في 7 يونيو، في منتدى الابتكار "Web3 x AI لعام 2025" الذي نظمته جمعية البلوكتشين الطلابية بجامعة تسينغهوا بالتعاون مع Polyhedra، ألقى أستاذ مساعد بجامعة شنجهاي جياو تونغ، وشريك Polyhedra، هو يونغ تسونغ، خطابًا رئيسيًا بعنوان "إعادة تشكيل حدود الثقة: نموذج جديد للحوسبة الموثوقة المستندة إلى ZK"؛ وألقى الدكتور شي تيان تشينغ، من جامعة كاليفورنيا في بيركلي، وشريك Polyhedra وCTO، خطابًا بعنوان "AI + Web3: آفاق و مستقبل ZKML".
من بين ذلك، ذكر شيه تيانغ تشنغ: "لا يمكن مقارنة تعقيد التحقق من السيولة والحساب. وبالتحديد في تطبيقات نماذج الذكاء الاصطناعي، تكمن القيمة الأساسية لـ ZKML (تعلم الآلة بدون معرفة) في التحقق من جودة الخدمة. على سبيل المثال، في بوت التداول، يمكن للمستخدمين التحقق من جودة تشغيل الروبوت من خلال ZKML.
ثانياً، مع زيادة عدد وكلاء الذكاء الاصطناعي والقدرة على منح الأذونات الحساسة، يمكن لـ ZKML ضمان أمان وكيل الذكاء الاصطناعي بشكل فعال، حيث يمكن للمستخدمين أن يلعبوا دور المراجع، مما يساهم في بناء نظام موثوق بين البشر ووكلاء الذكاء الاصطناعي. بالإضافة إلى ذلك، يمكن لـ ZKML توفير وظائف سوق البيانات ووظائف تدقيق بيانات التدريب، والتي ستلعب دورًا مهمًا في بناء الذكاء الاصطناعي على السلسلة في المستقبل.
المحتوى هو للمرجعية فقط، وليس دعوة أو عرضًا. لا يتم تقديم أي مشورة استثمارية أو ضريبية أو قانونية. للمزيد من الإفصاحات حول المخاطر، يُرجى الاطلاع على إخلاء المسؤولية.
بوليهدرا ليانغ تشوانغ شياو تيان تشنغ: ستلعب ZKML دورًا رئيسيًا في التحقق من جودة خدمات الذكاء الاصطناعي وبناء نظام موثوق به.
في 7 يونيو، في منتدى الابتكار "Web3 x AI لعام 2025" الذي نظمته جمعية البلوكتشين الطلابية بجامعة تسينغهوا بالتعاون مع Polyhedra، ألقى أستاذ مساعد بجامعة شنجهاي جياو تونغ، وشريك Polyhedra، هو يونغ تسونغ، خطابًا رئيسيًا بعنوان "إعادة تشكيل حدود الثقة: نموذج جديد للحوسبة الموثوقة المستندة إلى ZK"؛ وألقى الدكتور شي تيان تشينغ، من جامعة كاليفورنيا في بيركلي، وشريك Polyhedra وCTO، خطابًا بعنوان "AI + Web3: آفاق و مستقبل ZKML".
من بين ذلك، ذكر شيه تيانغ تشنغ: "لا يمكن مقارنة تعقيد التحقق من السيولة والحساب. وبالتحديد في تطبيقات نماذج الذكاء الاصطناعي، تكمن القيمة الأساسية لـ ZKML (تعلم الآلة بدون معرفة) في التحقق من جودة الخدمة. على سبيل المثال، في بوت التداول، يمكن للمستخدمين التحقق من جودة تشغيل الروبوت من خلال ZKML.
ثانياً، مع زيادة عدد وكلاء الذكاء الاصطناعي والقدرة على منح الأذونات الحساسة، يمكن لـ ZKML ضمان أمان وكيل الذكاء الاصطناعي بشكل فعال، حيث يمكن للمستخدمين أن يلعبوا دور المراجع، مما يساهم في بناء نظام موثوق بين البشر ووكلاء الذكاء الاصطناعي. بالإضافة إلى ذلك، يمكن لـ ZKML توفير وظائف سوق البيانات ووظائف تدقيق بيانات التدريب، والتي ستلعب دورًا مهمًا في بناء الذكاء الاصطناعي على السلسلة في المستقبل.