De-AI會成為像ElonMusk所預言的那樣統治我們生活的人工智能機器人獨裁者,還是會成為豐富且不那么物質化的未來的生產工具?由加密貨幣的間歇性牛市及其各自的區塊鏈推動的去中心化點對點技術的改進,正在產生可以改善去中心化人工智能的生產環境。
De-AI的問題
De-AI的問題就和區塊鏈一樣,一個單一的系統將面臨突然停用該計算機系統的非常艱巨的風險,因為節點將分布在許多國家/地區,并且系統中內置了經濟激勵措施。參與De-AI網絡的已部署節點將獲得加密貨幣獎勵。與當前許多的AI應用程序一樣,De-AI上將提供AI應用程序,但它們不會由單個人類實體控制,而是由受經濟激勵措施引導的驗證者社區控制。
ParaSpace:已更新dApp前端以改善用戶體驗,現支持用戶查看更多NFT清算信息:7月5日消息,ParaSpace在社交媒體上發文表示,該平臺剛剛部署了前端更新,以改善用戶體驗并解決用戶遇到的一些問題。本次更新提供了有關NFT清算的更多信息,并允許用戶在借貸頁面上查看其清算的NFT。[2023/7/5 22:19:10]
Layer2區塊鏈被設計為可大規模擴展,是部署機器學習算法的自然目標,但可能需要一種更原生的方法,包括高速計算。Layer2區塊鏈,如Optimism、Arbitrum和Starkware,有特定的編程語言不適合人工智能的高性能計算。
BSCStation與去中心化身份協議SPACE ID達成合作:5月7日消息,多鏈Launchpad BSCStation與去中心化身份協議SPACE ID達成集成合作伙伴關系,將共同探索在BSCStation平臺集成.bnb、.eth、.arb域名。[2023/5/7 14:48:31]
零知識(ZK)是加密生成的簡短證明,證明有一些數據或計算已經完成,而沒有透露數據或計算的所有細節。有用的ZK證明還必須在短時間內可驗證。未來零知識技術的高速改進將允許對區塊鏈進行高性能計算。
區塊鏈的主要問題是用戶需要任何交易計算都可以由其他節點快速驗證,而ZK允許驗證比計算本身快得多。
去哪個去中心化系統?
我們可以考慮哪些機器學習系統最適合首先遷移到去中心化系統中,這包括:
ConsensusLab 在 Filecoin Spacenet 啟動公開星際共識測試網:4月21日消息,去中心化共識研究組織 ConsensusLab 宣布啟動第一個公開星際共識(Interplanetary Consensus,IPC)部署,作為 Filecoin Spacenet 測試網的一部分,使用戶、開發人員和 SP(存儲提供商)能夠使用 root Filecoin 網絡提供的子網和共識模型進行實驗。IPC 允許終端用戶和應用開發人員動態生成并行執行事務的分層子網,從而消除主網的多余負載,同時提供更適合應用需求的操作條件。 此外,IPC 提供無縫的跨子網交易和機制,通過利用其父級提供的更強大的保證來保護子網。[2023/4/21 14:17:44]
**1)推薦系統:**當用戶消費不同的項目時,它被注冊并被評估以建議未來要消費的項目。從技術上講,你需要估計到其他項目的距離。這種類型的技術非常適合將推薦算法數據應用到多個節點中。你不需要將所有用戶偏好、過去消費的項目都存儲在一臺計算機上。
Game Space成立新基金GameFi Future Fund,初始規模1000萬美元:11月4日消息,“GameFi即服務”平臺Game Space宣布成立新基金GameFi Future Fund,初始規模為1000萬美元,該基金將專注于下一代GameFi 3.0行業,主要投資和孵化GameFi和NFT、PFP、DID項目,旨在幫助優質項目在基礎設施、營銷、運營和交易等方面發展。(ambcrypto)[2022/11/4 12:16:41]
**2)聚類/非結構化分類:**鑒于聚類是將數據集分類為自發的新類別的問題,似乎比結構化分類更容易去中心化。如果你將類別想象為地理區域,你會發現沒有必要將所有數據點都存儲在一臺計算機中。特別是廣義聚類算法中的應用于大腦圖像的去中心化聚類算法。
現在人工智能或機器學習中缺少的工具是結構化分類器。基于固定數量的類別,算法必須猜測一條數據屬于哪個類別。與強化學習密切相關,強化學習就像分類器的閉環,為機器人或游戲生成動作。
深度學習是多層結構化分類器的組合,以獲得更復雜的自動化學習體驗。這種類型的AI工具的問題在于,你需要所有訓練數據集的全局視圖,因為輸出使用的是經過訓練的權重或變量形式的數據合成匯總。你需要訓練權重來生成輸出、類別、機器人動作。
De-AI的三種場景
矩陣乘法是做大量的數值乘法和加法。海量矩陣乘法是結構化分類器、深度學習和強化學習中涉及的主要操作。正如我們之前提到的,對這些操作的驗證是De-AI將面臨的主要挑戰。我們為去中心化人工智能(De-AI)設想了這三種場景:
**1)原生高性能區塊鏈或側鏈:**當比特幣被認為是無用的,因為“浪費”了每秒驗證5筆交易的無意識計算量,許多有遠見的人提出,區塊的挖掘涉及更多有用的計算。這是區塊鏈難題的圣杯,將幫助人類。
要參與區塊鏈網絡中交易的驗證,你將必須進行矩陣乘法和復雜的機器學習操作,這些操作將由其他節點驗證,并最終被接受為挖礦的一部分加密貨幣。這種方法僅限于特定操作或靜態深度學習架構。Filecoin和其他存儲區塊鏈可以通過僅存儲數據但沒有太多或沒有轉換的方式在此類別中看到。WekaCoin解決方案提出了一系列多樣化的機器學習算法參與共識,使挖礦更加智能。
**2)更快的Layer2區塊鏈:**利用現有的高性能和廉價的Layer2區塊鏈,其中大多數基于以太坊網絡協議,是實現去中心化人工智能的自然方法。使用Solidity作為編程語言可能不是最快的,但該技術具有構建去中心化AI樂高的所有要素。
構建可重復用的機器學習代碼塊,這些代碼是開放且免費的。這種方法的主要限制是區塊鏈通常具有有限的計算能力,可以包含在單個區塊中。然后,如果你分叉像Arbitrum、Optimism或Starkware這樣的Layer2,你必須準備好大量增加最大區塊大小,并準備好為網絡中的驗證器設置最低性能閾值。
**3)用于AI的專用零知識平臺:**這種替代方案類似于前面提到的StarkWareLayer2方法,但也涉及針對矩陣乘法和深度學習的ZK智能合約的特定開發。這可以在智能合約層中完成,例如在StarkWare中,或者在較低的共識層中完成。目標是進行大量繁重的計算,可以很容易地被網絡中的其他節點驗證。此外,包括靈活的智能合約操作組合允許不同算法的互操作性。
*此處表達的觀點和意見作者的觀點和意見,不一定反映SparkDAO的觀點。每一項投資和交易都涉及風險,在做出決策時,你應該有自己的判斷!
來源:bress
今天跟大家分享關于比特幣挖礦相關的見解和看法。提起比特幣挖礦,很多人就會想到比特幣是一個非常高能耗的系統,每天消耗大量的算力用在無用的哈希計算上,他們認為電力不應該用在比特幣這種沒用的運算;還有.
1900/1/1 0:00:00文:Ignas|DeFiResearch編譯:Zion?????? 責編:karen 來源:medium FTX的崩潰證明了自我托管和風險管理的重要性.
1900/1/1 0:00:00近期,Arbitrum鏈上一款名為TheBeacon的游戲突然走火,各個社群和社交媒體開始大量討論.
1900/1/1 0:00:00圖片來源:由無界版圖AI工具生成為什么在FTX等暴雷之后,比特幣依然保持相對穩定呢?摩根士丹利的分析師SheenaShah團隊最近的一份報告分析了其中的原因.
1900/1/1 0:00:00原文:《CounterpartyvsRGBvsTARO》byMandelduck我最近參加了一個古董NFT節。什么是「古董NFT」呢?簡單來說就是在NFT變成流行文化之前就出現的NFT.
1900/1/1 0:00:00撰文:MishadaVinci編譯:Blockunicorn像世界各地的數百萬人一樣,我在全球大流行病期間進入了Web3.
1900/1/1 0:00:00