Polyhedra presenta EXPchain, una aplicación de inteligencia artificial que analiza la necesidad de poner en la cadena de bloques los modelos de IA y genera un generador de pruebas Zk distribuido.
La infraestructura de interoperabilidad de la cadena de bloques Polyhedra, después de perder la competencia por el código $ZK con zkSync tras la caída del precio de la moneda, ha lanzado recientemente el 'bloque de todas las cosas' construido para la IA, con un proyecto llamado EXPchain. También ha propuesto el concepto de Prueba de Inteligencia (PoI), creando una cadena de bloques inalterable y confiable para modelos de inteligencia artificial. Vale la pena esperar si la combinación de zk y la transformación hacia la IA tiene éxito.
La regulación de la IA tradicional implica datos sensibles, zkML se convierte en una nueva solución.
El equipo define EXPchain como un protocolo de bloques diseñado específicamente para aplicaciones de inteligencia artificial escalables, verificables y centradas en la privacidad. Como la 'cadena de todo para la IA', EXPchain integra el aprendizaje automático de conocimiento cero (zkML) y un nuevo marco de Prueba de Inteligencia (PoI). Las principales innovaciones incluyen el eficiente sistema de pruebas zk Expander y el kit de herramientas zkPyTorch, que es amigable para los desarrolladores e integra zkML en los flujos de trabajo tradicionales de IA.
La inteligencia artificial juega un papel cada vez más crucial en diversas industrias, desde desbloquear teléfonos mediante reconocimiento facial hasta solicitudes de préstamos y diagnósticos médicos impulsados por IA. Estas tecnologías presentan tanto un gran potencial como desafíos. ¿Cómo garantizar que los sistemas de IA funcionen de manera justa, precisa y segura? ¿Cómo proteger datos sensibles sin comprometer la transparencia y la responsabilidad?
Además, los gobiernos de varios países también están trabajando en la regulación de la IA, como la Ley de IA de la Unión Europea y el Marco de Gestión de Riesgos de IA del Instituto Nacional de Normas y Tecnología de los Estados Unidos (NIST). El problema con los métodos tradicionales es que requieren la divulgación de modelos especializados o datos sensibles, lo que genera conflictos entre seguridad, privacidad y confianza.
La máquina de aprendizaje de conocimiento cero (zkML) proporciona una solución única en comparación con las tradicionales. Las características de la prueba de conocimiento cero pueden proteger la privacidad de los datos y modelos mientras realizan la verificación matemática del sistema de IA. Polyhedra introduce EXPchain, un protocolo de interoperabilidad basado en la tecnología zkML, que no solo considera el comportamiento de la IA y las regulaciones de cumplimiento, sino que también es una verificación escalable y segura.
La deuda técnica continúa expandiéndose, y el proceso de transacción de IA en la cadena facilita la rendición de cuentas
Un estudio señala que la deuda técnica de software en los Estados Unidos en 2022 ha alcanzado los 2.41 billones de dólares. Además, un estudio de PricewaterhouseCoopers (PwC), una de las cuatro principales firmas de consultoría del mundo, también indica que se espera que la IA contribuya hasta 15.7 billones de dólares a la economía mundial en 2030.
Con el crecimiento de la IA, puede aumentar la expansión de la deuda técnica. El columnista de negocios Raconteur ha cuestionado si las empresas están preparadas para asumir el costo de los fracasos de la inteligencia artificial. Las fallas de la IA incluyen resultados incorrectos, filtración de datos y ataques de red. Además de las pérdidas económicas, estos errores también pueden causar daños personales.
Por ejemplo, la salida incorrecta de datos puede llevar a decisiones incorrectas o sesgos en el juicio de las máquinas. Por lo tanto, es necesario asegurarse de que cada elemento impulsado por la inteligencia artificial en el comercio, desde la entrada de datos hasta la salida del modelo, sea verificable y responsable. Es crucial abordar estos riesgos mientras se libera todo el potencial de la inteligencia artificial. Aquí es donde entra en juego EXPchain, la cadena de bloqueo de verificación en tiempo real de IA.
Tres grandes innovaciones tecnológicas: ¿Puede Polyhedra resolver el problema de generador de pruebas zk?
La innovación tecnológica incluye Expander, ExPos y zkPyTorch
Polyhedra: Expander es actualmente el probador zk más rápido del mundo
Los datos proporcionados por Polyhedra incluyen:
En una CPU de un solo hilo, el procesamiento de imágenes VGG-16 solo lleva 2.2 segundos
Procesamiento de tokens Llama-3.1 8B en una CPU de un solo hilo requiere 150 segundos por token
El rendimiento es cuatro órdenes de magnitud más rápido que los datos anteriores.
Estos avances han reducido significativamente el costo y la demora de la verificación de IA, y admiten diversas aplicaciones, como la inferencia de privacidad y la revisión de modelos. Expander también cumple con la visión de finalidad de zk propuesta por Vitalik Buterin.
La capa 2 se divide principalmente en Optimistic Rollup y zk Rollup, y para la mayoría de las cadenas públicas zk Rollup, la generación de pruebas ZKP es un cuello de botella, las empresas deben implementar máquinas potentes con memoria TB para manejar la gran cantidad de transacciones en ZKP. En el documento conjunto anterior del ex CTO de Polyhedra, Tiancheng Xie, y el científico jefe, Jiaheng Zhang, se exploró un nuevo plan que utiliza ZKP completamente descentralizado para mejorar la escalabilidad de la tecnología zk.
ExPoS: Prueba de Participación Ampliada
ExPoS es un mecanismo de prueba de participación desarrollado para la tecnología zkML en EXPchain, que verifica el comportamiento y la conformidad de las aplicaciones de IA sin revelar datos de modelos exclusivos. En pocas palabras, utiliza la tecnología zkBridge de Polyhedra para unificar y conectar todos los mecanismos de participación en la cadena Bloquear en una red de staking cohesiva.
zkPyTorch: una caja de herramientas amigable para desarrolladores
zkPyTorch convierte automáticamente las operaciones de PyTorch en circuitos zk, reduciendo la brecha entre el flujo de trabajo tradicional de IA y el aprendizaje automático de conocimiento cero (zkML). Esta integración permite a los desarrolladores utilizar herramientas familiares mientras reduce significativamente el tiempo y la complejidad de implementar aplicaciones de IA con soporte zk.
zkML puede verificar LLM en privacidad
En el corazón de EXPchain se encuentra el aprendizaje automático de conocimiento cero (zkML), que permite la validación criptográfica de modelos de IA para garantizar la seguridad y la precisión a lo largo del ciclo de vida del aprendizaje automático, lo que incluye:
Razonamiento verificable: demostrar la salida de inteligencia artificial sin exponer el modelo o los datos.
Revisión del modelo: verificar la equidad y la conformidad del rendimiento según el conjunto de pruebas.
Verificación de entrenamiento: asegurando el cumplimiento del acuerdo sin revelar entradas sensibles.
Las aplicaciones concretas incluyen:
Agregar marcas de agua digitales a los Modelos de Lenguaje a Gran Escala (LLMs). Las marcas de agua digitales son características minúsculas y apenas perceptibles incrustadas en el texto generado por LLM, que se utilizan para identificar si el texto fue generado por un modelo específico, con el fin de prevenir la falsificación y el abuso del contenido.
Asegurar la conformidad del modelo, como la verificación de conformidad en las instituciones financieras.
Lograr cálculos seguros de múltiples partes en industrias enfocadas en la privacidad.
Actualmente, el marca de agua digital zkML de EXPchain se puede utilizar para verificar modelos de lenguaje de gran tamaño como Llama-3.1 8B.
El principal criptógrafo de Polyhedra tiene un gran peso, impulsando la cadena de prueba de inteligencia artificial PoI
EXPchain puede considerarse como una Prueba de Inteligencia (PoI), creando una cadena de Bloquear inalterable y confiable para modelos de inteligencia artificial, verificando su origen, autenticidad y conformidad ética. Este marco protege los derechos de propiedad intelectual y garantiza la rendición de cuentas transparente, vinculando de forma cifrada el origen y rendimiento de cada modelo de inteligencia artificial con registros verificables en la cadena, proporcionando una transparencia sin precedentes para el ecosistema impulsado por inteligencia artificial.
Y hablando del cerebro detrás de todo esto, no podemos dejar de hablar de Zhenfei Zhang, el principal criptógrafo de Polyhedra. Anteriormente trabajó en Algorand, Espresso, Ethereum Foundation y Scroll, entre otros líderes de la industria, y es muy conocido en el mundo de la criptografía. El artículo 'ZEN: Optimizing Compiler for Verifiable Zero-Knowledge Neural Network Inference' trata sobre el aprendizaje automático verificable.
Este artículo de Polyhedra presenta EXPchain, una aplicación de inteligencia artificial, analizando la necesidad de la cadena AI del modelo y el generador de prueba zk distribuido que apareció por primera vez en Chain News ABMedia.
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
Polyhedra presenta EXPchain, una aplicación de inteligencia artificial que analiza la necesidad de poner en la cadena de bloques los modelos de IA y genera un generador de pruebas Zk distribuido.
La infraestructura de interoperabilidad de la cadena de bloques Polyhedra, después de perder la competencia por el código $ZK con zkSync tras la caída del precio de la moneda, ha lanzado recientemente el 'bloque de todas las cosas' construido para la IA, con un proyecto llamado EXPchain. También ha propuesto el concepto de Prueba de Inteligencia (PoI), creando una cadena de bloques inalterable y confiable para modelos de inteligencia artificial. Vale la pena esperar si la combinación de zk y la transformación hacia la IA tiene éxito.
La regulación de la IA tradicional implica datos sensibles, zkML se convierte en una nueva solución.
El equipo define EXPchain como un protocolo de bloques diseñado específicamente para aplicaciones de inteligencia artificial escalables, verificables y centradas en la privacidad. Como la 'cadena de todo para la IA', EXPchain integra el aprendizaje automático de conocimiento cero (zkML) y un nuevo marco de Prueba de Inteligencia (PoI). Las principales innovaciones incluyen el eficiente sistema de pruebas zk Expander y el kit de herramientas zkPyTorch, que es amigable para los desarrolladores e integra zkML en los flujos de trabajo tradicionales de IA.
La inteligencia artificial juega un papel cada vez más crucial en diversas industrias, desde desbloquear teléfonos mediante reconocimiento facial hasta solicitudes de préstamos y diagnósticos médicos impulsados por IA. Estas tecnologías presentan tanto un gran potencial como desafíos. ¿Cómo garantizar que los sistemas de IA funcionen de manera justa, precisa y segura? ¿Cómo proteger datos sensibles sin comprometer la transparencia y la responsabilidad?
Además, los gobiernos de varios países también están trabajando en la regulación de la IA, como la Ley de IA de la Unión Europea y el Marco de Gestión de Riesgos de IA del Instituto Nacional de Normas y Tecnología de los Estados Unidos (NIST). El problema con los métodos tradicionales es que requieren la divulgación de modelos especializados o datos sensibles, lo que genera conflictos entre seguridad, privacidad y confianza.
La máquina de aprendizaje de conocimiento cero (zkML) proporciona una solución única en comparación con las tradicionales. Las características de la prueba de conocimiento cero pueden proteger la privacidad de los datos y modelos mientras realizan la verificación matemática del sistema de IA. Polyhedra introduce EXPchain, un protocolo de interoperabilidad basado en la tecnología zkML, que no solo considera el comportamiento de la IA y las regulaciones de cumplimiento, sino que también es una verificación escalable y segura.
La deuda técnica continúa expandiéndose, y el proceso de transacción de IA en la cadena facilita la rendición de cuentas
Un estudio señala que la deuda técnica de software en los Estados Unidos en 2022 ha alcanzado los 2.41 billones de dólares. Además, un estudio de PricewaterhouseCoopers (PwC), una de las cuatro principales firmas de consultoría del mundo, también indica que se espera que la IA contribuya hasta 15.7 billones de dólares a la economía mundial en 2030.
Con el crecimiento de la IA, puede aumentar la expansión de la deuda técnica. El columnista de negocios Raconteur ha cuestionado si las empresas están preparadas para asumir el costo de los fracasos de la inteligencia artificial. Las fallas de la IA incluyen resultados incorrectos, filtración de datos y ataques de red. Además de las pérdidas económicas, estos errores también pueden causar daños personales.
Por ejemplo, la salida incorrecta de datos puede llevar a decisiones incorrectas o sesgos en el juicio de las máquinas. Por lo tanto, es necesario asegurarse de que cada elemento impulsado por la inteligencia artificial en el comercio, desde la entrada de datos hasta la salida del modelo, sea verificable y responsable. Es crucial abordar estos riesgos mientras se libera todo el potencial de la inteligencia artificial. Aquí es donde entra en juego EXPchain, la cadena de bloqueo de verificación en tiempo real de IA.
Tres grandes innovaciones tecnológicas: ¿Puede Polyhedra resolver el problema de generador de pruebas zk?
La innovación tecnológica incluye Expander, ExPos y zkPyTorch
Polyhedra: Expander es actualmente el probador zk más rápido del mundo
Los datos proporcionados por Polyhedra incluyen:
En una CPU de un solo hilo, el procesamiento de imágenes VGG-16 solo lleva 2.2 segundos
Procesamiento de tokens Llama-3.1 8B en una CPU de un solo hilo requiere 150 segundos por token
El rendimiento es cuatro órdenes de magnitud más rápido que los datos anteriores.
Estos avances han reducido significativamente el costo y la demora de la verificación de IA, y admiten diversas aplicaciones, como la inferencia de privacidad y la revisión de modelos. Expander también cumple con la visión de finalidad de zk propuesta por Vitalik Buterin.
La capa 2 se divide principalmente en Optimistic Rollup y zk Rollup, y para la mayoría de las cadenas públicas zk Rollup, la generación de pruebas ZKP es un cuello de botella, las empresas deben implementar máquinas potentes con memoria TB para manejar la gran cantidad de transacciones en ZKP. En el documento conjunto anterior del ex CTO de Polyhedra, Tiancheng Xie, y el científico jefe, Jiaheng Zhang, se exploró un nuevo plan que utiliza ZKP completamente descentralizado para mejorar la escalabilidad de la tecnología zk.
ExPoS: Prueba de Participación Ampliada
ExPoS es un mecanismo de prueba de participación desarrollado para la tecnología zkML en EXPchain, que verifica el comportamiento y la conformidad de las aplicaciones de IA sin revelar datos de modelos exclusivos. En pocas palabras, utiliza la tecnología zkBridge de Polyhedra para unificar y conectar todos los mecanismos de participación en la cadena Bloquear en una red de staking cohesiva.
zkPyTorch: una caja de herramientas amigable para desarrolladores
zkPyTorch convierte automáticamente las operaciones de PyTorch en circuitos zk, reduciendo la brecha entre el flujo de trabajo tradicional de IA y el aprendizaje automático de conocimiento cero (zkML). Esta integración permite a los desarrolladores utilizar herramientas familiares mientras reduce significativamente el tiempo y la complejidad de implementar aplicaciones de IA con soporte zk.
zkML puede verificar LLM en privacidad
En el corazón de EXPchain se encuentra el aprendizaje automático de conocimiento cero (zkML), que permite la validación criptográfica de modelos de IA para garantizar la seguridad y la precisión a lo largo del ciclo de vida del aprendizaje automático, lo que incluye:
Razonamiento verificable: demostrar la salida de inteligencia artificial sin exponer el modelo o los datos.
Revisión del modelo: verificar la equidad y la conformidad del rendimiento según el conjunto de pruebas.
Verificación de entrenamiento: asegurando el cumplimiento del acuerdo sin revelar entradas sensibles.
Las aplicaciones concretas incluyen:
Agregar marcas de agua digitales a los Modelos de Lenguaje a Gran Escala (LLMs). Las marcas de agua digitales son características minúsculas y apenas perceptibles incrustadas en el texto generado por LLM, que se utilizan para identificar si el texto fue generado por un modelo específico, con el fin de prevenir la falsificación y el abuso del contenido.
Asegurar la conformidad del modelo, como la verificación de conformidad en las instituciones financieras.
Lograr cálculos seguros de múltiples partes en industrias enfocadas en la privacidad.
Actualmente, el marca de agua digital zkML de EXPchain se puede utilizar para verificar modelos de lenguaje de gran tamaño como Llama-3.1 8B.
El principal criptógrafo de Polyhedra tiene un gran peso, impulsando la cadena de prueba de inteligencia artificial PoI
EXPchain puede considerarse como una Prueba de Inteligencia (PoI), creando una cadena de Bloquear inalterable y confiable para modelos de inteligencia artificial, verificando su origen, autenticidad y conformidad ética. Este marco protege los derechos de propiedad intelectual y garantiza la rendición de cuentas transparente, vinculando de forma cifrada el origen y rendimiento de cada modelo de inteligencia artificial con registros verificables en la cadena, proporcionando una transparencia sin precedentes para el ecosistema impulsado por inteligencia artificial.
Y hablando del cerebro detrás de todo esto, no podemos dejar de hablar de Zhenfei Zhang, el principal criptógrafo de Polyhedra. Anteriormente trabajó en Algorand, Espresso, Ethereum Foundation y Scroll, entre otros líderes de la industria, y es muy conocido en el mundo de la criptografía. El artículo 'ZEN: Optimizing Compiler for Verifiable Zero-Knowledge Neural Network Inference' trata sobre el aprendizaje automático verificable.
Este artículo de Polyhedra presenta EXPchain, una aplicación de inteligencia artificial, analizando la necesidad de la cadena AI del modelo y el generador de prueba zk distribuido que apareció por primera vez en Chain News ABMedia.