Después de ver @inference_labs en @KaitoAI, ¡me lancé al proyecto! Tras profundizar más en la IA verificable, me convencí cada vez más de que el mayor riesgo sistémico de la IA hoy en día no está en las capacidades de los modelos, sino en la "ejecución de caja negra no verificable". La mayoría de los servicios de IA hoy en día requieren que creas ciegamente que el servidor realmente ejecuta el modelo que afirma, lo cual es simplemente inaceptable en sistemas financieros, médicos y proxy autónomos. Por esta razón, la dirección de los Inference Labs @inference_labs merece especial atención: no están optimizando la velocidad de un determinado prover, sino reescribiendo toda la arquitectura de inferencia zkML. Dividir el modelo en segmentos que pueden verificarse en paralelo, haciendo que los modelos grandes sean realmente demostrables, y luego estandarizar la generación de pruebas con la CLI de JSTprove, significa que zkML ha entrado oficialmente en la infraestructura a nivel de sistema desde un "juguete de laboratorio". Esta arquitectura permite a los proveedores de modelos proteger la propiedad intelectual mientras siguen presentando pruebas criptográficas para demostrar que se ejecutó la versión correcta, lo cual es la piedra angular de la futura composición de redes de IA. No creo que el punto de inflexión para zkML venga de los picos de rendimiento criptográfico, sino de esta refactorización de la estructura del modelo y la ruta de ejecución. La IA verificable es la puerta de entrada a la próxima generación de mercados de inferencia descentralizada, y Inference Labs @inference_labs está resolviendo la capa más baja y difícil de confianza. #KAITO #kaitoyap #yap #InferenceLabs