Polyhedra и Berkeley RDI запускают zkML для повышения доверия к ИИ и обеспечения конфиденциальности данных

Polyhedra и Berkeley RDI запускают готовый к производству zkML, революционизируя доверие к ИИ.

Berkeley RDI и Polyhedra заключили стратегическое сотрудничество для запуска революционного готового к производству zkML. Этот проект нацелен на то, чтобы дать возможность разработчикам ИИ использовать zkML без необходимости в специализированных знаниях о доказательствах с нулевым разглашением.

Путь начался в 2020 году, когда исследовательская команда Polyhedra, состоящая из Джиаэнга Чжана, Доун Сонг и Юпэна Чжана, опубликовала статью в сотрудничестве с Berkeley RDI. Статья под названием «Доказательства с нулевым разглашением для предсказаний и точности деревьев решений» представила zkML — машинное обучение с нулевым разглашением. Концепция статьи была нацелена на создание доверия к ИИ, обеспечивая проверяемые результаты при сохранении конфиденциальности исходных данных и моделей.

Polyhedra придает приоритет системам без доверия, чтобы минимизировать человеческие ошибки в технологических инцидентах. Модель zkML позволяет разработчикам доказать точность предсказаний ИИ моделей на конкретном наборе данных, не раскрывая никакой конфиденциальной информации.

Преимущества zkML: Повышение доверия и прозрачности в ИИ

Благодаря доказательствам с нулевым разглашением, поставщик услуг может продемонстрировать, что определенный результат действительно был получен путем выполнения заданной модели на входных данных. Технология zkML предлагает эффективное решение одной из самых насущных проблем ИИ – доверия и прозрачности. Модель zkML, позволяя проверяемые вычисления, гарантирует, что результаты, полученные от моделей ИИ, являются точными и надежными.

Технический директор организации, Тяньчэн Се, поделился: «Мы потратили всю жизнь компании на создание систем, которые могут функционировать без человеческого вмешательства, которые проверяются математически и криптографически безопасны».

Применение zkML выходит за пределы проверки выводов, охватывая такие области, как аутентификация происхождения данных, точная маркировка данных и верификация процессов обучения ИИ. Это гарантирует, что каждый этап жизненного цикла ИИ соответствует строгим стандартам целостности.

Модель zkML устраняет высокие вычислительные барьеры, основанные на инновационной системе Expander-proof, что делает готовые к производству решения реальностью. Это достижение не только укрепляет доверие к ИИ, но и обеспечивает соответствие нормам конфиденциальности.

Будущее проверяемого ИИ

Доун Сонг, директор Berkeley RDI, подчеркивает: «Berkeley RDI и Polyhedra устанавливают новый стандарт доверия и прозрачности в искусственном интеллекте с помощью инновационной технологии машинного обучения с нулевым разглашением (zkML) – революционного подхода, объединяющего машинное обучение и криптографическую верификацию».

Это сотрудничество устанавливает новую планку для прозрачности и подотчетности в ИИ. Сонг подчеркнула, что цель состоит в том, чтобы обеспечить, чтобы эффективность, обеспечиваемая ИИ, не ставила под угрозу доверие и безопасность.

Смотря в будущее, zkML готов трансформировать ландшафт ИИ, позволяя безопасное развертывание, децентрализованные экосистемы и инновационные приложения. С помощью zkML Berkeley RDI и Polyhedra стремятся создать будущее, в котором доверие будет в центре инноваций в ИИ.