Polyhedra推出EXPchain：零知识机器学习如何为AI打造可信区块链

区块链互操作基础设施项目Polyhedra，在经历了市场行情波动及与zkSync争夺“$ZK”代币命名标识失利后，近期正式发布了名为EXPchain的全新项目。官方将其定位为“专为人工智能构建的万物链”，并提出了智能证明（Proof of Intelligence，简称PoI）概念。简单来说，该项目试图利用零知识证明（zk）技术，为AI模型打造一条不可篡改且值得信赖的区块链记录。对于Polyhedra能否借由结合零知识证明与人工智能实现转型，目前仍需等待市场检验。

Polyhedra推出EXPchain：专为AI设计的万物链

传统AI监管面临数据隐私难题，zkML成为新解方

根据官方介绍，EXPchain被定义为一个专注于可扩展、可验证且注重隐私的人工智能应用的区块链协议。作为“为AI构建的万物链”，它整合了零知识机器学习（zkML）和全新的智能证明（Proof of Intelligence, PoI）框架。其核心创新点包括高效的零知识证明系统Expander，以及将zkML融入传统AI开发流程的zkPyTorch工具包——这套工具对开发者来说相对友好。

人工智能在我们日常生活中扮演的角色越来越重要，从人脸识别解锁手机，到AI辅助贷款审批和医疗影像诊断。这些技术既带来了巨大的便利，也伴随着不可忽视的挑战。比如，如何确保AI系统在决策时是公平、准确且安全的？如何在不牺牲透明度和可问责性的前提下，保护好用户的敏感数据？

与此同时，各国政府也开始着手对AI进行监管。例如欧盟的《AI法案》和美国的NIST AI风险管理框架。传统方法在验证AI合规时，往往需要披露专用模型或敏感数据，这就在安全性、隐私和信任之间造成了难以兼顾的取舍。

零知识机器学习（zkML）正是提供了一条与传统路径不同的解决方案。它利用了零知识证明的特性，能够在保护数据与模型隐私的同时，实现对AI系统的数学验证。Polyhedra推出的EXPchain正是基于zkML技术的互操作协议，不仅尝试兼顾AI行为合规与规范，还力求实现可扩展且安全的验证。

技术债务逐年扩大，AI交易过程上链有助于问责

有研究数据显示，2022年美国的软件技术债务——也就是开发人员为快速发布或满足短期需求所做的折中方案，长期会推高系统维护成本——已增长至约2.41万亿美元。此外，普华永道（PwC）的研究预测，到2030年，AI预计将为全球经济贡献高达15.7万亿美元。

随着AI应用规模不断扩张，技术债务也可能随之加剧。商业专栏Raconteur曾发表文章质疑，企业是否已经准备好承受AI失败带来的后果？AI的故障可能表现为错误的输出、数据泄露，甚至网络攻击。除了直接的经济损失，这些错误也常常对个人造成伤害。

举例来说，不正确的数据输出可能导致机器做出误判，或产生带有偏见的决策。因此，从数据输入到模型输出的每一个环节，确保AI驱动交易的要素都可验证、可问责，变得至关重要。这正是EXPchain这类AI实时验证区块链试图解决的核心问题，也是应对风险、释放AI潜力的关键所在。

三大技术创新：Polyhedra能否解决zk证明生成器瓶颈？

该项目的技术创新主要集中在三个方向：Expander、ExPoS以及zkPyTorch。

Polyhedra声称Expander是目前全球最快的zk证明器

Polyhedra公布的性能数据如下：

• 在单线程CPU上处理VGG-16图像，耗时仅需2.2秒

• 在单线程CPU上处理Llama-3.1 8B每个token，耗时约150秒

• 整体性能比以往数据快了约四个数量级

这些进展大幅降低了AI验证环节的成本与延迟，支持从隐私推理到模型审核等多种应用场景。Expander的设计思路也符合Vitalik Buterin提出的zk终局愿景。

当前Layer 2主流方案分为Optimistic Rollup和zkRollup。对于大多数zkRollup公链而言，ZKP证明生成是主要瓶颈，公司通常需要部署拥有TB级存储的强大机器来处理大量交易。此前，Polyhedra的技术长Tiancheng Xie与首席科学家Jiaheng Zhang团队发表的论文中，探讨了使用完全去中心化ZKP的新方案，试图提高zk技术的可扩展性。

ExPoS：扩展的权益证明机制

ExPoS是一种专为EXPchain中zkML技术开发的权益证明机制。它的设计目标是在验证AI应用程序行为和合规性的同时，不泄露专用模型数据。通俗地说，就是利用Polyhedra旗下的zkBridge技术，将所有区块链上的权益机制统一并连接成一个有凝聚力的质押网络。

zkPyTorch：面向开发者的友好工具箱

zkPyTorch可以自动将PyTorch操作转换为zk电路，从而缩小传统AI开发工作流和零知识机器学习（zkML）之间的差距。这种整合思路允许开发人员继续使用自己熟悉的工具，同时显著减少部署支持zk的AI应用所需的时间和复杂度。

zkML可在保护隐私的前提下完成LLM验证

EXPchain的核心技术是零知识机器学习（zkML）。zkML支持对AI模型进行加密验证，在整个机器学习生命周期中保障安全性和准确性，具体包括：

• 可验证推理：在不暴露模型或数据的情况下证明AI输出结果。

• 模型审核：根据测试集验证模型的公平性和合规性。

• 训练验证：确保训练协议被遵守，同时不泄露敏感输入数据。

zkML的一些具体应用方向包括：

• 为大型语言模型（LLMs）添加数字水印。这种水印会在LLM生成的文本中嵌入微小且不易察觉的特征，用于追踪文本是否由特定模型生成，以防止伪造内容和内容滥用。

• 确保模型合规性，例如在金融机构中进行合规性验证。

• 在注重隐私的行业中实现安全的多方计算。

根据官方介绍，目前EXPchain的zkML数字水印技术已可用于验证Llama-3.1 8B等大型语言模型。

Polyhedra首席密码学家背景深厚，推动PoI智能证明链

EXPchain可以被看作智能证明（Proof of Intelligence，PoI）的实现，它试图为AI模型创建一条不可篡改、可信赖的区块链，用于验证模型的来源、真实性和道德合规性。该框架旨在保护智能财产权并确保透明的问责制，以加密方式将每个人工智能模型的来源和效能与可验证的链上记录关联起来，为AI驱动的生态系统提供前所未有的透明度。

提到这一切的幕后团队，需要介绍一下Polyhedra的首席密码学家Zhenfei Zhang。他曾在Algorand、Espresso、Ethereum Foundation和Scroll等行业龙头任职，在密码学界有一定知名度。其著作《ZEN：用于可验证的零知识神经网络推理的优化编译器》也探讨了可验证机器学习技术。

以上就是对Polyhedra推出EXPchain项目的详细介绍。更多关于AI未来发展的内容，请关注本站后续更新。希望本文能为读者提供有价值的参考信息。需要提醒的是：本文内容仅供学习参考，不构成任何投资建议或交易决策依据。加密货币及迷因币市场波动较大，所有价格预测、市值、排名等数据均以行情平台或交易所实时页面为准，投资者应独立判断、谨慎决策。