Estos días he estado en foros de desarrolladores viendo cómo se pelean y he notado un fenómeno interesante: muchos geeks técnicos tienen una especie de "obsesión por la limpieza criptográfica", pensando que para hacer IA descentralizada todo debe tener pruebas de conocimiento cero (ZKML). Pero al hacer ingeniería, usar un cañón para matar moscas puede llevarte a la quiebra.
¿Necesitas un notario para verificar si compras cebollas en el mercado? Evidentemente no. Con una perspectiva de retorno sobre la inversión (ROI) al analizar el diseño de @OpenGradient , descubrí que su propuesta de "verificación asimétrica por niveles" es muy pragmática.
Como mencioné el primer día, ZKML conlleva un coste computacional de entre 1000 y 10000 veces. Si estás operando en una cadena DeFi para liquidaciones o modelos de trading de alta frecuencia, donde puedes estar hablando de cientos de miles de millones de dólares, vale la pena gastar esa potencia de cálculo por una certeza matemática absoluta. #opg
Pero, ¿qué pasa si solo necesitas que la IA escriba un resumen del mercado? Estudié a fondo su alternativa: TEE (Entorno de Ejecución Confiable). Es como si ejecutaras el modelo dentro de una "caja de vidrio a prueba de balas" a nivel de hardware. Los operadores de nodos no tienen permiso para espiar o alterar tus prompts, y al finalizar, pueden generar una prueba de ejecución de hardware que no se puede falsificar. La clave es que su pérdida de rendimiento es extremadamente baja, casi no ralentiza la velocidad de salida del modelo grande.
Lo más interesante es que incluso han considerado escenarios de riesgo muy bajo. Por ejemplo, para hacer una simple recomendación de datos, el sistema permite ir directamente en modo "Vanilla (sin verificación)", verificando solo una firma básica, enfocado en ayudar a los desarrolladores a ahorrar dinero. $OPG
Este diseño, que no se atasca en detalles y se adapta a las necesidades, parece ser una infraestructura que realmente puede implementarse. Dado que este hardware TEE es tan útil, ¿podría forzarse a que gigantes cerrados como OpenAI también se "autocertifiquen"?
¿Necesitas un notario para verificar si compras cebollas en el mercado? Evidentemente no. Con una perspectiva de retorno sobre la inversión (ROI) al analizar el diseño de @OpenGradient , descubrí que su propuesta de "verificación asimétrica por niveles" es muy pragmática.
Como mencioné el primer día, ZKML conlleva un coste computacional de entre 1000 y 10000 veces. Si estás operando en una cadena DeFi para liquidaciones o modelos de trading de alta frecuencia, donde puedes estar hablando de cientos de miles de millones de dólares, vale la pena gastar esa potencia de cálculo por una certeza matemática absoluta. #opg
Pero, ¿qué pasa si solo necesitas que la IA escriba un resumen del mercado? Estudié a fondo su alternativa: TEE (Entorno de Ejecución Confiable). Es como si ejecutaras el modelo dentro de una "caja de vidrio a prueba de balas" a nivel de hardware. Los operadores de nodos no tienen permiso para espiar o alterar tus prompts, y al finalizar, pueden generar una prueba de ejecución de hardware que no se puede falsificar. La clave es que su pérdida de rendimiento es extremadamente baja, casi no ralentiza la velocidad de salida del modelo grande.
Lo más interesante es que incluso han considerado escenarios de riesgo muy bajo. Por ejemplo, para hacer una simple recomendación de datos, el sistema permite ir directamente en modo "Vanilla (sin verificación)", verificando solo una firma básica, enfocado en ayudar a los desarrolladores a ahorrar dinero. $OPG
Este diseño, que no se atasca en detalles y se adapta a las necesidades, parece ser una infraestructura que realmente puede implementarse. Dado que este hardware TEE es tan útil, ¿podría forzarse a que gigantes cerrados como OpenAI también se "autocertifiquen"?