هل من الممكن جعل عملية استنتاج الذكاء الاصطناعي قابلة للتحقق وموثوقة مثل معاملات blockchain؟ @inference_labs وُجدت بالفعل بدافع من هذا السؤال. رؤية Inference Labs هي بناء طبقة شبكة تتيح لنتائج استنتاج الذكاء الاصطناعي أن تكون قابلة للتحقق باستخدام التشفير، من خلال بروتوكول Proof of Inference، مما يسمح لأي طرف ثالث بفحص صحة مخرجات استنتاج الذكاء الاصطناعي، مع ضمان خصوصية النموذج وأمان البيانات. هذه الآلية ذات أهمية كبيرة للصناعات التي تعتمد على مخرجات الذكاء الاصطناعي لاتخاذ قرارات حاسمة، مثل الرعاية الصحية، والمالية، والحكم. لتحقيق هذا الهدف، أنشأت Inference Labs بنية تحقق لعملية استنتاج الذكاء الاصطناعي لامركزية، بحيث يمكن إتمام عملية الاستنتاج خارج السلسلة بطريقة سريعة وفعالة، مع تقديم معلومات التحقق إلى السلسلة باستخدام إثبات المعرفة الصفرية. هذا التصميم يوازن بين حماية الخصوصية ومتطلبات التحقق الموثوق، ويتجنب عنق الزجاجة في الأداء الناتج عن ربط نماذج كبيرة وعمليات حسابية مباشرة على السلسلة. لقد أصبحت شبكة Subnet 2 التي تديرها Inference Labs على شبكة Bittensor أكبر تجمع إثبات zkML لامركزي في العالم، وولدت أكثر من 1.6 مليار عينة إثبات، مما يبرز قابليتها للاستخدام والتوسع. هذا السؤال يتوسع ليشمل تفكيرًا أوسع: في ظل تزايد دمج الذكاء الاصطناعي في أنظمة واقعية متنوعة، كيف يمكن ضمان أن يكون الذكاء الاصطناعي فعالًا وموثوقًا في الوقت ذاته؟ يقترح بروتوكول Proof of Inference من Inference Labs إجابة على ذلك، حيث لا يركز فقط على صحة مخرجات الذكاء الاصطناعي، بل يسعى لبناء نظام تحقق مفتوح ولامركزي. هذا المفهوم حصل على دعم استثماري من جهات متعددة، بما في ذلك DACM، وDelphi Ventures، وArche Capital، لدفع بناء بنية تحتية للثقة بين الذكاء الاصطناعي وWeb3. في المستقبل، عندما تتطلب المزيد من قرارات الذكاء الاصطناعي الشفافية وقابلية التحقق، قد يكون وجود مثل هذه البروتوكولات الأساسية للثقة هو المفتاح لدفع تطبيقات الذكاء الاصطناعي بشكل أوسع. كما أن جهود Inference Labs تطرح السؤال المركزي حول موثوقية الذكاء الاصطناعي: هل من الممكن إثبات أن استنتاجات الذكاء الاصطناعي حقيقية وموثوقة، وليس مجرد قبولها كفرضية؟ @Galxe @GalxeQuest @easydotfunX