โปรดระบุเมื่อพิมพ์ซ้ำจากชุมชน "Biteye"
ผู้แต่ง: Viee ผู้สนับสนุนหลักของ Biteye
บรรณาธิการ: Crush ผู้สนับสนุนหลักของ Biteye
ชุมชน: @BiteyeCN
*เนื้อหาเต็มประมาณ 2,000 คำ และเวลาในการอ่านโดยประมาณคือ 5 นาที
คุณเคยคิดเรื่องนี้บ้างไหม? บางที AI อาจจะรู้จักคุณดีกว่าที่คุณรู้จักตัวเอง
ในยุคที่ AI ระเบิด ความเป็นส่วนตัวของผู้คนหลายล้านคนถูกนำมาใช้ในการฝึก ChatGPT ประโยคนี้อาจไม่ใช่คำถามสำหรับอนาคตอีกต่อไป แต่เป็นปัญหาเร่งด่วนที่ต้องแก้ไข
นี่เป็นเรื่องจริงโดยเฉพาะอย่างยิ่งสำหรับอุตสาหกรรมบล็อกเชน ในด้านที่ข้อมูลและข้อมูลถูกเปิดเผยต่อสาธารณะแบบเรียลไทม์ จะรวมความไว้วางใจของผู้ใช้และความปลอดภัยด้านความเป็นส่วนตัวได้อย่างไร
ในระหว่างการประชุม TOKEN 2049 ในเดือนกันยายน การอภิปรายเกี่ยวกับ AI ได้รับการจัดอันดับให้เป็นหนึ่งในสามอันดับแรก หลังจากการประชุม เรายังคงศึกษาโครงการ AI+Web3 ที่น่าสนใจต่อไป รวมถึง @nillionnetwork
พันล้านจะทำอะไร? พูดง่ายๆ ก็คือช่วยให้ผู้ใช้ประมวลผลและแบ่งปันข้อมูลที่ละเอียดอ่อนได้อย่างปลอดภัยโดยไม่ต้องเปิดเผยความเป็นส่วนตัว นอกจากนี้ยังเป็นที่รู้จักในนาม "คอมพิวเตอร์ตาบอด" เครื่องแรกของมนุษยชาติ
ลองคิดดูสิ การพัฒนาโมเดล AI ส่วนบุคคลนั้นต้องอาศัยข้อมูลส่วนตัวของผู้ใช้มากขึ้นเรื่อยๆ คุณจะไว้วางใจให้ AI ส่งมอบข้อมูลของคุณโดยสมบูรณ์หรือไม่
ปัญหาคือหากไม่สามารถปกป้องความเป็นส่วนตัวของข้อมูลส่วนตัวของผู้ใช้ได้ ก็จะไม่สามารถส่งเสริมการพัฒนา AI ส่วนบุคคลที่ปรับแต่งแบบส่วนตัวได้
ไม่น่าแปลกใจเลยที่ทีมนักพัฒนาจากบริษัทที่มีชื่อเสียง เช่น Uber, Coinbase และ Goldman Sachs ใช้เวลาหลายปีในการแก้ปัญหานี้
เครือข่ายล้านล้านประกอบด้วยเครือข่ายสองเครือข่ายที่ขนานกันและพึ่งพาซึ่งกันและกัน: ชั้นประสานงานและชั้นประสาน เราสามารถเปรียบเทียบสถาปัตยกรรมเครือข่ายคู่กับห้องสมุด ซึ่งแบ่งออกเป็นแผนกต้อนรับ (เลเยอร์ประสานงาน) และห้องอ่านหนังสือ (เลเยอร์การจัดเรียง)
- ชั้นประสานงาน (NilChain) มีหน้าที่รับผิดชอบในการประสานงานการดำเนินการจัดเก็บข้อมูลและการชำระเงินการคำนวณแบบซ่อนที่ดำเนินการบนเครือข่าย เช่นเดียวกับแผนกต้อนรับส่วนหน้า พวกเขามีหน้าที่จัดการการยืมและคืนหนังสือเพื่อให้แน่ใจว่าทุกธุรกรรมดำเนินไปอย่างราบรื่น
- Orchestration Layer (Petnet) ใช้เทคโนโลยีเพิ่มความเป็นส่วนตัว เช่น MPC เพื่อปกป้องข้อมูลแบบคงที่ และใช้การประมวลผลแบบ blind ที่สามารถทำงานกับข้อมูลนี้ได้ คล้ายกับห้องอ่านหนังสือต่างๆ ในห้องสมุด ยกเว้นในห้องอ่านหนังสือเหล่านี้ ผู้อ่านสามารถใช้เครื่องมือป้องกันความเป็นส่วนตัวพิเศษ (เช่น MPC การคำนวณแบบหลายฝ่าย) เพื่ออ่านและวิเคราะห์หนังสือ กระบวนการนี้ไม่จำเป็นต้องเปิดหนังสือ ด้วยวิธีนี้ เมื่อทำการวิเคราะห์ข้อมูล คุณสามารถมั่นใจได้ว่าความเป็นส่วนตัวของคุณจะไม่รั่วไหลและในขณะเดียวกันก็ได้รับข้อมูลที่จำเป็น ตัวอย่างเช่น แต่ละโหนดที่เข้าร่วมในการคำนวณจะ "แบ่งปัน" ข้อมูลคีย์และข้อมูลธุรกรรมเพื่อทำธุรกรรมให้เสร็จสมบูรณ์โดยไม่ต้องเข้าถึงคีย์ส่วนตัวของผู้ใช้โดยตรง
ในปัจจุบัน โปรเจ็กต์ AI+Web3 ส่วนใหญ่มีแนวคิดที่เฉียบคมแต่กลับมองไม่เห็นการนำไปปฏิบัติ FOMO ยังคงมีอยู่และมีแนวโน้มที่จะกลายเป็น "กลไก" มากขึ้นเมื่อแย่ลง
สำหรับผู้ใช้ สิ่งที่ Nillion ทำได้ดีกว่าคือสามารถมีสถานการณ์การใช้งานจริงได้ และยังมีความร่วมมือมากมายกับโครงการอื่น ๆ
ตัวอย่างเช่น ในด้านการแพทย์ ผู้ป่วยสามารถแบ่งปันข้อมูลทางพันธุกรรมได้อย่างปลอดภัยเพื่อรับคำแนะนำด้านสุขภาพส่วนบุคคลโดยไม่ต้องกังวลกับการรั่วไหลของความเป็นส่วนตัว
ในด้านการเงิน ผู้ใช้สามารถใช้แพลตฟอร์มการซื้อขาย crypto เพื่อทำธุรกรรม ในขณะเดียวกันก็ทำให้มั่นใจได้ว่าบุคคลที่สามจะไม่สามารถเข้าถึงข้อมูลธุรกรรมของพวกเขาได้
นอกจากนี้ ในสถานการณ์แอปพลิเคชันบล็อกเชน Nillion ยังอนุญาตให้ผู้ใช้ประมวลผลข้อมูลที่ละเอียดอ่อนบนเชนโดยไม่ต้องเปิดเผยต่อสาธารณะ จึงให้พื้นที่ที่กว้างขึ้นสำหรับแอปพลิเคชันแบบกระจายอำนาจ ปัจจุบัน Nillion ได้สร้างความร่วมมือกับโครงการในหลายสาขา รวมถึงปัญญาประดิษฐ์ การดูแลสุขภาพ การเงินแบบกระจายอำนาจ (DeFi) โครงสร้างพื้นฐาน กระเป๋าเงิน องค์กรอิสระแบบกระจายอำนาจ (DAO) การตรวจสอบตัวตน และเกม
นอกจากนี้ ในสถานการณ์แอปพลิเคชันบล็อกเชน Nillion ยังอนุญาตให้ผู้ใช้ประมวลผลข้อมูลที่ละเอียดอ่อนบนเชนโดยไม่ต้องเปิดเผยต่อสาธารณะ จึงให้พื้นที่ที่กว้างขึ้นสำหรับแอปพลิเคชันแบบกระจายอำนาจ ปัจจุบัน Nillion ได้สร้างความร่วมมือกับโครงการในหลายสาขา รวมถึงปัญญาประดิษฐ์ การดูแลสุขภาพ การเงินแบบกระจายอำนาจ (DeFi) โครงสร้างพื้นฐาน กระเป๋าเงิน องค์กรอิสระแบบกระจายอำนาจ (DAO) การตรวจสอบตัวตน และเกม
ตัวอย่างเช่น ในด้าน AI นั้น Nillion ร่วมมือกับโครงการต่างๆ เช่น Ritual, Rainfall และ Skillful AI เพื่อส่งเสริมการประยุกต์ใช้การประมวลผลที่ปลอดภัยใน AI เฉพาะบุคคล
ในด้านการดูแลสุขภาพ พันธมิตรอย่าง Agerate และ MonadicDNA กำลังสำรวจวิธีใช้ Nillion เพื่อแบ่งปันและวิเคราะห์ข้อมูลผู้ป่วยอย่างปลอดภัย
นอกจากนี้ เมื่อเดือนที่แล้ว Nillion เพิ่งประกาศการรวมโปรโตคอล NEAR โดยแนะนำการประมวลผลแบบบอดและพื้นที่จัดเก็บข้อมูลแบบบอด ด้วยการรวมความสามารถในการประมวลผลแบบไร้ขอบเขตของ Nillion เข้ากับการประมวลผลธุรกรรมของ NEAR ทำให้ Nillion และ NEAR จะสนับสนุนความเป็นส่วนตัวของข้อมูลแบบแยกส่วน การจัดการข้อมูลส่วนตัว และ AI ส่วนตัว
เครือข่ายทดสอบล้านล้านประกอบด้วยเครือข่ายทดสอบ NilChain และเครือข่ายทดสอบ Petnet
- วิธีที่ 1: คุณสามารถใช้โทเค็น NIL testnet เพื่อโต้ตอบกับ NilChain testnet ทำตามคำแนะนำด้านล่างเพื่อสร้างกระเป๋าเงินที่เชื่อมต่อกับ NilChain testnet อ้างสิทธิ์น้ำโดยใช้ Testnet Faucet และแลกเปลี่ยนโทเค็น NIL บน NilChain testnet
- วิธีที่ 2: นักพัฒนาสามารถใช้ภาษาการเขียนโปรแกรม Nada เพื่อเขียนแอปพลิเคชันตาบอดและเชื่อมต่อกับเครือข่ายทดสอบ Petnet
วิธีที่สองเหมาะสำหรับผู้ใช้ที่มีความสามารถทางเทคนิคบางประการในการเข้าร่วม วิธีแรกนั้นค่อนข้างง่าย หากคุณยังคงอยู่ในเส้นทาง FOMO AI คุณสามารถทำได้เมื่อมีเวลา
🔍 สำหรับรายละเอียด โปรดดูคู่มือ Testnet อย่างเป็นทางการ: https://docs.nillion.com/testnet-guides
OpenAI ถูกฟ้องร้องทีละคดี และ Microsoft Copilot มีส่วนเกี่ยวข้องกับการรั่วไหลของความเป็นส่วนตัว ในอนาคต ความเป็นส่วนตัวและความปลอดภัยของข้อมูลอาจมีความสำคัญมากกว่าที่เราคิด จากมุมมองนี้ ในขณะที่เพลิดเพลินไปกับความสะดวกสบายของ AI คุณยังสามารถปกป้องข้อมูลส่วนบุคคลได้อย่างปลอดภัย ซึ่งจะกลายเป็นปัญหาสังคมที่ไม่สามารถละเลยได้
💡 คำเตือนความเสี่ยง: มีความไม่แน่นอนในการประยุกต์โครงการ AI ขนาดใหญ่ในระยะสั้น ข้อมูลข้างต้นมีไว้เพื่อการแบ่งปันข้อมูลเท่านั้น ไม่ใช่คำแนะนำในการลงทุน ผู้อ่านจะต้องปฏิบัติตามกฎหมายและข้อบังคับในท้องถิ่น
ความคิดเห็นทั้งหมด