Jak dowody zerowej wiedzy sprawiają, że agenci AI są mądrzejsi i bardziej efektywni: Przyszłość współpracy obliczeniowej
Technologia sztucznej inteligencji (AI) jest coraz bardziej obecna wszędzie. Pojawia się na szczycie wyników wyszukiwarek, jest wykorzystywana do pisania drobnych fragmentów kodu, potrafi prowadzić badania i cytować źródła, a niektórzy ludzie nawet próbują wymyślić, jak umieścić ją w zmywarce. Choć potrzeba posiadania AI w zmywarce może być dyskutowana, jedną rzeczą, która nie może być podważana, jest to, że używanie tej ogromnej mocy obliczeniowej ma zdecydowane koszty.
Energia potrzebna do szkolenia i działania systemów AI jest ogromna. Muszą być budowane ogromne centra danych do przetwarzania informacji wymaganych do zrozumienia twojego żądania przez AI i udzielenia spójnej odpowiedzi. Do przyszłego roku oczekuje się, że te centra danych będą łącznie zużywać tyle energii, co cały kraj Japonia. Chociaż nie każdy aspekt tych centrów jest dedykowany AI, problem ich zużycia energii musi być rozwiązany.
Skomplikowane sprawy wynikają z rosnących standardów ludzi korzystających z AI. Tendencje AI do halucynacji, błędnego przedstawiania informacji lub całkowitego wymyślania rzeczy są coraz lepiej znane. Użytkownicy domagają się dowodów na to, że informacje dostarczane przez modele AI są dokładne, oparte na wiarygodnych danych i poprawnie przetworzone. Biorąc pod uwagę znaczenie niektórych zadań, którym AI jest teraz powierzane, takich jak rozpoznawanie obrazów, kierowanie robotami i decydowanie o tym, jak prowadzić samochody, zrozumiałe jest, że ludzie mogą chcieć dowodów, że model AI używa poprawnych danych do działania. Oczywiście, wymaga to więcej przetwarzania, więcej danych i większego zużycia energii.
Jednak istnieje sposób, aby jednocześnie rozwiązać oba te problemy. Dowody zerowej wiedzy (dowody ZK) to potężne narzędzie, które pozwala użytkownikom potwierdzić dokładność informacji, jednocześnie chroniąc prywatność. Przy odpowiednim użyciu może to zrobić z niezwykłą efektywnością.
Wyjaśnienie dowodów ZK
Dla tych, którzy potrzebują przypomnienia, dowody ZK to metody udowadniania komuś, że jedna strona ma określone informacje, nie pokazując im po prostu tych informacji.
Powszechnym ilustracyjnym przykładem jest „Jaskinia Ali Baby”. Wyobraź sobie, że jesteś w magicznej jaskini w kształcie pierścienia z tunelem prowadzącym do niej. Po przeciwnej stronie pierścienia od tunelu, ukryte przez ścianę jaskini, jest magiczne drzwi, które otwierają się tylko za pomocą magicznego słowa. Załóżmy, że masz przyjaciela, który chce dowodu, że znasz magiczne słowo, ale nie chcesz, aby usłyszał, jakie to słowo. Jak byś to zrobił?
Jednym z rozwiązań jest udowodnienie, że jedynym sposobem na obejście jaskini bez przechodzenia przez wejście tunelu jest drzwi, a jedynym sposobem na przejście przez drzwi jest znać hasło. W ten sposób udowadniasz, że masz hasło - chociaż twój przyjaciel wciąż nie wie, jakie to jest.
Można to dodatkowo wyjaśnić za pomocą innej historii. Wyobraź sobie, że twój przyjaciel jest daltonistą. Nie do końca wierzy, że dwa piłki, które masz, czerwona i zielona, które w innych aspektach są identyfikacyjne, są różne. Aby udowodnić, że można je rozróżnić, każesz mu schować je za plecy, a potem pokazujesz mu jedną. Jeśli je zamieni za plecami, będziesz wiedział. Po kilku rundach korekty, mówiąc mu, czy zamienił piłki, wierzy, że potrafisz je rozróżnić, mimo że nigdy mu nie powiedziałeś, która jest zielona, a która czerwona.
Te dowody mają wiele zastosowań, szczególnie w autoryzacji, zachowaniu prywatności i pokrewnych obszarach. Mogą być użyteczne w rozwiązywaniu problemów AI.
ZK spotyka AI
Możliwe jest zastosowanie dowodów ZK do AI w sposób, który potwierdza dokładność dostarczonych informacji efektywnie, skutecznie i w sposób, który chroni dane użyte do szkolenia modelu AI. Używając tych dowodów, użytkownik może szybko potwierdzić, że dane cytowane przez model AI naprawdę istnieją, bez konieczności bezpośredniego dostępu do tych danych.
Dodatkowo, można to zrobić stosunkowo efektywnie, rozwiązując problemy związane z zużyciem energii. Dowód ZK-SNARK, który oznacza „zwarty nieinteraktywny argument wiedzy”, jest szczególnie mały w porównaniu do innych dowodów tego typu i mógłby być użyty do udowodnienia dokładności wielu rodzajów informacji przy niskim koszcie obliczeniowym. Gdy szybkość jest ważniejsza niż oszczędność danych, ZK-STARKs, „skalowalny przejrzysty argument wiedzy”, mogą być bardzo użyteczne.
Stosując dowody ZK do wyników modeli AI, może być możliwe dodanie poziomu pewności do wyników AI bez potrzeby dodatkowego intensywnego obliczeniowo przetwarzania. Biorąc pod uwagę potencjały AI i problemy, z jakimi obecnie się boryka, gdy halucynuje, rozwiązanie tego problemu powinno być głównym zmartwieniem wielu osób pracujących w tej dziedzinie. Możliwe rozwiązania, które obiecują dowody ZK, powinny być traktowane poważnie przez wszystkich zaangażowanych.
O ARPA
Sieć ARPA (ARPA) to zdecentralizowana, bezpieczna sieć obliczeniowa, zbudowana w celu poprawy sprawiedliwości, bezpieczeństwa i prywatności blockchainów. Sieć podpisów progowych BLS ARPA służy jako infrastruktura dla weryfikowalnego generatora liczb losowych (RNG), bezpiecznego portfela, mostu międzyłańcuchowego i zdecentralizowanej depozytariusz w wielu blockchainach.
ARPA wcześniej znana jako ARPA Chain, to sieć obliczeniowa chroniąca prywatność, założona w 2018 roku. ARPA Mainnet zakończyła ponad 224 000 zadań obliczeniowych w ostatnich latach. Nasze doświadczenie w MPC i innej kryptografii stanowiło podstawę dla naszego innowacyjnego projektu systemu podpisów progowych BLS (TSS-BLS) i doprowadziło nas do dzisiejszej sieci ARPA.
Randcast, weryfikowalny generator liczb losowych (RNG), jest pierwszą aplikacją, która wykorzystuje ARPA jako infrastrukturę. Randcast oferuje kryptograficznie generowane losowe źródło z lepszym bezpieczeństwem i niskim kosztem w porównaniu do innych rozwiązań. Metawersum, gry, loterie, mintowanie NFT oraz białe listy, generowanie kluczy i dystrybucja zadań weryfikatorów blockchain mogą skorzystać na niepodważalnej losowości Randcast.
Aby uzyskać więcej informacji o ARPA, prosimy o kontakt pod adresem contact@arpanetwork.io.
Poznaj najnowsze oficjalne wiadomości ARPA:
Twitter: @arpaofficial
Medium: https://medium.com/@arpa
Discord: https://dsc.gg/arpa-network
Telegram (Polski): https://t.me/arpa_community
Telegram (Turecki): https://t.me/Arpa_Turkey
Telegram (Koreański): https://t.me/ARPA_Korea
Reddit: https://www.reddit.com/r/arpachain/
