Polyhedra تطلق EXPchain لتطبيقات الذكاء الاصطناعي، محلل ضرورة ربط نماذج الذكاء الاصطناعي ومُولدات البراهين الموزعة Zk

البنية التحتية للتشغيل البيني لسلسلة الكتلة Polyhedra ، بعد أن شهدت انخفاضا في أسعار العملات وفقدان اسم رمزي $ZK مع zkSync ، أعادت مؤخرا إحياء "سلسلة كل شيء مقابل الذكاء الاصطناعي" ، والتي يفهم أنها تسمى EXPchain. يقترح إثبات الذكاء (PoI) إثبات مفهوم الذكاء ، مما يخلق سلسلة كتلة موثوقة لنماذج الذكاء الاصطناعي التي لا يمكن العبث بها. ما إذا كان الجمع بين zk ونجاح التحول الذكاء الاصطناعي يستحق التطلع إليه.

الرقابة التقليدية للذكاء الاصطناعي تتضمن بيانات حساسة، zkML يعتبر حلا جديدا

يعرف المسؤولون EXPchain بروتوكول سلسلة كتلية مصمم خصيصًا لتطبيقات الذكاء الاصطناعي التي تهتم بالتوسع والتحقق والخصوصية. كما "سلسلة لجعل الذكاء الاصطناعي أمرًا عالميًا"، يدمج EXPchain نظام التعلم الآلي الخاص بالمعرفة الصفرية (zkML) وإطار البرهان الذكي الجديد (PoI). وتشمل الابتكارات الرئيسية نظام البرهان الفعال Expander وحزمة أدوات zkPyTorch الودودة للمطورين، التي تدمج zkML في سير العمل التقليدي للذكاء الاصطناعي.

تلعب الذكاء الاصطناعي دوراً أكثر أهمية في مختلف الصناعات، من فتح الهاتف المحمول بواسطة التعرف على الوجه إلى طلبات القروض وتشخيصات الطبية التي يقودها الذكاء الاصطناعي، وتعتبر هذه التقنيات تحدياً كبيراً بالإضافة إلى إمكانيات هائلة. فمثلاً، كيف يمكن ضمان عمل نظام الذكاء الاصطناعي بشكل عادل ودقيق وآمن؟ وكيف يمكن حماية البيانات الحساسة دون المساس بالشفافية والمسؤولية؟

وبالإضافة إلى ذلك، بدأت الحكومات في مختلف البلدان في العمل على رقابة الذكاء الاصطناعي، مثل قانون الاتحاد الأوروبي للذكاء الاصطناعي وإطار إدارة مخاطر الذكاء الاصطناعي لمعهد المعايير والتكنولوجيا الوطني في الولايات المتحدة الأمريكية. مشكلة الأساليب التقليدية هي الحاجة إلى الكشف عن النماذج الخاصة أو البيانات الحساسة، مما يؤدي إلى اتخاذ قرارات بين الأمان والخصوصية والثقة. يرجى إدخال النص الذي ترغب في ترجمته. تقدم تعلم الآلة بدون معرفة (zkML) حلاً مختلفاً عن التقاليد، حيث تتيح خصائص الإثبات بدون معرفة إمكانية القيام بالتحقق الرياضي لنظام الذكاء الاصطناعي مع حماية خصوصية البيانات والنماذج في نفس الوقت. وبينما تقدم Polyhedra بروتوكول تبادلي EXPchain المبني على تقنية zkML، فإنه لا يقوم فقط بمراعاة سلوك الذكاء الاصطناعي والتنظيم القانوني، بل إنه أيضاً تحقق بطريقة قابلة للتوسيع وآمنة.

تتوسع الديون التقنية بشكل مستمر ، وتكون عملية التداول بالذكاء الاصطناعي على السلسلة القابلة للتتبع ذات مزايا في المساءلة

وفقا لإحدى الدراسات ، نمت ديون تكنولوجيا البرمجيات الأمريكية (يشير الدين الفني إلى المقايضة التي تتم عند تطوير البرامج لطرحها بسرعة أو تلبية الاحتياجات قصيرة الأجل ، والتي غالبا ما تزيد من تكاليف صيانة النظام على المدى الطويل) إلى 2.41 ميغاغرام. بالإضافة إلى ذلك ، أشار بحث أجرته برايس ووترهاوس كوبرز (PwC) ، إحدى المنظمات الاستشارية المهنية الأربع الكبرى في العالم ، إلى أنه من المتوقع أن تساهم الذكاء الاصطناعي بما يصل إلى 15.7 تريليون دولار في الاقتصاد العالمي بحلول عام 2030.

مع توسع نطاق الذكاء الاصطناعي، قد يتزايد دين التقنية. في هذا الصدد، كتبت Raconteur في عمودها التجاري مقالا يشكك في استعداد الشركات لتحمل تكلفة فشل الذكاء الاصطناعي؟ تشمل أخطاء الذكاء الاصطناعي الإخراج غير الصحيح وتسرب البيانات والهجمات الإلكترونية. بالإضافة إلى الخسائر الاقتصادية، تتسبب هذه الأخطاء في إلحاق الضرر بالأفراد.

على سبيل المثال، قد يؤدي إخراج بيانات غير صحيحة إلى أخطاء في تقييم الجهاز أو إتخاذ قرارات ذات تحيز. لذلك، فمن الضروري التأكد من أن جميع عناصر تدفع التجارة بدعم الذكاء الاصطناعي، من إدخال البيانات إلى إخراج النموذج، قابلة للتحقق والمساءلة، وهذا أمر حاسم لمواجهة هذه المخاطر بينما نستخدم كامل إمكانات الذكاء الاصطناعي. وهذا هو المكان الذي يأتي فيه تطبيق إكسبتشين للتحقق الفوري الذكي بدعم الكتلة.

ثلاثة ابتكارات تقنية رئيسية: هل يمكن لـ Polyhedra حل مشكلة مولد البرهان zk؟

الابتكار التقني يشمل Expander، ExPos و zkPyTorch

Polyhedra: Expander هو أسرع بروف ورلد زيك حاليا

تقدم بوليهيدرا البيانات التالية :

معالجة صور VGG-16 على وحدة المعالجة المركزية ذات الخط الواحد تستغرق فقط 2.2 ثانية

على وحدة المعالجة المركزية ذات الخط الواحد ، تتم معالجة Llama-3.1 8B كل رمز يحتاج 150 ثانية

الأداء أسرع بأربعة أوامر من البيانات السابقة

وقد أدت هذه التطورات إلى خفض تكلفة وزمن انتقال التحقق من صحة الذكاء الاصطناعي بشكل كبير، مما مكن التطبيقات التي تتراوح من الاستدلال على الخصوصية إلى مراجعة النموذج. يتوافق Expander أيضا مع رؤية Vitalik Buterin لنهاية اللعبة zk.

يتم تقسيم Layer 2 بشكل رئيسي إلى Optimistic Rollup و zk Rollup، وبالنسبة لمعظم سلاسل الكتل zk Rollup، يعد إنتاج دليل ZKP عائقًا، حيث يجب على الشركات نشر آلات قوية تحتوي على ذاكرة TB لمعالجة حجم المعاملات الكبير في ZKP. في الورقة التي قدمها Tiancheng Xie، المدير التنفيذي للتكنولوجيا السابق لـ Polyhedra، و Jiaheng Zhang، العالم الرئيسي، يتم مناقشة استخدام حلاً جديدًا يعتمد على ZKP متمامًا لزيادة قابلية توسع تقنية zk.

ExPoS: آثبات الحقوق الموسعة

ExPoS هي آلية إثبات الحصة التي تم تطويرها لتقنية zkML في EXPchain والتي تتحقق من سلوك التطبيق الذكاء الاصطناعي والامتثال دون الكشف عن بيانات نموذج الملكية. في العامية ، يستخدم تقنية zkBridge من Polyhedra لتوحيد وربط جميع آليات التخزين على سلسلة الكتلة في شبكة تخزين متماسكة. يرجى إدخال النص الذي ترغب في ترجمته. zkPyTorch: صندوق أدوات صديق للمطورين يرجى إدخال النص الذي ترغب في ترجمته. zkPyTorch يحول تلقائيًا عمليات PyTorch إلى دوائر zk ، مما يقلل من الفجوة بين سير عمل تطوير الذكاء الاصطناعي التقليدي والتعلم الآلي بدون معرفة (zkML). هذا التكامل يسمح للمطورين باستخدام الأدوات المألوفة وفي الوقت نفسه يقلل بشكل كبير من الوقت والتعقيد في نشر تطبيقات الذكاء الاصطناعي التي تدعم zk. يرجى إدخال النص الذي ترغب في ترجمته. zkML يمكن إجراء التحقق من LLM في سياق الخصوصية

يتمحور الأمر الأساسي في شبكة EXPchain حول التعلم الآلي بلا معرفة (zkML)، حيث يدعم zkML التحقق الرمزية لنماذج الذكاء الاصطناعي، ويضمن الأمان والدقة على مدار دورة حياة التعلم الآلي بأكملها، بما في ذلك:

الاستدلال القابل للتحقق: إثبات ناتج الذكاء الاصطناعي دون الكشف عن النموذج أو البيانات.

مراجعة النموذج: تحقق من عدالة وامتثال الأداء وفقًا لمجموعة الاختبار.

التحقق من التدريب: ضمان الامتثال للبروتوكول دون تسريب المدخلات الحساسة.

zkML التطبيقات المحددة تشمل:

إضافة علامة مائية رقمية إلى نماذج اللغة الكبيرة (LLMs). تُضاف العلامة المائية الرقمية إلى النص الذي تم إنشاءه بواسطة LLM وتحتوي على سمات صغيرة وغير ملحوظة تُستخدم لتحديد ما إذا كان النص مولدًا بواسطة نموذج معين ، وذلك لمنع التزييف وسوء استخدام المحتوى.

ضمان توافق النموذج، مثل التحقق من الامتثال في المؤسسات المالية.

تحقيق الحساب المتعدد الآمن في صناعة الخصوصية.

يمكن الآن استخدام علامة مائية رقمية zkML لـ EXPchain للتحقق من النماذج اللغوية الكبيرة مثل Llama-3.1 8B.

Polyhedra الرئيسية عالمة التشفير لديها سمعة طيبة وتعزز سلسلة PoI للذكاء الاصطناعي

EXPchain يمكن اعتبارها إثبات للذكاء (PoI)، حيث تقوم بإنشاء سلسلة كتلية غير قابلة للتلاعب وقابلة للثقة لنموذج الذكاء الاصطناعي، وتتحقق من مصدره وحقيقته وامتثاله الأخلاقي. يحمي هذا الإطار الملكية الفكرية ويضمن الشفافية والمساءلة، عن طريق ربط كل نموذج للذكاء الاصطناعي بشكل مشفر بسجل قابل للتحقق على السلسلة، مما يوفر شفافية غير مسبوقة لنظام البيئة المدفوع بالذكاء الاصطناعي.

وعندما يتعلق الأمر بالأشخاص الذين يقفون وراء كل هذا ، علينا أن نتحدث عن Zhenfei Zhang ، كبير مصممي التشفير في Polyhedra. عمل سابقا مع قادة الصناعة مثل Algorand و Espresso و Ethereum Foundation و Scroll ، وهو معروف جيدا في مجتمع التشفير. المقالة "ZEN: برامج التحويل البرمجي المحسنة لاستدلال الشبكة العصبية صفر المعرفة التي يمكن التحقق منها" تدور حول التعلم الآلي الذي يمكن التحقق منه.

تم إطلاق شبكة EXPchain المخصصة لتطبيقات الذكاء الاصطناعي من قبل Polyhedra ، وتحليل ضرورة ربط نماذج الذكاء الاصطناعي ومُنتجي البراهين zk الموزعة ، وظهورها لأول مرة في ChainNews ABMedia.