Skip to content
AI x Crypto

Dlaczego udowodnienie, że model działał poprawnie, wciąż trwa dłużej niż jego uruchomienie?

84

Szansa

Dowody zerowej wiedzy dla wnioskowania ML mogą potwierdzić, że model wyprodukował dany wynik z danego wejścia bez ujawniania wag. Umożliwiłoby to aplikacjom krypto konsumowanie wyników AI w sposób niewymagający zaufania, bez polegania na TEE ani reputacji operatora. Problem leży w wydajności: generowanie dowodu ZK dla modelu w skali GPT-2 zajmuje kilkadziesiąt minut; w skali GPT-3 mierzone jest w godzinach. Arytmetyka zmiennoprzecinkowa w transformatorach kompiluje się nieefektywnie do obwodów arytmetycznych, a mechanizm uwagi jest szczególnie kosztowny do udowodnienia. Atestacja oparta na TEE łata tę lukę, ale wymaga zaufania do oprogramowania układowego dostawcy sprzętu, a nie do matematyki. Dopóki generowanie dowodów nie spadnie o dwa do trzech rzędów wielkości, każdy weryfikowalny prymityw AI w krypto wymienia jedno założenie zaufania na inne.

Dlaczego to ważne

Obietnica wiarygodnej neutralności AI natywnej dla krypto zależy od dowodów ZK wystarczająco szybkich do użycia w produkcji, a dziś takie nie istnieją.

Jak oceniam szansę

Wskaźnik Szansy to mój własny odczyt, a nie pomiar: jak bardzo boli, jak często daje się we znaki i jak niewiele istnieje dziś, by to rozwiązać. Wyższy wynik oznacza, że uważam problem za bardziej warty zbudowania.

Dotkliwość8/10

Ile bólu sprawia, gdy się pojawia.

Częstotliwość8/10

Jak często ludzie faktycznie na to trafiają.

Białe znaki7/10

Jak mało dobrych narzędzi istnieje dla tego dziś.

Więcej problemów wartych rozwiązania