Kasım 2022'de OpenAI, chatbot ChatGPT'yi tanıttı. Hizmetin kullanıma sunulmasından iki ay sonra aktif kullanıcı sayısı ulaştı. Karşılaştırma yapmak gerekirse, TikTok'un bu seviyeye ulaşması yaklaşık dokuz ay, Instagram'ın ise iki yıldan fazla sürdü. 100 milyona O zamana kadar üretken yapay zeka zaten oldukça popülerdi ve yeni ürün, segmente olan ilgiyi daha da artırdı. Yapay zeka (AI) hakkındaki heyecan dalgasının de atlamaması şaşırtıcı değil. kripto para birimi endüstrisini 2022'nin sonundan bu yana, geliştiricilerin güvencelerine göre teknolojiyi kullanan projelerin tokenlarında yerel mitingleri periyodik olarak gözlemlemek mümkün oldu. Bununla birlikte, bazıları herhangi bir algoritmanın entegrasyon derecesinin düşük seviyede olduğuna sebepsiz yere inanarak bu tür varlıklara şüpheyle yaklaşıyor. https://x.com/BanklessHQ/status/1625117772106862592?embedable=true Bununla birlikte, mevcut ürünler hakkında farklı ve oldukça kutuplaşmış görüşler olsa da, blockchain ile yapay zeka arasındaki potansiyel sinerji konusunda bir miktar fikir birliği var. ve da dahil olmak üzere pek çok oyuncu, yapay zeka ve blok zincirini birleştirmenin, her iki sektörün de mevcut sorunları çözmesine olanak tanıyarak her iki sektöre de fayda sağlayacağına inanıyor. Bazı risk sermayedarları da benzer bir görüşe sahip. Örneğin Mayıs 2023'te bildirildi. Kripto borsaları Web3 hızlandırıcıları Paradigm'in yapay zekaya olan ilgisini genişleteceği Yapay zeka algoritmalarının neden merkeziyetsizliğe ihtiyacı var? Yapay zeka ve blockchain arasındaki sinerjiye dair anlatı yeni bir şey değil. Ancak de gösterdiği gibi, alana olan ilgi son birkaç yılda önemli ölçüde arttı. ilgili araştırma verilerinin Dağıtılmış ağları yapay zeka hizmetleriyle entegre etmenin yapay zeka geliştiricileri için uzun vadeli birçok faydası vardır. Blockchain, bilgi işlem gücü eksikliğiyle ilgili olanlar gibi bir dizi kritik engeli ortadan kaldırma veya en azından hafifletme potansiyeline sahiptir. Bu sinerji aynı zamanda yenilikçi birlikte çalışabilirlik seçeneklerine erişimin de önünü açıyor. Örneğin, DLT teknolojisi, sinir modellerinde ince ayar yapılmasına ve algoritmaların eğitimi için daha temsili veri kümelerinin toplanmasına olanak sağlayabilir. Sistemleri yapay zekayla (özellikle zincir içi ve akıllı sözleşmelerle) entegre etmek aynı zamanda blockchain endüstrisine de fayda sağlayacaktır. Yapay zeka, dağıtılmış ağların performansını potansiyel olarak artırabilir ve merkezi olmayan finans (DeFi) sektörü için önemli bir büyüme itici gücü haline gelebilir. Herkesin sorunları var neredeyse 70 yıllıktır. Ancak sektör, yaygın olarak benimsenmesini engelleyen bazı engelleri hiçbir zaman ortadan kaldırmayı başaramadı. Üstelik endüstri geliştikçe yeni zorluklar ortaya çıktı. Yapay zekanın bilimsel bir alan olarak tarihi Aşağıda, dağıtılmış ağların belirli sınırlamaları ortadan kaldırabileceği bazı potansiyel senaryoların ayrıntılarını veriyorum. Güç sıkıntısı Grafik işlem birimleri (GPU'lar), algoritmaların eğitiminde ve kullanıcı sorgularının çıkarılmasında önemlidir. Bu, özellikle belirgindir. Nvidia'nın 2024 Mali Yılı 1. Çeyreğine ilişkin raporunda Yapay zeka sektörünün büyümesi karşısında GPU'lara olan talepte keskin bir artış yaşandı ve bu da yol açtı. Durum o kadar ciddiydi ki Google ve Amazon gibi büyük bulut hizmeti sağlayıcıları müşterilerine kısıtlamalar bile uygulamaya başladı. mikro devrelerde önemli bir kıtlığa Yapay zekaya dahil olan birçok şirket alternatif tedarikçilere (örneğin Lambda) yöneldi ancak onlar da kapasite sınırlarına yaklaşmışlardı. https://x.com/Suhail/status/1643002186320994304?embedable=true Merkezi olmayan bilgi işlem ağları sorunu çözebilir. Bunlar, bilgi işlem gücüne ihtiyaç duyan kuruluşları gerekli kaynaklara sahip sistem sahipleriyle buluşturan . fiili aracılardır Bu tür çözümler, merkezi hizmet sağlayıcılara kıyasla daha düşük fiyatlar sunar. Bunun temel nedeni, sisteme bağlı sağlayıcılar için ek maliyetlerin olmamasıdır. Bu tür bilgi işlem ağlarının iki ana türü vardır: Genel amaçlı (GP). Bunlar, çeşitli uygulamalara kaynak sağlayan merkezi olmayan bulut hizmetlerini içerir. İşletim modelleri bir pazar yerini andırıyor; müşteriler, kendi fiyatlarını belirleyen sağlayıcılardan sunucu alanı kiralıyorlar. Özel amaçlı (SP). Bunlar aksine, belirli kullanım senaryoları için tasarlanmıştır. Genellikle mimarileri bilgi işlem kaynaklarını tek bir havuzda (bir tür merkezi olmayan bilgisayar) birleştirir. Bu durumda hizmetlerin maliyeti piyasa dinamikleri veya toplum tarafından kontrol edilen parametreler tarafından belirlenir. Buradaki bir örnek, ML modellerini eğitmek için tasarlanan . Gensyn'dir Merkezi olmayan ağlar bilgi işlem gücüne erişimi demokratikleştirir. Bu olan eğitim, algoritmalarda ince ayar yapma ve kullanıcı sorgularını işleme maliyetlerini azaltır. , hesaplama açısından daha da yoğun görevler Ancak topluluk, ML modellerinin dağıtılmış bir kaynak üzerinde eğitilme hızı konusunda endişeli. Alliance üyesi ve Volt Capital ortağı Mohamed Fouda'ya göre bu, merkezi yöntemlerden olabilir. bir veya iki kat daha yavaş https://x.com/MohamedFFouda/status/1643671460488290306?embedable=true Ekipler halihazırda merkezi olmayan öğrenme sürecini optimize etmek için çalışıyor. teorik olarak darboğazı ortadan kaldıran bir çözüm yaratırken, Gensyn de farklı donanımların ağa bağlanmasından kaynaklanan sorunları hafifletmeye çalışıyordu. Together geliştiricileri Ancak toplumun para tasarrufu için yavaş öğrenmeden ödün vermesi muhtemeldir. Sıfır açıklamayla makine öğrenimi odaklanan projeleri ayrı ayrı öne çıkarmak istiyorum. Sıfır bilgi makine öğrenimine (ZKML) Bilgi işlem ağlarında doğru çalışmayı sağlamak için ve gibi çeşitli mekanizmalar kullanılır. Ancak her yaklaşımın kendi sınırlamaları ve dezavantajları vardır. Örneğin bir TEE potansiyel bir donanım saldırı vektörüne sahip olabilir. güvenilir yürütme ortamları (TEE) itibar modelleri https://youtu.be/G8-3G_cep4M?si=Efitx0ckFArvKRHU&embedable=true Bu nedenle, yeni bir proje dalgası (Gensyn, ve ), makine öğrenimi için hesaplama bütünlüğünü doğrulamak amacıyla sıfır bilgi kanıtını (ZKP) uygulama denemelerine başladı. Modulus Labs Giza ZKP, bir tarafın (kanıtlayan taraf) bir iddianın doğruluğunu başka bir tarafa (doğrulayan taraf) herhangi bir ek bilgi açıklamadan onaylamasına olanak tanıyan bir . Protokol, geliştiricilerin ölçeklenebilir ve güvenli uygulamalar oluşturmasına olanak tanıdığı için blockchain endüstrisinde oldukça popülerdir. şifreleme protokolüdür Makine öğrenimine uygulandığında ZKP, giriş verilerinin bir kısmını veya modelin kendisini gizler. Bu, özellikle algoritmaların sağlık ve finans gibi sıkı düzenlemelere tabi sektörlerde çalıştığı durumlarda geçerlidir. gerekirse ZKML'nin başka avantajları da var. Örneğin yöntem, belirli bir algoritmanın kesin olarak tanımlanmış bir veri seti üzerinde eğitildiğinin kanıtlanmasına olanak tanır. Tescilli yapay zeka durumunda, aynı modelin tüm kullanıcılar için mevcut olduğunun doğrulanması da mümkün olur. Yaklaşımın bir dezavantajı, kanıtın kendisini üretme sürecidir; bu, orijinal operasyonlardan daha pahalıya mal olabilecek, kaynak yoğun bir görevdir. Bu, bazı durumlarda hesaplamanın pratik olmadığı anlamına gelir. Bununla birlikte ZKML, yapay zeka endüstrisi için bir ademi merkeziyetçilik vektörüdür. Teknolojinin dar bir oyuncu havuzunun elinde yoğunlaşmasının olduğu bir durumda bu önemlidir. endişe kaynağı İçerik kimlik doğrulaması Üretken yapay zekanın gelişimi ve yaygınlaşması, gerçekçi derin sahtekarlıkların ortaya çıkmasına yol açtı. Örnekler arasında Papa Francis'in Balenciaga kaz tüyü ceketli uydurma görüntüleri ve yer alıyor. Pentagon yakınlarındaki bir bombalama sahnesinin videosu https://youtu.be/F4G6GNFz0O8?si=w6iO9_xj8LN9PCsS&embedable=true Bu tür derin sahtekarlıklarla mücadele etmek için kriptografik imzalar kullanılabilir; . Uygulamaya bir örnek, merkezi olmayan sosyal ağlardır. Lens Protokolü tabanlı projeler, kullanıcı hesaplarını halka açık bir blok zincirindeki adreslere bağlayarak tanımlamayı basitleştirir. içerik oluşturucunun kimliği, özel-genel anahtar çiftinin eşleştirilmesiyle doğrulanır Bundlr ve Arweave ekipleri aynı zamanda üzerinde de çalışıyor. Arweave, değişmez kriptografik imzaların ve zaman damgalarının dağıtılmış bir kayıt defterinde kaydedilen dijital içeriğe entegrasyonunu gerektiren spesifikasyonların getirilmesini öngörmektedir. endüstri çapındaki standartlar Verimliliğe yönelik yapay zeka ve blockchain sinerjisi Uzun vadede blockchain, sinir modeli eğitiminin verimliliğini artıracak ve endüstrinin araştırma yapma şeklini değiştirebilir. Blockchain ile ilgili araştırmaların çoğu, ilk günlerinde akademide yürütülürken, artık büyük teknoloji şirketlerinin hakimiyetindedir. Bu durum, işbirliğine yönelik teşvik ve fırsatların bulunmaması nedeniyle yerel laboratuvarların ve bireylerin katılımını sınırlamaktadır. gibi merkezi olmayan platformlar sorunları çözebilir. Bunlar, katılımcıların gelişime yaptıkları katkılardan dolayı ödüllendirildiği ve modelleri eğitmek için verileri paylaşabilecekleri pazaryerleridir. Bu tür platformlar özellikle açık kaynaklı yapay zeka oluştururken çekicidir. Bittensor Blockchain aynı zamanda uygulanmasını da kolaylaştırır. Bu, sinir modeline ince ayar yapmak için insan geribildirimini sürece dahil eden bir yöntemdir. İnsan Geri Bildiriminden (RLHF) Takviyeli Öğrenmenin RLHF, hatalı veya taraflı sonuçların sayısını azaltarak modeli "parlatmanıza" olanak tanır. Örneğin . OpenAI bunu GPT-3'te hata ayıklamak ve ChatGPT'yi geliştirmek için kullandı İnce ayar, algoritmaların performansını artırır ve alana özgü uzmanlık kazanmalarını sağlar. Bu tür son derece uzmanlaşmış modellere olan talep arttıkça uzmanların geri bildirim sağlama ihtiyacı da artıyor. token şeklindeki teşvik ödemeleri yoluyla RLHF'yi ölçeklendirmenin bir yolunu öneriyor. Ancak bu yaklaşımın en az iki sorunu var: Multicoin, Uzmanlar, öğrenme sürecine dahil olan bireylerin çeşitliliğini sınırlayan tazminat olarak tokenları kabul etmeyi kabul etmelidir. Geri bildirimin doğruluğunu korumak için böyle bir sistemin manipülatif saldırılardan korunması gerekir. Ancak gibi projeler yöntemi zaten uygulamaya koydu. Hivemapper Akıllı bir sözleşme ne kadar akıllı olabilir? Blockchain platformlarının yapay zekayı altyapıdan uygulamaya kadar çeşitli düzeylerde kullanabileceği pek çok alan var. Bununla birlikte, kripto para birimi endüstrisini en çok ilgilendiren senaryolar, yapay zekanın doğrudan dağıtılmış bir defterde çalıştığı senaryolardır. Genel anlamda algoritmaların aktivitesini blok zincirine taşımanın iki yolu vardır: ödeme yapmak ve dijital kaynaklara erişmek için Web3 altyapısını kullanmasına izin verin. Otonom aracıların Nöral modellerin ZKML aracılığıyla akıllı sözleşmelerle etkileşime girmesine izin verin. İlginç, değil mi? Otonom aracılar için ödemeler ve kaynaklar Özerk ekonomik aracılar (AEA'lar), sürece doğrudan müdahaleleri olmadan sahipleri adına belirli görevleri yerine getiren, makine öğrenimi algoritmalarına dayanan özerk sistemlerdir. Uzmanlar, teknoloji ilerledikçe ve bunun da "çoklu ajan sistemlerinin" çoğalmasına yol açmasını bekliyor. AEA'ların daha uzman hale gelmesini Bu da bazı temsilcilerin diğerlerini "işe alabileceği" ve belirli görevleri yerine getirmeleri karşılığında onlara ücret ödeyebileceği bir pazarın ortaya çıkmasını gerektirecektir. Bu bağlamda, kripto para birimiyle yapılan ödemeler, çeşitli nedenlerden dolayı muhtemelen fiat ödemelere tercih edilecektir: Mevcut yasalar, AEA'ların sınır ötesi işlemler gerçekleştirmek için banka hesapları açmasına veya hesap sahiplerinin hesaplarını kullanmasına izin vermemektedir. Kripto para birimleri güvenilir aracılara olan ihtiyacı ortadan kaldırır. Blockchain altyapısı daha hızlı ve daha ucuz ödemelere olanak sağlıyor. AEA'lar ödeme ve ) ile etkileşime girebilecek. DePIN'ler donanım cihazlarını entegre eder; yukarıda tartışılan bilgi işlem sistemleri de bu segmente atfedilebilir. merkezi olmayan fiziksel altyapı ağları (DePIN DePIN'ler, yapay zekanın disk alanı ve bilgi işlem gücü gibi dijital kaynaklara erişmesini sağlayacak. Örneğin, bir algoritmanın 3D model oluşturması gerekiyorsa, merkezi çözümlere güvenmek yerine işleme için ve veri depolama için kullanabilir. Render Network'ü Arweave'i Yapay zekayı akıllı sözleşmelere entegre etme Yapay zeka modellerinin akıllı sözleşmelere uygulanması, yeteneklerini önemli ölçüde genişletir. Sinir ağları yalnızca yenilikçi kullanım senaryolarına erişim sağlamakla kalmayacak, aynı zamanda mevcut araçların verimliliğini de artıracak. Bu entegrasyonun büyük bir kısmı, algoritmaların blok zincirinde konuşlandırılmasıyla ilişkili yüksek hesaplama maliyetleri nedeniyle engelleniyor. Ancak zincir dışı modellerin tam olarak yürütüldüğünü doğrulamak için ZKP'nin kullanılması bu sorunu çözebilir çünkü yalnızca ilgili kanıtlar dağıtılmış bir kayıt defterine yerleştirilebilir. Böyle bir yaklaşım, akıllı sözleşmelerin bir dizi sabit kodlanmış kuralla sınırlı kalmadan, dinamik verilere dayalı kararlar almasına olanak tanıyacaktır. Bu şekilde daha özerk, esnek ve sofistike hale gelecekler. ZKML, DeFi, GameFi, DeSo (Merkezi Olmayan Sosyal) ve DePIN dahil olmak üzere birçok endüstri sektöründe kullanılabilir. Örneğin, merkezi olmayan finansal uygulamalarda . Olası bir kullanım durumu gerçek zamanlı olarak ayarlamak için ML modelini kullanan bir borç verme protokolüdür. yapay zeka, mevcut ağ parametrelerine göre protokol parametrelerini ayarlayabilir , teminat faktörünü Diğer senaryolar arasında otomatik hazine yönetimi, zincir içi kredi puanlaması ve yer alıyor. AMM likidite yönetimi Çözüm Şu anda yapay zeka ve Web3 endüstrileri arasında temel mantık düzeyinde bir çelişki var: birincisi oldukça merkezi. Aynı zamanda ikincisi, yaygın ademi merkeziyetçilik ilkeleri üzerine inşa edilmiştir. Bu durum zaman zaman uygulamaların entegre edilmesini zorlaştırmaktadır. Ancak aynı çelişki, bu iki sektörden gelen ürünlerin birbirini etkili bir şekilde tamamlamasına ve karşılıklı gelişmeyi teşvik etmesine olanak tanıyor. Blockchain'in gelecekteki sinir modellerinin temeli olacağına veya algoritmaların merkezi olmayan platformların merkezinde çalışacağına dair bir garanti yok. Ancak iki teknolojinin birleşiminin pek çok yeni anlatı üreteceğini ve bunların bazılarının oldukça uygulanabilir olduğunu rahatlıkla söyleyebiliriz.
