در نگاه اول، هوش مصنوعی برای بسیاری هنوز همان مدل‌های زبانی قدرتمند است؛ ابزارهایی که پیشنهاد تماشای فیلم می‌دهند یا در پاسخ‌گویی به پرسش‌ها کمک می‌کنند. اما واقعیت فراتر از این‌هاست.
هوش مصنوعی در حال ادغام با بخش‌های حساس و حیاتی جامعه است: از تشخیص بیماری گرفته تا تأیید وام، کشف کلاهبرداری، و حتی ردیابی تهدیدهای امنیتی. حالا این فناوری در حال ورود به زیرساخت‌هایی مانند خدمات مالی، بهداشت، قانون و البته بازار کریپتو است.
در چنین فضایی، دیگر نمی‌توانیم فقط به «خروجی» مدل‌ها تکیه کنیم. باید بدانیم آن خروجی چطور به‌دست آمده است، آیا قابل اعتماد است و آیا می‌توان عملکرد مدل را پس از وقوع، بررسی و ارزیابی کرد یا نه.
هوش مصنوعی در یک جعبه سیاه
بیشتر سیستم‌های هوش مصنوعی امروز مانند یک جعبه سیاه عمل می‌کنند. شفاف نیستند. ما نمی‌دانیم چرا و چگونه به یک تصمیم خاص رسیده‌اند و همین مسئله، در حوزه‌هایی مانند مالی، یک ریسک جدی محسوب می‌شود.
در بازار رمزارزها، که به دلیل ساختار غیرمتمرکز و ماهیت دیجیتال خود بسیار مستعد دستکاری، جهت گیری الگوریتمی و حملات پیچیده است، این شفاف نبودن می‌تواند هزینه‌های سنگینی داشته باشد.
پیشرفت‌های سریع و نگرانی‌های عمیق
توسعه مدل‌های زبانی بزرگ (LLM) با سرعتی تصاعدی در حال پیش‌روی است. اما سوال اصلی اینجاست: اگر این مدل‌ها در آینده تصمیماتی بگیرند که قابل درک یا پیش‌بینی برای انسان نباشد، چطور می‌توان اطمینان حاصل کرد که در راستای منافع ما عمل می‌کنند؟
در صنعت کریپتو، این نگرانی دوچندان است. وقتی پای معاملات خودکار، قراردادهای هوشمند مبتنی بر هوش مصنوعی یا حتی تحلیل‌گرهای معامله‌گر (AI Trading Bots) در میان باشد، خطا یا تصمیم اشتباه می‌تواند به زیان‌های میلیونی منجر شود.
پاسخ: شفافیت و قابلیت تأیید
پاسخ این چالش‌ها در یک واژه خلاصه می‌شود: قابلیت تأیید (Verifiability).
ما نیاز به مدل‌هایی داریم که عملکرد آن‌ها نه‌تنها دقیق، بلکه قابل ردیابی و حسابرسی باشد. این یعنی بتوان بدون افشای اطلاعات حساس یا فنی، ثابت کرد که مدل هوش مصنوعی طبق قواعد از پیش تعیین‌شده عمل کرده است.
فناوری zkML؛ ترکیب رمزنگاری و هوش مصنوعی
اینجاست که مفهومی به نام zkML وارد می‌شود؛ ترکیبی از یادگیری ماشین (ML) و رمزنگاری با اثبات دانش صفر (ZKP). این فناوری این امکان را می‌دهد که اثبات کنیم خروجی یک مدل هوش مصنوعی معتبر است، بدون اینکه داده‌های محرمانه یا وزن‌های داخلی مدل فاش شود.
برای صنعت کریپتو، که به‌طور سنتی بر مفاهیمی چون شفافیت، امنیت و کنترل غیرمتمرکز تأکید دارد، zkML می‌تواند یک تحول باشد.
این یعنی:
یک بات معاملاتی می‌تواند قابل حسابرسی باشد، بدون اینکه الگوریتم اختصاصی‌اش لو برود.
یک قرارداد هوشمند هوشمندتر می‌تواند رفتاری قابل پیش‌بینی و اثبات‌پذیر داشته باشد.
یک سیستم احراز هویت یا اعتبارسنجی وام مبتنی بر هوش مصنوعی می‌تواند امن، شفاف و بدون تعصب عمل کند.
آینده بدون کنترل یا قابل اعتماد؟
با گسترش سریع قابلیت‌های هوش مصنوعی، از حالا باید برای آینده آماده شویم. آینده‌ای که در آن شاید با یک ASI (هوش مصنوعی فوق‌پیشرفته) روبرو باشیم؛ سیستمی که از ما سریع‌تر فکر می‌کند، بهتر تصمیم می‌گیرد، اما ممکن است درک ما از اهداف آن کافی نباشد.
تنها راه مقابله با چنین آینده‌ای، ساختن امروز بر پایه‌ی اعتماد، شفافیت و تکنولوژی‌های قابل تأیید است. zkML فقط یک ابزار برای جلوگیری از سناریوهای آخرالزمانی نیست، بلکه پاسخی هوشمندانه به نیاز فوری بازارهای پیچیده‌ای مثل کریپتو است.