AI + Blockchain=?

作家： Yihan Xu起因：Foresight Ventures原文题目：《Foresight Ventures: AI + Blockchain=?》

Overview

经过这篇文章你也许领会：

甚么是 on-chain AI？

为甚么还没有链上 AI?

AI 上链的能源；

本领途径；

我领会的 on-chain AI 价值；

on-chain AI 的利用场景以及项目分解。

1、AI + blockchain =？

开垦者对于根底办法修建的猖狂固执以及各类 rollup 束缚规划的更新迭代确切让底本保守的 web3 算计才略完结了攻破，这也为 AI 上链供给了大概性，但你大概想说与其大费周章地完结链上 AI，直接正在链下运行模子犹如也能满意大全体须要，而真相上而今多少乎一切的 AI 模子都是以黑盒、焦点化的模式正在运行，并且异样正在各个范畴发觉了没法代替的价值。

1）先回到最根底的课题，甚么是 AI 上链？

主流的领会是经过区块链让 AI 模子 transparent + verifiable

再全部一点，AI 上链意味着人工智能模子的 complete verification，也便是说一个模子须要向全网（用户或验证者）秘密以下三点：

模子架构；

模子参数以及权重：秘密参数以及权重有时分会对于产物安全性孕育负面作用，所以，针对于一定场景，例如风控模子，也许对于 weight 做潜伏处置以确保安全性；

模子输入：正在 web3 的场景里根底上是链上秘密数据。

当满意以上条件时，整体模子施行的历程是具备决定性的且没有再是黑盒操作，一切人均可以正在链上对于模子的输入以及了局施行验证，进而避让模子拥有者大概相干权力人对于模子施行安排。

2）AI + blockchain 的能源是甚么？

AI 与 blockchain 贯串的意思没有正在于代替焦点化的 Web2 人工智能的运作模式，而是：

正在没有埋葬去焦点化以及 trustless 的根底上，为 web3 天下发觉下一阶段的价值。今朝的区块链就像是 web2 的早期阶段，还没有承接更精深利用大概发觉更大价值的才略。而只要正在参加 AI 之后，dapp 的设想力才华真正腾跃到下一阶段，这些链上利用才有大概更凑近 web2 利用的水平，这种凑近并没有是从功能上做的更如同，而是经过发扬区块链的价值，从用户感受以及大概性上做出选拔。

为 web2 黑盒的 AI 运行模式供给一种透明的、trustless 的束缚规划。

设想一下 web3 的利用场景：

将引荐算法参加到 NFT 买卖平台，基于用户喜欢引荐相映 NFT，进步转化；

正在玩耍中参加 AI 对于手方，更透明、平正的玩耍感受；

……

不过，这些利用都是经过 AI 对于已有的功能正在效用大概用户感受上的进一步改善。

- 有价值吗？有。

- 价值大吗？取决于产物以及场景。

AI 能创正在的价值向来都没有仅是 99 到 100 的优化，真正让我高兴的，是从 0 到 1 的全新利用，一些只要经过 transparent + verifiable 的链上模子才华完结的 use case。没有过这些“令人高兴的”use case 今朝主要靠设想力，没有幼稚的利用，先来开多少个脑洞：

经过基于 neural network 的决议模子做 crypto trading：一种产物样式大概更像是 copy trading 的进级版本，以至是一种全新的买卖玩法。用户没有再须要信赖或调研其他 experienced trader，而是对于彻底秘密透明的模子和其 performance 下注。本体上 AI 根据对于 crypto 他日代价的预计更快更判断地施行买卖。然而没有链上 AI 自带的“trustless autonomy”，这样的下注工具大概规范根基是没有生存的。用户/投资者也许透明地看到模子决议的缘由、历程以至他日下跌/着落的准确概率；

AI 模子算作裁判：一种产物大概是全新样式的预言机，经过 AI 模子对于数据起因的确切性施行预计。用户没有再须要信赖 validator，也没有必耽心节点坐法，预言机供给方以至没有须要妄图繁复的节点收集以及奖惩体制来完结去焦点化。相映地，链上 transparent + verifiable 的 AI 一经渊博满意验证链下 data source 相信度的义务。这种全新的产物样式正在安全性、效用以及老本上有机缘变成碾压，去焦点化的工具也由人腾跃到“trustless autonomy”的 AI 器械，无疑是更安全的。

基于大模子的构造办理/运作编制：DAO 的处置本体上应该是高效、去焦点化、平正的，而而今的现状却背道而驰，坚固且肥胖，空洞透明以及平正性，链上 AI 的参加能供给很是契合的束缚规划，将办理模式、效用选拔到最高，将办理中系统性以及人道的告急无限拉低。咱们以至也许去设想一种全新的 web3 项想法繁华以及运作模式，整体框架及他日繁华方向以及提案多少乎没有依附开垦团队大概 DAO 投票的办法来施行决议，相映的，基于大模子更混乱的数据猎取量以及远超人的算计才略去做决议。但这全部的基础也是模子上链，没有 AI 的“trustless autonomy”就没有生存去焦点化天下从人到器械的跃迁。

……

小结一下

基于链上 AI 的新的产物样式根底也许归纳为将去焦点化以及 trustless 的主体从人变成 AI 器械，这也契合传统天下损耗力的进化历程，最结束是正在人这个主体左右功夫，不停进级选拔人效，到后面经过智能器械代替人，正在安全性以及效用上颠覆原有的产物妄图。

个中最枢纽的、也是以上全部的基础，是经过区块链完结 AI 的 transparent + verifiable。

3）Web3 的下一个阶段

区块链算作一个征象级的本领改革，弗成能仅仅停歇正在原始阶段。流量以及经济模子很主要，但用户没有会不断停歇正在追捧流量或破费大度资源做 X to earn，web3 也没有会所以 onboard 下一波新用户。但有一件事确实定性是很强的：web3 天下损耗力以及价值的革命特定来自 AI 的参加。

我感慨大抵分成上面三个阶段

起始：零学识证实算法以及硬件的更新迭代为链上 AI 的出现第一次供给了大概性；（咱们正在这）

繁华：没有管是 AI 对于已有利用的选拔依然基于 AI + blockchain 的全新产物，都正在将整体行业上前推进；

结局：AI + blockchain 的最终走向是甚么？

下面的议论都是经过 AI 与区块链的贯串 bottom up 地埋没利用场景，换个思路 top down 地对付 AI + blockchain，AI 会没有会重溯区块链自己？AI + blockchain = 自符合的区块链

一些公链会领先混合链上 AI，从公链的层面变化为一种自符合的，自身繁华方向没有再依币安官网登录附项目基金会决议而是基于混乱数据施行决议、主动化水平远超传统区块链的样式，进而从现在多链隆盛的款式中脱颖而出。

正在 verifiable + transparent 的 AI 加持下，blockchain 的自调治表示正在何处，也许参照 modulus lab 提到的多少个例子：

链上的买卖墟市也许去焦点化地主动调治，例如基于链上秘密数据时刻、没有须要 trust assumption 地保养牢靠币的 interest rate；

多模态练习也许让链上协议的交互经过生物性格判别告竣，供给安全的 KYC，并完结身份办理的全面去信赖；

禁止链上利用最大化地拿获链上数据带来的价值，支柱定制化实质引荐等办事。

从另一个角度看，zkrollup 不停迭代优化，不过始终空洞一个真正只可正在 zk 生态上跑的利用，ZKML 恰恰契合这一点，并且设想空间也渊博大。ZK-rollup 他日很大概算作 AI 投入 web3 的出口进而发觉更大价值，二者互相创建。

二、完结办法以及可行性

1）Web3 能为 AI 供给甚么？

根底办法以及 ZK 无疑是 web3 最猖狂内卷的赛道，各类 ZK 项目正在电路优化以及算法进级左右足了功夫，没有管是对于多层收集的研究，大概是对于模块化区块链和 data availability layer 的开垦，依然进一步将 rollup 做成定制化的办事，以至硬件加快……这些实验都正在将区块链的可扩充性、老本、算力推向下一个阶段。

AI + blockchain 听上去没有错，但全部怎样个加法？

一种做法是经过 ZK proof system。例如针对于 machine learning 做一个定制化的电路，链下电路天生 witness 的历程便是模子施行的历程，对于模子预计的历程天生 proof（个中席卷模子参数以及 input），一切人均可以正在链上验证 proof。

AI 模子依然正在高效的集群上施行，以至搞点硬件加快进一步选拔算计速率，正在最大化运用算力的同时确保没有焦点化的人大概机构也许从中改动或过问模子，也便是确保：

模子预计了局确实定性 = 可验证的（input + 模子架构 + 参数）

根据以上做法，也许进一步判断哪些 infra 对于 AI 上链相当主要：

ZKP system、rollup：Rollups 扩展了咱们对于区块链算计才略的设想空间，把一堆 transactions 打包，以至递归地天生 proof of proof 进一步升高老本。对付而今混乱的模子来讲，供给大概性的第一步便是 proof system 以及 rollup；

硬件加快：ZK rollup 供给了 verifiable 的根底，但 proof 的天生速率直接联系到模子的可用性以及用户感受，等待多少个小时去天生一个模子的 proof 昭彰是没有 work 的，所以，经过 FPGA 施行硬件加快昭彰是一个很好的 boost。

明码学：明码学是区块链的根底，而链上模子和敏锐数据异样须要保险隐私性。

弥补：

大模子的根底是 GPU，没有高并行的支柱，大模子的效用将会很是低，也就没法运行。所以，对付一个链上的 zk 生态：

GPU 友爱 = AI 友爱

拿 Starknet 举例，Cario 只可正在 CPU 上跑，所以只可摆设一些小的决议树范型，永恒来看并没有利好大模子的摆设。

2）寻衅：更弱小的 proof system

ZK Proof 的天生速率以及内存利用状况相当主要，一个联系到用户感受以及可行性，一个联系到老本以及天花板。

而今的 zkp system 够用吗？

够用，但没有够好…

Modulus lab 正在文章“The Cost of Intelligence: Proving Machine Learning Inference with Zero-Knowledge”很是精细的分解了模子以及算力的全部状况。有空也许读一读这篇 ZKML 届的”零号文献 - paper0“：https://drive.google.com/file/d/1 tylpowpaqcOhKQtYolPlqvx6 R2 Gv4 IzE/view

以下是 paper0 中提到的分歧证实系统

基于以上 zk 算法，modulus lab 不同从时光消费以及内存占用两个维度归来施行测试，并且正在这两个维度中不同掌握了参数以及层数两个当中变量。以下是 benchmark suites，这样的妄图也也许大抵揭开从 LeNet5 的 60 k 参数目，0.5 MFLOPs，到 ResNet-34 的 22 M 参数目，3.77 GFLOPs。

时光消费的测试了局：

内存占用的测试了局：

基于以上数据，大伙看今朝的 zk 算法和具备支柱对于大模子天生 proof 的大概性，但相映的老本仍然很高，须要以至 10 倍以上的优化。以 Gloth16 为例，虽然受害于高并发带来的 computation time 的优化，不过算作 tradeoff 内存占用昭著推广。Plonky2 以及 zkCNN 正在时光以及空间上的展现异样验证了这一点。

那么而今课题本来就从 zkp system 是否也许支柱链上 AI 变化为了支柱 AI+Blockchain 支出价值值没有值？并且随着模子参数的指数级升高，对于 proof system 的压力也会仓卒推广。确切，而今有 trustless 的神经收集吗，没有！便是由于老本算没有过来。

所以，打造一个为 AI 定制化的 proof system 相当主要。同时，完结对于 AI 这种单次挪用算计十分繁复的逻辑，gas 的消费模子也需从新妄图，一个高机能的 zkvm 相当主要，但而今咱们一经能看到良多高机能的实验，例如 OlaVM, polygon Miden 等，这些根底办法的不停优化极小选拔了 onchain-AI 的可行性。

三、利用是否值得等待？

即使链上 AI 还正在很早期阶段，用下面的分层来看大概只处于起始到繁华之间，但 AI 这个方向从没有空洞优厚的团队以及改革的设法。

就像下面说的，从 AI + Blockchain 繁华阶段看而今墟市处于起始到繁华的中间阶段，产物实验方向依然以基于现有功能对于用户感受优化为主。但最能表示价值的依然经过 AI 正在链大将 trustless 的主体由人变成器械，正在安全性以及效用上颠覆原有的产物样式。

上面从一些现有的利用实验归来，分解一下 AI + Blockchain 永恒的产物繁华方向

1）The Rockefeller Bot：天下上第一个 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“怀念价值”。这个模子本体上是一个 trading bot，全部来讲，rockefeller 的锻炼数据是大度链上秘密的 WEth-USDC 的 price/exchange rate，其自己是一个三层前馈经收集模币安官网入口子，预计目的是他日 WEth 代价涨跌。

以下是当 trading bot 决议要施行买卖时的过程：

Rockefeller 正在 ZK-rollup 上对于预计了局天生 ZKP；

ZKP 正在 L1 上被验证（资金由 L1 的合约保存），并施行操作；

也许看出 trading bot 的预计、资金操作全面是去焦点化且 trustless 的，就像下面提到的，从更高维度看 rockefeller 更像是一种全新的 Defi 玩法。比拟于信赖其他 trader，这种模式下本来用户赌的是 transparent + verifiable + autonomous 的模子。用户也许没有须要信赖焦点化的机构确保模子决议历程的合法性。同时，AI 也能最大水准上的清除人道的作用，更判断地施行买卖。

你大概一经想给 Rockefeller 注点资金玩一玩了，但这真的能赢利吗？

并没有能，根据 modulus 团队的说法，与其说 rockefeller 是一个利用，他更像是 on-chain AI 的 POC，因为老本、效用、证实系统等多方面的限制，rockefeller 的主要想法是算作一个 demo 让 web3 天下看到 on-chain AI 的可行性。（Rockefeller 一经告竣义务下线 T T）

2）Leela：天下上第一个 on-chain AI game

迩来揭晓的 Leela v.s. the world 异样是出自 modulus lab。玩耍体制很简捷，人类玩家组成阵营对于战 AI。玩耍中玩家也许质押下注，最终谁会获得对于局，每次 match 停止后 loser’s pool 会根据质押代币的数目相映地分配给 winn币安登录地址er。

说到 on-chain AI，这次 modulus lab 摆设了一个更大的 deep neural network (Parameter 数目 > 3,700,000)。虽然正在模子领域以及产物实质上 Leela 都超过了 rockefeller，但归根结底这依然一次大型的 on-chain AI experiment。Leela 的面前的体制以及运行模式才是须要存眷的，这能帮咱们更好地领会链上 AI 的运行模式以及改善空间，以下是官方给出的逻辑图：

Leela 的每一次 move，也便是每次预计，都会天生 ZKP，并且只要正在颠末合约验证之后才会正在玩耍内失效。也便是说，受害于 trustless autonomous AI，用户下注的资金以及平正性全面受到明码学的损坏还没有须要信赖玩耍开垦者。

Leela 选择的是 Halo2 算法，主要缘由是它的器械以及妄图的精巧性也许帮忙妄图更高效的证实编制，全部 performance 状况也许参照下面的测试数据。但同时正在 Leela 的运行中 modulus 团队也发明了 Halo2 的缺点，例如天生证实的速率较慢，对于 one-shot proving 没有友爱等。所以，也尤其印证了以前基于测试数据得出的结论：假设须要将更大的模子带入 web3，咱们须要开垦更弱小的 proof system。

没有过 Leela 的价值正在于给咱们带来了 AI + Web3 game 更大的设想空间，王者名誉玩家现在应该无限指望王者匹配算法 fully on-chain:) Gamefi 须要更优质的实质撑持以及更平正的玩耍编制，而 on-chain AI 恰恰供给了这一点。打个例如，正在玩耍中参加 AI-driven 的玩耍场景大概 NPC，没有管是玩家的玩耍感受依然经济编制的玩法都供给了辽阔的设想空间。

3）Worldcoin：AI + KYC

Worldcoin 是一个链上身份编制（Privacy-Preserving Proof-of-Personhood Protocol)，经过生物判别建立品份编制并完结支拨等衍生功能，束缚的课题是对立少女巫打击，而今的挂号用户逾越了 1.4 m。

用户经过一个叫 Orb 的硬件扫描虹膜，将集体信息推广到数据库中，Worldcoin 经过 Orb 硬件中的算计境况运行 CNN 模子收缩并阐明用户虹膜数据的无效性。听上去很强，但假设须要做到身份验证的真正去焦点化，worldcoin 团队在研究经过 ZKP 验证模子的输出。

寻衅

值得一提的是，worldcoin 的 CNN 模子的 size：参数 = 1.8 million，层数 = 50。基于下面揭示的测试数据，现有的 proof system 正在时光上全面也许胜任，但内存消费对付破费级的硬件来讲是弗成能告竣的。

4）其他项目

Pragma：Pargma 是从 starkware 生态上繁华起来的 ZK oracle。同时团队也正在研究若何经过链上 AI 束缚去焦点化链下数据验证的课题。用户没有再须要信赖 validator，而是经过渊博精确且可验证的链上 AI 告竣验证链下 data source 的处事，例如对付理论物业大概身份的验证也许直接让 AI 去读取相印的物理信息算作输入并做出决议。

Lyra finance：Lyra finance 是一个 option AMM，供给衍生品买卖墟市。为了进步本钱运用率，Lyra 团队以及 modulus lab 在单干开垦基于可验证 AI 模子的 AMM。基于可验证的、平正的 AI 模子，Lyra finance 有机缘成为 AI + Blockchain 的一次大领域落地测验，为 web3 用户首次带来平正的 matchmaking，经过 AI 对于链上墟市施行优化，供给更高的回报。

Giza：ZKML 平台，将模子直接摆设正在链上而没有是施行链下验证，Nice try，but…因为算力和 Cairo 没有支柱 CUDA-based 的证实天生的课题，Giza 只可支柱一些小模子的摆设。这也是最致命的课题，从永恒来看，能对于 web3 孕育颠覆性作用的特定是大模子，而这种领域的模子必需有弱小的硬件支柱，例如 GPU。

Zama-ai：模子的同态加密。同态加密是一种加密大局，简捷示意为：f [E (x)] = E [f (x)]，个中 f 是运算操作，E 代表同态加密算法，x 是变量，例如：E (a) + E (b) = E (a + b)。禁止对于密文施行一定大局的代数运算失去仍然是加密的了局，将其解密所失去的了局与对于明文施行异样的运算了局一律。模子的隐私性不断是 AI + Blockchain 方向的热门以及瓶颈，虽然 zk 对于隐私友爱，但 zk 没有等于 privacy。zama 努力于确保模子施行的 privacy-preserving。

ML-as-a-service：这今朝还仅仅一个思虑方向，没有全部的落地利用，但想法是经过 ZKP 束缚焦点化 ML 办事供给者坐法和用户信赖的课题。Daniel Kang 正在文章“Trustless Verification of Machine Learning”中有精细的形容（参照文中的一张图）

四、对于 AI + Blockchain 的归纳

大伙来讲，正在 web3 天下里的 AI 处于很是早期的阶段，不过无庸质疑的是 onchain-AI 的幼稚以及遍及特定会把 web3 的价值带到另一个高度。从本领上看，区块链能给 AI 供给特殊的根底办法，AI 也是改革 web3 损耗联系的主要器械，二者的贯串也许碰撞出良多大概性，这也是值得高兴以及翻开设想力的地点。

从 AI 上链的能源看，一方面，transparent + verifiable 的链上 AI 将去焦点化以及 trustless 的主体从人变成 AI 器械，极小选拔了效用、安全性，并且为发觉全新的产物样式供给了大概性；另一方面，区块链的根底办法不停迭代，web3 真正须要一个能让这些根底办法发扬最大价值的杀手级利用，ZKML 恰恰契合这一点，例如 ZK-rollup 他日很大概算作 AI 投入 web3 的出口。

从可行性上看，而今的根底办法能特定水准上支柱特定领域的模子，但还有良多没有决定因素。经过 ZKP 做可验证模子今朝看是 AI 上链的必经之路，大概也是决定性最强的将 AI 带入的 web3 利用的本领途径。不过深化来看而今的 proof system 须要再施行指数级的选拔才华渊博支柱日渐混乱的模子。

从利用场景看，AI 多少乎也许完善地到场就任何一个 web3 的方向，没有管是 game、Defi、DID、tooling……虽然今朝已有的项目很是缺乏而且空洞永恒价值，还没有从一种选拔效用的器械变化为改革损耗联系的利用。但值得高兴的是有人迈出了第一步，咱们也许看到 AI + blockchain 的最早期的式样以及之后的大概性。