Distribuovaná inference změnila výkonnostní křivku AI. Distribuované důkazy naopak změní zkML stejným způsobem. Jaké byly minulé problémy se zkML? Validátor musí nést celý model, paměť exploduje, čas se vymkne kontrole a nakonec může skončit až v experimentální fázi. Není to tak, že by teorie nebyla platná, ale že projekt nemůže běžet. Nápad DSperse? Rozdělte model na ověřitelné části a nechte každý uzel být zodpovědný pouze za svůj malý kousek. Čím více uzlů, tím rychlejší důkaz; Čím menší je zátěž na každém uzlu, tím stabilnější jsou zdroje. Ve spojení s efektivním backendem JSTprove je export výsledků lépe ovladatelný systém. Doba důkazu se lineárně snižuje s počtem uzlů, využití paměti zůstává stabilní, rychlost ověřování je blízká reálnému času a podmínky pro vstup do produkčního prostředí jsou skutečně splněny poprvé. Takto může ověřitelná AI dosáhnout průmyslového rozsahu. Nemějte větší stroj a nenechte jednoho validátora dělat všechno, ale nechte více validátorů dělat jen tu část, která opravdu záleží. Budoucí zkML nebude centralizovaným důkazním enginem, ale distribuovanou důkazní sítí. DSperse + JSTprove, čímž se tato cesta stává skutečností. #KaitoYap @KaitoAI #Yap @inference_labs