Việc cung cấp dữ liệu cá nhân của bạn cho các mô hình black-box không phải là điều táo bạo.
Nó là vi phạm theo thiết kế.
Lộ trình nhanh nhất để đáp ứng nhu cầu DeAI thực sự là cho phép các doanh nghiệp và người tiêu dùng sử dụng dữ liệu nhạy cảm với AI trong khi vẫn duy trì trên các đường ray mở. Mô hình là: đầu vào riêng tư, đầu ra có thể chứng minh.
Một bệnh viện, một ngân hàng, hoặc một studio sẽ không gửi dữ liệu thô vào một mô hình được lưu trữ ở đâu đó không ai biết. Tuy nhiên, họ sẽ sử dụng mật mã hóa đảm bảo rằng mô hình không bao giờ thấy văn bản gốc.
Hai công cụ thực tiễn hôm nay: FHE và zkML.
@zama_fhe’s Concrete ML biên dịch các mô hình để một số phần của quá trình suy diễn chạy trực tiếp trên dữ liệu được mã hóa. Các tài liệu và bản phát hành gần đây đi qua suy diễn LLM mã hóa và các bản demo phân loại văn bản riêng tư. Nó chậm hơn so với văn bản thuần, nhưng nó biến các khối lượng công việc trước đây "không thể vận chuyển" thành những khối lượng có thể triển khai.
Song song đó, zkML cho phép bạn chứng minh rằng một suy luận đã xảy ra một cách chính xác mà không phải tiết lộ các lời nhắc hoặc trọng số. @ezklxyz xử lý con đường từ mô hình đến mạch; zkML của @MinaProtocol mang lại suy luận có thể xác minh vào zkApps để các hợp đồng có thể chấp nhận kết quả trong khi đầu vào vẫn được ẩn. Bạn có được các lời nhắc riêng tư và xác minh công khai, điều này chính xác là những gì một tổ chức tuân thủ cần.
Tuy nhiên, chỉ riêng quyền riêng tư không giải quyết thanh toán hoặc quyền truy cập. Bạn cần một biên nhận mà bất kỳ ai cũng có thể kiểm tra. Đó là lúc zkVMs và zk coprocessors xuất hiện. Dịch vụ chứng minh và trình xác minh toàn cầu của Bonsai từ @RiscZero cho phép mang biên nhận qua các chuỗi; SP1 của @SuccinctLabs tập trung vào hiệu suất và xác minh đa chuỗi. Các coprocessors như @axiom_xyz hoặc @lagrangedev giúp giảm chi phí cho các hợp đồng tiêu tốn tính toán nặng thông qua các chứng minh nhỏ. Trạng thái cuối cùng: một ví, DAO hoặc ứng dụng có thể chấp nhận kết quả AI của bạn mà không cần chạy lại công việc hoặc học dữ liệu của bạn.
Điều quan trọng: DeAI thắng khi mọi người có thể sử dụng dữ liệu nhạy cảm nhất của họ với AI và vẫn thanh toán trên các đường ray công cộng.
Sử dụng FHE hoặc zkML riêng tư để bảo mật. Thêm biên nhận ZK để xác minh. Khai thác các thị trường GPU phi tập trung để mở rộng quy mô.
Trang này có thể chứa nội dung của bên thứ ba, được cung cấp chỉ nhằm mục đích thông tin (không phải là tuyên bố/bảo đảm) và không được coi là sự chứng thực cho quan điểm của Gate hoặc là lời khuyên về tài chính hoặc chuyên môn. Xem Tuyên bố từ chối trách nhiệm để biết chi tiết.
Việc cung cấp dữ liệu cá nhân của bạn cho các mô hình black-box không phải là điều táo bạo.
Nó là vi phạm theo thiết kế.
Lộ trình nhanh nhất để đáp ứng nhu cầu DeAI thực sự là cho phép các doanh nghiệp và người tiêu dùng sử dụng dữ liệu nhạy cảm với AI trong khi vẫn duy trì trên các đường ray mở. Mô hình là: đầu vào riêng tư, đầu ra có thể chứng minh.
Một bệnh viện, một ngân hàng, hoặc một studio sẽ không gửi dữ liệu thô vào một mô hình được lưu trữ ở đâu đó không ai biết. Tuy nhiên, họ sẽ sử dụng mật mã hóa đảm bảo rằng mô hình không bao giờ thấy văn bản gốc.
Hai công cụ thực tiễn hôm nay: FHE và zkML.
@zama_fhe’s Concrete ML biên dịch các mô hình để một số phần của quá trình suy diễn chạy trực tiếp trên dữ liệu được mã hóa. Các tài liệu và bản phát hành gần đây đi qua suy diễn LLM mã hóa và các bản demo phân loại văn bản riêng tư. Nó chậm hơn so với văn bản thuần, nhưng nó biến các khối lượng công việc trước đây "không thể vận chuyển" thành những khối lượng có thể triển khai.
Song song đó, zkML cho phép bạn chứng minh rằng một suy luận đã xảy ra một cách chính xác mà không phải tiết lộ các lời nhắc hoặc trọng số. @ezklxyz xử lý con đường từ mô hình đến mạch; zkML của @MinaProtocol mang lại suy luận có thể xác minh vào zkApps để các hợp đồng có thể chấp nhận kết quả trong khi đầu vào vẫn được ẩn. Bạn có được các lời nhắc riêng tư và xác minh công khai, điều này chính xác là những gì một tổ chức tuân thủ cần.
Tuy nhiên, chỉ riêng quyền riêng tư không giải quyết thanh toán hoặc quyền truy cập. Bạn cần một biên nhận mà bất kỳ ai cũng có thể kiểm tra. Đó là lúc zkVMs và zk coprocessors xuất hiện. Dịch vụ chứng minh và trình xác minh toàn cầu của Bonsai từ @RiscZero cho phép mang biên nhận qua các chuỗi; SP1 của @SuccinctLabs tập trung vào hiệu suất và xác minh đa chuỗi. Các coprocessors như @axiom_xyz hoặc @lagrangedev giúp giảm chi phí cho các hợp đồng tiêu tốn tính toán nặng thông qua các chứng minh nhỏ. Trạng thái cuối cùng: một ví, DAO hoặc ứng dụng có thể chấp nhận kết quả AI của bạn mà không cần chạy lại công việc hoặc học dữ liệu của bạn.
Điều quan trọng: DeAI thắng khi mọi người có thể sử dụng dữ liệu nhạy cảm nhất của họ với AI và vẫn thanh toán trên các đường ray công cộng.
Sử dụng FHE hoặc zkML riêng tư để bảo mật.
Thêm biên nhận ZK để xác minh.
Khai thác các thị trường GPU phi tập trung để mở rộng quy mô.