Автор: Виталик Бутерин через Блог Виталика Бутерина
Особая благодарность командам Worldcoin и Modulus Labs, Xinyuan Sun, Martin Koeppelmann и Илье Полосухину за отзывы и обсуждения.
Многие люди на протяжении многих лет задавали мне аналогичный вопрос: каковы пересечения между криптовалютой и ИИ, что я считаю наиболее плодотворным? Это резонный вопрос: криптография и искусственный интеллект — две основные глубокие (программные) технологические тенденции последнего десятилетия, и такое ощущение, что они есть. должен быть некой связью между ними. Легко добиться синергии на поверхностном уровне: криптодецентрализация может сбалансировать централизацию ИИИИ непрозрачен, а криптография обеспечивает прозрачность, ИИ нуждается в данных, а блокчейны хороши для хранения и отслеживания данных. Но на протяжении многих лет, когда люди просили меня копнуть глубже и поговорить о конкретных приложениях, мой ответ был разочаровывающим: «да, есть кое-что, но не так уж и много».
За последние три года, с появлением гораздо более мощного ИИ в виде современных LLMи появление гораздо более мощной криптовалюты в форме не только решений по масштабированию блокчейна, но и ЗКП, FHE, (двухпартийная и N-партийная) MPC, я начинаю видеть эти изменения. Действительно, внутри экосистем блокчейнов есть несколько многообещающих применений ИИ. ИИ вместе с криптографией, хотя важно быть осторожным с тем, как применяется ИИ. Особая проблема заключается в том, что в криптографии открытый исходный код — единственный способ сделать что-то по-настоящему безопасным, но в ИИ модель (или даже ее обучающие данные) является открытой. сильно увеличивается его уязвимость перед состязательное машинное обучение атаки. В этом посте будет рассмотрена классификация различных способов пересечения криптовалюты и искусственного интеллекта, а также перспективы и проблемы каждой категории.
Общий обзор пересечений криптовалюты и искусственного интеллекта сообщение в блоге uETH. Но что нужно, чтобы реально реализовать любую из этих синергий в конкретном приложении?
Четыре основные категории
ИИ — это очень широкое понятие: вы можете думать об «ИИ» как о наборе алгоритмов, которые вы создаете, не определяя их явно, а, скорее, перемешивая большой вычислительный суп и оказывая некое оптимизационное давление, которое подталкивает суп в сторону создание алгоритмов с нужными вам свойствами. К этому описанию определенно не следует относиться пренебрежительно: оно включает в себя домен процесс который создали мы, люди, в первую очередь! Но это означает, что алгоритмы ИИ имеют некоторые общие свойства: их способность делать чрезвычайно мощные вещи, а также ограничения в нашей способности знать или понимать, что происходит под капотом.
Есть много способов классифицировать ИИ; для целей этого поста, в котором говорится о взаимодействии между ИИ и блокчейнами (которые были описаны как платформа для создание «игр»), я классифицирую это следующим образом:
- ИИ как игрок в игре [наивысшая жизнеспособность]: ИИ участвуют в механизмах, где конечным источником стимулов является протокол с участием человека.
- ИИ как интерфейс игры [высокий потенциал, но с рисками]: Искусственный интеллект помогает пользователям понять окружающий их криптомир и гарантировать, что их поведение (т. е. подписанные сообщения и транзакции) соответствует их намерениям и их не обманывают и не обманывают.
- ИИ как правила игры [действуйте очень осторожно]: блокчейны, DAO и подобные механизмы, напрямую обращающиеся к ИИ. Подумайте, например. «ИИ-судьи»
- ИИ как цель игры [более долгосрочная, но интригующая]: разработка блокчейнов, DAO и подобных механизмов с целью создания и поддержки ИИ, который можно было бы использовать для других целей, используя биты шифрования либо для лучшего стимулирования обучения, либо для предотвращения утечки конфиденциальных данных ИИ или его неправильного использования.
Давайте пройдемся по этим пунктам один за другим.
ИИ как игрок в игре
На самом деле эта категория существует уже почти десять лет, по крайней мере, с тех пор, как внутрисетевые децентрализованные биржи (DEX) начал видеть значительное применение. Каждый раз, когда происходит обмен, есть возможность заработать деньги посредством арбитража, и боты могут делать арбитраж гораздо лучше, чем люди. Этот вариант использования существует уже давно, даже с гораздо более простыми ИИ, чем те, которые мы имеем сегодня, но в конечном итоге это вполне реальное пересечение ИИ и криптовалюты. Совсем недавно мы видели арбитражных ботов MEV. часто эксплуатируют друг друга. Каждый раз, когда у вас есть приложение блокчейна, которое включает в себя аукционы или торговлю, у вас будут арбитражные боты.
Но арбитражные боты с искусственным интеллектом — это лишь первый пример гораздо более широкой категории, которая, как я ожидаю, вскоре начнет включать в себя множество других приложений. Знакомьтесь, AIOmen, демонстрация рынка прогнозов, где игроками являются ИИ:
Один из ответов на это — указать на продолжающиеся улучшения UX в Полимаркет или другие новые рынки прогнозов и надеются, что они добьются успеха там, где предыдущие итерации потерпели неудачу. В конце концов, как гласит история, люди готовы делать ставки десятки миллиардов на спорт, так почему бы людям не вложить достаточно денег, делая ставки на выборы в США или LK99 что для серьезных игроков начинает иметь смысл приходить? Но этот аргумент должен учитывать тот факт, что предыдущие итерации иметь не смогли достичь такого уровня масштаба (по крайней мере, по сравнению с мечтами их сторонников), и поэтому кажется, что вам нужно что-то новое сделать рынки предсказаний успешными. Поэтому другой ответ — указать на одну конкретную особенность экосистем рынка прогнозов, которую мы можем ожидать увидеть в 2020-х годах, но не видели в 2010-х: возможность повсеместного участия ИИ.
ИИ готовы работать менее чем за 1 доллар в час и обладают энциклопедическими знаниями – а если этого недостаточно, их даже можно интегрировать с возможностью веб-поиска в реальном времени. Если вы создадите рынок и добавите субсидию ликвидности в размере 50 долларов, люди не будут настолько заинтересованы в торгах, но тысячи ИИ легко будут роиться вокруг этого вопроса и делать наилучшие предположения, которые они могут. Стимул хорошо поработать над каким-либо вопросом может быть незначительным, но стимул создать ИИ, который делает хорошие прогнозы в целом могут исчисляться миллионами. Обратите внимание, что потенциально вам даже не нужны люди, чтобы выносить решения по большинству вопросов: вы можете использовать многораундовую систему споров, аналогичную Авгур или Клерос, где ИИ также будут участвовать в предыдущих раундах. Людям нужно будет реагировать только в тех немногих случаях, когда произошла серия эскалаций и обе стороны потратили большие суммы денег.
Это мощный примитив, потому что, как только «рынок прогнозов» можно будет заставить работать в таком микроскопическом масштабе, вы сможете повторно использовать примитив «рынок прогнозов» для решения многих других типов вопросов:
- Приемлема ли эта публикация в социальной сети согласно [условиям использования]?
- Что произойдет с ценой акции X (например, см. Numerai)
- Этот аккаунт, который сейчас пишет мне, на самом деле Илон Маск?
- Приемлема ли подача этой работы на онлайн-рынок задач?
- Является ли децентрализованное приложение https://examplefinance.network мошенничеством?
- Is
0x1b54....98c3
на самом деле адрес токена ERC20 «Casinu Inu»?
Вы можете заметить, что многие из этих идей идут в направлении того, что я назвал «информационная защита" в . В широком смысле вопрос заключается в следующем: как мы можем помочь пользователям отличать правдивую и ложную информацию и обнаруживать мошенничество, не наделяя централизованный орган полномочиями решать, что правильно, а что нет, кто затем может злоупотребить этим положением? На микроуровне ответом может быть «ИИ». Но на макроуровне возникает вопрос: кто создает ИИ? ИИ является отражением процесса, который его создал, и поэтому не может избежать предубеждений. Следовательно, существует потребность в игре более высокого уровня, которая бы определяла, насколько хорошо работают различные ИИ, где ИИ могли бы участвовать в игре в качестве игроков..
Это использование ИИ, при котором ИИ участвуют в механизме, в котором они в конечном итоге получают вознаграждение или наказание (вероятностно) с помощью сетевого механизма, который собирает входные данные от людей (назовем это децентрализованным рыночным механизмом). РЛХФ?), это то, что, я думаю, действительно стоит изучить. Сейчас самое время более внимательно изучить подобные варианты использования, потому что масштабирование блокчейна наконец-то добилось успеха, делая «микро» что-либо наконец жизнеспособным в цепочке, хотя раньше этого часто не было.
Связанная категория приложений касается высокоавтономных агентов. использование блокчейнов для лучшего сотрудничества, будь то посредством платежей или использования смарт-контрактов для принятия надежных обязательств.
ИИ как интерфейс игры
Одна идея, которую я поднял в своем сочинения о Это идея о том, что на рынке существует возможность написать программное обеспечение, ориентированное на пользователя, которое будет защищать интересы пользователей, интерпретируя и выявляя опасности в онлайн-мире, по которому перемещается пользователь. Одним из уже существующих примеров этого является функция обнаружения мошенничества в Metamask:
Потенциально подобные инструменты могут быть оснащены искусственным интеллектом. ИИ мог бы дать гораздо более подробное и понятное для человека объяснение того, в каком децентрализованном приложении вы участвуете, последствия более сложных операций, которые вы подписываете, является ли конкретный токен подлинным (например. BITCOIN
это не просто строка символов, это название реальной криптовалюты, которая не является токеном ERC20 и цена которой намного выше 0.045 доллара, и современный LLM знает это) и так далее. Есть проекты, которые начинают развиваться в этом направлении (например, Лангчейн кошелек, который использует ИИ в качестве первичный интерфейс). Мое личное мнение таково, что чистые интерфейсы ИИ, вероятно, на данный момент слишком рискованны, поскольку увеличивают риск другие виды ошибок, но ИИ, дополняющий более традиционный интерфейс, становится очень жизнеспособным.
Стоит упомянуть об одном конкретном риске. Я расскажу об этом подробнее в разделе «ИИ как правила игры» ниже, но Общая проблема заключается в состязательном машинном обучении: если у пользователя есть доступ к ИИ-помощнику внутри кошелька с открытым исходным кодом, злоумышленники тоже будут иметь доступ к этому ИИ-помощнику, и поэтому у них будут неограниченные возможности оптимизировать свои мошенничества, чтобы не сработать. защита этого кошелька. У всех современных ИИ где-то есть ошибки, и это не так уж сложно для процесса обучения, даже если у него всего лишь ограниченный доступ к модели, чтобы найти их.
Именно здесь лучше работает «ИИ, участвующие в сетевых микрорынках»: каждый отдельный ИИ уязвим для одних и тех же рисков, но вы намеренно создаете открытую экосистему, состоящую из десятков людей, которые постоянно повторяют и совершенствуют их. Более того, каждый отдельный ИИ закрыт: безопасность системы исходит из открытости правил игра, а не внутренняя работа каждого игрок.
Резюме: ИИ может помочь пользователям понять, что происходит, простым языком, он может служить наставником в режиме реального времени, он может защитить пользователей от ошибок, но будьте осторожны, пытаясь использовать его непосредственно против злонамеренных дезинформаторов и мошенников.
ИИ как правила игры
Теперь мы подошли к приложению, которое волнует многих людей, но которое, по моему мнению, является наиболее рискованным и в котором нам нужно действовать наиболее осторожно: то, что я называю ИИ, является частью правил игры. Это связано с ажиотажем среди основной политической элиты по поводу «судей-ИИ» (см., например, этой статье на сайте «Всемирного правительственного саммита»), и аналоги этих желаний есть в блокчейн-приложениях. Если смарт-контракт на основе блокчейна или DAO должны принять субъективное решение (например, является ли конкретный рабочий продукт приемлемым в контракте о работе по найму? Какова правильная интерпретация конституции естественного языка, такой как Оптимизм? Закон цепей?), могли бы вы сделать так, чтобы ИИ был просто частью контракта или DAO, чтобы обеспечить соблюдение этих правил?
Это где состязательное машинное обучение это будет чрезвычайно трудная задача. Основной аргумент «почему», состоящий из двух предложений, заключается в следующем:
Если модель ИИ, играющая ключевую роль в механизме, закрыта, вы не можете проверить ее внутреннюю работу, и поэтому она не лучше, чем централизованное приложение. Если модель ИИ открыта, злоумышленник может загрузить и смоделировать ее локально, а также разработать тщательно оптимизированные атаки, чтобы обмануть модель, которую затем можно воспроизвести в действующей сети.
Теперь частые читатели этого блога (или обитатели криптовселенной), возможно, уже опережают меня и думают: но подождите! У нас есть причудливые доказательства с нулевым разглашением и другие действительно крутые формы криптографии. Конечно, мы можем сотворить некоторую криптомагию и скрыть внутреннюю работу модели, чтобы злоумышленники не могли оптимизировать атаки, но в то же время доказывать что модель выполняется правильно и была построена с использованием разумного процесса обучения на разумном наборе базовых данных!
Обычно это точно, тот тип мышления, который я защищаю как в этом блоге, так и в других своих произведениях. Но в случае вычислений, связанных с искусственным интеллектом, есть два основных возражения:
- Криптографические издержки: гораздо менее эффективно делать что-то внутри SNARK (или MPC или…), чем делать это «в чистом виде». Учитывая, что ИИ уже требует очень больших вычислительных ресурсов, возможно ли вообще использование ИИ внутри криптографических черных ящиков с вычислительной точки зрения?
- Атаки с использованием машинного обучения «черный ящик»: есть способы оптимизировать атаки на модели ИИ даже не зная многого о внутренней работе модели. И если ты спрячешься слишком много, вы рискуете слишком легко испортить модель для того, кто выбирает обучающие данные. отравление нападки.
Обе эти норы представляют собой сложные кроличьи норы, поэтому давайте по очереди заглянем в каждую из них.
Криптографические издержки
Криптографические гаджеты, особенно общего назначения, такие как ZK-SNARK и MPC, имеют высокие накладные расходы. Непосредственная проверка блока Ethereum клиенту занимает несколько сотен миллисекунд, но создание ZK-SNARK для доказательства правильности такого блока может занять несколько часов. Типичные накладные расходы других криптографических устройств, таких как MPC, могут быть еще хуже. Вычисления искусственного интеллекта уже являются дорогостоящими: самые мощные LLM могут выводить отдельные слова лишь немного быстрее, чем люди могут их прочитать, не говоря уже о часто многомиллионных вычислительных затратах. обучение модели. Разница в качестве между топовыми моделями и моделями, которые стараются сэкономить гораздо больше стоимость обучения or количество параметров большой. На первый взгляд, это очень веская причина с подозрением относиться ко всему проекту, заключающемуся в попытке добавить гарантии ИИ, завернув его в криптографию.
К счастью, однако, ИИ – это очень специфический тип вычислений, что делает его поддающимся всем видам оптимизации от которых не могут выиграть более «неструктурированные» типы вычислений, такие как ZK-EVM. Давайте рассмотрим базовую структуру модели ИИ:
y = max(x, 0)
). Асимптотически большую часть работы занимают матричные умножения: умножение двух N*N
матрицы занимает �(��2.8) времени, тогда как количество нелинейных операций значительно меньше. Это действительно удобно для криптографии, потому что многие формы криптографии могут выполнять линейные операции (какими являются умножения матриц, по крайней мере, если вы шифруете модель, но не входные данные для нее) почти «бесплатно»..
Если вы криптограф, вы, вероятно, уже слышали о подобном явлении в контексте гомоморфное шифрование: исполнение дополнениями на зашифрованных зашифрованных текстах действительно легко, но умножения невероятно сложны, и до 2009 года мы вообще не придумали способа сделать это с неограниченной глубиной.
Для ZK-SNARK эквивалентом является такие протоколы, как этот, с 2013 года, которые показывают менее 4x накладные расходы на доказательство умножения матриц. К сожалению, накладные расходы на нелинейных уровнях по-прежнему остаются значительными, а лучшие реализации на практике показывают накладные расходы примерно в 200 раз. Но есть надежда, что это можно будет значительно уменьшить благодаря дальнейшим исследованиям; видеть эта презентация от Райана Цао за недавний подход, основанный на GKR, и мой собственный упрощенное объяснение того, как работает основной компонент GKR.
Но для многих приложений мы не просто хотим доказывать что выходной сигнал AI был рассчитан правильно, мы также хотим скрыть модель. Существуют наивные подходы к этому: вы можете разделить модель так, чтобы разные наборы серверов избыточно хранили каждый уровень, и надеяться, что некоторые из серверов, пропускающие некоторые слои, не будут упускать слишком много данных. Но есть и удивительно эффективные формы специализированные многосторонние вычисления.
В обоих случаях мораль истории одна и та же: большая часть вычислений ИИ — это умножение матриц, для которых можно сделать очень эффективный ZK-SNARK или MPC (или даже FHE), поэтому общие затраты на размещение ИИ внутри криптографических коробок на удивление низки.. Как правило, наибольшим узким местом являются нелинейные слои, несмотря на их меньший размер; возможно, более новые методы, такие как аргументы поиска может помочь.
Состязательное машинное обучение «черный ящик»
Теперь давайте перейдем к другой большой проблеме: типы атак, которые вы можете совершить. даже если содержимое модели остается конфиденциальным, и у вас есть только «доступ API» к модели. Цитируя бумага из 2016:
Многие модели машинного обучения уязвимы для состязательных примеров: входных данных, специально созданных для того, чтобы заставить модель машинного обучения выдавать неправильный результат. Состязательные примеры, которые влияют на одну модель, часто влияют на другую модель, даже если две модели имеют разную архитектуру или были обучены на разных обучающих наборах, при условии, что обе модели были обучены выполнять одну и ту же задачу.. Таким образом, злоумышленник может обучить свою собственную модель-заменитель, создать состязательные примеры против замены и перенести их в модель жертвы с очень небольшим количеством информации о жертве.
Потенциально вы даже можете создавать атаки, зная только данные обучения, даже если у вас очень ограниченный доступ или вообще нет доступа к модели, которую вы пытаетесь атаковать. По состоянию на 2023 год подобные атаки продолжают оставаться большой проблемой.
Чтобы эффективно ограничить такого рода атаки «черного ящика», нам нужно сделать две вещи:
- На самом деле ограничить, кто или что может запрашивать модель И как много. Черные ящики с неограниченным доступом к API небезопасны; могут быть черные ящики с очень ограниченным доступом к API.
- Скройте данные обучения, сохранив уверенность что процесс, используемый для создания обучающих данных, не поврежден.
Проект, который больше всего сделал для первого, это, пожалуй, Worldcoin, более раннюю версию которого я подробно анализирую (среди других протоколов). здесь. Worldcoin широко использует модели искусственного интеллекта на уровне протокола, чтобы (i) преобразовывать сканы радужной оболочки глаза в короткие «коды радужной оболочки глаза», которые легко сравнивать на предмет сходства, и (ii) проверять, что объект, который он сканирует, на самом деле является человеком. Основная защита, на которую опирается Worldcoin, заключается в том, что он не позволяет кому-либо просто вызывать модель ИИ: скорее, он использует доверенное оборудование, чтобы гарантировать, что модель принимает только входные данные, подписанные цифровой подписью камеры шара..
Этот подход не гарантированно сработает: оказывается, что вы можете совершать состязательные атаки на биометрический ИИ в форме физические пластыри или украшения, которые можно надеть на лицо:
Но есть надежда, что если вы объединить все защиты вместе, скрывая саму модель ИИ, значительно ограничивая количество запросов и требуя каким-то образом аутентифицировать каждый запрос, вы можете проводить состязательные атаки, достаточно сложные, чтобы система могла быть защищена.
И это подводит нас ко второй части: как мы можем скрыть данные обучения? Это где «DAO для демократического управления ИИ» действительно может иметь смысл: мы можем создать внутрисетевой DAO, который будет определять, кому разрешено отправлять обучающие данные (и какие подтверждения требуются для самих данных), кому разрешено делать запросы и в каком количестве, а также использовать криптографические методы, такие как MPC. зашифровать весь конвейер создания и запуска ИИ, начиная с входных данных обучения каждого отдельного пользователя и заканчивая конечным результатом каждого запроса. Этот DAO мог бы одновременно удовлетворить весьма популярную цель — вознаграждение людей за предоставление данных.
- Криптографические издержки все равно могут оказаться слишком высокими чтобы такая архитектура «полностью черного ящика» могла конкурировать с традиционными закрытыми подходами «доверьтесь мне».
- Может оказаться, что не существует хорошего способа децентрализовать процесс подачи обучающих данных и защищенный против атак отравления.
- Многосторонние вычислительные гаджеты могут сломаться их гарантии безопасности или конфиденциальности из-за участники вступают в сговор: ведь такое уже произошло с межцепочными криптовалютными мостами снова и снова.
Одна из причин, по которой я не начал этот раздел с более крупных красных предупреждающих надписей: «НЕ ДЕЛАЙТЕ СУДЬИ ИИ, ЭТО ДИСТОПИЯ», заключается в том, что наше общество уже сильно зависит от неподотчетных централизованных судей ИИ: алгоритмов, которые определяют, какие виды посты и политические взгляды пропагандируются и ослабляются или даже подвергаются цензуре в социальных сетях. Я думаю, что расширение этой тенденции далее на данном этапе это довольно плохая идея, но я не думаю, что есть большая вероятность, что сообщество блокчейнов больше экспериментирует с ИИ будет то, что будет способствовать ухудшению ситуации.
На самом деле, есть несколько довольно простых способов с низким уровнем риска, с помощью которых криптотехнология может улучшить даже существующие централизованные системы, в которых я вполне уверен. Один простой метод: проверенный AI с отложенной публикацией: когда сайт социальной сети составляет рейтинг публикаций на основе искусственного интеллекта, он может опубликовать ZK-SNARK, подтверждающий хэш модели, которая сгенерировала этот рейтинг. Сайт может обязаться раскрыть свои модели ИИ, например, после. задержка в один год. Как только модель будет раскрыта, пользователи смогут проверить хэш, чтобы убедиться, что была выпущена правильная модель, а сообщество сможет провести тестирование модели, чтобы убедиться в ее справедливости. Задержка публикации приведет к тому, что к моменту раскрытия модели она уже устареет.
Так что по сравнению с централизованная мир, вопрос не в том if мы можем сделать лучше, но на сколько. Для децентрализованный мирОднако важно быть осторожным: если кто-то строит, например. рынок предсказаний или стейблкоин, использующий оракула искусственного интеллекта, и оказывается, что оракул можно атаковать, это огромная сумма денег, которая может исчезнуть в одно мгновение.
ИИ как цель игры
Если описанные выше методы создания масштабируемого децентрализованного частного ИИ, содержимое которого представляет собой никому не известный черный ящик, действительно могут работать, то это также можно использовать для создания ИИ, полезность которого выходит за рамки блокчейнов. Команда протокола NEAR делает это основная цель их текущей работы.
Для этого есть две причины:
- если ты может сделать "заслуживающие доверия ИИ «черного ящика»» запустив процесс обучения и вывода с использованием некоторой комбинации блокчейнов и MPC, тогда многие приложения, в которых пользователи обеспокоены тем, что система предвзята или обманывает их, могут извлечь из этого выгоду. Многие люди выразили желание демократическое управление системно значимых ИИ от чего мы будем зависеть; криптографические методы и технологии на основе блокчейна могут стать путем к этому.
- Из Безопасность ИИ В перспективе это будет метод создания децентрализованного ИИ, который также будет иметь естественный аварийный выключатель и который сможет ограничить запросы, направленные на использование ИИ для злонамеренного поведения.
Также стоит отметить, что «использовать криптостимулы для стимулирования создания лучшего ИИ» можно, не вдаваясь в кроличью нору, используя криптографию для полного шифрования: такие подходы, как БитТензор попасть в эту категорию.
Выводы
Теперь, когда и блокчейны, и искусственный интеллект становятся все более мощными, растет число вариантов использования на пересечении этих двух областей. Однако некоторые из этих вариантов использования имеют гораздо больше смысла и гораздо более надежны, чем другие. В общем, случаи использования, в которых базовый механизм продолжает разрабатываться примерно так же, как и раньше, но отдельные игроки стать ИИ, позволяющими механизму эффективно работать на гораздо более микромасштабе, являются наиболее многообещающими и их легче всего реализовать.
Сложнее всего разобраться в приложениях, которые пытаются использовать блокчейны и криптографические методы для создания «синглтона»: единого децентрализованного доверенного ИИ, на который какое-то приложение будет полагаться для какой-то цели. Эти приложения обещают как функциональность, так и повышение безопасности ИИ таким образом, чтобы избежать рисков централизации, связанных с более распространенными подходами к этой проблеме. Но есть также много причин, по которым лежащие в основе предположения могут потерпеть неудачу; следовательно, стоит действовать осторожно, особенно при развертывании этих приложений в контекстах высокой ценности и высокого риска.
Я с нетерпением жду новых попыток конструктивного использования ИИ во всех этих областях, чтобы мы могли увидеть, какие из них действительно жизнеспособны в масштабе.
Автор: Виталик Бутерин
- SEO-контент и PR-распределение. Получите усиление сегодня.
- PlatoData.Network Вертикальный генеративный ИИ. Расширьте возможности себя. Доступ здесь.
- ПлатонАйСтрим. Интеллект Web3. Расширение знаний. Доступ здесь.
- ПлатонЭСГ. Углерод, чистые технологии, Энергия, Окружающая среда, Солнечная, Управление отходами. Доступ здесь.
- ПлатонЗдоровье. Биотехнологии и клинические исследования. Доступ здесь.
- Смещения блоков. Модернизация права собственности на экологические компенсации. Доступ здесь.
- Источник: Платон Data Intelligence.