في 7 يونيو ، في "منتدى ابتكار الذكاء الاصطناعي Web3 x 2025" الذي نظمته جمعية Blockchain الطلابية بجامعة Tsinghua و Polyhedra ، ألقى Hu Yuncong ، الأستاذ المساعد بجامعة Shanghai Jiao Tong والمؤسس المشارك ل Polyhedra ، خطابا رئيسيا بعنوان "إعادة تشكيل حدود الثقة: نموذج جديد لحوسبة الاستعانة بمصادر خارجية موثوقة تعتمد على ZK". ألقى Tiancheng Xie ، دكتوراه من جامعة كاليفورنيا ، بيركلي ، وكبير مسؤولي التكنولوجيا في Polyhedra Co-creation ، خطابا رئيسيا حول "الذكاء الاصطناعي + Web3: آفاق ومستقبل ZKML".
من بين ذلك، ذكر شياو تيان تشنغ: "إن مقارنة تعقيد التحقق من السيولة والحساب لا يمكن أن تكون في نفس اليوم. وبشكل محدد في تطبيقات نموذج الذكاء الاصطناعي، فإن القيمة الأساسية لـ ZKML (تعلم الآلة بدون معرفة) تكمن في التحقق من جودة الخدمة. على سبيل المثال، في الروبوتات التجارية، يمكن للمستخدمين التحقق من جودة تشغيل الروبوت من خلال ZKML.
ثانيا ، مع نمو وكلاء الذكاء الاصطناعي وإمكانية منح أذوناتهم الحساسة ، يمكن ل ZKML ضمان أمان وكلاء الذكاء الاصطناعي بشكل فعال ، أي أنه يمكن للمستخدمين لعب دور المدققين وبناء نظام ثقة بين البشر ووكلاء الذكاء الاصطناعي. بالإضافة إلى ذلك ، يمكن ل ZKML أيضا توفير وظائف سوق البيانات ، ووظائف بيانات التدريب على التدقيق ، وما إلى ذلك ، والتي ستلعب دورا مهما في بناء الذكاء الاصطناعي اللاحق على السلسلة ".
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 تشاينغ شيا تينغ تشنغ: ZKML يمكنه التحقق من جودة خدمات الذكاء الاصطناعي وبناء نظام ثقة بين البشر ووكلاء الذكاء الاصطناعي.
في 7 يونيو ، في "منتدى ابتكار الذكاء الاصطناعي Web3 x 2025" الذي نظمته جمعية Blockchain الطلابية بجامعة Tsinghua و Polyhedra ، ألقى Hu Yuncong ، الأستاذ المساعد بجامعة Shanghai Jiao Tong والمؤسس المشارك ل Polyhedra ، خطابا رئيسيا بعنوان "إعادة تشكيل حدود الثقة: نموذج جديد لحوسبة الاستعانة بمصادر خارجية موثوقة تعتمد على ZK". ألقى Tiancheng Xie ، دكتوراه من جامعة كاليفورنيا ، بيركلي ، وكبير مسؤولي التكنولوجيا في Polyhedra Co-creation ، خطابا رئيسيا حول "الذكاء الاصطناعي + Web3: آفاق ومستقبل ZKML".
من بين ذلك، ذكر شياو تيان تشنغ: "إن مقارنة تعقيد التحقق من السيولة والحساب لا يمكن أن تكون في نفس اليوم. وبشكل محدد في تطبيقات نموذج الذكاء الاصطناعي، فإن القيمة الأساسية لـ ZKML (تعلم الآلة بدون معرفة) تكمن في التحقق من جودة الخدمة. على سبيل المثال، في الروبوتات التجارية، يمكن للمستخدمين التحقق من جودة تشغيل الروبوت من خلال ZKML.
ثانيا ، مع نمو وكلاء الذكاء الاصطناعي وإمكانية منح أذوناتهم الحساسة ، يمكن ل ZKML ضمان أمان وكلاء الذكاء الاصطناعي بشكل فعال ، أي أنه يمكن للمستخدمين لعب دور المدققين وبناء نظام ثقة بين البشر ووكلاء الذكاء الاصطناعي. بالإضافة إلى ذلك ، يمكن ل ZKML أيضا توفير وظائف سوق البيانات ، ووظائف بيانات التدريب على التدقيق ، وما إلى ذلك ، والتي ستلعب دورا مهما في بناء الذكاء الاصطناعي اللاحق على السلسلة ".