Os andróides sonham com conhecimento zero? | Opinião

Como analista com formação em finanças e física, fico cada vez mais intrigado com a interseção da tecnologia blockchain, IA e provas de conhecimento zero. O potencial destas tecnologias para transformar indústrias, mantendo a segurança e a eficiência, é verdadeiramente fascinante.

Na famosa cena de abertura de Blade Runner, um personagem chamado Holden administra uma interpretação fictícia do teste de Turing para avaliar se Leon é um replicante (um robô humanóide). Para o teste, Holden conta a Leon uma história para provocar uma reação emocional. “Você está no deserto, caminhando na areia, quando de repente você olha para baixo… você olha para baixo e vê uma tartaruga, Leon. Está rastejando em sua direção…” Enquanto Holden continua contando essa história hipotética, Leon fica cada vez mais agitado até que fica óbvio que ele não é humano. 

No mundo real, não estamos exatamente no nível retratado em “Blade Runner”, mas à medida que a IA e o aprendizado de máquina se tornam cada vez mais predominantes em nossas vidas diárias, é essencial garantir que os sistemas de IA em que confiamos sejam genuinamente o que afirmam. ser.

As provas de conhecimento zero servem como um método para uma parte confirmar a outra que um determinado cálculo foi realizado com precisão, sem revelar os dados originais ou fazer com que a segunda parte realize os cálculos novamente (devido à sua eficiência). Para ilustrar isso, considere um quebra-cabeça sudoku. Resolver isso pode ser desafiador, mas verificar a solução é simples e não requer a repetição de todo o processo.

Esta propriedade é particularmente útil quando cálculos complexos ocorrem fora da rede, evitando que ela fique sobrecarregada e incorra em taxas elevadas. Usando provas de Conhecimento Zero, esses cálculos fora da cadeia ainda podem ser confirmados sem sobrecarregar os blockchains, que têm poder computacional limitado devido à exigência de que cada nó verifique cada bloco. Em essência, contamos com a criptografia Zero-Knowledge para dimensionar o aprendizado de máquina de IA de forma segura e eficiente em uma rede.

ZK verifica modelos de ML para que possamos dimensionar a IA com segurança

O aprendizado de máquina, um ramo da inteligência artificial, é conhecido por seus elevados requisitos computacionais, pois necessita de um enorme processamento de dados para imitar a adaptação e a tomada de decisões humanas. Da identificação de imagens à análise de previsão, os modelos de aprendizado de máquina estão preparados para revolucionar quase todos os setores – e já o fizeram em muitos casos. No entanto, esses modelos também ultrapassam os limites da computação. Mas como podemos garantir e certificar que estes modelos de aprendizagem automática são genuínos utilizando a tecnologia blockchain, onde as operações em cadeia podem tornar-se dispendiosas?

Para garantir a confiança nos modelos de IA, precisamos de um método confiável para validar a sua autenticidade, garantindo-nos que o modelo não é manipulado ou deturpado. Em contextos casuais, como a discussão de filmes de ficção científica favoritos, confiar no modelo de IA pode não ser de extrema importância se as suas respostas ocasionalmente falharem. No entanto, em setores cruciais como o financeiro e os cuidados de saúde, a precisão e a fiabilidade são fundamentais. Um único erro poderia desencadear uma reacção em cadeia de consequências económicas adversas a nível mundial.

A tecnologia ZK desempenha um papel crucial nesta configuração. Ao empregar provas de conhecimento zero, os cálculos de aprendizado de máquina podem ser realizados fora da cadeia, mas verificados na cadeia. Esta inovação abre caminho para que modelos de IA sejam utilizados em projetos de blockchain. Em essência, o Zero-Knowledge Machine Learning (ZKML) oferece confirmação criptográfica de algoritmos de ML e seus resultados, ao mesmo tempo que mantém os algoritmos subjacentes em segredo, atendendo assim aos requisitos computacionais da IA ​​e garantindo as promessas de segurança da tecnologia blockchain.

Uma das aplicações ZKML mais interessantes é o DeFi. Imagine um pool de liquidez onde um algoritmo de IA gerencia o reequilíbrio de ativos para maximizar o rendimento enquanto refina suas estratégias de negociação ao longo do caminho. O ZKML pode executar esses cálculos fora da cadeia e então usar provas ZK para garantir que um modelo de ML seja legítimo, em vez de algum outro algoritmo ou negociações de outra pessoa. Ao mesmo tempo, a ZK pode proteger os dados comerciais dos usuários para que eles mantenham a confidencialidade financeira, mesmo que os modelos de ML que usam para fazer negociações sejam públicos. O resultado? Protocolos DeFi seguros baseados em IA com verificabilidade ZK.

Precisamos conhecer melhor nossas máquinas

À medida que a IA assume um papel mais importante nas nossas vidas quotidianas, as preocupações com interferências, enganos e ações hostis aumentam persistentemente. Especialmente para sistemas de IA que tomam decisões cruciais, é essencial que possam resistir a ataques concebidos para distorcer os seus resultados. Nem é preciso dizer que priorizamos a segurança das ferramentas de IA. Não se trata apenas da segurança tradicional da IA ​​(evitar comportamentos imprevistos dos modelos), mas também de estabelecer um sistema onde a integridade do modelo possa ser verificada de forma independente, promovendo a confiança nos seus resultados.

Numa época em que os modelos de inteligência artificial (IA) são abundantes, eles influenciam significativamente a nossa vida quotidiana. Com um número crescente destes modelos, há também um risco crescente de ataques que comprometam a sua autenticidade. Isto é especialmente preocupante em situações em que os resultados gerados pela IA podem parecer enganosos ou enganosos.

Ao incorporar a criptografia Zero-Knowledge (ZK) em sistemas de Inteligência Artificial, podemos estabelecer confiança e responsabilidade nesses modelos desde o início. Assim como um certificado SSL ou um selo de segurança em seu navegador garante a autenticidade do site, provavelmente haverá um símbolo de verificabilidade de IA que garante que o modelo com o qual você está interagindo é aquele com o qual você pretende interagir.

No filme “Blade Runner”, o teste Voight-Kampff foi usado para discernir replicantes de humanos. Da mesma forma, na era atual dominada pela IA, encontramos um dilema paralelo: identificar modelos genuínos de IA daqueles que podem estar corrompidos ou funcionar mal. No domínio da criptografia, a criptografia Zero-Knowledge (ZK) poderia servir como nosso teste Voight-Kampff moderno – uma ferramenta forte e escalável para verificar a integridade do modelo de IA sem revelar sua mecânica interna. Assim, não estamos apenas a questionar se os robôs podem sonhar, mas também a garantir que a IA que guia a nossa existência digital é de facto o que afirma ser.

• MNT/USD

• Rússia testa míssil ultrassecreto com capacidade nuclear (VÍDEO)

• Polícia usa canhões de água contra manifestantes pró-UE na Geórgia (VÍDEOS)

• O drone russo destrói a armadura fabricada em sueco perto da fronteira (vídeo)

• UE ignora o tratamento “chocante” da Igreja Cristã da Moldávia – oposição MP

• ALT/USD

• SLERF/USD

• A ajuda dos EUA a Kiev não impedirá a Rússia, dizem fontes ucranianas ao FT

• Shiba Inu levanta US$ 12 milhões para desenvolver rede de camada 3

• Terceiro suspeito detido por tentativa de assassinato de desertor ucraniano em Moscou – FSB

2024-10-23 14:00