SAKSHI：去中心化AI平台
密码学与安全
2023-08-01 v1
摘要
大型AI模型（如Dall-E、GPT4）凭借其超人能力点燃了科学、技术与社会图景。这些服务主要以传统web2.0形式提供（如OpenAI的GPT4服务）。随着更多大型AI模型涌现（针对多种领域进行个性化与专门化），极度需要一个中性的无信任平台，以允许托管AI模型、客户端高效接收AI服务，且以无信任、激励兼容、抗拜占庭行为的方式进行。本文提出SAKSHI，一种专为AI服务定制的无信任去中心化平台。SAKSHI的关键设计原则是将数据路径（管理AI查询与服务）、控制路径（管理路由器及计算与存储主机）与交易路径（在区块链上管理服务计量与计费）分离。这种分离由“推理证明”层实现，该层针对多种不当行为提供密码学抵抗，包括劣质AI服务、服务拒付、AI模型拷贝。这是多所大学（普林斯顿大学、伊利诺伊大学厄巴纳-香槟分校、清华大学、香港科技大学）与两家初创公司（Witness Chain与Eigen Layer）的联合工作。
引用
@article{arxiv.2307.16562,
title = {SAKSHI: Decentralized AI Platforms},
author = {Suma Bhat and Canhui Chen and Zerui Cheng and Zhixuan Fang and Ashwin Hebbar and Sreeram Kannan and Ranvir Rana and Peiyao Sheng and Himanshu Tyagi and Pramod Viswanath and Xuechao Wang},
journal= {arXiv preprint arXiv:2307.16562},
year = {2023}
}
备注
23 pages, 9 figures