Modulus Labs：Variant投资的基础设施如何利用ZK证明检验AI？

撰稿：Luccy，BlockBeats

编辑：Jack，BlockBeats

BlockBeats 消息 ，11 月 2 日，旨在将加密安全性引入人工智能的项目 Modulus Labs 完成 630 万美元种子轮融资，Variant 和 1Kx 参投。Modulus Labs 的核心概念是利用零知识证明为 AI 系统提供验证，确保 AI 查询保持原样，未被篡改。这为将 AI 纳入更广泛的 Web3 应用铺平了道路。

「人工智能正在改变世界」，这似乎已经成为一个共识。短短几个月的时间，OpenAI 开发的 AI 语言模型 ChatGPT 已席卷全球。人工智能算法可以诊断癌症或在股市上进行数十亿美元交易的未来似乎不再像科幻小说那样。

每当我们向人工智能寻求建议、排队最新的信用评分或刷新我们选择的社交媒体资源时，大数据的推送总能给我们带来不少惊喜。然而，人工智能操作的计算成本太高，无法直接在链上运行。这意味着要将人工智能功能引入智能合约，我们需要相信人工智能操作员始终可以在不进行操纵的情况下运行模型。

而在加密货币的背景下，信任几乎总是一个非常糟糕的主意。Variant 和 1Kx 投资的 Modulus Labs 正是为了验证人工智能而将 ZK 证明技术引入 AI，即零知识机器学习（zkML）。那么 zkML 如何做到这一点，BlockBeats 搜集现有资料并将其整理如下。

Modulus Labs 如何将加密安全性引入人工智能

目前我们尚未在区块链领域看到主要的新型人工智能应用程序，因为将机器学习模型部署到链上的门槛比传统软件设置要高得多。区块链验证对用户操作产生影响的计算能力对其功能至关重要。迄今为止，人工智能在这方面的表现并不理想，大多数机器学习模型都运行在不透明的服务器中，黑盒算法由相对免受审查的操作员调整。

在一个信任主导的世界中，现有的机器学习机制难以满足验证要求。随着风险的增加，人们研究、影响甚至用更符合他们利益的算法取代人工智能算法的动机也在增加。

Modulus Labs 正在构建具有零知识证明的去信任人工智能，以使该技术更便宜且更易于加密协议使用。

利用 ZK 检验 AI

Modulus Labs 专注于零知识机器学习（zkML）来验证人工智能。

zkML 是指无论计算是在开放环境还是私有集中式服务器中进行，都可以证明正确性的 ML 模型。这意味着人工智能代理和机器学习模型现在可以开始作为智能合约逻辑的自然延伸。具体而言，Modulus Labs 认为 zkML 可以通过尽量减少对复杂动态功能的人类治理需求来帮助解锁更先进的去中心化协议。

像以太坊这样的区块链是缓慢的、分散的计算机。程序越大，区块链运行它所需的时间就越长。为了解决这个问题，开发人员通过简洁的证明在链外或私人服务器上运行程序。然后，他们将证明转移到区块链上，人们只需要解决证明来验证代码是否正确执行，而不是检查程序的每一行。

现在，初创公司正在推动使用零知识证明进行机器学习，他们将这种融合称为 zkML。

为了帮助实现这一愿景，Modulus Labs 将在接下来的几个月内推出多个 ZKML 应用程序，首先是与 NFT 评估领导者 Upshot 合作。

Upshot 使用 AI 提供准确、及时的 NFT 价格（每小时超过 1 亿次评估，MAPE 为 3-10%），这意味着有机会为长尾资产打开新的金融市场。Modulus Labs 的目标是在不放弃区块链安全性的情况下，将 Upshot 的人工智能价格传递到链上。其结果是人工智能超能力和区块链安全性共同打造出 NFT 价格，这种结合是由 Modulus 的 ZK 证明实现的。

此外，Modulus Labs 还与 AI Arena 合作，这是一款人工智能战士向人类玩家学习的视频游戏。人类让战士们互相对抗，胜利者赢得加密货币。由于经济利益，玩家需要相信他们的对手没有不公平地操纵或影响战士。为了给用户这种信心，Modulus Labs 正在开发定制的零知识证明，以验证玩家训练的 AI 战斗机与比赛中部署的 AI 战斗机是同一台。

利用防篡改 AI 增强 dAPP 用户体验

Modulus Labs 认为密码学是对算法负责的唯一工具。

为了让 dApp 获得强大的 AI 功能，有时需要放弃去中心化的安全性并承担中心化的风险。Modulus Labs 为了在不放弃去中心化安全性的情况下将人工智能带入区块链依靠 ZK 验证。

应用于人工智能时，零知识密码学使我们能够验证人工智能模型是否「正确」执行，而无需透露模型背后的秘密。换句话说，Modulus Labs 用数学来检查人工智能结果是否被秘密操纵。通过在链上验证这种「正确性证明」，只需花费一小部分成本即可获得与区块链相当的安全性。

通过零知识证明，外部观察者可以验证公司或开发人员是否使用了承诺的人工智能算法。例如，开发 ChatGPT 的巨头 OpenAI 可以证明其聊天机器人写了一首诗，而无需透露算法的「权重」，或者人工智能模型在经过大量数据训练后学到了什么。

通过密码学的确定性，我们可以知道，人工智能副驾驶是否提供了秘密篡改的代码、信用评分是否受到有偏见的银行的影响、社交媒体信息是否受到影响。Modulus Labs 将其称为「负责任的人工智能」。

目前，Modulus Labs 开放了「链上人工智能」API 的候补名单，用户可以申请将防篡改 AI 添加到 dAPP 中。

融资情况及团队

11 月 2 日，Modulus Labs 完成 630 万美元种子轮融资，Variant 和 1Kx 参投。以及来自以太坊基金会、Worldcoin、Polygon、 Celestia、Solana、Microsoft、 Gensyn.ai 等天使轮融资者。

在接受《财富》杂志的采访时，a16z 的普通合伙人 Ali Yahya 表示，「我们肯定对投资这一类别感兴趣，因为我们认为这将非常重要」。不过，他指出，作为投资者，他关注的是 zkML 在加密领域的应用，而不是其他领域。

开发 Worldcoin 的公司 Tools for Humanity 的协议负责人 Steven Smith 也说到，「这对我们来说是一个巨大的研究领域，也是一个非常有前途的领域」。Worldcoin 是由 OpenAI 首席执行官 Sam Altman 创立的项目，也是新兴领域中颇具影响力的参与者。它的一位开发人员组织了一个致力于该领域的 Telegram 小组，其相关基金会打算向 zkML 项目和研究人员提供资助。

甚至规模较小的公司也在关注 zkML。深度科技风险投资公司 Geometry 的创始人 Tom Walton-Pocock 表示，「接下来的某个时间点——无论是今天、六个月还是四个月——可能是深度科技投资者尽早采取行动的时候。」

2022 年 8 月，23 岁 Daniel Shorr 在斯坦福大学一栋灰色宿舍的房间里刷着推特，看到有人贴出了一张画作，画中一名女子走过霓虹灯闪烁的店面。它的作者是受「夜晚的洛杉矶」提示启发的 Stable Diffusion，这是一种从文本生成图像的人工智能模型。该算法的艺术实力让 Shorr 有一个「WTF 时刻」。

「智能算法将在我们世界的计算饮食中占据越来越大的份额，」不久后他在 MacBook 上的笔记中写道。「密码学是让这些强大的算法负责的唯一机制。」

Shorr 与他的一年级室友 Ryan Cao 和高中好友 Nick Cosby 一起决定将便利贴的想法付诸实践。Shorr 和 Cao 从斯坦福大学硕士课程毕业后，与 Cosby 合作创立了 Modulus Labs，这是一家专注于机器学习问责制的初创公司。为了控制人工智能算法，他们计划使用最近在加密领域风靡一时的技术：零知识证明。

「如果我们把人工智能放在区块链上会怎样？听起来像是 7 岁孩子会梦想的事情，」他们最近在 Medium 上发帖写道。「但话又说回来，根据我们的经验，7 岁的孩子可能非常聪明。」

最近的斯坦福大学毕业生并不是唯一相信零知识证明是对人工智能的检查的人，他们是研究人员和区块链企业家社区的一部分，他们相信这种流行的密码技术与机器学习领域的融合。他们表示，虽然这种技术组合与加密货币世界直接相关，但它可能很快就会在区块链之外找到应用。

零知识证明是否成为我们人工智能验证日常工作的一部分，存在许多后勤障碍，包括为复杂的人工智能算法生成证明所需的计算能力规模，以及如何将证明传递给外行人的机制。但要知道，人工智能问责制并不是万能药，而是一种「多管齐下的方法」。