ทำไมการพิสูจน์ว่าโมเดลทำงานได้ถูกต้องถึงยังใช้เวลานานกว่าการรันโมเดลจริงๆ?
โอกาส
การพิสูจน์แบบ zero-knowledge สำหรับการอนุมาน ML สามารถยืนยันได้ว่าโมเดลสร้างผลลัพธ์ที่กำหนดจากอินพุตที่กำหนดโดยไม่เปิดเผย weights ซึ่งจะช่วยให้แอปพลิเคชัน crypto นำผลลัพธ์ AI ไปใช้ได้โดยไม่ต้องอาศัยความเชื่อใจ โดยไม่พึ่งพา TEEs หรือชื่อเสียงของผู้ดำเนินการ ปัญหาคือประสิทธิภาพ: การสร้าง ZK proof สำหรับโมเดลระดับ GPT-2 ใช้เวลาหลายสิบนาที ในระดับ GPT-3 วัดเป็นชั่วโมง เลขคณิตทศนิยมในทรานสฟอร์เมอร์แปลงเป็นวงจรเลขคณิตได้อย่างไม่มีประสิทธิภาพ และกลไก attention มีต้นทุนในการพิสูจน์สูงเป็นพิเศษ การรับรองแบบ TEE ปิดทับช่องว่างนี้ไว้ชั่วคราว แต่ต้องอาศัยความเชื่อถือใน firmware ของผู้ผลิตฮาร์ดแวร์แทนที่จะเป็นคณิตศาสตร์ จนกว่าการสร้าง proof จะเร็วขึ้นสองถึงสามลำดับขนาด ทุก AI primitive ที่ตรวจสอบได้ใน crypto ก็แค่แลกสมมติฐานความเชื่อถืออย่างหนึ่งกับอีกอย่างหนึ่ง
ทำไมถึงสำคัญ
คำสัญญาความเป็นกลางที่น่าเชื่อถือของ AI แบบ crypto-native ขึ้นอยู่กับ ZK proofs ที่เร็วพอสำหรับใช้งานจริงใน production และทุกวันนี้ยังไม่เป็นเช่นนั้น
วิธีที่ผมให้คะแนนโอกาส
คะแนนโอกาสเป็นมุมมองส่วนตัวของผม ไม่ใช่การวัดผล โดยดูว่ามันเจ็บปวดแค่ไหน บ่อยแค่ไหนที่มันกัดกิน และมีทางแก้อยู่น้อยเพียงใดในปัจจุบัน คะแนนสูงกว่าหมายความว่าผมคิดว่าคุ้มค่าแก่การสร้างมากกว่า
ความเจ็บปวดที่มันก่อขึ้นเมื่อปรากฏตัว
ความถี่ที่คนจริงๆ เจอมัน
ความขาดแคลนของเครื่องมือที่ดีสำหรับมันในปัจจุบัน
ปัญหาอื่นที่น่าแก้ไข
บัญชีธนาคารของ AI agent จริงๆ แล้วหน้าตาเป็นอย่างไร
AI x Cryptoองค์กร on-chain ที่ขับเคลื่อนด้วย agent จะหลีกเลี่ยงการกลายเป็นเครื่องมือหลอกลวงได้ไหม?
AI x Cryptoคุณจะพิสูจน์ว่ารูปภาพหรือเสียงเป็นของจริงได้อย่างไรโดยไม่ต้องอาศัยแพลตฟอร์มรับรอง?
AI x Cryptoทำไมตัวตนบน on-chain ถึงมีแค่สองขั้วคือไม่มีอะไรเลย หรือเปิดเผยทุกอย่างในชีวิต?
AI x Cryptoฉันจะตรวจสอบได้อย่างไรว่า agent ใดทำงานภายใต้ตัวตนของฉันตลอดทั้ง delegation chain?
AI x CryptoWhy does running my prompt inside an encrypted VM not actually keep it private?