في مجالات الطيران والمالية والرعاية الصحية والتمويل اللامركزي، غالبا ما تكون تكلفة الذكاء الاصطناعي مرتفعة جدا لتحمله عندما يفشل المشكلة الآن ليست فيما إذا كان النموذج دقيقا أم لا، بل ما إذا كان هناك شيء قد حدث يمكن شرحه وتحقيقه بوضوح. لن يقبل المنظمون والأطراف المسؤولة الادعاء الذي كان النموذج يفكر فيه في ذلك الوقت، وهم بحاجة إلى سجل واضح وقابل للتتبع: • من حسب هذه النتيجة؟ • ما هو الإصدار المستخدم من النموذج؟ • كيف تبدو البيئة عند تنفيذها؟ • هل هناك احتمال للتلاعب؟ تم تصميم DSperse وJSTprove من Inference Labs خصيصا لحل هذه المشكلة الصعبة. من خلال دمج التفكير الموزع مع آليات إثبات zkML الفعالة، يمكن لكل توقع وقرار الذكاء الاصطناعي توليد براهين تشفير قابلة للتحقق دون الكشف عن بيانات خاصة أو أوزان النماذج وهذا يسمح للنظام بالعمل بشكل طبيعي في سيناريوهات واقعية وأن يخضع لتدقيق مستقل من قبل طرف ثالث بعد ذلك، مما يضمن الشفافية والمساءلة مع حماية الخصوصية والملكية الفكرية في هذه الصناعات التي تتطلب ثقة عالية جدا، لم تعد قابلية التحقق ميزة، بل أصبحت عتبة يجب تجاوزها. يمكنه تحويل قرارات الذكاء الاصطناعي التي كانت في الأصل صناديق سوداء إلى أدلة موثقة جيدا، مما يقلل بشكل أساسي من مخاطر وتكلفة الخطأ #KaitoYap @KaitoAI #Yap @inference_labs