Polyhedra запускає EXPchain, що розшифровує необхідність ланцюжка AI моделей та розподіленого генератора доказів Zk

Блокчейн інфраструктура взаємодії Polyhedra, після втрати биткоїн-коду $ZK в боротьбі з zkSync під час падіння цін на криптовалюти, недавно відновила свою активність і випустила 'Ланцюг усього для штучного інтелекту', відомий як EXPchain. Крім того, було запропоновано поняття Proof of Intelligence (PoI), яке створює недоступний для зміни та надійний Блокчейн для моделей штучного інтелекту. Чи буде успішним поєднання zk і штучного інтелекту в процесі перетворення, варто очікувати.

Традиційний нагляд штучного інтелекту включає чутливі дані, zkML стає новим рішенням

Офіційно, EXPchain визначається як протокол Блокчейн, призначений для розробки застосувань штучного інтелекту, що є масштабованими, перевіреними та приватними. Як «Ланцюг речей для ШІ», EXPchain інтегрує систему машинного навчання з нульовим знанням (zkML) та нову рамку розумних доказів (Proof of Intelligence, PoI). Основні інновації включають ефективну систему доказів zk Expander, а також дружній до розробників пакет інструментів zkPyTorch, який поєднує в собі zkML та традиційний робочий процес ШІ.

Штучний інтелект відіграє все більш важливу роль у різних галузях, від розблокування телефону за допомогою розпізнавання обличчя до автоматизації процесу отримання кредиту та медичній діагностиці, ці технології несуть великий потенціал, але й виклики. Наприклад, як забезпечити справедливість, точність та безпеку роботи систем штучного інтелекту? Як захистити конфіденційні дані без компромісу щодо прозорості та відповідальності?

Крім того, уряди різних країн також розпочали регулювати штучний інтелект, такі як закон про штучний інтелект Європейського союзу та фреймворк управління ризиками штучного інтелекту Національного інституту стандартів та технологій США (NIST). Проблема традиційних методів полягає в тому, що потрібно розкривати власні моделі або чутливі дані, що призводить до вибору між безпекою, конфіденційністю та довірою.

Машинне навчання з нульовим знанням (zkML) забезпечує альтернативний підхід до класичного рішення, забезпечуючи математичну перевірку систем штучного інтелекту при захисті конфіденційності даних та моделей. Polyhedra представляє протокол взаємодії EXPchain на основі технології zkML, який враховує як поведінку AI, так і вимоги в сфері відповідності, і є масштабованим та безпечним.

Технічний борг постійно зростає, процес торгівлі штучним інтелектом на ланцюжку блоків сприяє забезпеченню відповідальності

Одне дослідження показує, що до 2022 року технічний борг США (технічний борг відноситься до компромісних рішень, прийнятих під час розробки програмного забезпечення для швидкого випуску або виконання короткострокових потреб, що зазвичай призводить до збільшення витрат на обслуговування системи в майбутньому) зросла до 2,41 трильйона доларів. Крім того, дослідження однієї з чотирьох найбільших світових консалтингових компаній PricewaterhouseCoopers (PwC) також показує, що до 2030 року штучний інтелект очікується внести вклад у світову економіку на рівні 15,7 трильйона доларів.

Зі зростанням масштабів штучного інтелекту може зростати технічний борг. У цьому зв'язку бізнес-колонка Raconteur запитувала, чи готові компанії понести вартість невдачі штучного інтелекту? Помилки AI включають неправильний вивід, витік даних та кібератаки. Окрім економічних втрат, ці помилки часто завдають шкоди індивідуальним користувачам.

Наприклад, некоректний вивід даних може спричинити помилкове вирішення машини або призводити до упереджених рішень. Тому від введення даних до виводу моделі важливо забезпечити перевірку та облік кожного елемента, що приводить до торгівлі з використанням штучного інтелекту, а також вирішити ці ризики, щоб розкрити повний потенціал штучного інтелекту. Це саме те місце, де можна використовувати EXPchain для реального часу перевірки Блокчейну.

Три великі технологічні інновації: Polyhedra може вирішити проблему складності генератора zk-доказів?

Технічний інноваційний процес включає в себе Expander, ExPos та zkPyTorch

Polyhedra: Expander - найшвидший у світі zk-перевірювач

Polyhedra надає дані, включаючи:

Обробка зображення VGG-16 на однопотоковому процесорі займає всього 2,2 секунди

Однопотоковий процесор CPU обробляє Llama-3.1 8B, кожен токен потребує 150 секунд

Продуктивність в чотири порядки вища за попередні дані

Ці досягнення істотно знизили витрати та затримки на підтвердження штучного інтелекту, підтримуючи різноманітні застосування, такі як конфіденційне виведення до модельного аудиту. Expander також відповідає зрізному бажанню zk, яке висловив Віталік Бутерін.

Layer 2 розділяється на Optimistic Rollup та zk Rollup, і для більшості громадських ланцюжків zk Rollup генерація доказів ZKP є обмеженням, компанії повинні використовувати потужні машини з пам'яттю TB для обробки великої кількості транзакцій у ZKP. У раніше опублікованій статті технічний директор Polyhedra Тянчен Сіє та головний науковець Цзяхен Чжанг разом розглянули нове рішення з використанням повністю децентралізованої ZKP для підвищення масштабованості технології zk.

ExPoS：розширений доказ володіння

ExPoS - це механізм доказу права власності, розроблений для реалізації технології zkML в EXPchain, який, водночас, підтверджує поведінку та відповідність штучного інтелекту, не розголошуючи конфіденційні дані моделі. Простими словами, це означає, що за допомогою технології zkBridge від Polyhedra всі механізми права власності на Блоках інтегруються та з'єднуються в єдину мережу залучення.

zkPyTorch: дружній до розробників інструментарій

zkPyTorch автоматично перетворює операції PyTorch в електричні схеми zk, зменшуючи відмінності між традиційним потоком роботи в галузі AI та машинним навчанням з нульовим знанням (zkML). Це інтегрування дозволяє розробникам використовувати знайомі інструменти, одночасно значно зменшуючи час і складність впровадження додатків з підтримкою zk для AI.

zkML можна перевірити за допомогою LLM в умовах конфіденційності

Ядро EXPchain полягає в нульовому знанні машинного навчання (zkML), zkML підтримує шифрування підтвердження штучного інтелекту моделі, забезпечуючи безпеку та точність протягом всього життєвого циклу машинного навчання, включаючи:

Перевірка доведення: доведення виходу штучного інтелекту без розкриття моделі або даних.

Перевірка моделі: відповідність вимогам щодо чесності та відповідності на основі перевірки ефективності тестового набору даних.

Перевірка навчання: забезпечення дотримання угоди та нерозголошення чутливого введення.

zkML Конкретні застосування включають:

Додавання цифрового водяного знака до великих мовних моделей (LLM). Цифровий водяний знак - це невеликий і маловидимий характеристичний елемент, що вбудовується в текст, створений за допомогою LLM, і використовується для визначення того, чи був текст згенерований певною моделлю, для запобігання фальсифікації та зловживання змістом.

Забезпечення відповідності моделі, наприклад, відповідність у фінансових установах.

Забезпечення безпеки обчислення багатьох сторін в галузі, яка акцентує на приватності.

Наразі цифровий водяний знак zkML від EXPchain можна використовувати для перевірки великих мовних моделей, таких як Llama-3.1 8B.

Polyhedra головний криптограф має вагому репутацію, що сприяє PoI штучному інтелектуальному доказу ланцюга

EXPchain може бути розглянутий як доказ розуму (PoI) і створив недоступний для змін, довірений Блокчейн для створення моделі штучного інтелекту, що підтверджує його джерело, автентичність та етичну відповідність. Ця рамка захищає права на інтелектуальну власність та забезпечує прозору відповідальність, шляхом шифрування кожної моделі штучного інтелекту, зв'язуючи її джерело та ефективність з перевіреними записами на ланцюгу, надаючи небувалу прозорість для екосистеми, що працює на основі штучного інтелекту.

І коли мова заходить про всіх тих, хто стоїть за кулісами, не можна не згадати головного криптографа Polyhedra Zhenfei Zhang. Раніше він працював у провідних компаніях галузі, таких як Algorand, Espresso, Ethereum Foundation та Scroll, і має значну відомість в галузі криптографії. Стаття з назвою «ZEN: Optimizing Compiler for Verifiable Zero-Knowledge Neural Network Inference» говорить про перевірку машинного навчання.

Ця стаття Polyhedra презентує впровадження EXPchain для застосування штучного інтелекту, розкриваючи необхідність ланцюжка AI-моделей та появу розподіленого генератора доказів zk вперше у Ланцюжок новин ABMedia.