تتعامل معظم شبكات البلوكشين مع التنفيذ والتحقق وكأنهما نفس المشكلة. لكنهما ليسا كذلك.
التنفيذ هو حساب. التحقق هو ثقة. تجميعهما معًا كان دائمًا حلاً مؤقتًا — وليس خيار تصميم. وعلى مدى سنوات، لم يلاحظ أحد ذلك لأن النماذج كانت بسيطة بما يكفي لدرجة أن "أعد تشغيله وتحقق" شعرت وكأنها حل حقيقي.
لكن هذا لم يعد كذلك.
استدلال الذكاء الصناعي لا يُعيد التشغيل بشكل نظيف. إذا قمت بتشغيل نفس النموذج مرتين على أجهزة مختلفة، قد تحصل على مخرجات مختلفة. دقة الفلوت، اختلاف درجات الحرارة، خصائص GPU — النتائج تنحرف. لذا إذا كانت طبقة التحقق لديك مجرد "أعد التشغيل وقارن"، فقد خسرت بالفعل. أنت لا تتحقق من الحقيقة. أنت تتحقق من الاتساق تحت ظروف مثالية، وهو شيء مختلف تمامًا.
هذه هي الفجوة التي يتجاوزها معظم الناس عندما يتحدثون عن "الذكاء الصناعي القابل للتحقق على السلسلة."
بنية HACA من OpenGradient تفصل فعليًا بين هاتين الطبقتين. تعمل عقد التنفيذ على إجراء الاستدلال. تتحقق طبقة التحقق المنفصلة من النتيجة — باستخدام إثبات تشفيري، وليس إعادة تنفيذ زائدة. العقدة التي قامت بتشغيل النموذج والنظام الذي يضمنه هما فاعلان مختلفان هيكليًا مع حوافز مختلفة.
تلك الفصلية مهمة أكثر مما يدركه الناس. عندما يتم التعامل مع التنفيذ والتحقق بنفس المنطق، فإن نموذج الثقة في النظام جيد فقط بقدر أمانة المنفذ. أنت لا تتحقق من الذكاء الصناعي. أنت تثق في الشخص الذي يقوم بالتشغيل ليقوم بالإبلاغ عن نفسه.
افصل الأدوار، وستتغير هيكل الحوافز بالفعل. ليس لدى عقد التحقق أي سبب للتعاون مع المنفذين — لم يقوموا بتشغيل النموذج، إنهم فقط يتحققون من الإثبات. هذه حدود ثقة حقيقية، ليست نظرية.
الحد الصادق: التحقق القائم على الإثبات لا يزال ينضج. الأعباء التشفيرية حقيقية، و"إثبات الاستدلال الصحيح" على النماذج الكبيرة ليست مشكلة تم حلها. اتجاه التصميم قابل للدفاع. لكن الافتراضات الأمنية الفعلية تقوم بالكثير من العمل الصامت في الخلفية.
#OpenGradient #DecentralizedAI #AIInference #opg $OPG @OpenGradient
التنفيذ هو حساب. التحقق هو ثقة. تجميعهما معًا كان دائمًا حلاً مؤقتًا — وليس خيار تصميم. وعلى مدى سنوات، لم يلاحظ أحد ذلك لأن النماذج كانت بسيطة بما يكفي لدرجة أن "أعد تشغيله وتحقق" شعرت وكأنها حل حقيقي.
لكن هذا لم يعد كذلك.
استدلال الذكاء الصناعي لا يُعيد التشغيل بشكل نظيف. إذا قمت بتشغيل نفس النموذج مرتين على أجهزة مختلفة، قد تحصل على مخرجات مختلفة. دقة الفلوت، اختلاف درجات الحرارة، خصائص GPU — النتائج تنحرف. لذا إذا كانت طبقة التحقق لديك مجرد "أعد التشغيل وقارن"، فقد خسرت بالفعل. أنت لا تتحقق من الحقيقة. أنت تتحقق من الاتساق تحت ظروف مثالية، وهو شيء مختلف تمامًا.
هذه هي الفجوة التي يتجاوزها معظم الناس عندما يتحدثون عن "الذكاء الصناعي القابل للتحقق على السلسلة."
بنية HACA من OpenGradient تفصل فعليًا بين هاتين الطبقتين. تعمل عقد التنفيذ على إجراء الاستدلال. تتحقق طبقة التحقق المنفصلة من النتيجة — باستخدام إثبات تشفيري، وليس إعادة تنفيذ زائدة. العقدة التي قامت بتشغيل النموذج والنظام الذي يضمنه هما فاعلان مختلفان هيكليًا مع حوافز مختلفة.
تلك الفصلية مهمة أكثر مما يدركه الناس. عندما يتم التعامل مع التنفيذ والتحقق بنفس المنطق، فإن نموذج الثقة في النظام جيد فقط بقدر أمانة المنفذ. أنت لا تتحقق من الذكاء الصناعي. أنت تثق في الشخص الذي يقوم بالتشغيل ليقوم بالإبلاغ عن نفسه.
افصل الأدوار، وستتغير هيكل الحوافز بالفعل. ليس لدى عقد التحقق أي سبب للتعاون مع المنفذين — لم يقوموا بتشغيل النموذج، إنهم فقط يتحققون من الإثبات. هذه حدود ثقة حقيقية، ليست نظرية.
الحد الصادق: التحقق القائم على الإثبات لا يزال ينضج. الأعباء التشفيرية حقيقية، و"إثبات الاستدلال الصحيح" على النماذج الكبيرة ليست مشكلة تم حلها. اتجاه التصميم قابل للدفاع. لكن الافتراضات الأمنية الفعلية تقوم بالكثير من العمل الصامت في الخلفية.
#OpenGradient #DecentralizedAI #AIInference #opg $OPG @OpenGradient
