Штучний інтелект та рестайкінг широко визнані провідний наративами цього бик ринкового циклу. Перший створив різні зіркові проекти штучного інтелекту, тоді як другий, зосереджений навколо EigenLayer, дав зростання численним проектам LRT і різним стратегіям заробітку балів. Однак очевидно, що ці два наративи, схоже, увійшли в паузу на середині сцени. Незважаючи на збільшення кількості проектів, вони стають все більш однорідними, що ускладнює пошук інновацій від нуля до одиниці.

Більше того, хоча штучний інтелект і перездача вважаються «наративно правильними», ця правильність не означає досконалості. Чи багато проєктів AI/Depin справді децентралізовані? Останні дані також свідчать про зниження TVL EigenLayer. Чи може перездача забезпечити безпеку лише AVS екосистеми Ethereum?

Тому в другій половині цих гарячих наративів проекти, які вирішують критичні загальні проблеми, є прихованими перлинами, які чекають на відкриття. З цієї точки зору, нашу увагу привернула Mind Network. Він вирішує проблеми децентралізації численних проєктів AI/Depin і підвищує корисність і цінність Reстейкінгу.

Якщо EigenLayer — це рішення для ресстейкінгу для екосистеми Ethereum, то Mind — це рішення для перестейкінгу для сфери штучного інтелекту. Використовуючи більш гнучкий рестайкінг у поєднанні з повністю гомоморфне шифрування для безпеки консенсусу, він забезпечує економіку токенів і безпеку даних децентралізованих мереж штучного інтелекту.

Крім того, у 2023 році проєкт вже залучив 2,5 мільйона доларів у вигляді початкового фінансування за участю таких відомих установ, як Binance. Наразі він має глибоку співпрацю з новими популярними проєктами AI/Depin, такими як io.net та Myshell. Очікування запуску основної мережі та стимулюючих заходів ще більше підвищує очікування.

Однак для більшості читачів, які стикаються з цим проектом вперше, поєднання складного повністю гомоморфне шифрування та рестайкінгу, орієнтованого на прибуток, може здатися дивним. Як ці два елементи можуть працювати разом, щоб вирішити ключові проблеми проєктів зі штучним інтелектом?

У цьому випуску ми заглиблюємося в Mind Network, щоб дослідити цей перспективний проєкт, який об'єднує трендові наративи про штучний інтелект, рестейкінг та повністю гомоморфне шифрування.

Проєкти штучного інтелекту, які прагнуть знищити драконів, але поступово самі стають драконами через те, що не досягли «нульової довіри»

Щоб зрозуміти, чим конкретно займається Mind Network, важливо зрозуміти поточні проблеми, з якими стикаються проєкти штучного інтелекту. Можливо, розповідь про те, що вбивця драконів перетворюється на самого дракона, слугує найкращою епітафією для опису сьогоднішніх зашифрованих проєктів штучного інтелекту.

З точки зору знищення драконів, основний наратив зашифрованих проєктів зі штучним інтелектом (або DePIN) обертається навколо децентралізації. Це передбачає боротьбу з монополіями великих корпорацій на елементи штучного інтелекту, такі як обчислювальна потужність, алгоритми (моделі) та дані. Мета полягає в тому, щоб підірвати довіру до влади, якою володіють ці корпорації.

Хоча цей наратив є правильним і знаходить глибокий відгук у громадськості, децентралізовані проєкти штучного інтелекту часто стикаються з проблемою потенційного перетворення на драконів:

Вони намагаються досягти «нульової довіри» серед валідатори у децентралізованих середовищах.

Складно зрозуміти? Розглянемо конкретні приклади.

Наприклад, у типових проєктах із зашифрованим штучним інтелектом учасникам часто потрібно децентралізувати верифікацію/голосування за моделями штучного інтелекту, щоб визначити, яка з них працює найкраще. Однак на практиці валідатори (вузли) в рамках проекту зазвичай вирішують, яка модель штучного інтелекту працює найкраще. Як ви можете переконатися, що модель, обрана валідатори, дійсно є найкращою? Дотримання механізму Доказ стейкінгу (POS) не гарантує, що вибір є оптимальним або справедливим.

Аналогічно, у компаніях-агентах зі штучним інтелектом ранжування послуг на основі продуктивності піднімає питання про те, як гарантувати, що послуги з найвищим рейтингом дійсно забезпечують найкращі результати. У сценарії DePIN, коли завдання призначаються вузлам у мережі, як ви можете переконатися, що валідатори справедливо розподіляють завдання між відповідними вузлами, а не віддають перевагу знайомим?

Ці приклади підкреслюють важливу спільну проблему: у децентралізованих мережах штучного інтелекту рішення, прийняті валідатори, часто стають централізованими точками довіри. В кінцевому підсумку вам доведеться довіряти валідатори або ключовим учасникам мережі, щоб приймати рішення правильно і без злого умислу.

Проекти, які виступають за децентралізацію, обмежені необхідністю довіряти внутрішнім мережевим механізмам. Досягнення «нульової довіри» залишається недосяжним, що підкреслює недосконалість нинішнього наративу навколо штучного інтелекту.

Отже, що потрібно перед обличчям цих викликів?

Очевидно, що нам потрібні технологічні механізми та економічні конструкції, щоб мінімізувати залежність довіри від ключових учасників, які беруть участь у верифікації, голосуванні та прийнятті рішень у мережах штучного інтелекту. Це саме та сфера, на якій Mind Network фокусується і демонструє свою цінність.

Святий Грааль повністю Гомоморфне шифрування поміщений у найбільш підходящу мережу Позиція By Mind

Mind Network вирізняється повним використанням Гомоморфне шифрування, шанується як Святий Грааль Криптографія.

Однак, як це пов'язано з проблемами, виявленими в проєктах штучного інтелекту та DePin, згаданих вище?

За своєю суттю всі ці питання вказують на розподіл ресурсів, відбір і прийняття рішень — крім технологій, вони стосуються управління.

Там, де управління допускає неправомірну поведінку, учасники відкрито діляться відомою інформацією (я знаю, що великі власники інвестують, тому я наслідуватиму цей приклад).

Ви, напевно, вже відчули потенціал FHE:

Що робити, якщо інформація більше не відома всім?

Повністю Гомоморфне шифрування (FHE), який рекламується як Святий Грааль у криптографії, нещодавно був підкреслений Віталік Бутерін за його роль у Web3. Тут ми не будемо заглиблюватися в механіку FHE; Вам просто потрібно знати його функцію — виконувати складні обчислення над зашифрованими даними без розшифровки, пропонуючи рішення, де дані залишаються безпечними та конфіденційними протягом усього аналізу.

Однак прийняти Святий Грааль означає взяти на себе його тягар.

Хоча зашифровані розрахунки FHE вражають, вони несуть значні витрати ресурсів, що робить їх непрактичними для навчання моделей ШІ в зашифрованих проектах ШІ.

Підхід Mind Network до FHE натякає на ефективне використання свого потенціалу, позиціонуючи Святий Грааль там, де йому місце.

Не використовуючи FHE для навчання моделей ШІ та коригування параметрів, а скоріше застосовуючи «людське управління» в таких сферах, як перехресна перевірка, відбір, ранжування та голосування після того, як модель ШІ була навчена, можна контролювати витрати ресурсів. Проблеми, які потребують вирішення, також дуже зрозумілі:

Якщо учасники мережі штучного інтелекту ведуть бізнес, не знаючи вибору/результатів голосування один одного, не буде «слідувати за великими гравцями» або сліпо копіювати поведінку авторитетних вузлів. Це усуває упередженість прийняття рішень, спричинену впливом ідентичності, повертаючи децентралізоване прийняття рішень до його суті, тим самим виявляючи справді ефективні моделі ШІ та сервіси ШІ.

Таким чином, використання FHE для загальних обчислень стикається зі значними перешкодами, але використання FHE для конкретних децентралізованих етапів, таких як валідація, є внутрішньо послідовним і здійсненним. Забезпечення нульової довіри до процесу перевірки забезпечує консенсусну безпеку для зашифрованих проєктів штучного інтелекту та справжню децентралізацію.

З іншого боку, безпека є синонімом справедливості.

Ми також можемо використовувати конкретний випадок, щоб побачити, як справедливість Mind Network відображається в шифрування виконання валідації:

• 1. Проєкт штучного інтелекту інтегрує SDK для перевірки, наданий Mind, отримуючи доступ до сервісів перевірки гомоморфних шифрування.
• 1. Одночасно проєкт штучного інтелекту реєструється в мережі Mind, щоб підтвердити свою особу. Mind генерує смарт-контракт у цільовій мережі/ланцюжку проєктів для синхронізації подальших змін у роботі та результатів виконання.
• 1. Проєкт штучного інтелекту публікує завдання з перевірки в мережі Mind, які вимагають повністю гомоморфне шифрування (FHE), наприклад, визначити, яка модель штучного інтелекту працює краще. Починається послуга голосування FHE, яка дозволяє вузлам валідації проєкту штучного інтелекту голосувати, не бачачи результатів у відкритому тексті, але все одно виконуючи процес голосування.
• 1. Результати голосування та пов'язані з ними зміни даних передаються у власний ланцюжок Mind через смарт-контракт, оперативно синхронізуються та записуються.
• 1. На наведених вище кроках, коли проєкт штучного інтелекту використовує послуги Mind, токени проєкту Mind стягуватимуться як газ комісії (токени, які ще не випущені).

Аналогічно, коли справа доходить до такого проекту, як DePIN, використання Mind Network також може призвести до більш справедливого розподілу ресурсів. Візьмемо для прикладу компанію IO.net, яка співпрацює з Mind Network:

• 1. IO.net інтегрує пакет SDK продукту, наданий Mind, для доступу до сервісів перевірки повністю гомоморфне шифрування.
• 1. Після інтеграції цих сервісів вузли з графічними процесорами отримують можливості консенсусу відповідно до повністю гомоморфне шифрування. Це означає, що коли надходять обчислювальні завдання штучного інтелекту, як запити, так і дані шифруються, що робить можливим справедливий розподіл завдань між відповідними вузлами.

Зачекайте, але яке відношення це має до рестейкінгу?

Попередня дискусія, здається, повністю зосереджена на технічних аспектах. Яке відношення це має до рестейкінгу на рівні активів? Mind Network надає рішення на основі FHE, яке технічно підвищує безпеку перевірки мережі штучного інтелекту. Однак, щоб брати участь у цій перевірці безпеки та отримувати вигоду від неї, вона тісно переплітається зі структурою економічної мережі більшості проєктів AI/Deepin.

PoS, або Доказ стейкінгу, є основоположною логікою консенсусу для більшості криптовалютних проектів. Таким чином, розмір активів стейкінгу під управлінням кожного вузла та його право брати участь у справедливій перевірці, гарантованій PHE, тісно пов'язані.

Ключовим кроком Mind Network на рівні активів є розширення Стейкінг та відкритий ресстейкінг, захист консенсусу щодо перевірки мережі штучного інтелекту за допомогою гомоморфних шифрування. Таким чином, різні ролі в мережі можуть відповідати своїм інтересам.

Для вузлів валідації проєктів зі штучним інтелектом збільшення обсягу Restaking надає більше можливостей та права голосу у проведенні завдань валідації FHE у Mind Network.

Для звичайних користувачів делегування своїх активів LST/LRT вищезгаданим вузлам у режимі стейкінгу проксі-сервера дозволяє їм отримувати APR дохід.

Схоже, що це схоже на звичний для нас Restaking від EigenLayer, який принципово сходиться різними шляхами:

EigenLayer захищає різні AVS в екосистемі Ethereum за допомогою рестакінгу; Mind Network забезпечує консенсус для різних мереж штучного інтелекту у всій криптографічній екосистемі за допомогою рестакінгу.

Варто зазначити, що поняття «ціла екосистема» невіддільне від іншої ключової функції Mind Network: віддаленого стейкінгу.

Завдяки віддаленому Стейкінг немає необхідності крос-ланцюг свої токени LRT у різних мережах. Натомість користувачі можуть застейкати свої токени LRT з різних ланцюгів у вузол валідації мережі штучного інтелекту за допомогою віддаленого стейкінгу. Це значно знижує вхідний бар'єр для участі користувачів та інтегрує фрагментовану ліквідність у мультичейн середовищі.

Broad Ecosystem Development and Solid Technical Strength

Mind Network наразі має ще кілька каталізаторів, на які варто звернути увагу:

По-перше, що стосується продукту, тестова мережа залучила 650 000 гаманців і обробила 3,2 мільйона транзакцій, що вказує на багатообіцяючі перспективи розгортання повної функціональності основної мережі.

По-друге, у розвитку екосистеми, враховуючи спрямованість її платформи на розширення можливостей інших проєктів штучного інтелекту, співпраця з проєктами найвищого рівня має вирішальне значення. Наразі Mind Network надає послуги безпеки консенсусної мережі штучного інтелекту для io.net, Singularity, Nimble, Myshell AIOZ та інших. Він також пропонує рішення FHE Bridge для Chainlink, CCIP та сервісів зберігання даних зі штучним інтелектом для IPFS, Arweave, Greenfield та подібних проєктів. Ці партнерства охоплюють провідний проєкти штучного інтелекту, зберігання даних та оракулів, потенційно позиціонуючи Mind Network як «золоту лопату».

Крім того, з точки зору передісторії, у 2023 році проєкт був обраний Binance Incubator і завершив початковий раунд фінансування в розмірі 2,5 мільйона доларів США за участю таких відомих установ, як Binance. Він також отримав такі гранти, як грант Ethereum Foundation Fellowship Grant, включення до програми Chainlink Build і ставши торговим партнером Chainlink.

З точки зору технічних можливостей, окрім команди, до складу якої входять першокласні професори та доктори наук, що спеціалізуються на штучному інтелекті, безпеці та криптографії з провідний університетів та підприємств, заслуговує на увагу співпраця з науково-дослідними компаніями провідний повністю гомоморфне шифрування галузі.

У лютому цього року Mind Network офіційно оголосила про партнерство з ZAMA, провідний шифрування-компанією з відкритим вихідним кодом у сфері повністю гомоморфне шифрування (FHE). Нещодавно ZAMA завершила раунд фінансування серії А на суму 73 мільйони доларів США під керівництвом Multicoin і Protocol Labs.

Зовсім недавно співпраця між Mind Network і ZAMA розширилася до спільного запуску нової гібридної мережі штучного інтелекту FHE. Ця ініціатива спрямована на просування застосування алгоритмів штучного інтелекту в зашифрованих даних, додаючи ще один рівень технологічного прогресу до проекту.

За словами джерел, близьких до цього питання, Mind Network вирішила використовувати базову бібліотеку технологій ZAMA у власних науково-дослідних зусиллях. Це стратегічне рішення демонструє досвід Mind в оптимізації ресурсів ОФ, забезпечуючи максимальні можливості безпеки без шкоди для продуктивності.

Окрім розширення власних можливостей за допомогою передових технологій, Mind Network також сприяє вдосконаленню криптоекосистеми. У травні проєкт у партнерстві з Chainlink представив перший інтерфейс FHE, заснований на протоколі Cross-Chain Сумісність Protocol (CCIP). Ця співпраця підвищує безпеку крос-ланцюг комунікацій і транзакцій, одночасно сприяючи більш надійній і орієнтованій на користувача екосистемі Web3.

Станом на останнє оновлення, Mind Network встановила партнерські відносини з численними проєктами найвищого рівня в різних екосистемах і галузях. З огляду на його спрямованість на розширення можливостей інших проектів, він може бути готовий досягти ефекту «золотої лопати» в майбутньому.

Висновок

Коли повністю гомоморфне шифрування зустрінеться з Reстейкінгом, Mind Network справді може стати новою рушійною силою у другій половині цьогорічного криптомейнстрімного наративу.

Використовуючи повністю гомоморфне шифрування як посередника, Mind Network прагне оптимізувати бізнес-операції для численних зашифрованих проектів штучного інтелекту, забезпечуючи справжню децентралізацію та підтримка нульової довіри для децентралізованих ініціатив штучного інтелекту. Тим часом, Restaking відкриває шлях до подальшого поглинання ліквідності в різних ланцюжках, що потенційно може провідний до швидкого збільшення Загальна заблокована вартість (TVL) для проєкту.

Незаперечним є те, що привабливість повністю гомоморфне шифрування як святого Грааля привертає увагу ринку новими наративами. Одночасно рестайкінг притягує ринкову ліквідність. У міру того, як консенсусна безпека для проєктів зі штучним інтелектом стає доступнішою, концентрація уваги та ліквідність, ймовірно, сприятимуть майбутньому розвитку проєкту.

Проєкти на кшталт Mind Network, які вдосконалюють наратив (AI, Reстейкінг) за допомогою власної технології, справді можуть представляти більш м'яку форму руйнування у другій половині мейнстрімного наративу?

Відмова від відповідальності:

1. Ця стаття передрукована з [Techflow]. Всі авторські права належать оригінальному автору [Techflow]. Якщо є заперечення проти цього передруку, будь ласка, зв'яжіться з командою Gate Learn, і вони оперативно впораються з цим.
2. Відмова від відповідальності: Погляди та думки, висловлені в цій статті, належать виключно автору і не є жодною інвестиційною порадою.
3. Переклад статті на інші мови здійснює команда Gate Learn. Якщо не зазначено, копіювання, розповсюдження або плагіат перекладених статей заборонено.