¿Por qué demostrar que un modelo se ejecutó correctamente sigue tardando más que ejecutarlo?

Las pruebas de conocimiento cero de inferencia de ML pueden verificar que un modelo produjo una salida determinada a partir de una entrada determinada sin revelar los pesos. Esto permitiría que las aplicaciones de criptomonedas consumieran salidas de IA sin necesidad de confianza, sin depender de TEEs ni de la reputación del operador. El problema es el rendimiento: generar una prueba ZK para un modelo a escala GPT-2 lleva decenas de minutos; a escala GPT-3 se mide en horas. La aritmética de punto flotante en transformers se compila de manera ineficiente en circuitos aritméticos, y el mecanismo de atención es especialmente costoso de probar. La atestación basada en TEE solventa esta brecha pero requiere confiar en el firmware del proveedor de hardware en lugar de en las matemáticas. Hasta que la generación de pruebas no mejore dos o tres órdenes de magnitud, cada primitivo de IA verificable en criptomonedas está intercambiando una suposición de confianza por otra.