Polyhedra 為人工智慧應用推出 EXPchain，解析 AI 模型上鏈必要性及分散式 Zk 證明產生器

區塊鏈互操作性基礎設施 Polyhedra 在歷經幣價下跌丶與 zkSync 爭奪 $ZK 代號失利後，於近期重振旗鼓推出「為 AI 構建的萬物鏈」，據了解該計畫名為 EXPchain。並提出 Proof of Intelligence (PoI) 智慧證明概念，為人工智慧模型創建了一條無法竄改丶可受信任的區塊鏈。是否結合 zk 與 AI 轉型成功，值得期待。

傳統 AI 監管涉及敏感數據，zkML 成新解方

官方將 EXPchain 定義為專為可擴展、可驗證且注重隱私的人工智慧應用設計的區塊鏈協議。作為「為 AI 構建的萬物鏈」，EXPchain 整合了零知識機器學習 (zkML) 和全新的智能證明 (Proof of Intelligence, PoI) 框架。主要創新包括高效的 zk 證明系統 Expander丶以及將 zkML 融入傳統 AI 工作流程且開發者友善的 zkPyTorch 工具包。

人工智慧在各產業中扮演越來越關鍵的角色，從使用臉部辨識解鎖手機到 AI 驅動的貸款申請與醫療診斷，這些技術既帶來巨大潛力，也帶來挑戰。像是如何確保 AI 系統公平、準確且安全地運行？如何在不妥協透明性和責任性的情況下保護敏感數據？

另外各國政府也著手監管 AI，像是歐盟的 AI 法案和美國國家標準技術研究院 (NIST) 的 AI 風險管理框架。傳統方法的問題是需要披露專用模型或敏感數據，導致在安全性、隱私和信任之間產生取捨。

零知識機器學習 (zkML) 則提供了有別傳統的解方，零知識證明的特性能在保護數據與模型隱私的同時實現 AI 系統的數學驗證。而 Polyhedra 推出基於 zkML 技術的互操作協議 EXPchain，不但兼顧 AI 行為與合規的規範，同時也是可擴展且安全的驗證。

技術債務不斷擴大，AI 交易過程上鏈有利問責

一份研究指出 2022 年美國的軟體技術債 (技術債務指的是開發軟體時，為了快速推出或滿足短期需求，而做出的折衷方案，長期來看這通常會增加系統維護成本)已成長到 2.41 兆鎂。 另外全球四大專業諮詢機構之一 PricewaterhouseCoopers(PwC) 的研究也指出，2030 年時，AI 預計將為全球經濟貢獻高達 15.7 兆美元。

隨著 AI 的規模擴大，可能會加劇技術債務的擴張。對此商業專欄 Raconteur 就曾撰文質疑公司們準備好承受人工智慧失敗的代價了嗎？AI 的故障包括不正確的輸出、資料外洩和網路攻擊。除了經濟損失之外，這些錯誤也常對個人造成傷害。

舉例來說資料不正確的輸出可能會在導致機器判斷錯誤或是產生有偏見的決策。因此從資料輸入到模型輸出，確保人工智慧驅動交易的每個要素都是可驗證和可問責的是必要的，在釋放人工智慧的全部潛力的同時應對這些風險至關重要。這也就是EXPchain 這個 AI 實時驗證區塊鏈的用武之地。

三大技術創新：Polyhedra 能解決 zk 證明生成器難題？

技術創新上包含 Expander丶ExPos 及 zkPyTorch

Polyhedra：Expander 是目前世界最快的 zk 證明器

Polyhedra 提供的數據包括：

單線程 CPU 上處理 VGG-16 影像僅需 2.2 秒

單線程 CPU 上處理 Llama-3.1 8B 每個 token 需 150 秒

性能比以往數據快四個數量級

這些進展大幅降低了 AI 驗證的成本與延遲，支援隱私推理到模型審核等多種應用。Expander 也符合 Vitalik Buterin 提出的 zk 終局願景。

Layer 2 主要分成 Optimistic Rollup 及 zk Rollup，而對大部分 zk Rollup 公鏈來說，ZKP 證明生成是瓶頸，公司必須部署具有 TB 記憶體的強大機器來處理 ZKP 中的大量交易。而先前 Polyhedra 的技術長 Tiancheng Xie 及首席科學家 Jiaheng Zhang 團隊共同提出的論文當中，就在探討使用完全分散式 ZKP 的新方案來提高 zk 技術的可擴展性。

ExPoS：擴展的權益證明

ExPoS 是一種針對 EXPchain 中的 zkML 技術進行開發的權益證明機制，在驗證 AI 應用程式行為和合規性同時，不洩露專用模型數據。白話文來說就是使用 Polyhedra 旗下 zkBridge 技術將所有區塊鏈上的權益機制統一並連接成一個有凝聚力的質押網路。

zkPyTorch：開發者友善的工具箱

zkPyTorch 自動將 PyTorch 操作轉換為 zk 電路，降低傳統 AI 開發工作流程和零知識機器學習 (zkML) 之間的差距。這種整合允許開發人員使用熟悉的工具，同時顯著減少部署支援 zk 的 AI 應用程式的時間和複雜性。

zkML 可在隱私前提下完成 LLM 驗證

EXPchain 核心在於零知識機器學習（zkML)，zkML 支援對 AI 模型進行加密驗證，在整個機器學習生命週期中實現安全性及準確性，包括：

可驗證的推理：在不暴露模型或資料的情況下證明人工智慧輸出。

模型審核：根據測試集驗證效能的公平性和合規性。

訓練驗證：確保遵守協議而不洩露敏感輸入。

zkML 具體應用包括：

為大型語言模型 (LLMs) 添加數位水印。數位水印是在 LLM 生成的文字中嵌入微小且不易察覺的特徵，用於識別該文本是否由特定模型生成，用於防止偽造內容及內容濫用。

確保模型合規性，例如金融機構中的合規性驗證。

在注重隱私的產業中實現安全的多方計算。

目前 EXPchain 的 zkML 數位水印已經可以用來驗證 Llama-3.1 8B 等大型語言模型。

Polyhedra 首席密碼學家大有來頭，推動 PoI 人工智慧證明鏈

EXPchain 可以被視為 Proof of Intelligence (PoI) 智慧證明，為人工智慧模型創建了一條無法竄改丶可受信任的區塊鏈，驗證其來源、真實性和道德合規性。該框架保護智慧財產權並確保透明的問責，以加密方式將每個人工智慧模型的來源和效能與可驗證的鏈上記錄聯繫起來，為人工智慧驅動的生態系統提供前所未有的透明度。

而談到這一切的幕後推手，就不得不談到 Polyhedra 的首席密碼學家 Zhenfei Zhang。先前他曾任職 Algorand、 Espresso、 Ethereum Foundation 和 Scroll 等業界龍頭，在密碼學界享有相當的知名度。「ZEN：用於可驗證的零知識神經網路推理的最佳化編譯器」一文即是在談論可驗證的機器學習。

這篇文章 Polyhedra 為人工智慧應用推出 EXPchain，解析 AI 模型上鏈必要性及分散式 zk 證明產生器 最早出現於 鏈新聞 ABMedia。