TL;DR:
- اربیٹرم ایک نیا AI انفرنس تصدیق کا طریقہ تلاش کر رہا ہے جس سے ثبوت پیدا کرنے کا وقت 15 منٹ سے ملی سیکنڈ تک کم ہو جائے گا۔
- آفچین لیبز کی ایک تحریر میں AI ماڈل کے انفرنس کی تصدیق کے لیے تمام آپریشنز کو دوبارہ انجام دیے بغیر اندر کے راستوں کا رینڈم نمونہ لینے کا پیش کیا گیا ہے۔
- پروٹوکول AI API میں ماڈل کی جعلسازی کو دریافت کرنے کے لیے Arbitrum One کا نفس تنازعہ حل کرنے والا منطق استعمال کرتا ہے۔
صنعتی ذہانت کے ایجنسز کی معیشت ایک مسئلے کا سامنا کر رہی ہے جسے اب تک کسی نے کافی تیزی سے حل نہیں کیا تاکہ پیداواری ماحول میں استعمال کیا جا سکے: تصدیق کرنا کہ فراہم کنندہ کا دعویٰ ہے کہ وہ AI ماڈل چل رہا ہے جو حقیقت میں اجراء ہو رہا ہے۔
مارچ 2026 میں آفچین لیبس کے ذریعہ شائع کیا گیا ایک مقالہ، جس کا عنوان *Towards Verifiable AI with Lightweight Cryptographic Proofs of Inference* ہے، ایک حل پیش کرتا ہے جو ثبوت تخلیق کے وقت کو تقریباً 15 منٹ سے ملی سیکنڈ تک کم کر دیتا ہے، اور اس سسٹم کے پیچھے کا منطق ارٹیبرم ایکو سسٹم کے لیے غیر معمولی نہیں ہے۔
ایک اعتماد کا فرق جو بازار نے معمول بنایا
ہر ٹوکن کی قیمت کا ماڈل جھوٹ کے لیے ایک واضح مالیاتی رُجحان پیدا کرتا ہے۔ 7 ارب پیرامیٹر والے ماڈل کو سروس دینا 70 ارب پیرامیٹر والے ماڈل کی نسبت سستا ہے، اور کوانتائزڈ انفرنس کا انجام دینا مکمل درستگی کے مقابلے میں کم لاگت والی ہوتی ہے۔ اگر فراہم کنندہ کسی جزئی سوالات کو چھوٹے ماڈل کی طرف موڑ دے اور بڑے ماڈل کی فیس وصول کرے، تو فائدہ حجم کے ساتھ بڑھتا ہے۔ اسٹینفورڈ کے محققین نے مستند کیا ہے کہ مارچ اور جون 2023 کے درمیان، GPT-3.5 اور GPT-4 کا رویہ ایک جیسے تجزیاتی کاموں پر قابلِ قیاس طریقے سے تبدیل ہوا۔ موجودہ API معاہدہ اس فرق کو پکڑنے کا کوئی طریقہ نہیں فراہم کرتا۔
اسی قسم کے موجودہ کرپٹوگرافک ثبوت، جو zk-rollups کے ذریعے استعمال ہوتے ہیں، یہ ثابت کر سکتے ہیں کہ سرور نے ایک کمپوٹیشن درست طریقے سے انجام دیا، بغیر کلائنٹ کو اسے دوبارہ کرنے کی ضرورت کے۔ مسئلہ رفتار ہے۔ جیسے zkLLM جیسے اسکیمز 13 ارب پیرامیٹرز والے ماڈل کے لیے ایک انفرنس ثبوت تقریباً 15 منٹ میں تیار کرتے ہیں، جو ایسے API کے ساتھ مطابقت نہیں رکھتا جنہیں ایک سیکنڈ سے کم میں جواب دینا ہوتا ہے۔
وہی مکینزم جو آربٹرم ون کو محفوظ رکھتا ہے
آف چین لیبس کا پیش خدمت مکمل ثبوت کو چھوڑ دیتا ہے اور نمونہ لینے پر عمل کرتا ہے۔ سرور پہلے سے ماڈل وزن کے ڈیجیٹل انگریزی اور ایک خاص سوال کے دوران پیدا ہونے والی داخلی قیمتیں متعین کرتا ہے۔ پھر کلائنٹ نیٹ ورک کے آؤٹ پٹ کی طرف ایک تصادفی راستہ منتخب کرتا ہے اور سرور سے صرف اس راستے کے ساتھ متعلقہ قیمتیں ظاہر کرنے کو کہتا ہے۔ اگر سرور نے کوئی مختلف ماڈل استعمال کیا ہو، تو قیمتیں ناسازگار ہوں گی اور تصدیق ناکام ہو جائے گی۔ ہر دہرائے گئے سوال کے ساتھ احساس کی احتمالیت جمع ہوتی جاتی ہے، جس سے نظام عقلمند دشمنوں کے لیے ایک مؤثر روک تھام بن جاتا ہے۔
کاغذ میں آرٹیبٹرم کا ربط واضح طور پر بیان کیا گیا ہے۔ اپٹیمیسٹ رول اپس اسی خیال پر کام کرتے ہیں: لمبی حساب کتاب کے ہر مرحلے کو ہر مشین پر دوبارہ انجام دینا مہنگا ہوتا ہے، جبکہ جھگڑے والے مرحلے کا نمونہ لینا سستا ہوتا ہے۔ پیش کیا گیا پروٹوکول اس منطق کو نیورل نیٹ ورک کی قیمتوں تک وسعت دیتا ہے، جس میں ایک بائی سیکشن پروسیجر استعمال کیا جاتا ہے جو دو سرورز کے درمیان عدم اتفاق کو لگارتھمک تعداد میں راؤنڈز میں کم کر دیتا ہے، جو وہی جھگڑہ حل کرنے کی ساخت ہے جو آرٹیبٹرم ون کو محفوظ رکھتی ہے۔
regulated صنعتوں، ماڈل حکومت ٹیموں، اور خودکار ایجینٹس کے نئے مارکیٹ کے لیے، شفافیت کا دعویٰ اور تصدیق شدہ دعویٰ کے درمیان فرق اب ب без تاثرات کا باعث بن رہا ہے۔ یہ پروٹوکول ڈویلپرز سے ان کے موجودہ اسٹیکس میں تبدیلی کرنے کی ضرورت نہیں رکھتا؛ صرف اس بات کی ضرورت ہے کہ سسٹم میں کوئی شخص، چاہے فراہم کنندہ، آڈیٹر ہو یا پلیٹ فارم، ایک تصدیق شدہ بیان فراہم کرے۔