جیسا کہ پیش بینی کی گئی تھی، AI کو تصدیق کے لیے کرپٹوگرافی کی ضرورت ہے۔ متعدد ٹیننٹ ماحول میں، جہاں ہوسٹڈ کلاؤڈز اور ماڈل روترز ہوتے ہیں، یہ ضرورت بڑھ جاتی ہے۔ لوگوں کو یہ تصدیق کرنے کی ضرورت ہے کہ وہ وہ ماڈل حاصل کر رہے ہیں جس کے لیے وہ ادائیگی کر رہے ہیں، اور ریگولیٹرز کو ثابت کرنا ہے کہ وہ کون سا ماڈل/وزن استعمال کر رہے ہیں، کیونکہ یہ ماڈلز منظم صنعتوں میں سیکورٹی اور اینٹرپرائز ورک فلو کے بنیادی ستون بن رہے ہیں۔ ZKP ہمیشہ AI کے لیے مکمل حل کے طور پر منصوبے میں شامل تھا جب سروس کو AI بلاک باکس میں تھرڈ پارٹی کی بھروسہ مندی کی ضرورت ہوتی ہے۔ لیکن نوٹ کریں کہ Anthropic کی استنتاج کو ثابت کرنے کی ضرورت، کرپٹو کے ZKP استعمال سے مختلف ہے۔ کرپٹو-نیٹو پروجیکٹس آن-چین تصدیق کے لیے سستا حل چاہتے تھے، اس لیے انہوں نے چھوٹے ثبوت اور سستے پروورز قبول کیے۔ Anthropic نے آف-چین آڈٹرز اور ریگولیٹرز کے لیے بہترین حل منتخب کیا، اس لیے انہوں نے 19 MB کے ثبوت قبول کر لیے اور ایک تیز پروور حاصل کیا۔ Anthropic نے STARKs اپنایا جو تیزی سے ثبوت جنریٹ کر سکتے ہیں — 24 درخواستوں کا ایک بینچ تقریباً 223 سیکنڈ میں ثابت ہوتا ہے، جو تقریباً 110 ٹوکنز/سیکنڈ کے برابر ہے۔ یہ تقریباً vLLM پر اسی درخواستوں کو سروس دینے کے GPU وقت سے 72 گنا زیادہ ہے۔ اس سے انہوں نے STARK ثبوت اپنائے جو دونوں قوانٹم سیکور اور GPU دوست ہیں۔ لیکن اور — ایک بڑا لیکن — جو Anthropic تھرڈ پارٹیز کو ثابت کر رہا ہے، وہ صرف یہ ہے کہ هاش کمٹمنٹ میں موجود ماڈل وزن، ایک منفرد پرومپٹ کے جواب میں انٹیجر کے طور پر رن ہوئے۔ اس سے یہ ثابت نہیں ہوتا کہ بالکل کون سا ماڈل رن ہوا، صرف اس بات کا ثبوت ہوتا ہے کہ وزن وہی تھے جو کمٹ کئے گئے تھے۔ اس سے واضح ہوتا ہے کہ اس طرح کو آسان طریقے سے دھوکہ دینا ممکن ہے — اسٹائل وزن والے سستے ماڈل کو کمٹ کرنا، صرف ان پرومپٹس کو دوبارہ لکھنا جن پر نمونہ نہیں لیا جا رہا یا ثبوت نہیں دیا جا رہا، اور رینڈوم سلکشن سے ثبوت کی خطأ رینج میں ٹوکنز کو منظم کیا جا سکتا ہے۔ https://t.co/VHR8DG0vbx