إطعام نماذج الصندوق الأسود ببياناتك الشخصية ليس جريئاً.
إنه خرق عن تصميم.
أسرع طريقة لتحقيق الطلب الحقيقي على DeAI هي السماح للشركات والمستهلكين باستخدام البيانات الحساسة مع الذكاء الاصطناعي مع الاستمرار في التسوية على السكك المفتوحة. النموذج هو: مدخلات خاصة، مخرجات قابلة للإثبات.
لن تقوم المستشفى أو البنك أو الاستوديو بشحن البيانات الخام إلى نموذج مستضاف في مكان غير معروف. ومع ذلك، سيستخدمون التشفير الذي يضمن أن النموذج لا يرى النص العادي.
أداتان عمليتان اليوم: FHE و zkML.
تجمع Concrete ML الخاص بـ @zama_fhe النماذج بحيث تعمل أجزاء من الاستدلال مباشرة على البيانات المشفرة. توضح الوثائق والإصدارات الأخيرة استدلال LLM المشفر وعروض التصنيف النصي الخاص. إنه أبطأ من النص العادي، لكنه يحول الأعباء "غير القابلة للشحن" سابقًا إلى أعباء قابلة للنشر.
في الوقت نفسه، يتيح لك zkML إثبات أن الاستنتاج حدث بشكل صحيح دون الكشف عن المطالبات أو الأوزان. تتولى @ezklxyz مسار تحويل النموذج إلى الدائرة؛ يقدم zkML الخاص بـ @MinaProtocol استنتاجات قابلة للتحقق داخل zkApps حتى تتمكن العقود من قبول النتائج بينما تظل المدخلات مخفية. في النهاية تحصل على مطالبات خاصة والتحقق العام، وهو بالضبط ما تحتاجه منظمة متوافقة.
ومع ذلك، فإن الخصوصية وحدها لا تحل المدفوعات أو حقوق الوصول. تحتاج إلى إيصال يمكن لأي شخص التحقق منه. هنا تدخل zkVMs و zk coprocesors. يكشف Bonsai الخاص بـ @RiscZero عن خدمة إثبات ومحقق عالمي لحمل الإيصالات عبر السلاسل؛ يركز SP1 الخاص بـ @SuccinctLabs على الأداء والتحقق متعدد السلاسل. تجعل coprocesors مثل @axiom_xyz أو @lagrangedev من الرخيص للعقود استهلاك حسابات ثقيلة عبر إثباتات صغيرة. الحالة النهائية: يمكن لمحفظة أو DAO أو تطبيق قبول نتيجة الذكاء الاصطناعي الخاصة بك دون إعادة تشغيل الوظيفة أو تعلم بياناتك.
الخلاصة: تفوز DeAI عندما يتمكن الناس من استخدام بياناتهم الأكثر حساسية مع الذكاء الاصطناعي وما زال بإمكانهم التسوية على السكك الحديدية العامة.
استخدم FHE أو zkML الخاص للسرية. أضف إيصالات ZK للتحقق. استفد من أسواق GPU اللامركزية للتوسع.
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
إطعام نماذج الصندوق الأسود ببياناتك الشخصية ليس جريئاً.
إنه خرق عن تصميم.
أسرع طريقة لتحقيق الطلب الحقيقي على DeAI هي السماح للشركات والمستهلكين باستخدام البيانات الحساسة مع الذكاء الاصطناعي مع الاستمرار في التسوية على السكك المفتوحة. النموذج هو: مدخلات خاصة، مخرجات قابلة للإثبات.
لن تقوم المستشفى أو البنك أو الاستوديو بشحن البيانات الخام إلى نموذج مستضاف في مكان غير معروف. ومع ذلك، سيستخدمون التشفير الذي يضمن أن النموذج لا يرى النص العادي.
أداتان عمليتان اليوم: FHE و zkML.
تجمع Concrete ML الخاص بـ @zama_fhe النماذج بحيث تعمل أجزاء من الاستدلال مباشرة على البيانات المشفرة. توضح الوثائق والإصدارات الأخيرة استدلال LLM المشفر وعروض التصنيف النصي الخاص. إنه أبطأ من النص العادي، لكنه يحول الأعباء "غير القابلة للشحن" سابقًا إلى أعباء قابلة للنشر.
في الوقت نفسه، يتيح لك zkML إثبات أن الاستنتاج حدث بشكل صحيح دون الكشف عن المطالبات أو الأوزان. تتولى @ezklxyz مسار تحويل النموذج إلى الدائرة؛ يقدم zkML الخاص بـ @MinaProtocol استنتاجات قابلة للتحقق داخل zkApps حتى تتمكن العقود من قبول النتائج بينما تظل المدخلات مخفية. في النهاية تحصل على مطالبات خاصة والتحقق العام، وهو بالضبط ما تحتاجه منظمة متوافقة.
ومع ذلك، فإن الخصوصية وحدها لا تحل المدفوعات أو حقوق الوصول. تحتاج إلى إيصال يمكن لأي شخص التحقق منه. هنا تدخل zkVMs و zk coprocesors. يكشف Bonsai الخاص بـ @RiscZero عن خدمة إثبات ومحقق عالمي لحمل الإيصالات عبر السلاسل؛ يركز SP1 الخاص بـ @SuccinctLabs على الأداء والتحقق متعدد السلاسل. تجعل coprocesors مثل @axiom_xyz أو @lagrangedev من الرخيص للعقود استهلاك حسابات ثقيلة عبر إثباتات صغيرة. الحالة النهائية: يمكن لمحفظة أو DAO أو تطبيق قبول نتيجة الذكاء الاصطناعي الخاصة بك دون إعادة تشغيل الوظيفة أو تعلم بياناتك.
الخلاصة: تفوز DeAI عندما يتمكن الناس من استخدام بياناتهم الأكثر حساسية مع الذكاء الاصطناعي وما زال بإمكانهم التسوية على السكك الحديدية العامة.
استخدم FHE أو zkML الخاص للسرية.
أضف إيصالات ZK للتحقق.
استفد من أسواق GPU اللامركزية للتوسع.