Как аналитик с опытом работы в области финансов и физики, меня все больше заинтриговало пересечение технологии блокчейна, искусственного интеллекта и доказательств с нулевым разглашением. Потенциал этих технологий трансформировать отрасли, сохраняя при этом безопасность и эффективность, поистине впечатляет.
В знаменитой первой сцене фильма Бегущий по лезвию персонаж по имени Холден проводит вымышленную интерпретацию теста Тьюринга, чтобы определить, является ли Леон репликантом (роботом-гуманоидом). Для теста Холден рассказывает Леону историю, чтобы вызвать эмоциональную реакцию. «Ты идешь по пустыне, идешь по песку, и вдруг ты смотришь вниз… ты смотришь вниз и видишь черепаху, Леон. Он ползёт к тебе…» Пока Холден продолжает рассказывать эту гипотетическую историю, Леон всё больше и больше волнуется, пока не становится очевидным, что он не человек.
В реальном мире мы не совсем находимся на том уровне, который изображен в «Бегущем по лезвию», но поскольку искусственный интеллект и машинное обучение становятся все более распространенными в нашей повседневной жизни, важно убедиться, что системы искусственного интеллекта, на которые мы полагаемся, действительно соответствуют тем, о которых они заявляют. быть.
Доказательства с нулевым разглашением служат для одной стороны методом подтверждения другой стороне того, что определенное вычисление было выполнено точно, без раскрытия исходных данных или необходимости повторного выполнения вычислений второй стороной (из-за их эффективности). Чтобы проиллюстрировать это, рассмотрим головоломку судоку. Решение этой задачи может оказаться сложной задачей, но проверка решения проста и не требует повторения всего процесса.
Это свойство особенно полезно, когда сложные вычисления происходят вне сети, предотвращая ее перегрузку и высокие комиссии. Используя доказательства с нулевым разглашением, эти вычисления вне цепочки все еще могут быть подтверждены без нагрузки на блокчейны, которые имеют ограниченную вычислительную мощность из-за требования, чтобы каждый узел проверял каждый блок. По сути, мы полагаемся на криптографию с нулевым разглашением для безопасного и эффективного масштабирования машинного обучения ИИ в сети.
ZK проверяет модели машинного обучения, чтобы мы могли безопасно масштабировать ИИ
Машинное обучение, отрасль искусственного интеллекта, известно своими высокими вычислительными требованиями, поскольку требует огромной обработки данных для имитации человеческой адаптации и принятия решений. Модели машинного обучения, от идентификации изображений до прогнозной аналитики, готовы произвести революцию практически в каждом секторе — и во многих случаях они уже это сделали. Однако эти модели также расширяют границы вычислений. Но как мы можем гарантировать и удостоверить, что эти модели машинного обучения являются подлинными с использованием технологии блокчейна, где операции внутри цепочки могут стать дорогостоящими?
Чтобы обеспечить уверенность в моделях ИИ, нам нужен надежный метод проверки их подлинности, гарантирующий, что моделью не манипулируют и не искажают. В случайных контекстах, таких как обсуждение любимых научно-фантастических фильмов, доверие к модели ИИ может не иметь первостепенного значения, если ее реакция иногда дает сбои. Однако в таких важнейших секторах, как финансы и здравоохранение, точность и надежность имеют первостепенное значение. Единственная ошибка может спровоцировать цепную реакцию неблагоприятных экономических последствий во всем мире.
Технология ZK играет решающую роль в этой настройке. Используя доказательства с нулевым разглашением, вычисления машинного обучения могут выполняться вне блокчейна, но проверяться внутри блокчейна. Это нововведение открывает путь к использованию моделей искусственного интеллекта в блокчейн-проектах. По сути, машинное обучение с нулевым разглашением (ZKML) предлагает криптографическое подтверждение алгоритмов ML и их результатов, сохраняя при этом базовые алгоритмы в секрете, тем самым удовлетворяя вычислительные требования ИИ и обеспечивая безопасность технологии блокчейн.
Одно из самых интересных приложений ZKML — DeFi. Представьте себе пул ликвидности, в котором алгоритм ИИ управляет ребалансировкой активов для максимизации доходности, одновременно совершенствуя свои торговые стратегии. ZKML может выполнять эти вычисления вне сети, а затем использовать доказательства ZK, чтобы убедиться в легитимности модели ML, а не какого-либо другого алгоритма или сделок другого человека. В то же время ZK может защитить торговые данные пользователей, чтобы они сохраняли финансовую конфиденциальность, даже если модели МО, которые они используют для совершения сделок, являются общедоступными. Результат? Обеспечьте безопасность протоколов DeFi на основе искусственного интеллекта с возможностью проверки ZK.
Нам нужно лучше знать наши машины
Поскольку ИИ играет все большую роль в нашей повседневной жизни, беспокойство по поводу вмешательства, обмана и враждебных действий постоянно возрастает. Особенно важно, чтобы системы искусственного интеллекта, принимающие важные решения, могли противостоять атакам, направленным на искажение их результатов. Само собой разумеется, что мы уделяем приоритетное внимание безопасности инструментов искусственного интеллекта. Речь идет не только о традиционной безопасности ИИ (избежании непредвиденного поведения моделей), но и о создании системы, в которой целостность модели может быть независимо проверена, что способствует укреплению доверия к ее результатам.
В то время, когда моделей искусственного интеллекта (ИИ) много, они существенно влияют на нашу повседневную жизнь. С увеличением количества этих моделей также растет риск атак, ставящих под угрозу их подлинность. Это особенно важно в ситуациях, когда результаты, генерируемые ИИ, могут показаться обманчивыми или вводящими в заблуждение.
Включив криптографию с нулевым разглашением (ZK) в системы искусственного интеллекта, мы можем с самого начала установить доверие и подотчетность в этих моделях. Точно так же, как сертификат SSL или защитная печать в вашем веб-браузере гарантирует подлинность веб-сайта, вероятно, там будет символ проверяемости ИИ, который гарантирует, что модель, с которой вы работаете, является той, с которой вы намеревались взаимодействовать.
В фильме «Бегущий по лезвию» для отличия репликантов от человека использовался тест Войта-Кампфа. Точно так же в сегодняшнюю эпоху доминирования ИИ мы сталкиваемся с параллельной дилеммой: отличить подлинные модели ИИ от тех, которые могут быть повреждены или работать со сбоями. В сфере криптографии криптография с нулевым разглашением (ZK) могла бы служить нашим современным тестом Войта-Кампфа — мощным, масштабируемым инструментом для проверки целостности моделей ИИ без раскрытия их внутренней механики. Таким образом, мы не просто задаемся вопросом, могут ли роботы мечтать, но и гарантируем, что ИИ, управляющий нашим цифровым существованием, действительно является тем, чем он себя называет.
Роб Вильоне — соучредитель и генеральный директор Horizen Labs, студии разработки, стоящей за несколькими ведущими проектами web3, включая zkVerify, Horizen и ApeChain. Роб глубоко заинтересован в масштабируемости Web3, эффективности блокчейна и доказательствах с нулевым разглашением. Его работа сосредоточена на разработке инновационных решений для zk-rollup для повышения масштабируемости, экономии средств и повышения эффективности. Он имеет докторскую степень. в области финансов, MBA в области финансов и маркетинга, а также степень бакалавра в области физики и прикладной математики. В настоящее время Роб входит в совет директоров Ассоциации торговли блокчейнами Пуэрто-Рико.
Смотрите также
- Будущее Tribal Token: прогнозы цены на криптовалюту TRIBL
- Будущее Sigma: прогнозы цены на криптовалюту SIGMA
- Будущее Neiro: прогнозы цены на криптовалюту NEIRO
- Будущее Turbo: прогнозы цены на криптовалюту TURBO
- Будущее MATH: прогнозы цены на криптовалюту MATH
- Будущее Apu Apustaja: прогнозы цены на криптовалюту APU
- Будущее PUPS•WORLD•PEACE: прогнозы цены на криптовалюту PUPS
- Будущее Smoking Chicken Fish: прогнозы цены на криптовалюту SCF
- Будущее Fwog: прогнозы цены на криптовалюту FWOG
- Будущее NULS: прогнозы цены на криптовалюту NULS
2024-10-23 14:00