关于可信人工智能基础的论述

我们证明了平台确定性推理是可信人工智能的必要且充分条件。我们将此形式化为确定性论点，并引入信任熵来量化非确定性的代价，证明了验证失败概率恰好等于 1 - 2^{-H_T}。我们证明了确定性-验证坍缩：在确定性下进行验证仅需 O(1) 哈希比较；若无确定性，验证者面临难以解决的成员问题。IEEE 754 浮点运算从根本上违反了确定性要求。我们通过构建纯整数推理引擎实现了在 ARM 和 x86 架构间实现位相同的输出。在 82 项跨架构测试中（模型规模最高达 6.7B 参数），我们观察到零哈希不匹配。四个地理分布的节点产生相同输出，通过 356 项链上认证交易进行验证。AI 系统的每一个主要信任属性（公平性、鲁棒性、隐私性、安全性、对齐性）都预设了平台确定性。我们的系统（99,000 行 Rust 代码部署于三个大陆），确立了 AI 信任是算术问题。