تستحق شراكة Lagrange الأخيرة مع شبكة Mira المتابعة، حيث يعمل الطرفان على بناء بنية تحتية موثوقة للذكاء الاصطناعي اللامركزي. كانت Mira تركز في الأصل على التحقق اللامركزي من مخرجات الذكاء الاصطناعي، من خلال شبكة عقد توزيع للتحقق من ردود النماذج وإجراء التحقق بالإجماع. لكن تقنية DeepProve التي قدمتها Lagrange سترتقي بهذا الأمر إلى مستويات جديدة - حيث يمكنها توليد zk-SNARKs لكل استدلال نموذج، مما يحقق سرعة توليد إثبات تصل إلى 158 ضعف المكتبات الحالية للـ zkML.
هذه المجموعة المثيرة للاهتمام. تتولى ميرا مسؤولية التحقق من صحة مخرجات الذكاء الاصطناعي، بينما تثبت DeepProve رياضيًا صحة عملية الحساب. بشكل أكثر تحديدًا، فهي تحل ثلاثة مشاكل أساسية: هل يعمل النموذج بشكل حقيقي؟ هل تم تنفيذ الحساب بشكل صحيح؟ هل يمكن الوثوق بالمخرجات على السلسلة؟ هذه الآلية المزدوجة للتحقق تضع معيارًا جديدًا للذكاء الاصطناعي اللامركزي. على مستوى المؤشرات التقنية، تظهر DeepProve مزايا واضحة. بالإضافة إلى سرعة الإثبات المذهلة، يمكنها أيضًا الحفاظ على التحقق المنطقي الخاص، وهو أمر مهم بشكل خاص للتطبيقات الذكية التي تحتاج إلى معالجة بيانات حساسة. والأهم من ذلك، يمكن ربط هذه الإثباتات مباشرة بالأوراكل، والعقود الذكية، أو الأنظمة المتوافقة، مما يوفر أساسًا قابلًا للتحقق من خدمات الذكاء الاصطناعي في نظام Web3 البيئي. من منظور آفاق التطبيق، قد يعيد هذا الهيكل تشكيل طريقة استخدام خدمات الذكاء الاصطناعي. يمكن للمطورين بناء نماذج قادرة على إثبات المنطق الخاص بها، ويمكن للوكلاء الذكيين التحقق من كل مخرج، مما يؤدي في النهاية إلى تشكيل شبكة خدمات ذكاء اصطناعي قابلة للتدقيق. بالنظر إلى مشكلة "الصندوق الأسود" التي توجد بشكل شائع في مجال الذكاء الاصطناعي + البلوكشين في الوقت الحالي، فإن تصميم القابلية للتحقق هذا يتماشى بشكل واضح مع روح اللامركزية. مع تعمق التعاون، قد تبرز دور رموز LA في شبكة التحقق بشكل أكبر.
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
تستحق شراكة Lagrange الأخيرة مع شبكة Mira المتابعة، حيث يعمل الطرفان على بناء بنية تحتية موثوقة للذكاء الاصطناعي اللامركزي. كانت Mira تركز في الأصل على التحقق اللامركزي من مخرجات الذكاء الاصطناعي، من خلال شبكة عقد توزيع للتحقق من ردود النماذج وإجراء التحقق بالإجماع. لكن تقنية DeepProve التي قدمتها Lagrange سترتقي بهذا الأمر إلى مستويات جديدة - حيث يمكنها توليد zk-SNARKs لكل استدلال نموذج، مما يحقق سرعة توليد إثبات تصل إلى 158 ضعف المكتبات الحالية للـ zkML.
هذه المجموعة المثيرة للاهتمام. تتولى ميرا مسؤولية التحقق من صحة مخرجات الذكاء الاصطناعي، بينما تثبت DeepProve رياضيًا صحة عملية الحساب. بشكل أكثر تحديدًا، فهي تحل ثلاثة مشاكل أساسية: هل يعمل النموذج بشكل حقيقي؟ هل تم تنفيذ الحساب بشكل صحيح؟ هل يمكن الوثوق بالمخرجات على السلسلة؟ هذه الآلية المزدوجة للتحقق تضع معيارًا جديدًا للذكاء الاصطناعي اللامركزي.
على مستوى المؤشرات التقنية، تظهر DeepProve مزايا واضحة. بالإضافة إلى سرعة الإثبات المذهلة، يمكنها أيضًا الحفاظ على التحقق المنطقي الخاص، وهو أمر مهم بشكل خاص للتطبيقات الذكية التي تحتاج إلى معالجة بيانات حساسة. والأهم من ذلك، يمكن ربط هذه الإثباتات مباشرة بالأوراكل، والعقود الذكية، أو الأنظمة المتوافقة، مما يوفر أساسًا قابلًا للتحقق من خدمات الذكاء الاصطناعي في نظام Web3 البيئي.
من منظور آفاق التطبيق، قد يعيد هذا الهيكل تشكيل طريقة استخدام خدمات الذكاء الاصطناعي. يمكن للمطورين بناء نماذج قادرة على إثبات المنطق الخاص بها، ويمكن للوكلاء الذكيين التحقق من كل مخرج، مما يؤدي في النهاية إلى تشكيل شبكة خدمات ذكاء اصطناعي قابلة للتدقيق. بالنظر إلى مشكلة "الصندوق الأسود" التي توجد بشكل شائع في مجال الذكاء الاصطناعي + البلوكشين في الوقت الحالي، فإن تصميم القابلية للتحقق هذا يتماشى بشكل واضح مع روح اللامركزية. مع تعمق التعاون، قد تبرز دور رموز LA في شبكة التحقق بشكل أكبر.
{المستقبل}(LAUSDT)