ხელოვნური ინტელექტის მოდელები უფრო სწრაფი, დიდი და ქმედითი ხდება. მაგრამ რადგან მათი გამომუშავება იწყებს გადაწყვეტილებების ფორმირებას ფინანსებში, ჯანდაცვაში, საწარმოს პროგრამულ უზრუნველყოფაში და მის ფარგლებს გარეთ, მნიშვნელოვან კითხვას სჭირდება პასუხი — შეგვიძლია თუ არა რეალურად გადავამოწმოთ მონაცემები და პროცესები ამ გამომუშავების უკან? "ხელოვნური ინტელექტის უმეტესი სისტემა ეყრდნობა მონაცემთა მილსადენებს, რომელთა დამოუკიდებლად გადამოწმება ორგანიზაციის გარეთ არავის შეუძლია," აცხადებს რებეკა სიმონდსი, Walrus Foundation-ის მმართველი აღმასრულებელი — კომპანია, რომელიც მხარს უჭერს დეცენტრალიზებული მონაცემთა ფენის Walrus-ის განვითარებას. როგორც ის განმარტავს, არ არსებობს სტანდარტული გზა იმის დასადასტურებლად, თუ საიდან მოვიდა მონაცემები, იყო თუ არა ის შეცვლილი, ან რა იყო ავტორიზებული მილსადენში გამოსაყენებლად. ეს ხარვეზი არამარტო ქმნის შესაბამისობის რისკს — ის ძირს უთხრის ნდობას ხელოვნური ინტელექტის მიერ წარმოებული გამომუშავების მიმართ. "ეს არის გადასვლა 'გვენდეთ'-დან 'გადაამოწმეთ ეს'-ზე," თქვა სიმონდსმა, "და ეს ცვლილება ყველაზე მნიშვნელოვანია ფინანსურ, იურიდიულ და რეგულირებულ გარემოში, სადაც აუდიტუნარიანობა არ არის არჩევითი." დღეს ხელოვნური ინტელექტის მრავალი განლაგება ეყრდნობა ცენტრალიზებულ ინფრასტრუქტურასა და შიდა აუდიტის ჟურნალებს. მიუხედავად იმისა, რომ მათ შეუძლიათ გარკვეული ხილვადობის უზრუნველყოფა, ისინი მაინც საჭიროებენ ნდობას სისტემის გამშვები სუბიექტის მიმართ. გარე დაინტერესებულ მხარეებს სხვა გზა არ აქვთ, გარდა იმისა, რომ ენდონ, რომ ჩანაწერები არ შეცვლილა. დეცენტრალიზებული მონაცემთა ფენით, მთლიანობა კრიპტოგრაფიულად არის დამაგრებული, ასე რომ დამოუკიდებელ მხარეებს შეუძლიათ მათი გადამოწმება ერთი ოპერატორის დამოკიდებულების გარეშე. სწორედ აქ პოზიციონირებს Walrus, როგორც მონაცემთა საფუძველი უფრო ფართო არქიტექტურაში, რომელსაც Sui Stack ეწოდება. Sui თავად არის layer-1 ბლოკჩეინ ქსელი, რომელიც ჩაწერს პოლიტიკის მოვლენებსა და ქვითრებს ჯაჭვზე, კოორდინაციას უწევს წვდომას და აღრიცხავს გადამოწმებად აქტივობას მთელ სტეკში. "Walrus არის მონაცემთა ხელმისაწვდომობისა და წარმოშობის ფენა — სადაც თითოეული მონაცემთა ნაკრები იღებს უნიკალურ ID-ს, რომელიც მისი შიგთავსიდან არის მიღებული," განმარტა სიმონდსმა. "თუ მონაცემები იცვლება თუნდაც ერთი ბაიტით, ID იცვლება. ეს შესაძლებელს ხდის იმის გადამოწმებას, რომ მილსადენში არსებული მონაცემები ზუსტად ის არის, რასაც აცხადებს, არ შეცვლილა და რჩება ხელმისაწვდომი." Sui Stack-ის სხვა კომპონენტები ამ საფუძველზეა აგებული. Nautilus დეველოპერებს საშუალებას აძლევს, გაუშვან ხელოვნური ინტელექტის სამუშაო დატვირთვები უსაფრთხო offchain გარემოში და შექმნან მტკიცებულებები, რომლებიც შეიძლება შემოწმდეს onchain-ზე, ხოლო Seal ამუშავებს წვდომის კონტროლს, რაც გუნდებს საშუალებას აძლევს განსაზღვრონ და აღასრულონ, თუ ვის შეუძლია მონაცემების ნახვა ან გაშიფვრა და რა პირობებში. "შემდეგ Sui ყველაფერს აკავშირებს წესებისა და მტკიცებულებების onchain-ზე ჩაწერით," თქვა სიმონდსმა, "ეს დეველოპერებს, აუდიტორებსა და მომხმარებლებს აძლევს საერთო ჩანაწერს, რომლის დამოუკიდებლად შემოწმებაც შეუძლიათ." "არც ერთი ფენა არ წყვეტს ხელოვნური ინტელექტის ნდობის სრულ პრობლემას," დაამატა მან. "მაგრამ ერთად, ისინი ქმნიან რაღაც მნიშვნელოვანს: გადამოწმებად მონაცემთა საფუძველს ხელოვნური ინტელექტის სამუშაო პროცესებისთვის — მონაცემები დადასტურებული წარმოშობით, წვდომა, რომლის აღსრულებაც შეგიძლიათ, გამოთვლა, რომლის დადასტურებაც შეგიძლიათ, და უცვლელი ჩანაწერი იმისა, თუ როგორ გამოიყენებოდა ყველაფერი." ხელოვნური ინტელექტის რამდენიმე გუნდმა უკვე აირჩია Walrus, როგორც მათი გადამოწმებადი მონაცემთა პლატფორმა, თქვა სიმონდსმა, მათ შორის ღია კოდის ხელოვნური ინტელექტის აგენტის პლატფორმა elizaOS და ბლოკჩეინზე დაფუძნებული ხელოვნური ინტელექტის სადაზვერვო პლატფორმა Zark Lab. ავტონომიური აგენტები, რომლებიც ფინანსურ გადაწყვეტილებებს იღებენ გადაუმოწმებელ მონაცემებზე. დაფიქრდით ამაზე ერთი წამით. Walrus-ით, მონაცემთა ნაკრებები, მოდელები და შიგთავსი ნაგულისხმევად გადამოწმებადია, ასე რომ მშენებლებს შეუძლიათ დაიცვან ხელოვნური ინტელექტის პლატფორმები პოტენციური მარეგულირებელი შეუსაბამობისგან, არაზუსტი პასუხებისგან და ეროზიისგან… ფრაზა "გადამოწმებადი ხელოვნური ინტელექტი" შეიძლება ამბიციურად ჟღერდეს. მაგრამ სიმონდსი ფრთხილობს იმაზე, თუ რას გულისხმობს — და რას არ გულისხმობს — ის. "გადამოწმებადი ხელოვნური ინტელექტი არ ხსნის, თუ როგორ მსჯელობს მოდელი ან არ იძლევა მისი გამომუშავების სიმართლის გარანტიას," თქვა მან. მაგრამ მას შეუძლია "სამუშაო პროცესების დამაგრება მონაცემთა ნაკრებებზე დადასტურებული წარმოშობით, მთლიანობითა და ხელმისაწვდომობით." გამყიდველის პრეტენზიებზე დაყრდნობის ნაცვლად, მან განმარტა, გუნდებს შეუძლიათ მიუთითონ კრიპტოგრაფიულ ჩანაწერზე, თუ რა მონაცემები იყო ხელმისაწვდომი და ავტორიზებული. როდესაც მონაცემები ინახება შიგთავსიდან მიღებული იდენტიფიკატორებით, ყოველი მოდიფიკაცია წარმოქმნის ახალ, მიკვლევად ვერსიას — რაც დამოუკიდებელ მხარეებს საშუალებას აძლევს დაადასტურონ, თუ რა შეყვანები იქნა გამოყენებული და როგორ იქნა დამუშავებული. ეს განსხვავება გადამწყვეტია. გადამოწმებადობა არ არის სრულყოფილი შედეგების დაპირება. ეს არის მონაცემთა სასიცოცხლო ციკლის — როგორ ინახებოდა, ხდებოდა მასზე წვდომა და მოდიფიცირება — გამჭვირვალე და აუდიტუნარიანი გახდომა. და რადგან ხელოვნური ინტელექტის სისტემები გადადის რეგულირებულ ან მაღალი რისკის გარემოში, ეს გამჭვირვალობა სულ უფრო მნიშვნელოვანი ხდება. რატომ არსებობს @WalrusProtocol. იმიტომ, რომ ბიზნესებს, რომლებსაც სჭირდებათ პროგრამირებადი საცავი გადამოწმებადი მონაცემთა მთლიანობითა და გარანტირებული ხელმისაწვდომობით, არსად ჰქონდათ წასასვლელი. ჩვენ ავაშენეთ ის და ისინი აგრძელებენ გამოჩენას. ასე მარტივად!! "ფინანსები გადაუდებელი გამოყენების შემთხვევაა," თქვა სიმონდსმა, სადაც "მონაცემთა მცირე შეცდომებმა" შეიძლება გამოიწვიოს