ZKML

zkML es un enfoque innovador que combina pruebas de conocimiento cero con aprendizaje automático, garantizando información y verificación de IA seguras y privadas sin exponer datos sensibles. Es particularmente crucial en sectores como la salud y las finanzas, donde la privacidad es primordial. zkML opera entrenando modelos de aprendizaje automático en nodos, cada uno de los cuales tiene un segmento de datos, y luego genera pruebas criptográficas que verifican aspectos de los datos sin revelarlos.

Esta tecnología aún está emergiendo, centrándose en la integración de pruebas de conocimiento cero en la fase de inferencia del modelo, lo cual es efectivo para verificar las salidas de modelos de IA como GPT-4 o DALL-E 2 sin exponer las entradas sensibles. Aunque persisten desafíos en la gestión de modelos grandes debido a limitaciones computacionales, se han logrado avances significativos, como el éxito de Modulus Labs en la creación de pruebas para un modelo con 18 millones de parámetros.