مدارک دانش صفر پاسخ رمزنگاری به بحران اعتماد هوش مصنوعی است

اینترنت در حال پر شدن توسط عوامل هوش مصنوعی مستقل است که به طور پیش فرض نمی توان به آنها اعتماد کرد. همانطور که ماشین ها شروع به تراکنش، ایجاد محتوا و تصمیم گیری از طرف انسان می کنند، زیرساخت موجود برای تأیید به نقطه شکست می رسد. به گفته گروه رو به رشدی از سازندگان رمزارز، راه حل این مشکل، اعتدال بیشتر یا برچسب‌گذاری بهتر نیست. این ریاضی است - به طور خاص، اثبات دانش صفر. در گزارش اصلی، برایان ترونزو، مدیر ارشد رشد آزمایشگاه ساکسینکت، استدلال می‌کند که ظهور عوامل هوش مصنوعی مستقل، اثبات دانش صفر را ضروری می‌سازد. Succinct Labs زیرساخت ZK را ایجاد می کند، بنابراین این شرکت در این روایت سهام تجاری دارد. با این حال، منطق زیربنایی بسیار فراتر از هر پروژه واحدی طنین انداز است. بدون یک روش غیرقابل اعتماد برای تأیید اینکه یک عامل هوش مصنوعی به درستی عمل کرده است - چه در اجرای معامله، امضای قرارداد یا فیلتر کردن داده ها - اینترنت خطر تبدیل شدن به مخزن تعاملات مبهم ماشین به ماشین را دارد. AI Trust Gap سیستم های هوش مصنوعی فعلی به عنوان جعبه سیاه عمل می کنند. حتی توسعه دهندگان آنها اغلب نمی توانند توضیح دهند که چرا یک مدل تصمیم خاصی گرفته است. این عوامل را در مقیاس در سراسر امور مالی، زنجیره تامین و هویت دیجیتال مستقر کنید، و مشکل تأیید منفجر می شود. رویکردهای سنتی به مقامات مرکزی یا امضاهای رمزنگاری تکیه می‌کنند، اما وقتی میلیون‌ها عامل مستقل نیاز به اثبات صادقانه و همسویی رفتارشان با هدف کاربر دارند، هیچکدام به خوبی مقیاس نمی‌شوند. اثبات های دانش صفر مدل متفاوتی را ارائه می دهند.یک ZKP به یک طرف اجازه می‌دهد تا ثابت کند چیزی را می‌داند - یا اینکه یک محاسبات به درستی انجام شده است - بدون افشای داده‌های اساسی. برای هوش مصنوعی، این بدان معنی است که یک عامل می تواند یک مدرک ریاضی قابل تایید برای اینکه از یک خط مشی خاص پیروی می کند، فقط از منابع داده تایید شده استفاده می کند، یا پاسخی را بدون سوگیری ارائه می دهد، در حالی که اطلاعات خصوصی کاربر را مخفی نگه می دارد. خود مدرک کوچک است، بررسی سریع و جعل غیرممکن است. چگونه اثبات‌های دانش صفر خلأ را پر می‌کنند استدلال ترونزو در لحظه‌ای که زیرساخت‌های رمزنگاری در حال حرکت به سمت پذیرش ZKP در سطح پروتکل است، فرود می‌آید. مجموعه‌های لایه ۲ اتریوم مانند zkSync و StarkNet از اولیه‌های مشابه برای فشرده‌سازی و تأیید هزاران تراکنش خارج از زنجیره استفاده می‌کنند، سپس آنها را با یک اثبات بر روی اتریوم تسویه می‌کنند. همان ماشین رمزنگاری را می توان برای تأیید محاسبات AI تغییر کاربری داد. این همگرایی مرز بین ابزارهای مقیاس بندی بلاک چین و لایه حاکمیتی برای هوش مصنوعی را محو می کند. چیزی که این را بیش از یک آزمایش فکری می کند، ساعات سرمایه و توسعه دهندگان است که به پلتفرم های ZK-as-a-service سرازیر می شوند.