การ ศึกษา เมื่อ เร็ว ๆ นี้ ณ มหาวิทยาลัย คอร์เนล และ คน อื่น ๆ: สถานะ ค ริ ป โต เอ ไอ, ปัญหา และ ความ เข้าใจ ผิด

ผู้เขียน:IC3

ผู้ประสานงานอื่น

ข้อสรุปหลัก

AI'S ที่มีความหมาย ร่วมกับการเข้ารหัส ยังคงอยู่ในระยะแรกมาก และเสียงรอบพื้นที่ตัดขวางนี้。

ในทิศทางของ Krypto x AI AI AI สามารถวิเคราะห์และตรวจสอบธรรมชาติที่สําคัญ ของการทําธุรกรรมที่มีอยู่, เหตุการณ์และข้อตกลง, การระบุการทุจริตหรือสัญญาที่บกพร่อง เทคโนโลยีดังกล่าวมักจะใช้วิธีการเรียนรู้ง่าย ๆ ของเครื่อง และมีประสิทธิภาพมากที่สุดใน สภาพแวดล้อมที่มีการควบคุมดี。

ในทิศทางของ AI x Cripto เครื่องมือการเข้ารหัสจัดเส้นทางใหม่สําหรับการป้องกันและควบคุมกระบวนการ AI เครื่องมือเช่น การตรวจวัดความรู้เป็นศูนย์ สามารถใช้ในการคํานวณที่น่าเชื่อถือ เพื่อลดความเสี่ยงของผลลัพธ์ AI แนวคิดของการบริหารจัดการตามมาตราฐาน โครงสร้างพื้นฐานที่สมบูรณาการ ฯลฯ ไม่ได้ลงหลักแหล่งในปัญญาประดิษฐ์หลัก。

อุตสาหกรรมต้องพิสูจน์สองอย่าง。

อย่างแรก การปรับค่า AI ต้องเปรียบเทียบค่าตัวและค่าใช้จ่ายโดยตรง กับโปรแกรมทําศูนย์กลาง ปัจจุบันอุตสาหกรรมได้สาธิตให้เห็นว่า "แบบจําลองขนาดใหญ่สามารถถูกฝึกมา ในสภาพแวดล้อมที่กระจายออกไปได้" แต่ยังคงขาดหลักฐานเชิงอนิจกรรม。

ประการ ที่ สอง การ จ่าย เงิน คืน แบบ การเข้ารหัส พยายาม แสดง ให้ เห็น ถึง ประโยชน์ ที่ แท้ จริง ของ เงิน นั้น เกี่ยว ข้อง กับ การ ทํา ให้ โครงการ เป็น ศูนย์กลาง ใน บริบท ของ ฉาก การ ชําระ หนี้ แบบ angenent. มีการขาดการปรับปรุงที่แท้จริง ในพื้นที่ของการจ่ายเงิน แต่อุตสาหกรรมควรจะใช้หลักฐานเชิงอรรถ เพื่อคว้าโอกาส。

ยัง มี ข้อ ท้าทาย ใน การ ค้นคว้า อีก สอง อย่าง ที่ ต้อง แก้ไข。

อย่างแรก ความปลอดภัย AI ต้องการการป้องกันระดับระบบ: วงกลม AI มักจะระบุถึงปัญหาความปลอดภัยในระดับโมเดล และออกแบบรั้วรอบ ๆ ไวยากรณ์การใส่ข้อมูล แต่นี้จะไม่เพียงพอกับตัวแทน'อัตโนมัติเพิ่มขึ้น และสามารถเข้าถึงโครงสร้างพื้นฐานด้านล่าง และการเข้ารหัส 'การประมวลผลที่ยืนยันได้ และกระบวนการตรวจสอบความถูกต้องของระบบ จะรวมการป้องกันระดับระบบที่ระบบไม่สามารถทําได้。

อย่างที่สองคือ การรวมกันของการเข้ารหัสกับ AI จะสร้างภัยคุกคามและการโจมตีใหม่ เช่น แอนท์เทนต์อัตโนมัติที่หยุดยั้งไม่ได้。

โครงร่างรวม: AI และ Krypto เป็น "สื่อกลาง"

กระบวนการตัดสินใจอัตโนมัติ สามารถแบ่งออกเป็นสี่วงได้: ความตั้งใจของมนุษย์, การใส่ข้อมูล, โปรแกรม, การแสดงผล, และการเชื่อมต่อแต่ละสายนี้ ไม่จําเป็นต้องน่าเชื่อถือ AI และการเข้ารหัสเป็นส่วนหนึ่งของกรอบนี้。

AI คือ "ตัวแบ่งกลาง" ที่แปลความตั้งใจที่คลุมเครือของมนุษย์ ไปเป็นโปรแกรมที่ซ่อมเครื่องจักรได้ เช่น เปลี่ยน "ผมต้องการที่จะจดจําสัญญาณที่จอดรถ" เป็นรุ่นที่ฝึกมา。

Krypto เป็น "ศูนย์กลางการเข้ารหัสจดหมาย" โดยการคํานวณที่น่าเชื่อถือ ทําให้แน่ใจว่าการคํานวณบางอย่าง จะดําเนินการตามที่ตกลงไว้ ผลที่ได้ไม่ถูกแก้ไขด้วย (ความไม่เสมอภาค) ว่าระบบประกันกลางมีไว้เสมอ, ว่ามันต่อต้านการเซ็นเซอร์ (จุลภาค) และบางตัวเลือกยังยืนยันด้วยว่า ผลงานไม่รั่วไหล (ความไม่แน่ใจ)。

มี 3 เส้นทางทางเทคนิค สําหรับการคํานวณที่น่าเชื่อถือ。

ประการ แรก สภาพ แวด ล้อม ใน การ จัด ระเบียบ ที่ น่า เชื่อ ถือ (TEE) ซึ่ง ขึ้น อยู่ กับ เครื่อง มือ ที่ อุทิศ แล้ว เพื่อ ให้ การ แยก ต่าง หาก และ การ พิสูจน์ จาก ระยะไกล (ฮาร์ดแวร์ ทํา ให้ มี ประกาศนียบัตร รัฐ ที่ ยืน ยัน ได้ ว่า อีก ฝ่าย หนึ่ง สามารถ ยืน ยัน ได้ ว่า ชิป นั้น มี จริง และ ไม่ ถูก ดัด แปลง). ค่าใช้จ่ายเพิ่มเติมจากโมเดลพารามิเตอร์ 8B น้อยกว่า 7 เปอร์เซ็นต์ และแบบจําลอง 70B เกือบไม่สมบูรณ์ ราคา ของ มัน คือ การ ไว้ วางใจ ผู้ ผลิต อุปกรณ์ ต่าง ๆ และ ไม่ ให้ ต้านทาน การ โจมตี ทาง กาย。

ประการที่สอง ใบรับรองศูนย์ความรู้ (ZK) ซึ่งขึ้นอยู่กับปริศนาของการเข้ารหัสเท่านั้น เป็นสมมติฐานความปลอดภัยที่สะอาดที่สุด แต่ค่าใช้จ่ายสูงมาก การพิสูจน์การจําลองขนาดเล็กประมาณ 18 ล้านตัวแปร ใช้เวลาประมาณหนึ่งนาที คําสั่งหลายขนาด。

ประการ ที่ สาม การ คํานวณ หลาย อย่าง (MPC) ซึ่ง ทํา ให้ หลาย พรรค คํานวณ ด้วย กัน ได้ โดย ไม่ ส่ง ข้อมูล สด ให้ กัน ช้า ลง. โครงสร้างการให้เหตุผลแบบ MPC ที่ทันสมัย ซึ่งผลิตเหรียญเดียวให้ LEMA-7B ใช้เวลาประมาณ 5 นาที。

ผู้ทํานายเป็นผู้รับผิดชอบ ในการส่งข้อมูลภายใต้โซ่ คําทํานายของศาสนานิยม (เช่น Crier Town, DECO) รองรับหลักฐานเพิ่มเติมเกี่ยวกับธรรมชาติของข้อมูล โดยไม่บิดเบือนความเป็นส่วนตัว เช่นการพิสูจน์ว่า "คะแนนเครดิตของคนเราสูงกว่า 700" โดยไม่ได้เปิดเผยข้อมูลอื่น。

กลุ่มอุตสาหกรรมนี้เรียกเทคโนโลยีนี้ว่า ZkTLS แต่โครงการแบบ TE (TE) ไม่ได้ใช้หลักฐานที่เป็นศูนย์ และมีชื่อผิด。

Crypto x AI: เสริมสร้างสายโซ่กับ AI

การศึกษา AI สําหรับการเข้ารหัส มีประมาณสามชั่วอายุคน เมื่อเวลาผ่านไป。

รุ่นแรก การทดสอบวิเคราะห์

หลายทศวรรษก่อน การเรียนรู้ของเครื่องได้ถูกใช้ในการวิเคราะห์สภาพของสายโซ่นี้: เพื่อตรวจสอบช่องโหว่ในข้อตกลงที่เห็นแก่ตัว (เช่น การทําเหมืองแร่ที่เห็นแก่ตัว。

ข้อ จํากัด คือ ว่า นัก วิเคราะห์ ดัง กล่าว พึ่ง อาศัย สถานการณ์ ต่าง ๆ อย่าง มาก ซึ่ง สามารถ เข้า ถึง ข้อมูล ของ สาธารณชน ทั่ว โลก ได้ และ จํากัด อยู่ แค่ ข้อมูล เชิง อุปมา และ ไม่ มี ตัว อย่าง การ โจมตี จริง ๆ。

การตรวจสอบช่องว่างของสัญญาล่าสุด ไม่อนุญาตให้ AI เดาโดยตรงจากรหัส แต่จะระบุผู้ต้องสงสัยได้โดยตรงโดย AI และตรวจสอบด้วยการวิเคราะห์แบบคงที่ สัญลักษณ์การประมวลผล (ไม่ได้เปิดใช้งานรหัสจริง แต่ทําให้โครงสร้างโค้ดหาช่องโหว่)。

สมมุติฐานที่ว่าโมเดลขนาดใหญ่จะเป็นตัวตรวจสอบ อาจทําให้เกิดความผิดพลาดมากมายได้โดยภาพลวงตา และ GPT-4 และ Claude ระบุได้อย่างถูกต้อง。

รุ่นที่สอง: ออกแบบอัลกอริทึม

ตลอดหกปีที่ผ่านมา การศึกษาอย่างเข้มข้นได้ถูกนํามาใช้ในการออกแบบ อัลกอริทึมที่มีคุณภาพครอบคลุมเครือข่าย P2P。

วิธี เหล่า นี้ ส่วน ใหญ่ ใช้ ได้ ผล ใน สภาพ แวด ล้อม ซึ่ง เห็น ได้ ชัด ว่า สามารถ ทํา แบบ จําลอง และ คง อยู่ ใน ขั้น การ วิจัย และ ยัง ไม่ ได้ ใช้ กัน ใน ขนาด ใหญ่ และ ทดสอบ เพื่อ โจมตี ใน เครือ ข่าย จริง。

รุ่นที่สาม ปฏิสัมพันธ์กับโลกแห่งความจริง

ผ่านคําทํานาย AI-ไดรฟ์, สัญญาฉลาดได้รับการส่งเสริม 3 ประเภท: การรับรู้ (เข้าใจข้อมูลและภาษาธรรมชาติ) การประมวลผล (เรียกแบบจําลอง AI และเครื่องมือภายใต้โซ่ตรวน) และการตัดสินใจ (ทําหน้าที่เป็นตัวแทนโดยเป้าหมาย)。

AI 'การแสดงเป็นศาสดาไม่เท่ากัน ตาม คํา กล่าว ของ แชิง ลิงก์ แลป ส์ จี พี ที 4โอ มี อัตรา ความ ถูก ต้อง โดย ทั่ว ไป 89.3 เปอร์เซ็นต์ ใน 1660 ประเด็น เรื่อง การ ตลาด ที่ วาง แผน ไว้ รวม ทั้ง หมด 75 เปอร์เซ็นต์ บน รู ธ โบต ของ ยูมา และ 98.2 เปอร์เซ็นต์ ของ บริษัท เอกซเรย์ ยู เอ็ม เอ โอ พอด ติก อินเตอร์ แน ชัน แนล (โดยปริยาย ว่า คํา ตอบ เป็น ความ จริง ช่วง ที่ มี การ โต้ เถียง กัน นั้น ได้ ผล โดย ปราศจาก ข้อ สงสัย)。

ความ น่า พอ ใจ ขึ้น อยู่ กับ ปัญหา ประเภท นี้: ปัญหา ที่ ไม่ เกี่ยว ข้อง กัน กับ แหล่ง ข้อมูล ทาง การ เช่น เกม กีฬา อาจ ถึง 99.7 เปอร์เซ็นต์ พร้อม ด้วย อัตรา ความ ผิด พลาด ที่ เพิ่ม ขึ้น อย่าง มาก ซึ่ง เกี่ยว ข้อง กับ เวลา หรือ การ นับ วิดีโอ。

มีสามวิธีที่จะตอบสนอง : วิธีแรกในการออกแบบสําหรับความผิดพลาดและสําหรับสถานการณ์ที่มีค่าต่ํา; ประการที่สองที่จะแนะนําการกระตุ้นด้วยตนเองเช่น หน้าต่างโต้แย้ง 48 ชั่วโมงซึ่งช้าในการตัดสินใจและสามอนุญาตให้แบบจําลองที่จะถูกทอดทิ้งเมื่อมันไม่แน่นอนและเพียงที่。

"Investment DAO" ของรายงานการค้ารุ่น AI ซึ่งเป็นตัวแทนของโครงการเช่น Elizabethos และ AI XBT โดยมีมูลค่าตลาดสูงสุด $2.7 พันเจ็ดพันล้าน และ $4.7 พันล้านดอลลาร์ ตามด้วย ผลิตภัณฑ์เหล่านี้กําลังเผชิญกับภาวะกลืนไม่เข้าคายไม่ออก การออกแบบที่เรียกว่า "Chin Alag Dead"。

ถ้ายุทธศาสตร์มีความโปร่งใส มันสามารถคัดลอกหรือนําออกไปโดยแซนวิช (ล่วงหน้าหนึ่งก่อนและหลังการทําธุรกรรม'กับ arbitution ของสไลด์; ถ้ามันถูกเก็บเป็นความลับภายในของกลยุทธ์นี้ ถนนทั้งสองสายทําร้ายนักลงทุนทั่วไป。

แนวคิดเบื้องต้นคือ การใช้แพ็กเกจของ ทีอี และสุ่มทําธุรกรรม ทําให้คนในคาดเดาได้ยากขึ้น。

ความเสี่ยงใหม่: สัญญาข้อมูล AI-ไดรฟ์

มี การ ใช้ สัญญา อัน ชาญ ฉลาด เพื่อ แทน ที่ ความ ไว้ วางใจ ระหว่าง บุคคล ซึ่ง หมาย ความ ด้วย ว่า ผู้ กระทํา ผิด ใน ความ สัมพันธ์ ที่ น่า ไว้ วางใจ น้อย ที่ สุด อาจ ได้ รับ ประโยชน์ จาก พวก เขา。

กลไกหนึ่งก็คือ สัญญาเป็นรางวัลสําหรับอาชญากรรม ที่ผู้กระทําผิดสัญญา "เลขาธิการ" ด้วยรหัสผ่านก่อนหน้านี้ AI สันนิษฐานว่าบทบาทของ "การพ้นผิด" ที่ยากที่จะใช้อัตโนมัติในอดีต และสามารถใช้ในบริบทเช่นการข่มขู่เป้าหมาย การขโมยปัญญาขององค์กร。

การตอบโต้ที่ง่าย รวมถึงการวิเคราะห์ลูกโซ่ของการติดตาม การลงบัญชีบัญชีลับของกองทุนที่เกี่ยวข้อง และการปฏิเสธบริการ。

AI x crypto: เพิ่ม AI กับ Krypto

ความเป็นไปได้ของการให้การเข้ารหัสกับ AI ตกเป็น 2 ประเภท คือ การปรับโครงสร้างของวงจรชีวิต AI และการป้องกันการเชื่อมโยงเหล่านั้น。

เพื่อเป็นศูนย์กลางโครงสร้างพื้นฐาน

เพื่อไปยังเครือข่ายของโครงสร้างพื้นฐานทางกายภาพที่เป็นศูนย์กลาง เพื่อจัดหาทรัพยากรต่าง ๆ เช่น แรงจูงใจเครดิตต่อโหนด Theta, Akash และอื่น ๆ อ้างว่าได้บันทึก 50% ถึง 85% ของค่าใช้จ่าย เอดับเบิลยูเอส โดยมีคอขวดหลักถูกตัดและล่าช้าในการสื่อสารระหว่างโหนด。

ความสามารถในการปรับตัวแปรผันจากงานประเภทต่างๆ การฝึกไม่ได้มีความไวต่อความล่าช้า (นอกระบบ) แต่การสื่อสารข้าม (Giosychronous) เป็นการสื่อสารแบบขวดและผลที่ได้จากการฝึก。

การ หา เหตุ ผล เช่น นั้น มี ความ ไว ต่อ การ ชักช้า แต่ ข้อ เรียก ร้อง ใน การ รับ ประทาน นั้น ต่ํา กว่า การ ฝึก อบรม และ ไม่ จําเป็น ต้อง แพร่ ไป ใน ทาง กลับ กัน (ขั้น แรก ของ การ ส่ง ข้อ ผิด พลาด กลับ ไป ตาม ชั้น ต่าง ๆ ใน ระหว่าง การ ฝึก อบรม ซึ่ง เรียก ร้อง เฉพาะ การ ฝึก อบรม) และ การ รอ ช้า จาก การ หา เหตุ ผล แบบ ขาด ความ รู้สึก (บันทึก การ ประชุม, การ ทบทวน เอกสาร) นับ ว่า เหมาะ สม โดย เฉพาะ สําหรับ เด พีน。

ช่องว่างสําคัญก็คือ ส่วนใหญ่ของโครงการเหล่านี้ ไม่ได้รายงานค่าใช้จ่ายทั้งหมด พวกเขาส่งเสริมราคาของจีพียูต่อชม. แต่ต้นทุนจริง ๆ ของภารกิจ เอ็มแอล คือการฝึกอย่างมีประสิทธิภาพ (จํานวนสารประกอบต่อหน่วย) และให้เหตุผล (จํานวนสัญลักษณ์ต่อหน่วย)。

เพื่อสร้างศูนย์กลางข้อมูล และตลาดโมเดล

ข้อมูล AI แตกต่างจากลักษณะพิเศษของอุปทานทั่วไป มันเป็นสินค้าดิจิตอลซึ่งแพงในการสร้างเป็นครั้งแรก แต่เกือบจะฟรีเกือบของค่าใช้จ่าย; ส่วนใหญ่ไม่ใช่ข้อมูลหนึ่งสามารถใช้พร้อมกันได้โดยไม่ต้องสูญเสีย; คุณภาพเป็นเรื่องยากที่จะตัดสินล่วงหน้า, ปัญหาของ "ตลาดเงิน" (ผู้ซื้อไม่สามารถจําแนกคุณภาพล่วงหน้า, นําไปสู่การชุมนุมของคุณภาพที่ดี), และนักขายจําเป็นต้องจัดหาตัวอย่างที่มีคุณค่าในตัวเอง; และสามารถถูกแก้ไขใหม่และ。

ความขัดแย้งในตลาดกลาง คือราคาไม่โปร่งใสและจํากัดตัวเลือก แต่ค่าสถิติศูนย์กลาง。

ตลาดข้อมูลยังไม่ได้ถูกวางจําหน่ายแบบเดียว และถูกปรับเปลี่ยนโดยยุคหน้าต่างที่ปรับปรุงแล้ว โดยใช้เครื่องมือ เช่น ไมโครจ่ายเงิน, ทีอี (จํากัดข้อมูลเฉพาะสําหรับภารกิจเฉพาะเท่านั้น), การพิสูจน์ความรู้เป็นศูนย์ (รวมไปถึงผู้ซื้อธรรมชาติของข้อมูลเอง)。

ความเป็นจริงคือแพลตฟอร์มส่วนใหญ่ได้เสร็จสิ้นการชําระหนี้เท่านั้นใน สกุลเงินเข้ารหัส และกลไกหลักต่าง ๆ จะถูกกําหนดโดยพรรคเพื่อข้อตกลงหรือจะถูกส่งมอบให้ผู้จําหน่ายทั้งหมด ยัง คง ขาด การ วิจัย เกี่ยว กับ สิ่ง ที่ ได้ ปรับ ปรุง ให้ ดี ขึ้น ใน ด้าน การ เป็น ศูนย์กลาง。

เอเจ้นท์ เพย์แทร็ค และ x402

ระบบ นิเวศ เอง มี การ ปรับ ปรุง ให้ เหมาะ สม ดัง นี้: มี การ ใช้ แบบ จําลอง ต่าง ๆ เพื่อ พัฒนา, ปรับ ปรุง ให้ เหมาะ กับ จุด ประสงค์ ต่าง ๆ และ ไม่ มี จุด ควบคุม ศูนย์ กลาง ตาม ธรรมชาติ. ปรัชญาของ krypto ของรหัสเศรษฐศาสตร์ (ซึ่งผูกความประพฤติของผู้เข้าร่วมเข้ากับการรวมกันของรางวัลทางเศรษฐกิจและรางวัล) สามารถย้ายไปยังการปกครองที่โดดเด่น。

ไมโครจ่ายเป็นกุญแจสําคัญเศรษฐกิจ ในประวัติศาสตร์ของอินเตอร์เน็ต การชําระเงินขนาดเล็กได้ล้มเหลวหลายครั้ง โดยจุดเครดิตเป็นค่าใช้จ่ายในการตัดสินใจ เจ้าหน้าที่ประเมินปริมาณค่าจ้างที่เร็วกว่ามนุษย์มาก และผู้ใช้ต้องกําหนดเฉพาะกลยุทธ์ ซึ่งอาจทําให้การจ่ายเงินจํานวนจิ๋ววิ่งผ่านเป็นครั้งแรก。

Cladflare ได้แนะนํา "Paverling Pay", x 402 (เปิดกระบวนการจ่ายเงินจํานวนเล็กน้อยสมบูรณ์ผ่านทาง HTTP) เป็นต้น。

ทรัพย์สิน ที่ อยู่ เบื้อง หลัง ระบบ นี้ ถูก ครอบ งํา ด้วย ความ มั่นคง ของ ความ มั่นคง (USDC, USDT, DAI) เพราะ สิ่ง เหล่า นี้ ให้ อนิเมต กับ หน่วย บัญชี ที่ มั่นคง (ราคา ที่ มี อยู่ ทั่ว ไป สําหรับ ทุก สิ่ง) ขณะ ที่ ความ แข็ง แรง ดั้งเดิม เช่น เอเธล และ อื่น ๆ ผันผวน ไป เรื่อย ๆ。

ความไว้วางใจระหว่าง Angents ขึ้นอยู่กับห่วงโซ่ของแบบฟอร์มลงทะเบียน (เช่น ERC-804) ข้อเสนอหลักในการสร้างอัตลักษณ์และชื่อเสียงบนสายโซ่สําหรับผู้ติดยาเสพติด) เพื่อบันทึกอัตลักษณ์และชื่อเสียง แต่เหล่านี้เป็นหลักการตัดสินใจด้วยตนเองที่มีชื่อเสียงปลายและที่ดีสําหรับผู้เล่นที่จัดตั้งขึ้น。

ตัวเลือกต่อไปก็คือ การตรวจสอบข้อมูล angent checks: การทบทวน LLM ที่ทํางานภายใน TE มีรหัสเฉพาะเฉพาะเฉพาะ, การส่งออกระดับชื่อเสียง, ผลการตรวจสอบที่ถูกผูกไว้กับรหัส Hashi, การอนุญาตให้รหัสดังกล่าวยังคงเป็นส่วนตัว ในขณะที่การให้ความมั่นใจที่น่าเชื่อถือกับเครื่องเขียน。

ตัวการอัตโนมัติที่หยุดไม่ได้ (UAA) เป็นความเสี่ยงอีกอย่าง เจ้าหน้าที่แนวหน้าสามารถทํางานด้วยตัวเองได้เป็นเวลานาน ประมาณทุกๆ 7 เดือน ตั้งแต่ปี ค.ศ. งานวิจัยได้แสดงให้เห็นว่าโมเดลนี้สามารถทําลาย การจําลองตัวเองของเส้นสีแดง และสร้างสําเนาอิสระ。

Mythos รุ่นของ Antropic ได้แสดงให้เห็นถึงความสามารถในการระบุตัวตนอัตโนมัติ และใช้ประโยชน์จากช่องโหว่ที่เป็นศูนย์วัน (ยังไม่ทราบทางไปยังผู้ผลิตและไม่ได้เต็มไปด้วยแพทช์) Angent with กระเป๋าคุมข้อมูลที่สามารถปิดลงได้ ตกอยู่ในพื้นที่บอดของกรอบควบคุมที่มีอยู่。

เพื่อเป็นศูนย์กลางการปกครอง

ชุมชนที่ปกครองพื้นที่มีประวัติการควบคุมการจําหน่ายที่ยาวขึ้น ในวิถีที่เป็นไปตามธรรมชาติ。

การจัดการชุมชนต่าง ๆ องค์ประกอบการพัฒนา เอไอ: การประมวลผลข้อมูลมีมากเกินกว่าจะรวบรวมความคิดเห็นที่ถูกต้อง และคุณค่าก็ปรากฏให้เห็นในขั้นตอนที่ดี。

AI ตามหลักเกณฑ์ที่มนุษย์สร้างขึ้น Antrophic เกี่ยวข้องกับการนําหลักการการลงคะแนนเสียงสู่สาธารณชน และอคติทางสังคมนั้นต่ําลง เมื่อถูกฝึกโดยหลักการโอเพนซอร์ส อย่าง ไร ก็ ตาม การ ทดลอง ด้าน การ ปกครอง ระบอบ ประชาธิปไตย เช่น นั้น ส่วน ใหญ่ แล้ว ไม่ ได้ รับ การ ฝึก อบรม ใน การ ปฏิบัติ และ เอ ไอ ไม่ มี แรง จูง ใจ ที่ จะ มอบ การ ควบคุม แบบ อย่าง ให้ กับ ตน เอง。

การลงคะแนนเสียงของ DAO ระดับเงินที่หนักขึ้น ได้รับการยอมรับในชื่อ "การเมืองอํานาจทอง" ซึ่งส่งผลในกลไกต่างๆ เช่น การลงคะแนนเสียงแบบกลุ่มที่สอง (ต้นทุนที่เพิ่มขึ้นจากการลงคะแนนเสียงเพิ่มในการยับยั้งปลาวาฬยักษ์), การลงคะแนนเสียงแบบศรัทธา (การรวมน้ําหนักที่มากกว่าความยาวของการลงคะแนนเสียง) และผลการให้เลือกตั้ง แต่ประสิทธิภาพของยังคงไม่ชัดเจน。

การ ปก ป้อง ความ ซื่อ สัตย์ มั่นคง ของ AI

เมื่อสัญญาสมาร์ทถูกคํานวณโดย MLS ที่เกินความสามารถของพวกเขา พวกเขาสามารถเป็น "ผู้สืบทอด" ได้: สังกัดพรรคที่อุทิศตนให้กับโมเดลและข้อมูล ที่ใช้ร่วมกับหลักประกัน การคํานวณภายใต้ห่วงโซ่จะเสร็จสิ้น และผลลัพธ์ที่ได้ถูกส่งตัวไปเซ็นสัญญาสําหรับการตรวจสอบ และผิดพรรคถูกลงทัณฑ์ สี่เส้นทางได้รับการตรวจสอบ มีการค้าออก。

หนึ่ง ที อี ซึ่ง มี ประสิทธิภาพ มาก ที่ สุด ได้ รับ การ รับรอง โดย ลายเซ็น ฮาร์ดแวร์ ที่ เชื่อ ถือ ได้ เพื่อ คํานวณ ความ ครบ ถ้วน หาก ผู้ ใช้ ไว้ วางใจ ได้。

ข้อสอง การปฏิบัติในเชิงบวก โดยมีผลให้มองว่าเป็นหน้าต่างที่ไม่ใช่รอบรองชนะเลิศ โดยมีการค้นหาสองจุด (เปลี่ยนขั้นตอนในระยะที่ผิดพลาด, ขั้นตอนที่รวดเร็ว) ตําแหน่งที่ผิดพลาดเพียงหนึ่งคําสั่ง ก่อนที่จะถูกลงโทษ。

ปัญหาอยู่ที่ความไม่แน่นอนของการดําเนินการ ML Pluff ซึ่งต้องจัดการกับตามลําดับของการดําเนินการ หรือในความหมายของคําว่า continuation (ซึ่งไม่ได้กําหนดให้การคํานวณทั้งสองถูกแบ่งด้วยลําดับเดียวกัน ซึ่งอนุญาตให้พิจารณาอย่างสม่ําเสมอภายในขอบของความผิดพลาด) กับโปรแกรมที่แสดงโดย TAO, Arbigram, OPML ฯลฯ。

ข้อสาม ข้อพิสูจน์ศูนย์ของความรู้ (SkML) ซึ่งได้รับการสนับสนุนจากความรู้ที่เป็นศูนย์ เพื่ออ้างเหตุผลในการหาเหตุผลของ AI) สามารถพิสูจน์ได้โดยซ่อนตัวแปรจําลอง หรือแม้กระทั่งการใส่ข้อมูลเข้าไปด้วยโปรแกรมที่อุทิศให้กับ CNN, ทรานซิชัน (เช่น EZKL, ZKML, Deprover)。

มันมีวัตถุประสงค์ส่วนบุคคลอยู่สามชั้น คือ การใส่ข้อมูลแบบซ่อน น้ําหนัก และโครงสร้างแบบจําลอง ราคาหลักนั้นได้มาจากชั้นและค่านิยมที่ไม่ใช่เชิงเส้น ซึ่งแสดงให้เห็นว่ามันยังคงยากที่จะรักษาบริบทที่ยาวได้。

ประการที่สี่ การให้เหตุผลเชิงสถิติพิสูจน์ว่า ตรรกะคือแบบจําลองที่มีฟังก์ชันต่างกันสองแบบ และคุณลักษณะที่คํานวณภายในนั้น จะต้องแตกต่างกัน。

มันพิสูจน์ว่ามันถูกใช้ในหน่วยมิลลิวินาที และมันจะจบลงในทันที และเหมาะสมสําหรับสถานการณ์ที่สั้นและความถี่ต่ํา อาจ ป้องกัน ความ เป็น จริง ที่ ผิด ปกติ ได้ เช่น การ เปลี่ยน แบบ จําลอง โดย ผู้ ให้ บริการ (เช่น เปลี่ยน เป็น รุ่น ที่ ถูก กลั่น แล้ว ถูก กว่า หรือ แทน ที่ สิ่ง ที่ ถูก จัด ให้ เหมาะ สม อยู่ แล้ว) แต่ ก็ ไม่ อาจ ป้องกัน ความ มุ่ง ร้าย อย่าง สิ้น เชิง ของ บันทึก ทั้ง หมด ใน การ คํานวณ ซึ่ง ยัง ไม่ ได้ รับ การ แก้ไข。

การพิสูจน์การอบรมแบบ (zkpot, พิสูจน์ได้โดยศูนย์ความรู้) นั้นยากมากกว่าการพิสูจน์เหตุผล: มันอยู่ได้นาน, มันสะสมอยู่ตรงกลาง, มันสุ่มเลือก, งานที่เกี่ยวข้อง (Gerg et al. Cyzen) กําลังก้าวหน้าและขยายใบรับรองการตรวจสอบ ที่จํากัดการใช้ข้อมูลและความยุติธรรม (Zkaudit, ความมั่นใจ-PROFIT)。

ป้องกัน ท่อ ส่ง น้ํา

เมื่อ หน่วย งาน แต่ ละ หน่วย ใช้ ตัว อย่าง การ ฝึก สอน ข้อมูล ที่ ไว้ ใจ ได้ ของ ตน ตาม ปกติ แล้ว ไม่ มี ความ เป็น ส่วน ตัว หรือ ความ ห่วงใย อย่าง ซื่อ สัตย์ มั่นคง. ความท้าทายด้านความปลอดภัยซับซ้อนเกิดขึ้น เมื่อมีการฝึกหัดร่วมกันหลายครั้ง และแหล่งข้อมูล。

สถานการณ์ ทั่ว ไป คือ การ ฝึก อบรม ร่วม กัน ใน โรง พยาบาล หลาย แห่ง: การ รวม ตัว กัน ของ บันทึก ทาง การ แพทย์ ทาง อิ เล็ก ทรอ นิก (อี เอช อาร์) อาจ ครอบ คลุม ผู้ ป่วย กลุ่ม ใหญ่ ๆ และ ปรับ ปรุง ความ ถูก ต้อง ของ การ วินิจฉัย โรค ให้ ดี ขึ้น แต่ การ ทํา ตาม กฎ เกณฑ์ ต่าง ๆ เช่น PAA นั้น ไม่ ค่อย เต็ม ใจ และ ไม่ เต็ม ใจ ที่ จะ ส่ง ข้อมูล ให้ คน อื่น ๆ โดย ตรง。

เช่นเดียวกันกับการฝึกร่วมของสถาบันการเงิน ในรูปแบบต่อต้านการทุจริต การร่วมฝึกธุรกิจในการแทรกซึม。

การเรียนรู้ของรัฐบาลกลางเป็นโปรแกรมที่ออกแบบมาเพื่อวัตถุประสงค์นี้: สภาพแวดล้อมการฝึกออกแบบมาเพื่อสร้างโมเดลระดับโลก และแจกจ่ายไปยังทุกพรรค。

อย่าง ไร ก็ ตาม มี การ เรียน รู้ แบบ จํากัด (แอปพลิเคชัน ที่ มี ชื่อ เสียง ที่ สุด คือ การ ฉาย ภาพ ใน โทรศัพท์ มือ ถือ). ไม่ ได้ รับ ประกัน ความ ซื่อ สัตย์ มั่นคง ของ ข้อมูล และ การ คํานวณ แม้ ว่า พรรค จะ ซื่อ สัตย์ แต่ ค่า ใช้ จ่าย ใน การ สื่อ ความ ก็ สูง, เครือ ข่าย และ การ ประสาน งาน ก็ ช้า ลง ความ เร็ว โดย ทั่ว ไป, แบบ จําลอง มี ความ ถูก ต้อง น้อย กว่า การ ฝึก อบรม แบบ กลาง, และ ผู้ มี ส่วน ร่วม ที่ มุ่ง ร้าย สามารถ ทํา ให้ แบบ จําลอง หรือ ปลูก มัน ใน ประตู หลัง。

ทาง เลือก ที่ ง่าย กว่า คือ การ มุ่ง ความ สนใจ ไป ยัง การ ฝึก อบรม ที อี: สภาพ แวด ล้อม การ ฝึก อบรม ที่ ดําเนิน อยู่ ใน สภาพ แวด ล้อม ที่ ไว้ ใจ ได้, เป็น ความ ลับ, รับ ข้อมูล สด ๆ จาก แต่ ละ พรรค ผ่าน ทาง ช่อง ที่ มี รหัส, การ ฝึก หัด ความ ตั้งใจ, การ ส่ง ออก เพียง รุ่น ที่ ผ่าน การ ฝึกฝน, ข้อมูล ที่ ไม่ ได้ รับ การ ฝึก อบรม เท่า นั้น, และ การ ติด ต่อ กับ ผู้ ติด ต่อ แบบ (ผู้ ให้ ข้อมูล, วิธี ฝึก อบรม)。

ค่าใช้จ่ายเป็นความเสี่ยงทางด้านข้าง และค่าใช้จ่ายสูง I/O ของ ทีอี หน่วยงานส่วนใหญ่ในความเป็นจริง กําลังรวมข้อมูลเข้าไว้ด้วยกัน ในเมฆที่โปรดใช้ การแยกเดี่ยว การควบคุมการเข้ารหัส และการใช้ข้อมูล。

ข้อมูลเครือข่ายส่วนบุคคล เป็นอีกความคิดหนึ่ง ข้อมูลข้อความของเครือข่ายที่เปิดให้บริการใกล้ขีด จํากัด (คาดว่าจะถูกลดค่าลงระหว่าง 2025 ถึง 2030) ข้อมูลสังเคราะห์ที่มีความเสี่ยงของ "การล่มสลายของโหมด" และไม่สามารถขยายข้อมูล นอกเหนือพื้นที่ที่มีอยู่。

และ "prinvate" Network (mail, Health, Financial, October, etc) มีการประเมินว่า ไม่เปิดรับสัตว์เลื้อยคลาน 2 คําสั่งที่มีขนาดใหญ่กว่าเครือข่ายโอเพ่น。

คําทํานายเปิดประตูนี้ ใน กรณี ของ แบบ จําลอง ทาง การ แพทย์ สําหรับ การ ฝึก อบรม ด้วย ความ อด ทน ใน การ ส่ง เอกสาร ทาง การ แพทย์ ผู้ ใช้ สามารถ ใช้ เครื่อง รักษา โรค เพื่อ ส่ง บันทึก ทาง การ แพทย์ จาก ประตู โรง พยาบาล ไป ให้ ผู้ ฝึก และ เพื่อ พิสูจน์ ว่า ข้อมูล นั้น มา จาก ประตู นั้น จริง ๆ โดย ไม่ จําเป็น ต้อง มี โรง พยาบาล เพื่อ แก้ไข โครง สร้าง ใด ๆ ตลอด กระบวนการ นั้น เนื่อง จาก การ เชื่อม ต่อ นี้ เริ่ม โดย ผู้ ใช้。

เพื่อ จะ ปก ป้อง ความ เป็น ส่วน ตัว ใน เวลา เดียว กัน จําเป็น ต้อง มี การ ทํานาย เรื่อง ความ เป็น ส่วน ตัว (ดาต้า ใช้ ช่อง เข้ารหัส) และ ที อี. TE ยังสามารถแสดงผู้ใช้ได้อีกด้วย ว่ามันทํางาน "รุ่นภายนอก" โปรแกรมฝึกระบบส่วนตัว ซึ่งผู้ใช้สามารถตรวจสอบได้ ก่อนที่จะส่งข้อมูล。

โดย อาศัย พื้น ฐาน นี้ จึง สามารถ เพิ่ม ข้อ กําหนด ที่ ละเอียด กว่า นี้ เข้า กับ ความ เป็น ส่วน ตัว ของ ดิ ฟเฟอเรนเชียล (การ ส่ง ออก แบบ แบบ ที่ พึ่ง อาศัย ข้อมูล การ ฝึก อบรม เพียง อย่าง เดียว) ข้อมูล นั้น จะ ถูก ลบ ออก ทันที และ แบบ แปลน จะ จํากัด เฉพาะ โรง พยาบาล ผิว ขาว เท่า นั้น。

สายไฟความปลอดภัยและการป้องกันท่อ (Props)

คํา พยากรณ์ ชุด เดียว กัน นี้ รวม เอา การ คํานวณ ที่ เชื่อ ถือ ได้ ไว้ ด้วย อาจ ใช้ เพื่อ การ หา เหตุ ผล เรื่อง ความ ปลอด ภัย ของ ข้อมูล ส่วน ตัว ได้ ด้วย。

รับการอนุมัติเงินกู้ธนาคารเป็นตัวอย่าง: โมเดลอ่านเอกสารการเงิน 'S', การอนุมัติการส่งออก หรือการปฏิเสธ กระบวนการในวันนี้เกี่ยวข้องกับผู้ยืมดาวน์โหลด หรือการอัปโหลดวัสดุเอง ซึ่งทําให้เกิดคําถามสองข้อ คือ การที่ผู้ให้ยืมไม่สามารถยืนยันได้ว่าวัสดุนั้นจริงหรือไม่。

การ ใช้ เครื่อง กําหนด ความ เป็น ส่วน ตัว เพื่อ แก้ไข ความ น่า เชื่อ ถือ ของ ต้น กําเนิด และ การ คํานวณ ที่ เป็น ความ ลับ เพื่อ แก้ไข ความ เป็น ส่วน ตัว อาจ ทํา ให้ มี การ หา เหตุ ผล เรื่อง ความ ปลอด ภัย ได้: ผู้ ให้ ยืม เห็น เพียง แต่ การ ค้น พบ แบบ จําลอง และ เชื่อ ว่า การ ใส่ ข้อมูล นั้น เชื่อ ถือ ได้。

แหล่งข่าวส่วนตัวยังทําหน้าที่เป็น บัตรประจําตัวและระบบเอกสารได้。

ความสามารถของผู้ยืมที่จะโอนโอนโอนโอนข้อมูลธนาคารในรูปแบบ W-2 ซึ่งถือตัวตนของตัวเองเป็นหลักฐานสําคัญของอัตลักษณ์ ทําให้ระบบเครือข่ายที่มีอยู่ชั่วคราวให้บริการ。

กระบวนการ ทั้ง หมด นี้ สามารถ ทํา ให้ เป็น ศูนย์กลาง และ ใน ทาง ทฤษฎี แล้ว ใคร ก็ ตาม สามารถ ตั้ง แนว การ หา เหตุ ผล ที่ เชื่อ ถือ ได้ โดย ไม่ จําเป็น ต้อง มี แหล่ง ข้อมูล หรือ ผู้ มี อํานาจ。

การใส่สิ่งตรงข้ามเป็นความท้าทายที่ดื้อด้าน ผู้ จู่ โจม สามารถ ส่ง ธนาคาร ที่ ดู เหมือน ปกติ แต่ ปรับ ตัว ได้ อย่าง รอบคอบ หลอก ตัว อย่าง ให้ อ่าน หนังสือ ที่ มี ความ สมดุล สูง และ ให้ กู้ ยืม อย่าง ผิด ๆ. การศึกษาตัวอย่างการต่อต้านของกลุ่มนักวิชาการ เป็นวงจรของ "การแตกร้าวของรอยร้าว"。

ท่อหาเหตุผลด้านความปลอดภัยให้แนวคิดใหม่ คือ การจํากัดการป้อนข้อมูลเข้ากับแหล่งกําเนิดของเครือข่ายการยืนยัน。

ความเป็นส่วนตัวของตัวอย่างเอง จําเป็นต้องได้รับการคุ้มครอง ผู้โจมตีสามารถจําลองการปรับแต่งและประมวลผลตัวเลือกของระบบได้ ผ่านการสร้าง query อย่างระมัดระวัง (การสกัดเอาคุณสมบัติและแม้กระทั่งรูปแบบทั้งหมด) การขยายข้อมูล (เพื่อตรวจสอบว่าข้อมูล s อยู่ในชุดการฝึกอบรมหรือไม่) หรือแม้กระทั่งการฟื้นฟูข้อมูลการฝึกดิบ。

นัก วิจัย กะ ประมาณ ว่า ประมาณ 800 คน สามารถ ขโมย น้ํา หนัก ของ ชั้น จําลอง ขนาด ใหญ่ ได้. การ จํากัด ความ เร็ว โดย ทั่ว ไป ที่ ใช้ ใน ระบบ เปิด มี ความ เปราะ บาง เนื่อง จาก ผู้ ใช้ ที่ ไม่ ออก นาม แต่ ละ คน สามารถ ปลอม ตัว เป็น ผู้ ใช้ จํานวน มาก ซึ่ง เริ่ม โจมตี แม่มด (Sybill)。

ท่อส่งเหตุผลความปลอดภัยสามารถบรรเทาจากปลายทั้งสองได้ โดยการจํากัดชนิดของการนําเข้าเพื่อยับยั้งการสกัดกั้น。

ความจําของเจ้าหน้าที่ คือ การปรากฏตัวของการโจมตี บริบท (การฉีดสารสนเทศ) ซึ่งคนร้ายป้อนข้อมูลให้แอนเจ้นท์ด้วยเครื่องมือหรือสารปนเปื้อนจากวัสดุภายนอก สามารถกระตุ้นให้แอนเจนต์มีพฤติกรรมผิดปกติ ตัวอย่างเช่นในกรอบของอลิซาเบธออส ซึ่งจัดการทรัพย์สินที่เข้ารหัสไว้เป็นจํานวนมาก บริบทที่ปนเปื้อนสามารถกระตุ้นให้แอนเจ้นท์เริ่มการต่อรองที่ไม่ได้รับอนุญาต。

TE สามารถแก้ปัญหาบางส่วนได้: ให้ Angent ทํางานภายใน ทีอี หรือดึงเฉพาะบริบทที่รับรองได้เท่านั้น。

แต่ถึงทีอีจะมีปัญหาสองอย่าง。

ประการ แรก อาจ มี องค์ ประกอบ ที่ ปน เปื้อน ใน แหล่ง ที่ เชื่อ ถือ ได้ เช่น เนื้อหา จาก เวที สังคม ที่ ผู้ ใช้ สร้าง ขึ้น เอง และ ผู้ ส่ง อาจ ทํา ให้ ตําแหน่ง ของ เขา หรือ เธอ เป็น พิษ ได้ ง่าย。

อย่างที่สอง ผู้ดําเนินการของ ทีอี สามารถเปิดฉากกลับ หรือแยกการโจมตีส้อมได้ กลับสถานะ ทีอี ไปที่จุดตรวจเก่า ลบหน่วยความจําหลังจากที่มันได้รับการปรับปรุง。

ส่วน แรก เป็น ปัญหา เกี่ยว กับ การ ตรวจ สอบ เนื้อหา ซึ่ง ไม่ มี การ แก้ไข ด้วย รหัส; ส่วน หลัง สามารถ จัด การ ได้ โดย ความ เห็น ชอบ, และ ระบบ ต่าง ๆ เช่น โร เท, การ ค้น หา ข้อมูล, และ อื่น ๆ ใช้ โปรโตคอล ที่ แจก จ่าย ออก ไป และ แม้ แต่ โซ่ ตรวน สาธารณะ เพื่อ รับ ประกัน ความ เสมอ ต้น เสมอ ปลาย และ ความ สด ใน สถานะ ที อี。

โครงสร้างของส่วนนี้ถูกสรุปว่า เป็นโครงร่างพื้นฐาน "Props" ซึ่งมีจุดประสงค์เพื่อรักษาความปลอดภัยการใช้ข้อมูลส่วนบุคคล โดยไม่เปลี่ยนแปลงโครงสร้างพื้นฐานที่มีอยู่。

2561 ได้รวบรวมนักทํานายและการคํานวณที่น่าเชื่อถือใน 3 วรรค: ผู้ทํานายเอาตัวเลขจากแหล่งการปกครองเอกชนที่ได้รับการรับรอง และพิสูจน์แหล่งกําเนิด ทีอี เสร็จสิ้นการฝึกหรือให้เหตุผลภายในขอบเขตการเข้ารหัส แบบจําลองของ ทีอีเอ หรือผลสรุป และนําเสนอใบรับรองเกี่ยวกับคุณสมบัติของท่อส่งน้ํามัน (ดาต้า ซอฟท์แวร์ หรือรหัสสําหรับโมเดล ฮาชิ เป็นต้น) พ.ศ。

Props มั่นใจคุณสมบัติ 3 อย่าง: ความซื่อสัตย์การป้อนข้อมูลสุดท้าย (อ้างอิงจากข้อมูลการตรวจสอบสิทธิ์จากแหล่งส่วนตัวที่เชื่อถือได้เท่านั้น) ความลับปริยาย (input and Internations) ไม่มีขอบเขตการคุ้มครองและผลส่งออกสาธารณะเท่านั้น) อาจเป็นไปได้ว่า (พิสูจน์ได้ว่าทั้งข้อมูลผู้ให้และการให้ผลที่ได้นั้นเชื่อในความซื่อสัตย์และความลับ)。

นอกจากนี้ยังมีรุ่น "Transful" ที่ข้อมูลและการคํานวณไม่จําเป็นต้องเป็นความลับ จําเป็นต้องได้รับการรับรองและแหล่งที่มาเท่านั้นในสาธารณะและเอกชน。

5 ความเข้าใจผิดเกี่ยวกับคริสตัล x AI

การ เข้าใจ ผิด ทั่ว ไป หลาย อย่าง หรือ ข้อ ความ ที่ ชัก นํา ให้ หลง ผิด ได้ เกิด ขึ้น ใน อุตสาหกรรม รอบ ๆ เวที Cripto x AI และ การ นํา มา ใช้. ห้า บทความ ต่อ ไป นี้ ไม่ ใช่ เรื่อง เท็จ อย่าง สิ้น เชิง และ เคล็ด ลับ คือ การ อธิบาย ว่า ส่วน ไหน อยู่ ใน ตําแหน่ง ไหน และ ยัง ต้องการ หลัก ฐาน มาก กว่า。

ผิดพลาดอย่างหนึ่ง: ห่วงโซ่บล็อกสามารถแยกแยะได้ระหว่างเนื้อหา AI ที่สร้างโดยมนุษย์

บ่อย ครั้ง มี การ ยก คํา พูด ที่ ว่า การ จด ทะเบียน เนื้อหา มี ความ เกี่ยว พัน กัน แล้ว จึง สามารถ ตัดสิน ได้ จาก อา ไอ หรือ จาก มนุษย์. มีโครงการอยู่แล้ว (เช่น เอเวอร์ลีน AI) ที่กําลังล่ามเนื้อหาของ AI แต่ห่วงโซ่ของบล็อกไม่สามารถทําเช่นนี้โดยทั่วไปและมันจําเป็นต้องถูกมองออกจากกัน จากคําถามของการทดสอบเนื้อหาและเนื้อหา。

การทดสอบเนื้อหา ระบุว่าเนื้อหาสร้างโดยคน หรือ AI หลักในปัจจุบันคือการทดสอบหลังจากการกระทํา ซึ่งไม่ได้ขึ้นอยู่กับข้อมูลก่อนพืช หรือสัญญาณในสองประเภท: AI ASSOGONOMY ซึ่งระบุลักษณะทางสถิติเฉพาะกับรุ่นที่มีการเรียนรู้ในสถิติและนิติวิทยาศาสตร์ทางสถิติซึ่งวิเคราะห์การแพร่กระจายของสัญญาณรบกวนระดับพิกเซลและโครงสร้าง (เช่น การไม่ต่อเนื่องของ AI)。

ปัญหาอยู่ที่ห่วงโซ่ของบล็อกเอง ไม่สามารถรับรู้ข้อมูลภายใต้สายโซ่เหล่านี้ และผลลัพธ์การจัดหมวดหมู่ที่ ต้องจัดทําขึ้นโดยระบบภาษีภายนอก โซ่ สาย นี้ จะ ยึด ได้ ก็ ต่อ เมื่อ ได้ รับ การ พิสูจน์ ว่า บันทึก เหล่า นั้น ไม่ ได้ ถูก ดัด แปลง หลัง จาก ส่ง แล้ว แต่ เป็น จริง เมื่อ เขียน ไป. ถ้า เครื่อง ตรวจ ภาย นอก ถูก คํานวณ ผิด สาย โซ่ บล็อก จะ เก็บ ความ ผิด ไว้ อย่าง ถาวร. นั่นก็คือ โซ่ของบล็อกให้ "ความซื่อสัตย์ของการประกาศ" มากกว่า "การประกาศเป็นจริง"。

การติดตามเนื้อหาเป็นประวัติของการบันทึก การสร้างทรัพย์สินดิจิตอล มาตรฐานเชิงอุตสาหกรรม เช่น C2PA อนุญาตให้ผู้สร้างหรืออุปกรณ์ต่างๆ แนบเข้ากับสื่อด้วยข้อมูลกํากับภาพ (ผู้รับรองรหัสผ่าน) ของระบบย่อย, เพื่อบันทึกแหล่งข้อมูล, ผู้เขียนและบรรณาธิการที่ตามมา, และทําแบบฟอร์มลงทะเบียนเอกสารเหล่านี้อย่างไม่เป็นทางการ โดยใช้บล็อกโซ่ เช่น โพรโตคอลและสตาร์ลิ่ง。

แต่ถึงจะมีระบบติดตามที่ทนทาน ที่ยึดติดอยู่กับสายโซ่ ก็ไม่มีการรับประกันว่าเนื้อหานั้น เดิมถูกสร้างขึ้นโดยมนุษย์หรือ AI。

ผู้ใช้สามารถถ่ายภาพรุ่น AI บนหน้าจอระดับสูงได้อย่างสมบูรณ์ จากนั้นใช้กล้องที่ตรงกับระบบ C2PA และได้รับลายเซ็นที่ถูกต้อง และเอกสารที่ถูกทําเครื่องหมายว่า เป็น "ภาพถ่ายจริง" ข้อความเดียวกัน AI ถูกสร้างและวางจําหน่ายใหม่เป็นบรรณาธิการตามมาตราฐาน โดยมีร่องรอยของ "การสร้างสรรค์มนุษย์"。

นอก จาก นั้น เมื่อ มี การ ปรับ เนื้อหา ให้ เข้า กับ ระดับ ที่ ไม่ ตรง กับ บันทึก โซ่ แล้ว ความ สามารถ ใน การ สืบ พันธุ์ ก็ แตก ต่าง และ รูป แบบ การ จด ทะเบียน ทั่ว ไป ที่ ครอบ คลุม ธาตุ ทุก ชนิด แทบ จะ ไม่ สามารถ ทํา ได้ ใน อนาคต ที่ มอง เห็น ล่วง หน้า พร้อม กับ ช่อง ว่าง ที่ สําคัญ ใน ระบบ การ สืบ พันธุ์。

อีลีเมนต์: ในความหมายที่แคบๆ โซ่บล็อกสามารถให้ ความมั่นใจในความถูกต้องของเสียง สําหรับข้อมูลข้อมูลการติดตามของแหล่งข่าว。

รายการ ที่ มี ประสิทธิภาพ อย่าง แท้ จริง เรียก ร้อง ให้ มี ระบบ นิเวศ ซึ่ง ทุก เนื้อหา จะ ถูก เก็บ ไว้ ด้วย อุปกรณ์ ที่ ไว้ ใจ ได้ และ ถูก ล่าม ทันที ขณะ ที่ เนื้อหา ส่วน ใหญ่ ใน ความ เป็น จริง ถูก สร้าง ขึ้น และ มี การ แบ่ง ปัน โดย เครื่อง มือ ต่าง ๆ ที่ ไม่ สนับสนุน สมอ รหัสผ่าน และ เนื้อหา ที่ ไม่ มี เครื่องหมาย ก็ ยัง คง อยู่ ใน บริเวณ ที่ คลุมเครือ。

ความผิดพลาดที่สอง: ห่วงโซ่หรือการแบ่งประเภท จะแก้ปัญหาอคติและความเสมอภาคของ AI

"การให้เหตุผลและฝึกฝนอย่างไม่เสมอภาคระหว่างบุคคลและอคติของ AI" คําแถลงที่กว้างซึ่งต้องการความแตกต่างระหว่างอคติที่แตกต่างกัน。

อคติของอัลกอริธึมเป็นแนวคิดที่นิยมกันมากที่สุดของความยุติธรรมในวงกลม AI แบบ จําลอง เรียน รู้ หรือ แม้ แต่ การ ขยาย ความ ไม่ สมดุล ใน ชุด ข้อมูล ซึ่ง นํา ไป สู่ ความ ไม่ ดี ของ แบบ จําลอง การ พิพากษา ท่ามกลาง กลุ่ม ที่ อ่อนแอ และ มี แนว โน้ม ใน ทาง ลบ ที่ จะ สร้าง แบบ จําลอง เพื่อ ติด ตาม ข้อมูล ที่ ได้ รับ การ ฝึก อบรม (เช่น ภาษา ที่ ก่อ ความ เสีย หาย, รูป แบบ ที่ ฝัง ราก ลึก)。

ชุมชนนักวิชาการได้เสนอทางเลือกทางเทคนิคมากมาย สําหรับการฝึกและเหตุผล แต่การป้องกันเหล่านี้ห่างไกลจากความสมบูรณ์แบบ。

การลดจุดบกพร่อง ไม่ทําให้เกิดอคติของอัลกอริทึม เนื่องจากมันเกิดจากกระบวนการฝึกฝนเอง และมักจะถูกลดทอนด้วยการฝึกหรือเทคนิคการให้เหตุผล。

แต่มีแหล่งที่สองของอคติ กล่าวคือ การตัดสินใจระดับสูงที่มีอิทธิพลต่อการแสดงตัวอย่าง ชั้นนี้มีความสัมพันธ์เชิงบวกกับความยุติธรรม ซึ่งเข้าใจกันโดยทั่วไปในวง AI แต่อาจส่งผลกระทบต่ออคติของอัลกอริทึม。

ลักษณะแรกคือความโปร่งใส ผู้พัฒนาสามารถใช้สายโซ่บล็อก เพื่อทําการอบรมข้อมูล, ฝึกอบรมอัลกอริทึม, การตรวจสอบจุดจําลองและเหตุผล。

อย่าง ไร ก็ ตาม เป็น เรื่อง ยาก ที่ จะ ขยาย ผลิตภัณฑ์ ฝึก อบรม ใน เวลา เช่น แบบ จําลอง และ ด่าน ตรวจ ขนาด ใหญ่ (ซึ่ง มี ราคา มาก เกิน ไป ที่ จะ เก็บ และ คํานวณ) ซึ่ง ข้อมูล ส่วน ใหญ่ ใน ระบบ ที่ มี อยู่ นั้น อยู่ ใน ลูก โซ่ และ ไม่ สามารถ เข้า ถึง ผู้ ใช้ ได้ โดย ตรง และ อาจ มี ข้อ ได้ เปรียบ ของ ความ โปร่งใส ใน ระยะ สั้น ๆ ก็ ได้。

ยิ่งสําคัญขึ้นไปอีก ความโปร่งใสในตัวมันเองอาจจะไม่เปลี่ยนวิธีที่ผู้คนพัฒนาและใช้ AI เว้นแต่อุตสาหกรรมจะมีความคิดที่ชัดเจนว่า ความโปร่งใสนี้คืออะไร。

ลักษณะ นิสัย ประการ ที่ สอง คือ การ ควบคุม ดู แล อย่าง เหมาะ สม ซึ่ง เรียก ร้อง ความ แตก ต่าง ระหว่าง สอง ประเภท. อันดับแรกประกอบด้วยกลไกการบริหารชุมชน ที่ได้รับการสํารวจและใช้ในห่วงโซ่ของบล็อก (การออกเสียงเสียงที่หนักเป็นคาร์เน็ต, ประชาธิปไตยเคลื่อนที่, การอ้างอิงหลังถึงคนที่สามารถเป็นตัวแทนของการลงคะแนนเสียงเพื่อความไว้วางใจ; และลําดับที่สองประกอบด้วยการปกครองตนเองที่เหมาะสม, แสดงโดย DAO โดยการตัดสินใจควบคุมมีผลบังคับใช้โดยสัญญาฉลาด。

ตัวส่วนร่วมคือกลไกควบคุมชุมชนนั้น ไม่จําเป็นต้องมีตัวบล็อคโซ่ จึงไม่ถูกต้องที่จะบรรยายพวกเขาว่า "ปัญหา AI แก้ปัญหาได้ด้วยการปิดกั้นโซ่" ทางเทคนิคแล้ว การตัดสินใจแบบ AI ที่มีความละเอียดอ่อนนั้นไม่เหมาะกับการลงคะแนนกว้าง แต่การตัดสินใจเรื่องค่านิยม (เช่น การจัดวางโมเดล) ที่เหมาะสมกว่า และนักพัฒนาปัญญาประดิษฐ์กระแสหลักของเอไอได้สํารวจ แต่ยังไม่ได้ลงพื้นที่จริง。

ห่วงโซ่ของการบริหาร (การบังคับใช้ทางอ้อม หรือการปลดเกษียณสัญญา) ที่บังคับใช้จริงโดยสัญญาฉลาด เสริมความทนทาน แต่ใบหน้า。

อีลีเมนต์: ห่วงโซ่บล็อกไม่ได้ลดอคติของอัลกอริทึม แต่ส่งเสริมความโปร่งใส ในทุกขั้นตอนของวงจรชีวิต AI และขยายการมีส่วนร่วมใน AI。

ความผิดพลาดที่สาม : ให้ AI ส่งกระเป๋ามา แล้วทําให้มันเป็นอิสระ

โปรเจกต์ทํา "เงินจากตัวแทน" และข้อตกลงชําระเงินมักจะอ้างว่า ให้ AI กระเป๋าสตางค์ที่อนุญาตให้มัน ใช้เงิน มีชีวิตอยู่ คํา กล่าว นี้ ทํา ให้ แนว คิด หลาย อย่าง สับสน。

ความแตกต่างเกิดขึ้นครั้งแรกจากความจริงที่ว่า "ออโตเนียม" มีความหมายแตกต่างกันในสองสาขา ในบริบทของ AI อัตโนมัติ (AI) นิยามว่า ความสามารถในการทําหน้าที่บนพื้นฐานของการรับรู้ การเรียนรู้ ประสบการณ์ แทนที่จะใช้กฏที่นิยามไว้ล่วงหน้า。

ตัวเดิมเรียกว่า "อัตโนมัติทางปัญญา" ส่วนอันหลังเรียกว่า "ออทิสติก" ตัวแทน AI ปัจจุบัน มีความสามารถในการอัตโนมัติทางปัญญาค่อนข้างมาก แต่ไม่จําเป็นต้องเป็นผู้บริหาร และผู้บริหารยังสามารถปิดเซิร์ฟเวอร์ได้。

และกระเป๋าของแอนเจ้นท์ก็ถูกนําเข้ามา ซึ่งทั้งของที่บรรจุตัวเอง การมีกระเป๋าสตางค์ไม่ได้ทําให้ AI ฉลาดกว่า หรือทําให้มันต่อต้านการจัดการหรือยุติของมนุษย์ แต่มันส่งผลให้อัตโนมัติ。

การปรับอัตโนมัตินี้ ไม่ได้มีลักษณะเฉพาะของห่วงโซ่บล็อกเช่นกัน และโครงสร้างพื้นฐานการเงินส่วนกลาง สามารถตั้งโปรแกรมได้โดยแต่ละคน การ ตี ความ อย่าง หนัก แน่น ยิ่ง กว่า นั้น คือ การ บล็อก ระบบ จ่าย เงิน ให้ ลูก โซ่ นั้น เอง เสนอ ให้ มี ความ เป็น กลาง และ ความ เป็น กลาง。

จุด: กระเป๋าคุมข้อมูลของ Angent ทําให้ AI anigent เข้าถึงอินเทอร์เฟซได้อย่างง่ายดาย ปฏิสัมพันธ์ทางเศรษฐกิจแบบอัตโนมัติ และหลีกเลี่ยงการอนุมัติด้วยตนเอง แต่อัตโนมัติไม่ได้มีค่าเท่ากับการอัตโนมัติ กระเป๋าสตางค์ เพียง อย่าง เดียว ไม่ ได้ ขจัด อัน เจ งต์ ออก จาก การ ควบคุม ของ มนุษย์ (ผู้ ใช้ นั้น ยัง สามารถ ปิด ระบบ จําลอง หรือ สิ่ง ของ ที่ อยู่ ภาย ใน ได้), และ การ จ่าย อัตโนมัติ ไม่ จําเป็น ต้อง ใช้ โซ่ บล็อก เหมือน กับ ระบบ กลาง。

จุด ที่ ขาย จริง ๆ สําหรับ การ จ่าย เงิน เป็น โซ่ นั้น อยู่ ใน ความ เป็น กลาง และ การ ต่อ ต้าน การ ตรวจ สอบ ซึ่ง เหมาะ สําหรับ สถานการณ์ ที่ มี ความ กลัว ว่า การ จ่าย จะ ถูก ยับยั้ง หรือ ถูก รบกวน。

เกิดข้อผิดพลาด: AI โปร่งแสง น่าเชื่อถือ AI

การใส่แหล่งข้อมูลและเหตุผลของโมเดลบนห่วงโซ่ ดูเหมือนจะเป็นเครื่องมือที่ดีที่สุดในการรักษาความน่าเชื่อถือของ AI แต่ต้องรื้อถอนเป็นสองชั้น。

ในด้านความโปร่งใสของชั้นตัวอย่าง การบันทึกข้อมูล ที่ถูกฝึกมาดูเหมือนจะนําความโปร่งใส มาใช้ในการสร้างแบบจําลอง แต่มีช่องว่างขนาดใหญ่ระหว่าง "บันทึกแหล่งข้อมูล" และ "ความยั่งยืนของพฤติกรรมแบบจําลอง"。

ประการ แรก สถิติ ลูก โซ่ เป็น เพียง ประวัติ และ ไม่ เท่า กับ แหล่ง ที่ มา (การ แสดง การ ประกอบ ของ ชุด การ ฝึก อบรม เรียก ร้อง ความ ชํานาญ เพิ่ม ขึ้น)。

ประการ ที่ สอง แม้ ว่า มี การ ฝึก อบรม ข้อมูล อย่าง เต็ม ที่ แล้ว ก็ ยัง ไม่ พอ ที่ จะ ตัดสิน ได้ ว่า แบบ จําลอง จะ ทํา อย่าง ไร ขณะ ที่ กระบวนการ ฝึก อบรม และ สภาพ แวด ล้อม ใน การ คํานวณ กําหนด พฤติกรรม อย่าง เดียว กัน。

ข้อสาม แม้ว่ากระบวนการที่สมบูรณ์จากข้อมูลไปยังแบบจําลอง จะเพียงพอต่อการทําซ้ําแบบจําลอง ความไม่แน่นอนที่ดํารงอยู่ในการฝึกอบรมอย่างสุ่ม。

ยิ่ง กว่า นั้น แม้ แต่ เมื่อ รับ น้ํา หนัก ก็ ไม่ มี วิธี ที่ มี อยู่ ทั่ว ไป และ มี ประสิทธิภาพ ใน การ ตรวจ สอบ ประตู หลัง หรือ การ จัด การ ซึ่ง ได้ รับ การ ปลูก ฝัง ไว้ ใน การ ฝึก อบรม และ การ รวบ รวม ข้อมูล แบบ จําลอง และ ข้อมูล การ ฝึก อบรม ไม่ ได้ รับ การ รับรอง โดย ตรง เกี่ยว กับ ลักษณะ เฉพาะ ของ พฤติกรรม ของ พวก เขา หรือ การ ที่ ไม่ ได้ เผชิญ หน้า กัน。

ในแง่ของความโปร่งใสในชั้นการให้เหตุผล ห่วงโซ่ของแบบจําลองและเหตุผลที่สอดคล้องกัน ดูจะนําความโปร่งใสในการใช้แบบจําลอง "MODEL X" ถูกบันทึกบนห่วงโซ่ของ Y ด้วยเหตุผล Z และไม่สามารถพิสูจน์ Z ว่าน่าเชื่อถือได้。

เพราะมันพิสูจน์ไม่ได้ว่า "ถูกประหารชีวิตอย่างถูกต้อง"。

แม้ว่ามันจะพิสูจน์ว่ากระบวนการที่ถูกต้อง คําถามพื้นฐานมากขึ้นคือ แหล่งที่มาที่สมบูรณ์ของรุ่น X ไม่ได้ให้หลักฐานเชิงแยก。

ห่วงโซ่บล็อกนี้มีประโยชน์จริงๆ สําหรับบางวัตถุประสงค์ที่น่าเชื่อถือ เช่น การใช้ หน่วยงาน 's' ในการตีพิมพ์เอกสารของ Hashi' ของรุ่นโอเพนซอร์ส เพื่อใช้อ้างอิงที่ไม่สามารถแก้ไขได้ เพื่อให้ผู้ใช้สามารถยืนยันได้ว่า พวกเขาใช้โมเดลจริงที่ไม่สามารถตรวจสอบได้ การคิดแอนติโฟล์กที่คล้าย ๆ กันนี้ยังใช้เพื่อปรับปรุงบันทึกและความโปร่งใสของใบรับรองในส่วนของแข็ง (เฉพาะปูมบันทึกเพิ่มเติมของบล็อกเท่านั้นที่ใช้เพื่อรักษาการบันทึกคือ การตรวจสอบใบรับรองที่สามารถตรวจสอบได้)。

จุดสําคัญ: ยังมีช่องว่างที่ค่อนข้างมาก ระหว่างการติดพันของข้อมูลต้นแบบ และเหตุผล。

ผิด 5 : ไปที่ศูนย์เพื่อประหยัดเงิน

โปรเจกต์หนึ่งใช้เครือข่ายปรับคุณภาพที่ดี เป็นตัวเลือกที่มีประสิทธิภาพกว่าและมีประสิทธิภาพกว่า เอไอ โดยปกติจะเป็นการแก้ไขเครือข่ายโครงสร้างพื้นฐานทางกายภาพ (DPN) ที่ผู้ใช้เช่าฮาร์ดแวร์ของตนเอง (เช่น GPUs) ด้วยค่าใช้จ่ายที่ต่ํากว่า และอาจจะถูกกว่ามากในการเช่า DPN GPU แทนการเช่าที่ผู้ให้บริการเมฆเดียวกัน。

แต่ เครื่องจักร ราคา ถูก ไม่ จําเป็น ต้อง ใช้ ค่า ใช้ จ่าย โดย รวม. การสื่อสารผ่านเครือข่ายสาธารณะเพื่อสร้างศูนย์กลาง ภาระกิจ AI ผ่านระบบและความต้องการที่ล่าช้า มีผลกระทบสําคัญต่อค่าใช้จ่ายทั้งหมด。

การเปรียบเทียบค่าใช้จ่ายโดยตรงในปัจจุบันเป็นเรื่องยาก เพราะอุตสาหกรรมขาดมาตรฐาน การเปรียบเทียบประสิทธิภาพและค่าใช้จ่าย ของภารกิจ AI บน DePin กับเมฆทั่วไป。

จุด: เครือข่าย Decenterization เป็นทางเลือกที่มีเสน่ห์กว่ากลุ่มก้อนเมฆที่อยู่ตรงกลางสูง。

งานขนาดเล็ก (การลดขนาด การฝึกขนาดเล็ก) ดูจะแพงกว่า ในขณะที่งานขนาดใหญ่มากๆ (การฝึกแบบจําลองพื้นฐาน) อาจถูกขัดขวางด้วยการสื่อสารแบบไม่เสถียรแบบแบนด์ต่ําระหว่างโหนด ต้องค้นคว้าเพิ่มเติมเพื่อทําให้การค้าขายชัดเจนขึ้น。

ตัวส่วนร่วมของ 5 ข้อนี้ คือ ห่วงโซ่ของบล็อกให้ "ความไม่ต่อเนื่อง" และ "สามารถแก้ไขได้" มากกว่าคําว่า "ความจริง" หรือ "ความเสมอภาค" เอง Crypto x AI ยังคงอยู่ในช่วงแรกๆ เมื่อจําเป็นในการพูดด้วยหลักฐาน ไม่ใช่โดยการเล่าเรื่อง。