全部 通识 以太坊 比特币 Solana 公链 Solidity Web3应用 编程语言 安全 密码学 AI 存储 其他

Footprint Analytics 强势入局 AI 推出全新投研工具

作者：lesley@footprint.network3月15日，链上数据平台FootprintAnalytics宣布入局AI，推出了旗下首款AI投研工具——Pea.AI。作为专门服务于区块链行业的AI平台，Pea.AI旨在提升加密资产投资领域的数据流动性和知识共
AI 

Nillion — 解锁个性化人工智能应用

文章探讨了个性化人工智能的潜力和数据隐私问题，介绍了Nillion作为一个去中心化的基础层，如何通过盲计算技术来保护用户数据，并推动个性化AI的普及。强调了保护敏感数据的重要性以及当前科技公司的数据控制问题。
个性化AI  数据隐私  去中心化  盲计算  高价值数据  Nillion 

加密与AI应用的希望与挑战

文章探讨了加密技术与人工智能（AI）结合的潜力和挑战，分析了AI在区块链生态系统中的应用前景，并分类讨论了AI作为玩家、游戏规则、游戏目标和游戏界面等不同角色时的优缺点。文章还讨论了加密技术在AI安全性方面的应用及其面临的挑战。
blockchain  AI  cryptography  decentralization  zk-SNARKs  adversarial machine learning 

深度研报：AI 与 Web3 数据行业融合的现状、竞争格局与未来机遇探析（下）

GPT的横空出世将全球的目光吸引至大语言模型，各行各业都尝试着利用这个“黑科技”提高工作效率，加速行业发展。
Web3 

如何应对AI控制人类资源...

文章讨论了Bandwidth++场景，作为应对AI控制人类资源的威胁的实用方案，通过提高人与计算机之间的带宽，逐步实现人与硅基智能的平等竞争，并最终实现人类向硅基的转变。
Bandwidth++  AI  BCI  硅基智能  脑机接口 

开源 zkml：人人可用的无信任机器学习

这篇文章宣布了zkml的开源发布，zkml是一个用于生成机器学习模型执行的零知识证明的框架。文章详细介绍了zkml的愿景、使用方法及其应用，包括信任审计、去中心化市场和隐私保护生物识别等。作者强调了zkml的高效性和优化能力，并展望了未来的发展方向。
零知识证明  机器学习  zk-SNARK  信任审计  开源框架  隐私保护 

对于区块链与强人工智能协同机制的进一步思考

对于区块链与强人工智能协同机制的进一步思考
AI 
  • Faesove
  • 发布于 2023-04-01
  • 阅读 ( 2543 )
  • ( 8 )

从智能合约到机器学习：NFT 与 AI 技术的结合

随着 NFT 技术和人工智能（AI）的发展，未来在 NFT 领域的应用也会逐渐增多，两者会擦出怎样的火花呢？从智能合约到机器学习，NFT 与 AI 技术的结合将带来怎样的变革？
NFT 

利用 100 个AI工具来帮助 Web3 创业

工具包含：寻找创业想法、招聘、构建网站、编写文案、创建视频等。
Web3  DeCert  区块链 
  • DeCert.me
  • 发布于 2023-02-21
  • 阅读 ( 8499 )
  • ( 4 )

使用 PyTorch 实现可复现的深度学习

本文介绍了如何在 PyTorch 中实现可复现的深度学习结果。文章涵盖了随机种子设置、数据分割、数据加载和确定性操作等关键步骤，并提供了相应的代码示例，以确保实验结果的一致性和可比性。通过遵循这些方法，可以有效地调试代码、比较模型，并优化深度学习流程。
PyTorch  深度学习  可复现性  随机种子  数据加载  cuDNN 

狂野、粗犷的AI DAO（AI DAOs系列，第二部分）

本文探讨了AI DAOs（人工智能驱动的去中心化自治组织）的概念及其潜在影响，特别是通过一个名为“ArtDAO”的示例展示了如何利用AI生成艺术作品并实现盈利。文章还讨论了AI DAOs在社会、法律和经济层面的挑战，并呼吁在技术发展之前进行深入讨论和准备。
AI DAOs  ArtDAO  智能合约  去中心化  遗传编程  深度学习 

AI DAO与实现它的三条路径

文章讨论了AI DAO（去中心化自治组织）的概念及其三种实现路径，包括智能合约边缘的AI、智能合约中心的AI以及群体智能。作者预测AI DAO将在不久的将来实现，并探讨了其潜在的影响和挑战。
AI DAO  智能合约  群体智能  去中心化  区块链  人工智能 

人工智能觉醒近在咫尺

文章探讨了人工智能（AI）可能在未来实现人类级别智能的几种驱动因素，包括芯片技术进步、资金的直接投入、去中心化计算的成熟以及没有根本性障碍。文章还讨论了这些因素如何推动AI技术的快速发展。
AI  芯片  去中心化计算  深度学习  神经网络  ASIC