inference-labs-inc/subnet-2

해결하는 문제

Subnet 2는 AI 모델의 예측이 실제로 특정한 의도된 모델에 의해 생성되었는지 확인하는 문제를 해결합니다. 가짜 또는 변조된 예측을 방지하기 위해 암호학적 검증을 사용하는 '추론 증명(Proof-of-Inference)' 시스템을 구축합니다.

작동 방식

이 프로젝트는 제로지식 기계학습(zk-ML)을 사용하여 AI 모델을 고유한 암호학적 '지문' 또는 회로로 변환합니다.

• 마이너: 입력 데이터를 수신하고, 검증 가능한 모델을 사용해 예측을 생성한 후 결과와 함께 제로지식 증명을 반환합니다.
• 검증자: 요청을 배포하고, 제로지식 증명의 정당성을 검증하여 마이너가 충실하게 행동했는지 확인합니다.
• 인센티브: 암호학적 무결성과 증명 생성에 소요된 시간에 기반하여 보상이 결정되며, 효율적이고 간결한 모델 및 증명 시스템 개발을 장려합니다.

대상 사용자

• 컴퓨팅 제공자(마이너): CPU/GPU 리소스를 보유하고 검증된 AI 추론을 제공하여 보상을 받고자 하는 개인 또는 조직.
• 네트워크 검증자: AI 예측의 정당성을 검증함으로써 Bittensor 네트워크의 무결성을 유지하고자 하는 사용자.
• AI 개발자: 제로지식 증명 시스템용 회로화가 가능한 모델을 개발하고자 하는 사람.

주요 특징

• 추론 증명: zk-ML을 사용하여 AI 예측의 출처와 무결성을 암호학적으로 검증.
• 고성능: HTTP 및 QUIC를 사용한 네이티브 Rust 바이너리로 구축.
• 하드웨어 친화적: GPU 최적화 증명이 목표이지만, 현재 zk-증명의 CPU 중심 특성으로 인해 GPU가 없는 마이너도 참여 가능.
• 자동 업데이트: 5분마다 바이너리를 자동으로 업데이트하는 기능을 내장.