AI x Crypto
为什么证明模型正确运行所花的时间仍比运行模型本身更长？
84
机会
机器学习推理的零知识证明可以在不泄露权重的情况下，验证模型从给定输入产生了给定输出。这将使加密应用能够以无需信任的方式使用 AI 输出，而无需依赖 TEE 或运营商声誉。问题在于性能：为 GPT-2 规模的模型生成 ZK 证明需要数十分钟，在 GPT-3 规模下则需以小时计。Transformer 中的浮点运算编译为算术电路的效率很低，而注意力机制的证明开销尤其高昂。基于 TEE 的证明掩盖了这一差距，但需要信任硬件厂商的固件，而非数学本身。在证明生成速度提升两到三个数量级之前，加密领域每一个可验证的 AI 原语都不过是用一个信任假设换另一个。
为什么重要
加密原生 AI 的可信中立性承诺，取决于足够快以用于生产环境的 ZK 证明，而目前这一条件尚不具备。
我如何评估机会
机会评分是我的个人判断，而非量化指标：痛苦程度、发生频率，以及当前解决方案的匮乏程度。分数越高，意味着我认为越值得去构建。
严重性8/10
出现时造成的痛苦程度。
频率8/10
人们实际遇到它的频率。
空白空间7/10
当前针对它的优质工具有多匮乏。