区块链互操作性基础设施polyhedra在经历币价波动及与zksync争夺$zk代号失利后，近期宣布推出名为expchain的全新项目，定位为“为ai构建的万物链”。该项目提出了智能证明（proof of intelligence, poi）概念，旨在为人工智能模型打造一条不可篡改且可信赖的区块链。polyhedra能否通过结合零知识证明（zk）与人工智能技术实现成功转型，值得市场关注。
Polyhedra推出EXPchain：为AI构建的万物链
传统AI监管面临数据隐私难题，zkML成为新解方
官方将EXPchain定义为专为可扩展、可验证且注重隐私的人工智能应用设计的区块链协议。作为“为AI构建的万物链”，EXPchain整合了零知识机器学习（zkML）和全新的智能证明（Proof of Intelligence, PoI）框架。其核心创新包括高效的零知识证明系统Expander，以及将zkML融入传统AI工作流程且对开发者友好的zkPyTorch工具包。
人工智能在各产业中扮演着日益关键的角色，从面部识别解锁手机到AI驱动的贷款申请与医疗诊断，这些技术既带来巨大潜力，也伴随挑战。例如，如何确保AI系统公平、准确且安全地运行？如何在不牺牲透明性和问责制的情况下保护敏感数据？
此外，各国政府正着手监管AI，如欧盟的《AI法案》和美国国家标准与技术研究院（NIST）的AI风险管理框架。传统方法的痛点在于需要披露专用模型或敏感数据，从而在安全性、隐私和信任之间产生取舍。
零知识机器学习（zkML）提供了一种不同于传统的解决方案。零知识证明的特性能够在保护数据与模型隐私的同时，实现对AI系统的数学验证。Polyhedra推出的基于zkML技术的互操作协议EXPchain，不仅兼顾了AI行为与合规规范，还实现了可扩展且安全的验证。
技术债务日益扩大，AI交易过程上链有助于问责
一项研究显示，2022年美国软件技术债务（指开发软件时为快速推出或满足短期需求而做出的折衷方案，长期来看通常会增加系统维护成本）已增长至2.41万亿美元。另外，全球四大专业咨询机构之一普华永道（PwC）的研究也指出，到2030年，AI预计将为全球经济贡献高达15.7万亿美元。
随着AI规模的扩大，可能会加剧技术债务的扩张。对此，商业专栏Raconteur曾撰文质疑公司是否准备好承受人工智能失败的代价？AI的故障包括不正确的输出、数据泄露和网络攻击。除了经济损失外，这些错误也常对个人造成伤害。
例如，不正确的数据输出可能导致机器判断错误或产生有偏见的决策。因此，从数据输入到模型输出，确保人工智能驱动交易的每个要素都是可验证和可问责的至关重要。这正是在释放人工智能全部潜力的同时应对这些风险的关键，也是EXPchain这一AI实时验证区块链的用武之地。
三大技术创新：Polyhedra能否解决zk证明生成器难题？
技术创新主要包含Expander、ExPoS及zkPyTorch。
Polyhedra：Expander是目前全球最快的zk证明器
Polyhedra提供的性能数据包括：
在单线程CPU上处理VGG-16图像仅需2.2秒
在单线程CPU上处理Llama-3.1 8B每个token需150秒
性能比以往数据快四个数量级
这些进展大幅降低了AI验证的成本与延迟，支持从隐私推理到模型审核等多种应用。Expander也符合Vitalik Buterin提出的zk终局愿景。
Layer 2主要分为主流Optimistic Rollup及zkRollup。对于大多数zkRollup公链而言，ZKP证明生成是主要瓶颈，公司必须部署具有TB级存储的强大机器来处理ZKP中的大量交易。此前，Polyhedra的技术长Tiancheng Xie及首席科学家Jiaheng Zhang团队共同提出的论文中，探讨了使用完全去中心化ZKP的新方案以提高zk技术的可扩展性。
ExPoS：扩展的权益证明
ExPoS是一种针对EXPchain中的zkML技术开发的权益证明机制，在验证AI应用程序行为和合规性的同时，不泄露专用模型数据。简单来说，就是利用Polyhedra旗下的zkBridge技术，将所有区块链上的权益机制统一并连接成一个有凝聚力的质押网络。
zkPyTorch：开发者友好的工具箱
zkPyTorch自动将PyTorch操作转换为zk电路，缩小了传统AI开发工作流程和零知识机器学习（zkML）之间的差距。这种整合允许开发人员使用熟悉的工具，同时显著减少部署支持zk的AI应用程序的时间和复杂性。
zkML可在隐私前提下完成LLM验证
EXPchain的核心在于零知识机器学习（zkML）。zkML支持对AI模型进行加密验证，在整个机器学习生命周期中实现安全性及准确性，包括：
可验证推理：在不暴露模型或数据的情况下证明AI输出。
模型审核：根据测试集验证效能的公平性和合规性。
训练验证：确保遵守协议而不泄露敏感输入。
zkML的具体应用包括：
为大型语言模型（LLMs）添加数字水印。数字水印是在LLM生成的文本中嵌入微小且不易察觉的特征，用于识别该文本是否由特定模型生成，以防止伪造内容及内容滥用。
确保模型合规性，例如金融机构中的合规性验证。
在注重隐私的产业中实现安全的多方计算。
目前，EXPchain的zkML数字水印已可用于验证Llama-3.1 8B等大型语言模型。
Polyhedra首席密码学家背景深厚，推动PoI智能证明链
EXPchain可被视为Proof of Intelligence（PoI）智能证明，为人工智能模型创建了一条不可篡改、可信赖的区块链，验证其来源、真实性和道德合规性。该框架保护智能财产权并确保透明的问责制，以加密方式将每个人工智能模型的来源和效能与可验证的链上记录联系起来，为AI驱动的生态系统提供前所未有的透明度。
谈及这一切的幕后推手，不得不提Polyhedra的首席密码学家Zhenfei Zhang。他曾在Algorand、Espresso、Ethereum Foundation和Scroll等行业龙头任职，在密码学界享有相当知名度。其著作《ZEN：用于可验证的零知识神经网络推理的优化编译器》即探讨了可验证的机器学习。
以上就是对Polyhedra推出EXPchain项目的介绍。更多关于AI未来发展的内容，请持续关注本站后续更新。希望本文能为您提供有价值的参考。
