زمانی که از رمزنگاری با دانش صفر (zero-knowledge cryptography) در سال 2024 صحبت میشود، اغلب به یک مورد کاربردی با تمرکز بر حفظ حریم خصوصی اشاره میشود که بر مبنای ترکیبی از فناوری بلاکچین، ارزهای دیجیتال، کیف پولهای دیجیتال و کاربرانی با دانش مختصری از وب3 استوار است.
اثباتهای با دانش صفر از دهه 1980 وجود داشتهاند، مدتها پیش از ظهور وب3. پس چرا باید از پتانسیل آنها فقط در برنامههای بلاکچین استفاده کرد؟ شرکتهای سنتی میتوانند و باید فناوری ZK را بدون پذیرش کامل زیرساخت وب3 به کار بگیرند.
در سطح ابتدایی، ZKPها توانایی اثبات چیزی را فراهم میکنند بدون اینکه دادههای زیربنایی آن بیانیه فاش شود. به طور ایدهآل، یک اثباتگر (prover) اثبات را ایجاد میکند، یک تأیید کننده (verifier) آن را تأیید میکند و این دو طرف به طور کامل از یکدیگر جدا هستند تا از انصاف اطمینان حاصل شود. واقعاً به همین سادگی است. هیچ دلیلی برای اینکه این مفهوم به یادگیری وب3 محدود باشد وجود ندارد.
بیشتر سازمانهایی که میتوانند از فناوری ZK بهرهمند شوند، از بلاکچینها استفاده نمیکنند یا حتی از وب3 آگاه نیستند. این صنعت هنوز جوان است و بسیاری از افراد فقط اکنون با بیتکوین (BTC) و اتریوم (ETH) آشنا میشوند، چه برسد به لایه 2 و 3.
با وجود همه اینها، ZKPها میتوانند در انواع مختلف موارد واقعی به کار بروند و نیازی به یکپارچهسازی کامل با زیرساختهای وب3 ندارند.
آیا به پرداخت دستگاه اسلات خود اعتماد دارید؟
با اثباتهای با دانش صفر، نیازی به اعتماد به یک اپراتور بازی ندارید. میتوانید از بازی لذت ببرید و با اطمینان بدانید که بازی به طور منصفانه طراحی شده است. هر دستگاه قمار دیجیتال در دنیا باید با ZKPها طراحی شود؛ این برای اپراتورها و بازیکنان منطقی است. بهترین قسمت این است که بازیکنان میتوانند از مزایا بهرهمند شوند بدون اینکه به واژههای “وب3” یا “کریپتو” فکر کنند.
به تازگی،DraftKings و White Hat Gaming به مبلغ 22،500 دلار توسط ایالت کانکتیکات به خاطر بازی دستگاه اسلات آنلاین خود که در اوت 2023 هیچ برندهای پرداخت نکرد، جریمه شدند؛ با وجود آنکه بیش از 20،600 چرخش در آن هفته انجام شد. این بازی تبلیغ کرده بود که تقریباً 95 سنت برای هر 1 دلار شرطبندی پرداخت خواهد شد، بنابراین الگوریتم باید 19,570 دلار به بازیکنانی که 20،600 دلار شرط بندی کردند، برگرداند. در عوض، بازیکنان 20،600 دلار از دست دادند – که تمام آن به DraftKings رفت.
در اینجا، اثباتهای با دانش صفر میتوانند تفاوت بزرگی ایجاد کنند. یک ZKP میتواند اثبات کند که یک بازی مقدار مشخصی پول را در یک بازه زمانی داده و با نرخ برخورد خاصی بدون افشای چرخشهای منفرد یا هویت بازیکنان، پرداخت کرده است.
این عالی است، اما هنوز هم مشکل تأیید اثبات وجود دارد. کسی باید اطمینان حاصل کند که DraftKings یا هر اپراتور بازی دیگری، اثباتها را به درستی بر اساس تمام دادههای مورد نیاز ساخته است. ممکن است خود DraftKings این کار را انجام دهد، اما ما نمیتوانیم به آنها برای انجام تأیید اعتماد کنیم. یک تنظیمکننده یا حسابرس میتواند این کار را انجام دهد، اما این احتمالاً برای DraftKings هزینه زیادی خواهد داشت که به مشتری منتقل خواهد شد.
در این موقعیت، بهترین گزینه شبکهای عمومی و غیرمتمرکز است که به طور خاص برای تأیید اثباتها به شکلی سریع و مقرون به صرفه ساخته شده است. به جای اینکه از کاربر خواسته شود به یک نهاد متمرکز اعتماد کند، آنها میتوانند به یک پروتکل غیرمتمرکز اعتماد کنند که اطمینان حاصل میکند بازیگران نادرست (یعنی افرادی که ممکن است سعی کنند یک اثبات نادرست را تأیید کنند) در صورت بدرفتاری مجازات شوند.
خروجی هوش مصنوعی و قابل اعتماد بودن آن
پتانسیل هوش مصنوعی
فریبکاری بهخوبی شناخته شده است. با این حال، راههایی وجود دارد که میتوانیم خلاقیت هوش مصنوعی را استفاده کنیم در حالی که هنوز به خروجی آن اعتماد داریم. با گسترش هوش مصنوعی در هر جنبهای از زندگیمان، این موضوع روزبهروز مهمتر میشود که بدانیم مدلهایی که هوشهای مصنوعی را تربیت میکنند، مشروع هستند؛ زیرا اگر اینطور نباشد، ممکن است به طور واقعی تاریخ را تغییر دهیم و حتی متوجه نشویم. با ZKML یا یادگیری ماشین صفردانشی، از این خطرات بالقوه اجتناب میکنیم و مزایا میتوانند همچنان توسط پروژههای وب۲ که هیچ علاقهای به رفتن به زنجیره ندارند، استفاده شوند.
بهتازگی، دانشگاه کالیفرنیای جنوبی با بنیاد شواه همکاری کرده است تا چیزی به نام IWitness ایجاد کند، جایی که کاربران میتوانند بهطور مستقیم با هولوگرامهای بازماندگان هولوکاست صحبت یا تایپ کنند.
این یک استفاده بسیار قدرتمند از یادگیری ماشین است. ارتباط با یک هولوگرام از بازمانده هولوکاست و احساس اینکه در حال داشتن یک مکالمه واقعی هستید، بسیار جالب و متاثرکننده است. اما با موضوعی این حساس، ضروریتر است که الگوریتمی که هولوگرام را پشتیبانی میکند، اطلاعاتی واقعی تولید کند.
اینجاست که شواهد صفردانشی وارد عمل میشود. اگر بخواهیم این پروژه را دوباره تصور کنیم، شاید بیفزاییم “شواهد خروجی الگوریتم” را که در آن کاربر میتواند شواهدی را ببیند که پاسخهایی که میبیند، بر اساس الگوریتم پردازش زبان طبیعی است که بهدرستی بر روی مجموعههای تاریخی و مصاحبههای انجامشده با بازماندگان هولوکاست آموزش دیده است، و اطمینان حاصل کند که اطلاعات ارائهشده دقیق است.
شواهد صفردانشی امکان دریافت شواهدی از این دادههای ورودی و آموزش هوش مصنوعی را بدون افشای اطلاعات زیرین فراهم میآورد. برای راستیآزمایی اطلاعات هولوکاست نیز نیاز به بررسی حجم زیادی از دادهها وجود دارد که ممکن است نیاز باشد کاربر نهایی دادهها را دانلود کند یا به مجموعههای بزرگی از دادهها دسترسی پیدا کند و سپس ساعات بسیاری را صرف مطالعه یا مشاهده مصاحبهها کند. شواهد صفردانشی اجازه میدهند کاربر از این فرآیند وقتگیر و نیازمند منابع پرهزینه چشمپوشی کند.
در این حالت، ممکن است به USC اعتماد کنیم تا برای این پروژه خاص، شواهد را تأیید کند؛ اما قطعاً موارد بیشتری با هوش مصنوعی وجود دارد که کاربر نهایی ممکن است نخواهد به یک نهاد متمرکز اعتماد کند تا هم شواهد را بسازد و هم تأیید کند. وقتی انگیزهها برای ساخت شواهد “جعلی” و تأیید آنها همراستا میشوند، تأیید شواهد غیرمتمرکز منطقیترین راهحل است.
ZK یک سیستم بدون اعتماد و غیرمتمرکز برای همه است
ما نیازی به اعتماد به شرکتها یا روباتها برای گفتن حقیقت نداریم، زیرا ZK وجود دارد. بسیاری از صنایع میتوانند با راهحلهای بلاکچین صفردانشی به سطح بالاتری برسند، حتی اگر هیچ اطلاعاتی درباره فضای وب۳ نداشته باشند.
با استفاده از تأیید شواهد ZK، شرکتها و مؤسسات اساساً میتوانند به انجام همه کاری که از لحاظ زیرساخت انجام میدادند، ادامه دهند. آنها فقط نیاز دارند یک سیستم ساده برای ایجاد شواهد بسازند و سپس از یک سیستم غیرمتمرکز مانند zkVerify برای مدیریت تأیید شواهد استفاده کنند. حتی با وجود استفاده از بلاکچین، کاربران نیازی به نگرانی درباره آن ندارند.
آینده ZK بسیار بزرگ خواهد بود و سازمانها نیازی به تغییر زیاد برای بهرهبرداری از مزایا ندارند. آنها فقط میتوانند بهراحتی متصل شوند و کار کنند.