V神如何看待：区块链+人工智能
点击上方蓝字，关注我们
V神发表了一篇雄文：加密+人工智能应用的前景和挑战。
https://vitalik.eth.limo/general/2024/01/30/cryptoai.html
他认为：区块链和人工智能都变得越来越强大，这两个领域的交叉领域的用例越来越多。
（1）个体玩家成为人工智能，允许该机制在更微观的范围内有效运行，是最有前景、最容易实现的用例。
（2）最具挑战性的是尝试使用区块链和加密技术来创建“单例”的应用程序：某些应用程序出于某种目的而依赖的单个去中心化可信人工智能。
第二点的挑战性在于：这些应用程序在功能和提高人工智能安全性方面都有希望，避免与解决该问题的更主流方法相关的中心化风险。但潜在的假设也有可能在很多方面失效。因此，值得谨慎行事，尤其是在高价值和高风险环境中部署这些应用程序时。
针对挑战，V神给出的思路：
针对“加密开销过高”的预案：
AI 计算的最大部分是矩阵乘法，为此可以制作非常高效的ZK-SNARK 或 MPC（甚至 FHE），因此将人工智能放入加密盒子中的成本低得惊人。
针对“黑盒对抗性机器学习”的预案：
（1）如果你将所有防御措施结合在一起，隐藏人工智能模型本身，极大地限制查询数量，并要求每个查询以某种方式进行身份验证，你就可以进行足够困难的对抗性攻击，从而保证系统的安全。
（2）如何隐藏训练数据？这就是“民主管理 AI 的 DAO”实际上可能有意义的地方：我们可以创建一个链上 DAO，来管理允许谁提交训练数据（以及数据本身需要什么证明）、允许谁的流程。进行查询以及查询数量，并使用 MPC 等加密技术对创建和运行 AI 的整个管道进行加密，从每个用户的训练输入一直到每个查询的最终输出。
“加密开销过高”，其实不用怕，因为，我们还有Dynex.
什么是Dynex (DNX)？
Dynex （DNX）是DePIN（去中心化物理基础设施）中的点对点开源加密货币。于 2022 年 9 月推出，目标是通过应用有用工作量证明 (PoUW)挖掘算法来重新发明加密难题，使挖掘更有意义。它利用参与的 GPU 矿工的综合力量为每个人提供超级计算能力。Dynex（使用DynexSolve PoUW 算法）的显著特点是其量子计算功效和有限的供应。
Dynex 的代币经济学
Dynex 的供应量上限为 1.1 亿枚代币。在撰写本文之日，流通中的 DNX 数量为 82,632,695 (75.13%)。鉴于已发布的排放时间表遵循平滑的排放曲线，所有硬币将在大约四年内被开采。Dynex 的发行是100% 公平的，没有 ICO，没有预挖或向投资者预分配。
Dynex在学术领域获得越来越多的认可，发表了多篇研究论文（无监督学习的进展：在 Dynex 平台上利用神经形态计算的模式辅助量子受限玻尔兹曼机、HUBO 和 QUBO 以及质因数分解，或使用 Dynex 云计算平台解决 Harrow-Hassidim-Lloyd 神经形态计算问题的框架）以及 Dynex 参考书在Amazon 上的正式发布（面向计算机科学家的神经形态计算：Dynex 神经形态云上神经形态计算的完整指南）计算平台）。
凭借学术认可，Dynex 接受了纳斯达克 MarketSite 工作室的采访报道，并在福克斯新闻或彭博社等各种著名在线媒体频道的电视上播出。此外，还宣布成立 Dynex Moonshots 基金会，该基金会是一个投资使用 Dynex 技术的项目的实体，以解决健康、自然、空间和社会领域的社会挑战。
鉴于Dynex计算平台的技术和经济效益，预计Dynex将在不久的将来成为领先的DePIN提供商之一，并提供解决社会挑战的工具。
Dynex 有何用途？
Dynex（DNX）是一种实用硬币和加密货币，用于支付在Dynex 云平台上执行的计算，它能够不受限制地执行基于量子计算的算法，显著加速机器学习训练，优化特征选择并提高模型准确性。它还解决了金融科技、制药、基因组学、智能城市和全球 2000 强公司面临的优化挑战。
Dynex 与 Google TensorFlow、PyTorch、Scikit-Learn、IBM Qiskit 等的兼容性允许人工智能应用程序设定新的基准。用于机器学习的量子计算算法利用量子力学的力量来增强机器学习任务的各个方面。由于量子计算和神经形态计算具有相似的功能，因此这些算法也可以在 Dynex 平台上高效计算，但不受有限量子位、纠错或可用性的限制。这些基于量子的 AI/ML 算法可提供更快的模型训练和更高的机器学习模型准确性。通常需要数千次训练操作的训练过程可以分几个批次进行计算。在《无监督学习的进展：利用 Dynex 平台上的神经拟态计算的模式辅助量子受限玻尔兹曼机》一文中，作者报告了相对于传统训练方法的显著改进。
Dynex 用例“基于人工智能的安全审计”：
人工智能安全审计工具与神经形态网络的无缝集成标志着神经形态计算领域的关键进步。这种集成使审计工具具有迁移学习的能力，使人工智能结构能够分享自上次与神经形态网络进行迁移学习会话以来获得的见解。这一过程有助于人工智能的“短期记忆”适应并整合到网络的“长期记忆”中。人工智能固有的学习和动态适应能力在与神经形态网络结合时找到了新的维度。这种共生关系为人工智能提供了强大的计算能力库，使其能够以类似于现实世界中人类认知的方式进行学习。人工智能模型和神经形态网络之间的协同作用是该应用程序的关键推动因素。这使得系统能够不断完善对审计要求的理解。神经形态计算的这一显著发展引入了并行审核的概念，其中系统可以同时评估类似于人脑多任务处理能力的多个方面。这不仅提高了审计过程的效率，而且反映了人类思维过程的复杂性和并行性。
在医疗保健领域:Dynex 通过加强药物发现取得了长足进步。例如，病毒的 RNA 折叠或酶的预测是 Dynex 平台上的应用之一，其结果优于当今所有传统的计算方法。临床试验模拟正在缩短新药的上市时间。
Dynex 用例“量子 RNA 折叠”：
在生物学和化学中，分子的特性不仅由一组原子决定，还由分子的形状决定。在遗传学中，RNA 分子的形状很大程度上取决于它如何自行弯曲。组成 RNA 的 A、U、G 和 C 序列具有某些对，这些对连接在一起形成氢键。连续的几个键的序列称为茎，茎提供足够的力来保持分子折叠在一起。RNA 分子自然地形成一些茎，同时以最小化系统自由能的方式避免其他茎。该用例采用 RNA 序列并应用二次模型来追求最佳茎配置。预测茎的存在对于预测 RNA 分子的特性非常重要。
Dynex 在科学研究领域的影响同样深远。通过提供执行量子算法的平台，它有助于探索尚未发现的研究领域。一个例子是后量子密码方案的研究：在HUBO & QUBO 和素因数分解中，作者证明了素因数分解的有效性，这是许多密码方案核心的基础数学概念。显然，在不久的将来将需要能够抵抗潜在的量子或神经形态攻击的新密码方法。
Dynex 用例“量子素数分解”：
数分解是一个数学过程，涉及将合数分解为其素数因子。素数是大于 1 的自然数，且不是两个较小自然数的乘积。合数的质因数分解是唯一的，这意味着它以特定方式表示为质数的乘积。质因数分解在各个数学和计算领域有几个重要的用例。它的主要应用之一是在密码学中，其中大素数对于某些加密算法的安全性至关重要。将大合数分解为质因数的困难构成了一些加密方法的基础，例如 RSA (Rivest-Shamir-Adleman)，它依赖于分解两个大质数的乘积的挑战。鉴于这些发展，越来越需要能够抵御量子计算机攻击的抗量子算法。
在建筑行业，Dynex 正在重新定义传统做法。其区块链技术为设计流程和项目管理带来了前所未有的精度和效率，预示着建筑和设计的新时代。也许 Dynex 最重要的贡献之一是智慧城市的发展。通过整合其区块链解决方案，Dynex 使城市变得更加高效、响应迅速和可持续，并通过改进治理和公共服务管理来增强城市生活体验。
Dynex 用例“智能城市”：
确定建设新电动汽车充电站的最佳位置是一个复杂的优化问题。应考虑许多因素，例如现有充电器位置、兴趣点 (POI)、要构建的数量等。在此示例中，我们将了解如何制定此优化问题并使用 Dynex 神经形态平台解决该问题。
对于全球 2000 强公司而言，Dynex 充当数字化转型的催化剂，帮助他们优化运营并在快速发展的数字世界中保持领先地位。计算的执行成本仅为传统成本的一小部分，并且可以无缝集成到现有的计算工作流程中。例如，Dynex 的量子计算流体动力学 (QCFD) 研究为客户提供了完全外包风洞模拟的可能性，并节省了数百万美元的基础设施潜在投资：在解决 Harrow-Hassidim-Lloyd 问题的框架中使用 Dynex 云计算平台进行神经形态计算，作者在实践中展示了风洞模拟的卓越计算质量。
Dynex 用例“虚拟风洞”：
计算流体动力学 (CFD) 是流体力学的一个分支，它采用数值方法和算法来模拟和分析流体流动的行为。它通过求解控制流体运动的数学方程，在理解复杂的流体动力学现象方面发挥着至关重要的作用。CFD 涵盖广泛的应用，从空气动力学和传热到流体环境中的化学反应。CFD 还应用于环境研究中分析空气和水污染扩散，以及制药和生物医学领域中研究血流、药物输送和生理流体动力学。量子CFD (QCFD)，利用量子效应来加速和改进CFD计算，可在Dynex平台上使用。
Dynex 运营着一个超级计算云平台，使每个人都能够以量子级效率执行计算，但没有其限制。
https://dynexcoin.medium.com/depin-cryptocurrency-dynex-dnx-what-it-is-history-uses-and-outlook-df13d5caf423