Càng tìm hiểu về AI có thể xác minh được, tôi càng nhận ra rằng sự tin tưởng không phải là một công nghệ đơn lẻ.

Nó là một mục tiêu.

Và các dự án khác nhau có thể đi theo những con đường rất khác nhau để đạt được điều đó.

Hai cách tiếp cận thường xuất hiện trong những cuộc thảo luận này là Môi Trường Thực Thi Đáng Tin Cậy (TEEs) và Học Máy Không Biết (zkML).

Ở mức độ cao, cả hai đều nhằm mục đích làm cho hệ thống AI đáng tin cậy hơn nhưng giải quyết vấn đề theo những cách khác nhau.

TEEs tập trung vào việc tạo ra các môi trường bảo vệ nơi mà tính toán có thể chạy một cách an toàn và được xác nhận.

zkML tập trung vào việc chứng minh rằng một phép tính đã được thực hiện đúng mà không tiết lộ dữ liệu cơ bản.

Điều tôi thấy thú vị về OpenGradient là dự án này không có vẻ như bị khóa vào một câu chuyện duy nhất xung quanh sự tin tưởng. Thay vào đó, nó dường như tập trung vào việc xây dựng cơ sở hạ tầng thực tiễn có thể hỗ trợ AI có thể xác minh được khi công nghệ phát triển.

Điều này quan trọng bởi vì thách thức không chỉ đơn giản là chứng minh rằng AI hoạt động.

Thách thức là thực hiện điều đó trên quy mô lớn với chi phí hợp lý, tốc độ chấp nhận được và trải nghiệm người dùng mà mọi người thực sự sẵn sàng áp dụng.

Tương lai của AI đáng tin cậy có thể không chỉ được quyết định bởi một bước đột phá duy nhất.

Nó có thể đến từ việc kết hợp nhiều cách tiếp cận cân bằng giữa bảo mật, quyền riêng tư, hiệu suất và khả năng sử dụng.

Đó là lý do tại sao tôi nghĩ rằng các cuộc thảo luận xung quanh TEEs và zkML lớn hơn những tranh luận kỹ thuật.

Chúng thực sự là những cuộc trò chuyện về cách mà sự tin tưởng được xây dựng vào thế hệ tiếp theo của các hệ thống AI.

Tò mò xem người khác nghĩ như thế nào.

Bạn nghĩ rằng sự áp dụng thực tiễn sẽ đến từ giải pháp nhanh nhất, giải pháp an toàn nhất hay giải pháp cân bằng cả hai?

@OpenGradient #opg $OPG $TNSR $SYN

Khi nói đến AI có thể xác minh được, điều gì là quan trọng nhất?

Tò mò xem cộng đồng nghĩ về điều này như thế nào.