ข่าว Ethereum มุ่งเน้นไปที่การผลักดัน AI ระดับท้องถิ่นของ Vitalik Buterin

ข้อมูลเชิงลึกที่สำคัญ:

• ข่าว Ethereum: Vitalik Buterin เชื่อมโยงการสร้าง DeepSeek V4 ในระดับท้องถิ่นเข้ากับการผลักดันความเป็นส่วนตัวของ Ethereum
• โมเดลควอนไทซ์ 2 บิตทำงานโดยใช้ VRAM ประมาณ 90 GB บนฮาร์ดแวร์สำหรับผู้บริโภค
• บูเทอรินเรียกร้องให้ใช้โมเดล AI ที่ปรับแต่งให้เหมาะสมกับ Ethereum เพื่อปรับปรุงความปลอดภัยของสัญญาอัจฉริยะ

ข่าวสารเกี่ยวกับ Ethereum เปลี่ยนไปเน้นเรื่องปัญญาประดิษฐ์ (AI) หลังจากที่ Vitalik Buterin ได้โพสต์ข้อความหลายชุดเกี่ยวกับระบบ AI ในระดับท้องถิ่น โครงสร้างพื้นฐานด้านความเป็นส่วนตัว และการประมวลผลแบบกระจายศูนย์

ผู้ร่วมก่อตั้ง Ethereum ได้เชื่อมโยงความก้าวหน้าล่าสุดในแบบจำลองภาษาขนาดใหญ่เฉพาะที่เข้ากับแผนงานด้านความเป็นส่วนตัวที่กว้างขึ้นของ Ethereum และการเข้าถึงบล็อกเชนที่ปลอดภัย

ข่าว Ethereum: DeepSeek V4 ทำงานได้บนหน่วยความจำ VRAM ขนาด 90 GB

Buterin รายงานว่า DeepSeek V4 เวอร์ชันควอนไทซ์ 2 บิต สามารถทำงานบนเครื่องโลคอลได้โดยใช้ VRAM ประมาณ 90 GB

จากการทดสอบของเขาเอง พบว่าโปรแกรมสามารถประมวลผลได้ประมาณ 35 โทเค็นต่อวินาทีบนฮาร์ดแวร์ของ Apple และประมาณ 7 โทเค็นต่อวินาทีบนฮาร์ดแวร์ของ AMD

ช่องว่างระหว่างผลลัพธ์ของฮาร์ดแวร์ทั้งสองอย่างนั้นสอดคล้องกับประเด็นที่บิวเทอรินต้องการจะสื่อ เขาแย้งว่า AI แบบกระจายศูนย์ที่แท้จริงควรสนับสนุนผู้ผลิตฮาร์ดแวร์มากกว่าหนึ่งราย แทนที่จะพึ่งพาระบบนิเวศของชิปหรือผู้ให้บริการคลาวด์เพียงรายเดียว

Vitalik Buterin ใช้คำว่า CROPS AI เพื่ออธิบายระบบที่ทำงานได้บนแพลตฟอร์มฮาร์ดแวร์หลายประเภท โดยแบ่งแยกเป้าหมายดังกล่าวออกจากสิ่งที่เขาเรียกว่า AI แบบกระจายศูนย์ธรรมดาที่ยังคงพึ่งพาโครงสร้างพื้นฐานแบบรวมศูนย์อยู่

นอกจากนี้ บูเทอรินยังได้กล่าวถึงเครื่องมือ AI ในพื้นที่อื่นๆ อีกหลายตัวที่เขากำลังทดสอบอยู่ ซึ่งรวมถึง VoxTerm สำหรับบันทึก AI ในพื้นที่โดยไม่ต้องใช้เซิร์ฟเวอร์ของบุคคลที่สาม โปรแกรมจัดการข้อความที่มีการรองรับ Telegram ในเวอร์ชันอัลฟ่า และ Lucebox Hub ซึ่งเป็นวิธีในการเรียกใช้โมเดลที่มีข้อมูลจำนวนมากได้อย่างมีประสิทธิภาพมากขึ้น

เขาแจ้งว่า Lucebox Hub ทำงานได้เร็วกว่า llama.cpp ประมาณสองเท่าสำหรับโมเดลที่มีความหนาแน่นสูงบนแล็ปท็อป 5090 ของเขา การตั้งค่าแบบโฮสต์เองของเขาสามารถรันโมเดลแบบ open-weight ได้ในเครื่องโลคอลพร้อมการป้องกันแบบ sandbox

เชื่อมโยง AI ท้องถิ่นเข้ากับโครงสร้างพื้นฐานความเป็นส่วนตัวของ Ethereum

ส่วนที่มีการพูดคุยกันมากที่สุดในกระทู้คือการเชื่อมโยง AI ในระดับท้องถิ่นโดยตรงกับโครงสร้างพื้นฐานด้านความเป็นส่วนตัวของ Ethereum

บูเทอริน ได้อธิบายถึงความทับซ้อนที่ชัดเจนระหว่างสิ่งที่เขาเรียกว่าเลเยอร์การเข้าถึง Ethereum ของ CROPS และ AI ของ CROPS โดยใช้ส่วนประกอบพื้นฐานเดียวกันสำหรับทั้งสองระบบ

เขาชี้ให้เห็นถึงวิธีการแบบไร้ความรู้ (zero-knowledge method) สำหรับการโทรแบบเสียค่าใช้จ่ายไปยังโมเดลภาษาขนาดใหญ่ที่อยู่ห่างไกล โดยใช้เป็นส่วนประกอบร่วมกัน

กลไกเดียวกันที่อนุญาตให้เรียกใช้ LLM แบบส่วนตัวโดยเสียค่าใช้จ่าย จะสามารถแก้ปัญหาการอ่าน RPC แบบส่วนตัวบน Ethereum ได้เช่นกัน ซึ่งกระเป๋าเงินจะสอบถามข้อมูลจากเชนโดยไม่เปิดเผยรายละเอียดเฉพาะของสิ่งที่กำลังอ่านให้กับผู้ให้บริการ RPC

การเชื่อมต่อนี้ช่วยให้งานเข้ารหัสลับชิ้นเดียวสามารถตอบสนองทั้งปัญหาการเข้าถึง AI และบล็อกเชนได้ในเวลาเดียวกัน

แนวคิดเกี่ยวกับเลเยอร์การเข้าถึงที่กล่าวถึงในกระทู้นั้น ได้แก่ การอ่านข้อมูล Ethereum RPC แบบส่วนตัว การชำระเงิน LLM ระยะไกลแบบไร้ความรู้ และระบบ AI ในพื้นที่ที่จัดเก็บข้อความแจ้งเตือนและข้อมูลกระเป๋าเงินไว้ในอุปกรณ์ของผู้ใช้แทนที่จะเป็นเซิร์ฟเวอร์คลาวด์

แนวคิดชุดนี้สอดคล้องกับแผนงานด้านความเป็นส่วนตัวของ Ethereum ในวงกว้างที่ Buterin ได้บันทึกไว้ตลอดปีที่ผ่านมา ซึ่งครอบคลุมถึงกระเป๋าเงิน โปรโตคอล และเลเยอร์การเข้ารหัส

โมเดล AI ที่ปรับแต่งสำหรับ Ethereum เพื่อความปลอดภัยของสัญญาอัจฉริยะ

ข่าวสารด้าน AI ส่วนที่สองจาก Vitalik Buterin มุ่งเน้นไปที่โมเดล AI เฉพาะสำหรับ Ethereum

เขาแย้งว่าระบบนิเวศของ Ethereum ควรสร้างระบบ AI ที่ได้รับการปรับแต่งอย่างละเอียด ซึ่งมีความเชี่ยวชาญเฉพาะด้านสำหรับการตรวจสอบสัญญาอัจฉริยะ การตรวจสอบธุรกรรม การวิเคราะห์ความปลอดภัยของ Solidity และการตรวจสอบรหัสโปรโตคอล

บูเทอรินชี้ให้เห็นถึง Leanstral เป็นตัวอย่างของสิ่งที่โมเดลเฉพาะทางสามารถทำได้ โมเดลนี้มีขนาดไม่เกิน 70 GB และสามารถทำงานได้ดีเทียบเท่ากับโมเดลขนาดใหญ่ที่มีพารามิเตอร์ถึง 1 ล้านล้านตัว เมื่อเขียนด้วยภาษา Lean

เขาเชื่อมโยงผลลัพธ์ดังกล่าวกับงานวิจัยล่าสุดของเขาเกี่ยวกับการตรวจสอบอย่างเป็นทางการ โดยให้เหตุผลว่าแบบจำลองเฉพาะทางเป็นประโยชน์อย่างมากในการเขียนโค้ดที่ปลอดภัยยิ่งขึ้น

ข้อโต้แย้งนี้ตั้งอยู่บนมุมมองที่ว่า การตรวจสอบโดยใช้ AI จะกลายเป็นสิ่งสำคัญอย่างยิ่งเมื่อการค้นหาช่องโหว่โดยใช้ AI มีความก้าวหน้ามากขึ้น

บูเทอรินแสดงความคิดเห็นต่อตัวอย่างหนึ่งที่กำลังเป็นที่พูดถึงกันอย่างกว้างขวาง ซึ่งปัญญาประดิษฐ์ (AI) สามารถสร้างโค้ดที่เกี่ยวข้องกับ Ethereum ได้มากกว่า 700,000 บรรทัดภายในสองสัปดาห์

เขายอมรับว่ามีความเร็วเพิ่มขึ้น แต่เน้นย้ำว่าควรเพิ่มประสิทธิภาพการทำงานไปที่ด้านความปลอดภัยและการตรวจสอบมากกว่าการส่งโค้ดให้เร็วขึ้นเพียงอย่างเดียว

ความเสี่ยงด้านความปลอดภัยและโครงสร้างพื้นฐาน AI ที่ควบคุมตนเองได้

ความเสี่ยงด้านความปลอดภัยที่เกี่ยวข้องกับเอเจนต์ AI เป็นหัวข้อที่ถูกกล่าวถึงซ้ำๆ ในบทความล่าสุดหลายฉบับ

Vitalik Buterin เตือนว่าปลั๊กอินเอเจนต์ AI และเครื่องมือภายนอกจำนวนมากอาจมีคำสั่งที่เป็นอันตราย ซึ่งเป็นเหตุผลที่เขาชอบใช้ระบบแบบแซนด์บ็อกซ์ในเครื่องมากกว่าเอเจนต์บนคลาวด์

ก่อนหน้านี้ในปีนี้ Buterin ได้พูดถึงการลดการพึ่งพาบริการ AI บนคลาวด์ลงอย่างมาก ปัจจุบันเขาใช้งานโมเดลแบบ open-weight บนฮาร์ดแวร์ของตนเอง โดยมีระบบป้องกันแบบ sandbox และมีรายงานว่าระบบของเขารวมถึงโมเดล Qwen ที่ทำงานบนแล็ปท็อป NVIDIA 5090 ด้วย

โดยรวมแล้ว หัวข้อหลักในโพสต์ทั้งหมดคือ บูเทอรินมองว่า AI จะถูกผสานรวมเข้ากับ Ethereum อย่างลึกซึ้ง ไม่เพียงแต่เพื่อเพิ่มประสิทธิภาพการทำงานของนักพัฒนาเท่านั้น แต่ยังรวมถึงโครงสร้างพื้นฐานที่รักษาความเป็นส่วนตัว การระบุตัวตนแบบกระจายอำนาจ ตัวแทนอัตโนมัติที่ใช้การชำระเงินด้วยคริปโต และการพัฒนาสัญญาอัจฉริยะที่ปลอดภัยอีกด้วย