أتمتة التحقق من استنتاج التعلم الآلي بدون معرفة في شبكات الحوسبة اللامركزية @inference_labs ، @OpenGradient ، @nesaorg مشكلة التحقق من أن نتائج استنتاج الذكاء الاصطناعي محسوبة بشكل صحيح في شبكة الحوسبة الموزعة لها قيود معقدة تختلف عن بيئة الخادم المركزي. وذلك لأنه في هيكل يشغل فيه عدة مشاركين نفس النموذج في بيئات مختلفة من الأجهزة والبرمجيات، يصعب افتراض موثوقية نتائج الحساب مسبقا. في هذا السياق، ظهر التعلم الآلي بدون معرفة كتقنية تثبت تشفيريا أن مخرجا محددا تم تولده عن طريق معالجة مدخل محدد بطريقة ثابتة عبر نموذج ثابت. يتم تقييم هذه الطريقة كوسيلة مناسبة للبيئة الموزعة من حيث يمكنها التحقق من شرعية التنفيذ دون الكشف عن عملية الحساب للعالم الخارجي. ومع ذلك، فإن التفكير في الذكاء الاصطناعي بطبيعته غير محدد. نظرا لطبيعة العمليات الفاصلة الفاصلة العائمة، حتى نفس العملية لها اختلافات طفيفة في النتائج حسب ترتيب الحساب أو تنفيذ الأجهزة، وهذا الاختلاف يكون أكثر وضوحا في بيئات GPU التي تستخدم العمليات المتوازية. تشمل الشبكات الموزعة مجموعة واسعة من المعدات، من وحدات معالجة الرسومات الاستهلاكية إلى المسرعات المتخصصة، مما يؤدي إلى انحرافات حسابية بسبب اختلافات أنظمة التشغيل والتعريفات وهياكل الذاكرة ومجموعات التعليمات. نظرا لأن التحقق الشفرتي يتطلب اتفاقيات بتية، فإن هذه الاختلافات البيئية قد تؤدي إلى فشل في التحقق. لحل هذه المشكلة، يقوم نظام zkML بتكميم العمليات العائمة إلى نقطة ثابتة ويحول عمليات الشبكة العصبية إلى أشكال دوائر حسابية. تمثل أطر مثل JSTprove وEZKL وRISC Zero الالتفافات، وضرب المصفوفات، ودوال التفعيل كمجموعات من القيود، مما يجعل عملية الاستنتاج قابلة للإثبات. تزداد هذه العملية بسرعة مع عمق وحجم النموذج، كما يزداد الوقت والذاكرة اللازمة لإنشاء البراهين بشكل غير خطي. تظهر القياسات الفعلية أن براهين zkML للنموذج بأكمله تتطلب تكاليف أعلى بآلاف إلى عشرات الآلاف من المرات مقارنة بإعادة حساب نفس الاستنتاج. يعد هيكل التكلفة هذا قيدا رئيسيا عند تصميم التحقق الآلي للاستدلال على شبكة موزعة. إذا كانت تكلفة توليد البرهان أكبر من الشك في نتيجة الاستدلال، يفقد التحقق معناه الاقتصادي. نتيجة لذلك، تتبنى الأنظمة الواقعية استراتيجية التحقق الانتقائي فقط من العمليات الرئيسية أو الأجزاء الحساسة بدلا من إثبات النموذج بأكمله. يقلل DSperse من مختبرات الاستدلال بشكل كبير من استهلاك الذاكرة وتكاليف الإثبات من خلال تقسيم النموذج إلى شرائح متعددة وتقسيم الدوائر وإثبات الأجزاء التي تكون فيها الموثوقية مهمة بشكل خاص. هذه الطريقة لا توفر دليلا كاملا على الحساب بالكامل، لكنها تساهم في ضمان كفاءة التحقق مقارنة بالتكلفة. يعتمد خط أنابيب التحقق الآلي على استراتيجية التحقق الاختيارية هذه. يقوم خط أنابيب JSTprove من مختبرات الاستدلال بتحويل النموذج إلى نقطة ثابتة، ويجمع الرسم البياني بصيغة ONNX إلى دائرة حسابية، ويولد براهين من خلال نظام إثبات قائم على GKR. يتم التحقق من البراهين المولدة داخل السلسلة أو خارجها، وفي الواقع، يتم معالجة عدد كبير من الإثباتات بشكل دوري على شبكة لامركزية محددة. تم تصميم OpenGradient لمعالجة عدة طلبات استنتاج في نفس الوقت من خلال هيكل تنفيذ متوازي يسمى PIPE، ويمكن لكل طلب الاختيار بين zkML أو بيئة تنفيذ موثوقة أو تنفيذ غير موثق. هذا يضبط تكاليف التحقق بحيث لا تصبح عنق زجاجة مباشر لمنع التوليد أو معدل النقل العام. تتبع NESA نهجا يجمع بين أتمتة التحقق من الصحة والحماية الحاسوبية. يستخدم هيكلا يوزع بيانات الإدخال عبر عقد متعددة أثناء التشفير، ويجري الاستدلال في أجزاء مشفرة، ثم يجمع النتائج. في هذه العملية، يتم تنسيق اختيار العقد وتخصيص الأدوار من خلال أرقام عشوائية قابلة للتحقق وتشفير حرج، ويتم ردع الغش من خلال عملية الالتزام وخطوات الإفصاح. يضمن هذا النهج ليس فقط سلامة نتائج الاستدلال، بل أيضا سرية المدخلات ومعلمات النموذج. يوضح دمج التحقق القائم على zkML في شبكات الحوسبة اللامركزية الفصل بين الأدوار بين التنفيذ والتحقق. تسمح استراتيجية التوازي في OpenGradient بمعالجة عدة استنتاجات في نفس الوقت مع إدارة عملية التحقق بشكل منفصل، بينما طبقة التنسيق في NESA مسؤولة عن توزيع الأدوار والتحفيز بين العقد. طبقة الإثبات في مختبرات الاستدلال مسؤولة عن التحقق تشفيريا من أن الحسابات الفعلية أجريت بشكل صحيح. مع فصل كل طبقة، يتم تنفيذ التحقق الآلي من خلال دمج عدة مكونات بدلا من تقنية واحدة. هيكل الحوافز هو أيضا عنصر أساسي في الأتمتة. تشجع NESA العقد المشاركة على التصرف بصدق من خلال هيكل الإفصاح عن التخزين والالتزام، بينما توزع مختبرات الاستدلال مكافآت بناء على قدرة ودقة توليد الأدلة. تقوم خدمات OpenGradient الرقمية المعتمدة على التوائم بتحويل الحق في الوصول إلى نتائج الاستنتاج المؤكدة إلى قيمة اقتصادية. تم تصميم هذه الهياكل للحفاظ على مستوى معين من الثقة حتى بدون وجود مدير مركزي. ومع ذلك، فإن التحقق الآلي من الاستدلال في zkML له قيود واضحة. عدم التماثل بين تكلفة توليد نتيجة خاطئة وتكلفة إثبات نتيجة صحيحة يترك إمكانية حدوث هجوم. لا يمكن القضاء تماما على أخطاء في عملية تحويل الدوائر، وتأخيرات توليد الإثباتات، والتواطؤ بين العقد، والانحرافات الحسابية الناتجة عن أخطاء الأجهزة باستخدام التكنولوجيا الحالية. تخفف الأنظمة من هذه المخاطر من خلال ممارسات التكرار، والسمعة، والعقوبات الاقتصادية، لكنها لا تقضي عليها بشكل جذري. مجتمعة، تظهر تقنيات التعلم الآلي بدون معرفة واستدلال، وأتمتة التحقق في شبكات الحوسبة اللامركزية إنجازات تقنية واضحة كمحاولة لتأمين موثوقية العمليات الحسابية تشفيريا. وفي الوقت نفسه، يكشف عن القيود الهيكلية لتكاليف الإثبات العالية، والقيود البيئية، وعدم التماثل الاقتصادي. يطبق النهج الحالي الأتمتة العملية من خلال دمج البراهين الانتقائية، التنفيذ المتوازي، الحوسبة المشفرة، وتصميم الحوافز، وهو ما يعتبر مثالا على رفع قابلية التحقق من استدلالات الذكاء الاصطناعي إلى نطاق واقعي في بيئة موزعة. $NESA

هيكل ومبادئ عمل اقتصاد الهوية الذاتي السيادي الذي يجمع بين بيانات المصادقة البيومترية ودرجات سمعة الذكاء الاصطناعي-DID @billions_ntwk ، @idOS_network ، @foruai في البيئة الرقمية، لم تعد الهوية مجرد وسيلة لتسجيل الدخول، بل أصبحت أساسا للمشاركة والثقة، وقد أكدت عدة أنظمة واقعية أن التفرد الفردي، وسيادة البيانات، والسمعة القائمة على السلوك يجب أن تعمل معا لأداء هذا الدور بشكل موثوق. لم يمنع نظام الهوية المركزي الحالي بشكل فعال مشكلة إنشاء نفس الشخص لحسابات متعددة، وبما أن البيانات كانت مركزة على المنصة، فقد كشف عن قيود هيكلية مثل خطر تسرب المعلومات الشخصية وتحيز القيمة، كما أن السمعة كانت مجزأة بسبب الخدمة، مما جعل من الصعب استخدامها كأصل اقتصادي. في ظل هذا السياق، يتم تطبيق اقتصاد هوية ذاتي السيادة يجمع بين إثبات التفرد البشري من خلال المصادقة البيومترية، وهيكل تخزين البيانات الذاتي السيادة، ودرجات السمعة الموزعة الذكاء الاصطناعي في وحدات الخدمة الفعلية. في مجال المصادقة البيومترية، تجمع شبكة Billions بين المسح ثلاثي الأبعاد المعتمد على الوجوه والتحقق من NFC للهويات الصادرة عن الحكومة في بيئة متنقلة للتحقق من وجود بشر حقيقيين، وفي هذه العملية لا يتم تخزين البيانات البيومترية الأصلية، بل تتم معالجتها فقط على شكل تجزئات تشفيرية وإثباتات المعرفة الصفرية. تنجح هذه البنية في منع إصدار هويات مكررة بنفس الخصائص البيومترية، مع إنشاء معرفات منفصلة باستخدام أرقام عشوائية لكل تطبيق بحيث لا يمكن تتبع المستخدمين بين خدمات محددة. يتم تطبيق هذه الطريقة فعليا في بيئة الإنتاج من خلال ملايين حالات التحقق والقضايا التي تم فيها منع المؤسسات المالية وتوزيع الرموز من تكرار المطالبات. تتم إدارة شهادات التفرد وسمات الهوية المختلفة الصادرة بهذه الطريقة في طبقة البيانات ذات السيادة الذاتية التي يوفرها نظام idOS. يخزن idOS بيانات المستخدمين المشفرة بطريقة موزعة ويمنح ملكية وتحكم البيانات للمستخدمين من خلال إدارة المفاتيح القائمة على توقيع المحفظة والتحكم في الوصول الموجه نحو الموافقة. يعمل تخزين البيانات والسيطرة عليها في هيكل منفصل، ويمكن لمزودي الخدمات فقط طلب تحقيق السمات المؤكدة مثل متطلبات العمر أو الإقامة، ويمكن للمستخدمين منح أو سحب الوصول فقط بنفس المدى ولمدة المطلوبة. تم تصميم هذه العملية لتلبية متطلبات التحقق من الأسماء الحقيقية وتنظيمات الخصوصية معا، وفي الواقع، لديها هيكل يسمح بحجب الوصول فورا دون الحاجة لحذف البيانات. المحور الثالث لاقتصاد الهوية هو نظام السمعة القائم على الذكاء الاصطناعي وDID والذي تديره ForU الذكاء الاصطناعي. في هذا النظام، يتم تمثيل هوية المستخدم بشكل رمزي، ويتم حساب مقاييس السمعة التي تشمل الخبرة والشارات والدرجات العامة بناء على سجلات سلوكية قابلة للتحقق مثل نشاط المجتمع، إكمال المهام، والمساهمات. يتم حساب هذه المعلومات عن السمعة داخل السلسلة، ويمكن للمستخدمين اختيار عوامل السمعة التي يجب الكشف عنها للعالم الخارجي. ومع ذلك، لم يتم الكشف بالكامل عن الأوزان المستخدمة لحساب الدرجة والبنية التفصيلية للخوارزمية، كما يلاحظ أيضا أن الحد الذي قد يحدث فيه التحيز إذا تم مكافأة نوع سلوك معين بشكل متكرر. يتم دمج هذه العناصر الثلاثة هرميا لتشكيل اقتصاد هوية ذاتي السيادة. أولا، يتم إثبات وجود إنسان فريد في طبقة المصادقة البيومترية، ثم يتم تخزين معلومات الإثبات والسمات في طبقة البيانات ذات السيادة الذاتية وإدارة تحت سيطرة المستخدم. بالإضافة إلى ذلك، يتم تراكم السمعة القائمة على السلوك، وإذا لزم الأمر، يتحقق كل تطبيق فقط مما إذا كان فريدا أو يفي بشروط سمعة معينة بناء على موافقة المستخدم. من خلال هذا الهيكل، يتم حجب المشاركة المكررة في تخصيص الموارد مثل الإسقاط الجوي، ويتم تطبيق الوزن القائم على الثقة بدلا من العدالة البسيطة في عملية الحوكمة، كما يمكن تطبيق تفاضلي حسب مستوى الثقة في الوصول إلى الخدمة دون الكشف عن المعلومات الشخصية. كما يتم الكشف بوضوح عن عوامل الخطر التي يجب أخذها في الاعتبار أثناء عملية التشغيل. تتميز المعلومات البيومترية بأنها لا يمكن تغييرها بمجرد تسريبها، ولتعويض ذلك، يتم اعتماد هيكل لا يخزن البيانات الأصلية ويتم اعتماد إجراءات تحقق متعددة. يمكن تشويه السمعة القائمة على السلوك من خلال التلاعب التعاوني أو السلوك المتكرر، وتستخدم قيود هيكلية تسمح لتتراكم السمعة فقط بعد إثبات التفرد. بالإضافة إلى ذلك، يمكن أن يؤدي الاعتماد المتزايد على البنية التحتية أو الخوارزميات المحددة إلى مخاطر المركزية، لذا يعتبر توزيع كيانات التحقق وعقد التخزين عاملا مهما. وبهذه الطريقة، يتم دمج إثبات التفرد من خلال المصادقة البيومترية، وإدارة البيانات ذات السيادة الذاتية، ودرجة السمعة المعتمدة على الذكاء الاصطناعي بطريقة مكملة مع العمل بشكل مستقل، مما يشكل هيكلا يسمح للأفراد ببناء الثقة مع التحكم في هويتهم واستخدامها في أنشطة اقتصادية متنوعة. وهذا يؤكده أمثلة واقعية تعامل الهوية ليس كوسيلة للمراقبة أو السيطرة، بل كأساس اقتصادي يمكن المشاركة العادلة والتكيف القائم على الثقة. $BILL $IDOS $SOL $SOMI $BNB