Nachdem ich gesehen habe, dass @inference_labs bei @KaitoAI ist, habe ich das Projekt genauer untersucht! Nach eingehender Untersuchung von verifizierbarem AI (Verifiable AI) bin ich mir immer sicherer, dass das größte systemische Risiko von AI nicht in der Modellfähigkeit liegt, sondern in der "nicht verifizierbaren Black-Box-Ausführung". Die überwiegende Mehrheit der heutigen AI-Dienste verlangt von dir, blind zu glauben, dass der Server tatsächlich das Modell ausführt, das er behauptet, und das ist in den Bereichen Finanzen, Gesundheitswesen und autonomen Agentensystemen völlig inakzeptabel. Gerade deshalb ist die Richtung von Inference Labs @inference_labs besonders bemerkenswert: Sie optimieren nicht die Geschwindigkeit eines bestimmten Provers, sondern schreiben die gesamte zkML-Inferenzarchitektur neu. Sie teilen das Modell in parallel verifizierbare Slices auf, sodass große Modelle tatsächlich nachweisbar werden, und standardisieren die Beweisgenerierung mit JSTprove CLI. Das bedeutet, dass zkML offiziell von einem "Labor-Spielzeug" in die systemweite Infrastruktur übergeht. Diese Architektur ermöglicht es den Anbietern von Modellen, ihr geistiges Eigentum zu schützen, während sie dennoch kryptografische Beweise vorlegen müssen, um zu beweisen, dass die richtige Version ausgeführt wurde. Dies ist das Fundament für die zukünftige Kombinierbarkeit von AI-Netzwerken. Ich glaube, dass der Wendepunkt für zkML nicht aus einem sprunghaften Anstieg der kryptografischen Leistung kommen wird, sondern aus der Rekonstruktion dieser Modellstruktur und Ausführungspfade. Verifizierbare AI ist der Eingang zum nächsten dezentralen Inferenzmarkt, und Inference Labs @inference_labs löst das grundlegendste und auch schwierigste Vertrauensproblem.