ساخت لایه اعتماد صفر دانش برای هوش مصنوعی و وب۳ — گفتوگو با Polyhedra
سیستمهای هوش مصنوعی با سرعت زیادی پیش میروند، اما دو پرسش همواره سازندگان را نگران میکند: «آیا خروجیها قابل اعتمادند و آیا دادههای زیربنایی واقعاً خصوصی هستند؟» همین تنش برای بلاکچینها هم مطرح است؛ جایی که کاربران بدون افشای اطلاعات حساس یا اتکا به درگاههای متمرکز، به دنبال تأیید تراکنشها هستند. پروژه رمزارزی Polyhedra در تقاطع این دو چالش قرار دارد. این تیم که توسط پژوهشگرانی از دانشگاههای برکلی، استنفورد و Tsinghua بنیان گذاشته شده، اثبات صفر دانشی (ZK) را به ابزارهای آماده تولید تبدیل کرده تا هم نتایج یادگیری ماشین را تأیید کند، هم داراییها را میان بیش از ۲۵ بلاکچین منتقل کند و هم داده کاربران را بدون افشای حتی یک راز حفاظت کند.
پشته محصولات آن شامل Expander (تاییدگر ZK با عملکرد بالا)، zkPyTorch برای توسعهدهندگان و zkBridge برای پیامرسانی میانزنجیرهای است و اکنون در حال عرضه EXPchain، یک لایه-۱ ویژه هوش مصنوعی، میباشد. پیش از برگزاری جشنواره zkML در ماه می، Cointelegraph با تیانچنگ ژی، همبنیانگذار و مدیر فناوری Polyhedra، گفتوگو کرد تا بدانیم چرا حریم خصوصی قابلاثبات در هوش مصنوعی و وب۳ اهمیت دارد.
چه عوامل اصلی برای زیرساخت قابل اثبات و حفظ حریم خصوصی در هوش مصنوعی هستند؟
تیانچنگ ژی: عوامل اصلی امنیت، حریم خصوصی و اعتماد است که توسط اثبات صفر دانشی تأمین میشود. با پیشرفت هوش مصنوعی و بلاکچین، نیاز به محافظت از دادههای حساس در حالی که شفافیت و مسئولیتپذیری حفظ شود، رشد میکند. در هوش مصنوعی، روشهای حفظ حریم خصوصی مانند ZKP اجازه میدهند مدلها بدون افشای اطلاعات محرمانه آموزش ببینند یا پیشبینی کنند. در بلاکچین نیز حریم خصوصی قابل اثبات برای امنسازی تراکنشها و حفظ ناشناسی کاربران ضروری است.
اثبات صفر دانشی چگونه مدلهای یادگیری ماشین را بدون افشای دادهها پاسخگو میکند؟
ZKP با تأیید صحت محاسبات یا پیشبینیها بدون افشای داده اصلی، مدلها را پاسخگو میکند. در یادگیری ماشین سنتی، اشتراک نتایج میتواند اطلاعات خصوصی را آشکار سازد. اما ZKP اطمینان میدهد که مدل تصمیم درست را اتخاذ کرده یا فرآیند معتبری را دنبال کرده بدون اینکه پارامترهای مدل فاش شود. این روش برای برنامههای حساس به حریم خصوصی بسیار مناسب است.
مهارتهای مهندسان فردای zkML چیست و Polyhedra چگونه آنها را پرورش میدهد؟
مهندسان zkML فردا باید ترکیبی از مهارتهای ویژه در یادگیری ماشین و رمزنگاری داشته باشند. Polyhedra با برنامههایی مثل «بوتکمپ و هکاتون Explore Expander» که با همکاری بنیاد اتریوم، Worldcoin و گوگل برگزار میشود، این دانش را منتقل میکند. این برنامه شش هفتهای شامل تمرین عملی، جلسات عمیق درباره ZKP و zkML و پروژههای واقعی است تا مهندسان بتوانند اپلیکیشنهای تحولآفرین صفر دانشی را بسازند.
ایجاد «لایه اعتماد» برای هوش مصنوعی و اینترنت چه معنایی دارد و چرا فوری است؟
ایجاد لایه اعتماد یعنی تأیید درستی دادهها، تراکنشها و محاسبات بدون اتکا به نهاد متمرکز. در هوش مصنوعی، به این معناست که مدلها شفاف، پاسخگو و مطابق استانداردهای اخلاقی عمل کنند. در اینترنت، اطمینان از تعامل امن کاربران در پلتفرمهای غیرمتمرکز است. این مأموریت به دلیل وابستگی فزاینده به هوش مصنوعی و فناوریهای غیرمتمرکز در بخشهای حساس مثل بهداشت و مالی، بسیار فوری است.
چگونه شفافیت را با حق حریم خصوصی در جهان مبتنی بر ZKP به تعادل میرسانید؟
تعادل با اثبات صفر دانشی ممکن است؛ چون میتوان حقیقت را بدون افشای دادههای زیربنایی اثبات کرد. مثلاً کاربر در تراکنش مالی ثابت میکند موجودی کافی دارد بدون اینکه رقم دقیق را نشان دهد. بدینترتیب شفافیت در صحت تراکنش وجود دارد و حریم خصوصی نیز حفظ میشود.
سختترین چالشهای فنی یا بازار Polyhedra چه بوده و کدام دستاوردها استراتژی را تأیید میکند؟
از نظر فنی، ساخت سیستم zkML مقیاسپذیر دشوار بود چون راهکارهای اولیه کند بودند. با Expander سرعت تراکنش بهطور قابلتوجهی بهبود یافت. دسترسیپذیر کردن zkML برای توسعهدهندگان هم چالش دیگر بود که با zkPyTorch حل شد. در بازار، جلب اعتماد برای zkML و zkBridge چالشبرانگیز بود اما اکنون zkBridge میلیونها تراکنش را روی بیش از ۲۵ بلاکچین مدیریت میکند. راهاندازی تستنت EXPchain و همکاریهای گسترده، موفقیت استراتژی را نشان میدهد.
محصولات کلیدی و فناوریهای مهم در نقشه راه Polyhedra کدامند؟
نقشه راه Polyhedra شامل Expander برای تأییدهای سریع ZK، zkPyTorch برای توسعه بیدردسر zkML، zkBridge برای ارتباط میانزنجیرهای و EXPchain بهعنوان لایه-۱ ویژه هوش مصنوعی است. این نوآوریها چالشهای امنیتی، حریم خصوصی و تعامل بین بلاکچینها را حل میکنند.
در صورت تحقق چشمانداز لایه اعتماد جهانی، تعاملات روزمره با اپلیکیشنهای هوش مصنوعی چگونه تغییر میکند؟
اگر Polyhedra لایه اعتماد جهانی را بسازد، کاربر میتواند با اطمینان کامل با سیستمهای غیرمتمرکز و مدلهای هوش مصنوعی تعامل کند؛ بدون افشای دادههای حساس و با تضمین صحت نتایج. انتقال داراییها و دادهها میان شبکهها هم بهصورت بدون اصطکاک و امن انجام خواهد شد.