※ 引述《ripple0129 (perry tsai)》之銘言： : 標題: Re: [新聞] Vitalik Buterin 表示 OpenAI 的 GP : 時間: Sat May 18 05:15:01 2024 : : 老實說以太坊能跟AI有啥關係 : 我實在看不出來 : 除了一些幣冠名AI : 發在ETH鏈上 : 似乎沒什麼真的有什麼應用出來 看不出來有什麼關係是正常的，了解很多技術瓶頸也顯示出你有其專業， 但人家身價億萬計，本來就不是用常人的角度在看事情， 是想把目前不可能化為未來的可能，所以目前沒什麼應用也沒錯 Vitalik 在自己一月底的部落格裡，清楚敘述願景，概分四種 AI 在區塊鏈中的場景： https://t.ly/IXNEO 然後上個月中，以太坊基金會開始徵 AI 人材，意者寄 [email protected] 1) 參與者 (高可行性)： 本地端練好的 AI 拿來當一般玩家，例如早就出現的一些 MEV 套利， 或是作為 AI 交易者，項目方提供未知商品的走勢，讓大眾提供算法競爭贏得獎勵，並把執行利潤分享 2) 界面 (具風險但高潛力)： AI 作為一般玩家與 dapp 互動間的中介，例如一些以太錢包已有的詐騙醒示 類似早期類神經用來過濾垃圾信，或是最近 2024 google i/o 的詐騙醒示功能 3) 規則 去中心化法官 (十分謹慎小心)： AI 作為規則與決策判斷，去除人類貪嗔痴 例如 DAO 的運作，或是近年以太再質押 AVS 的懲罰與獎勵原則作為裁判 4) 目標 (長期但有趣難解)： AI 即鏈，鏈即 AI，V 特別指出 NEAR 目前正在朝此方向努力將 AI 去中心化 目前各大資訊巨頭擁有的 AI 技術是為 AI 中心化， 目標在能資料隱密與算法保密的情況下，以代幣作為激勵與消耗，人人可用來自己微調訓練或利用 但就如之前回文者，稍有點機器學習認識的人，馬上就能舉出一堆問題，訓練資料的保密、加密資料上鏈、模型加解密成本、存取權… … 等 這些問題 V 也在 blog 統整入 加密成本(crypto overhead) 與 黑盒子 兩大分類，這確實是長期但有趣的問題 但其實文中也提供不少解方與變形，例如 MPC (多方計算) 達到個人資料隱匿但共同學習利用模型，FHE (全同態加密) 上鏈加密資料進行運算， 又或是可信任硬體及限制模型存取權，或是配沒提到的 聯邦學習 達到模型訓練分散化 但其實細究可以問出一堆問題(所以英文稱它兔子洞)，尤其是喜歡作惡的好奇寶寶，怎麼避免污染數據集、攻擊模型和獎罰判定， 只能說很多都是概念化，也正有很多項目在實驗努力中 與開源 AI 或是之前分散式運算的最大不同之處，在於如何不犧牲隱私下， 將 AI 價值留存在代幣之中，讓加密使用消耗 與 對算法資料有貢獻者 都能從代幣中扣除與獲得，並避免作惡，而不再只是自願幫忙作公益。 不過也如前面很多人指出，目前和 2000 年網路泡沫 或是幾年前 大 ICO 時代一樣，充滿詐騙，token-based AI 必然有一堆熱錢和新的泡沫， 如何萬中選一找到真的有毅力實力完成 AI 項目的，就真的是考驗資料揀選和驗證的能力了。 -- ※ 發信站: 批踢踢實業坊(pttweb.org.tw), 來自: 73.135.31.236 (美國) ※ 文章網址: https://pttweb.org.tw/DigiCurrency/M.1716071102.A.BD3

推 DarkerDuck: 全同態加密以前有研究過，成本消耗非常大 05/19 13:21

→ DarkerDuck: 會讓同樣操作的線性轉換慢上百倍 05/19 13:22

→ DarkerDuck: 不過我認為自主AI對於未來的加密貨幣發展還是很有幫助 05/19 13:22

推 DarkerDuck: 另外寫一篇 05/19 13:22

→ DarkerDuck: 看了一下，ZK-SNARK可以讓開銷縮小到四倍 05/19 13:30