
Tahmin edildiği gibi, AI doğrulama için kriptografiye ihtiyaç duyar. Konuk bulutlar ve model yönlendiricilerle çoklu kiracılı bir ortamda bu ihtiyaç artar. İnsanlar, ödedikleri modeli aldıklarını doğrulamak ve bu modeller, düzenlenmiş endüstrilerde güvenlik ve kurumsal iş akışlarının temelini oluşturduğunda, düzenleyicilere hangi modeli/ağırlıkları kullandıklarını kanıtlamak zorundadır. ZKP, hizmetin AI kara kutusuna üçüncü taraf güveni gerektirdiğinde her zaman AI için tamamlayıcı çözüm olarak planlanmıştı. Ancak Anthropic’ın çıkarım kanıtlama ihtiyacı, kriptonun ZKP kullanımından farklıdır. Kripto-native projeler, ucuz zincir içi doğrulama için optimize edildi, bu yüzden küçük kanıtlar istedi ve yavaş ispatlayıcıları kabul etti. Anthropic, zincir dışı denetçiler ve düzenleyiciler için optimize edildi, bu yüzden 19 MB’lık kanıtları kabul etti ve hızlı bir ispatlayıcı elde etti. Anthropic, hızlı kanıt üretebilen STARK’ları seçti — 24 isteklik bir topluluk yaklaşık 223 saniyede kanıtlanıyor, bu da saatte yaklaşık 110 token anlamına geliyor. Bu, aynı istekleri vLLM üzerinde sunmak için gerekli GPU süresinin yaklaşık 72 katıdır. Bu durum, hem kuantum güvenli hem de GPU dostu STARK kanıtlarını benimsemelerine yol açtı. Ancak ve burada büyük bir amaç var — Anthropic’ın üçüncü taraflara gerçekten kanıtladığı şey, hash taahhütündeki model ağırlıklarının, tek bir istem karşısında tam olarak hangi tamsayı olarak çalıştırıldığıdır. Hangi tam modelin gerçekten çalıştırıldığını kanıtlamak için yeterli değil, sadece taahhüt edilen ağırlıkların doğru olduğunu gösteriyor. Bu, bunu oynamanın oldukça açık yolları olduğunu ima eder — benzer ağırlıklara sahip daha ucuz bir modele taahhüt etmek, örneklenmeyen veya kanıtlanmayan diğer trafiğe seçici olarak yeniden yazılan istemlerle dolandırıcılık yapmak, rastgele seçimler kanıtın hata oranları içinde tokenları yönlendirebilir. https://t.co/VHR8DG0vbx



