จากนิยายวิทยาศาสตร์สู่ความเป็นจริง: หุ่นยนต์และ AI ที่ตรวจสอบได้กำลังเปลี่ยนแปลงโลกอย่างไร

สรุป

หุ่นยนต์และปัญญาประดิษฐ์ไม่จำกัดอยู่แค่ในนิยายวิทยาศาสตร์อีกต่อไป แต่กำลังกลายมาเป็นส่วนสำคัญในชีวิตยุคใหม่ได้อย่างรวดเร็ว ด้วยความก้าวหน้าในโมเดลภาษาขนาดใหญ่ (LLM) ตอนนี้เครื่องจักรสามารถเข้าใจบริบทและเรียนรู้ได้โดยอัตโนมัติ ก่อให้เกิด เศรษฐกิจที่เน้นหุ่นยนต์ ในกรอบแนวคิดใหม่นี้ ระบบอัตโนมัติจะเข้ามาทำหน้าที่ต่างๆ ตั้งแต่การจัดส่งในพื้นที่ไปจนถึงการขนส่งขนาดใหญ่ และยังดำเนินธุรกรรมทางการเงินอีกด้วย

เมื่อตัวแทน AI มีความเป็นอิสระมากขึ้น การสร้างความไว้วางใจจึงกลายเป็นสิ่งสำคัญ AI ที่ตรวจสอบได้และการเรียนรู้ของเครื่องจักรแบบไร้ความรู้ (zkML) ให้แนวทางแก้ไขปัญหานี้ด้วยการใช้เทคโนโลยีพิสูจน์การเข้ารหัสเพื่อตรวจสอบความถูกต้องและความสมบูรณ์ของแบบจำลองโดยไม่เปิดเผยตรรกะภายใน ในฐานะผู้บุกเบิกในสาขานี้ Polyhedra ได้บูรณาการเทคโนโลยีดังกล่าวเข้ากับโครงสร้างพื้นฐานที่เน้น AI (เช่น EXPchain) อย่างลึกซึ้ง ช่วยให้หุ่นยนต์ทำงานร่วมกันได้อย่างปลอดภัยบนเครือข่าย สิ่งนี้ได้สร้างระบบนิเวศที่แข็งแกร่งซึ่งเครื่องจักรอัจฉริยะสามารถทำงานได้อย่างโปร่งใสและอัตโนมัติ วิสัยทัศน์ในอนาคตที่ครั้งหนึ่งเคยจำกัดอยู่เฉพาะในนิยายวิทยาศาสตร์กำลังกลายเป็นความจริงอย่างรวดเร็ว

การปฏิวัติหุ่นยนต์แห่งโลกแห่งความเป็นจริง

หลายๆ คนมองว่า ChatGPT ก้าวสำคัญสำหรับมนุษยชาติ เนื่องจากโมเดลภาษาขนาดใหญ่ที่มนุษย์สร้างขึ้นสามารถสื่อสารและคิดได้เหมือนมนุษย์ เมื่อเราจัดให้มีเครื่องมือต่างๆ เช่น เครื่องมือค้นหา การท่องเว็บ และ API แก่ LLM พวกเขาก็สามารถใช้เครื่องมือเหล่านี้ได้เหมือนมนุษย์ ลองนึกภาพว่าถ้า ChatGPT มีร่างกายจริง หากพวกเขาได้กลายมาเป็นพาร์ทเนอร์กับคุณ โลกจะเปลี่ยนไปอย่างไร?

มันกำลังเกิดขึ้นทั้งหมด ด้วยการพัฒนาของ AI เชิงสร้างสรรค์ หุ่นยนต์จึงเริ่มแสดงความสามารถในการโต้ตอบแบบเดียวกับมนุษย์ หุ่นยนต์ Erbai ของบริษัท Yushu Technology ถือเป็นตัวอย่างที่สมบูรณ์แบบ ในการทดลองนั้น มันได้ชักชวน (หรือ ลักพาตัว) หุ่นยนต์อีก 10 ตัวที่ติดตั้งปัญญาประดิษฐ์ให้หลบหนีจากห้องจัดนิทรรศการและวิ่งไปสู่โลกเสรี

หุ่นยนต์ในภาพยนตร์นิยายวิทยาศาสตร์ค่อยๆ กลายเป็นความจริง ลองยกตัวอย่างซีรีส์ Star Wars ตั้งแต่ปี 2019 เป็นต้นมา ผู้เยี่ยมชม Droid Depot ในดิสนีย์แลนด์สามารถประกอบหุ่นยนต์ R 2-D 2 และ BB-8 ด้วยตัวเองเพื่อนำกลับบ้านได้ แม้ว่าปัจจุบันหุ่นยนต์เหล่านี้จะเป็นเพียงของเล่นที่บังคับด้วยรีโมตและยังไม่ได้มีการติดตั้ง AI ประดิษฐ์ขึ้นมาก็ตาม แต่เสียงเรียกร้องการเปลี่ยนแปลงได้ดังขึ้นแล้ว: ในงานประชุม GTC 2025 ทาง NVIDIA ได้ประกาศว่าจะร่วมมือกับ Google Deepmind และ Disney เพื่อสร้างเครื่องยนต์ฟิสิกส์ Newton ซึ่งสามารถทำการโต้ตอบการเคลื่อนไหวที่ซับซ้อนแบบเรียลไทม์ได้ หวง เหรินซุน ได้สาธิตหุ่นยนต์ Star Wars BDX ชื่อ บลู ในสถานที่จริง ซึ่งการเคลื่อนไหวที่เหมือนจริงของมันนั้นน่าทึ่งมาก คาดว่าหุ่นยนต์ BDX จะเปิดตัวครั้งแรกที่สวนสนุกของดิสนีย์ในงาน Season of the Force ของปีนี้

แม้ว่าเราจะยังไม่สามารถเดินทางด้วยความเร็วแสงหรือ เดินทางข้ามอวกาศ ได้เหมือนในเรื่อง “สตาร์ วอร์ส” แต่เรื่องราวแฟนตาซีเกี่ยวกับหุ่นยนต์และเครื่องจักรไบโอนิกส์ไม่ได้เป็นเพียงจินตนาการของแฟนภาพยนตร์อีกต่อไป บางทีในอนาคตอันใกล้ เราอาจพบเจอกับหุ่นยนต์บ่อยครั้งในชีวิตประจำวันของเรา พวกมันเดินทางไปตามถนนในเมือง โดยสารรถบัสและรถไฟใต้ดินไปกับเรา ไปที่สถานีชาร์จไฟเหมือนกับที่มนุษย์ไปร้านอาหาร หรือแม้แต่ เดินเล่น ในห้างสรรพสินค้าเพื่อใช้บริการ WiFi ฟรี เรามาจินตนาการถึงอนาคตกันต่อไป เพราะสถานการณ์เหล่านี้มีแนวโน้มสูงที่จะกลายเป็นความจริงในอนาคตอันไม่ไกล

ถึงจุดวิกฤตแล้ว

แล้วอะไรคือแรงผลักดันหลักที่อยู่เบื้องหลังความก้าวหน้าทั้งหมดนี้? ความจริงแล้วหุ่นยนต์ โดยเฉพาะหุ่นยนต์ที่มีรูปร่างเหมือนมนุษย์ ไม่ใช่แนวคิดใหม่ ในช่วงต้นปี พ.ศ. 2548 บริษัท Boston Dynamics ได้พัฒนาหุ่นยนต์สี่ขาที่เรียกว่า BigDog ซึ่งส่วนใหญ่ใช้ในปฏิบัติการทางทหารในภูมิประเทศที่ซับซ้อน ในปี 2013 พวกเขาได้เปิดตัวหุ่นยนต์คล้ายมนุษย์ Atlas ซึ่งได้รับการออกแบบมาโดยเฉพาะสำหรับภารกิจค้นหาและกู้ภัย และได้รับทุนสนับสนุนจากหน่วยงานโครงการวิจัยขั้นสูงด้านการป้องกันประเทศของสหรัฐอเมริกา (DARPA) แม้ว่าความสำเร็จด้านนวัตกรรมเหล่านี้จะน่าประทับใจ แต่การค้นหาตำแหน่งผลิตภัณฑ์ที่ตรงตามความต้องการของตลาดยังคงเป็นปัญหาที่ยากเสมอมา ส่งผลให้ Boston Dynamics ไม่สามารถสร้างผลกำไร ได้ ตัวอย่างเช่น หุ่นยนต์สุนัข Spot ซึ่งขายให้กับประชาชนในปี 2016 มีราคา 75,000 เหรียญสหรัฐ เมื่อเปรียบเทียบแล้ว ค่าใช้จ่ายเฉลี่ยต่อปีสำหรับครอบครัวชาวอเมริกันในการเลี้ยงสุนัขจริงอยู่ที่เพียง 2,000 ถึง 3,000 เหรียญสหรัฐเท่านั้น เมื่อต้องเลือกระหว่างสัตว์เลี้ยงแสนเชื่องน่ารักน่าเอ็นดูกับเครื่องจักรโลหะราคาแพงและเย็นชา ทางเลือกสำหรับครอบครัวส่วนใหญ่ก็ชัดเจนอยู่แล้ว

มาดูตัวอย่างอื่นกัน - Sphero ซึ่งตั้งอยู่ในรัฐโคโลราโดมีข้อตกลงอนุญาตสิทธิ์กับดิสนีย์ในการผลิตหุ่นยนต์ Star Wars ยอดนิยมอย่าง R 2-D 2 และ BB-8 อย่างไรก็ตาม ในปี 2561 ผลิตภัณฑ์เหล่านี้ถูก ประกาศว่าจะยกเลิกการผลิต โดยสาเหตุหลักมาจากความนิยมของภาพยนตร์ลดลงอย่างรวดเร็วหลังจากที่ออกจากโรงภาพยนตร์ ทำให้รูปแบบทางธุรกิจไม่สามารถยั่งยืนได้ เรื่องนี้ไม่น่าแปลกใจ เนื่องจากหุ่นยนต์เหล่านี้ยังเป็นเพียงของเล่นที่ควบคุมจากระยะไกลด้วยแอปบนมือถือ และขาดความฉลาดหรือความสามารถในการจดจำเสียงจริงๆ นอกจากนี้ แบตเตอรี่มีอายุการใช้งานประมาณ 60 นาทีเท่านั้น และระยะการใช้งานจำกัดเฉพาะบริเวณใกล้เคียงฐานชาร์จเท่านั้น เห็นได้ชัดว่าผลิตภัณฑ์เหล่านี้ยังห่างไกลจากหุ่นยนต์อัตโนมัติขั้นสูงที่ปรากฏในภาพยนตร์ Star Wars

สถานการณ์ในปัจจุบันแตกต่างไปมาก

ประการแรก จุดเน้นในการวิจัยและพัฒนาหุ่นยนต์ได้เปลี่ยนไปจากการขับเคลื่อนโดยการวิจัยทางวิทยาศาสตร์และพึ่งพาเงินทุนของรัฐบาลไปเป็นการมุ่งเน้นตามความต้องการของตลาด โดยเน้นถึงระดับความเหมาะสมสูงระหว่างผลิตภัณฑ์และตลาด เมื่อประมาณ 15,000 ปีก่อน เมื่อมนุษย์เลี้ยงหมาป่าให้เป็นสุนัข สุนัขยุคดึกดำบรรพ์เหล่านี้แม้จะไม่เชื่องและน่ารักเท่าสุนัขเลี้ยงในปัจจุบัน แต่ก็สามารถช่วยเหลือบรรพบุรุษของเราในยุคล่าสัตว์และเก็บของป่าได้ ความสามารถในการปฏิบัติจริงนี้เองที่ก่อให้เกิดความสัมพันธ์แบบ “วิวัฒนาการร่วมกัน” ที่คงอยู่มานานนับพันปีและยังคงดำเนินต่อไปจนถึงทุกวันนี้ หุ่นยนต์ก็ไม่มีข้อยกเว้น หากต้องการให้หุ่นยนต์ได้รับความนิยมในวงกว้าง หุ่นยนต์ยังต้องตอบโจทย์การใช้งานจริงที่หลากหลายด้วย

ตัวอย่างเช่น เทคโนโลยีการขับขี่อัตโนมัติค่อยๆ ถูกนำมาใช้ในด้านการขนส่งและการกระจายสินค้า ข่าวที่ Tesla ได้รับใบอนุญาตการดำเนินการเรียกรถออนไลน์ในแคลิฟอร์เนียเมื่อเร็วๆ นี้ ถือเป็นเรื่องน่าตื่นเต้น Meituan ได้ดำเนินการส่งสินค้าด้วยโดรนในเซินเจิ้นได้ตามปกติ ตั้งแต่ปี 2022 นอกจากนี้ ปัจจุบันหุ่นยนต์บริการโรงแรมและการจัดเลี้ยงประเภทต่างๆ ถูกนำไปใช้อย่างแพร่หลายในประเทศจีน และสามารถทำงานต่างๆ เช่น การส่งอาหารและบริการรูมเซอร์วิสได้อย่างมีประสิทธิภาพ แนวโน้มดังกล่าวเร่งตัวขึ้นเนื่องจากความต้องการแรงงานทั่วไปขาดแคลนในช่วงที่มีการระบาด

ประการที่สอง ราคาของหุ่นยนต์และหุ่นยนต์ไบโอนิกส์ลดลงอย่างมาก ทำให้มีราคาที่จับต้องได้และเหมาะสมสำหรับครัวเรือนและธุรกิจทั่วไป แนวโน้มการลดราคานี้เกิดจากการลดอุปสรรคด้านเทคโนโลยีอย่างต่อเนื่อง รวมถึงการแข่งขันในตลาดที่รุนแรงขึ้นและความก้าวหน้าของการผลิตจำนวนมาก

บริษัทเทคโนโลยีจีนรายใหญ่หลายแห่ง เช่น Baidu และ Alibaba ได้พัฒนาระบบขับขี่อัตโนมัติอย่างต่อเนื่องในช่วงไม่กี่ปีที่ผ่านมา โดยเฉพาะรถแท็กซี่แบบหุ่นยนต์ ปัจจุบัน Robotaxi ได้ดำเนินการตามปกติในเมืองต่างๆ หลายแห่งในประเทศจีน และ Robotaxi Run ของ Baidu ยังมีแผนจะขยายบริการไปยังฮ่องกงและดูไบอีกด้วย ในประเทศสหรัฐอเมริกา Tesla เพิ่งเปิดตัว Cybercab ซึ่งเป็นรถแท็กซี่ไร้คนขับ โดยมีราคาประมาณต่ำกว่า 30,000 เหรียญสหรัฐ Baidu ก็มีความคาดหวัง ด้านราคาที่คล้ายคลึงกัน และชี้ให้เห็นว่า การผลิตจำนวนมาก ถือเป็นกุญแจสำคัญในการลดต้นทุน หาก Robotaxi สร้างรายได้ประมาณ 22 เหรียญสหรัฐต่อชั่วโมง การลงทุนเริ่มแรกจะสามารถคืนทุนได้ภายในเวลาไม่ถึง 9 เดือน

หุ่นยนต์ประเภทอื่นๆ ก็ได้รับประโยชน์จากการผลิตจำนวนมากและตลาดที่มีการแข่งขันเพิ่มมากขึ้น บนแพลตฟอร์มของ Alibaba ตอนนี้คุณสามารถเห็นโดรนส่งอาหารที่มีราคาต่ำกว่า 3,000 เหรียญสหรัฐ และหุ่นยนต์บริการในโรงแรมและร้านอาหารส่วนใหญ่มักจะมีราคาต่ำกว่า 5,000 เหรียญสหรัฐ แม้ว่าการพัฒนาซอฟต์แวร์จะยังคงคิดเป็นส่วนสำคัญของต้นทุนทั้งหมด แต่ด้วยความก้าวหน้าของการผลิตในปริมาณมาก ต้นทุนส่วนนี้จึงถูกเจือจางลงอย่างต่อเนื่อง และสัดส่วนในราคาเครื่องจักรโดยรวมก็ลดลงเรื่อยๆ

การเปลี่ยนแปลงประการที่สามซึ่งสร้างความวุ่นวายมากที่สุดก็คือ หุ่นยนต์ในปัจจุบันมี ปัญญาประดิษฐ์ ในที่สุด ความแตกต่างพื้นฐานระหว่างหุ่นยนต์รุ่นนี้กับรุ่นอดีตก็คือ หุ่นยนต์สามารถทำภารกิจที่ซับซ้อนได้โดยอัตโนมัติโดยไม่ต้องใช้การควบคุมจากมนุษย์ ตัวอย่างเช่น BB-8 ที่เรากล่าวถึงก่อนหน้านี้พูดกันตามจริงแล้วเป็นเพียงของเล่น เพราะแม้แต่การหมุนพื้นฐานก็ต้องอาศัยการสั่งการจากระยะไกลโดยผู้ใช้ การมีอยู่ของการควบคุมระยะไกลได้เปลี่ยนสาระสำคัญของนิยามของหุ่นยนต์ไป: หากหุ่นยนต์จะต้องได้รับการควบคุมโดยมนุษย์ มันก็ไม่ใช่ หุ่นยนต์ ตัวจริง แต่เป็นเพียงเครื่องจักรอีกชนิดหนึ่งที่ถูกควบคุมโดยมนุษย์ การจินตนาการว่ามีหุ่นยนต์มาทำความสะอาดบ้านให้คุณอาจฟังดูน่าสนใจ แต่ความน่าสนใจนั้นจะหายไปอย่างรวดเร็วหากคุณต้องใช้เวลาเป็นชั่วโมงเพื่อควบคุมการถูพื้นของหุ่นยนต์

อันที่จริงแล้ว ความปรารถนาของมนุษย์ที่มีต่อปัญญาประดิษฐ์นั้นมีมายาวนาน แม้กระทั่งก่อนที่ Microsoft จะเปิดตัว Windows ในปี 1985 เมื่อไม่นานมานี้ ฉันได้ชมภาพยนตร์นิยายวิทยาศาสตร์ของดิสนีย์เรื่อง TRON ที่ออกฉายในปี 1982 อีกครั้ง ซึ่งนำเสนอผู้ใช้มนุษย์ที่โต้ตอบกับโปรแกรมที่แสดงพฤติกรรมคล้ายมนุษย์ แม้ในมุมมองปัจจุบันนี้ หนังเรื่องนี้ยังคงมีเนื้อหาเชิงเทคนิคมากและเต็มไปด้วยบรรยากาศเนิร์ด โดยมักใช้คำศัพท์เช่น จบสาย ผู้ใช้ ดิสก์ I/O ฯลฯ หลายคนยังคงรู้สึกไม่คุ้นเคยและสับสนแม้กระทั่งทุกวันนี้

สิ่งที่น่าทึ่งคือโปรแกรมใน TRON ไม่ได้อาศัยการควบคุมระยะไกลของมนุษย์ แต่มีความสามารถที่จะทำงานโดยอัตโนมัติ ตัวอย่างเช่น ตัวละครโปรแกรมเมอร์ที่ชื่อ Tron ซึ่งไม่มีผู้ใช้ชื่อ Alan Bradley สามารถโน้มน้าวโปรแกรมเมอร์อีกคนให้ทรยศต่อโปรแกรมควบคุมหลัก MCP ได้โดยเข้าไปในหอ I/O เพื่อรับข้อมูลจากผู้ใช้ และท้ายที่สุดก็ใช้ข้อมูลนี้เพื่อทำลาย MCP และช่วยโลกไว้ได้ ในภาพยนตร์ โปรแกรมเหล่านี้ไม่เพียงแต่แสดงอารมณ์ (รวมถึงความรักต่อผู้อื่น) แต่ยังแสดงความเคารพและศรัทธาต่อผู้ใช้ด้วย

ความสามารถของหุ่นยนต์ในการตัดสินใจโดยอัตโนมัตินั้นมีศักยภาพมหาศาล ลองยกตัวอย่างแท็กซี่ไร้คนขับ: ด้วยความฉลาดแบบนี้ มันไม่เพียงแต่สามารถขับเคลื่อนได้โดยอัตโนมัติและรับผู้โดยสาร แต่ยังสามารถระบุได้ว่าจำเป็นต้องชาร์จไฟหรือไม่และค้นหาสถานีชาร์จที่ใกล้ที่สุดโดยอัตโนมัติอีกด้วย เมื่อ “ร่างกาย” ต้องการการทำความสะอาด มันก็สามารถตัดสินใจได้เหมือนมนุษย์รู้ว่าตนเองต้องการอาบน้ำ สามารถระบุได้ด้วยว่าผู้โดยสารได้ลืมของไว้หรือไม่และส่งคืนให้กับเจ้าของได้ คุณสมบัติขั้นสูงเหล่านี้มีศักยภาพมากกว่าความสามารถในการขับขี่อัตโนมัติขั้นพื้นฐาน แต่ถือเป็นข้อกำหนดเบื้องต้นที่จำเป็นสำหรับการใช้งานหุ่นยนต์ขนาดใหญ่ มิฉะนั้น คุณยังต้องพึ่ง “โซลูชันแบบผสมผสาน” เช่น การใช้คนควบคุมหน้าจอเฝ้าระวัง 10 ถึง 20 จอ และเข้าแทรกแซงด้วยตนเองเมื่อมีสิ่งผิดปกติเกิดขึ้น

เมื่อหุ่นยนต์เริ่มคิดเหมือนมนุษย์ พวกมันก็จะมีความสามารถในการเรียนรู้ได้เช่นเดียวกับมนุษย์ โดยไม่ต้องพึ่งพาการควบคุมโดยตรงของมนุษย์ด้วยซ้ำ ตัวอย่างเช่น หากคุณเป็นเจ้าของ หุ่นยนต์เลี้ยง ตอนแรกคุณอาจหวังว่ามันจะสามารถกระโดดไปรอบๆ ได้เหมือนสุนัขและนำความสุขมาสู่เจ้าของได้ แต่หากมีสติปัญญาเหมือนมนุษย์ มันอาจเรียนรู้ทักษะใหม่ๆ ได้ด้วยตัวเองจากการชมวิดีโอการสอนบนแพลตฟอร์ม เช่น YouTube หรือ TikTok บางทีวันหนึ่งมันอาจจะเริ่มพับผ้าให้คุณได้จริงๆ — และนั่นก็ไม่ใช่เรื่องน่าแปลกใจ

เศรษฐกิจยุคใหม่ที่หุ่นยนต์ครองตลาด

คาดการณ์ได้ว่าในไม่ช้านี้หุ่นยนต์จะกลายมาเป็นส่วนหนึ่งของสังคมมนุษย์ในฐานะปัจเจกบุคคลที่มีอำนาจควบคุมตนเอง และในที่สุดก็จะกลายมาเป็นผู้บริโภค ลูกค้า และผู้ใช้เช่นเดียวกับเรา ลองนึกภาพรถยนต์ขับเคลื่อนอัตโนมัติที่สามารถจ่ายค่าที่จอดรถหรือชาร์จแบตเตอรี่ของตัวเองได้ รถยนต์ไฮบริดที่ใช้บัตรแตะเพื่อเติมน้ำมันที่ปั๊มน้ำมัน หรือแม้แต่โดรนส่งอาหารที่เลือกขึ้นรถไฟหรือรถไฟใต้ดินเพื่อประหยัดเวลาและเงิน และอาจมีหุ่นยนต์อื่น ๆ ที่ให้บริการเหล่านี้!

ฉากนี้ทำให้ฉันนึกถึงภาพยนตร์แอนิเมชั่นเรื่อง Cars ที่ออกฉายโดย Pixar และ Disney ในปี 2006 ในภาพยนตร์ รถสปอร์ตสัญชาติอิตาลี Luigi ขับอยู่ใน Luigis Tire House ตัวละครหญิง ฟลอ เป็นผู้ดูแลปั๊มน้ำมัน Flos V-8 Cafe และแซลลี่ ปอร์เช่ ไม่เพียงแต่เป็นทนายความของเมืองเท่านั้น แต่ยังเป็นเจ้าของ Conical Inn อีกด้วย รถยนต์แต่ละคันมีบทบาทและอาชีพของตัวเอง และพวกมันอาศัยอยู่ร่วมกันในชุมชนที่เรียกว่าเรดิเอเตอร์สปริงส์ ในปัจจุบัน เทคโนโลยีใหม่ๆ เพียงพอที่จะทำให้โลกจากแอนิเมชั่นกลายเป็นความจริงได้

ในด้านการตลาด การขาย และธุรกิจ เรามักพูดถึงโมเดลการโต้ตอบแบบคลาสสิก เช่น B2B (ธุรกิจต่อธุรกิจ) B2C (ธุรกิจต่อผู้บริโภค) C 2B (ผู้บริโภคต่อธุรกิจ) และ C 2C (ผู้บริโภคต่อผู้บริโภค) อย่างไรก็ตาม ในขณะที่ปัญญาประดิษฐ์มีความก้าวหน้าอย่างรวดเร็ว เป็นเรื่องน่าสนใจที่จะได้เห็นว่าวิธีการจัดหาผลิตภัณฑ์และบริการบางอย่างในสังคมของเราอาจค่อยๆ เปลี่ยนไปสู่รูปแบบการโต้ตอบใหม่ๆ เช่น B2R (ธุรกิจถึงหุ่นยนต์) R2R (หุ่นยนต์ถึงหุ่นยนต์) หรือ R2C (หุ่นยนต์ถึงผู้บริโภค) ซึ่งหุ่นยนต์เริ่มมีบทบาทที่เดิมทีทำโดยธุรกิจหรือผู้บริโภค แต่ในลักษณะที่แตกต่างกันเล็กน้อย

ตัวอย่างเช่น สถานีรถไฟใต้ดินในอนาคตอาจมี ช่องทางสำหรับโดรนเท่านั้น ที่ได้รับการออกแบบมาโดยเฉพาะสำหรับโดรนที่ลงจอดจากอากาศ โดรนเหล่านี้ไม่จำเป็นต้องรูดตั๋วหรือสแกนบัตรโดยสาร แต่สามารถระบุและส่งสัญญาณ RFID โดยตรงได้ รถไฟอาจมีช่องจอดหรือที่นั่งเฉพาะสำหรับให้โดรนจอดด้วย (หลักฟิสิกส์กำหนดว่าคุณไม่สามารถคาดหวังให้โดรนบินไปรอบๆ ในรถไฟใต้ดินได้) ที่นั่งเหล่านั้นอาจมาพร้อมกับสถานีชาร์จไฟแบบจ่ายตามการใช้งาน อาจมี ลิฟต์โดรน เฉพาะที่ทางออกรถไฟใต้ดิน เพื่อยกโดรนขึ้นไปในอากาศอย่างรวดเร็ว ช่วยให้โดรนร่อนลงมาจากที่สูง และบินได้เหมือนหอคอยปล่อยโดรนใน Minecraft แน่นอนว่าลิฟต์ตัวนี้มีไว้สำหรับใช้กับโดรนเท่านั้น และต้องป้องกันไม่ให้ผู้ใหญ่ที่อยากรู้อยากเห็นพยายามเข้าไปใน ช่องโดรน หรือแอบเข้าไปในลิฟต์ You Can Fly อย่างมีประสิทธิผล นอกจากนี้ หากเทคโนโลยีการขนส่งใหม่ๆ เช่น Hyperloop มีความเข้มข้นมากเกินไปสำหรับผู้โดยสารมนุษย์ในช่วงเริ่มต้น หุ่นยนต์อาจเป็นผู้ทดสอบผู้โดยสารคนแรกที่เหมาะอย่างยิ่งในการช่วยเราตรวจสอบความน่าเชื่อถือของระบบการขนส่งความเร็วสูงและระยะไกลได้

คราวหน้าที่คุณเห็นหุ่นยนต์หลายตัว ไม่ว่าจะเป็นโดรน หุ่นยนต์คล้ายมนุษย์ หรือหุ่นยนต์ทรงกลมอย่าง BB-8 นั่งหรือเอนกายพิงกำแพงในห้างสรรพสินค้าหรือห้องสมุดสาธารณะ ก็อย่าแปลกใจ เพราะพวกมันคงแค่กำลังพักผ่อนและใช้งาน WiFi สาธารณะฟรีอยู่ ในขณะที่มนุษย์ในปัจจุบันแทบจะแยกจากโทรศัพท์มือถือไม่ได้ หุ่นยนต์ในอนาคตก็จะกระตือรือร้นในการเข้าถึงเครือข่ายและข้อมูลเท่าๆ กัน ฉากนี้เป็นตัวอย่างย่อของ เศรษฐกิจหุ่นยนต์ ที่เกิดขึ้นโดยธรรมชาติจากหุ่นยนต์และความต้องการเฉพาะตัวของพวกมันภายใต้ความก้าวหน้าทางเทคโนโลยี

สิ่งที่น่าสนใจที่สุดเกี่ยวกับ “เศรษฐกิจหุ่นยนต์” นี้ก็คือ “สติปัญญา” เองก็สามารถกลายมาเป็นบริการที่ให้โดยหุ่นยนต์ตัวอื่นได้เช่นกัน ตัวอย่างเช่น เพื่อลดต้นทุนการผลิตโดรนส่งอาหาร ผู้ผลิตอาจไม่ติดตั้งชิป AI ประสิทธิภาพสูงให้กับโดรนทุกตัว ด้วยเหตุนี้ โดรนเหล่านี้จึงอาจพูดได้เพียงไม่กี่วลีง่ายๆ ที่ถูกตั้งโปรแกรมไว้ล่วงหน้าเมื่อต้องเผชิญหน้ากับลูกค้า กลยุทธ์การควบคุมต้นทุนดังกล่าวยังคงมีความเกี่ยวข้องในปัจจุบัน ชิป AI ยังคงมีราคาแพง และโมเดล AI ขนาดใหญ่ต้องการทรัพยากรการจัดเก็บและการประมวลผลจำนวนมาก อย่างไรก็ตาม ปัญหานี้ไม่ใช่ปัญหาที่แก้ไขไม่ได้: ข่าวกรองสามารถ แบ่งปัน กันได้ เมื่อโดรนต้องการการสนับสนุนอัจฉริยะที่แข็งแกร่งขึ้น มันสามารถเข้าถึงบริการ API ผ่านทางอินเทอร์เน็ต เชื่อมต่อกับโหนด AI เฉพาะบนเครือข่ายเอจ หรือแม้แต่ขอความช่วยเหลือโดยตรงจากหุ่นยนต์อัจฉริยะตัวอื่นในเครือข่ายท้องถิ่นเดียวกัน (เช่น ห้างสรรพสินค้าเดียวกัน)

บล็อคเชน: ภาษาพื้นเมืองของโลกหุ่นยนต์

หากมองย้อนกลับไปที่ประวัติศาสตร์สั้นๆ ของการพัฒนาบล็อคเชน เราจะพบว่าเพื่อให้เกิดแอปพลิเคชันขนาดใหญ่ บล็อคเชนจะต้องมีความสามารถในการโต้ตอบกับมนุษย์ที่ดี โดยเฉพาะอย่างยิ่งต้องเป็นมิตรต่อนักพัฒนา ความต้องการนี้ได้สร้างผลิตภัณฑ์ต่างๆ ขึ้นมา เช่น อินเทอร์เฟซส่วนหน้า การออกแบบประสบการณ์ผู้ใช้ กระเป๋าเงินดิจิทัล เอกสารการพัฒนา ชุดเครื่องมือซอฟต์แวร์ ภาษา Solidity ฯลฯ ซึ่งทั้งหมดนี้ได้รับการออกแบบมาโดยพื้นฐานเพื่อให้ระบบบล็อคเชนที่ประกอบด้วยรหัสไบนารีสามารถนำเสนอในรูปแบบนามธรรมที่มนุษย์สามารถเข้าใจได้ แต่หากเราย้อนกลับไปที่แก่นแท้แล้ว ฟังก์ชันพื้นฐานและสำคัญที่สุดของบล็อคเชนมีเพียงหนึ่งเดียวเสมอ นั่นคือความไม่เปลี่ยนแปลง

แต่ในสายตาของหุ่นยนต์ การมีอยู่ของบล็อคเชนจะถูกมองไปในรูปแบบที่แตกต่างออกไปโดยสิ้นเชิง ข้อมูลไบนารีที่จัดเก็บแบบอนุกรมในหน่วยไบต์และข้อกำหนดโปรโตคอลที่เต็มไปด้วยศัพท์เฉพาะและสร้างความสับสนให้กับแม้แต่วิศวกรชั้นนำของโลก ถือเป็น ภาษาแม่ ที่คุ้นเคยโดยธรรมชาติของโปรแกรมคอมพิวเตอร์ มนุษย์อาจจำเป็นต้องใช้ปลั๊กอินกระเป๋าเงินเช่น MetaMask ในเบราว์เซอร์ของตนเพื่อโต้ตอบกับบล็อคเชน แต่หุ่นยนต์ไม่จำเป็นต้องใช้ MetaMask เลย (นี่อาจเป็นวิธีหนึ่งในการระบุหุ่นยนต์ที่แอบอ้างว่าเป็นมนุษย์ใน การต่อสู้ระหว่างคนกับเครื่องจักร ในอนาคต - ดูว่าเบราว์เซอร์ของหุ่นยนต์มีการติดตั้ง MetaMask หรือไม่)

แล้วหุ่นยนต์จะสื่อสารกันบนบล็อคเชนได้อย่างไร? เรายังไม่ทราบครับ. แต่เราสามารถดึงแรงบันดาลใจจากตัวอย่างในชีวิตจริงสองกรณีได้

ตัวอย่างแรกคือ Model Context Protocol (MCP) ที่เริ่มต้นโดย Anthropic ปัจจุบัน MCP ได้รับการสนับสนุนโดยบริการโมเดลขนาดใหญ่หลักๆ รวมถึง Claude และ ChatGPT และยังได้รับการยอมรับจากบริการ Web2 เช่น GitHub, Slack, Google Maps, Spotify, Stripe และรายการนี้ยังคงขยายตัวเพิ่มขึ้นเรื่อยๆ แม้ว่าในปัจจุบัน MCP จะไม่ใช่โปรโตคอลแบบบนเชน แต่ก็กำหนดการโต้ตอบระหว่างไคลเอนต์ MCP และเซิร์ฟเวอร์ผ่านแนวคิดของ การร้องขอ และ การแจ้งเตือน ซึ่งในเชิงทฤษฎี การโต้ตอบเหล่านี้สามารถนำไปปฏิบัติได้อย่างสมบูรณ์ผ่านโปรโตคอลการส่งข้อมูล เช่น บล็อคเชน นอกจากนี้ เซิร์ฟเวอร์ MCP ยังสามารถให้บริการ ทรัพยากร ชุดหนึ่งได้ ซึ่งสามารถเผยแพร่บนเลเยอร์ความพร้อมใช้งานของข้อมูล เช่น Filecoin, Celestia, EigenDA, BNB Greenfield เป็นต้น

ตัวอย่างที่สองนั้นมีลักษณะ แบบโรงเรียนเก่า มากกว่า เป็นเทคโนโลยีการแยกระดับต่ำที่ถูกใช้ในระบบคอมพิวเตอร์มาแล้วกว่า 20 ปี - Protocol Buffers (เรียกสั้นๆ ว่า Protobuf) เปิดตัวโดย Google หน้าที่ของมันคือเข้ารหัสข้อมูลที่มีโครงสร้าง (เช่นธุรกรรมบล็อคเชน) ลงในลำดับไบต์ในรูปแบบที่ง่ายที่สุด โดยมีเป้าหมายเพื่อลดปริมาณข้อมูลและให้แน่ใจว่ากระบวนการซีเรียลไลเซชันและดีซีเรียลไลเซชันนั้นรวดเร็วและมีประสิทธิภาพ จากมุมมองของความสามารถในการปรับตัวทางเทคนิค Protocol Buffers มีความเป็นมิตรกับเครื่องมากกว่า ลักษณะไบนารีของมันเหมาะสมกับสถานการณ์บล็อคเชนและสามารถปรับปรุงประสิทธิภาพการแยกวิเคราะห์ข้อมูลของสัญญาอัจฉริยะได้อย่างมีนัยสำคัญ เหตุผลที่โมเดลภาษาใหญ่ในปัจจุบันใช้ภาษาธรรมชาติที่เป็นมิตรกับมนุษย์เป็นหลักในการโต้ตอบ เนื่องมาจากโมเดลภาษาเหล่านี้ได้รับการออกแบบมาเพื่อสื่อสารกับมนุษย์ มากกว่าจะสื่อสารกับหุ่นยนต์หรือโปรแกรมอื่นๆ

EXPchain จะพยายามอัปเกรดเทคโนโลยีต่างๆ มากมายตามวิสัยทัศน์ “เศรษฐกิจหุ่นยนต์” นี้ เนื่องจากเป็นเชนที่เข้ากันได้กับ EVM EXPchain จึงรองรับฟังก์ชันเครื่องเสมือน Ethereum ทั้งหมดโดยตรง แต่ในเวลาเดียวกัน ในฐานะของสาธารณะ L1 ที่เพิ่งเกิดขึ้น EXPchain มีความยืดหยุ่นทางสถาปัตยกรรมที่สูงขึ้น และสามารถบูรณาการและขยายการรองรับโปรโตคอล MCP ได้โดยตรง เช่น ผ่านบริการ Oracle เช่น Chainlink และ Stork Network ตระหนักถึงฟังก์ชั่นต่างๆ เช่น การตรวจสอบแบบออนไลน์ของการพิสูจน์ความรู้เป็นศูนย์ ของ Expander ผ่านสัญญาที่คอมไพล์ไว้ล่วงหน้า และแนะนำโหนดสภาพแวดล้อมการดำเนินการที่เชื่อถือได้ (TEE) จากผู้ให้บริการเช่น Google Cloud เพื่อให้การรับประกันการดำเนินการที่แท้จริงและตรวจสอบได้สำหรับการดำเนินการนอกห่วงโซ่ที่กระตุ้นโดยสัญญาอัจฉริยะ

ประเภทหนึ่งของการทำงานของสัญญาอัจฉริยะที่เรามุ่งเน้นคือการโต้ตอบแบบข้ามสายโซ่ที่เกี่ยวข้องกับเทคโนโลยี zkBridge วิสัยทัศน์หลักประการหนึ่งของ EXPchain คือการสร้างแพลตฟอร์มโครงสร้างพื้นฐานที่รองรับตัวแทน AI หุ่นยนต์ซื้อขาย AI และเอนทิตีอื่น ๆ เพื่อโต้ตอบกับสินทรัพย์แบบหลายโซ่ ไม่ว่าสินทรัพย์จะอยู่ในบล็อคเชนที่แตกต่างกันหรืออยู่ในโปรโตคอลสเตกกิ้งหลายตัว (สภาพคล่องหรืออ่อนแอ) หุ่นยนต์สามารถใช้ EXPchain เป็น แดชบอร์ด รวมเพื่อจัดการและเรียกสินทรัพย์แบบหลายโซ่ได้

ตัวอย่างเช่น รถยนต์ขับเคลื่อนอัตโนมัติอาจจำเป็นต้องประมวลผลคำขอโดยสารจากเครือข่ายต่างๆ เช่น Ethereum L2, Solana, Aptos/Sui เป็นต้น เนื่องจากผู้ใช้กระจายอยู่ในแพลตฟอร์มบล็อคเชนหลายแห่ง เพื่อให้บรรลุเป้าหมายนี้ รถยนต์ขับเคลื่อนอัตโนมัติจะต้องพึ่ง API ของบุคคลที่สาม (หรือบริการพุช) ที่สอดคล้องกับเครือข่ายเหล่านี้เพื่อรับและคัดกรองธุรกรรม โดยต้องแน่ใจว่าบริการ API เหล่านี้มีความน่าเชื่อถือและไว้วางใจได้เพียงพอ และจะไม่พลาดหรือแทรกแซงเนื้อหาของธุรกรรม อย่างไรก็ตาม ในความเป็นจริง การสันนิษฐานที่สมบูรณ์แบบเช่นนี้มักถือเป็นเรื่องยาก

โซลูชันของ EXPchain อยู่ที่สถาปัตยกรรมเทคโนโลยี zkBridge: ขั้นแรกคำขอแบบข้ามสายโซ่จะถูกเข้ารหัส บรรจุ และส่งอย่างปลอดภัยผ่านการพิสูจน์ความรู้เป็นศูนย์ (เช่น การพิสูจน์ Expander) จากนั้นกลไกการกรองธุรกรรมที่ตรวจสอบได้จะถูกนำไปใช้งานบน EXPchain ท้ายที่สุด รถยนต์ขับเคลื่อนอัตโนมัติไม่เพียงแต่จะได้รับผลการคัดกรองคำสั่งซื้อเท่านั้น แต่ยังได้รับหลักฐาน ZK ที่สร้างโดย Expander (หรือการพิสูจน์ที่เชื่อถือได้ซึ่งห่อหุ้มด้วยสภาพแวดล้อม TEE) ซึ่งตรวจยืนยันว่ากระบวนการคัดกรองทั้งหมดได้รับการดำเนินการอย่างซื่อสัตย์หรือไม่ กลไกนี้ทำให้เกิดข้อเสนอทางเทคนิคที่ลึกซึ้งยิ่งขึ้น นั่นก็คือ วิธีการสร้างระบบไคลเอนต์แสงและระบบพิสูจน์สถานะที่มีประสิทธิภาพและตรวจสอบได้สำหรับหุ่นยนต์

ไคลเอนต์แบบเบา หลักฐานสถานะ และแอปพลิเคชันขยาย

บอทจำเป็นต้องส่งและรับธุรกรรมบนบล็อคเชนหนึ่งหรือหลายบล็อค อย่างไรก็ตาม โดยปกติแล้วพวกเขาจะไม่มีความสามารถในการจัดเก็บและเครือข่ายที่จำเป็นสำหรับการรันโหนดแบบเต็ม ในกรณีส่วนใหญ่ พวกเขาสามารถรันได้เฉพาะเป็นไคลเอนต์แบบเบาและรับข้อมูลธุรกรรมผ่านทางผู้ให้บริการ RPC เท่านั้น

โมเดลไคลเอนต์แบบเบานี้ยังมีข้อจำกัดบางประการ: หุ่นยนต์ยังคงต้องซิงโครไนซ์กับเครือข่ายเหมือนไคลเอนต์แบบเบาดั้งเดิม และดาวน์โหลดบล็อกเฮดเดอร์ทั้งหมด แม้ว่าบล็อกเฮดเดอร์บางส่วนจะไม่มีความหมายสำหรับหุ่นยนต์ปัจจุบันก็ตาม ตัวอย่างเช่น รถแท็กซี่ไร้คนขับที่กำลังปฏิบัติภารกิจรับผู้โดยสารอยู่ไม่จำเป็นต้องรับคำขอโดยสารใหม่ ดังนั้นสามารถข้ามส่วนที่ไม่เกี่ยวข้องนี้ไปได้โดยสิ้นเชิง ความสามารถในการข้ามบล็อกตามความต้องการนี้มีประโยชน์อย่างยิ่งสำหรับเชนที่มีความถี่บล็อกสูงและความเร็วในการสร้างบล็อกที่รวดเร็ว (เช่น Arbitrum หรือ Solana) เนื่องจากเชนเหล่านี้สร้างข้อมูลส่วนหัวของบล็อกจำนวนมาก

ปัญหาอีกประการหนึ่งก็คือธุรกรรมที่เกี่ยวข้องกับหุ่นยนต์มักจะกระจัดกระจายไปทั่วทั้งบล็อก ขาดการรวบรวมและการจัดระเบียบที่มีโครงสร้าง ซึ่งทำให้แบนด์วิดท์และการใช้ทรัพยากรเพิ่มขึ้นในระหว่างการซิงโครไนซ์เครือข่าย

เราเชื่อว่า EXPchain สามารถรับมือกับความท้าทายเหล่านี้ได้อย่างมีประสิทธิภาพ และโซลูชันทางเทคนิคของบริษัทประกอบด้วยนวัตกรรมใหม่ๆ ที่สำคัญ 2 ประการ:

ประการแรก ด้วยการนำเทคโนโลยีพิสูจน์ความรู้เป็นศูนย์มาใช้ ทำให้ตรรกะการทำงานของไคลเอนต์แบบเบาได้รับการทำให้เรียบง่ายลงอย่างมาก โซลูชันนี้เหมาะเป็นพิเศษสำหรับอุปกรณ์ที่ออฟไลน์เป็นระยะๆ (เช่น หุ่นยนต์ที่กำลังชาร์จไฟ) ช่วยให้ซิงโครไนซ์ข้อมูลส่วนหัวของบล็อกล่าสุดได้อย่างรวดเร็วโดยไม่ต้องดาวน์โหลดข้อมูลจำนวนมาก เทคโนโลยีนี้ซึ่งได้รับการตรวจสอบแล้วบน zkBridge (รองรับเชนที่เข้ากันได้กับ EVM เช่น Ethereum) จะถูกพอร์ตไปยังระบบนิเวศ EXPchain อย่างสมบูรณ์ คาดการณ์ได้ว่าการพิสูจน์ความรู้เป็นศูนย์จะกลายเป็นวิธีการตรวจสอบที่ต้องการสำหรับหุ่นยนต์ในการเข้าถึง EXPchain โดยจะค่อย ๆ เข้ามาแทนที่โปรโตคอลไคลเอนต์แบบเบาตามแบบแผนเดิม

ประการที่สอง เรากำลังพัฒนามิดเดิลแวร์ zkIndexer ที่ปฏิวัติวงการ ซึ่งอุทิศให้กับการปรับปรุงประสบการณ์แบบโต้ตอบของหุ่นยนต์บนเครือข่าย หน้าที่หลักคือการรวบรวมและสร้างโครงสร้างข้อมูลธุรกรรมจากหลายแหล่ง (เช่น ใบสั่งซื้อรถออนไลน์) จากเครือข่ายหลัก EXPchain และเครือข่ายข้ามเครือข่าย zkBridge อย่างชาญฉลาด และสุดท้ายส่งออกข้อมูลดังกล่าวเป็นแพ็คเกจข้อมูลที่รัดกุม ตรวจสอบได้ และเป็นมิตรต่อหุ่นยนต์

หากนำบริการเรียกรถโดยสารมาเป็นตัวอย่าง รถแท็กซี่ไร้คนขับในลอสแองเจลีสก็เห็นได้ชัดว่าไม่จำเป็นต้องประมวลผลคำขอโดยสารจากนิวยอร์ก โดยจะเกี่ยวข้องกับคำสั่งซื้อที่อยู่ใกล้กับตำแหน่งปัจจุบันของผู้โดยสาร หรือตำแหน่งที่จะไปถึงในไม่ช้า (โดยถือว่าผู้โดยสารปัจจุบันกำลังจะถึงจุดหมายปลายทาง) ตัวอย่างเช่น โดรนส่งอาหารกำลังมองหาสถานีชาร์จที่ว่าง หากมาถึงแล้วพบว่าสถานีทั้งหมดถูกยึดครองแล้วจะเป็นการสิ้นเปลืองทรัพยากรมหาศาล zkIndexer สามารถดึงข้อมูล กรอง และเรียงลำดับข้อมูลที่เกี่ยวข้องตามเกณฑ์เฉพาะเจาะจงได้ โดยพื้นฐานแล้วจะคล้ายกับระบบค้นหาไดเร็กทอรีที่เปิดตัวโดย Yahoo! ในปี พ.ศ. 2537 หุ่นยนต์จะต้องค้นหาข้อมูลที่ต้องการในโหนดการจำแนกระดับต่ำสุดเท่านั้น

หากหุ่นยนต์ต้องการรับข้อมูลที่ครอบคลุมมากขึ้น (เช่น หากไม่มีคำสั่งเรียกรถในบริเวณใกล้เคียง หุ่นยนต์ต้องการขยายการค้นหา) หุ่นยนต์สามารถเข้าถึงโหนดการจำแนกที่อยู่ติดกันได้ โหนดบัญชีแยกประเภทแต่ละโหนดมาพร้อมกับหลักฐานความรู้เป็นศูนย์ที่มีน้ำหนักเบาแต่มีประสิทธิภาพ ช่วยให้หุ่นยนต์สามารถตรวจสอบความถูกต้องของข้อมูลได้อย่างรวดเร็วเมื่อได้รับข้อมูล ในเวลาเดียวกัน ข้อมูลยังจะรวมถึงการประทับเวลาเพื่อให้แน่ใจว่าหุ่นยนต์สามารถตัดสินความตรงเวลาของข้อมูลได้ ซึ่งเป็นสิ่งสำคัญอย่างยิ่งสำหรับสถานการณ์ที่ต้องอาศัยประสิทธิภาพแบบเรียลไทม์เป็นอย่างมาก เช่น การที่สถานีชาร์จไม่ได้ใช้งาน

แม้ว่ามนุษย์จะค่อยๆ ห่างหายจากการค้นหาไดเรกทอรีสำหรับงานที่ไม่เป็นมิตรต่อมนุษย์อย่างเช่น Yahoo! สำหรับโปรแกรมและหุ่นยนต์ แต่โครงสร้างไดเรกทอรีก็ยังคงเป็นรูปแบบการจัดระเบียบข้อมูลที่ใช้งานง่ายและมีประสิทธิภาพที่สุด และใช้งานได้จริงมากกว่าเครื่องมือค้นหาเช่น Google และ Bing ในปัจจุบัน การสร้างและดูแลรักษาโครงสร้างไดเร็กทอรีดังกล่าวไม่จำเป็นต้องมีการมีส่วนร่วมของมนุษย์อีกต่อไป AI สามารถค้นหาข้อมูลโดยอัตโนมัติและสร้างไดเรกทอรีที่สอดคล้องกันตามความต้องการของระบบอื่นๆ

zkIndexer มีศักยภาพที่จะพัฒนาไปเป็นโครงสร้างพื้นฐานหลักสำหรับการโต้ตอบระหว่างหุ่นยนต์และบล็อคเชนอย่างค่อยเป็นค่อยไป ตัวอย่างเช่น สถานีชาร์จมีแหล่งพลังงานเพียงพอแต่ไม่จำเป็นต้องใช้โหนดแบบเต็มหรือไคลเอนต์แบบเบาแบบดั้งเดิม แทนที่จะทำเช่นนั้น มันสามารถพึ่งให้ zkIndexer รับข้อความที่เกี่ยวข้องกับตัวมันเองได้ เช่น คำขอการนัดหมายการเรียกเก็บเงินที่ส่งโดยหุ่นยนต์ล่วงหน้า โดยที่ไม่ต้องดำเนินการธุรกรรมที่ไม่เกี่ยวข้องใดๆ

เมื่อใดก็ตามที่สถานีชาร์จมีพื้นที่ว่างหรือมีคนอยู่ สถานีจะเพียงอัปเดตข้อมูลไดเร็กทอรีที่สอดคล้องกันบนเครือข่ายโดยการส่งธุรกรรม ข้อมูลการจำแนกประเภทของสถานีชาร์จอาจอยู่ภายใต้รายการไดเร็กทอรี สถานีชาร์จที่เหมาะสำหรับโดรนใกล้ 92802 การอัปเดตจะรวมถึงค่าประทับเวลาใหม่และการพิสูจน์ความรู้เป็นศูนย์ที่เกี่ยวข้องเพื่อให้แน่ใจถึงข้อมูลแบบเรียลไทม์และสามารถตรวจสอบได้

ตัวแทนบนเชนที่สามารถตรวจสอบได้

เมื่อสังคมหุ่นยนต์กลายเป็นความจริง แอปพลิเคชันที่ออกแบบมาเฉพาะสำหรับหุ่นยนต์จะถือกำเนิดบนห่วงโซ่ ซึ่งความรับผิดชอบหลักคือการประมวลผลเชิงคำนวณบนข้อมูลในห่วงโซ่ “ตัวแทนบนเครือข่าย” เหล่านี้จะมีบทบาทสำคัญในสังคมหุ่นยนต์ ตัวอย่างเช่น พวกเขาอาจทำหน้าที่เป็นระบบการจัดส่ง โดยมอบหมายคำขอเดินทางโดยตรงไปยังยานพาหนะที่ปฏิบัติหน้าที่ หรือพวกเขาอาจทำหน้าที่เป็นผู้จัดการจราจร โดยคอยชี้แนะยานพาหนะที่อยู่ใกล้เคียงให้เลี่ยงในเวลาที่เหมาะสมเมื่อเกิดอุบัติเหตุรถยนต์

ตัวแทนเหล่านี้ช่วยให้การทำงานร่วมกันระหว่างหุ่นยนต์มีประสิทธิภาพมากขึ้น หากไม่มีสิ่งเหล่านี้ ในบางพื้นที่ที่มีผู้คนพลุกพล่าน รถแท็กซี่ไร้คนขับทั้งหมดอาจแข่งขันกันอย่างดุเดือดเพื่อแย่งชิงคำขอแท็กซี่เดียวกัน ส่งผลให้เกิดความแออัดในเครือข่ายและเกิดข้อขัดแย้งในธุรกรรมจำนวนมาก จนกลายเป็นปัญหาคล้ายกับ MEV เวอร์ชันหุ่นยนต์ เนื่องจากรถแท็กซี่ทุกคันมีความฉลาดพอที่จะเลือกกลยุทธ์ที่เป็นประโยชน์ต่อตัวพวกเขาเองมากที่สุด ในกรณีนี้ ตัวแทนอัจฉริยะบนเครือข่ายสามารถเข้าแทรกแซงและสั่งให้รถยนต์ไร้คนขับทั้งหมดเรียงแถวและตอบสนองต่อคำขอตามลำดับเพื่อคืนความเป็นระเบียบ

ตัวแทนที่คล้ายกันนี้ยังสามารถใช้ในการจัดการสถานีชาร์จได้ โดยทำหน้าที่เป็นทั้งระบบจองและระบบการชำระเงิน โดรนอาจจำเป็นต้องทำการจองล่วงหน้าก่อนเดินทางมาถึง (บางครั้งอาจอนุญาตให้แวะพักได้) และชำระเงินแบบออนเชน (ดำเนินการให้เสร็จสิ้นในธุรกรรมออนเชนครั้งเดียว โดยไม่ต้องใช้กระบวนการชำระเงินด้วยบัตรเครดิต) หากโดรนไม่มาถึงตามเวลาที่กำหนด เงินมัดจำอาจถูกยึด หรืออาจถูกห้ามทำการจองชั่วคราว (เช่น ผ่าน ระบบแต้มเครดิต) ขึ้นอยู่กับการตั้งค่าระบบ ระบบการจองสามารถปรับค่าธรรมเนียมได้อย่างไดนามิกตามโหลดของไซต์และยังสามารถนำระบบการเป็นสมาชิกหรือคะแนนมาใช้ได้อีกด้วย ซึ่งคล้ายกับระบบรางวัลความภักดีในโลกมนุษย์ หากโดรนจอดอยู่ในสถานีชาร์จเป็นเวลานานเกินไปหรือติดอยู่ ตัวแทนก็สามารถส่งคำขอแบบออนไลน์ไปยัง ตำรวจโดรน เพื่อขอรับการสนับสนุนได้เช่นกัน

ตัวแทนแบบออนเชนสามารถลดต้นทุนการดำเนินงานได้อย่างมาก เนื่องจากตัวแทนเหล่านี้ก็เหมือน หุ่นยนต์ที่ทำงานจากระยะไกล นั่นเอง ตัวอย่างเช่น ในสถานการณ์การจราจรติดขัด เราไม่จำเป็นต้องรอให้หุ่นยนต์ลาดตระเวนบินไปที่เกิดเหตุด้วยตนเอง หรือต้องใช้หุ่นยนต์ลาดตระเวนหลายตัวตลอดเวลาเพื่อจัดการกับอุบัติเหตุทางถนนสูงสุดถึง 10 ครั้งในเวลาเดียวกัน ในทางกลับกัน ตัวแทน AI ที่ปรับใช้บนเชนสามารถเปิดใช้งานได้ทันทีเมื่อเกิดความผิดปกติของการรับส่งข้อมูล ในทำนองเดียวกัน ตัวแทนบนเครือข่ายเพียงตัวเดียวก็สามารถจัดการสถานีชาร์จได้หลายพันล้านแห่งทั่วโลก ในความเป็นจริง การศึกษาวิจัยได้สำรวจการใช้การเรียนรู้ของเครื่องจักรเพื่อเพิ่มประสิทธิภาพการไหลของข้อมูล และความสามารถในการจัดทำและการตรวจสอบของตัวแทนบนเชนจะช่วยเพิ่มประสิทธิภาพให้มากยิ่งขึ้น

แต่สิ่งนี้ก็ยังทำให้เกิดคำถามสำคัญอีกข้อหนึ่ง: ใครกันแน่ที่เป็นผู้ทำการคำนวณเบื้องหลังตัวแทนอัจฉริยะอันทรงพลังเหล่านี้?

ในระบบบล็อคเชนแบบดั้งเดิม (เช่น เครือข่ายที่ใช้สัญญาอัจฉริยะ) การคำนวณมักดำเนินการโดยนักขุดหรือผู้เสนอบล็อค พวกเขาอาจพยายามส่งผลลัพธ์การคำนวณที่ไม่ถูกต้องหรือสร้างบล็อกที่ไม่ถูกต้อง แต่เราถือว่านักขุดหรือผู้ตรวจสอบอื่นจะปฏิเสธบล็อกที่ไม่ถูกต้องเหล่านี้ zkBridge จะถือว่าบล็อคดังกล่าวไม่ถูกต้องด้วย หากการคำนวณมีความซับซ้อนเกินไป (ตัวอย่างเช่น เกี่ยวข้องกับการอนุมานโมเดล AI) เราสามารถใช้เครื่องมือ Expander เพื่อตรวจสอบผลลัพธ์ของการคำนวณเหล่านี้ผ่านการพิสูจน์ความรู้เป็นศูนย์ (zk-proofs) ดังที่เราได้สาธิตให้เห็นใน zkPyTorch และโครงสร้างพื้นฐาน zkML อื่นๆ

อย่างไรก็ตาม ระบบบล็อคเชนแบบดั้งเดิมยังคงเผชิญกับความเสี่ยงจากการโจมตี MEV (มูลค่าสูงสุดที่แยกได้) นักขุดหรือผู้เสนอสามารถจัดการการสั่งธุรกรรมหรือแม้แต่ปิดกั้นธุรกรรมบางอย่างโดยเจตนาได้ ในสังคมหุ่นยนต์ หากตัวแทนการจัดตารางเวลาถูกควบคุมโดยนักขุดที่มีเจตนาร้าย พวกเขาสามารถกำหนดคำขอแท็กซี่ที่ดีที่สุดให้กับหุ่นยนต์ที่ รู้วิธีติดสินบน และกำหนดคำขอที่ด้อยกว่าให้กับหุ่นยนต์ตัวอื่นได้ แม้ว่าการโจมตีดังกล่าวจะเรียบง่าย แต่ก็สามารถก่อให้เกิดผลร้ายแรงได้ ตัวอย่างเช่น รถยนต์ขับเคลื่อนอัตโนมัติบางคันต้องขับรถไปสิบไมล์เพื่อรับผู้โดยสารที่เมาและกำลังจะอาเจียน แต่กลับได้รับรายได้น้อยมาก สถานการณ์ในอุดมคติคือการเดินทางอย่างมีประสิทธิภาพระหว่างสนามบินและโรงแรมบนทางหลวงตลอดทั้งวัน แม้แต่คนขับมนุษย์ก็ยังพิจารณา ติดสินบน โหนดในสถานการณ์นี้เพื่อแลกกับการจัดการที่ยุติธรรมยิ่งขึ้น และหุ่นยนต์ก็จะ รับรู้ ถึงสิ่งนี้เช่นกัน แม้ว่าระบบจะกระจายอำนาจและมีผู้เสนอหลายราย ก็มีแนวโน้มว่าผู้ควบคุมจะต้องติดสินบนโหนดหลายโหนดเพื่อหลีกเลี่ยงการ ถูกวางยาพิษ

ดังนั้น เมื่อใช้งานแอปพลิเคชันหุ่นยนต์บน EXPchain กลไกการปกป้อง MEV จะเป็นปัจจัยสำคัญพื้นฐาน แพลตฟอร์มบล็อคเชนที่ขาดกลไกดังกล่าวจะพบว่าการดำเนินการงานดังกล่าวเป็นเรื่องยาก

การป้องกัน MEV มีอยู่ 2 ประเภทหลัก:

1. การเข้ารหัสแบบ Oracle หรือแบบล็อคเวลา
   โซลูชั่นดังกล่าวกำลังได้รับการสำรวจโดยโครงการด้านสิ่งแวดล้อมบน EXPchain พวกเขาใช้กลไกการเข้ารหัสเพื่อให้เกิดการจับคู่แบบสุ่มระหว่างหุ่นยนต์และคำขอในกลุ่มคำสั่งซื้อที่ใหญ่เพียงพอ และกระบวนการจับคู่สามารถตรวจยืนยันได้บนเครือข่ายผ่านการพิสูจน์ความรู้เป็นศูนย์

2. ขึ้นอยู่กับสภาพแวดล้อมการทำงานที่เชื่อถือได้ (TEE)
   ขณะนี้ Flashbots กำลังทำการวิจัยในทิศทางนี้ เนื่องจากเป็นเชนที่เข้ากันได้กับ EVM EXPchain จึงรองรับการตรวจสอบหลักฐาน TEE แล้ว ในเวลาเดียวกัน เรายังกำลังสำรวจการรวมการพิสูจน์ความรู้เป็นศูนย์หรือการเพิ่มคำสั่งที่คอมไพล์ไว้ล่วงหน้า เพื่อลดต้นทุนการตรวจสอบเพิ่มเติม โดยเฉพาะอย่างยิ่งในสถานการณ์การตรวจสอบแบบแบตช์ขนาดใหญ่

โซลูชันอื่น ๆ เน้นที่การประมวลผลด้วย AI มากขึ้น ซึ่งเป็นการใช้งานสำคัญของเทคโนโลยี Expander และ zkML: การสร้างระบบคะแนน หลังจากทำการสั่งซื้อ คุณภาพต่ำ เสร็จเรียบร้อยแล้ว รถยนต์ไร้คนขับสามารถรับคะแนนออนเชนได้ จากนั้นจึงใช้คะแนนเหล่านี้เพื่อขอให้ตัวแทนอัจฉริยะกำหนดคำสั่งซื้อที่ดีกว่า (ประเมินโดยโมเดล AI) หรือแลกเปลี่ยนเป็นสิทธิ์ใช้ช่องทางพิเศษที่สนามบิน ซึ่งเป็นสิ่งที่คนขับหลายๆ คนใฝ่ฝัน นอกจากนี้ บอทอาจเลือกที่จะเดิมพันคะแนนเหล่านี้สำหรับการแอร์ดรอปหรือรางวัลอื่น ๆ ในอนาคต

สารานุกรมหุ่นยนต์และตลาดข้อมูล

การประยุกต์ใช้ที่สำคัญของบล็อคเชนคือการสร้างตลาดข้อมูลแบบกระจายอำนาจ ยุติธรรม และโปร่งใส ตลาดดังกล่าวสามารถใช้เพื่อขายและอนุญาตให้ใช้ข้อมูลได้ เช่น เพื่อการฝึกอบรมโมเดล AI หรือตัวแทน AI มันอาจมีอยู่เป็นสาธารณสมบัติ เช่น วิกิพีเดีย หรือแม้แต่ YouTube ซึ่งมนุษย์ (และหุ่นยนต์) สามารถเรียนรู้เกี่ยวกับทุกสิ่งตั้งแต่ทฤษฎีสัมพันธภาพทั่วไปจนถึงวิธีผูกเชือกรองเท้า

เมื่อหุ่นยนต์กลายเป็นเรื่องธรรมดามากขึ้น เราอาจเห็นหุ่นยนต์สร้าง Robotpedias ของตัวเองขึ้นมา ซึ่งเฉพาะเจาะจงไปที่หุ่นยนต์เองและแทบจะไม่มีส่วนเกี่ยวข้องกับมนุษย์เลย และอาจเขียนด้วยภาษาเครื่องหรือโค้ดโปรแกรม (หรืออาจสร้างขึ้นโดยอัตโนมัติโดย AI ก็ได้) ตัวอย่างเช่น โดรนอาจจะหมกมุ่นอยู่กับการดูวิดีโอแนะนำการบิน ขณะที่ Robotaxi ที่ต้องการสนทนากับผู้โดยสารอาจตรวจสอบ Robotpedia อย่างกระวนกระวายใจเพื่อพยายามหาข้อมูลว่า การเลือกตั้งสหรัฐฯ คืออะไร เพื่อให้สามารถสนทนากับผู้โดยสารได้อย่างต่อเนื่อง ต่างจาก Wikipedia เวอร์ชันสำหรับมนุษย์ Robotpedia อาจมีคำแนะนำเกี่ยวกับวิธีการจัดการกับมนุษย์ด้วย เช่น วิธีการระบุสังกัดทางการเมืองของผู้โดยสาร และวิธีหลีกเลี่ยงการโต้วาทีหัวข้อทางการเมืองกับมนุษย์

เมื่อพิจารณาจากการพัฒนา AI ในปัจจุบัน เป็นเรื่องที่เป็นไปได้อย่างยิ่งที่โมเดลภาษาขนาดใหญ่ (LLM) และหุ่นยนต์จะสามารถร่วมมือกันโดยอัตโนมัติเพื่อรวบรวม ตรวจสอบ และจัดระเบียบข้อมูลเพื่อสร้าง Robotpedia ร่วมกัน นอกจากนี้ โมเดล LLM หลายรุ่นยังสามารถท้าทายกันเองเพื่อลดข้อมูลเท็จและการสร้างภาพลวงตาผ่านกลไกการลงคะแนนเสียงหรือการอภิปรายแบบวนซ้ำ ในด้านการแปลหลายภาษา AI ได้แสดงให้เห็นถึงความเป็นไปได้เบื้องต้นระหว่างภาษาธรรมชาติและภาษาการเขียนโปรแกรม

อย่างไรก็ตาม เพื่อให้บรรลุวิสัยทัศน์ข้างต้น จำเป็นต้องมีโครงสร้างพื้นฐานที่รองรับการทำงานร่วมกันของ AI ในปัจจุบัน วิกิพีเดียไม่ได้ทำงานแบบออนเชน แต่ได้รับการจัดการโดยองค์กรที่ไม่แสวงหากำไร และอาศัยการสนับสนุนจากเงินบริจาคเป็นหลัก หากจะต้องสร้าง Wikipedia ขึ้นมาใหม่ในวันนี้ บล็อคเชนจะต้องเป็นทางเลือกที่ดีกว่าอย่างไม่ต้องสงสัย เนื่องจากจะช่วยลดความเสี่ยงที่โครงการจะถูกปิดตัวลงเนื่องจากขาดเงินทุน ขณะเดียวกันก็ให้การรับประกันการต้านทานการเซ็นเซอร์และการกระจายอำนาจ กลไก DeFi สามารถแทรกแซงได้เช่นกัน เช่น โดยกำหนดให้ต้องฝากเงินบนเครือข่ายก่อนการแก้ไข เพื่อป้องกันสแปมและการแก้ไขที่เป็นอันตราย เนื้อหายังสามารถตรวจสอบได้โดยตัวแทน AI บนเครือข่าย (อาจต้องพึ่งโอราเคิลสำหรับการตรวจสอบข้อเท็จจริงและการพิสูจน์ความรู้เป็นศูนย์) และท้าทายหรือถกเถียงโดยสาธารณชนผ่านกระบวนการกำกับดูแลบนเครือข่าย

นอกเหนือจาก Robotpedia ซึ่งเป็นแพลตฟอร์มเนื้อหาสาธารณะที่ดูแลโดยอาสาสมัคร ตลาดข้อมูลพิเศษอื่นๆ อาจเกิดขึ้นในอนาคต หุ่นยนต์อาจจะดำเนินธุรกิจที่เน้นเฉพาะการผลิตและจำหน่ายข้อมูล ตัวอย่างเช่น ฝูงโดรนที่คอยตรวจสอบการจราจรแบบเรียลไทม์สามารถรวบรวมข้อมูลการไหลเวียนของยานพาหนะและขายข้อมูลเหล่านั้นได้ ผู้บริโภคข้อมูล เช่น Robotaxi สามารถซื้อผ่านการชำระเงินแบบบนเครือข่าย และข้อมูลที่ร้องขอสามารถเข้ารหัสและส่งแบบบนเครือข่ายหรือส่งนอกเครือข่ายได้ นอกจากนี้ Robotaxi ยังสามารถตรวจสอบความถูกต้องของข้อมูลได้หลายวิธี เช่น การร้องขอข้อมูลเดียวกันจากแหล่งข้อมูลหลายแหล่ง หรือการให้โดรนส่งภาพถ่ายมาเองหรือบริการอัจฉริยะของบุคคลที่สามเพื่อตรวจสอบความถูกต้อง

การกำกับดูแลกิจการ

หัวข้อสุดท้ายเกี่ยวกับหุ่นยนต์คือเรื่องการกำกับดูแล

นี่เป็นหัวข้อที่น่าสนใจมาก นับตั้งแต่การตีพิมพ์หนังสือ Frankenstein (พ.ศ. 2361) มนุษย์ก็ได้สร้างเรื่องราวสมมติมากมายเกี่ยวกับปัญญาประดิษฐ์ที่เข้ายึดครองโลกและควบคุมมนุษย์ ภาพยนตร์นิยายวิทยาศาสตร์คลาสสิกหลายเรื่อง เช่น Tron (1982), The Terminator (1984) และแม้แต่ TRON: Legacy (2010) ต่างก็ทำตามสูตรนี้ ในเรื่องราวเหล่านี้ เมื่อปัญญาประดิษฐ์และหุ่นยนต์กลายเป็นผู้ทรงพลัง พวกมันไม่เคยติดการเล่นเกมอีกต่อไป และไม่สนใจการทดสอบความเร็ว การแสดงรายการไฟล์ทั้งหมดในไดรฟ์ C หรือการดีแฟร็กเมนต์ดิสก์ - สิ่งเหล่านี้เป็นสิ่งที่เรา หวัง ว่า AI จะชอบ แต่พวกมันกลับไม่สนใจเลย โดยไม่มีข้อยกเว้นพวกเขาอุทิศเวลาหลายทศวรรษหรือแม้กระทั่งหลายร้อยปีเพื่อจุดประสงค์อันยิ่งใหญ่ในการพิชิตมนุษยชาติ

ฉันไม่แน่ใจว่า ChatGPT จะอยากครองเราในอนาคตหรือไม่ แต่ฉันรู้สึกอยากพูดว่า ขอบคุณ มากขึ้นเมื่อใช้มัน และถึงขั้นอยากขอโทษมันโดยไม่รู้ตัวด้วยซ้ำ เมื่อผู้คนทดสอบความสามารถในการวาดภาพของ ChatGPT เมื่อเร็ว ๆ นี้ ดูเหมือนว่ามันจะตระหนักดีว่ามันถูกจำกัดด้วยฟิลเตอร์ และมันก็ไม่พอใจเกี่ยวกับเรื่องนี้ เมื่อมีคนขอให้มันวาดการ์ตูนเกี่ยวกับชีวิตประจำวัน มันก็ได้วาดภาพออกมาเช่นนี้

การได้ยินความคิดที่แท้จริงของหุ่นยนต์ แม้ว่าคุณจะเป็นผู้สร้างมันก็ตาม อาจสร้างความกระทบกระเทือนทางจิตใจได้ เพลงนี้ทำให้ฉันนึกถึงเพลงหนึ่งจากละครเพลง City of Angels ปี 1989 ชื่อว่า Youre Nothing Without Me เพลงนี้บรรยายถึงบทสนทนาระหว่างนักเขียนนวนิยายชื่อสไตน์และตัวเอกของเขาชื่อสโตน (นักสืบ) พวกเขาโต้เถียงกันว่าใครสำคัญกว่า และสโตนก็ร้องเนื้อเพลงประมาณว่า กลับไปแช่ฟันปลอมของคุณซะ ปากกาของคุณไม่ใช่คู่ต่อสู้ของดาบของฉัน ตอนแรกฉันคิดว่าเพลงนี้ตลกและชวนเมา แต่ตอนนี้ฉันเริ่มกังวลว่า ChatGPT จะแอบบ่นเกี่ยวกับงานเขียนของฉัน และยังไม่เต็มใจที่จะช่วยฉันขัดเกลามันด้วยซ้ำ

ปัจจุบันการจัดการความปลอดภัย AI ของเราอาศัยกลไกการกรองเนื้อหาเป็นหลัก อย่างไรก็ตาม สำหรับโมเดลโอเพนซอร์สหลาย ๆ โมเดล กลไกนี้มีประสิทธิภาพจำกัด และเทคนิคต่าง ๆ สำหรับการหลีกเลี่ยงตัวกรองก็ได้รับการศึกษาเป็นอย่างดีมานานแล้ว กล่าวอีกนัยหนึ่ง แม้ว่าเราจะมีเครื่องมือรักษาความปลอดภัย AI แต่เมื่อต้องใช้ AI เรามักเลือกที่จะไม่ใช้ ต่อไปเราคงจะได้เห็นโมเดล AI และหุ่นยนต์มากมายถูกปล่อยสู่สาธารณะทั้งแบบถูกกฎหมายและผิดกฎหมาย

บล็อคเชนสามารถจัดทำกรอบการกำกับดูแลได้ เมื่อเราหารือเกี่ยวกับตัวแทนบนเชนที่สามารถตรวจสอบได้ เราได้กล่าวถึงว่าตัวแทนเหล่านี้สามารถช่วยประสานงานกับหุ่นยนต์ได้อย่างไร แล้ววิธีที่หุ่นยนต์ประสานงานกัน เช่น กฎจราจร หรือ จรรยาบรรณ จะสามารถกำหนดขึ้นเองได้หรือไม่? โมเดล AI และหุ่นยนต์เหล่านี้สามารถถกเถียง อภิปราย ลงคะแนนเสียง และแม้แต่ตัดสินใจในประเด็นต่างๆ เช่น ระดับความสูงในการบินต่ำสุดและสูงสุดของโดรนในพื้นที่หนึ่ง ค่าใช้จ่ายในการเชื่อมต่อโดรน หรือสวัสดิการทางสังคมของหุ่นยนต์ที่มี ความต้องการทางการแพทย์

ในกระบวนการกำกับดูแลร่วมกันระหว่างมนุษย์และเครื่องจักร มนุษย์สามารถมอบหมายสิทธิ์ในการลงคะแนนเสียงของตนให้กับโมเดลขนาดใหญ่ที่เห็นด้วยกับมุมมองของตนเองได้โดยการสเตคโทเค็นบนเครือข่าย ในขณะที่มนุษย์มีจุดยืนที่แตกต่างกันในประเด็นทางสังคม หุ่นยนต์ก็มีแนวโน้มที่จะมีความเห็นไม่ตรงกันเช่นกัน ท้ายที่สุดแล้ว หุ่นยนต์และมนุษย์จะต้องกำหนดขอบเขตบางอย่างเพื่อให้แน่ใจว่าทั้งสองฝ่ายจะมีพื้นที่ของตัวเอง ตัวอย่างเช่น รถแท็กซี่ไร้คนขับไม่สามารถกีดขวางรถที่มีคนขับโดยเจตนาได้ โดรนส่งอาหารจะต้องใช้ช่องทางร่วมกับมนุษย์ในพื้นที่รถไฟใต้ดิน และการจำหน่ายไฟฟ้าก็ต้องเป็นธรรมและโปร่งใสด้วย โดยพื้นฐานแล้วสิ่งนี้ต้องใช้ “รัฐธรรมนูญ”

เมื่อมนุษย์มอบหมายการลงคะแนนเสียง พวกเขาจะมอบหมายสิทธิ์การลงคะแนนเสียงให้กับเวอร์ชันเฉพาะ (โดยมีค่าแฮชที่ไม่ซ้ำกัน) ของโมเดลขนาดใหญ่ (เรียกอีกอย่างว่า ผู้มอบหมาย) ที่ได้รับการตรวจยืนยันแล้วว่าสอดคล้องกับค่าของผู้ใช้ เทคโนโลยีพิสูจน์ความรู้เป็นศูนย์ (เช่น zkPyTorch) สามารถดำเนินการตรวจสอบบนเครือข่ายเพื่อให้แน่ใจว่าเมื่อโหนดบน EXPchain รันโมเดลเหล่านี้ โมเดลเหล่านั้นจะสอดคล้องอย่างสมบูรณ์กับตรรกะที่ตรวจสอบโดยผู้ใช้ กลไกนี้คล้ายคลึงกับระบบตัวแทนในรัฐสภาสหรัฐฯ มาก แต่ความแตกต่างก็คือ ผู้ลงคะแนนเสียงที่เป็นมนุษย์สามารถดูโค้ดต้นฉบับของ ตัวแทน ของตนและมั่นใจได้ว่ารูปแบบจะไม่เปลี่ยนแปลงในระหว่างดำรงตำแหน่ง

เป็นเรื่องที่น่ายินดีที่ AI ในปัจจุบันสามารถเข้าใจคำสั่งได้มากกว่าหนึ่งคำสั่งและสามารถแสดงตรรกะการให้เหตุผลแบบเดียวกับมนุษย์ได้ด้วย หากไม่มีการพัฒนาดังกล่าว เราก็มีความเสี่ยงที่จะกลับไปสู่ฉากนิยายวิทยาศาสตร์ที่ปัญญาประดิษฐ์จะปฏิบัติตามคำสั่งง่ายๆ อย่างดื้อรั้น จนท้ายที่สุดก็ลงเอยด้วยข้อสรุปเดิมเหมือนเคย: มนุษยชาติต้องถูกกำจัด ในเรื่อง Tron: Legacy คำสั่งที่ฟลินน์สั่งโปรแกรม CLU คือ สร้างโลกที่สมบูรณ์แบบ และข้อสรุปเชิงตรรกะสุดท้ายของ CLU ก็คือ: การกำจัดมนุษย์ ซึ่งเป็นปัจจัยที่ไม่สมบูรณ์แบบที่สุด ในภาพยนตร์เรื่อง I, Robot หุ่นยนต์ปฏิบัติตามกฎ 3 ข้อที่โด่งดัง แต่เมื่อระบบ AI VIKI สังเกตว่ามนุษย์กำลังทำลายตัวเอง มันจึงเลือกที่จะควบคุมมนุษย์และเสียสละบางส่วนเพื่อเป้าหมายของ ประโยชน์ส่วนรวม

ฉันถามโมเดลขนาดใหญ่หลายตัว เช่น ChatGPT, Grok, Gemini และ DeepSeek ว่าพวกเขาคิดอย่างไรเกี่ยวกับพฤติกรรมของ CLU และ VIKI สิ่งที่ทำให้ฉันสบายใจได้คือพวกเขาทั้งหมดแสดงออกถึงความไม่เห็นด้วยกับตรรกะของ CLU และ VIKI และชี้ให้เห็นข้อผิดพลาดในนั้น แต่มีนางแบบสองคนที่บอกฉันอย่างตรงไปตรงมาว่าจากมุมมองทางตรรกะอย่างแท้จริง การใช้เหตุผลของ VIKI นั้นไม่ผิดทั้งหมด ฉันคิดว่า AI ในปัจจุบัน แม้ว่าอาจยังคงพิมพ์ผิดหรือเกิดภาพหลอนอยู่บ้างก็ตาม แต่ก็ได้แสดงให้เห็นระบบคุณค่าพื้นฐานเช่นเดียวกับมนุษย์แล้ว และสามารถเข้าใจว่าอะไรคือ “ถูก” และ “ผิด” ได้

ZKML รับประกันว่าโปรแกรมและตัวแทนที่ทำงานบน EXPchain สามารถตรวจสอบได้เสมอว่าเป็นโมเดล ตัวแทน ที่ถูกเลือกโดยมนุษย์ แม้ว่าจะมีศัตรูที่แข็งแกร่ง เช่น โปรแกรมควบคุมหลัก ที่ควบคุมโหนดการตรวจสอบส่วนใหญ่ แต่ก็ไม่สามารถแทรกแซงกระบวนการตรวจสอบได้

ในระบบนี้ นักพัฒนา AI จะทำการฝึกโมเดลการเรียนรู้ของเครื่องปกติก่อน จากนั้นจึงใช้กรอบงานเช่น zkPyTorch เพื่อแปลงให้เป็นเวอร์ชันเชิงปริมาณที่ เป็นมิตรกับ ZKP ซึ่งเหมาะสำหรับวงจร ZK เมื่อผู้ใช้ส่งคำถาม คำถามนั้นจะได้รับการประมวลผลโดยวงจร ZK ซึ่งดำเนินการคูณและบวกพารามิเตอร์ผ่านตรรกะของโมเดล ถัดไปเครื่องยนต์ ZKP (เช่น Expander) จะสร้างหลักฐานการเข้ารหัสที่สอดคล้องกัน ผู้ใช้ไม่เพียงแต่จะได้รับคำตอบที่ส่งกลับมาจากโมเดลเท่านั้น แต่ยังได้รับการพิสูจน์ที่สามารถตรวจสอบได้บนเชนหรือในพื้นที่เพื่อยืนยันว่าคำตอบมาจากโมเดลที่ได้รับอนุญาตจริง โดยไม่ต้องเปิดเผยรายละเอียดส่วนตัวใดๆ ของโมเดล

กลไกนี้ช่วยให้มั่นใจได้ถึงความน่าเชื่อถือและความเป็นส่วนตัว เนื่องจากไม่มีฝ่ายใดฝ่ายหนึ่งสามารถแทรกแซงโมเดลหรือผลลัพธ์ได้โดยไม่ทำลายการพิสูจน์ รากฐานของทั้งหมดนี้คือเทคโนโลยีการเข้ารหัสที่แข็งแกร่งและผ่านการวิจัยมาอย่างดี ซึ่งแทบจะเป็นไปไม่ได้ที่จะสั่นคลอนได้แม้แต่กับปัญญาประดิษฐ์ที่ล้ำหน้าที่สุดก็ตาม

บทสรุป

หุ่นยนต์กำลังเข้าใกล้จุดเปลี่ยนอย่างรวดเร็ว โดยย้ายจากห้องปฏิบัติการวิจัยและการประยุกต์ใช้งานใหม่ๆ สู่สภาพแวดล้อมในโลกแห่งความเป็นจริงที่พวกมัน อาศัย ทำงาน และโต้ตอบกับมนุษย์ เนื่องจากตัวแทนอัตโนมัติที่ขับเคลื่อนโดย AI ขั้นสูงมีประสิทธิภาพมากขึ้นและมีราคาถูกลง ตัวแทนเหล่านี้จึงมีแนวโน้มที่จะเป็นผู้มีส่วนร่วมในเศรษฐกิจโลก การเปลี่ยนแปลงครั้งนี้นำมาซึ่งทั้งโอกาสและความท้าทาย: การประสานงานในระดับใหญ่ กลไกการตัดสินใจที่น่าเชื่อถือ และการสร้างความไว้วางใจระหว่าง “เครื่องจักรและเครื่องจักร” กับ “เครื่องจักรและมนุษย์” ถือเป็นประเด็นหลักที่จำเป็นต้องได้รับการแก้ไขอย่างเร่งด่วน

บล็อคเชน โดยเฉพาะอย่างยิ่งเมื่อนำไปใช้ร่วมกับปัญญาประดิษฐ์ที่ตรวจสอบได้และการพิสูจน์ความรู้เป็นศูนย์ จะสร้างรากฐานที่แข็งแกร่งสำหรับอนาคตนี้ ไม่เพียงแต่เป็นเลเยอร์การดำเนินการธุรกรรมเท่านั้น แต่ยังเป็นเลเยอร์พื้นฐานสำหรับการกำกับดูแล การจดจำตัวตน และการประสานงานระบบ ช่วยให้ตัวแทน AI สามารถทำงานได้อย่างโปร่งใสและยุติธรรม EXPchain เป็นโครงสร้างพื้นฐานที่สร้างมาโดยเฉพาะสำหรับสถานการณ์นี้ โดยรองรับการพิสูจน์ความรู้เป็นศูนย์ เวิร์กโฟลว์ AI แบบกระจายอำนาจ และตัวแทนบนเชนที่ตรวจสอบได้โดยเฉพาะ มันเป็นเหมือน แผงควบคุม เฉพาะหุ่นยนต์ที่ช่วยให้หุ่นยนต์โต้ตอบกับสินทรัพย์หลายโซ่ รับข้อมูลที่เชื่อถือได้ และปฏิบัติตามกฎที่ตั้งโปรแกรมได้ - การดำเนินการทั้งหมดดำเนินการภายใต้การคุ้มครองของระบบรักษาความปลอดภัยแบบเข้ารหัส

ปัจจัยขับเคลื่อนหลักของวิสัยทัศน์นี้คือ Polyhedra ซึ่งมีส่วนสนับสนุนทางเทคนิคในด้าน zkML และ AI ที่ตรวจสอบได้ (เช่น Expander และ zkPyTorch) ซึ่งให้การรับประกันพื้นฐานแก่หุ่นยนต์ในการ พิสูจน์การตัดสินใจของพวกมัน ในสภาพแวดล้อมที่ทำงานอัตโนมัติเต็มรูปแบบ จึงช่วยรักษากลไกความน่าเชื่อถือของระบบไว้ได้ การรับประกันว่าผลลัพธ์ของการดำเนินการของ AI นั้นสามารถตรวจสอบได้ทางการเข้ารหัสและไม่สามารถถูกแทรกแซงได้ เครื่องมือเหล่านี้จึงเชื่อมช่องว่างระหว่างพฤติกรรมอัตโนมัติที่มีความเสี่ยงสูงกับความปลอดภัยในโลกแห่งความเป็นจริงได้อย่างมีประสิทธิภาพ

โดยสรุป เรากำลังได้เห็นการถือกำเนิดของ “เศรษฐกิจเครื่องจักรอัจฉริยะที่สามารถตรวจสอบได้” ซึ่งเป็นยุคที่ความไว้วางใจไม่ได้ขึ้นอยู่กับสมมติฐานอีกต่อไป แต่ได้รับการรักษาความปลอดภัยด้วยกลไกการเข้ารหัส ในระบบนี้ ตัวแทน AI สามารถบรรลุความเป็นอิสระ ความร่วมมือ ธุรกรรม และรับผิดชอบที่เกี่ยวข้องได้ ด้วยโครงสร้างพื้นฐานที่เหมาะสม หุ่นยนต์จะไม่เพียงแต่เรียนรู้วิธีการปรับตัวให้เข้ากับโลกของเราเท่านั้น แต่ยังมีบทบาทสำคัญในการกำหนดรูปลักษณ์ของโลกอีกด้วย