4
披露：此处表达的观点和意见仅属于作者，不代表 crypto.news 编辑的观点和意见。
在快速扩张的数字生态系统中，正在进行的人工智能革命从根本上改变了我们的生活和工作方式，65% 的大型组织定期使用 ChatGPT、Dall-E、Midjourney、Sora 和 Perplexity 等人工智能工具。
这比十个月前增长了近两倍，专家估计这一指标在不久的将来会呈指数级增长。飞速增长也带来了巨大的阴影——尽管到 2030 年，市场价值预计将达到 15.7 万亿美元，但日益增长的信任赤字可能会毁掉其潜力。
最近的民意调查数据显示，超过三分之二的美国成年人对主流人工智能工具提供的信息几乎没有信心。这在很大程度上要归因于目前该领域由亚马逊、谷歌和 Meta 这三大科技巨头主导——据报道，这三家公司总共控制着超过 80% 的大规模人工智能训练数据。
这些公司在神秘的面纱下运作，同时投资数亿美元用于对外界来说仍是黑匣子的系统。虽然给出的理由是“保护他们的竞争优势”，但它造成了危险的责任真空，滋生了人们对这项技术的极大不信任和主流怀疑。
The lack of transparency in AI development has reached critical levels over the past year. Despite companies like OpenAI, Google, and Anthropic spending hundreds of millions of dollars on developing their proprietary large language models, they provide little to no insight into their training methodologies, data sources, or validation procedures.
随着这些系统变得越来越复杂，其决策带来的后果也越来越严重，缺乏透明度已使基础变得岌岌可危。如果无法验证输出结果或了解这些模型如何得出结论，我们只能面对强大却不负责任的系统，需要更严格的审查。
零知识技术有望重新定义现状。零知识协议允许一个实体向另一个实体证明某个陈述是真实的，而无需透露陈述本身有效性之外的任何其他信息。例如，一个人可以向第三方证明他们知道保险箱的密码组合，而无需透露密码组合本身。
这一原则应用于人工智能领域，有助于在不损害专有信息或数据隐私的情况下实现透明度和验证的新可能性。
此外，零知识机器学习 (zkML) 的最新突破使得无需暴露替代模型或数据集即可验证 AI 输出。这解决了当今 AI 生态系统中的一个根本矛盾，即对透明度的需求与对知识产权 (IP) 和私人数据的保护。
在 AI 系统中使用 zkML 为重建信任开辟了三条关键途径。首先，它通过提供证据证明模型没有被操纵、没有改变推理，也没有因更新或微调而偏离预期行为，从而减少了 AI 生成内容中 LLM 幻觉的问题。
其次，zkML 促进了全面的模型审计，其中独立参与者可以验证系统的公平性、偏见水平和对监管标准的遵守情况，而无需访问底层模型。
最后，它实现了跨组织的安全协作和验证。在医疗保健和金融等敏感行业中，组织现在可以验证 AI 模型的性能和合规性，而无需共享机密数据。
通过提供确保正确行为同时保护专有信息的加密保证，这些产品提供了一种切实可行的解决方案，可以平衡当今日益数字化的世界中透明度和隐私的相互竞争的需求。
借助 ZK 技术，我们可以让创新与信任共存，开创一个人工智能的变革潜力与强大的验证和问责机制相匹配的时代。
The question is no longer whether we can trust AI, but rather how quickly we can implement the solutions that make trust unnecessary through mathematical proofs. One thing for sure is that we are looking at interesting times ahead.
浏览量6
浏览量1
浏览量9
浏览量3
浏览量5
