捉襟见肘。
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终了支付等繁衍功能，惩办的问题是抵挡女巫缺欠，面前的注册用户越过了 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 硬件中的计较环境运行 CNN 模子压缩并阐述用户虹膜数据的有用性。听上去很强，但淌若需要作念到身份考证的着实去中心化，worldcoin 团队正在探索通过 ZKP 考证模子的输出。
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 在时候上实足可以胜任，但内存消耗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 惩办去中心化链下数据考证的问题。用户不再需要信任 validator，而是通过填塞精确且可考证的链上 AI 完成考证链下 data source 的责任，比如对于实践财富简略身份的考证可以径直让 AI 去读取相印的物理信息算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。为了提高老本应用率，Lyra 团队和 modulus lab 正在配合开辟基于可考证 AI 模子的 AMM。基于可考证的、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 用户初次带来平正的 matchmaking，通过 AI 对链上市集进行优化，提供更高的答复。
Giza：ZKML 平台，将模子径直部署在链上而不是进行链下考证，Nice try，but…由于算力以及 Cairo 不支合手 CUDA-based 的讲授生成的问题，Giza 只可支合手一些小模子的部署。这亦然最致命的问题，从历久来看，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强盛的硬件支合手，比如 GPU。
Zama-ai：模子的同态加密。同态加密是一种加密容貌，通俗示意为：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容貌的代数运算得到仍然是加密的闭幕，将其解密所得到的闭幕与对明文进行一样的运算闭幕一样。模子的阴事性一直是 AI + Blockchain 方针的热门和瓶颈，天然 zk 对阴事友好，但 zk 不等于 privacy。zama 致力于确保模子推行的 privacy-preserving。
ML-as-a-service：这面前还只是一个念念考方针，莫得具体的落地应用，但目的是通过 ZKP 惩办中心化 ML 职业提供者违警以及用户信任的问题。Daniel Kang 在著述“Trustless Verification of Machine Learning”中有详备的形色（参考文中的一张图）
四、对于 AI + Blockchain 的追想举座来说，在 web3 寰宇里的 AI 处于尽头早期的阶段，但是不消置疑的是 onchain-AI 的教训和普及一定会把 web3 的价值带到另一个高度。从本事上看，区块链能给 AI 提供特有的基础关节，AI 亦然改革 web3 坐褥关系的进犯器具，两者的蕴蓄可以碰撞出好多可能性，这亦然值得粗糙和大开假想力的场地。
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 器具，极大擢升了闭幕、安全性，而况为创造全新的产物形态提供了可能性；另一方面，区块链的基础关节握住迭代，web3 着实需要一个能让这些基础关节阐发最大价值的杀手级应用，ZKML 正巧相宜这少量，比如 ZK-rollup 翌日很可能算作 AI 参预 web3 的进口。
从可行性上看，面前的基础关节能一定进度上支合手一定例模的模子，但还有好多不祥情身分。通过 ZKP 作念可考证模子面前看是 AI 上链的必经之路，可能亦然详情趣最强的将 AI 带入的 web3 应用的本事旅途。但是长久来看面前的 proof system 需要再进行指数级的擢升才略填塞支合手日渐重大的模子。
从应用场景看，AI 简直可以齐全地参与到任何一个 web3 的方针股票行情002555，无论是 game、Defi、DID、tooling……天然面前已有的款式尽头匮乏而且贫窭历久价值，还莫得从一种擢升闭幕的器具转换为改革坐褥关系的应用。但值得粗糙的是有东说念主迈出了第一步，咱们可以看到 AI + blockchain 的最早期的神气和之后的可能性。