நண்பரிடம் நேரில் பேசும்போது, ​​அவர்களைப் பார்க்கவும், கேட்கவும், கைகுலுக்கவும் முடியும். நீங்கள் ஒரு AI மாதிரியுடன் பேசும்போது, ​​அந்த உத்தரவாதங்கள் எதுவும் உங்களிடம் இல்லை. ஆந்த்ரோபிக்கின் புதிய ஆராய்ச்சி சரியாக அந்த இடைவெளியை இலக்காகக் கொண்டுள்ளது: நிறுவனம் க்ரிப்டோகிராஃபிக் ஆதாரங்களில் முன்னேற்றத்தை வெளியிட்டுள்ளது, இதில் FlashProve எனப்படும் அமைப்பு - கணித ரீதியாக, ஒப்பந்தப்படி அல்ல - உண்மையில் தான் கூறும் மாதிரியிலிருந்து பதில் வந்தது என்பதை நிரூபிக்க முடியும்.

ஃப்ளாஷ் ப்ரோவ் உரையாற்றும் சிக்கல் அமைதியாக கட்டமைக்கப்பட்டுள்ளது. இன்று ஒரு மாதிரியை வினவுகின்ற ஒரு பயனரால், டெவலப்பர் கூறும் குறிப்பிட்ட மாதிரியிலிருந்து பதில்கள் வந்துள்ளனவா என்பதைச் சரிபார்க்க முடியாது, மாறாக செலவுக் காரணங்களுக்காக ரூட்டிங் சேவையால் ரகசியமாக மாற்றப்பட்டது அல்லது டோக்கன் ஸ்ட்ரீமைத் தவறாகப் பயன்படுத்திய தாக்குபவர் கூட. பதில்கள் சிறப்பாகத் தெரிந்தாலும், வெளியீட்டில் இருந்து மட்டும் மதிப்பிடுவது நம்பமுடியாதது. அதே அரட்டை சாளரம் சுமையின் கீழ் மலிவான மாடலுக்கு அமைதியாக செல்லக்கூடிய ஒரு துறையில், இது ஒரு கற்பனையான கவலை அல்ல - இது இயல்புநிலை நம்பிக்கை மாதிரி. இது போன்ற வேலைகளைப் பற்றிய கூடுதல் தகவல்களுக்கு, எங்கள் AI ஆராய்ச்சி செய்தி ஐப் பார்க்கவும்.

ஏன் நிரூபிக்கக்கூடிய அனுமானம் கடினமானது

நிரூபிக்கக்கூடிய அனுமானத்தின் குறிக்கோள், வரையறுக்கப்பட்ட கணக்கீட்டு வளங்களைக் கொண்ட ஒரு பயனரை - மற்றும் ஒரு மாதிரியின் தனிப்பட்ட எடைகளுக்கான அணுகல் இல்லை - கொடுக்கப்பட்ட பதில் அந்த மாதிரியால் உண்மையாக உருவாக்கப்பட்டதா என்பதைச் சரிபார்க்க அனுமதிப்பதாகும். வெளிப்படையான அணுகுமுறை, மாடலை நீங்களே மீண்டும் இயக்குவது, ஒரு ஸ்டார்டர் அல்லாதது: எல்லை மாடல்களின் எடைகள் தனிப்பட்டதாக வைக்கப்படும், மேலும் அவற்றிற்கு எதிரான பதிலைச் சரிபார்ப்பதற்கு, ஒரு வழக்கமான பயனர் அல்லது நன்கு நிதியளிக்கப்பட்ட மதிப்பீட்டாளர் கூட வாங்கக்கூடியதை விட அதிகமாக கணக்கிட வேண்டும்.

ஆந்த்ரோபிக்கின் அணுகுமுறை zkSNARK களின் மீது சாய்ந்துள்ளது, இது பலமான மறைத்தல் மற்றும் செயல்திறன் பண்புகளைக் கொண்ட பூஜ்ஜிய-அறிவு சான்றுகளைக் கொண்ட குடும்பமாகும், அவை பணிக்கு தனித்துவமாக பொருந்துகின்றன. ஒரு வழங்குநர் ஒரு மாதிரியை ஒருமுறை உறுதிசெய்து, ஒவ்வொரு பதிலுக்கும் உறுதியான மாதிரியால் பதில் கணக்கிடப்பட்டது என்பதற்கான சிறிய ஆதாரத்தை உருவாக்குகிறார் - அதே சமயம் நிரூபணங்கள் மாதிரியின் எடையை மறைக்கின்றன. கட்டிடக்கலையை மறைப்பது அமைப்பின் குறிக்கோள் அல்ல; எடைகளை மறைப்பது.

எண்கள்

இடுகையில் உள்ள செயல்திறன் புள்ளிவிவரங்கள் கதையின் தொழில்நுட்ப மையமாகும், ஏனெனில் பெரிய மாடல்களுக்கான ஆதாரம் உருவாக்கம் என்பது வரலாற்று ரீதியாக மிகவும் மெதுவாக இருக்கும். 400 பில்லியன் அளவுரு நிபுணர்களின் கலவையான லாமா 4 மேவரிக்கிற்கு, ஒரு NVIDIA H100 GPU ஆனது வினாடிக்கு சுமார் 110 டோக்கன்களில் சான்றுகளை உருவாக்குகிறது, 1,024-டோக்கன் கோரிக்கைக்கு தோராயமாக 19 MB ஆதார அளவுடன், 4-பிட் முன்கூட்டிய அளவு எடையைப் பயன்படுத்தி.

அந்த வேகம் ஒரு செலவில் வருகிறது: பரவலாகப் பயன்படுத்தப்படும் திறந்த மூல அனுமான நூலகமான vLLM இல் மாடலை இயக்கும் GPU நேரத்தை விட ப்ரூஃப் உருவாக்கம் சுமார் 70 முதல் 95 மடங்கு வரை எடுக்கும். விலையுயர்ந்த, வேறு வார்த்தைகளில் கூறுவதானால் - ஆனால் முதன்முறையாக நிரூபிக்கப்பட்ட பொருளின் அதே அளவு வரிசையில், மற்றும் மானுடவியல் படி, முந்தைய திறந்த-மூல அமைப்புகளை விட கணிசமாக வேகமானது, இது அளவு ஆர்டர்களால் பின்தங்கியுள்ளது.

கிளாட் பில்ட் இட் - மற்றும் லீன் உரிமைகோரல்களைத் தணிக்கை செய்தார்

முதல் கதைக்குள் இரண்டாவது கதையும் உள்ளது. இடுகையின் படி, க்ளாட் தானே zkSNARK களில் அனுமானத்திற்காக மேம்பாடுகளை உருவாக்கினார், கிரிப்டோகிராஃபிக் ஆதார அமைப்புகளுக்கான நன்கு நிறுவப்பட்ட வடிவமைப்பு கொள்கைகளை நம்பியிருக்கும் போது, ​​கிரிப்டோகிராஃபி மற்றும் பாதுகாப்பு இலக்கியங்களிலிருந்து அதிநவீன கருவிகளைப் பயன்படுத்துவதற்கான புதிய வழிகளைக் கண்டுபிடித்தார்.

மானுடவியல் அந்த பணிப்பாய்வு மூலம் வரும் ஆபத்து பற்றி நேர்மையாக உள்ளது: கிளாட் தேர்வுமுறையில் சிறந்தவர், ஆனால் பெரும்பாலும் மதிப்பீடு செய்ய கடினமாக இருக்கும் முடிவுகளை எடுக்கிறார், குறிப்பாக பெரிய சிக்கலான அமைப்புகளில். எதிர் நடவடிக்கை என்பது முறையான சரிபார்ப்பு ஆகும். AI இன் புத்திசாலித்தனமான மேம்படுத்தல்கள் மற்றும் அவற்றை நம்ப வேண்டிய பயனர்களுக்கு இடையே உள்ள இயந்திரத்தால் சரிபார்க்கப்பட்ட கணிதம் - உரிமைகோரப்பட்ட பாதுகாப்பு உத்தரவாதங்களுக்காக, முறையான சரிபார்ப்பு மொழியான லீனில் நிறுவனம் உயர்மட்ட தணிக்கை அறிக்கைகளை வழங்குகிறது.

முழு ஸ்டாக் Apache 2.0 உரிமத்தின் கீழ் வெளியிடப்படுகிறது: வலைப்பதிவு இடுகை, கணினியின் விவரங்களை விளக்கும் தொழில்நுட்ப அறிக்கை, ஒரு நெறிமுறை விளக்கம், ஒரு ப்ரோவர் மற்றும் இரண்டு சரிபார்ப்பாளர்கள் உட்பட இயங்கக்கூடிய குறியீடு - C++ இல் வேகமான சரிபார்ப்பு மற்றும் லீனில் சரியான சரிபார்ப்பு - மேலும் லீன் ஆதாரங்கள் மற்றும் ஊடாடும் தணிக்கையாளர்.

இணக்கம் முதல் AI பேசிங் ஒப்பந்தங்கள் வரை

மானுடவியல் ஓவியங்கள் வழக்கத்திலிருந்து புவிசார் அரசியல் வரையிலான நிகழ்வுகளைப் பயன்படுத்துகின்றன. வெளியீட்டிற்கு முன்னும் பின்னும் AI மாதிரிகளை சோதிக்கும் சுயாதீன மதிப்பீட்டாளர்கள், தாங்கள் மதிப்பிடும் மாதிரி என்ன என்பதை அறிந்து கொள்ள வேண்டும். மூன்றாம் தரப்பு ரூட்டிங் சேவை மூலம் ஒரு மாதிரியை அணுகும் வாடிக்கையாளர்கள், தாங்கள் செலுத்திய மாதிரியிலிருந்து டோக்கன்கள் வந்தன என்பதை உறுதிப்படுத்த வேண்டும். பாதுகாப்புச் சூழ்நிலையில், கொடுக்கப்பட்ட மாதிரியைப் போல ஆள்மாறாட்டம் செய்யும் போது டோக்கன் ஸ்ட்ரீமை மாற்றியமைக்கும் சைபர் தாக்குபவர், வெளியீட்டு ஆய்வு மட்டும் ஒருபோதும் அடைய முடியாத வகையில் கண்டறியக்கூடியவராக மாறுகிறார்.

இடுகையில் பெயரிடப்பட்ட மிகவும் லட்சியமான பயன்பாடு, AI வேகப்படுத்தல் தேவைகளுக்கு இணங்குவதை சரிபார்ப்பதாகும் - வளர்ந்து வரும் ஒப்பந்தங்கள், தன்னார்வ மற்றும் அரசு, எல்லைப்புற திறன்கள் எவ்வளவு வேகமாக முன்னேறுகின்றன என்பதை நிர்வகிக்கும் முயற்சி. இன்று அத்தகைய கடமைகள் நம்பிக்கை மற்றும் காகித வேலைகளில் தங்கியுள்ளன. அனுமானத்தின் கிரிப்டோகிராஃபிக் சான்றுகள் ஆய்வுக்கு நெருக்கமான ஒன்றை வழங்குகின்றன: கொடுக்கப்பட்ட பணிச்சுமைக்கு எந்த மாதிரி உதவுகிறது என்பதை உறுதிப்படுத்துவதற்குப் பதிலாக நிரூபிக்க ஒரு வழி.

இது இடைநிலை முன்னேற்றம், நிறைவு செய்யப்பட்ட ஆய்வு நிகழ்ச்சி நிரல் அல்ல என்பதை ஆராய்ச்சியாளர்கள் வெளிப்படையாகக் கூறுகின்றனர், மேலும் மற்றவர்கள் அந்த வேலையை எடுத்து மேம்படுத்த வேண்டும் என்ற குறிக்கோளுடன் வெளியிடுகிறார்கள். அந்த ஃப்ரேமிங்கே ஒரு சமிக்ஞையாகும்: நிரூபிக்கக்கூடிய அனுமானம் குறியாக்கவியல்-கருத்தரங்கு சிந்தனைப் பரிசோதனையிலிருந்து பொறியியல் சிக்கலுக்கு நகர்ந்துள்ளது, ஒரு எல்லைப்புற ஆய்வகம் இப்போது வெளிப்படையாக வரிசைப்படுத்துவதற்கு போதுமான மலிவாக பந்தயத்தில் ஈடுபட்டுள்ளது.

---

AIக்கு முன்னால் இருங்கள்

சமீபத்திய AI செய்திகள், பகுப்பாய்வு மற்றும் முன்னேற்றங்கள் - அனைத்தையும் ஒரே இடத்தில் பெறுங்கள்.

மேலும் AI செய்திகளைப் படிக்கவும் →