Забезпечення чорних ящиків вашими особистими даними не є сміливим.
Це порушення за дизайном.
Найшвидший шлях до реального попиту на DeAI полягає в тому, щоб дозволити підприємствам і споживачам використовувати чутливі дані з AI, при цьому залишаючись на відкритих рейках. Модель така: приватні вхідні дані, доказові вихідні дані.
Лікарня, банк або студія не відправлять сирі дані в модель, що розміщена хто знає де. Проте вони використовуватимуть криптографію, яка гарантує, що модель ніколи не побачить відкритий текст.
Два практичні інструменти сьогодні: FHE та zkML.
Конкретна ML компанії @zama_fhe компілює моделі так, що частини висновку виконуються безпосередньо на зашифрованих даних. Останні документи та релізи демонструють зашифрований висновок LLM та демонстрації приватної класифікації тексту. Це повільніше, ніж у відкритому тексті, але перетворює раніше "недоставляємі" навантаження в ті, що можуть бути розгорнуті.
Паралельно zkML дозволяє вам довести, що висновок відбувся коректно, не розкриваючи запити або ваги. @ezklxyz обробляє маршрут від моделі до схеми; zkML від @MinaProtocol приносить перевіряємий висновок у zkApps, щоб контракти могли приймати результати, поки вхідні дані залишаються прихованими. Ви отримуєте приватні запити та публічну перевірку, що саме потрібно відповідній організації.
Однак, конфіденційності саме по собі недостатньо для проведення платежів або доступу до прав. Вам потрібен квитанція, яку може перевірити будь-хто. Саме тут входять zkVMs та zk копродюсери. Bonsai від @RiscZero пропонує сервіс доказування та універсальний перевіряючий для перенесення квитанцій між ланцюгами; SP1 від @SuccinctLabs зосереджується на продуктивності та багатоланцюговій верифікації. Копродюсери, такі як @axiom_xyz або @lagrangedev, роблять дешевим для контрактів споживати важкі обчислення через маленькі докази. Кінцевий стан: гаманець, DAO або додаток можуть приймати ваш результат AI без повторного виконання роботи або навчання ваших даних.
Головне: DeAI виграє, коли люди можуть використовувати свої найчутливіші дані з ШІ і все ще розраховуватися на публічних платформах.
Використовуйте FHE або приватний zkML для секретності. Додати ZK-квитанції для перевірки. Торкніться децентралізованих ринків GPU для масштабування.
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
Забезпечення чорних ящиків вашими особистими даними не є сміливим.
Це порушення за дизайном.
Найшвидший шлях до реального попиту на DeAI полягає в тому, щоб дозволити підприємствам і споживачам використовувати чутливі дані з AI, при цьому залишаючись на відкритих рейках. Модель така: приватні вхідні дані, доказові вихідні дані.
Лікарня, банк або студія не відправлять сирі дані в модель, що розміщена хто знає де. Проте вони використовуватимуть криптографію, яка гарантує, що модель ніколи не побачить відкритий текст.
Два практичні інструменти сьогодні: FHE та zkML.
Конкретна ML компанії @zama_fhe компілює моделі так, що частини висновку виконуються безпосередньо на зашифрованих даних. Останні документи та релізи демонструють зашифрований висновок LLM та демонстрації приватної класифікації тексту. Це повільніше, ніж у відкритому тексті, але перетворює раніше "недоставляємі" навантаження в ті, що можуть бути розгорнуті.
Паралельно zkML дозволяє вам довести, що висновок відбувся коректно, не розкриваючи запити або ваги. @ezklxyz обробляє маршрут від моделі до схеми; zkML від @MinaProtocol приносить перевіряємий висновок у zkApps, щоб контракти могли приймати результати, поки вхідні дані залишаються прихованими. Ви отримуєте приватні запити та публічну перевірку, що саме потрібно відповідній організації.
Однак, конфіденційності саме по собі недостатньо для проведення платежів або доступу до прав. Вам потрібен квитанція, яку може перевірити будь-хто. Саме тут входять zkVMs та zk копродюсери. Bonsai від @RiscZero пропонує сервіс доказування та універсальний перевіряючий для перенесення квитанцій між ланцюгами; SP1 від @SuccinctLabs зосереджується на продуктивності та багатоланцюговій верифікації. Копродюсери, такі як @axiom_xyz або @lagrangedev, роблять дешевим для контрактів споживати важкі обчислення через маленькі докази. Кінцевий стан: гаманець, DAO або додаток можуть приймати ваш результат AI без повторного виконання роботи або навчання ваших даних.
Головне: DeAI виграє, коли люди можуть використовувати свої найчутливіші дані з ШІ і все ще розраховуватися на публічних платформах.
Використовуйте FHE або приватний zkML для секретності.
Додати ZK-квитанції для перевірки.
Торкніться децентралізованих ринків GPU для масштабування.