تتعاون Polyhedra مع Berkeley RDI لإطلاق أول نظام لإثبات المعرفة الصفرية يتحقق من نماذج اللغات الكبيرة (LLMs). مثلما أنشأ HTTPS الأمان للاتصالات عبر الإنترنت، يقوم هذا النظام ببناء البنية التحتية للتحقق في مجال الذكاء الاصطناعي. يتحقق النظام بكفاءة من أداء الذكاء الاصطناعي والامتثال دون الكشف عن النماذج أو البيانات، بما يصل إلى 20000 مرة أسرع من الطرق السابقة. أصبح من الممكن الآن التحقق بسرعة من نماذج اللغات الكبيرة بما في ذلك Llama 3-8B.
النقاط الأساسية هي كما يلي:
- تقنية متعددات الوجوه المبتكرة: تشبه تقنية التعلم الآلي للمعرفة الصفرية (zkML) بروتوكول HTTPS في الإنترنت، مما يسمح بالتحقق من أداء وامتثال أنظمة الذكاء الاصطناعي دون تسريب تفاصيل النموذج أو البيانات، وحماية الخصوصية والأمان.
- أداء ممتاز: يعمل برنامج Expander على تحسين كفاءة التحقق بشكل كبير، حيث يعد التحقق بخيط واحد أسرع 20000 مرة من الطرق الحالية، ويدعم VGG-16 في 2.2 ثانية لكل صورة وLlama-3 في 150 ثانية لكل رمز.
- سهل الاستخدام للمطورين: يقوم برنامج التحويل البرمجي zkPyTorch بدمج PyTorch بسلاسة لتزويد المطورين بأدوات بسيطة وسهلة الاستخدام.
سيناريوهات التطبيق:
- ضمان جودة خدمة الذكاء الاصطناعي
- الامتثال لبيانات تدريب الذكاء الاصطناعي
- سوق التداول الآلي للبيانات العادلة
- تعيين مسؤولية وكيل الذكاء الاصطناعي
- امتثال وكيل الذكاء الاصطناعي
- التحقق من الامتثال للخدمات المالية
لا يحل هذا النظام مشكلة الامتثال في التحقق من نموذج الذكاء الاصطناعي فحسب، بل يوفر أيضًا حلاً جديدًا لأمن الذكاء الاصطناعي ومصداقيته.