JSTprove：开创面向无信任未来的可验证人工智能

将机器学习系统集成到医疗、金融和网络安全等关键行业已改变了决策过程，但也带来了围绕信任、安全性和问责制的新挑战。随着人工智能系统变得日益普及，确保人工智能驱动决策的透明度和正确性至关重要，尤其是当这些决策对隐私、安全或公平性产生直接影响时。由零知识机器学习驱动的可验证人工智能为这些挑战提供了稳健的解决方案。零知识机器学习能够在无需暴露敏感数据的情况下验证人工智能模型推理，从而提供必要的信任和隐私层。然而，传统的零知识机器学习系统通常需要深厚的密码学专业知识，这使得大多数机器学习工程师难以企及。在本文中，我们介绍了JSTprove，这是一个基于Polyhedra Network的Expander后端构建的专业零知识机器学习工具包，旨在使人工智能开发者和机器学习工程师能够生成和验证人工智能推理的证明。JSTprove提供了一个端到端的可验证人工智能推理流水线，通过简单的命令行界面隐藏了密码学复杂性，同时公开了可审计的工件以实现可重复性。我们介绍了JSTprove的设计、创新和实际用例，以及我们的蓝图和工具，以鼓励社区审查和扩展。因此，JSTprove既可作为满足当前工程需求的可用的零知识机器学习产品，也可作为未来可验证人工智能研究和生产部署的可重复基础。