Arbitrum, Kanıt Süresini Milisaniyelere İndirmek İçin Yapay Zeka Çıktı Doğrulaması Öneriyor

TL;DR:

• Arbitrum, 15 dakikadan milisaniyelere kadar kanıt oluşturma süresini azaltan yeni bir AI çıkarım doğrulama yaklaşımı üzerinde çalışıyor.
• Offchain Labs tarafından yazılan bir makale, her işlemi yeniden çalıştırmadan, içsel yolların rastgele örnekleme yoluyla AI model çıkarımlarını doğrulamayı öneriyor.
• Protokol, AI API'lerinde model yerine geçmeyi tespit etmek için Arbitrum One ile aynı ihtilaf çözümü mantığını kullanır.

Yapay zeka ajanları ekonomisi, şimdiye kadar üretimi için yeterli hızda çözeni olmayan bir sorunla karşı karşıya: sağlayıcının çalıştırdığını iddia ettiği AI modelinin gerçekten yürütülüp yürütülmediğini doğrulamak.

Mart 2026'da Offchain Labs tarafından yayınlanan, *Hafif Kriptografik Çıkarım Kanıtları ile Doğrulanabilir Yapay Zeka Yönelik* başlıklı bir makale, kanıt oluşturma süresini yaklaşık 15 dakikadan milisaniyelere indiren bir çözüm öneriyor ve sistemin mantığı Arbitrum ekosistemine yabancı değil.

Her bir token için fiyatlandırma modeli, dolandırıcılık için somut bir ekonomik teşvik oluşturur. 7 milyar parametreli bir modeli çalıştırmak, 70 milyar parametreli bir modeli çalıştırmaktan daha ucuzdur ve kuantize edilmiş çıkarım çalıştırmak, tam hassasiyetle çalışmaktan daha az maliyetlidir. Bir sağlayıcı, daha büyük modelin ücretini alırken sorguların bir kısmını daha küçük bir modele yönlendirebilirse, kazanç hacimle orantılı olarak artar. Stanford araştırmacıları, GPT-3.5 ve GPT-4'ün aynı değerlendirme görevleri boyunca Mart ve Haziran 2023 arasında ölçülebilir şekilde değiştiğini belgeledi. Mevcut API sözleşmesi bu farkı tespit etmek için hiçbir mekanizma sunmuyor.

Zk-rollup'lar tarafından kullanılan aynı türde kriptografik kanıtlar, istemcinin tekrarlamadan bir sunucunun bir hesaplama'yı doğru şekilde gerçekleştirdiğini gösterebilir. Sorun hızdır. zkLLM gibi şemalar, 13 milyar parametreli bir model için yaklaşık 15 dakikada bir çıkarım kanıtı üretir; bu rakam, bir saniyeden kısa sürede yanıt vermesi gereken API'lerle uyumsuzdur.

Offchain Labs teklifi, kapsamlı kanıtı bırakıp örnekleme yöntemini benimser. Sunucu, model ağırlıklarının dijital parmak izine ve belirli bir sorgu sırasında üretilen iç değerlerine önceden taahhüt eder. İstemci, ağın çıktısına doğru rastgele bir yol seçer ve sunucudan yalnızca bu yol boyunca geçen değerleri açığa çıkarmasını ister. Sunucu farklı bir model çalıştırdıysa, değerler tutarsız olacak ve doğrulama başarısız olur. Tespit olasılığı, her tekrarlanan sorguyla birlikte birikir ve sistemi rasyonel düşmanlar için etkili bir engel haline getirir.

Arbitrum'a olan bağlantı makalede açıkça belirtilmiştir. İyimser rollup'lar aynı mantık üzerinde çalışır: uzun bir hesaplamanın her adımını her makinede yeniden çalıştırmak maliyetlidir, ancak tartışmalı adımı örneklemek ucuzdur. Önerilen protokol, bu mantığı sinir ağı değerlerine genişletir ve iki sunucu arasındaki anlaşmazlığı logaritmik sayıda turda daraltan bir biseksiyon prosedürü kullanır; bu, Arbitrum One'u koruyan aynı ihtilaf çözme yapısıdır.

Düzenli endüstriler, model yönetim ekibi ve özerk ajanların ortaya çıkan pazarı için, şeffaflık iddiası ile doğrulanabilir bir iddia arasındaki fark, doğrudan sonuçlar doğurmaya başlıyor. Protokol, geliştiricilerin mevcut sistemlerini değiştirmelerini gerektirmez; sadece sistemin bir üyesinin, sağlayıcı, denetçi veya platform olmasından bağımsız olarak, doğrulanabilir bir ifade üretmesini gerektirir.