Cyfrowy bliźniak Zeno i demokratyzacja nauki przez DeSci

Oryginalny tytuł: „Zeno: idea cyfrowego bliźniaka i popularyzacja nauki przez DeSci”

Oryginalny autor: Eric, Foresight News

Ponad tydzień temu platforma DeSci Orama Labs z powodzeniem zakończyła launchpad pierwszego projektu OramaPad – Zeno. Tym razem Zeno udostępniło launchpadowi 500 milionów tokenów ZENO, co stanowi połowę całkowitej podaży. Aby wziąć udział w OramaPad, użytkownicy muszą stakować swoje tokeny PYTHIA, a ten „debiut” przyciągnął łącznie staking PYTHIA o wartości 3,6 miliona dolarów.

Orama Labs dąży do rozwiązania problemu nieefektywnej alokacji środków i zasobów w tradycyjnych badaniach naukowych. Sposobem na to jest finansowanie eksperymentów naukowych, weryfikacja własności intelektualnej, rozwiązywanie problemu wysp danych oraz wdrażanie zarządzania społecznościowego, tworząc ścieżkę od badań do komercjalizacji.

Pierwszy projekt OramaPad przyjął model Crown, co oznacza, że projekt musi mieć kompletną logikę biznesową i/lub silne kompetencje technologiczne w obszarze Web2, a jego produkt musi być wysoce użyteczny. Orama nazywa to OCM (Onboarding Community Market). W przeciwieństwie do zwykłych emisji meme, Orama zasadniczo oferuje dojrzałym firmom lub zespołom Web2 z ugruntowanym modelem biznesowym i kompetencjami technologicznymi powtarzalną ścieżkę transformacji on-chain. Pierwszy, który się na to zdecydował – Zeno – również ma imponujące zaplecze.

Twarda technologia, której dokumentacji trudno zrozumieć

Zeno to projekt o niezwykle ambitnej wizji – tak dużej, że czytając tylko dokumentację Zeno, możesz nie do końca zrozumieć, co zespół naprawdę chce osiągnąć. Sam dowiedziałem się o pełnym obrazie tej cybernetycznej historii dopiero po rozmowie z zespołem:

W skrócie, Zeno chce nałożyć na fizyczną przestrzeń życia ludzi wielowarstwową przestrzeń wirtualną przeznaczoną dla AI, robotów i innych inteligentnych agentów, tak aby wszystkie „inteligentne istoty”, w tym ludzie, mogły żyć w tej samej przestrzeni.

Wyobraź sobie taką sytuację: w pewne popołudnie w przyszłości relaksujesz się na leżaku na balkonie, w domu masz AI-zarządcę, który steruje wszystkimi urządzeniami i meblami, oraz humanoidalnego robota, który zajmuje się domem. Nagle robi ci się nudno i chcesz zagrać w wirtualną grę w rzucanie piłką z dwoma braćmi. Zakładasz więc okulary VR/AR – w tym świecie robot wygląda jak człowiek, a AI istniejące tylko w sieci również przyjmuje ludzką postać. Robot siedzi na kanapie, AI siada na podłodze, a wy trzej rzucacie sobie wirtualną piłkę i rozmawiacie o tym, co zjeść na kolację.

To właśnie jest ostateczna wizja Zeno – umożliwić współistnienie istot węglowych i krzemowych w tej samej fizycznej przestrzeni.

Wielu z nas wyobraża sobie cyberprzestrzeń jako czysto wirtualne środowisko, na przykład świat z filmu „Ready Player One”, do którego wchodzimy przez VR. Obecnie także nasza interakcja z AI odbywa się za pośrednictwem płaskich ekranów komputerów lub smartfonów. Zeno chce przenieść te wirtualne przestrzenie bezpośrednio do rzeczywistości, tworząc „nakładający się stan” świata fizycznego i cyfrowego, gdzie treści cyfrowe są „namacalne jak rzeczywiste”, a ludzie, roboty i AI mogą naturalnie współdziałać w prawdziwych scenariuszach, budując ekosystem mieszanej rzeczywistości, w którym świat wirtualny i rzeczywisty współistnieją.

Oczywiście świat, który widzimy, może nie być identyczny z tym, co widzą roboty i AI. Na przykład nie chcesz, żeby robot wchodził do twojego gabinetu bez powodu – możesz więc „zamknąć” drzwi do gabinetu w świecie widzianym przez robota, a tylko ty możesz „otworzyć” ten „zamek”, dając robotowi dostęp.

Przestrzenne punkty kotwiczące jako rdzeń

Współistnienie z AI pod jednym dachem brzmi bardzo futurystycznie, ale wymaga jednego podstawowego warunku: musisz najpierw zbudować model świata rzeczywistego w wirtualnej przestrzeni, aby umożliwić programowalność.

Najpierw musisz więc posiadać dane rzeczywistego otoczenia – to właśnie problem, nad którym pracuje wiele firm, w tym te z branży autonomicznej jazdy. Weźmy na przykład autonomiczną jazdę: jeśli AI ma dostęp do mapy rzeczywistej całego miasta, nie musi uczyć się jeździć po ulicach, lecz może symulować różne sytuacje w laboratorium i stale się doskonalić.

Chociaż powyższe nie jest jeszcze „nakładaniem przestrzeni”, to jednak stanowi ważną aplikację modelowania świata rzeczywistego. Zeno nie może osiągnąć swojej wizji od razu – najpierw musi zebrać dane rzeczywistego otoczenia.

Zeno już udostępniło program, który pozwala użytkownikom zbierać dane przestrzenne za pomocą codziennych urządzeń – obsługiwane są roboty i okulary. Jeśli chodzi o smartfony, zespół twierdzi, że Google ARCore jest już wystarczająco dojrzały i nie wymaga dodatkowego rozwoju – użytkownicy mogą korzystać z kompatybilnych modeli. Algorytmy do budowy przestrzeni na podstawie zebranych danych zostały opracowane przez zespół Zeno.

Klucz do współistnienia świata rzeczywistego i wirtualnego opiera się na przestrzennych punktach kotwiczących. Z technicznego punktu widzenia świat rzeczywisty nie jest bezpośrednio programowalny – połączenie z wirtualnym światem odbywa się przez powiązanie punktów kotwiczących w świecie rzeczywistym i odwzorowanie na ich podstawie wirtualnej przestrzeni. W przenośni, dla robotów i AI świat rzeczywisty jest jak ocean w nocy, a te punkty kotwiczące to latarnie morskie, które oświetlają każdą część świata dla inteligencji krzemowej.

Pierwszym krokiem Zeno do realizacji „ostatecznego celu” jest stworzenie pełnego stacku platformy. Oprócz codziennych urządzeń elektronicznych, wykorzystywane są także profesjonalne urządzenia, takie jak lidary, kamery 360 stopni czy kamery RGB w urządzeniach mobilnych lub XR. Zespół twierdzi, że platforma Zeno będzie dysponować potężnym, opartym na chmurze modelem wizualnego świata i systemem obliczeniowym, zdolnym codziennie przetwarzać dane z sensorów o wielkości GB dla dużych obszarów (miasto/globalnie) i indeksować je dla szybkiego wyszukiwania przestrzennego; jednocześnie będzie w stanie równolegle przetwarzać dane z małych obszarów (poziom pokoju/punktów kotwiczących), zapewniając wysoką przepustowość i natychmiastowe przetwarzanie.

System ten posiada również zdolność samouczenia się, stale optymalizując się dzięki wysokiej jakości danym i danym zewnętrznym. W przyszłości będzie obsługiwał setki zapytań przestrzennych na sekundę, oferując precyzyjne pozycjonowanie 6-DOF (sześć stopni swobody), wspólne tworzenie punktów kotwiczących, szybkie trójwymiarowe rekonstrukcje wizualne, natychmiastową segmentację semantyczną i inne funkcje rozumienia sceny. Jest wysoce skalowalny i może być szeroko stosowany w grach AR, nawigacji, reklamie czy narzędziach produktywności.

Zweryfikowane dane przestrzenne i zbudowana na nich infrastruktura inteligencji przestrzennej mogą być wykorzystywane przez różne zdecentralizowane aplikacje do planowania tras autonomicznych pojazdów, treningu modeli end-to-end dla robotów, generowania weryfikowalnych smart kontraktów, dystrybucji reklam w przestrzeni oraz podejmowania decyzji i aplikacji opartych na danych przestrzennych.

Kto stoi za Zeno?

W przeciwieństwie do niektórych projektów Web3 o mglistych wizjach, cel Zeno, choć brzmi skomplikowanie, jest bardzo konkretny. Zespół mógł tak szczegółowo opisać techniczne aspekty projektu, ponieważ jego członkowie od lat pracują w tej branży.

Członkowie zespołu Zeno pochodzą z DeepMirror, czyli firmy Chenying Technology. Jeśli nie znasz Chenying Technology, to prawdopodobnie słyszałeś o notowanej na Nasdaq, wycenianej na 7 miliardów dolarów firmie Pony.ai – CEO Chenying Technology, Harry Hu, był wcześniej COO/CFO Pony.ai.

CEO Zeno, Yizi Wu, był jednym z pierwszych członków Google X, brał udział w rozwoju Google Glass, Google ARCore, Google Lens i platformy deweloperskiej Google. W Chenying Technology kierował całościową architekturą AI i rozwojem World Model.

W kluczowym zespole Zeno są także byli naukowcy Chenying Technology: Taoran Chen, posiadający dwa doktoraty z matematyki z MIT i Cornell University, oraz Kevin Chen, były CFO Chenying Technology i menedżer w Fosun Group, JPMorgan i Morgan Stanley.

Dla zespołu Zeno wejście w Web3 to raczej odważna próba zespołu Web2 o technologicznym rodowodzie. Zespół wyjaśnia, że token ZENO będzie służył do nagradzania użytkowników dostarczających dane przestrzenne oraz zespołów lub osób tworzących narzędzia infrastrukturalne, aplikacje i gry oparte na Zeno. Oprócz 500 milionów tokenów rozdystrybuowanych przez launchpad, zespół zachowuje 300 milionów, a pozostałe 200 milionów wraz ze 100 SOL zdobytymi podczas launchpadu zostanie przeznaczone na zapewnienie płynności pary handlowej na Meteora.

RealityGuard – aplikacja przestrzenna łącząca AR i gry, opracowana przez Chenying Technology

Zapytany, dlaczego wybrano Web3 jako pole działania, Zeno wyjaśnia, że dane przestrzenne same w sobie są zdecentralizowanym aktywem cyfrowym, naturalnie pasującym do środowiska Web3. Dane przestrzenne zbierane przez Zeno w przyszłości również zostaną ztokenizowane i będą przedmiotem obrotu z użyciem tokena ZENO jako waluty, a nabywcami będą firmy technologiczne potrzebujące takich danych. Jeśli chodzi o dalsze zastosowania ZENO, „będą one eksplorowane w miarę postępu projektu”.

Dzięki Zeno rola platformy DeSci staje się namacalna – nauka nie musi być trudną, czysto teoretyczną dziedziną, a popularyzacja technologii na wzór Xiaomi i obniżenie progu inwestycji w wartość nauki to jedne z kluczowych wartości DeSci.