Skip to content
AI x Crypto

ทำไมการพิสูจน์ว่าโมเดลทำงานได้ถูกต้องถึงยังใช้เวลานานกว่าการรันโมเดลจริงๆ?

84

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

ความรุนแรง8/10

ความเจ็บปวดที่มันก่อขึ้นเมื่อปรากฏตัว

ความถี่8/10

ความถี่ที่คนจริงๆ เจอมัน

ช่องว่าง7/10

ความขาดแคลนของเครื่องมือที่ดีสำหรับมันในปัจจุบัน

ปัญหาอื่นที่น่าแก้ไข