Sıfır bilgi kanıtlarına dayalı doğrulanabilir yapay zeka çıkarımı ve uzlaşma mekanizması @wardenprotocol , @inference_labs , @miranetwork Yüksek kullanımına rağmen, yapay zeka çıkarımının yapısal bir sınırlaması vardır ve bu da iç davranışını kontrol etmeyi zorlaştırır. Modelin ağırlıkları ve eğitim verilerinin açıklanmadığı kara kutu yapısı, stokastik örnekleme ve kayan nokta işlemlerinin neden olduğu belirsizlik ve doğru modelin gerçekten yürütülüp yürütülmediğini doğrulayamayan yürütme bütünlüğü sorunu nedeniyle, yalnızca yapay zekanın çıktı sonuçlarına güven varsaymak zordur. Bu özellik, özellikle finans, güvenlik ve otomatik karar alma gibi düşük hata toleransı olan alanlarda defalarca bir sorun olarak vurgulanmıştır. Bu güven sorununu ele almak için teknik yaklaşımlardan biri, sıfır bilgi kanıtına dayalı makine öğrenimi veya zkML kullanılarak doğrulanabilir yapay zeka çıkarım yapılarıdır. zkML, model içindeki hesaplama sürecini dış dünyaya açıklamaz, ancak hesaplamanın doğru ağırlıklar ve kurallara göre yapıldığını kriptografik olarak kanıtlar. Bu sayede kullanıcılar, model sağlayıcısının yapay zekanın sonuçlarına güvenmesine gerek kalmadan, matematiksel kanıtlara dayanarak sonuçların meşruiyetini kendileri değerlendirebilirler. Bu yapıda, yürütme katmanından sorumlu olan Warden Protocol, yapay zeka ajanlarının yaptığı çıkarım çalışmalarına istatistiksel bir uygulama kanıtı yöntemi olan SPEX uygular. Tüm işlemi tekrar yapmak yerine, SPEX çıkarım sürecinde oluşan hesaplama durumunu bir bloom filtresiyle özetler ve rastgele örnekleme yoluyla yürütmenin tutarlılığını doğrular. Bu süreç yalnızca bir çift çözücü ve validatör ile çalışır ve tam tekrar çalışmaya kıyasla çok düşük hesaplama yükü ile yüksek olasılıksal güven sağlar. Bu, Warden Protokolü'nün gerçekten yürütüldüğüne dair bir doğrulama görevi görmesini sağlar; bu da orta maliyet ve gecikmeyle gerçekleşir. Doğrulama katmanında, Inference Labs tarafından işletilen Omron önemli bir rol oynar. Omron, Bittensor ağının alt ağlarından oluşan zkML'ye özgü bir altyapıdır ve gerçek yapay zeka modeli çıkarımının doğru ağırlıklar ve hesaplama sırasına göre yürütüldüğünü tam sıfır bilgi kanıtlarıyla doğrular. Omron, büyük modelleri DSperse kullanarak DSIL dosya birimlerine ayırır ve paralel ispatlar üreterek işlem hızını artırır. Bu yapı sayesinde, yüz milyonlarca zkML kanıtı oluşturulmuş ve doğrulanmış olup, küçük modeller ve orta ölçekli sinir ağları için pratik çalışma örnekleri biriktirilmiştir. Ancak, yüksek hesaplama maliyeti ve bellek gereksinimleri nedeniyle, çok büyük modeller için pratik sınırlamalar vardır. Konsensus katmanında, Mira Ağı, çıktı sonuçlarının güvenilirliğini çoklu model tabanlı bir uzlaşma mekanizması ile tamamlar. Mira Network, tek bir modelin çıktısını olduğu gibi almaz, farklı yapılar ve eğitim geçmişlerine sahip birden fazla yapay zeka modelinin sonuçlarını karşılaştırır. Çıktı, bağımsız doğrulanabilir iddia birimlerine ayrılır ve gerçekçilik, birden fazla model arasında uzlaşılarak değerlendirilir. Süreç, gerçek çıkarımın yapıldığını kanıtlayan bir proof-of-work öğesi ile doğrulama yapılarının belirli varlıklar için teminat olarak katıldığı proof-of-stake unsurunu birleştirerek çalışır. Yanlış sonuçlar tekrar tekrar onaylanırsa veya kötü niyetli davranışlar doğrulanırsa, anlaşmanın dürüstlüğünü korumak için ekonomik cezalar uygulanır. Bu üç katman ayrı ama tamamlayıcıdır ve tek bir doğrulanabilir yapay zeka yığını oluşturur. Warden Protokolü, uygulama aşamasında hızlı ve maliyet etkin istatistiksel uygulama kanıtı sağlar ve yüksek bir güven seviyesi gerektiğinde tam zkML tabanlı doğrulama Omron aracılığıyla gerçekleştirilir. Bunun sonucunda, sonuçların yorumlanması ve gerçeklerin değerlendirilmesi Mira Network'ün çok modelli uzlaşması ile desteklenir ve uygulamanın özgünlüğü, çıktının güvenilirliği ve uzlaşmanın ekonomik güvenliği farklı mekanizmalarla doğrulanır. Bu yapı, tüm yapay zeka çıkarımlarını tek bir şekilde kanıtlamaya çalışan yaklaşımın aksine, risk seviyesine ve maliyet yapısına bağlı olarak farklı doğrulama yöntemleri uyguladığı için gerçekçi bir tasarımdır. Kriptografik kanıtlar, yüksek maliyet taşıyabilen yüksek değerli çıkarımlara uygulanırken, istatistiksel doğrulama ve uzlaşmaya dayalı doğrulama büyük ölçekli işlem ve ölçeklenebilirlikten sorumludur. Bu hiyerarşik kombinasyon sayesinde, doğrulanabilir yapay zeka çıkarımı, teorik kavramların ötesinde pratikte işlenebilen teknik bir sistem haline geliyor. $WARD $MIRA