Polyhedra a lancé EXPchain, une application d'intelligence artificielle, pour expliquer la nécessité de la mise en chaîne des modèles d'IA et pour générer des générateurs de preuves Zk distribués.

L'infrastructure d'interopérabilité des chaînes Bloc Polyhedra, après avoir subi une baisse des prix des pièces et avoir perdu la bataille pour le code $ZK contre zkSync, a récemment relancé ses efforts en lançant le "tout chaîne pour l'IA", un projet connu sous le nom d'EXPchain. Il a également proposé le concept de preuve d'intelligence (PoI), créant ainsi une chaîne Bloc non altérable et digne de confiance pour les modèles d'intelligence artificielle. Il sera intéressant de voir si la combinaison de zk et de l'IA pour une transformation réussie suscitera de l'enthousiasme.

La réglementation de l'IA traditionnelle implique des données sensibles, zkML devient une nouvelle solution

Le gouvernement définit EXPchain comme un protocole de chaîne de blocs conçu pour les applications d'intelligence artificielle évolutives, vérifiables et axées sur la confidentialité. En tant que « chaîne de blocs pour tout construire pour l'IA », EXPchain intègre le machine learning à connaissance zéro (zkML) et le nouveau cadre de preuve d'intelligence (Proof of Intelligence, PoI). Les principales innovations incluent le système de preuve zk Expander efficace et le kit d'outils zkPyTorch convivial pour les développeurs qui intègre zkML dans les flux de travail d'IA traditionnels.

L'intelligence artificielle joue un rôle de plus en plus crucial dans divers secteurs, de la reconnaissance faciale pour déverrouiller les téléphones à la demande de prêts et au diagnostic médical pilotés par l'IA. Ces technologies offrent à la fois un énorme potentiel et des défis. Comment garantir le fonctionnement équitable, précis et sécurisé des systèmes d'IA ? Comment protéger les données sensibles sans compromettre la transparence et la responsabilité ?

En outre, les gouvernements du monde entier commencent également à réglementer l'IA, comme le projet de loi sur l'IA de l'Union européenne et le cadre de gestion des risques liés à l'IA de l'Institut national des normes et de la technologie (NIST) des États-Unis. Le problème avec les méthodes traditionnelles est qu'elles nécessitent la divulgation de modèles propriétaires ou de données sensibles, ce qui entraîne un compromis entre la sécurité, la confidentialité et la confiance.

La machine à apprentissage sans connaissance (zkML) offre une approche différente de celle des méthodes traditionnelles, les caractéristiques de preuve sans connaissance permettant de protéger les données et la confidentialité des modèles tout en assurant la vérification mathématique du système d'IA. Polyhedra a lancé EXPchain, un protocole d'interopérabilité basé sur la technologie zkML, qui non seulement prend en compte le comportement de l'IA et les normes de conformité, mais est également extensible et sécurisé.

La dette technique ne cesse de croître, le processus de transaction AI sur la chaîne est favorable à la responsabilité

Une étude indique que la dette technologique des logiciels aux États-Unis devrait atteindre 2,41 billions de dollars en 2022. La dette technologique fait référence aux compromis réalisés lors du développement de logiciels pour une mise en service rapide ou pour répondre à des besoins à court terme, ce qui augmente généralement les coûts de maintenance du système à long terme. De plus, une étude de PricewaterhouseCoopers (PwC), l'une des quatre principales sociétés de conseil professionnel dans le monde, indique que l'IA devrait contribuer jusqu'à 15,7 billions de dollars à l'économie mondiale d'ici 2030.

Avec l'expansion de l'IA, il est possible que l'endettement technique s'aggrave. L'article de Raconteur, une chronique commerciale, remet en question si les entreprises sont prêtes à assumer le coût des échecs de l'intelligence artificielle. Les défaillances de l'IA incluent des sorties incorrectes, des fuites de données et des attaques réseau. En plus des pertes économiques, ces erreurs peuvent également causer des dommages personnels.

Par exemple, une sortie de données incorrecte peut entraîner des erreurs de jugement par la machine ou des décisions biaisées. Par conséquent, il est nécessaire de s'assurer que chaque élément de l'intelligence artificielle pilotant les transactions, de l'entrée des données à la sortie du modèle, est vérifiable et responsable, tout en gérant ces risques pour libérer pleinement le potentiel de l'intelligence artificielle. C'est là que se situe l'utilité de l'EXPchain, une chaîne de blocs AI de vérification en temps réel.

Trois grandes innovations technologiques : Polyhedra peut résoudre le problème difficile des générateurs de preuves zk ?

L'innovation technologique comprend Expander, ExPos et zkPyTorch.

Polyhedra: Expander est le prouveur zk le plus rapide du monde.

Les données fournies par Polyhedra comprennent :

Le traitement de l'image VGG-16 sur un CPU à thread unique ne prend que 2,2 secondes

Traitement sur CPU monoprocesseur Llama-3.1 8B chaque jeton prend 150 secondes

Les performances sont quatre ordres de grandeur plus rapides que les données précédentes.

Ces avancées ont considérablement réduit les coûts et les retards de vérification de l'IA, soutenant diverses applications telles que la vérification de modèles de raisonnement privés. Expander est également conforme à la vision finale de zk proposée par Vitalik Buterin.

La couche 2 se divise principalement en Optimistic Rollup et zk Rollup, et pour la plupart des chaînes publiques zk Rollup, la génération de preuves de ZKP est un goulot d'étranglement, les entreprises doivent déployer de puissantes machines avec une mémoire TB pour traiter les nombreuses transactions dans ZKP. Dans un article précédent publié par Tiancheng Xie, ancien directeur technique de Polyhedra, et Jiaheng Zhang, scientifique en chef, une nouvelle solution utilisant ZKP entièrement décentralisé est proposée pour améliorer la scalabilité de la technologie zk.

ExPoS：Proof of Stake étendu

ExPoS est un mécanisme de preuve d'enjeu développé pour la technologie zkML d'EXPchain, qui vérifie le comportement et la conformité des applications d'IA sans divulguer les données du modèle exclusif. En termes simples, il utilise la technologie zkBridge de Polyhedra pour unifier et connecter tous les mécanismes d'enjeu sur la chaîne de blocs en un réseau de mise en gage cohésif.

zkPyTorch：Un outil convivial pour les développeurs

zkPyTorch automatiquement convertit les opérations PyTorch en circuits zk, réduisant ainsi l'écart entre les flux de travail traditionnels de développement d'IA et l'apprentissage automatique à zéro connaissance (zkML). Cette intégration permet aux développeurs d'utiliser des outils familiers tout en réduisant considérablement le temps et la complexité de déploiement des applications d'IA prenant en charge zk.

La vérification zkML LLM peut être effectuée tout en préservant la confidentialité

Le cœur d'EXPchain réside dans le zero-knowledge machine learning (zkML), qui prend en charge la vérification chiffrée des modèles d'IA pour assurer la sécurité et la précision tout au long du cycle de vie de l'apprentissage automatique, y compris :

Raisonnement vérifiable: prouver la sortie de l'intelligence artificielle sans exposer le modèle ou les données.

Vérification du modèle : vérification de l'équité et de la conformité des performances sur l'ensemble de test.

Vérification de l'entraînement : Assurez-vous de respecter le protocole sans divulguer les entrées sensibles.

Les applications concrètes comprennent :

Ajouter un filigrane numérique aux grands modèles de langage (LLM). Le filigrane numérique est un petit élément caractéristique inséré dans le texte généré par LLM, utilisé pour identifier si le texte est généré par un modèle spécifique, afin de prévenir la falsification et l'abus de contenu.

Assurer la conformité du modèle, par exemple la vérification de la conformité dans les institutions financières.

Réaliser des calculs sécurisés en multiparty computation dans l'industrie axée sur la confidentialité.

Le watermark zkML d'EXPchain peut désormais être utilisé pour vérifier les modèles linguistiques de grande envergure tels que Llama-3.1 8B.

Le principal cryptographe de Polyhedra a une grande réputation et promeut la chaîne de preuve d'intelligence artificielle PoI.

EXPchain peut être considérée comme une preuve d'intelligence (PoI) qui crée une chaîne de blocs immuable et fiable pour les modèles d'intelligence artificielle, vérifiant leur origine, leur authenticité et leur conformité éthique. Ce cadre protège les droits de propriété intellectuelle et garantit une responsabilité transparente en associant de manière cryptée l'origine et les performances de chaque modèle d'intelligence artificielle à un enregistrement vérifiable sur la chaîne, offrant une transparence sans précédent pour l'écosystème piloté par l'intelligence artificielle.

Et en parlant de tout cela, on ne peut pas ne pas mentionner Zhenfei Zhang, le chef cryptographe de Polyhedra. Auparavant, il a travaillé chez Algorand, Espresso, Ethereum Foundation et Scroll, des leaders de l'industrie, et jouit d'une grande renommée dans le domaine de la cryptographie. L'article "ZEN: un compilateur d'optimisation pour l'inférence de réseaux neuronaux à connaissance nulle vérifiable" parle de l'apprentissage automatique vérifiable.

Cet article Polyhedra présente EXPchain, une application de l'intelligence artificielle, qui analyse la nécessité de la mise en chaîne des modèles d'IA et la création d'un générateur de preuves zk distribué, apparu pour la première fois dans les nouvelles de la chaîne ABMedia.