Về lâu dài, nhu cầu về chuỗi khối của AI là nhu cầu tự nhiên để tự thực hiện. Tất nhiên, còn một chặng đường dài phía trước
1. Chuỗi khối cũng là một trong những xu hướng quan trọng nhất
Kể từ đầu năm nay, AI đã trở nên phổ biến hơn nhiều so với blockchain. Tuy nhiên, thế giới mã hóa không cần phải nản lòng.Làm thế nào để hiểu được các cơ hội trong tương lai của blockchain? Hãy để tôi nói về những suy nghĩ của tôi đầu tiên:
Chuỗi khối là một trong những xu hướng quan trọng nhất trong lịch sử loài người, sự phát triển từ Internet thông tin web2 sang Internet giá trị web3 cũng là một nhu cầu để cải thiện năng suất. Chỉ có mười năm thời gian ngắn ngủi, còn có mấy chục năm tiến hóa. Ảnh hưởng cơ bản của nó hiện là công nghệ lớn thứ hai sau AI.
**AI và chuỗi khối cần được tích hợp, mặc dù tiến độ sẽ không nhanh. **
Hãy để tôi nói ngắn gọn về điểm thứ hai ngày hôm nay: nhu cầu tích hợp của AI và blockchain.
Thứ hai, nơi blockchain có thể trợ giúp AI
tính toán
Mọi người đều biết rằng AI có nhu cầu rất lớn về sức mạnh tính toán. Có nhu cầu về cách sử dụng sức mạnh tính toán nhàn rỗi cho sức mạnh tính toán AI. Tuy nhiên, hiện tại, do việc đào tạo các mô hình AI đòi hỏi tính toán chuyên sâu nên rất tốn kém. Về mặt điện toán AI nói chung, không có nhiều nơi mà blockchain có thể trợ giúp.
Trong số đó, có ba điểm chính bị chỉ trích: **Thứ nhất, cần có sự hỗ trợ của phần cứng GPU chuyên dụng; thứ hai, độ trễ trao đổi dữ liệu; thứ ba, bằng chứng về các tác vụ điện toán phi tập trung. **
Như đã đề cập ở trên, đào tạo AI là một phép tính chuyên sâu trên quy mô lớn. Đào tạo LLM có hàng tỷ tham số và FLOP để đào tạo các mô hình này thậm chí còn lớn hơn. Chỉ có phần cứng chuyên dụng (GPU AI, với các thành phần đặc biệt, chẳng hạn như Bộ xử lý Tensor, v.v.) để thực hiện các khóa đào tạo này để đạt được kết quả tốt hơn; ngoài ra, để đạt được kết quả tốt nhất, tất cả các GPU tốt nhất là tính toán đẳng cấu và các GPU cùng cấp có nhiều khả năng thực hiện trao đổi dữ liệu và tiếp tục tính toán theo từng bước. Trong một mạng phi tập trung, có một yêu cầu đối với GPU của người tham gia. Tuy nhiên, yêu cầu càng cao thì ngưỡng càng cao, điều này không có lợi cho việc phân cấp và sử dụng sức mạnh tính toán nhàn rỗi.
GPU AI cần liên tục trao đổi dữ liệu. Nếu có độ trễ mạng, sẽ không tốt cho AI sử dụng sức mạnh tính toán phân tán để đào tạo.
Làm thế nào để xác minh việc hoàn thành các tác vụ điện toán phi tập trung đòi hỏi một giải pháp tương đối hiệu quả và chi phí thấp.
** Trên đây là những khó khăn trong việc kết hợp giữa điện toán phi tập trung và AI hiện nay, đây cũng là điểm mà việc kết hợp giữa AI và blockchain tương đối khó khăn. ** Tuy nhiên, từ góc độ của Blue Fox Notes, với việc thăm dò nhiều người tham gia hơn, những trở ngại ở khía cạnh này sẽ từng bước được giải tỏa và tất nhiên sẽ mất nhiều thời gian để đạt được.
Hãy nói về những khía cạnh có thể được giải quyết dần dần. Từ góc độ của AI nói chung, vẫn còn khó khăn để vào lĩnh vực mã hóa. Sau đó, bạn có thể bắt đầu từ lĩnh vực AI trong các lĩnh vực đặc biệt. Và điểm vào này cũng liên quan mật thiết đến các tác vụ tính toán AI hiện tại. **Có hai vị trí: thứ nhất, các tác vụ lý luận chiếm phần lớn nhu cầu điện toán AI hiện tại; thứ hai, một số tác vụ tinh chỉnh và lý luận yêu cầu ít tài nguyên hơn và có nhiều cơ hội để đạt được chúng thông qua điện toán phi tập trung. Hai điểm này có nghĩa là các cơ hội tiềm năng có thể có cho sức mạnh tính toán phi tập trung. **
AI trong các lĩnh vực cụ thể, chẳng hạn như luật, y học, đầu tư, giáo dục, phân tích dữ liệu và các lĩnh vực chuyên môn khác, có thể phù hợp hơn với loại mạng máy tính phân tán tập trung vào các lĩnh vực cụ thể trong giai đoạn đầu. Như đã đề cập ở trên, khó khăn trong việc cung cấp các dịch vụ sức mạnh điện toán phi tập trung cho AI không phải là hoàn thành các tác vụ điện toán mà là làm thế nào để xác minh việc hoàn thành các tác vụ theo cách phi tập trung. Một số dự án hiện đang cố gắng giải quyết vấn đề này, chẳng hạn như Gensyn và together, v.v.
Gensyn tích hợp một số kết quả nghiên cứu học thuật, chẳng hạn như bằng chứng học xác suất, giao thức định vị chính xác dựa trên biểu đồ, đồng thời dựa trên mô hình khuyến khích và kiểm tra và cân bằng của dự án Truebit. Gensyn phân tách toàn bộ quá trình thành tám giai đoạn, từ gửi nhiệm vụ AI, phân tích, đào tạo, tạo bằng chứng đến bằng chứng xác minh, thách thức, phân xử và giải quyết. Trong số đó, "Probability Learning Proof" được sử dụng để xây dựng ngưỡng khoảng cách cơ sở nhằm cung cấp cơ sở xác minh cho người xác minh; công nghệ "định vị chính xác dựa trên đồ họa" được sử dụng để giám sát việc thực hiện xác minh của người xác minh; mô hình trò chơi của Truebit cho phép các bên liên quan thực hiện tính hợp lý làm hướng dẫn. Để biết quy trình cụ thể, vui lòng tham khảo sách trắng của Gensyn. Nhân tiện, các dự án điện toán ngoài chuỗi như Truebit cũng có cơ hội phát triển theo hướng này, có thể đạt được nhiều cơ hội kinh doanh hơn. Tất nhiên, điều này đòi hỏi các đội phải đánh giá các cơ hội của họ.
So với khó khăn khi triển khai điện toán mạng phi tập trung, chia sẻ mô hình AI và chia sẻ dữ liệu AI là những lĩnh vực có cơ hội triển khai nhanh hơn. **Hai khía cạnh sau đây có thể là nơi mà sự kết hợp giữa AI và chuỗi khối dễ dàng đạt được những bước đột phá hơn trong giai đoạn đầu: chia sẻ mô hình phi tập trung và chia sẻ dữ liệu phi tập trung. **
Người mẫu
Khuyến khích chia sẻ các mô hình thông qua các ưu đãi mã thông báo để đạt được các mô hình tốt hơn. Thậm chí, các mô hình này có thể được triển khai trên chuỗi và được đào tạo bởi bất kỳ người tham gia nào để thúc đẩy sự phát triển của mô hình. Ngoài ra,** khi các mô hình AI trở nên phức tạp hơn, thì việc tin tưởng vào lập luận trở nên quan trọng. Đây là nơi lý luận đáng tin cậy trên chuỗi có thể phát huy tác dụng. **
Trong lĩnh vực tinh chỉnh và lý luận mô hình, Giza, ChainML, Bittensor, Modulus Lab, v.v. đều đang được khám phá. Những gì Giza đưa ra là một thị trường mô hình trực tuyến, nơi các mô hình đơn giản được triển khai trên chuỗi và các suy luận được thực hiện trên chuỗi. Chủ sở hữu mô hình có thể nhận được thu nhập từ phí liên quan sau khi mô hình được sử dụng.
Modulus đã đề xuất khái niệm về zkML. Nó tin rằng do vấn đề chi phí, việc chạy mô hình suy luận trên chuỗi là không thực tế. Do đó, giải pháp của nó là chạy mô hình suy luận ngoài chuỗi, sau đó tạo bằng chứng zkSNARK, chứng minh chúng trên chuỗi và vượt qua thông minh Hợp đồng thực hiện công việc của nó.
dữ liệu
Nền kinh tế mã thông báo được sử dụng để thúc đẩy người dùng đưa ra phản hồi về mô hình và khuyến khích người dùng thu thập dữ liệu chất lượng cao hơn. Có được dữ liệu chất lượng cao bằng cách cung cấp dữ liệu phân tán, đặc biệt là trong các lĩnh vực cụ thể, có ý nghĩa to lớn đối với sự phát triển của AI. Đồng thời, điều này cũng có thể được kết hợp với công nghệ ZK mà không tiết lộ quyền riêng tư đằng sau dữ liệu. Cái khó ở đây là làm sao chứng minh được chất lượng của chính dữ liệu đó. **
Sự kết hợp giữa dữ liệu chất lượng cao và các mô hình AI phi tập trung sẽ rất thú vị cho sự phát triển của AI.
chống hàng giả
Sau sự xuất hiện của mô hình học sâu hiện tại, hình ảnh, âm thanh, video, v.v. do AI tạo ra ngày càng khó phân biệt đâu là thật đâu là giả. **Trong thời đại của thế hệ AI, tính xác thực, chống giả mạo của nội dung càng trở nên quan trọng. **Blockchain là một phương tiện kỹ thuật quan trọng để giải quyết vấn đề này.
Nhận dạng và chữ ký dữ liệu được mã hóa đảm bảo tính xác thực của việc tạo nội dung, không giả mạo. Vấn đề này đặc biệt nghiêm trọng sau khi các công cụ AI bị lạm dụng. Đây là một phương tiện kỹ thuật quan trọng để chống lại nội dung giả mạo. Trong thời đại của những cái sai, công nghệ mã hóa là cần thiết để phân biệt thật giả.
Ngoài ra, cũng cần sử dụng công nghệ blockchain để xác nhận quyền. Ví dụ: đối với cùng một bức tranh, hình ảnh do AI và NFT tạo ra rất khó phân biệt từ bề ngoài và cần có blockchain để phát huy vai trò của nó vào lúc này.
AI linh hoạt hơn
Bằng cách tích hợp với chuỗi khối, AI có thể nhận được hỗ trợ về điện toán, mô hình, dữ liệu, băng thông, lưu trữ, v.v. và cuối cùng là nhận được hỗ trợ cơ sở hạ tầng phi tập trung, có khả năng tự phát triển hơn. **Ngoài ra, các khoản thanh toán được mã hóa và lưu thông giá trị trong lĩnh vực chuỗi khối cũng có thể hỗ trợ cho sự phát triển của AI.
**Sau khi hoàn thiện cơ sở hạ tầng chuỗi khối hoàn chỉnh, AI sẽ có nhiều khả năng tự phát triển hơn. **Nói cách khác, AI phi tập trung hơn cũng là một yêu cầu để AI tự thực hiện và sử dụng các đặc tính phân tán của chuỗi khối để phát triển AI cũng là nhu cầu phát triển của chính AI.
Đối với bản thân AI, nếu cuối cùng nó chỉ bị độc quyền bởi những gã khổng lồ như Microsoft và Google, thì nó cũng sẽ gây bất lợi cho sự phát triển của chính nó. AI có nhu cầu phát triển phi tập trung một cách tự nhiên, đó là nhu cầu để AI đạt được khả năng phục hồi cao hơn. Sức mạnh mà AI+blockchain có thể bùng phát có thể vượt xa sức tưởng tượng của mọi người.
Thứ ba, nơi AI có thể thúc đẩy chuỗi khối
Trí tuệ nhân tạo và hợp nhất dữ liệu trên chuỗi
Sử dụng AI để phân tích dữ liệu động trên chuỗi để có được khả năng dự đoán, chẳng hạn như nghiên cứu đầu tư. Một trong những khía cạnh thú vị nhất là **Bằng cách nhúng AI, các hợp đồng thông minh có thể thực hiện việc ra quyết định tự động năng động. **Ví dụ: defi được điều chỉnh dựa trên dữ liệu thời gian thực, v.v. Một hợp đồng thông minh động thay vì tĩnh sẽ cho phép chuỗi khối tạo ra nhiều kịch bản ứng dụng và nhu cầu của người dùng hơn.
**Sự phát triển của trí tuệ nhân tạo có thể mang lại những khả năng mới cho các ứng dụng mã hóa. **
AI mang đến những khả năng mới cho DeFi, trò chơi web3, mạng xã hội web3, ứng dụng web3 (giao thông, lưu trú, du lịch, v.v.). Ví dụ: chẳng hạn như trò chơi AI + web3, có thể tạo ra một chế độ trò chơi chưa từng có; chẳng hạn như AI + IoT + thanh toán được mã hóa, có thể tạo ra một mạng thông minh hơn.
Tầm quan trọng của ZKP
Để đảm bảo quyền riêng tư và hoàn thành các tác vụ điện toán, ZKP cần được thêm vào để tạo thành bằng chứng công việc có thể kiểm chứng. **Sau khi ZKP trưởng thành, nó có thể nhận ra AI trên chuỗi và cũng có thể cung cấp bảo vệ quyền riêng tư và học máy có thể kiểm chứng. **
Nhìn chung, chuỗi khối có thể cung cấp một khuôn khổ hợp tác cho sức mạnh tính toán, dữ liệu và thỏa thuận mô hình thông qua mô hình phi tập trung và cuối cùng thúc đẩy sự phát triển của AI. Trong quá trình này, có nhiều chi tiết cần được cải thiện, chẳng hạn như nhu cầu để chứng minh Sự đóng góp của những người tham gia (cho dù đó là sức mạnh tính toán, dữ liệu hay mô hình), chỉ khi những điều này được hoàn thành với chi phí thấp, chuỗi khối mới có cơ hội giúp đỡ AI, nếu không thì đó là một lâu đài trên không.
**Tất nhiên, từ quan điểm xu hướng, AI có nhu cầu tự nhiên đối với chuỗi khối và AI cần chuỗi khối để cung cấp khả năng phục hồi thực sự cho sự phát triển của chính nó. **
Đồng thời, AI cũng sẽ giúp phát triển các ứng dụng chuỗi khối, cho dù đó là DeFi, trò chơi hay các ứng dụng khác, các ứng dụng mã hóa thông minh hơn có thể ra đời. Đây có thể là một câu chuyện lớn trong tương lai, ngay cả khi nó chưa trưởng thành trong chu kỳ tiếp theo, nhưng có thể có những cơ hội như vậy trong chu kỳ tiếp theo.
Những điều được đề cập ở trên chỉ là một phần, không phải là toàn bộ và sẽ tăng hoặc giảm theo thời gian, và bạn có thể để lại lời nhắn để bổ sung.
Xem bản gốc
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
Sự hội tụ của Blockchain và AI: Nhu cầu tự nhiên
Về lâu dài, nhu cầu về chuỗi khối của AI là nhu cầu tự nhiên để tự thực hiện. Tất nhiên, còn một chặng đường dài phía trước
1. Chuỗi khối cũng là một trong những xu hướng quan trọng nhất
Kể từ đầu năm nay, AI đã trở nên phổ biến hơn nhiều so với blockchain. Tuy nhiên, thế giới mã hóa không cần phải nản lòng.Làm thế nào để hiểu được các cơ hội trong tương lai của blockchain? Hãy để tôi nói về những suy nghĩ của tôi đầu tiên:
Hãy để tôi nói ngắn gọn về điểm thứ hai ngày hôm nay: nhu cầu tích hợp của AI và blockchain.
Thứ hai, nơi blockchain có thể trợ giúp AI
tính toán
Mọi người đều biết rằng AI có nhu cầu rất lớn về sức mạnh tính toán. Có nhu cầu về cách sử dụng sức mạnh tính toán nhàn rỗi cho sức mạnh tính toán AI. Tuy nhiên, hiện tại, do việc đào tạo các mô hình AI đòi hỏi tính toán chuyên sâu nên rất tốn kém. Về mặt điện toán AI nói chung, không có nhiều nơi mà blockchain có thể trợ giúp.
Trong số đó, có ba điểm chính bị chỉ trích: **Thứ nhất, cần có sự hỗ trợ của phần cứng GPU chuyên dụng; thứ hai, độ trễ trao đổi dữ liệu; thứ ba, bằng chứng về các tác vụ điện toán phi tập trung. **
** Trên đây là những khó khăn trong việc kết hợp giữa điện toán phi tập trung và AI hiện nay, đây cũng là điểm mà việc kết hợp giữa AI và blockchain tương đối khó khăn. ** Tuy nhiên, từ góc độ của Blue Fox Notes, với việc thăm dò nhiều người tham gia hơn, những trở ngại ở khía cạnh này sẽ từng bước được giải tỏa và tất nhiên sẽ mất nhiều thời gian để đạt được.
Hãy nói về những khía cạnh có thể được giải quyết dần dần. Từ góc độ của AI nói chung, vẫn còn khó khăn để vào lĩnh vực mã hóa. Sau đó, bạn có thể bắt đầu từ lĩnh vực AI trong các lĩnh vực đặc biệt. Và điểm vào này cũng liên quan mật thiết đến các tác vụ tính toán AI hiện tại. **Có hai vị trí: thứ nhất, các tác vụ lý luận chiếm phần lớn nhu cầu điện toán AI hiện tại; thứ hai, một số tác vụ tinh chỉnh và lý luận yêu cầu ít tài nguyên hơn và có nhiều cơ hội để đạt được chúng thông qua điện toán phi tập trung. Hai điểm này có nghĩa là các cơ hội tiềm năng có thể có cho sức mạnh tính toán phi tập trung. **
AI trong các lĩnh vực cụ thể, chẳng hạn như luật, y học, đầu tư, giáo dục, phân tích dữ liệu và các lĩnh vực chuyên môn khác, có thể phù hợp hơn với loại mạng máy tính phân tán tập trung vào các lĩnh vực cụ thể trong giai đoạn đầu. Như đã đề cập ở trên, khó khăn trong việc cung cấp các dịch vụ sức mạnh điện toán phi tập trung cho AI không phải là hoàn thành các tác vụ điện toán mà là làm thế nào để xác minh việc hoàn thành các tác vụ theo cách phi tập trung. Một số dự án hiện đang cố gắng giải quyết vấn đề này, chẳng hạn như Gensyn và together, v.v.
Gensyn tích hợp một số kết quả nghiên cứu học thuật, chẳng hạn như bằng chứng học xác suất, giao thức định vị chính xác dựa trên biểu đồ, đồng thời dựa trên mô hình khuyến khích và kiểm tra và cân bằng của dự án Truebit. Gensyn phân tách toàn bộ quá trình thành tám giai đoạn, từ gửi nhiệm vụ AI, phân tích, đào tạo, tạo bằng chứng đến bằng chứng xác minh, thách thức, phân xử và giải quyết. Trong số đó, "Probability Learning Proof" được sử dụng để xây dựng ngưỡng khoảng cách cơ sở nhằm cung cấp cơ sở xác minh cho người xác minh; công nghệ "định vị chính xác dựa trên đồ họa" được sử dụng để giám sát việc thực hiện xác minh của người xác minh; mô hình trò chơi của Truebit cho phép các bên liên quan thực hiện tính hợp lý làm hướng dẫn. Để biết quy trình cụ thể, vui lòng tham khảo sách trắng của Gensyn. Nhân tiện, các dự án điện toán ngoài chuỗi như Truebit cũng có cơ hội phát triển theo hướng này, có thể đạt được nhiều cơ hội kinh doanh hơn. Tất nhiên, điều này đòi hỏi các đội phải đánh giá các cơ hội của họ.
So với khó khăn khi triển khai điện toán mạng phi tập trung, chia sẻ mô hình AI và chia sẻ dữ liệu AI là những lĩnh vực có cơ hội triển khai nhanh hơn. **Hai khía cạnh sau đây có thể là nơi mà sự kết hợp giữa AI và chuỗi khối dễ dàng đạt được những bước đột phá hơn trong giai đoạn đầu: chia sẻ mô hình phi tập trung và chia sẻ dữ liệu phi tập trung. **
Người mẫu
Khuyến khích chia sẻ các mô hình thông qua các ưu đãi mã thông báo để đạt được các mô hình tốt hơn. Thậm chí, các mô hình này có thể được triển khai trên chuỗi và được đào tạo bởi bất kỳ người tham gia nào để thúc đẩy sự phát triển của mô hình. Ngoài ra,** khi các mô hình AI trở nên phức tạp hơn, thì việc tin tưởng vào lập luận trở nên quan trọng. Đây là nơi lý luận đáng tin cậy trên chuỗi có thể phát huy tác dụng. **
Trong lĩnh vực tinh chỉnh và lý luận mô hình, Giza, ChainML, Bittensor, Modulus Lab, v.v. đều đang được khám phá. Những gì Giza đưa ra là một thị trường mô hình trực tuyến, nơi các mô hình đơn giản được triển khai trên chuỗi và các suy luận được thực hiện trên chuỗi. Chủ sở hữu mô hình có thể nhận được thu nhập từ phí liên quan sau khi mô hình được sử dụng.
Modulus đã đề xuất khái niệm về zkML. Nó tin rằng do vấn đề chi phí, việc chạy mô hình suy luận trên chuỗi là không thực tế. Do đó, giải pháp của nó là chạy mô hình suy luận ngoài chuỗi, sau đó tạo bằng chứng zkSNARK, chứng minh chúng trên chuỗi và vượt qua thông minh Hợp đồng thực hiện công việc của nó.
dữ liệu
Nền kinh tế mã thông báo được sử dụng để thúc đẩy người dùng đưa ra phản hồi về mô hình và khuyến khích người dùng thu thập dữ liệu chất lượng cao hơn. Có được dữ liệu chất lượng cao bằng cách cung cấp dữ liệu phân tán, đặc biệt là trong các lĩnh vực cụ thể, có ý nghĩa to lớn đối với sự phát triển của AI. Đồng thời, điều này cũng có thể được kết hợp với công nghệ ZK mà không tiết lộ quyền riêng tư đằng sau dữ liệu. Cái khó ở đây là làm sao chứng minh được chất lượng của chính dữ liệu đó. **
Sự kết hợp giữa dữ liệu chất lượng cao và các mô hình AI phi tập trung sẽ rất thú vị cho sự phát triển của AI.
chống hàng giả
Sau sự xuất hiện của mô hình học sâu hiện tại, hình ảnh, âm thanh, video, v.v. do AI tạo ra ngày càng khó phân biệt đâu là thật đâu là giả. **Trong thời đại của thế hệ AI, tính xác thực, chống giả mạo của nội dung càng trở nên quan trọng. **Blockchain là một phương tiện kỹ thuật quan trọng để giải quyết vấn đề này.
Nhận dạng và chữ ký dữ liệu được mã hóa đảm bảo tính xác thực của việc tạo nội dung, không giả mạo. Vấn đề này đặc biệt nghiêm trọng sau khi các công cụ AI bị lạm dụng. Đây là một phương tiện kỹ thuật quan trọng để chống lại nội dung giả mạo. Trong thời đại của những cái sai, công nghệ mã hóa là cần thiết để phân biệt thật giả.
Ngoài ra, cũng cần sử dụng công nghệ blockchain để xác nhận quyền. Ví dụ: đối với cùng một bức tranh, hình ảnh do AI và NFT tạo ra rất khó phân biệt từ bề ngoài và cần có blockchain để phát huy vai trò của nó vào lúc này.
AI linh hoạt hơn
Bằng cách tích hợp với chuỗi khối, AI có thể nhận được hỗ trợ về điện toán, mô hình, dữ liệu, băng thông, lưu trữ, v.v. và cuối cùng là nhận được hỗ trợ cơ sở hạ tầng phi tập trung, có khả năng tự phát triển hơn. **Ngoài ra, các khoản thanh toán được mã hóa và lưu thông giá trị trong lĩnh vực chuỗi khối cũng có thể hỗ trợ cho sự phát triển của AI.
**Sau khi hoàn thiện cơ sở hạ tầng chuỗi khối hoàn chỉnh, AI sẽ có nhiều khả năng tự phát triển hơn. **Nói cách khác, AI phi tập trung hơn cũng là một yêu cầu để AI tự thực hiện và sử dụng các đặc tính phân tán của chuỗi khối để phát triển AI cũng là nhu cầu phát triển của chính AI.
Đối với bản thân AI, nếu cuối cùng nó chỉ bị độc quyền bởi những gã khổng lồ như Microsoft và Google, thì nó cũng sẽ gây bất lợi cho sự phát triển của chính nó. AI có nhu cầu phát triển phi tập trung một cách tự nhiên, đó là nhu cầu để AI đạt được khả năng phục hồi cao hơn. Sức mạnh mà AI+blockchain có thể bùng phát có thể vượt xa sức tưởng tượng của mọi người.
Thứ ba, nơi AI có thể thúc đẩy chuỗi khối
Trí tuệ nhân tạo và hợp nhất dữ liệu trên chuỗi
Sử dụng AI để phân tích dữ liệu động trên chuỗi để có được khả năng dự đoán, chẳng hạn như nghiên cứu đầu tư. Một trong những khía cạnh thú vị nhất là **Bằng cách nhúng AI, các hợp đồng thông minh có thể thực hiện việc ra quyết định tự động năng động. **Ví dụ: defi được điều chỉnh dựa trên dữ liệu thời gian thực, v.v. Một hợp đồng thông minh động thay vì tĩnh sẽ cho phép chuỗi khối tạo ra nhiều kịch bản ứng dụng và nhu cầu của người dùng hơn.
**Sự phát triển của trí tuệ nhân tạo có thể mang lại những khả năng mới cho các ứng dụng mã hóa. **
AI mang đến những khả năng mới cho DeFi, trò chơi web3, mạng xã hội web3, ứng dụng web3 (giao thông, lưu trú, du lịch, v.v.). Ví dụ: chẳng hạn như trò chơi AI + web3, có thể tạo ra một chế độ trò chơi chưa từng có; chẳng hạn như AI + IoT + thanh toán được mã hóa, có thể tạo ra một mạng thông minh hơn.
Tầm quan trọng của ZKP
Để đảm bảo quyền riêng tư và hoàn thành các tác vụ điện toán, ZKP cần được thêm vào để tạo thành bằng chứng công việc có thể kiểm chứng. **Sau khi ZKP trưởng thành, nó có thể nhận ra AI trên chuỗi và cũng có thể cung cấp bảo vệ quyền riêng tư và học máy có thể kiểm chứng. **
Nhìn chung, chuỗi khối có thể cung cấp một khuôn khổ hợp tác cho sức mạnh tính toán, dữ liệu và thỏa thuận mô hình thông qua mô hình phi tập trung và cuối cùng thúc đẩy sự phát triển của AI. Trong quá trình này, có nhiều chi tiết cần được cải thiện, chẳng hạn như nhu cầu để chứng minh Sự đóng góp của những người tham gia (cho dù đó là sức mạnh tính toán, dữ liệu hay mô hình), chỉ khi những điều này được hoàn thành với chi phí thấp, chuỗi khối mới có cơ hội giúp đỡ AI, nếu không thì đó là một lâu đài trên không.
**Tất nhiên, từ quan điểm xu hướng, AI có nhu cầu tự nhiên đối với chuỗi khối và AI cần chuỗi khối để cung cấp khả năng phục hồi thực sự cho sự phát triển của chính nó. **
Đồng thời, AI cũng sẽ giúp phát triển các ứng dụng chuỗi khối, cho dù đó là DeFi, trò chơi hay các ứng dụng khác, các ứng dụng mã hóa thông minh hơn có thể ra đời. Đây có thể là một câu chuyện lớn trong tương lai, ngay cả khi nó chưa trưởng thành trong chu kỳ tiếp theo, nhưng có thể có những cơ hội như vậy trong chu kỳ tiếp theo.
Những điều được đề cập ở trên chỉ là một phần, không phải là toàn bộ và sẽ tăng hoặc giảm theo thời gian, và bạn có thể để lại lời nhắn để bổ sung.