FX168财经网_全球视野外汇黄金加密货币NFT资讯网

为什么 Web3 正面临着身份危机？

互动。然而，随着 ChatGPT 和生成式 AI 的出现，我们不能再依赖图灵测试来证明“我是人类”。而数字人格最终需要一种方法来判断我们是否在与真实的人打交道。 Web3 的数字人格愿景依赖于去中心化和图灵测试能够说，“我是人，我控制着这些数字资产。”当 ChatGPT 打破图灵测试时，它向我们表明，仅靠去中心化是不足以实现数字人格的。如果我们认真对待数字人格，那么就应该认真对待数字身份。人类，何以为人？许多人可能会惊讶地发现，数字身份运动中有一个类似中本聪的人物，他在中本聪著名的比特币白皮书之前整整七年撰写了关于数字身份的权威白皮书。 2005 年，Kim Cameron 发表了具有里程碑意义的论文《身份法则》（The Laws of Identity），将身份管理的概念阐述于众。尽管 Kim 并不像中本聪那样神秘，但他在数字身份方面的工作与中本聪在去中心化方面的工作同样具有决定性意义。 Kim 提出了一个关于数字身份的问题陈述，它与中本聪关于去中心化的问题陈述一样简单、清晰和简洁。将它们放在一起进行比较是有启发性的。 Kim 的身份问题陈述（2005 年）：互联网是在没有办法知道你连接到谁的情况下建立起来的。中本聪的去中心化问题陈述（2012 年）：互联网上的商业交易几乎完全依赖于金融机构作为可信第三方来处理电子支付。尽管这两个问题截然不同，但它们却密不可分地交织在一起。我们必须知道我们在网上连接到的是谁（Kim/ 身份），我们必须能够点对点地这样做，而不需要中介（中本聪 / 去中心化）。这在数字世界和现实世界中同样适用。然而，在一个后图灵测试的世界里，身份问题变得更加紧迫，因为机器越来越能够模仿人类。如果不将数字身份作为首要任务，我们将无法充分享受去中心化的成果。在他生命的最后阶段，Kim 给了我们另一种思考数字人格挑战的方法。他在一次演讲中说，在我们的在线生活中，“内容就是我们的身份，是我们身份的一部分，但我们并不拥有它，也无法保留它，无法控制它。我们缺乏一个可以提供与家庭相同的基本隐私的数字庇护所。” 简而言之，我们在数字世界中无家可归。正如现实世界中无家可归会因为缺乏隐私而损害人格一样，数字世界中的数字无家可归同样会损害数字人格。数字人格需要一个数字家园——一个我们可以决定何时以及如何与他人分享我们数字自我的哪些部分的数字场所。数字家园与我们的数字身份密不可分。去中心化并不是解决数字无家可归的唯一法则。如果我们不为数字身份设计架构，我们将永远无法知道我们在网络上在与谁互动，AI 将淹没人类。之前，我们可以依靠图灵测试作为我们人类身份的代理。然而，随着像 ChatGPT 这样的大型语言模型（LLMs）的出现，这些日子已经一去不复返了。 Kim Cameron 已经离世，但他的《身份法则》依然存在。所有渴望真正数字人格的人都应该记住，Kim 先于中本聪，身份先于去中心化。正如 Kim 所说，网络世界中，“内容就是我们。”现在生成式 AI 已经使内容变得几乎免费，我们更应该确保我们有一种替代方法来评估和识别数字世界中的人格。来源：金色财经

金色财经2023-05-25

微软王炸更新：AI全面接入Windows系统插件功能再升级

，微软一直忙于在其许多产品和服务中构建生成式AI，包括搜索引擎 Bing、浏览器 Edge、GitHub和Office生产力套件，而且一直在“狂飙”等进程中，丝毫没有放缓的迹象。毫无疑问，人工智能成为今年微软Build大会的主线。就在昨夜，微软今年的Build大会堪称彻底重塑了Windows，Bing被集成到ChatGPT，就连插件也是几个平台互通……众多围绕AI的王炸更新，绝对不能错过。以下是元宇宙之心结合官网和相关报道整理的本届微软Build大会重磅内容，如需观看大会视频，可至文章底部获取链接。为Windows系统配备Copilot 微软正在为Windows 11添加一个Copilot AI助手。就像我们在Edge、Office应用程序甚至GitHub中看到的Copilot侧边栏一样，Windows Copilot将直接集成到Windows 11中，并且可以从任务栏中打开和使用所有应用程序和程序。 “一旦打开，Windows Copilot侧边栏就会在应用程序和窗口中保持一致，始终可以充当您的个人助理，”微软Windows和设备主管Panos Panay解释道。它看起来与Bing Chat中的对话框非常相似。这意味着，电脑将成为更优秀的“智能助手”，例如可以让其“调整我的设置以便我可以集中注意力”，它就会根据指令给出建议，比如调成深色模式并打开专注功能，如果你觉得建议还不错，只需要同意一下，它便可以直接执行设置。微软将在6月开始公开测试Windows Copilot，然后将其更广泛地推广给现有的Windows 11用户。插件功能再升级微软365 Copilot新增插件功能，将支持三种主要类型的插件，包括 Teams消息扩展、Power Platform连接器和使用ChatGPT技术的工具，可以从数十种第三方插件中进行选择，例如来自Atlassian和Adobe的插件。同时，插件对于Bing Chat和ChatGPT等AI聊天机器人扩展其能力并利用来自网络和第三方提供商的信息源也至关重要。微软已经通过OpenTable 和WolframAlpha在Bing中使用插件，并且现在正在扩展以支持来自Instacart、Kayak、Klarna、Redfin 和 Zillow的插件。此外，微软表示，它将使用OpenAI用于ChatGPT的相同标准构建其所有 Copilot和Bing Chat插件。这意味着我们将能够在所有三种AI驱动的工具中使用相同的插件，并且开发人员也可以更轻松地创建它们。 ChatGPT中可以使用Bing OpenAI将开始使用必应作为ChatGPT的默认搜索体验。新的搜索功能将于今天向ChatGPT Plus用户推出，并将很快通过ChatGPT中的插件为所有免费的ChatGPT用户启用。 “我们在新Bing上取得进展的基础是我们与OpenAI的出色合作，”微软消费者营销主管Yusuf Mehdi在今天的一篇博客文章中说。“ChatGPT现在将拥有世界一流的内置搜索引擎，可通过网络访问提供更及时、更新的答案。” 就像Bing的聊天体验由GPT-4提供支持并使用引用链接一样，OpenAI的ChatGPT AI聊天机器人将使用搜索和网络数据，其中还包括引用。 Bing与ChatGPT的整合是微软搜索引擎的一次胜利，此前有传言称三星将转向Bing搜索，三星最近决定坚持使用谷歌，但不可否认这是搜索引擎领域的一次巨大变革。 Edge浏览器集成365 Copilot 微软为Edge带来了365 Copilot，该工具将出现在浏览器的侧边栏中，同样也是对话框的形式，借助这个工具，可以使用正在查看的网站上的内容来协助处理Microsoft 365应用程序（例如Outlook、Word、Excel等）中的项目。例如，该工具可以协助完成诸如起草电子邮件、将数据添加到电子表格、根据聊天线程生成状态更新等操作，当然，该集成也将支持前文所述适用于 365 Copilot的插件。 Azure AI Studio赋能企业微软推出了Azure AI Studio，这是Azure OpenAI服务中的一项新功能，可让客户将OpenAI的ChatGPT或GPT-4等模型与他们自己的数据（无论是文本还是图像）结合起来，并构建一个聊天助手或另一种“推理”私人数据的应用程序。 “在我们的 Azure AI Studio 中，我们使开发人员可以轻松地将 Azure OpenAI 服务模型建立在他们的数据上……并且安全地执行此操作，而无需查看该数据或不必在数据上训练模型。” 微软 AI 平台 CVP John Montgomery此前表示，“对于我们的客户来说，能够构建自己的copilot是将具有巨大的促进作用。” 此外，微软宣布对其机器学习操作平台 Azure Machine Learning 进行了一系列更新，这些更新旨在让团队更容易将负责任的生成 AI 模型投入运营。Azure 机器学习的更新包括即将推出预览版的Prompt Flow ，它将为提示、评估和调整 LLM 提供简化的体验，使团队能够快速创建快速工作流并将这些工作流连接到多个语言模型和数据源，并使用工具来衡量其质量。 AI升级Windows Terminal Windows Terminal通过与GitHub Copilot的集成获得了一个人工智能驱动的聊天机器人。使用GitHub Copilot的开发人员现在可以直接在Windows Terminal使用聊天机器人来执行各种操作、获取代码建议和解释错误。微软还表示，其正在探索将GitHub Copilot引入其他开发人员工具，如 WinDBG。但这并不是微软宣布的唯一一个以开发人员为中心的更新。Windows 11 的新Dev Home部分今天也提供了预览版，包括为机器设置开发环境的能力，这些机器将链接到GitHub并连接到相关的存储库、安装工具和包等等，使开发人员可以轻松地重新安装Windows应用程序。微软还在Dev Home中创建了Dev Drive，这是一个为开发人员定制的新存储卷，使用微软最新的弹性文件系统 (ReFS) 以及Microsoft Defender 的性能模式，可将繁重的I/O操作的构建时间缩短多达30百分。最后，Dev Home还旨在让开发人员通过显示GitHub问题和拉取请求的GitHub 小部件快速了解他们正在从事的项目。微软正在与Xbox团队合作，为游戏开发者将GDK添加到Dev Home，并且还将支持Dev Home的定制扩展。 Microsoft Store引入AI评论微软对Microsoft Store进行的一项以AI为中心的重大改变是：AI生成的评论摘要将开始出现在整个Microsoft Store中，除了通常最高五颗星的评级之外，还会显示评论的主要内容概要。微软还通过一个特殊的AI Hub在Microsoft Store上为 AI 大开便利，该公司计划在其中突出显示人们可以下载的所有相关AI应用程序，还将允许开发者能够使用AI建议的搜索标签来提高应用程序的可见性。开发人员将能够使用 AI 建议的搜索标签来提高应用程序的可见性。 Microsoft Teams 头像等了很长时间，但Microsoft Teams头像终于来了。头像将在Windows PC或Mac上运行，允许Teams用户创建3D头像以在会议中使用，而不是在相机上，甚至不需要网络摄像头。微软现在还在私人预览版中为 Microsoft Teams提供沉浸式体验的空间。 Microsoft Fabric数据分析 Microsoft Fabric是一个数据分析平台。这可能是自SQL Server以来软件巨头发布的最大的数据产品之一。它旨在从微软的OneLake数据湖、亚马逊S3甚至谷歌云中提取数据。微软甚至还在Microsoft Fabric中添加了 AI Copilot。解决RGB灯光的碎片化问题微软为Windows 11增加一个非常必要的功能：通过设置菜单来自定义RGB灯光。其目标是创建一个中心，用户可以在其中调整所有配件和组件的灯光，无论其品牌是什么。微软将该中心称为“Dynamic Lighting”，但有关该功能实际操作方式的详细信息尚不清楚。在今年早些时候泄露的一组图片中，我们可能已经看到了它可能的外观，其中显示了设置菜单中的新“灯光”选项，可以设置所有连接设备的灯光效果。微软首席产品官Panos Panay在一篇博客文章中写道：“通过Dynamic Lighting，Windows用户将能够轻松地通过Windows设置直接设置和自定义他们的RGB灯光设备”，“帮助所有RGB配件无缝协同工作于Windows应用程序从未如此简单”。原生支持Tar、rar等格式微软宣布Windows 11将原生支持RAR和许多其他存档格式，这是Windows用户几十年来一直期待的，这对于拥有大量文件的用户非常完美，无需安装第三方应用程序也可访问这些文件。 Windows首席负责人Panos Panay在今天的博文中表示：“我们已经通过使用开源项目libarchive，为额外的存档格式添加了原生支持，包括tar、7-zip、rar、gz和许多其他格式。现在，在Windows上进行压缩操作时，您可以获得改进的存档功能性能。” 支持蓝牙低功耗 Windows 11现在支持蓝牙LE，这是一种低能耗音频规范，允许用户无线连接到设备，同时消耗更少的电池电量。在Build大会上，微软表示它与三星和英特尔合作推出了该规范。 Bluetooth背后的组织去年推出的Bluetooth LE使用LC3音频编解码器，该编解码器引入了对多流的支持，或者能够同时将音频传输到多个设备。它还为助听器的使用提供了重大改进，使它们在全天使用时消耗的能量要少得多。参考链接： 1.https://news.microsoft.com/build-2023/ 2.https://blogs.microsoft.com/blog/2023/05/23/microsoft-build-brings-ai-tools-to-the-forefront-for-developers/ 3.https://www.theverge.com/23732609/microsoft-build-2023-news-announcements-ai 【声明】本文为元宇宙之心运营团队编译创作，如需转载请联系我们。来源：金色财经

金色财经2023-05-24

zkML：zk+机器学习新兴项目和基础设施

· 可验证的链下ML预言机。继续采用生成式AI可能有助于推动行业为内容实施签名方案。签名数据可随时应用于ZK，使数据具有可组合性且可信。ML模型可以对签名数据进行链下处理以进行预测和分类（例如，对选举结果或天气事件进行分类）。这些链下ML预言机可以通过验证推理并在链上发布证明，以无需信任的方式解决现实世界的预测市场、保险协议合约等问题。 · ML参数化的DeFi应用。DeFi有很多方面可以更加自动化。例如，借贷协议可以使用ML模型实时更新参数。今天的借贷协议主要信任由组织运行的链下模型来进行抵押品事宜、LTV、清算门槛等相关决策，但社区训练的开源模型可能是更好的替代方案，这类模型可以由任何人运行和验证。 · 自动交易策略。展示财务模型策略的回报状况的一种常见方法是，MP向投资者提供各种回测。然而，在执行交易时，是没有办法验证策略是否遵循了模型的——投资者必须相信策略确实遵循了模型。zkML提供了一个解决方案，MP可以在进行特定位置部署时提供财务模型推理证明。这对于DeFi管理的金库来说特别有用。（2）安全性 · 智能合约的欺诈监控。ML模型可以用来检测潜在的恶意行为并暂停合约，而不依靠缓慢的人工治理或中心化主体来控制是否暂停合约。（3）传统ML · Kaggle的去中心化、无需信任的实现。可以创建这样一个协议或市场，允许MC或其他相关方在MP不披露模型权重的情况下验证模型的准确性。这对于模型销售、模型准确性竞争等会很有用。 · 生成式AI的去中心化prompt（提示）市场。生成式AI的prompt创建已经演变成一种复杂的工艺，最好的prompt输出通常包含许多modifier修饰符。外部各方可能愿意从创建者那里购买这些复杂的prompt。zkML可以在这里发挥两方面作用：1）验证prompt输出，以向潜在购买者确保prompt确实创建了所需的图像；2）允许prompt所有者在prompt被购买后仍然保有prompt的所有权，对购买者匿名的同时仍然为他们生成经过验证的图像。（5）身份验证 · 用保护隐私的生物识别身份验证取代私钥。私钥管理仍然是web3用户体验最大的摩擦之一。通过面部识别或其他独特因素提取私钥是zkML的一种可能的解决方案。 · 公平的空投和贡献者奖励。ML模型可用于创建详细的用户角色，以根据多种因素确定空投分配或贡献奖励。当与身份解决方案结合使用时，这种功能会特别强大。在这种情况下，有种可能性是让用户运行一个开源模型来评估他们在应用程序中的参与度，以及更高层的生态参与度（比如治理论坛帖子），以推断他们的分配额度。然后，他们向合约提供此证明以接收代币分配。（6）Web3社交 · web3社交媒体过滤功能。web3社交应用程序的去中心化性质将导致更多的垃圾邮件和恶意内容。理想情况下，社交媒体平台可以使用社区同意的开源ML模型，并在选择过滤帖子时发布模型推理的证明。 · 广告/推荐。作为一个社交媒体用户，我可能愿意看到个性化的广告，但希望对广告商保密我的偏好和兴趣。我可以选择根据我的喜好在本地运行一个模型，该模型向媒体应用程序提供信息，然后展示我想要的内容。在这种情况下，广告商可能愿意为终端用户付费，但这些模型可能远没有当前的目标广告模型那么复杂。（7）创作者经济/游戏 · 游戏内经济再平衡。ML模型可用于动态调整代币的发行、供应、销毁、投票阈值等。一种可能的模式是，如果达到一定的再平衡阈值，并且推理证明得到验证，那么合约就可能受激励以重新平衡游戏内经济。 · 新型链上游戏。可以创建人类对抗AI的合作游戏和其他创新的链上游戏，此时无需信任的AI模型充当非玩家（NPC）角色。NPC采取的每一个行动都会被发布到链上，并带有一个证明，任何人都可以验证该证明以确定运行模型的正确性。在Modulus Labs的Leela vs. the World案例中，验证者希望确保正在下棋的是1900 ELO AI，而非棋手Magnus Carlson。另一个例子是AI Arena，这是一款Super Smash Brothers风格的AI战斗游戏。高风险竞争环境中的玩家希望确保他们训练的模型不受干扰或者不会出现作弊行为。 4、新兴项目和基础设施 zkML的生态系统可以大致分为四大类： · Model-to-Proof Compilers（模型到证明编译器）：将模型从现有格式（例如Pytorch、ONNX等）编译成可验证计算电路的基础设施。 · 通用证明系统：用来验证任意计算轨迹的证明系统。 · 特定zkML证明系统：专门用于验证ML模型的计算轨迹的证明系统。 · 应用程序：处理独特zkML用例的项目。（1）Model-to-Proof Compilers（模型到证明编译器）在研究zkML生态系统时，大多数注意力都集中在模型到证明编译器上。通常，这些编译器会将使用Pytorch、Tensorflow或类似语言编写的高级ML模型转换为ZK电路。 EZKL是一个库和命令行工具，用于在zk-SNARK中对深度学习模型进行推理。使用EZKL，你可以在Pytorch或TensorFlow中定义计算图，将其导出为ONNX文件，一些样本输入包含在JSON文件中，并将EZKL指向这些文件以生成zkSNARK电路。随着最新的性能改进，EZKL现在可以在大约6秒内占用1.1GB RAM证明一个MNIST大小的模型。到目前为止，EZKL已经有一些重要的早期采用，被用作各种黑客马拉松项目的基础设施。 Cathy So的circomlib-ml库包含Circom的各种ML电路模板。电路包含一些最常见的ML功能。同样由Cathie开发的Keras2circom是一个python工具，它使用底层circomlib-ml库将Keras模型转换为Circom电路。 LinearA为zkML开发了两个框架：Tachikoma和Uchikoma。Tachikoma用于将神经网络转换为纯整数形式并生成计算轨迹。Uchikoma是一个将TVM的中间表示转换为不支持浮点运算的编程语言的工具。LinearA计划支持Circom和Solidity，前者使用域算法，后者使用有符号和无符号整数算法。 Daniel Kang的zkml是一个用于在ZK-SNARKs中构建ML模型执行证明的框架。在撰写本文时，它能够证明一个使用大约5GB内存运行约16秒的MNIST电路。更通用的模型到证明编译器还有Nil Foundation和Risc Zero。Nil Foundation的zkLLVM是一个基于LLVM的电路编译器，能够验证使用流行编程语言（如C++、Rust和JavaScript/TypeScript等）编写的计算模型。与本文提到的其他一些模型到证明编译器相比，它是通用的基础设施，但仍然适用于像zkML这样的复杂计算。当与证明市场相结合时，该功能将格外强大。 Risc Zero面向RISC-V开原指令集构建了一个通用的zkVM，因此支持现有的成熟语言，如C++和Rust，以及LLVM工具链。这将支持主机和客户端zkVM代码之间的无缝集成，类似于Nvidia的CUDA C++工具链，但使用了ZKP引擎代替GPU。与Nil类似，可以使用Risc Zero来验证ML模型的计算轨迹。（2）通用证明系统证明系统的改进是zkML实现的主要推动力，特别是custom gates（自定义门）和lookup tables（查找表）的引入。这主要是由于ML对非线性的依赖。简而言之，非线性是通过激活函数（例如ReLU、sigmoid和tanh）引入的，这些函数应用于神经网络内线性变换的输出。由于受数学运算门的限制，在ZK电路中这些非线性实现是有难度的。Bitwise decomposition（逐位分解）和lookup tables（查找表）可以通过将非线性的可能结果预先计算到查找表中来帮助解决这个问题，有趣的是，这在ZK中计算效率更高。由于这个原因，Plonkish证明系统往往是zkML最流行的后端。Halo2和Plonky2的table-style（表式）算法方案可以通过lookup参数很好地处理神经网络非线性。此外，Halo2有一个充满活力的开发者工具生态系统，再加上它非常灵活，使其成为包括EZKL在内的很多项目名副其实的后端支柱。其他证明系统也有自己的优点。基于R1CS的证明系统包括用于小型证明的Groth16和处理超大电路和线性时间证明器的Gemini。如Winterfell证明者/验证者库这样的基于STARK的系统也非常有用，特别是当通过Giza的工具实现时，Giza工具将Cairo程序的轨迹作为输入值，并使用Winterfell生成STARK证明来证明输出值的正确性。（3）特定zkML证明系统在有效的证明系统设计方面已经取得了一些进展，这些系统可以处理复杂的、电路不友好的高级ML模型操作。Modulus Labs的基准报告证明，像zkCNN这样基于GKR证明系统的系统，或者像Zator这样使用复合技术的系统，通常比通用的同类系统性能更高。 zkCNN是一种使用零知识证明来证明卷积神经网络（convolutional neural networks）正确性的方法。它使用sumcheck协议来证明快速傅里叶（Fourier）变换和卷积，其线性证明时间比渐近计算结果更快。交互式证明引入了若干改进和通则，包括验证卷积层、ReLU激活函数和最大池化。zkCNN特别有趣，因为Modulus Labs的基准报告发现，zkCNN在证明生成速度和RAM消耗方面都优于其他通用证明系统。 Zator是一个旨在探索使用递归SNARKs来验证深度神经网络的项目。目前验证深层模型的约束条件是将整个计算轨迹拟合到单个电路中。Zator提出使用递归SNARKs一次验证一层，可以渐进增量验证N步重复计算。他们使用Nova将N个计算实例缩减到一个实例中，这个实例可以通过单个步骤进行验证。通过这种方法，Zator能够snark一个具有512层的网络，这与当今大多数生产式AI模型一样深。对于主流用例来说，Zator的证明生成和验证时间仍然太长，但是其复合技术还是很有趣的。（4）应用程序鉴于zkML仍处于早期阶段，它将大部分重心都放在了上述基础设施方面。然而，目前有一些项目正在进行应用开发。 Modulus Labs是zkML领域中最多样化的项目之一，致力于应用范例和相关研究。在应用方面，Modulus Labs通过RockyBot（链上交易机器人）和Leela vs. the World（一种国际象棋游戏，所有人与经验证的Leela国际象棋引擎实例对决）展示了zkML的用例。该团队还涉足研究领域，撰写了The Cost of Intelligence（智能的成本）一文，对不同大小模型的各种验证系统的速度和效率进行了基准测试。 Worldcoin正在应用zkML，试图建立一个保护隐私的人格证明协议。Worldcoin正在使用定制硬件来处理高分辨率虹膜扫描，这些扫描被插入到他们的Semaphore实现中。然后，可用于执行有用的操作，如成员资格认证和投票。他们目前使用具有安全enclave的可信运行环境来验证摄像头签名的虹膜扫描，但他们最终的目标是使用ZKP来证明神经网络对加密级别安全保障的正确推理。 Giza是一种可以以一种完全无需信任的方法在链上部署AI模型的协议。它使用的技术栈包括用于表示机器学习模型的ONNX格式，用于将这些模型转换为Cairo程序格式的Giza Transpiler，用于以可验证和确定性的方式执行模型的ONNX Cairo Runtime，以及用于部署和执行链上模型的Giza Model智能合约。虽然Giza也可以属于模型到证明的编译器类别，但它们定位为ML模型市场是当今更有趣的应用之一。 Gensyn是一个去中心化硬件供应网络，用于训练ML模型。具体来说，他们正在设计一个基于梯度下降算法的概率审计系统，并使用模型检查点使去中心化的GPU网络能够为大规模模型训练提供服务。虽然他们的zkML应用明显特定于自身用例——他们希望确保当节点下载和训练模型的一部分时，他们对模型的更新是诚实的——但却展示了ZK和ML结合的强大功能。 ZKaptcha专注于web3的bot问题，为智能合约提供captcha（验证码）服务。它们目前的实现是让终端用户通过完成captcha来生成人类工作的证明，captcha由链上验证者验证，并通过几行代码由智能合约访问。今天，它们主要只依赖于ZK，但计划在未来实现zkML，类似于现有的web2 captcha服务，分析鼠标移动等行为，以确定用户是否是人类。 zkML市场仍处于相当早期的阶段，但很多应用程序已经进行了黑客马拉松级别的试验。这些项目包括AI Coliseum（一个使用ZK证明来验证机器学习输出的链上AI竞赛）、Hunter z Hunter（一个使用EZKL库来验证带有halo2电路的图像分类模型输出的照片寻宝游戏），以及zk Section 9（它将AI图像生成模型转换为用于铸造和验证AI艺术的电路）。 5、zkML面临的挑战虽然zkML正在以光速进行改进和优化，但该领域仍然存在一些核心挑战。这些挑战涉及到技术和实践方面，具体如下： · 高精度的量化 · 电路的大小（特别是多层网络） · 矩阵乘法的有效证明 · 对抗攻击量化是将大多数ML模型用来表示模型参数和激活函数的浮点数表示为定点数的过程，这在处理ZK电路的域算法时是必不可少的。量化对机器学习模型精度的影响取决于所使用的精度水平。通常，使用较低的精度（即更少的bits）会导致准确性降低，因为它会应用四舍五入和近似误差。然而，有几种技术可以用来最小化量化对准确性的影响，例如在量化之后微调模型，以及使用量化感知训练等技术。此外，zkSummit 9上的一个黑客马拉松项目Zero Gravity已表明，为边缘设备开发的替代神经网络架构（如无权重神经网络）可用于避免电路量化的问题。除了量化，硬件是另一个关键挑战。一旦机器学习模型通过电路进行了正确表示，由于ZK的简洁性，验证其推论的证明既便宜又快速。这里的挑战不在于验证者，而是在于证明者，因为随着模型越来越大，RAM消耗和证明生成时间会迅速增加。某些证明系统（例如使用sumcheck协议和分层算法电路的基于GKR的系统）或复合技术（例如wrapping Plonky2，它有高效的证明时间，但在较大模型的有效证明大小方面表现很差，使用Groth16，它不会随着模型的复杂性加大而增加证明大小）更适合处理这些问题，但是管理权衡是构建zkML项目的核心挑战。在对抗方面，还有工作要做。首先，如果一个无需信任的协议或DAO选择实现一个模型，在训练阶段仍然存在对抗攻击的风险（例如，训练一个模型在看到一个可用于操纵后续推理的输入时表现出特定的行为方式）。联邦学习（federated learning）技术和训练阶段zkML可能是最小化这种攻击面的一种方法。另一个核心挑战是，当一个模型属于隐私保护模型时，存在模型窃取攻击的风险。虽然模型的权重可以被混淆，但理论上仍可以在有足够的输入-输出对的情况下对权重进行反向工程。虽然这种风险主要针对小型模型，但风险就是风险。 6、扩展智能合约尽管优化这些模型以符合ZK运行条件还存在着这样那样的挑战，但优化改进正在以指数级的速度进行，有人预计，假设在进一步的硬件加速条件下，我们将很快扩展更广泛的机器学习领域。zkML已经从2021年0xPARC的zk-MNIST演示（展示了如何在可验证的电路中执行小型MNIST图像分类模型），发展到Daniel Kang在不到一年后对ImageNet-scale模型做了同样的验证。2022年4月，ImageNet-scale模型的准确率从79%进一步提高到92%，尽管目前的验证时间较慢，但像GPT-2这样大的网络在短期内是可行的。我们认为zkML是一个丰富且不断发展的生态系统，它希望扩展区块链和智能合约的功能，使其更加灵活、适应性更强、更加智能。虽然zkML仍处于早期开发阶段，但它已经开始显示出光明前景。随着技术的发展和成熟，我们有望看到出现更多链上zkML的创新用例。来源：金色财经

金色财经2023-05-24

闪崩暴跌！A股千亿AI龙头差点“栽在”AI手里，发生了什么？刚刚，原因找到了

小作文在作怪，甚至其中一篇小作文出自某生成式AI之手。　　第一篇小作文：“5月23日，有外媒援引知情人士的话称，美国正在考虑是否将科大讯飞、美亚柏科等加入‘实体名单’，禁止它们使用美国的组件或软件。” 　　不过，这是2019年的一篇报道改编而成。事实上，科大讯飞已经于2019年10月被列入实体清单，对公司日常经营未产生重大影响。　　第二篇小作文为《一篇科大讯飞出现重大风险的警示文》，该文指出，近期，科大讯飞被曝涉嫌大量采集用户隐私数据，并将其用于人工智能研究，这一行为严重侵犯了用户的隐私权，引发了公众的强烈不满和抵制，这一事件引发了广泛的关注和争议，给公司的声誉和业务带来了极大的冲击，这一事件可能对科大讯飞造成巨大的损失，公司可能面临市场份额的下降、销售额的减少以及未来发展的不确定性等问题，科大讯飞遭遇的这场重大风险给整个行业敲响了警钟。　　但是这篇小作文竟然是某生成式AI写的虚假小作文。　　对于股价闪崩，科大讯飞也坐不住了。科大讯飞回应表示，“股价下跌系某生成式AI写作虚假小作文导致，谣传风险为不实消息。”据介绍，该事件系有人利用某生成式AI撰写的科大讯飞风险警示，该消息流出后引发广泛关注，实际上科大讯飞未发生相关事件，该公司法务部已对相关信息取证。　　券商分析们纷纷辟谣　　除了科大讯飞外，券商分析们也第一时间加入辟谣的队列中。　　国联海外发文称，科大讯飞今日出现两个小作文均系谣言。科大讯飞已经于2019年10月被列入实体清单，对公司日常经营未产生重大影响，公司也未发生风险警示相关事件。　　兴业证券计算机也表示，科大讯飞今日调整与基本面无关，由恶意舆情所致，纯属造谣，公司正积极处理。　　刘庆峰豪言10月底整体赶超ChatGPT 　　5月6日，科大讯飞发布“讯飞星火认知大模型”。发布会现场，公司董事长刘庆峰、科大讯飞研究院院长刘聪对星火大模型进行了演示。发布会现场演示的大模型能力共包括七个方面：文本生成、语言理解、知识问答、数学能力、逻辑推理、编程能力、多模态生成。　　科大讯飞董事长刘庆峰表示，讯飞星火认知大模型已经在文本生成、知识问答、数学能力上超过ChatGPT。刘庆峰在当场更是放出豪言，科大讯飞的通用大模型将在今年年内实现三次大升级，10月底整体赶超ChatGPT，“中文超越，英文相当！” 　　值得注意的是，在科大讯飞星火认知大模型推出后，曾被外界质疑套壳CHATGPT。对此，刘庆峰回应称，“我认为应该由专业机构去测，是真是假，大家一测就知道。” 　　不过，刘庆峰坦言，目前纯大模型技术还有待攻克的缺陷，比如新知识难以及时更新，事实类问答容易“张冠李戴”，史实、传统典籍等容易“编造情节”等，但这些问题在今年会有明显的改进。

金融界2023-05-24

科大讯飞：股价下跌系某生成式AI写作虚假小作文导致谣传风险为不实消息

崩跳水，科大讯飞回应表示，股价下跌系某生成式AI写作虚假小作文导致，谣传风险为不实消息。

金融界2023-05-24

高通和微软达成合作关系将规模化扩展AI能力

I研发进展，包括在骁龙®计算平台上运行生成式AI，以及开发者在采用骁龙平台的Windows 11 PC上创建应用的新路径。高通和微软（MSFT.US）确认达成合作关系，将面向消费级和企业级终端、以及工业设备，规模化扩展AI能力。高通表示，未来几个月内，包括大语言模型（LLM）在内的参数高达100亿的模型将有望在终端侧运行。据介绍，终端侧生成式AI解决方案将查询和推理转移到PC和手机等边缘终端。

金融界2023-05-24

GPT之于SaaS 不是奇点而是筛子

”Salesforce公布了一系列新的生成式AI改进和提供，将应用于Sales Cloud、Slack和Tableau。Salesforce还与合作伙伴Accenture共同宣布了一个生成式AI的CRM加速中心，将帮助客户扩大他们的生成式AI工作。国内也有不少动作。除了互联网大厂纷纷大模型和SaaS产品两手抓，许多垂直SaaS公司也开始积极探索和应用生成式AI技术，尤其是在提升客户服务、数据分析和自动化内容生成等方面。总之，无论是在国内还是国外，GPT技术正在以无法忽视的方式，重塑SaaS产业。它改变了用户对于服务提供方式的理解，并且正在带来前所未有的效率提升和创新可能。 GPT引发交互革命「科技新知」观察到，越来越多的SaaS公司在积极探索并应用生成式AI技术。具体而言，GPT在SaaS产业中的赋能主要表现在以下几个方面。提升客户服务：GPT可以用于增强SaaS应用的客户服务功能。例如，它可以用于创建聊天机器人，这些机器人可以理解和回应用户的查询，从而提高效率和用户满意度；数据分析：GPT可以用于分析用户的反馈和行为，以帮助SaaS公司更好地理解用户，从而改进产品或服务；自动化内容生成：GPT可以用于自动化内容生成，例如写博客文章或者生成报告。这可以帮助SaaS产品用户节省时间和资源。综上，GPT对SaaS产业的最根本影响在于，它可能引发一场交互革命。金山办公的CEO章庆元，在一次采访中提到过去的“二八法则”，即80%的用户只使用了20%的功能。他认为，这是办公软件的复杂性导致用户必须投入大量时间和精力去学习。现今，大型模型如CoT（Chain-of-Thought）和编程语言预训练模型Codex，具有了逻辑思考的能力。它们可以将用户需求转化为可执行代码，这从根本上改变了用户交互方式。具体来说，在过去，虽然软件的底层功能强大，但如何与用户进行交互一直是个挑战。然而现在，公司不再需要手动进行用户交互，AI可以直接理解用户的需求，并调用相应的功能来解决问题。因此，软件公司的主要任务将变为管理和优化产品的底层功能及其API。卫瓴科技CEO杨炯纬也认同这一观点。他表示，SaaS的本质是将软件作为一种服务提供给客户，让客户能够直接感知和利用软件的计算能力。在此之前，软件通过表单、图表或仪表板与用户进行交互，但这种交互方式的用户友好度有限。这就是为什么SaaS公司在销售软件后还需要为客户提供培训的原因。而现在，SaaS公司有了新的机会。他们可以将“客户适应软件”的模式转变为“软件适应客户”，利用自然语言、视频、图片等多种方式，用户可以更自然地与软件进行交互。进一步来说，GPT的出现极大地降低了自然语言作为一种交互模式的学习成本，这无疑将对SaaS产品的最终服务交付产生深远影响。一般而言，SaaS的软件交付成本较高，主要因为客户支持和服务成本占比较大。研究表明，对于许多SaaS公司来说，客户支持和服务成本可能占据总软件交付成本的15%到20%。这包括提供技术支持、解决客户问题、保持客户满意度等多个方面的付出。然而，GPT类型的工具现已成为降低成本和提高效率的有效解决方案。交付团队的内部学习材料可以被GPT模型全面学习，生成专业、针对性的专家系统。这意味着，一个交付人员在单位时间内，能够交付更多的功能。金沙江创投主管合伙人朱啸虎曾以电话中心为例：一家初创公司可以利用ChatGPT开发电话通信软件，但这家公司并不直接销售这个软件，而是提供最终的通信服务。这家公司只需雇佣10%-20%的人员，其他80%-90%的工作可以由GPT机器人完成。即便以电话中心服务原价的50%出售，这家公司也可以保持60%-70%的毛利。总的来说，依赖于GPT工具，SaaS企业的交互和服务交付毛利率结构，可能会发生显著变化。 GPT会颠覆SaaS吗？随着越来越多的SaaS公司认识到GPT技术的潜力，也引发了一些疑虑和反思——GPT技术不仅有潜力极大提升现有服务的效率，也可能彻底颠覆SaaS的商业模式。这种影响将随着技术的进步和其在各个领域的普及而进一步加深。今年3月，朱啸虎公开表示，中国企业服务市场的黄金时代可能还需等待5至10年，论点基于对企业服务增长率持续低迷的观察。他补充称，“最近的ChatGPT-4的推出可能预示着企业服务的寒冬将持续下去。”这一言论在SaaS行业和投资界引发了热烈的讨论。朱啸虎担心的是，依托ChatGPT的创新公司可能会面临巨大的挑战，因为它们可能难以为客户提供持续的价值并保持收益。他以Grammarly（一家提供自动语法纠错服务的公司）和Jasper（一家利用ChatGPT自动生成营销文案的公司）为例，指出这些公司的价值来源单一，可能会因ChatGPT的升级（例如GPT-4）而迅速失去竞争力。另一方面，朱啸虎认为ChatGPT的发展可能对已经在各自领域中确立了地位的公司产生积极影响。他似乎暗示，这些公司可以利用ChatGPT来提升效率和性能，而无需担心被GPT的升级所淘汰。针对第一个论点，华西证券对可能受到GPT影响的公司进行了详细地分析，将它们分为四类：基础设施类、小白调用类、流程管理类、小模型赋能类。这些公司在AI技术，特别是GPT的影响下，将面临不同的挑战和机遇。华西证券进一步指出，AI对不同类别的公司的颠覆程度有所不同。小白调用类和流程管理类公司面临的不稳定性最高，因为它们可能需要对其产品和服务进行重大调整以适应AI的发展。这些公司在SaaS生态系统中也占比较大。特别是小白调用类公司，可能面临更高的颠覆风险，因为AI的发展可能使一些传统工具变得过时或无效。而流程管理类公司在短期内可能会受益于AI的辅助优化和自动化流程，但同时也可能面临改变风险。对于朱啸虎的第二论点。简单来说，为了满足客户的特定需求，SaaS公司通常需要提供定制化的解决方案。然而，随着大型模型如GPT-4的能力日益强大，这些定制需求可能会被大模型的通用能力所替代。此外，随着用户界面(UI)向对话形式转变，并由AI如GPT驱动，可能会极大地简化用户交互，这一变化可能催生更多的合作和兼并，因为客户公司会寻求将各种功能集成到一个统一的、由AI驱动的工作平台中。这种情况下，市场上已经占据主导地位的SaaS公司，可能会变得更加强大。因为它们能更快地整合其他公司的产品，或者通过兼并或合作的方式扩大产品组合。不过也有不同的声音出现。SaaS咨询顾问吴昊认为，将AI视为SaaS的颠覆者是一种误解。他强调，AI是一种技术手段，它会赋能SaaS，而非颠覆SaaS；正如电池为电动车发动机提供动力，而非替代发动机一样。吴昊强调了技术变革，特别是AI对SaaS行业影响的时间尺度和逐步性质。他认为AI将会从三个方向影响SaaS公司和产品：内部效率的提升、SaaS产品的主动改造，以及客户需求的变化。而这三种变化中，只有客户需求的改变才可能引发颠覆性的创新。由于企业客户的变革通常十分缓慢，而且AI技术本身也存在很多局限，因此目前SaaS产品的创新主要还是微创新。写在最后当前，SaaS公司对于GPT技术的探索主要体现在两个方面：一方面，公司内部正在调整组织架构，以适应AI技术的发展并吸引相关的人才；另一方面，公司外部正积极与各类AI大模型平台建立合作关系，以便跟踪并利用生成式AI的商业化机会。这些SaaS公司对自身的定位有着清晰的认识。他们普遍认为，投入大量的时间和资源去独立开发大型AI模型是无效益的。在他们看来，未来的中国，四大科技巨头BATB（百度、阿里、腾讯、字节）所提供的通用大模型已经足够成熟。况且，若过分专注于自主开发大型AI模型，可能会对公司的核心业务发展造成干扰。回到本文讨论的主旨上，GPT对SaaS的影响可以看作是赋能和颠覆两者的统一。从赋能的角度来看，GPT可以增强SaaS应用的功能；从颠覆的角度来看，GPT可能会改变SaaS公司的运营方式。而这取决于SaaS公司如何适应这种变化。那些能够灵活应用GPT技术，结合自身产品和业务，迅速适应市场需求变化的SaaS公司将获得机遇，并保持竞争优势。相反，则可能会面临挑战。因此，对于SaaS行业而言，理解GPT的潜力和限制，积极探索与GPT技术结合的创新应用，以及加强公司的技术能力和创新能力，才是实现赋能并抵御颠覆的应对之道。来源：金色财经

金色财经2023-05-23

行业谋变，云计算市场开始新一轮排位赛，关注国内外龙头战略

营收增速继续放缓至17.9％，大模型与生成式AI成为其未来资本开支的重点投入领域；国内市场方面，互联网云营收增速持续放缓，运营商云仍延续前期高速增长态势，此次业绩会上，BAT均表示将重点加码算力和大模型训练在内的AIGC领域。我们认为随着传统云业务需求增长放缓及AIGC应用持续发展，未来大模型能力或将改变当前产业格局，成为海内外科技巨头的重要分水岭。该机构建议关注：中国移动、中国电信、中国联通、紫光股份、中兴通讯、锐捷网络、数据港、光环新网。

金融界2023-05-23

TEAMZ Web3 Summit于东京时间5月18日圆满闭幕

最终的目标是一样的。 Zaif 圆桌生成式 AI 及其对 Web3.0 的影响圆桌嘉宾：針ヶ谷武文 / A.T. Kearney上级合伙人松岡洋平 / A.T. Kearney 专家主任/高级主任石川裕也 / Gaudiy CEO 浜崎晧介 / Sanrio 总裁办公室数字业务负责人和人力资源总经理 AI制作的UGC、UGIP等产品备受瞩目，据说IP的价值随着故事和个人感受而变得更加灿烂。在基于 NFT 的服务中，重要的是为大众提供有形的价值。也触及了大企业的努力和传统企业的制约，呼吁合作，灵活思考。强调现实元素的重要性和娱乐与科技的融合，需要娱乐专家和技术专家去探索未来如何实现女性用户的参与。 Web3和地方创生圆桌嘉宾：松下新平 / 参议院政治伦理审查委员会主席/参议院议员菅原壮弘 / SOKO LIFE TECHNOLOGY CEO WEB3 和娱乐的未来演讲嘉宾： VERBAL / Artist AMBUSH® CEO 矢嶋健二 / twinplanet CEO 渡辺創太 / Astar Network创始人白石俊博 / 株日本电视台企业战略本部总经理 VERBAL 先生是最早结合最新技术的人之一，例如使用动作捕捉服在虚拟空间中创造娱乐体验，他也对 NFT 感兴趣。尽管在娱乐行业中关于如何使用 WEB3 和技术进步存在问题，但通过小范围的尝试来提高对 WEB3 的兴趣是很重要的。通过与现实世界的联动提供逼真的娱乐体验也备受瞩目。峰会闭幕红毯晚宴精彩瞬间 18日晚上主办方TEAMZ举办了红毯Gala最为峰会的闭幕活动。有300位嘉宾出席了红毯峰会闭幕活动。 • TEAMZ Web3 Summit 2024举办日期确定！红毯Gala上TEAMZ CEO杨天宇宣布下届TEAMZ Web3 Summit将于2024年4月11日，12日于东京举办。・时间：2024年4月11日，12日・地点：Toranomon Hills Forum 我们正在从下面的 TEAMZ Web3 Summit官方网站接受演讲者、赞助公司、媒体合作伙伴和 pitch 赞助商的申请，因此如果您对大会感兴趣，请通过联系表与我们联系。 TEAMZ Web3 Summit：https://web3.teamz.co.jp/ 【TEAMZ概要】 TEAMZ 是一家为寻求新可能性的 web3 相关企业提供业务战略和解决方案的综合公司。汇聚国际化、丰富经验的成员，以全球尖端技术和工具为其客户提供优质服务。我们通过提供从 NFT、DAO、GameFi、Wallet 和 Metaverse 等 web3 服务的规划到开发以及后续支持的一站式服务，引领日本的 Web3 行业。 https://www.teamz.co.jp 来源：金色财经

金色财经2023-05-22

银江技术：已开展了和基层社会治理相关的数据治理以及生成式AI相关技术研究和应用

开展了和基层社会治理相关的数据治理以及生成式AI相关技术研究和应用，例如，沉淀出包括：AI全域信号优化平台、AI全域仿真平台、AI情指勤督平台等系列产品应用。未来公司将不断加大市场开拓力度，充分挖掘利润增长点，进一步优化产品结构，加强提供市场服务能力，稳定提升盈利能力。 3、公司将聚焦社会治理方面业务，那公司社会治理的优势，核心技术是什么？公司近几年高度聚焦于基层治理及信息化建设，运用物联网、云计算、大数据、人工智能等前沿技术，构建了“以党建为引领、数字政府、数字法治、数字经济、数字社会、数字文化为实现目标”的多元化全域智治平台，打造以区（县）、街道（镇）、社区（乡村）三级为框架结构的社会治理一揽子解决方案。公司研发体系完整健全。近几年，公司成功申报了1个省级重大课题和1个市级重大课题申报，“城市交通超能计算平台关键技术及应用”获得中国智能交通协会科学技术一等奖,“多源异构时空定位数据的关联分析平台及应用”获得浙江省科学技术进步奖一等奖。截止2022年末，持有授权专利200余项、软件著作权1000余项，同时通过软件过程及能力成熟度评估（SPCA）最高级别L5级评估，率先成为浙江首家SPCA5级企业、国内为数不多同时拥有CMMIV2.0和SPCA最高级别的软件企业，公司授权专利不仅在大数据、人工智能等共性技术进行了充分的布局，还形成了一定的技术创新壁垒。公司系统应用丰富。智慧化解决方案以国家产业政策引导为方向、行业变革趋势和客户需求为基础，运用云计算大数据、图像识别和机器学习等人工智能技术持续创新系统应用。公司行业经验丰富，已经完成了营销网络全国化布局，在全国重点省市均有分子公司，实现了营销本地化、服务本地化，也得到了业主的认可。 4、请问贵司在智慧政务、智慧治理方面有无试点应用，目前收入多少？公司近几年高度聚焦于基层治理及信息化建设，运用物联网、云计算、大数据、人工智能等前沿技术，构建了“以党建为引领、数字政府、数字法治、数字经济、数字社会、数字文化为实现目标”的多元化全域智治平台，打造以区（县）、街道（镇）、社区（乡村）三级为框架结构的社会治理一揽子解决方案。除杭州三墩镇一体化智治平台，公司还先后在杭州市留下街道、杭州市前进街道、杭州市古荡街道、成都市固驿街道等社会治理数字化平台落地实践。 5、公司基层治理方面的标杆案例有哪些？公司大力发展社会治理街镇级平台的软件产品，目前已形成区（县）级/街道（镇）级/社区（乡村）三级智治平台模式，以三墩镇为基地，先行先试，构建“镇街级一体化智治平台”；公司在做好社会治理板块的同时，以三墩镇为基地，积极拓展“未来社区”、“未来乡村”板块，参与建设三墩镇“未来乡村”、富阳区渌渚镇阆坞村“未来乡村”、海宁硖石街道西山社区“未来社区”等项目。 6、公司智慧健康的切入点是什么？在大健康领域，银江技术布局医疗生态体系，建立从机构到个人从业务到数据的生态合作平台。凝聚产业力量共同探索医疗数据融合、挖掘、应用、生态充分融合的立体化区域大健康系统，打造人工智能在区域公共卫生领域的深度应用场景，为公众提供更高效、更精准、更快捷、更普惠的医疗卫生服务。从大的范围来看，通过搭建区域医疗数据中心，在不同医疗机构间，建起医疗信息整合平台，实现个人与医院之间、医院与医院之间、医院与卫生主管部门之间的数据融合、信息共享与资源的交换，从而大幅提升了医疗资源的合理化分配，真正做到以病人为中心。目前已涵盖了区域医疗、智慧医院、互联网医疗、医疗物联网、医疗民生服务和医疗金融等领域，拥有7大平台、31大系统做支撑，形成全域健康生态链。 7、公司在数据要素的布局是？公司作为城市大脑建设运营服务商，深耕软件信息行业多年，积累了对海量数据的加工以及运营能力，将数据产品应用落地于城市治理、民生服务等多个领域。尤其近些年来，公司积极推动数据流通，释放数据价值，打通数据闭环，在产品和应用落地方面，我们的整体解决方案得到了客户的高度认可。以沈阳市区域人口信息化平台项目为例，由公司承建及运营，项目作为全国首个副省级省会城市超大型区域健康平台项目。该项目中的建立家庭医生平台，通过互联网、大数据在家庭医生和居民之间建立一个远程健康管理体系，提供居民健康画像服务，开展居民慢病健康管理服务，个性化健康服务指导，使居民在社区及家庭得到连续性服务。目前已在沈阳全市建设18个家庭医生签约服务点，约5,000名家庭医生响应政府号召入驻沈阳家庭医生签约服务平台。本条资讯来源界面有连云，内容与数据仅供参考，不构成投资建议。AI技术战略提供为有连云。

有连云2023-05-22

24小时热点