Alimentar modelos de caixa-preta com os seus dados pessoais não é ousado.
É uma violação por design.
A rota mais rápida para a verdadeira demanda de DeAI é permitir que as empresas e os consumidores usem dados sensíveis com IA, enquanto ainda se estabelecem em trilhos abertos. O padrão é: entradas privadas, saídas verificáveis.
Um hospital, um banco ou um estúdio não enviarão dados brutos para um modelo hospedado sabe-se lá onde. No entanto, utilizarão criptografia que garante que o modelo nunca veja o texto simples.
Duas ferramentas práticas hoje: FHE e zkML.
O Concrete ML do @zama_fhe compila modelos para que partes da inferência sejam executadas diretamente em dados encriptados. Documentos e versões recentes detalham a inferência de LLM encriptada e demonstrações de classificação de texto privada. É mais lento do que o texto simples, mas transforma cargas de trabalho anteriormente "não enviáveis" em cargas de trabalho implantáveis.
Em paralelo, zkML permite que você prove que uma inferência ocorreu corretamente sem expor prompts ou pesos. @ezklxyz lida com o caminho do modelo para o circuito; o zkML da @MinaProtocol traz inferência verificável para zkApps, de modo que os contratos possam aceitar resultados enquanto as entradas permanecem ocultas. Você acaba com prompts privados e verificação pública, que é exatamente o que uma organização em conformidade precisa.
No entanto, a privacidade sozinha não resolve pagamentos ou direitos de acesso. Você precisa de um recibo que qualquer um possa verificar. É aqui que entram os zkVMs e os zk coprocessors. O Bonsai da @RiscZero expõe um serviço de prova e um verificador universal para transportar recibos entre cadeias; o SP1 da @SuccinctLabs foca no desempenho e na verificação multi-chain. Coprocessadores como @axiom_xyz ou @lagrangedev tornam barato para os contratos consumirem computação pesada através de provas pequenas. O estado final: uma wallet, DAO ou app pode aceitar o seu resultado de IA sem precisar reexecutar o trabalho ou aprender os seus dados.
Em resumo: DeAI vence quando as pessoas podem usar seus dados mais sensíveis com IA e ainda assim se estabelecer em trilhos públicos.
Use FHE ou zkML privado para segredo. Adicionar recibos ZK para verificação. Acesse mercados descentralizados de GPU para escalabilidade.
Esta página pode conter conteúdo de terceiros, que é fornecido apenas para fins informativos (não para representações/garantias) e não deve ser considerada como um endosso de suas opiniões pela Gate nem como aconselhamento financeiro ou profissional. Consulte a Isenção de responsabilidade para obter detalhes.
Alimentar modelos de caixa-preta com os seus dados pessoais não é ousado.
É uma violação por design.
A rota mais rápida para a verdadeira demanda de DeAI é permitir que as empresas e os consumidores usem dados sensíveis com IA, enquanto ainda se estabelecem em trilhos abertos. O padrão é: entradas privadas, saídas verificáveis.
Um hospital, um banco ou um estúdio não enviarão dados brutos para um modelo hospedado sabe-se lá onde. No entanto, utilizarão criptografia que garante que o modelo nunca veja o texto simples.
Duas ferramentas práticas hoje: FHE e zkML.
O Concrete ML do @zama_fhe compila modelos para que partes da inferência sejam executadas diretamente em dados encriptados. Documentos e versões recentes detalham a inferência de LLM encriptada e demonstrações de classificação de texto privada. É mais lento do que o texto simples, mas transforma cargas de trabalho anteriormente "não enviáveis" em cargas de trabalho implantáveis.
Em paralelo, zkML permite que você prove que uma inferência ocorreu corretamente sem expor prompts ou pesos. @ezklxyz lida com o caminho do modelo para o circuito; o zkML da @MinaProtocol traz inferência verificável para zkApps, de modo que os contratos possam aceitar resultados enquanto as entradas permanecem ocultas. Você acaba com prompts privados e verificação pública, que é exatamente o que uma organização em conformidade precisa.
No entanto, a privacidade sozinha não resolve pagamentos ou direitos de acesso. Você precisa de um recibo que qualquer um possa verificar. É aqui que entram os zkVMs e os zk coprocessors. O Bonsai da @RiscZero expõe um serviço de prova e um verificador universal para transportar recibos entre cadeias; o SP1 da @SuccinctLabs foca no desempenho e na verificação multi-chain. Coprocessadores como @axiom_xyz ou @lagrangedev tornam barato para os contratos consumirem computação pesada através de provas pequenas. O estado final: uma wallet, DAO ou app pode aceitar o seu resultado de IA sem precisar reexecutar o trabalho ou aprender os seus dados.
Em resumo: DeAI vence quando as pessoas podem usar seus dados mais sensíveis com IA e ainda assim se estabelecer em trilhos públicos.
Use FHE ou zkML privado para segredo.
Adicionar recibos ZK para verificação.
Acesse mercados descentralizados de GPU para escalabilidade.