Дехто з нас пам'ятає часи до того, як шифрування в Інтернеті стало стандартним. Тоді інтернет-торгівля була неможливою, тому що ніхто не хотів ділитися інформацією про свої кредитні картки, щоб їх могли вистежити і вкрасти. Лише поява Secure Sockets Layer (SSL), протоколу шифрування, розробленого і просунутого компанією Netscape, захистила нашу особисту інформацію і зробила онлайн-покупки загальноприйнятими.

Машинне навчання зараз схоже на чорний ящик. Ваші дані потрапляють всередину - але що відбувається після цього? Zero Knowledge (ZK) можуть покращити ШІ/МН так само, як SSL зробив Інтернет більш зручним для використання, дозволивши нам відчувати себе комфортно, вводячи приватну, дуже особисту інформацію в ці моделі і отримуючи персоналізовані результати, не турбуючись про те, що ці дані можуть бути передані третій стороні.
Ми запустили ініціативу zkML, щоб заохотити людей будувати фундамент нового майбутнього машинного навчання, більш безпечного, приватного та особистого. Готуючись до набору учасників на перший курс, ми поговорили з Алексом Пруденом, генеральним директором Aleo, про його сподівання на zkML та майбутнє машинного навчання в цілому.

Чому zkML важливий для майбутнього машинного навчання?
Штучний інтелект(ШІ) - це дивовижна, революційна технологія, а ZK роблять її ще кращою з точки зору людини. Завдяки таким підходам, як федеративне навчання, ми можемо навчати моделі на агрегованих персональних даних, не розкриваючи власні персональні дані людини, але при цьому доводячи їхню достовірність. В результаті модель стає більш точною, тому що люди в такій ситуації готові ділитися більшою кількістю даних. Це означає, що ви можете навчати моделі на більш якісних наборах даних, які потім дають більш персоналізовані та корисні результати.

На вашу думку, який найоригінальніший та, скажем, найцікавіший випадок використання zkML?
Медичні дані - це цікавий, захоплюючий приклад використання, оскільки існує так багато правил і особистих даних (зрозуміло), що стосуються обміну нашими особистими медичними даними. Попередні спроби вирішити цю проблему були не дуже успішними. Але, використовуючи криптографію з ZK, ми можемо уявити собі систему, в якій користувач може довести певні факти про себе, не розкриваючи базові дані. Користувачі також могли б запускати модель на власних даних і надавати вихідні дані об'єднаній навчальній моделі, яка об'єднує результати індивідуальних виходів кожного.

Якби ви могли створити щось для ініціативи zkML, що б ви створили і чому це важливо?
Я думаю, що створити фітнес-додаток з використанням zkML було б дуже круто. Ви могли б тренувати модель, використовуючи тренувальні режими багатьох людей, а потім довести, використовуючи нульові знання, що ви досягли певного показника, не розкриваючи, як ви це зробили.
Але для першого сезону ініціативи zkML найважливіше - це будівельні блоки. Я хотів би побачити зв'язок між Leo та найпопулярнішими бібліотеками Python, такими як SideKick або TensorFlow. Це могло б дати data scientists доступ до нульових знань у їхньому інструментарії, без необхідності змінювати свій звичайний робочий процес.

Чим важлива ця ініціатива і чому вона повинна відбутися? Що станеться, якщо вона не відбудеться?
Зараз відбувається величезна гонка озброєнь зі штучним інтелектом, і я не думаю, що компанії, які розробляють штучний інтелект, обов'язково мають на увазі інтереси людей. Я вважаю, що важливо, щоб споживачі великих мовних моделей розуміли вартість і активно виступали за систему, яка захищає наші дані.
Якщо цього не станеться, я вважаю, що ми ризикуємо перестати бути власниками самих себе в цифровому сенсі. Натомість ви станете власністю компанії. Вони не володіють вами як людиною, але за всіма намірами і цілями, онлайн-версія "вас" буде належати - і потенційно контролюватися - кимось іншим.

Які у вас є надії на цю технологію в майбутньому?
Я сподіваюся, що вона стане більш зручною у використанні, більш продуктивною, і люди будуть вкладати час та енергію, щоб зробити її кращою. Я думаю, що це тільки початок, і, як і на початку розвитку шифрування в Інтернеті, вона може бути не такою зручною для користувачів, як ми сподіваємося. Але в міру того, як люди вкладали більше часу і енергії, придумували кращі методи і краще обладнання, все ставало все простіше і простіше.