💬 Мечтают ли андроиды о нулевом знании? | Мнение

Мечтают ли андроиды о нулевом знании? | Мнение

Раскрытие информации: Высказанные здесь взгляды и мнения принадлежат исключительно автору и не отражают взгляды и мнения редакции crypto.news.

В знаменитой начальной сцене «Бегущего по лезвию» персонаж по имени Холден проводит вымышленную интерпретацию теста Тьюринга, чтобы определить, является ли Леон репликантом (гуманоидным роботом). Для теста Холден рассказывает Леону историю, чтобы вызвать эмоциональную реакцию. «Вы находитесь в пустыне, идете по песку, и вдруг вы смотрите вниз... вы смотрите вниз и видите черепаху, Леона. Она ползет к вам...» По мере того, как Холден продолжает рассказывать эту гипотетическую историю, Леон становится все более и более взволнованным, пока не становится очевидно, что он не человек.

В реальном мире мы пока не достигли территории «Бегущего по лезвию», но поскольку ИИ и машинное обучение все больше интегрируются в нашу жизнь, нам нужны гарантии того, что используемые нами модели ИИ являются тем, за что себя выдают.

Вот тут-то и появляются доказательства с нулевым разглашением. По сути, доказательства ZK позволяют одной стороне доказать другой, что определенное вычисление было выполнено правильно, не раскрывая фактические данные и не требуя от проверяющего повторного выполнения вычислений (так называемое свойство краткости). Подумайте об этом как о головоломке судоку: хотя решить ее может быть сложно, проверить решение гораздо проще.

Это свойство особенно ценно, когда вычислительные задачи выполняются вне сети, чтобы избежать перегрузки сети и высоких комиссий. С доказательствами ZK эти вне сети задачи по-прежнему можно проверить, не обременяя блокчейны, которые имеют строгие вычислительные ограничения, поскольку все узлы должны проверять каждый блок. Короче говоря, нам нужна криптография ZK для безопасного и эффективного масштабирования машинного обучения ИИ.

ZK проверяет модели МО, чтобы мы могли безопасно масштабировать ИИ

Машинное обучение, подмножество ИИ, известно своими высокими вычислительными требованиями, требующими обработки огромных объемов данных для имитации адаптации и принятия решений человеком. От распознавания изображений до предиктивной аналитики, модели МО готовятся преобразовать почти каждую отрасль — если они еще этого не сделали — но они также раздвигают границы вычислений. Так как же нам проверить и подтвердить подлинность моделей МО с помощью блокчейнов, где операции в цепочке могут быть непомерно дорогими?

Нам нужен доказуемый способ доверять моделям ИИ, чтобы мы знали, что используемая нами модель не была подделана или ложно рекламировалась. Когда вы делаете запросы ChatGPT о ваших любимых научно-фантастических фильмах, вы, вероятно, доверяете используемой модели, и это не конец света, если качество ответов здесь и там снижается. Однако в таких отраслях, как финансы и здравоохранение, точность и надежность имеют решающее значение. Одна ошибка могла бы вызвать каскад негативных экономических последствий по всему миру.

Именно здесь ZK играет ключевую роль. Используя доказательства ZK, вычисления ML по-прежнему могут выполняться вне блокчейна, при этом также имея проверку в блокчейне. Это открывает новые возможности для развертывания моделей ИИ в приложениях блокчейна. Машинное обучение с нулевым разглашением, или ZKML, позволяет выполнять криптографическую проверку алгоритмов ML и их выходов, сохраняя при этом сами алгоритмы конфиденциальными, сокращая разрыв между вычислительными требованиями ИИ и гарантиями безопасности блокчейна.

Одно из самых захватывающих приложений ZKML — DeFi. Представьте себе пул ликвидности, где алгоритм ИИ управляет перебалансировкой активов для максимизации доходности, одновременно совершенствуя свои торговые стратегии. ZKML может выполнять эти вычисления вне блокчейна, а затем использовать доказательства ZK, чтобы гарантировать легитимность модели ML, а не какого-либо другого алгоритма или сделок другого человека. В то же время ZK может защищать торговые данные пользователей, чтобы они сохраняли финансовую конфиденциальность, даже если модели ML, которые они используют для совершения сделок, являются общедоступными. Результат? Безопасные протоколы DeFi, управляемые ИИ, с проверяемостью ZK.

Нам нужно лучше знать наши машины

Поскольку ИИ становится все более важным аспектом человеческой деятельности, опасения по поводу вмешательства, манипуляции и враждебных атак только растут. Модели ИИ, особенно те, которые обрабатывают критически важные решения, должны быть устойчивы к атакам, которые могут испортить их результаты. Конечно, мы хотим, чтобы приложения ИИ были безопасными. Речь идет не только о безопасности ИИ в традиционном смысле (т. е. об обеспечении непредсказуемого поведения моделей), но и о создании надежной среды, в которой сама модель легко поддается проверке.

В мире, где модели множатся, мы, по сути, живем, руководствуясь ИИ. По мере роста числа моделей растет и потенциал атак, в которых подрывается целостность модели. Это особенно тревожно в сценариях, где вывод модели ИИ может быть не тем, чем кажется.

Интегрируя криптографию ZK в ИИ, мы можем начать строить доверие и подотчетность в этих моделях уже сейчас. Подобно сертификату SSL или значку безопасности в вашем веб-браузере, вероятно, будет символ для верификации ИИ — тот, который гарантирует, что модель, с которой вы взаимодействуете, является той, которую вы ожидаете.

В «Бегущем по лезвию» тест Войта-Кампфа был направлен на то, чтобы отличить репликантов от людей. Сегодня, когда мы все больше ориентируемся в мире, где все большее влияние оказывает ИИ, мы сталкиваемся с похожей проблемой: как отличить подлинные модели ИИ от потенциально скомпрометированных. В криптографии криптография ZK могла бы стать нашим тестом Войта-Кампфа — надежным, масштабируемым методом проверки целостности моделей ИИ без ущерба для их внутренней работы. Таким образом, мы не просто спрашиваем, мечтают ли андроиды об электроовцах, но и гарантируем, что ИИ, пасущий нашу цифровую жизнь, является именно тем, за кого себя выдает.

Роб Виглионе — соучредитель и генеральный директор Horizen Labs, студии разработки, стоящей за несколькими ведущими проектами web3, включая zkVerify, Horizen и ApeChain. Роб глубоко интересуется масштабируемостью web3, эффективностью блокчейна и доказательствами с нулевым разглашением. Его работа сосредоточена на разработке инновационных решений для zk-rollups для повышения масштабируемости, экономии средств и повышения эффективности. Он имеет докторскую степень по финансам, степень магистра делового администрирования по финансам и маркетингу, а также степень бакалавра по физике и прикладной математике. В настоящее время Роб входит в совет директоров Puerto Rico Blockchain Trade Association.