Dopo aver visto @inference_labs su @KaitoAI, ho approfondito il progetto! Dopo aver studiato a fondo l'AI verificabile (Verifiable AI), sono sempre più certo di un fatto: il più grande rischio sistemico dell'AI attuale non risiede nella capacità del modello, ma nell'"esecuzione della scatola nera non verificabile". Oggi la stragrande maggioranza dei servizi AI richiede che tu creda ciecamente che il server stia realmente eseguendo il modello che dichiara, e questo è inaccettabile in ambito finanziario, medico e nei sistemi di agenti autonomi. Proprio per questo motivo, la direzione di Inference Labs @inference_labs è particolarmente degna di nota: non stanno ottimizzando la velocità di un certo prover, ma stanno riscrivendo l'intera architettura di inferenza zkML. Suddividono il modello in slice verificabili in parallelo, rendendo i grandi modelli realmente dimostrabili, e utilizzano JSTprove CLI per standardizzare la generazione delle prove, il che significa che zkML entra ufficialmente nelle infrastrutture di livello sistemico, passando da "giocattolo da laboratorio" a qualcosa di concreto. Questa architettura consente ai fornitori di modelli di proteggere la proprietà intellettuale, pur dovendo presentare prove crittografiche che dimostrano l'esecuzione della versione corretta, il che rappresenta la base per la combinabilità delle reti AI del futuro. Ritengo che il punto di svolta di zkML non derivi da un'impennata delle prestazioni crittografiche, ma dalla ristrutturazione di questa struttura del modello e dei percorsi di esecuzione. L'AI verificabile è l'ingresso nel mercato dell'inferenza decentralizzata di prossima generazione, e Inference Labs @inference_labs sta affrontando il problema di fiducia più profondo e difficile.