Pourquoi prouver qu'un modèle a fonctionné correctement prend-il encore plus de temps que de l'exécuter ?

Les preuves à connaissance nulle de l'inférence ML peuvent vérifier qu'un modèle a produit une sortie donnée à partir d'une entrée donnée sans révéler les poids. Cela permettrait aux applications crypto de consommer des sorties IA sans tiers de confiance, sans dépendre des TEE ni de la réputation des opérateurs. Le problème est la performance : générer une preuve ZK pour un modèle à l'échelle de GPT-2 prend des dizaines de minutes ; à l'échelle de GPT-3, cela se mesure en heures. L'arithmétique en virgule flottante dans les transformers se compile inefficacement en circuits arithmétiques, et le mécanisme d'attention est particulièrement coûteux à prouver. L'attestation basée sur TEE contourne cet écart mais impose de faire confiance au firmware du fabricant de matériel plutôt qu'aux mathématiques. Jusqu'à ce que la génération de preuves diminue de deux à trois ordres de grandeur, chaque primitive IA vérifiable en crypto échange une hypothèse de confiance contre une autre.