Inferência e mecanismo de consenso verificável por IA baseado em provas de conhecimento zero @wardenprotocol, @inference_labs, @miranetwork Apesar de sua alta utilização, a inferência de inteligência artificial tem uma limitação estrutural que dificulta a verificação de seu comportamento interno. Devido à estrutura de caixa-preta, onde os pesos e dados de treinamento do modelo não são divulgados, o indeterminismo causado por amostragem estocástica e operações de ponto flutuante, e a questão de integridade da execução que não pode confirmar se o modelo correto foi realmente executado, é difícil presumir confiança apenas nos resultados de saída da IA. Essa característica tem sido repetidamente apontada como um problema, especialmente em áreas com baixa tolerância a erros, como finanças, segurança e tomada de decisão automatizada. Uma das abordagens técnicas para lidar com essa questão de confiança é o aprendizado de máquina baseado em provas de conhecimento zero, ou estruturas de inferência de IA verificáveis usando zkML. O zkML não divulga o processo de cálculo dentro do modelo para o mundo externo, mas prova criptograficamente que o cálculo foi realizado de acordo com os pesos e regras corretos. Isso permite que os usuários julguem a legitimidade dos resultados com base em provas matemáticas por conta própria, sem precisar confiar no provedor do modelo para confiar nos resultados da IA. Nessa estrutura, o Warden Protocol, responsável pela camada de execução, aplica o SPEX, um método estatístico de prova de execução, ao trabalho de inferência realizado por agentes de IA. Em vez de reexecutar toda a operação, o SPEX resume o estado computacional gerado durante o processo de inferência com um filtro bloom e verifica a consistência da execução por meio de amostragem aleatória. Esse processo funciona com apenas um par de solucionadores e validadores, proporcionando um alto nível de confiança probabilística com um overhead computacional muito baixo em comparação com a rerun completa. Isso permite que o Protocolo Warden sirva como uma verificação de que a execução realmente ocorreu com custo e atraso moderados. Na camada de verificação, o Omron, operado pela Inference Labs, desempenha um papel fundamental. Omron é uma infraestrutura específica para zkML composta por sub-redes da rede Bittensor, que verifica com provas completas de conhecimento zero que a inferência real de modelos de IA foi executada de acordo com os pesos corretos e a ordem computacional. O Omron divide modelos grandes em unidades de arquivo DSIL usando DSperse e melhora a velocidade de processamento ao gerar provas paralelas. Por meio dessa estrutura, mais de centenas de milhões de provas de zkML foram geradas e verificadas, e casos práticos de operação foram acumulados para modelos pequenos e redes neurais de médio porte. No entanto, devido ao alto custo computacional e às exigências de memória, existem limitações práticas para modelos muito grandes. Na camada de consenso, a Mira Network complementa a confiabilidade dos resultados de saída por meio de um mecanismo de consenso baseado em múltiplos modelos. A Mira Network não aceita a saída de um único modelo como ela é, mas compara os resultados de múltiplos modelos de IA com diferentes estruturas e antecedentes de treinamento. O resultado é dividido em unidades de reivindicação verificáveis de forma independente, e a factabilidade é avaliada por consenso entre múltiplos modelos. O processo funciona combinando um elemento de prova de trabalho que prova que a inferência real foi realizada e um elemento de prova de participação, no qual validadores participam como garantia para certos ativos. Se resultados errados forem repetidamente aprovados ou comportamentos maliciosos confirmados, penalidades econômicas são impostas para manter a honestidade do acordo. Essas três camadas são distintas, mas complementares, formando uma única pilha de IA verificável. O Protocolo Warden fornece prova estatística rápida e econômica da execução durante a fase de execução e, quando é necessário um alto nível de confiança, a verificação completa baseada em zkML é realizada por meio do Omron. Subsequentemente, a interpretação dos resultados e a avaliação dos fatos são ampliadas pelo consenso multimodelo da Mira Network, e a autenticidade da execução, confiabilidade da produção e segurança econômica do consenso são verificadas por diferentes mecanismos. Essa estrutura é um design realista, pois aplica diferentes métodos de verificação dependendo do nível de risco e da estrutura de custos, ao contrário da abordagem que tenta provar todas as inferências de IA de uma única forma. Provas criptográficas são aplicadas à inferência de alto valor que pode gerar altos custos, enquanto a verificação estatística e a verificação baseada em consenso são responsáveis pelo processamento em larga escala e pela escalabilidade. Por meio dessa combinação hierárquica, a inferência verificável de IA está se tornando um sistema técnico que pode ser operado na prática além dos conceitos teóricos. $WARD $MIRA