Disclosure:
The views and opinions expressed here belong solely to the author and do not represent the views and opinions of ethnavigator.com’ editorial.
在快速扩展的数字生态系统中，正在进行的人工智能（AI）革命已从根本上改变了我们的生活和工作方式，目前65%的主要组织定期使用如ChatGPT、Dall-E、Midjourney、Sora和Perplexity等人工智能工具。
这一比例较十个月前几乎翻了一番，专家估计这一数字将在不久的将来呈指数增长。随着这一现象的快速上升，伴随而来的是一个重大阴影——尽管市场预计到2030年其总值将达到15.7万亿美元，但日益增长的信任缺失正威胁到其潜力。
近期的民意调查数据显示，超过三分之二的美国成年人对主流AI工具提供的信息缺乏信任。这在很大程度上是由于目前的市场格局由三大科技巨头主导，即亚马逊、谷歌和Meta——这些公司据称共同控制着超过80%的大规模AI训练数据。
这些公司在一个不透明的面纱后运作，投入数亿美元开发的系统对外界而言依然是“黑盒”。尽管它们给出的理由是“保护竞争优势”，但这一做法却制造了一个严重的责任真空，进而培育了巨大的不信任感和对技术的广泛怀疑。
Addressing the crisis of confidence
在过去的一年里，人工智能开发中的透明度缺失已经达到了关键水平。尽管像OpenAI、谷歌和Anthropic等公司在开发自己的专有大语言模型上投入了数亿美元，但它们对其训练方法、数据来源或验证程序几乎没有提供任何见解。
随着这些系统变得更加复杂，其决策所带来的后果也变得更为重大，缺乏透明度的问题已经构成了一个不稳定的基础。如果我们无法验证输出结果，也无法理解这些模型是如何得出结论的，那么我们便面临着强大却缺乏问责的系统，这些系统亟需更加严密的审查。
Zero-knowledge technology promises to redefine the current status quo
零知识技术承诺将重新定义当前的现状。ZK协议允许一个实体向另一个实体证明某个陈述为真，而无需透露除了陈述本身的有效性之外的任何额外信息。例如，一个人可以向第三方证明他们知道保险箱的密码，而无需透露密码本身。
将这一原理应用于人工智能领域，有助于在不妥协专有信息或数据隐私的情况下，促进透明度和验证的新可能性。
此外，近期在零知识机器学习（zkML）方面的突破使得验证AI输出变得可能，而无需暴露其背后的模型或数据集。这解决了当今AI生态系统中的一个根本性紧张局势，即透明度需求与知识产权（IP）及私人数据保护之间的冲突。
We need AI, and also transparency
在AI系统中使用zkML开辟了重建信任的三个关键路径。首先，它通过提供证明，证明模型没有被操控、推理没有改变或因更新或微调而偏离预期行为，从而减少了AI生成内容中的大语言模型（LLM）幻觉问题。
其次，zkML促进了全面的模型审计，独立方可以验证系统的公平性、偏见水平以及是否符合监管标准，而无需访问底层模型。
最后，它使得跨组织的安全合作与验证成为可能。在医疗和金融等敏感行业中，组织现在可以在不共享机密数据的情况下验证AI模型的性能和合规性。
通过提供确保适当行为的加密保证，同时保护专有信息，这些技术提供了一种切实可行的解决方案，能够平衡当今日益数字化的世界中透明度与隐私的竞争需求。
有了ZK技术，我们可以让创新和信任并存，迎来一个人工智能的变革潜力与强有力的验证和问责机制相匹配的时代。
现在的问题不再是我们是否能信任AI，而是我们能够多快通过数学证明实施那些使信任变得不必要的解决方案。可以肯定的是，我们正面临着一个充满机遇的时代。
.author-card__photo
Samuel Pearton
Samuel Pearton是Polyhedra的首席营销官，通过其在EXPchain（AI的全能链）中的开创性高性能技术推动智能的未来。凭借在技术、全球营销和跨文化社交商务方面的数十年经验，Samuel深知信任、可扩展性和可验证性对于人工智能和区块链至关重要。在2024年10月正式加入Polyhedra高管团队之前，他在公司获得2000万美元战略资金并以10亿美元估值达成投资时，曾担任关键顾问角色。在加入Polyhedra之前，Samuel创办了PressPlayGlobal，这是一个社交商务和互动平台，连接了运动员和名人——包括斯蒂芬·库里和其他全球领先品牌——与中国最大的消费粉丝市场。
.author-card__social.author-card__content
