@OpenGradient
あまり話題に上がらないことについて考えていました。
検証しないコスト。
今日のほとんどのAIアプリケーションは盲目的な信頼で動いています。
プロンプトを送信します。レスポンスを受け取ります。それに基づいて行動します。
モデルが正しかった証拠はなし。出力が改ざんされていない証拠もなし。システムプロンプトが静かに入れ替えられていない証拠もなし。
ただ信じて。
ホワイトペーパーではこれを「不透明性」と呼んでいます。私はこれをいつか起こる負債だと呼びます。
OpenGradientはこれをHACAと呼ばれるもので解決します。
分解すれば複雑ではありません。
実行と検証は別々に行われます。
推論ノードがあなたのモデルを実行します。結果を返します。ミリ秒。
すると証明が生成されます。バリデータに送信されます。オンチェーンで決済されます。
ホワイトペーパーにはこうあります。『ユーザーは応答をすぐに受け取ります。決済はバックグラウンドで非同期に行われます。』
それが、いつも立ち返ってしまう部分です。
速度も証明も手に入る。どちらか一方ではありません。
でも、私の注意を本当に引いたのは、ここです。
ネットワークは、すべてに対して1つの検証基準を押し付けるわけではありません。
プライバシーに配慮が必要なワークロードにはTEE。暗号学的な確実性にはZKML。素のままならスピード。
ホワイトペーパーはこれを『信頼のスペクトラム』と呼んでいます。
別の言い方をするなら：トレードオフに正直です。
ほとんどのプラットフォームは、あなたに1つのものを売ります。1つの保証。1つの標準。1つの約束。
OpenGradientはこう言います。『自分のユースケースでは、実際にどのレベルの証明が必要なのかを突き止めてください。 その分だけ正確に支払ってください。』
プライベートな医療上の問い合わせ？ TEE。
DeFiの取引？ ZKML。
コンテンツのレコメンド？ スタンダード（バニラ）。
賭けの大きさが違う。証明も違う。同じネットワーク。
私がやめられないでいること。
ホワイトペーパーには第10.2章で意図的なトレードオフが列挙されています。
TEEはハードウェアへの信頼に依存します。ZKMLは1000〜10000倍のオーバーヘッド。非同期の決済は、一時的な信頼ギャップを生みます。
多くのプロジェクトはそれらを隠します。OpenGradientは、それを最前線に出してきます。
私はその章を2回読みました。問題を探しているのではありません。正直さを探しています。
そして、私はそれを見つけました。
今見ているのは、これです。
ネットワークは今日も動いています。2,000+モデル。100+開発者。テストネットで100万+件の推論。
感心しました。ですが、私が気にしている指標ではありません。
採用が拡大したときに起きることを重視しています。
利用者が増える。モデルが増える。単純化への圧力も増える。
信頼のスペクトラムは保たれますか？ TEEは機密性の高いワークロードでも使い続けられますか？ より安い経路が存在するとき、ZKMLは実行可能性を維持できますか？
$OPG その建築が、白書を誰も読まなくなった後でも成立するなら、初めて私の注意を引きます。
これが、私が追っているシグナルです。