Modulus Labs：Variant投資的基礎設施如何利用ZK證明檢驗AI？

閱讀本文需 14 分鐘

11 月 2 日，Variant 和1Kx參投的Modulus Labs完成630萬美元種子輪融資。 Modulus Labs的核心概念是利用零知識證明為AI系統提供驗證，確保AI查詢保持原樣，未被篡改。這為將AI納入更廣泛的Web3應用鋪平了道路。

Bequoblock

BlockBeats 訊息，11 月2日，旨在將加密安全性引入人工智慧的專案Modulus Labs 完成630 萬美元種子輪融資，Variant 和1Kx 參投。 Modulus Labs 的核心概念是利用零知識證明為 AI 系統提供驗證，確保 AI 查詢保持原樣，未被篡改。這為將 AI 納入更廣泛的 Web3 應用鋪平了道路。

「人工智慧正在改變世界」，這似乎已經成為一個共識。短短幾個月的時間，OpenAI 開發的 AI 語言模型 ChatGPT 已席捲全球。人工智慧演算法可以診斷癌症或在股市上進行數十億美元交易的未來似乎不再像科幻小說那樣。

每當我們向人工智慧尋求建議、排隊最新的信用評分或刷新我們選擇的社群媒體資源時，大數據的推播總能給我們帶來不少驚喜。然而，人工智慧操作的計算成本太高，無法直接在鏈上運行。這意味著要將人工智慧功能引入智慧合約，我們需要相信人工智慧操作員始終可以在不進行操縱的情況下運行模型。

而在加密貨幣的背景下，信任幾乎總是一個非常糟糕的主意。 Variant 和 1Kx 投資的 Modulus Labs 正是為了驗證人工智慧而將 ZK 證明技術引入 AI，即零知識機器學習（zkML）。那麼 zkML 如何做到這一點，BlockBeats 蒐集現有資料並將其整理如下。

Modulus Labs 如何將加密安全性引入人工智慧

目前我們尚未在區塊鏈領域看到主要的新型人工智慧應用程序，因為將機器學習模型部署到鏈上的門檻比傳統軟體設定要高得多。區塊鏈驗證對用戶操作產生影響的運算能力對其功能至關重要。迄今為止，人工智慧在這方面的表現並不理想，大多數機器學習模型都運行在不透明的伺服器中，黑盒演算法由相對免受審查的操作員調整。

在一個信任主導的世界中，現有的機器學習機制難以滿足驗證要求。隨著風險的增加，人們研究、影響甚至用更符合他們利益的演算法取代人工智慧演算法的動機也在增加。

Modulus Labs 正在建構具有零知識證明的去信任人工智慧，以使該技術更便宜且更易於加密協議使用。

利用ZK 檢定AI

Modulus Labs 專注於零知識機器學習（zkML）來驗證人工智慧。

zkML 是指無論運算是在開放環境或私有集中式伺服器中進行，都可以證明正確性的 ML 模型。這意味著人工智慧代理和機器學習模型現在可以開始作為智慧合約邏輯的自然延伸。具體而言，我們認為 zkML 可以透過盡量減少對複雜動態功能的人類治理需求來幫助解鎖更先進的去中心化協議。

像以太坊這樣的區塊鏈是緩慢的、分散的電腦。程式越大，區塊鏈運行它所需的時間就越長。為了解決這個問題，開發人員透過簡潔的證明在鏈外或私人伺服器上運行程式。然後，他們將證明轉移到區塊鏈上，人們只需要解決證明來驗證程式碼是否正確執行，而不是檢查程式的每一行。

現在，新創公司正在推動使用零知識證明進行機器學習，他們將這種融合稱為 zkML。

為了幫助實現這一願景，Modulus Labs 將在接下來的幾個月內推出多個ZKML 應用程序，首先是與NFT 評估領導者Upshot合作。

Upshot 使用AI 提供準確、及時的NFT 價格（每小時超過1 億次評估，MAPE 為3-10%），這意味著有機會為長尾資產開啟新的金融市場。 Modulus Labs 的目標是在不放棄區塊鏈安全性的情況下，將 Upshot 的人工智慧價格傳遞到鏈上。結果是人工智慧超能力和區塊鏈安全性共同打造出 NFT 價格，這種結合是由 Modulus 的 ZK 證明實現的。

此外，Modulus Labs 也與 AI Arena 合作，這是一款人工智慧戰士向人類玩家學習的電玩遊戲。人類讓戰士們互相對抗，勝利者贏得加密貨幣。由於經濟利益，玩家需要相信他們的對手沒有不公平地操縱或影響戰士。為了給用戶這種信心，Modulus Labs 正在開發客製化的零知識證明，以驗證玩家訓練的 AI 戰鬥機與比賽中部署的 AI 戰鬥機是同一台。