ZKML

Ang zkML ay isang malikhain na paraan na nagpapagsama ng mga zero-knowledge proof at machine learning, na nagbibigay ng ligtas at pribadong mga kaalaman at pagpapatunay ng AI nang hindi ipinapakita ang sensitibong data. Ito ay partikular na mahalaga sa mga sektor tulad ng pangangalagang pangkalusugan at pananalapi kung saan ang privacy ay napakahalaga. Ang zkML ay gumagana sa pamamagitan ng pagtatrain ng mga machine learning model sa mga node, bawat isa ay may hawak na isang segment ng data, pagkatapos ay naglilikha ng mga cryptographic proof na nagpapatunay ng mga aspeto ng data nang hindi ito ipinapakita.

Ang teknolohiyang ito ay patuloy na lumalabas, na nakatuon sa pag-integrate ng mga zero-knowledge proof sa bahagi ng model inference, na epektibo para sa pagpapatunay ng mga output ng mga AI model tulad ng GPT-4 o DALL-E 2 nang hindi ipinapakita ang sensitibong mga input. Bagaman may mga hamon pa rin sa pagpapamahala ng malalaking mga modelo dahil sa mga limitasyon sa pag-compute, malalaking hakbang ang nagawa, tulad ng tagumpay ng Modulus Labs sa paglikha ng mga proof para sa isang modelo na may 18 milyong mga parameter.