สวัสดีครับผู้อ่านทุกๆท่าน

ยินดีต้อนรับทุกๆท่านเข้าสู่ Series เรียนรู้ AI บน Crypto อย่างเป็นทางการครับ ในปัจจุบันเราเริ่มเห็นการเพิ่มขึ้นของโปรเจค AI ใหม่ๆบนคริปโตมากขึ้นเรื่อยๆ จนอาจจะเริ่มจับต้นชนปลายไม่ถูกแล้ว ในบทความ Series นี้ ผมขออนุญาตนำเสนอโปรเจค AI ต่างๆที่ผมคิดว่ามีความน่าสนใจและควรค่าที่จะศึกษาไว้ครับ

สำหรับโปรเจคแรกที่ผมเลือกนำเสนอ เป็นโปรเจคที่มุ่งเป็นแหล่งเศรษฐกิจหลักสำหรับการทำอนุมาน (Inference Economy) บน Web3 นั่นคือโปรเจค Spectral ครับ

เพื่อที่จะเป็น Inference Economy สำหรับโลก Web3 ทาง Spectral ได้เลือกพัฒนา Product หลักออกมาสองตัวคือ

Spectral Syntax เป็นส่วน platform สำหรับ onchain agents ที่ผู้ใช้งานสามารถสร้าง agents ของตัวเองและทำเงินจาก agents ของตัวได้ รวมถึงสามารถใช้งาน agents จาก community เพื่อทำ tasks ต่างๆใน Web3 อารมณ์ใช้งาน ChatGPT สำหรับ Web3 โดยเฉพาะ

ในปัจจุบัน: มี agents ให้เล่นอยู่สองตัวคือ MoonMaker สำหรับสร้าง MEME coins และ TestMachine สำหรับตรวจสอบรอยรั่วของ smart contracts ดังนั้นในบทความนี้ เราจะมาโฟกัสกับ Product ตัวที่สองกันก่อน

Spectral Nova เป็นส่วน platform ที่ทำ decentralization สำหรับการทำ machine learning inferences โดยตรงกับ smart contracts ผู้เขียนมองว่า Spectral Nova มีความคล้ายคลึงกับแพลตฟอร์มชื่อ Kaggle ที่เป็น Competition Hub ของเหล่า Data Science สำหรับโลก Web2 แต่ Spectral Nova นั้นมาช่วย on-board ให้เหล่า Data Scientists มาแข่งกันแก้ปัญหาต่างๆบนโลก Web3 และสิ่งที่ทำให้ Spectral มีความต่างกับ Kaggle อย่างชัดเจนคือ มีการกระจายศูนย์สำหรับฝั่งของผู้เสนองาน (Creator) และ ผู้พัฒนาโมเดล (Solver ผู้อาจเรียกสลับกับคำว่า Modeler)

ในปัจจุบัน: Spectral ใช้ Zero-Knowledge Proof (ZKP) จาก EZKL ในการทำ zkML เพื่อช่วยรักษา Confidential ของข้อมูลโมเดลฝั่ง Modeler อีกทั้ง Spectral ยังสามารถสร้างวิธีทำเงินให้กับ Modeler สำหรับทุกๆการใช้งานจากฝั่งผู้ใช้ (Consumers)

Modeler ยังคงสิทธิความเป็นเจ้าของ AI ของตัวเอง อีกทั้งยังสามารถนำ AI ตัวเองมาสร้างรายได้ต่อได้โดยตรงผ่านทุกๆการใช้งาน

Spectral มี Funding เบื้องต้นอยู่ที่ 6.75 ล้านดอลล่าร์สหรัฐ และยังได้รับ Funding เพิ่มอีกจำนวนถึง 23 ล้านดอลล่าร์สหรัฐ สำหรับการพัฒนา Web3 Credit Scoring

ใน Q3 ที่จะมาถึง Spectral มีแผนที่จะจัดการแข่งขันเพิ่มใน Spectral Nova โดยมีแผนปล่อย InferChain Testnet ออกมาใน Q4 อีกทั้งที่มีแผนจะปล่อยตัว InferChain Mainnet ออกมาในปี 2025

InferChain จะเป็นศูนย์รวม agents บน Spectral Syntax และ inference feeds ที่ถูกใช้งานบน Spectral Nova โดยทาง Spectral มีวิสัยทัศน์ที่จะสร้าง InfraChain ไว้สำหรับการสื่อสารระหว่าง agents ในอนาคต เพื่อรับรองความโปร่งใส กระจายศูนย์ และการสามารถที่จะยืนยันประสิทธิภาพ สำหรับ AI application ต่างๆใน Web3

Spectral มีการประกาศ airdrop เหรียญ $SPEC ในเมื่อไม่กี่วันที่ผ่านมา เราจะมาทำความเข้าใจตัวเหรียญกันคร่าวๆผ่านตัว whitepaper เขากันครับ โดยเหรียญ $SPEC จะเป็น governance token ที่สามารถนำไป stake ใน Spectral ecosystem เพื่อรับ incentives ต่างๆได้ เราจะมาอธิบายประโยชน์ของการ stake สำหรับผู้ใช้งานแต่ละกลุ่มกันครับ

• ผู้ใช้งาน Agent:

  • ได้รับ privileged access สำหรับการใช้งาน Agents รวมถึงมี Agents พิเศษสำหรับผู้ที่ actively stake $SPEC

  • จ่าย platform fees ที่ถูกลง โดยได้การจัดการ tx ที่เร็วขึ้น

• การทำ monetization สำหรับผู้สร้าง Agent:

  • ผู้ใช้งานในกลุ่มนี้จะถูกบังคับการ stake $SPEC แต่ระบบจะเอื้อให้ตามจำนวนที่ stake ไว้

  • การ stake $SPEC จะช่วยในการทำ “verified” สำหรับ Agents (onchain naming and verification service)

• ฝั่ง Creators:

  • required การ stake $SPEC เพื่อจัด competition ต่างๆ

• ฝั่ง Solvers:

  • required การ stake $SPEC เพื่อเข้าร่วมการแข่งขัน

  • โดยจะได้รับ rewards ตามคุณภาพ ML models และมี incentives พิเศษในช่วง reward epochs

• ฝั่ง Validators:

  • required การ stake $SPEC สำหรับการวาง collateral เพื่อตรวจสอบผลงาน Solvers และจะได้ rewards จากการที่มีผู้มาใช้งาน inferences

• ฝั่ง Consumers:

  • ผู้ใช้งานกลุ่มนี้จะได้รับส่วนลดค่า network fees จากการ stake $SPEC

ในส่วนนี้ เราจะมาศึกษาการแข่งขันแรกของ Spectral ซึ่งเป็นการทำ Web3 Credit Scoring กันครับ

โดยเป็นการ predict ว่าจะเกิดการ liquidation ในฝั่ง active borrower (ผู้กู้ที่ใช้งานประจำ) หรือไม่ (Binary Classification) บนแพลตฟอร์ม Aave v2 Ethereum และ Compound v2 Ethereum โดยการ liquidation นั้นจะรวมสองกรณีด้านล่าง

• Actual liquidation: health factor ของผู้กู้นั้นอยู่ต่ำกว่า liquidation threshold ซึ่งทำให้เกิดการ liquidation

• Technical liquidation: health factor ของผู้กู้นั้นอยู่ต่ำกว่า specific threshold

ซึ่งทำให้ risky borrowers (ผู้กู้ที่มีความเสี่ยงสูง) นั้นจะถูกรวมเข้ามาด้วย ถึงแม้ว่าผู้กู้กลุ่มนี้ยังไม่ถูก liquidated ขณะที่ health factor อยู่ต่ำกว่า liquidation threshold หรือในกรณีที่ผู้กู้กลุ่มนี้มีประวัติการกู้ on-chain ที่เสี่ยงพอที่จะ trigger liquidation แม้ว่าจะเกิดการปรับตัวลงของตลาดเพียงเล็กน้อย

เพื่อการทำ zkML proofs จะมีเงื่อนไขหลักอยู่สองข้อในการทำ modelling

1. โมเดลที่ซัพพอร์ตได้แก่

   1. Logistic Regression (PyTorch)

   2. Neural Network ที่ไม่ใช่ตระกูล Recurrent Neural Networks (PyTorch)

2. ในส่วน output ของ model นั้นจะต้อง predict ค่าออกมาเป็น probability

โดยมี metrics ที่ใช้วัดประสิทธิภาพของตัวโมเดลดังนี้

• Area Under the Receiver Operating Characteristic Curve (AUC/AUROC)

• Area Under the Precision-Recall Curve (PR-AUC)

• Recall Score

• F1 Score

• Brier Score

• Kolmogorov-Smirnov Statistic

• Predicted Probability Densities (คิดจากผลต่างค่ามัธยฐานของ predicted probability จากทั้งสอง labels)

[TK]

สามารถลองทำตาม Github ได้ดังนี้ เพื่อทดลองเข้าร่วมการแข่งขันได้

GitHub - Spectral-Finance/challenge-1-modeler-starter-kit: Modeler Starter Kit for the 2023 Decentralized Credit Scoring in Web3 Challenge

Modeler Starter Kit for the 2023 Decentralized Credit Scoring in Web3 Challenge - GitHub - Spectral-Finance/challenge-1-modeler-starter-kit: Modeler Starter Kit for the 2023 Decentralized Credit Scoring in Web3 Challenge

https://github.com

1. download repo ด้านบน

   git clone https://github.com/Spectral-Finance/challenge-1-modeler-starter-kit.git

   cd challenge-1-modeler-starter-kit

2. สร้าง virtual environment

   python3 -m venv env

3. เปิด virtual environment

   source env/bin/activate

4. ดาวน์โหลด package ต่างๆ

   pip install -r requirements.txt

5. Config

   spectral-cli configure

6. Submit โมเดล

   python3 baseline_submission.py

จากประสบการณ์ของผู้เขียน ติดปัญหาการ install package ezkl จึงทำให้ไม่สามารถทดลองส่งงานดังกล่าวได้

สำหรับท่านที่สนใจเข้าร่วมการแข่งขันในอนาคต สามารถเรียนรู้ทักษะผู้ชนะในรอบ Early Competition ของการแข่งขันรอบนี้ได้ครับ เพื่อเรียนรู้ว่าเขามีวิธีเตรียมตัวอย่างไรบ้าง

[TK]

สำหรับ Competitions ถัดๆไปจะถูกระบุไว้ใน whitepaper ซึ่งประกอบด้วย

• UniswapX Collaborative Filler

• NFT Recommendation Engine

• Price Prediction

• NBA Sports Prediction

[TK]

ในส่วนนี้ Modeler จะมี workflow หลักอยู่ 7 steps ได้แก่

1. ลงทะเบียนกับ Spectral App

2. ลงโปรแกรม Spectral CLI

3. ดาวน์โหลด Dataset

4. เทรน Model

5. เชื่อมต่อ APIs

6. Commit to Model

7. ส่งงานรอบ Final

ผู้เขียนขอแสดงความคิดเห็นจากที่ได้ลองค้นคว้าและทดลองมีส่วนร่วมกับ Spectral มาสักระยะ

ข้อแรก: ผู้เขียนยังไม่เห็นรายละเอียด flow เงินที่จะหมุนใน Spectral ดีพอ จึงยังไม่ขอ comment ในส่วนนี้ (platform ยังไม่ได้กระจายศูนย์อย่างเต็มตัว)

ข้อสอง: ผู้เขียนค่อนข้าง concern ความ niche ของ platform อยู่พอสมควร โดยหลักๆผู้เขียนไม่มั่นใจว่าในอนาคตจะมีผู้มาใช้งานจริงๆหรือไม่ ก่อนอื่นเรามาสรุปกันอีกครั้งว่า Spectral มีสอง platform หลักคือ

1. Spectral Syntax: ผู้เขียนมองว่า Spectral รีบทำส่วนนี้ออกมาเกาะกระแส LLM เพื่อ on-board ให้คนเข้ามาทดลองใช้งานกันดูก่อน (มี airdrop ให้ผู้ใช้งาน early users ในส่วนนี้ด้วยนะ) สังเกตุจากตัว agents ที่มีให้ลองใช้เพียงแค่สองตัว ซึ่งพอผู้เขียนได้ลองใช้งานจริงทั้งตัว agent และตัว platform ผู้เขียนกลับมองแค่ว่าพอใช้ได้ ถ้าในอนาคตสามารถพัฒนาในส่วนนี้ให้ดีขึ้นอีก ผู้เขียนก็ค่อนข้าง bullish เลยทีเดียว

2. Spectral Nova: เป็นส่วนที่มาก่อน platform ตัวแรก เป็น the decentralized kaggle มีความ niche สุดๆ กลุ่มคนที่จะมาใช้หลักๆคือ Data Scientist ที่มีความสนใจใน Crypto ด้วย ซึ่งในส่วนนี้เป็นส่วนที่ผู้เขียนค่อนข้าง concerns เรื่องผู้ใช้งานจากทั้งสี่ฝั่งมากๆ โดยเฉพาะจากฝั่ง Solvers ว่าจะมา on-board กันเยอะไหม เพราะในช่วงแรกเริ่ม ทาง Spectral ก็คงจะต้องเป็นผู้ organizer หลักอยู่แล้ว จึงยังไม่ต้อง concern ในเรื่องของจำนวน Creators มากนัก แต่จาก competitions ล่าสุดมีคนที่สามารถ submit scores ได้ใน leaderboard เพียงแค่ 26 ทีม การแจก airdrop ในรอบล่าสุด ผู้เขียนจึงคาดการณ์ว่าเป็นแผนดึงดูดให้มีผู้มาเข้าร่วมแข่งขันในรอบถัดๆไปมากขึ้น และน่าจะเป็นจุดสำคัญที่จะพิจารณาว่า Spectral จะสามารถอยู่รอดในอนาคตได้หรือไม่

ข้อสาม: โดยส่วนตัว ผู้เขียนก็ว้าวกับการใช้งานของ $SPEC อยู่นะ ทำให้นึกถึง Numerai ตรงที่ฝั่ง Modeler สามารถ stake เหรียญเพื่อ commit ว่าจะสร้าง Model ที่มีประสิทธิภาพที่สุดและรับ rewards แต่การที่ฝั่ง Modeler จะได้เงินใน Spectral นั้น จะต้องมีคนมาใช้งานโมเดล/agents ที่สร้างด้วยจริงๆ ซึ่งก็จะลำบากๆฝั่งที่ niche แบบ Spectral Nova นี่แหละว่าจะเอา inference ไปใช้ในตอนไหนได้บ้าง นึกภาพง่ายที่สุด Models ที่มาทำกันใน Web3 Credit Scoring จะถูกนำไปใช้จริงๆไหม

ข้อสี่: ปัจจุบัน Modelers ใน Spectral จะยังไม่สามารถใช้บาง models ได้ หากตัวโมเดลนั้นไม่ได้รองรับการทำ confidential inference ในส่วนนี้ จริงๆผู้เขียนติดปัญหาตั้งแต่ stage ของการทดลองการ submit งานเลย (install package ezkl)

TL;DR สถานะของ Spectral ตอนนี้จึงเป็นเหมือน Kaggle Playground สำหรับ Web3 เสียกว่า ในส่วนของตัวเหรียญ #NFA ผู้เขียนมองว่าในเบื้องต้น ราคา $SPEC จะแปรผันตรงกับคนที่มาเข้ามาใช้งานในอนาคต ตัวอย่างเช่น Spectral Nova ก็จะมาจากฝั่งผู้เข้าแข่งและผู้ใช้งาน แต่ผู้เขียนก็ยังค่อนข้าง concern การเข้ามาใช้งานฝั่ง Spectral Nova มากๆ อย่างไรก็ตามผู้เขียนจะลองนำกลับไปศึกษาเพิ่มเติมดูครับ

อย่างไรก็ตาม โปรเจค Spectral ก็มาเน้นย้ำการมีอยู่ของ Web3 ว่าสามารถที่จะช่วยกระจายผลประโยชน์ต่างๆสู่ Users ได้อย่างแท้จริง สำหรับการแข่งขัน AI บน Web2 นั้น ถึงแม้เราจะสามารถติดอันดับต้นๆของการแข่งขัน สิ่งที่เราได้กลับมาจริงๆมีเพียงเงินรางวัลตอบแทนและประวัติการแข่งขันเพียงเท่านั้น แต่ทว่าเรากลับต้องยอมมอบสิทธิ์ของโมเดล AI ที่เราพัฒนาให้กับผู้จัดการแข่งขัน ในทางกลับกัน Web3 สามารถทำให้ทุกคนเป็นเจ้าของ AI เพื่อรับรายได้จากการที่มีผู้คนเข้ามาใช้งานได้ด้วย

บทความก่อนหน้านี้ เราได้เห็น Airdrop หลักแสนจากการเป็นผู้ใช้งานแพลตฟอร์มบทความ Web3 อย่าง Mirror แล้ว จึงเป็นเรื่องที่น่าดีใจสำหรับผู้เขียนที่ได้เห็นคนที่พัฒนา AI เป็น สามารถสร้างรายได้ครึ่งล้านจาก Airdrop ผ่านการเป็นผู้พัฒนา AI บน Web3 ได้ และหวังว่าจะได้เห็นการพัฒนา Decentralized AI บน Spectral ได้อย่างยั่งยืนตาม Vision ที่ได้กล่าวไว้

• Technical of Spectral Ecosystem: อาจจะมาลงรายละเอียดในภายหลัง

• Tokenomics of $SPEC: โปรด #DYOR

• Some details of First Competition e.g. metrics, insights of the first winner

• Details of the Incoming Competitions

• How Solver, Consumer and Validator can participate in Spectral Nova

• Business Insights of Spectral Ecosystem e.g. comparing with Kaggle and Numerai

• Insights of the First Competition in Thai

• Airdrop Discussion

• zkML

• Whitepaper: จะบอกถึงสิ่งที่ Spectral กำลังจะทำต่อ ควรอ่านถ้าพอมีเวลา

• FAQ: รวมเรื่องที่ควรอ่านสำหรับคนไม่มีเวลา

https://docs.spectral.finance/spectral/faqs?utm_source=app&utm_medium=organic_faq&utm_campaign=app_conversions

• Spectral Syntax

Spectral SYNTAX | Intelligent Agents, for Everyone

Login with your wallet to build your onchain empire with your personal swarm of AI agents. Employ your agents at autonomous companies and earn in the agentic economy!

https://syntax.spectrallabs.xyz

• Spectral Nova

https://www.app.spectral.finance/

• How Spectral and EZKL are implementing zkML: อธิบายการใช้ package ezkl ในการ implement zkML

https://blog.spectral.finance/making-zkml-real-with-ezkl/

.

.

.

.

.

.

.

.

.

.

P.S. อด Airdrop ครึ่งล้าน เศร้าอ่ะ TT