هذا الاختراق في الذكاء الاصطناعي يتيح لك التحقق من تعلم الآلة دون الكشف عن النموذج - تعرف على لاغرانج

@lagrangedev أصبح القائد في استغلال إثباتات المعرفة الصفريّة (ZKPs) لجلب الأمان والخصوصية والمسؤولية إلى الذكاء الاصطناعي الحديث. في قلب عرضه يوجد DeepProve، أسرع نظام تعلم آلي يعتمد على المعرفة الصفريّة (zkML) المتاح، المصمم للتحقق تشفيرياً من استنتاجات الذكاء الاصطناعي دون الكشف أبداً عن تفاصيل النموذج أو بيانات المستخدم الحساسة.

تستخدم DeepProve بنية موزعة تُعرف بشبكة Lagrange Prover (LPN)، والتي تمكن من توليد إثباتات قابلة للتوسع، بالتوازي عبر سحابة موزعة من العقد الخاصة بالإثبات. وهذا يسمح بتقسيم استنتاجات الذكاء الاصطناعي الكبيرة إلى أجزاء، وإثباتها بشكل مستقل على أجهزة محسّنة (مثل وحدات معالجة الرسوميات أو الدوائر المتكاملة الخاصة )، ثم تجميعها في إثبات مضغوط للمستخدم النهائي. النتيجة: إنتاجية عالية، زمن استجابة منخفض، و zkML بتكلفة فعالة.

أحد القوى الرئيسية لـ LPN هو آلية تخصيص الموارد من خلال المزاد المزدوج (DARA) - مزاد قائم على حقيبة الظهر يطابق مقدمي الطلبات على الإثبات ومشغلي الإثبات من خلال تقديم عطاءات صادقة. يدفع العملاء أسعار عتبة عادلة بينما يتلقى مقدمو الإثبات تعويضات تنافسية، مما يخلق سوق إثبات مستدامة ولامركزية وغير استغلالية.

تقوم Lagrange بتوسيع نطاق DeepProve من خلال تعاونات استراتيجية تدفع حدود الذكاء الاصطناعي القابل للتحقق. في يونيو 2025، انضمت إلى برنامج Intel’s Liftoff for Startups، مما أتاح لها الوصول إلى سحابة Tiber AI من Intel ودعم تحسينات على مستوى السيليكون—مسرعةً عملية توليد الإثبات في الوقت الحقيقي وبمستوى مؤسساتي. قبل ذلك، أصبحت Lagrange أول شركة ذكاء اصطناعي-تشفير في برنامج NVIDIA's Inception، مستفيدةً من نظام NVIDIA البيئي لتمكين اعتماد zkML على نطاق واسع في مجالات مثل الرعاية الصحية والدفاع والأنظمة المستقلة.

علاوة على ذلك، فإن الشراكة الاستراتيجية مع Inference Labs تقوم بتضمين DeepProve في سير العمل للذكاء الاصطناعي اللامركزي - لا سيما في البيئات القائمة على السلسلة و Web3 - لإنشاء تحقق صارم قائم على التشفير لسلوك الذكاء الاصطناعي دون تسريب النماذج أو المدخلات.

أداء DeepProve متميز: تشير المقاييس إلى أن سرعات توليد الإثبات تصل إلى 158× أسرع، والتحقق يصل إلى 671× أسرع من الحلول السابقة لـ zkML—مما يجعل zkML عملياً لأنظمة الذكاء الاصطناعي ذات التأثير العالي في العالم الحقيقي.

مع DeepProve، يمكن للمستخدمين والمطورين إثبات جانبين أساسيين من استنتاج الذكاء الاصطناعي: أن النموذج الصحيح قد تم استخدامه، وأن الناتج أصلي، كل ذلك مع الحفاظ على خصوصية البيانات وسرية النموذج.

رؤية لاجرانج متجذرة في القناعة بأن القابلية للتحقق يجب أن تصبح طبقة الثقة في الذكاء الاصطناعي - بنفس الطريقة التي تؤمن بها HTTPS الويب، يجب أن تؤمن إثباتات المعرفة الصفرية الذكاء الاصطناعي. ديب بروف تتحول بسرعة تلك الرؤية إلى واقع.

باختصار، يقف لاغرانج في طليعة الذكاء الاصطناعي القابل للتحقق، مقدماً DeepProve كنظام zkML عالي الأداء وقابل للتوسع، مدعوماً بالبنية التحتية اللامركزية وديناميكيات السوق العادلة. إنه يسمح للذكاء الاصطناعي بالعمل ليس كصناديق "سوداء" غير شفافة، بل كنظم شفافة يمكن الوثوق بها رياضياً—مع الحفاظ على نماذج الذكاء الاصطناعي والبيانات خاصة تماماً. $LA #لاجرانج