آربٹرم نے AI ماڈلز میں پوشیدہ خطرے کو نمایاں کیا:...

آربٹرم ایک نئے AI انفرنس کی تصدیق کے طریقہ کار پر تحقیق کر رہا ہے جو پروف جنریشن کے وقت کو 15 منٹ سے کم کر کے ملی سیکنڈ تک کر دیتا ہے۔

Offchain Labs کے ایک مقالے میں ہر آپریشن کو دوبارہ عمل میں لائے بغیر، اندرونی راستوں کے بے ترتیب نمونوں کے ذریعے AI ماڈل کے نتائج کی تصدیق کرنے کی تجویز پیش کی گئی ہے۔

پروٹوکول AI APIs میں ماڈل کے متبادل کا پتہ لگانے کے لیے آربٹرم ون جیسی ہی تنازعات کے حل کی منطق کا استعمال کرتا ہے۔

مصنوعی ذہانت کے ایجنٹوں کی معیشت کو ایک مسئلہ درپیش ہے جسے اب تک کسی نے بھی اتنی رفتار کے ساتھ حل نہیں کیا تھا کہ پیداوار میں کارآمد ہو: اس بات کی تصدیق کرنا کہ اے آئی ماڈل جس کے چلانے کا دعویٰ کرتا ہے وہ دراصل عمل میں لایا جا رہا ہے۔

مارچ 2026 میں Offchain Labs کے ذریعے شائع ہونے والا ایک مقالہ، جس کا عنوان تھا *Towards Verifiable AI with Lightweight Cryptographic Proofs of Inference*، ایک ایسا حل تجویز کرتا ہے جو پروف جنریشن کے وقت کو تقریباً 15 منٹ سے کم کر کے ملی سیکنڈ تک لے جاتا ہے، اور سسٹم کے پیچھے منطق Arbitrumecos کے لیے غیر ملکی نہیں ہے۔

ایک ٹرسٹ گیپ دی مارکیٹ کو نارملائز کیا گیا۔

فی ٹوکن قیمتوں کا ماڈل دھوکہ دہی کے لیے ایک ٹھوس اقتصادی ترغیب دیتا ہے۔ 7-بلین پیرامیٹر ماڈل کی خدمت کرنا 70-بلین پیرامیٹر والے ماڈل کو پیش کرنے سے سستا ہے، اور کوانٹائزڈ انفرنس کو چلانے کی لاگت پوری درستگی سے کم ہے۔ اگر کوئی فراہم کنندہ بڑے ماڈل کی فیس چارج کرتے ہوئے سوالات کے کچھ حصے کو چھوٹے ماڈل پر بھیج سکتا ہے، تو فائدہ حجم کے ساتھ پیمانہ ہوتا ہے۔ اسٹینفورڈ کے محققین نے دستاویز کیا کہ GPT-3.5 اور GPT-4 کا رویہ اسی تشخیصی کاموں میں مارچ اور جون 2023 کے درمیان قابل پیمائش طریقوں سے تبدیل ہوا۔ موجودہ API معاہدہ اس فرق کا پتہ لگانے کے لیے کوئی طریقہ کار پیش نہیں کرتا ہے۔

موجودہ کرپٹوگرافک ثبوت، اسی قسم کے جو zk-rollups کے ذریعے استعمال کیے جاتے ہیں، یہ ظاہر کر سکتے ہیں کہ ایک سرور نے کلائنٹ کو اسے دہرائے بغیر حساب کو درست طریقے سے انجام دیا ہے۔ مسئلہ رفتار کا ہے۔ zkLLM جیسی اسکیمیں تقریباً 15 منٹ میں 13-بلین پیرامیٹر ماڈل کے لیے ایک تخمینہ ثبوت تیار کرتی ہیں، جو APIs کے ساتھ مطابقت نہیں رکھتی ہے جس کا جواب ایک سیکنڈ سے کم وقت میں دینا چاہیے۔

وہی طریقہ کار جو آربٹرم ون کی حفاظت کرتا ہے۔

Offchain لیبز کی تجویز مکمل ثبوت کو ترک کرتی ہے اور نمونے لینے کو اپناتی ہے۔ سرور ماڈل کے وزن کے ڈیجیٹل فنگر پرنٹ اور مخصوص استفسار کے دوران پیدا ہونے والی اندرونی اقدار کے لیے پیشگی عہد کرتا ہے۔ اس کے بعد کلائنٹ نیٹ ورک کے آؤٹ پٹ کی طرف ایک بے ترتیب راستہ منتخب کرتا ہے اور سرور سے کہتا ہے کہ وہ صرف اس راستے پر موجود اقدار کو ظاہر کرے۔ اگر سرور ایک مختلف ماڈل چلاتا ہے، تو اقدار متضاد ہوں گی اور تصدیق ناکام ہو جائے گی۔ پتہ لگانے کا امکان ہر بار بار پوچھے جانے والے استفسار کے ساتھ جمع ہو جاتا ہے، جو نظام کو عقلی مخالفوں کے لیے ایک مؤثر روک میں بدل دیتا ہے۔

Arbitrum سے تعلق کاغذ میں واضح ہے۔ پرامید رول اپ اسی وجدان پر کام کرتے ہیں: ہر مشین پر لمبے حساب کے ہر قدم کو دوبارہ عمل میں لانا مہنگا ہے، جب کہ متنازعہ قدم کا نمونہ لینا سستا ہے۔ مجوزہ پروٹوکول اس منطق کو نیورل نیٹ ورک کی اقدار تک پھیلاتا ہے، ایک بائسیکشن طریقہ کار کا استعمال کرتے ہوئے جو دو سرورز کے درمیان اختلاف کو راؤنڈ کی لاگرتھمک تعداد میں کم کرتا ہے، وہی تنازعات کے حل کا ڈھانچہ جو Arbitrum One کی حفاظت کرتا ہے۔

ریگولیٹڈ صنعتوں، ماڈل گورننس ٹیموں، اور خود مختار ایجنٹوں کی ابھرتی ہوئی مارکیٹ کے لیے، شفافیت کے دعوے اور قابل تصدیق دعوے کے درمیان فرق کے براہ راست نتائج برآمد ہونے لگے ہیں۔ پروٹوکول کے لیے ڈویلپرز کو اپنے موجودہ اسٹیکس میں ترمیم کرنے کی ضرورت نہیں ہے۔ اس کے لیے صرف اس بات کی ضرورت ہوتی ہے کہ سسٹم میں کوئی فرد، چاہے فراہم کنندہ، آڈیٹر، یا پلیٹ فارم، ایک قابل تصدیق بیان پیش کرے۔