ブラックボックスモデルにあなたの個人データを提供することは大胆ではありません。

それは設計による違反です。

真のDeAI需要への最速のルートは、企業と消費者がAIを使用しながら、依然としてオープンレールで決済できるようにすることです。パターンは：プライベート入力、証明可能な出力です。

病院、銀行、またはスタジオは、生データをどこにホストされているかわからないモデルに送信しません。しかし、彼らは平文をモデルが見ることがないことを保証する暗号技術を使用します。

今日の2つの実用的なツール：FHEとzkML。

@zama_fheのConcrete MLは、モデルをコンパイルして、推論の一部が暗号化されたデータ上で直接実行されるようにします。最近のドキュメントとリリースでは、暗号化されたLLM推論とプライベートテキスト分類のデモについて説明しています。平文よりも遅いですが、以前は「配送不可能」だったワークロードをデプロイ可能なものに変えます。

並行して、zkMLを使用すると、プロンプトや重みを公開することなく、推論が正しく行われたことを証明できます。@ezklxyzはモデルから回路への経路を処理し、@MinaProtocolのzkMLはzkAppsに検証可能な推論をもたらし、契約が結果を受け入れることができる一方で、入力は隠れたままになります。これにより、プライベートなプロンプトと公開された検証が得られ、これはまさに準拠した組織が必要とするものです。

しかし、プライバシーだけでは支払いまたはアクセス権は解決しません。誰もが確認できる領収書が必要です。そこでzkVMとzkコプロセッサが登場します。@RiscZeroのBonsaiは、チェーン間で領収書を運ぶための証明サービスと普遍的な検証者を提供します。@SuccinctLabsのSP1は、パフォーマンスとマルチチェーン検証に焦点を当てています。@axiom_xyzや@lagrangedevのようなコプロセッサは、小さな証明を介して契約が重い計算を安価に消費できるようにします。最終的な状態：ウォレット、DAO、またはアプリは、ジョブを再実行したり、データを学習したりすることなく、AIの結果を受け入れることができます。

結論: DeAIは、人々が最も敏感なデータをAIと共に利用し、なおかつ公共のレール上で決済できるときに勝利します。

FHEまたはプライベートzkMLを使用して秘密を守ります。
検証のためにZKレシートを追加してください。
スケールのために分散型GPU市場を活用します。