人工智慧的敘事逐漸深入人心，並滲透到了 Web3 領域。

作者：zf857.eth，R3PO

近日，英偉達發佈第一季度業績報告，營收 71.9 億美元，超出市場預期的 65.2 億美元，毛利率 64.6%，調整后每股收益 1.09 美元，市場預期 0.92 美元。 由於英偉達財報超出預期，帶動美股晶元股盤後集體上漲，英偉達盤后一度漲 29.35%，股價最高觸及 395 美元，創歷史新高，市值直逼 “萬億”，AI 晶片需求遠超預期，英偉達市值在一個交易日內暴漲 1840 億美元，漲出了 3 個比特幣的總市值。

英偉達 CEO 黃仁勳在發佈財報時提到了有關 AI 應用的廣闊前景，稱計算機行業正在同時經歷兩個轉變——加速計算和生成式 AI，企業競相將生成式 AI 應用到各個產品、服務和業務流程中，全球萬億美元規模的已安裝數據中心將從通用計算轉變到加速計算。

當前，幾乎所有頭部美元基金與機構都緊盯著 AIGC 賽道，通過積極建立選投座標快速構建篩選體系，唯恐錯過了通往時代的列車。 相關數據顯示，2023 年一季度全球 AIGC 行業融資總額達 38.11 億元，融資次數共計 17 次。 一個風口的興起往往代表著另一風口的衰落。 人們逐漸對 WEB3 提出各種各樣的質疑：「資本都去看 AI 了，Web3 監管收嚴、敘事不行了」。，“AI 比 Web3 看起來靠譜，也更容易出獨角獸。 ”

自人類歷史的黎明以來，集體故事一直在定義我們的文化，並豐富我們對世界的理解，敘事的重要性不言而喻。 如今，人工智慧的敘事正逐漸深入人心，甚至滲透到了 Web3 領域。 有業內人士開始提出「沒有 AI 的 Web3 是沒有靈魂的」，有超過半數的 Web3 公司已經開始轉向 AI。 那麼，AI+Web3 將如何融合？ 近期，源自零知識證明和機器學習的新興結合體 ZKML 敘事走熱，它將如何協同人工智慧和 Web3，建立一個可信任的、去中心化的未來？

一、AI 需要 Web3，反之亦然

CoinDesk 的首席內容官邁克爾-凱西（Michael Casey）說：“將加密貨幣和人工智慧視為不相關的技術是一個錯誤。 它們是相輔相成的，彼此都在改進對方。 ”

Web3、加密貨幣和區塊鏈解決了自互聯網開始以來一直存在的社會挑戰，即在去中心化的環境中如何保持有價值的資訊安全。 它們通過採用分散式記錄和激勵機制的新系統來處理人類對資訊的信任問題。 這些系統説明由不信任的陌生人組成的社區集體維護開放的數據記錄，使他們能夠在沒有中間人的情況下分發和分享有價值或敏感的資訊。

當前，我們正迅速邁向全面人工智慧時代，而這一時代所帶來的挑戰是十分艱巨的。 這些挑戰涵蓋了多個方面，從保護大型語言模型（LLMs）輸入的版權，到避免其輸出中出現錯誤的偏見，再到我們目前無法準確區分真實內容和由人工智慧創造的虛假資訊所帶來的 “說謊者紅利”。 要確保人類不受人工智慧的負面影響，沒有簡單的解決方法可言。 任何解決方案都不能依賴於過時的 20 世紀監管和技術框架來解決這些問題。 我們迫切需要一個去中心化的治理系統，以應對在這個新時代如何生產、驗證和分享信息的挑戰。

无论目前的 Web3 是否能提供所需的解决方案，区块链技术确实在解决这些问题方面发挥了一定的作用。不可篡改的账本使我们能够追踪图像和其他内容的来源，从而防止深度伪造。这种技术也可以用于验证机器学习人工智能产品数据集的完整性。加密货币提供了一种无边界的数字支付方式，可用于向全球为人工智能培训做出贡献的人们提供报酬，如 Bittensor 等项目正在努力建立代币化的区块链-政府社区，以激励人工智能开发者构建对人类友好的模型。与此相反，私营公司拥有的人工智能系统通常将股东利益置于用户权益之上。

在这些想法能够实现并规模化之前，我们还有很长的路要走。我们将需要整合一系列其他技术，例如零知识证明（ZK）、同态加密、安全计算、数字身份和去中心化凭证（DID）、物联网等。此外，我们还需要解决隐私保护、惩罚不良行为、鼓励以人为本的创新智能以及多方立法监管等诸多挑战。

二、ZKML 如何架起 AI 和区块链的桥梁

近期，源自零知识证明和机器学习的新兴结合体 ZKML 被广泛讨论。目前，机器学习（ML）的部署变得越来越复杂。很多企业主要依赖于亚马逊、谷歌、微软等服务提供商来部署复杂的机器学习模型。然而，这些服务变得越来越难以审计和理解。作为 AI 服务的消费者，我们如何相信这些模型所提供预测的有效性呢？

ZKML 作为人工智能和区块链之间的桥梁，解决了 AI 模型和输入的隐私保护问题，同时确保了推理过程的可验证性。它提供了一种解决方案，使得可以在验证私有数据时使用公共模型，或在验证私有模型时使用公共数据。通过添加机器学习功能，智能合约能够变得更加自主和动态，使其能够根据实时链上数据而不是静态规则进行处理。这样一来，智能合约将更具灵活性，能够适应更多场景，甚至是那些在最初创建合约时可能没有预料到的场景。

当前，机器学习算法在区块链上广泛采用的困难之一是其高昂的计算成本。由于百万级别的浮点运算无法直接在以太坊虚拟机（EVM）上执行，因此在链上运行这些模型成为一个挑战。另外，机器学习模型的信任问题也是一个障碍，因为模型的参数和输入数据集通常是私有的，而模型的算法和运行过程又如同一个不透明的 “黑匣子”，这可能引发模型拥有者和模型使用者之间的信任问题。然而，通过 ZKML 技术，我们可以克服这些问题。ZKML 允许任何人在链下运行一个模型，并生成一个简洁且可验证的证明，证明该模型确实产生了特定的结果。这个证明可以在链上发布，并由智能合约进行验证。这意味着模型使用者可以验证模型的结果，而无需了解模型的具体参数和运行细节，从而解决了信任问题。

通过上述图表，我们可以看到 ZKML 技术兼具计算完整性、启发式优化和隐私保护等特点。这种技术在 Web3 领域有着广泛的应用前景，并且正在快速发展。越来越多的团队和个人加入了这个领域，推动着各种潜力巨大的 ZKML 项目的开发。

三、ZKML 项目分析

以下是一些潜力 ZKML 项目。

1、Worldcoin

Worldcoin 正在应用 ZKML，试图建立一个保护隐私的人格证明协议。World ID 用户将能够在他们的移动设备的加密存储中自我保管其生物特征（如虹膜），下载用于生成 IrisCode 的 ML 模型并在本地创建零知识证明，接收的智能合约可以证明其 IrisCode 已成功创建。

然后，可用于执行有用的操作，如成员资格认证和投票。他们目前使用具有安全 enclave 的可信运行环境来验证摄像头签名的虹膜扫描，但他们最终的目标是使用 ZKP 来证明神经网络对加密级别安全保障的正确推理，并且保证 ML 模型的输出不会泄露用户的个人数据。

2、Modulus Labs

Modulus Labs 是 ZKML 领域中最多样化的项目之一，致力于相关研究的同时也在积极构建链上 AI 应用范例，Modulus Labs 通过 RockyBot（链上交易机器人）和 Leela vs. the World（一种国际象棋游戏，所有人与经验证的 Leela 国际象棋引擎实例对决）展示了 zkML 的用例。该团队还涉足研究领域，撰写了 The Cost of Intelligence（智能的成本）一文，对不同大小模型的各种验证系统的速度和效率进行了基准测试。

3、Giza

Giza 是一种可以以一种完全无需信任的方法在链上部署 AI 模型的协议。它使用的技术栈包括用于机器学习模型的 ONNX 格式，用于将这些模型转换为 Cairo 程序格式的 Giza Transpiler，用于以可验证和确定性的方式执行模型的 ONNX Cairo Runtime，以及用于部署和执行链上模型的 Giza Model 智能合约。Giza 总体上属于机器学习模型到证明的链上编译器，为链上 AI 的发展提供一个替代路径。

4、Zkaptcha

Zkaptcha 专注于 Web3 中的机器人问题，为智能合约提供 captcha（验证码）服务，保护智能合约免受机器人攻击，使用零知识证明来创建抗女巫攻击的智能合约。目前，该项目使终端用户通过完成 captcha 验证码来产生一个人类工作的证明，captcha 由链上验证者验证，并通过几行代码由智能合约访问。未来，Zkaptcha 将继承 zkML，推出类似于现有的 Web 2 验证码服务，甚至可以分析鼠标运动等行为，以确定用户是否为真人。

目前看來，zkML 賽道還處於初級階段，但我們有理由相信會 zkML 的力量可以給 crypto 帶來更好的前景和發展，也期待該領域能出現更多樣的產品，zk 技術和 crypto 為 ML 的運行提供安全可信的環境，而未來除了產品的創新之外，還可能會催生 crypto 商業模式的創新，因為在這個狂野和無政府的 Web 3 世界中，去中心化、crypto 技術和信任才是最最基礎的設施。

結語

在日益複雜和不確定的數位世界中建立信任，一直是人工智慧和 Web3 所面臨的核心挑戰。 然而，將人工智慧與 Web3 相融合卻為建立一個信任、安全的去中心化未來帶來了巨大希望。 對於開發者、技術專家、政策制定者和整個社會而言，共同塑造人工智慧和 Web3 的未來至關重要，我們或許可以創造出一個超乎想像的智慧互聯網時代。

免責聲明：作為區塊鏈資訊平臺，本站所發佈文章僅代表作者及嘉賓個人觀點，與 Web3Caff 立場無關。 本文內容僅用於資訊分享，均不構成任何投資建議及要約，並請您遵守所在國家或地區的相關法律法規。