Interpretasi PlatON White Paper 2.0: Bagaimana Membangun Jaringan AI Privasi Terdesentralisasi?

Judul Asli: Interpretasi Buku Putih PlatON 2.0: Realisasi Jaringan AI Privasi Terdesentralisasi

Ditulis oleh: Jason, Penggemar Komunitas Platon

Baru-baru ini, PlatON merilis buku putih versi 2.0 di situs web Berdasarkan edisi pertama sebelumnya, buku putih baru menyertakan saran dari pengembang dan penggemar teknologi di komunitas global, dan merevisi beberapa detail.

PlatON2.0 adalah penyebaran strategis penting dari PlatON di tahap selanjutnya, ini akan membentuk pasar kecerdasan buatan terdesentralisasi melalui pembentukan jaringan komputasi privasi terdesentralisasi, sehingga mewujudkan jaringan kecerdasan buatan umum yang mengatur diri sendiri dan kolaboratif. Untuk memungkinkan pengguna memahami sepenuhnya PlatON2.0, membuka jalan menuju kecerdasan buatan umum, dan menemukan kunci teknologi, PlatON akan membuka topik interpretasi kertas putih.

Saat membaca sebuah artikel, hal pertama yang harus dilihat adalah strukturnya, bukan konten spesifiknya.

Dari segi struktural, struktur tiga bab pertama artikel bersifat progresif, dan beberapa bab berikutnya bersifat paralel, dan kedua bagian tersebut dihubungkan dalam bentuk skor total.

Pertama, latar belakang dan tren dibahas, dan persyaratan penting diturunkan dari analisis fenomena yang dapat diamati dan dapat dilihat, dan kemudian diperoleh keniscayaan dan rasionalitas dari Platon yang diusulkan, tentu saja, untuk menyelesaikan masalah sesuai dengan persyaratan. Inilah pentingnya tiga bab pertama.

Kemudian, bab-bab berikut akan menjelaskan penyebaran atau implementasi Platon dari level teknis, level aplikasi, model ekonomi, level aktivitas sosial, level rencana dan kemajuan. Terakhir, menurut praktik industri, referensi diberikan. Di satu sisi, hal itu menunjukkan penghormatan terhadap hak kekayaan intelektual penulis artikel yang dikutip. Di sisi lain, nyaman bagi teman yang meragukan argumen yang dikutip untuk melacak kembali dan memeriksa.

Selanjutnya, kami menganalisis konteks ini.

latar belakang secara keseluruhan

Di awal artikel, pertama-tama kami menunjukkan bahwa era yang kita jalani saat ini adalah era ledakan data, yang membuat kita semua berempati. Statistik dan prediksi data otoritatif diberikan dalam makalah ini, dari Statista dan IDC (International Data Corporation), dua lembaga analisis data terkenal.

Secara umum, ini mengungkapkan sudut pandang, atau fenomena, bahwa jumlah data akan meningkat secara eksponensial di masa depan, dan data baru yang lahir dengan teknologi dan aplikasi baru seperti 5G dan Internet of Things memiliki signifikansi komersial yang besar. sangat membutuhkan perlindungan. Namun, jika model pengelolaan data saat ini berlanjut, pada tahun 2025, hampir setengah dari data yang seharusnya dilindungi tidak akan terlindungi.

Ini adalah fenomena yang sangat serius, dan juga merupakan titik sakit bagi kemajuan kolektif industri di masa depan. Tentu saja, dari sudut pandang lain, ini juga merupakan peluang yang sangat penting.

kecerdasan buatan dan data

Dari perspektif tren perkembangan ekonomi dan industri secara keseluruhan, pentingnya perlindungan privasi data tentu masuk akal, tetapi masalah yang ditimbulkannya adalah mudah jatuh ke dalam ambiguitas.

Memang, dari perspektif luas, perlindungan privasi data sebagai fungsi dasar dapat dikatakan diperlukan dan berlaku untuk semua aplikasi di era ekonomi digital. Presentasi terkonsentrasi dari terobosan dan efek.

AI, kecerdasan buatan, sebagai hot spot dalam beberapa tahun terakhir, memiliki manifestasinya baik dalam perencanaan industri kebijakan maupun aplikasi industri.

Selain itu, dan yang terpenting, AI memang memiliki koneksi data yang tak henti-hentinya dan tidak masuk akal. Kecerdasan buatan selalu memiliki ide pengembangan berdasarkan logika dan pembelajaran mesin. AI awal terutama didasarkan pada logika, seperti sistem pakar, grafik pengetahuan, dll. Intinya adalah menyusun aturan, yang terutama mengandalkan pengalaman manusia, dan algoritme itu sendiri tidak memerlukan banyak data.

Sejak awal abad ke-21, terutama dalam beberapa tahun terakhir, berkat kemudahan pengumpulan dan penyimpanan data, peningkatan kinerja komputer, dan peningkatan arsitektur pemrosesan perangkat lunak, AI berbasis pembelajaran mesin mulai muncul kembali, dan telah telah di luar kendali. Di antara mereka, perwakilan terkenal harus didengar oleh semua orang. AlphaGo, yang mengalahkan banyak master Go, berada di belakang pembelajaran mendalam.

Ide inti dari pembelajaran mesin adalah untuk memungkinkan mesin terus belajar melalui data yang relevan. Jika jawaban tes setelah belajar benar, maka perkuat ingatannya. Jika jawaban tes setelah belajar salah, maka perbaiki metode pembelajaran hingga mampu menjawab dengan benar.

Padahal, pada dasarnya sama dengan membaca dan belajar kita.

Kami mulai membaca dan belajar di taman kanak-kanak, dan kami membaca lebih banyak buku, dan buku menjadi semakin sulit, pada saat yang sama, tingkat pengetahuan dan kognitif kami secara bertahap meningkat.

Hal yang sama berlaku untuk kecerdasan buatan berbasis pembelajaran mesin, kami berharap semakin tinggi tingkat kecerdasan buatan, kami perlu menemukan lebih banyak kategori, jumlah yang lebih besar, dan kualitas data yang lebih baik untuk pelatihan.

Saat ini, kenyataannya, banyak perusahaan AI sendiri memiliki sedikit celah dalam arsitektur model dan desain algoritma. Yang benar-benar memperlebar celah tersebut adalah tingkat pelatihannya, atau dengan kata lain, seberapa banyak data yang dapat digunakan untuk pelatihan model AI-nya.

Masalah dan poin rasa sakit

Seperti disebutkan sebelumnya, kecerdasan buatan saat ini membutuhkan sejumlah besar data berkualitas tinggi dari berbagai jenis untuk pelatihan, yang merupakan kunci untuk meningkatkan tingkat kecerdasan secara efektif, dan kepentingannya seringkali melebihi desain algoritme itu sendiri. Tapi ada masalah, yaitu dari mana datanya?

Raksasa internet memiliki keunggulan alami karena mereka memiliki platform sendiri dan mengumpulkan data pengguna setiap saat, dan perusahaan ini masih memperluas wilayah data mereka melalui akuisisi dan investasi dalam jumlah besar.

Bagi kami orang awam, karena sudah lama terbiasa dengan berbagai model bisnis yang terkesan bebas, kami tidak merasakannya secara mendalam, padahal hal ini telah menimbulkan tiga masalah yang mengakar.

Yang pertama adalah masalah monopoli AI yang ditimbulkan oleh fenomena monopoli data. Raksasa internet secara alami memiliki sumber daya data, sehingga lebih mudah untuk mengembangkan AI mereka sendiri, dan AI mereka juga secara alami memiliki tingkat kecerdasan yang lebih tinggi, yang menyebabkan efek Matius di bidang AI.Pada akhirnya, seluruh AI akan juga dikendalikan oleh raksasa Internet ini, mengulangi situasi saat ini Kesalahan era Internet seluler tidak hanya akan menjadi kekuatan penetapan harga makanan, pakaian, perumahan, dan transportasi publik, tetapi juga pengambilan keputusan dan pemikiran kita akan sangat terpengaruh oleh para raksasa ini.

Yang kedua adalah masalah plafon AI yang disebabkan oleh masalah privasi data. Bagi orang biasa, kebanyakan dari kita memilih untuk berdagang data demi kenyamanan karena kurangnya kemampuan manajemen yang sistematis untuk data pribadi.Kerugian ini tersembunyi dan biasanya tidak jelas, tetapi untuk perusahaan, serangkaian data lainnya seperti penelitian ilmiah, produksi, operasi, personalia, dan keuangan sebenarnya adalah rahasia bisnis yang paling penting, dan hanya sedikit perusahaan yang mau membagikan data inti mereka.

Oleh karena itu, kita sering melihat adanya pulau data di antara berbagai departemen perusahaan dan antar perusahaan. Bahkan di antara raksasa Internet, akan ada batasan bersama, yang akan menyebabkan sejumlah besar data berkualitas tinggi lintas kategori dibekukan untuk waktu yang lama dan tidak dapat digunakan untuk pelatihan AI.Ini pasti menjadi titik kritis yang membatasi masa depan pengembangan AI.

Terakhir, masalah kepemilikan data, hak pakai, dan hak pakai hasil. Seperti yang telah disebutkan sebelumnya, data setiap orang tampaknya tidak terlalu berharga, tetapi di tangan berbagai raksasa Internet, melalui data kami serangkaian perilaku seperti pembiayaan dan realisasi telah terwujud. data sebenarnya berharga, tetapi hari ini, karena berbagai kendala obyektif dan manipulasi subyektif, nilai-nilai ini telah dikaburkan.Kemudian, di era ledakan data di masa depan, ketika nilai data tidak dapat diabaikan lagi, jika ini nilai dapat diklarifikasi dan dijamin hak Seri, ini juga menjadi masalah.

larutan

Tidak sulit untuk melihat dari kertas putih PlatON 2.0 bahwa visi PlatON adalah membangun jaringan kecerdasan buatan kolaboratif terdesentralisasi dan otak global. Ide intinya adalah memanfaatkan data, untuk mewujudkan sirkulasi data yang bebas, dan kemudian sangat mempercepat kematangan dan penerapan algoritme AI.

Ini adalah solusi sistematis untuk masalah yang disebutkan di atas.

Terlihat bahwa langkah pertama adalah mewujudkan kapitalisasi data yang menjadi fondasinya. Tidak diragukan lagi bahwa data itu sendiri adalah faktor produksi yang berharga, tetapi menjadi berharga tidak berarti dapat dikapitalisasi.Ada dua kunci kapitalisasi, satu adalah konfirmasi yang benar, dan yang lainnya adalah perlindungan. Yaitu, bagaimana menetapkan kepemilikan data, dan dengan cara apa melindungi kedaulatan.

Aset biasa dapat mencapai tujuan di atas melalui cara hukum, tetapi untuk aset tidak berwujud seperti data, lebih sulit untuk mengesahkan undang-undang saja, karena penyalinan dan penyebaran data sangat sederhana, dan sulit untuk mengejar pertanggungjawaban setelah kejadian tersebut. belum lagi acara sebelumnya.dilindungi.

Oleh karena itu, telah menjadi persepsi arus utama untuk mengonfirmasi dan melindungi hak melalui sarana teknis, dan PlatON direalisasikan berdasarkan teknologi komputasi blockchain + privasi. Diantaranya, teknologi komputasi privasi adalah kunci untuk mewujudkan konfirmasi dan perlindungan hak data, dan peran blockchain adalah untuk memfasilitasi penjadwalan sumber daya dan sirkulasi data.

Karena fungsi tumpukan teknologi yang berbeda, untuk tujuan pemisahan, dari arsitektur, PlatON didekomposisi menjadi tiga lapisan, masing-masing menjalankan tugasnya.

Lapisan pertama adalah lapisan konsensus, di mana tumpukan teknologi blockchain berada, termasuk node, mekanisme konsensus, dan mesin virtual kontrak pintar;

Lapisan kedua adalah jaringan komputasi privasi, di mana teknologi komputasi privasi berada, termasuk algoritme dan data yang bergantung pada implementasi teknologi privasi, serta node komputasi yang menyebarkan dan menjalankan algoritme dan node data. yang menyediakan data. Semua algoritme didasarkan pada teknologi kriptografi. Termasuk perhitungan multi-pihak yang aman, enkripsi homomorfik, bukti tanpa pengetahuan, dll.;

Lapisan ketiga adalah jaringan AI kolaboratif. Terus terang, itu adalah rak model AI. Model AI ini dapat dilatih berdasarkan dua lapisan sebelumnya. Rak ini dapat terus diperbarui.

fitur

PlatON diposisikan sebagai jaringan komputasi AI pribadi, dan intinya adalah komputasi pribadi. Namun, pada saat yang sama, perlu dicatat bahwa ini juga merupakan platform rantai publik lengkap Turing. Artinya, dari sudut fungsional lihat, ini mirip dengan Ethereum. , mendukung mesin virtual dan kontrak pintar. Menjadi serupa secara fungsional berarti bahwa mereka akan menghadapi masalah serupa dalam penerapannya.

Ini adalah masalah yang sudah lama tidak dapat dihindari Ethereum, juga masalah yang semakin tidak terkendali setelah meledaknya berbagai aplikasi seperti DeFi dan NFT dalam dua tahun terakhir. TPS, atau skalabilitas.

Ethereum 2.0 akan menggunakan fragmentasi untuk mengatasi masalah ini.Saat ini, Ethereum 1.0 menggunakan layer2 untuk memperbaiki masalah ini.

Secara khusus, PlatON mengadopsi pendekatan berlapis.Sebenarnya, ini juga merupakan solusi lapisan2.Intinya masih melalui arsitektur berlapis yang disebutkan di atas.Sementara decoupling dicapai, itu juga sangat meningkatkan kinerja seluruh jaringan.Skalabilitas horizontal. On-chain dan off-chain dihubungkan oleh Verifiable Computing (VC) berdasarkan kriptografi, yaitu, tugas komputasi khusus yang dipersonalisasi dilakukan secara off-chain, dan penyelesaian tugas diverifikasi pada rantai dan konsensus tercapai di seluruh jaringan Mudah untuk memperluas off-chain, mengurangi pendudukan sumber daya on-chain yang langka.

Kembali ke poin inti, komputasi privasi. Faktanya, komputasi privasi bukanlah teknologi baru. Penelitian tentang aspek ini telah berlangsung selama bertahun-tahun. Melihat proyek terkait komputasi privasi saat ini di industri, jalur teknis umumnya dapat dibagi menjadi dua kategori , satu didasarkan pada perangkat keras TEE (Trusted Execution Environment), di antaranya TEE yang terkenal adalah SGX Intel; .

Keuntungan dari implementasi komputasi privasi berbasis TEE adalah mudah diimplementasikan dalam teknik, tetapi kerugiannya adalah membawa ketergantungan terpusat pada produsen perangkat keras, dan dibatasi oleh kinerja TEE itu sendiri, yang memiliki masalah dalam skalabilitas; komputasi privasi berdasarkan teknologi kriptografi Keuntungan implementasi adalah lebih aman, tidak ada ketergantungan sentralisasi, dan ruang skalabilitas lebih tinggi Kerugiannya adalah dengan tingkat teknis saat ini, implementasi proyek tidak ideal, dan sulit untuk mencapai efisiensi dan keserbagunaan. Mengambil jalur kriptografi membutuhkan landasan penelitian ilmiah yang memadai dan pendanaan yang berkelanjutan.

Di atas, karakteristik PlatON2.0 telah disortir Ringkasan singkat dari konten dalam kertas putih adalah:

• Mendukung mesin virtual WASM dan EVM, kompatibilitas yang baik dengan Ethereum;
• Arsitektur sistem berlapis memisahkan on-chain dan off-chain, dengan skalabilitas sistem yang kuat;
• Solusi perlindungan privasi berdasarkan teknologi kriptografi dengan batas atas yang tinggi.

alat periferal

Konsep komputasi pribadi sangat mudah dipahami, dan utilitasnya mudah diterima.

Namun, ini tidak mengubah fakta tersembunyi bahwa ambang teknis komputasi privasi sebenarnya cukup tinggi Untuk praktisi AI biasa, jika mereka ingin mencapai pelatihan model AI melalui komputasi privasi, mereka harus memiliki AI terkait Selain pengetahuan, Anda juga harus memiliki pencapaian tinggi dalam kriptografi untuk mengintegrasikan kerangka privasi ke dalam model AI dengan baik, yang sebenarnya sangat tidak menguntungkan untuk promosi aplikasi komputasi privasi.

Jadi di sini ada penyebutan terpisah dari Rosetta, kerangka kerja pengembangan AI privasi di kertas putih Menurut pendapat saya, Rosetta sangat penting Meskipun sebenarnya dapat ada secara independen dari jaringan Platon, tampaknya tidak memiliki banyak hubungan, tetapi itu sebenarnya sangat penting untuk percepatan Dalam hal pertumbuhan keseluruhan sistem, ini sangat penting, jadi perlu dibicarakan secara terpisah.

Sederhananya, Rosetta sebenarnya adalah kerangka pemrosesan data besar, seperti TensorFlow, dll.; algoritma AI yang umum digunakan, seperti pembelajaran mesin statistik, pembelajaran mendalam berdasarkan jaringan saraf tiruan; algoritma kriptografi, seperti komputasi multi-pihak yang aman , enkripsi homomorfik; dan Kerangka kerja penjadwalan perangkat keras yang mendasarinya dikemas dan diintegrasikan bersama, dengan pemrosesan fusi internal, dan hanya beberapa antarmuka panggilan yang umum digunakan yang diekspos ke luar, sehingga untuk insinyur AI, saat mengembangkan algoritme AI, mereka hanya perlu mempertimbangkan logika bisnis mereka sendiri, dan memanggil antarmuka yang sesuai untuk mewujudkannya, tanpa harus mempelajari algoritme kriptografi yang lebih kompleks.

Di masa mendatang, pengembang dapat menggunakan jaringan komputasi privasi tingkat kedua dari sistem untuk mengembangkan dan melatih model AI mereka sendiri dengan mudah melalui Rosetta, dan mengunggahnya ke jaringan AI kolaboratif tingkat ketiga untuk digunakan dalam aplikasi tertentu.

Skenario Aplikasi

Seperti disebutkan sebelumnya, seluruh sistem ekonomi digital membutuhkan dukungan perlindungan privasi data, karena dalam ekonomi digital, data adalah aset yang berharga, atau lebih langsung, berharga, Oleh karena itu, melalui perlindungan privasi, penegasan hak dan perlindungan aset data sangat penting. diperlukan.

Buku putih mencantumkan beberapa skenario aplikasi tipikal, termasuk hotspot yang terkait dengan industri blockchain, seperti mesin oracle dan game blockchain, serta biomedis tradisional, pengendalian risiko keuangan, dan kota pintar.

Jadi di bagian mana dari skenario aplikasi ini komputasi privasi akan digunakan? Padahal, tanpa terkecuali, justru di dalam tautan itulah yang membutuhkan interaksi banyak pihak.

Ada beberapa kasus yang disebutkan dalam buku putih, jadi saya tidak akan mengulanginya, saya akan mencoba menggambarkannya dengan situasi yang sudah biasa.

Misalnya, untuk mesin oracle, mesin oracle adalah sumber informasi khusus untuk pengguna di rantai. Namun, bagi pengguna, tindakan untuk terus memperhatikan dan mendapatkan data itu sendiri merupakan semacam privasi tersendiri, dan bahkan mungkin melibatkan rahasia bisnis.Pada saat ini Perlindungan privasi sangat penting.

Misalnya, untuk game berantai, semua orang tahu bahwa satu arah dari game berantai adalah metaverse. Metaverse mencoba membangun dunia yang realistis dan imersif. Pemulihan di dunia virtual, jika tidak ada komputasi privasi untuk mengonfirmasi dan melindungi data, pemilik data di dunia nyata mungkin tidak bersedia memberikan data mereka yang benar-benar berharga.

Misalnya, untuk biomedis, bagian penting dari kemajuan perawatan medis berasal dari analisis sejumlah besar kasus klinis.Biasanya rumah sakit besar memiliki banyak data di bidang ini, sementara banyak rumah sakit kecil dan menengah relatif langka. Dari perspektif privasi pasien dan perkembangan mereka sendiri, rumah sakit biasanya Mereka tidak mau berbagi data ini, karena kekhususan data, setelah dibagikan, itu akan di luar kendali, yang sebagian besar membatasi perkembangan tingkat medis secara keseluruhan. perawatan, dan setelah konfirmasi dan perlindungan data berdasarkan komputasi privasi , dimungkinkan untuk menyelesaikan masalah ini;

Untuk pengendalian risiko keuangan, secara teori, semakin lengkap informasi yang Anda miliki tentang peringkat risiko seseorang atau perusahaan, semakin akurat hasil penilaiannya.Ada 5 aspek catatan kepatuhan.

Jadi inilah masalahnya, Ali mungkin tidak dapat memiliki data yang lebih komprehensif tentang koneksi orang daripada Tencent, dan data seperti aset dan perilaku mungkin juga tersedia di platform lain selain platform Ali. Saat ini, data antara platform Internet ini benar-benar terputus, sehingga akurasi dan keserbagunaan potret pengguna mungkin kurang.Misalnya, kredit tinggi pada satu platform mungkin tidak langsung diterima oleh platform lain.

Jika perhitungan privasi dapat digunakan untuk memanfaatkan data secara komprehensif dari berbagai platform tanpa mengorbankan privasi data semua pihak, potret orang yang lebih akurat dan universal dapat diperoleh, sehingga lebih mudah untuk memberikan informasi pencocokan risiko dengan cara yang ditargetkan.

Untuk smart city, salah satu tujuan dibangunnya smart city adalah untuk membuat pelayanan perkotaan menjadi lebih nyaman, lebih akurat, lebih efisien, dan lebih aman. Untuk mencapai tujuan ini, seringkali diperlukan kerja sama dari berbagai departemen pemerintah dan beberapa perusahaan. Mengambil keamanan perkotaan sebagai contoh, ini memerlukan keterkaitan kamera Skynet departemen terkait, kamera lalu lintas jalan, kamera properti perumahan, sensor pendeteksi logam dari berbagai lembaga komersial, dan data komunikasi operator, sehingga situasi yang mencurigakan dan berbahaya dapat segera dideteksi. Dan pelacakan berkelanjutan, mencegah masalah sebelum terjadi, dan sensor ini milik subjek yang berbeda, perlu untuk melindungi privasi data sensor ini tidak peduli untuk perlindungan privasi warga atau untuk pertimbangan berbagai subjek.

Epilog

Mimpi itu perlu, dan hasil juga perlu. Bagi saya, yang paling saya nantikan adalah peluncuran jaringan komputasi pribadi di akhir tahun ini, menurut saya, ini adalah daya saing inti dari Platon.

Tentang sini, lanskap AI privasi PlatON harus relatif jelas. Untuk situasi yang lebih spesifik, Anda juga dapat membaca kertas putih secara mendetail.

Terakhir, saya ingin mengatakan bahwa yang saya bicarakan di sini adalah kertas putih PlatON 2.0, dan ini adalah keseluruhan jalur privasi. Jalur ini sangat sulit. Siapa yang benar-benar dapat mencapai akhir? Sejujurnya, saya tidak tahu Ini membutuhkan modal Promosi bersama teknologi, teknologi, dan bisnis juga membutuhkan banyak kesabaran dan ketekunan, tetapi bagaimanapun juga, saya yakin ini adalah arah yang benar, dan pada akhirnya seseorang akan turun.

Sumber: Lianwen

Penafian: Cointelegraph Chinese adalah platform informasi berita blockchain, dan informasi yang diberikan hanya mewakili pendapat pribadi penulis, yang tidak ada hubungannya dengan posisi platform Cointelegraph Chinese, dan bukan merupakan nasihat investasi dan keuangan apa pun. Pembaca diminta untuk menetapkan konsep mata uang dan konsep investasi yang benar, dan dengan sungguh-sungguh meningkatkan kesadaran akan risiko.