Memberi model kotak hitam dengan data pribadi Anda bukanlah tindakan berani.
Ini adalah pelanggaran yang dirancang.
Rute tercepat menuju permintaan DeAI yang nyata adalah membiarkan perusahaan dan konsumen menggunakan data sensitif dengan AI sambil tetap beroperasi di jalur terbuka. Polanya adalah: input pribadi, output yang dapat dibuktikan.
Sebuah rumah sakit, bank, atau studio tidak akan mengirimkan data mentah ke dalam model yang dihosting entah di mana. Namun, mereka akan menggunakan kriptografi yang menjamin bahwa model tersebut tidak pernah melihat plaintext.
Dua alat praktis hari ini: FHE dan zkML.
Model Concrete ML @zama_fhe mengompilasi model sehingga bagian dari inferensi berjalan langsung pada data terenkripsi. Dokumen dan rilis terbaru menjelaskan tentang inferensi LLM terenkripsi dan demo klasifikasi teks privat. Ini lebih lambat daripada plaintext, tetapi mengubah beban kerja yang sebelumnya "tidak dapat dikirim" menjadi yang dapat diterapkan.
Secara paralel, zkML memungkinkan Anda membuktikan bahwa suatu inferensi terjadi dengan benar tanpa mengekspos prompt atau bobot. @ezklxyz menangani jalur model-ke-sirkuit; zkML dari @MinaProtocol membawa inferensi yang dapat diverifikasi ke dalam zkApps sehingga kontrak dapat menerima hasil sementara input tetap tersembunyi. Anda akan mendapatkan prompt pribadi dan verifikasi publik, yang tepat diperlukan oleh organisasi yang mematuhi.
Namun, privasi saja tidak menyelesaikan pembayaran atau hak akses. Anda memerlukan tanda terima yang dapat diperiksa siapa saja. Di sinilah zkVM dan zk koprosesor masuk. @RiscZero's Bonsai menghadirkan layanan pembuktian dan verifier universal untuk membawa tanda terima antar rantai; @SuccinctLabs' SP1 fokus pada kinerja dan verifikasi multi-rantai. Koprosesor seperti @axiom_xyz atau @lagrangedev membuatnya murah bagi kontrak untuk mengonsumsi komputasi berat melalui bukti kecil. Keadaan akhir: sebuah dompet, DAO, atau aplikasi dapat menerima hasil AI Anda tanpa menjalankan ulang pekerjaan atau mempelajari data Anda.
Intinya: DeAI menang ketika orang dapat menggunakan data paling sensitif mereka dengan AI dan tetap bertransaksi di jalur publik.
Gunakan FHE atau zkML pribadi untuk kerahasiaan. Tambahkan tanda terima ZK untuk verifikasi. Manfaatkan pasar GPU terdesentralisasi untuk skala.
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
Memberi model kotak hitam dengan data pribadi Anda bukanlah tindakan berani.
Ini adalah pelanggaran yang dirancang.
Rute tercepat menuju permintaan DeAI yang nyata adalah membiarkan perusahaan dan konsumen menggunakan data sensitif dengan AI sambil tetap beroperasi di jalur terbuka. Polanya adalah: input pribadi, output yang dapat dibuktikan.
Sebuah rumah sakit, bank, atau studio tidak akan mengirimkan data mentah ke dalam model yang dihosting entah di mana. Namun, mereka akan menggunakan kriptografi yang menjamin bahwa model tersebut tidak pernah melihat plaintext.
Dua alat praktis hari ini: FHE dan zkML.
Model Concrete ML @zama_fhe mengompilasi model sehingga bagian dari inferensi berjalan langsung pada data terenkripsi. Dokumen dan rilis terbaru menjelaskan tentang inferensi LLM terenkripsi dan demo klasifikasi teks privat. Ini lebih lambat daripada plaintext, tetapi mengubah beban kerja yang sebelumnya "tidak dapat dikirim" menjadi yang dapat diterapkan.
Secara paralel, zkML memungkinkan Anda membuktikan bahwa suatu inferensi terjadi dengan benar tanpa mengekspos prompt atau bobot. @ezklxyz menangani jalur model-ke-sirkuit; zkML dari @MinaProtocol membawa inferensi yang dapat diverifikasi ke dalam zkApps sehingga kontrak dapat menerima hasil sementara input tetap tersembunyi. Anda akan mendapatkan prompt pribadi dan verifikasi publik, yang tepat diperlukan oleh organisasi yang mematuhi.
Namun, privasi saja tidak menyelesaikan pembayaran atau hak akses. Anda memerlukan tanda terima yang dapat diperiksa siapa saja. Di sinilah zkVM dan zk koprosesor masuk. @RiscZero's Bonsai menghadirkan layanan pembuktian dan verifier universal untuk membawa tanda terima antar rantai; @SuccinctLabs' SP1 fokus pada kinerja dan verifikasi multi-rantai. Koprosesor seperti @axiom_xyz atau @lagrangedev membuatnya murah bagi kontrak untuk mengonsumsi komputasi berat melalui bukti kecil. Keadaan akhir: sebuah dompet, DAO, atau aplikasi dapat menerima hasil AI Anda tanpa menjalankan ulang pekerjaan atau mempelajari data Anda.
Intinya: DeAI menang ketika orang dapat menggunakan data paling sensitif mereka dengan AI dan tetap bertransaksi di jalur publik.
Gunakan FHE atau zkML pribadi untuk kerahasiaan.
Tambahkan tanda terima ZK untuk verifikasi.
Manfaatkan pasar GPU terdesentralisasi untuk skala.