← أحدث الأبحاث
🤖 AI

Jolt Atlas: Verifiable Inference via Lookup Arguments in Zero Knowledge

يُعد Jolt Atlas إطار عمل لتعلم الآلة يعتمد على المعرفة الصفرية، وهو يوسع نظام الإثبات Jolt للتحقق مباشرة من عمليات تنسور ONNX عبر حجج البحث (lookup arguments)، مما يتيح استدلالاً تشفيرياً على الأجهزة يتميز بكفاءة الذاكرة مع براهين موجزة للتطبيقات التي تركز على الخصوصية والتطبيقات ذات الطابع العدائي.

المؤلفون الأصليون: Wyatt Benno, Alberto Centelles, Antoine Douchet, Khalil Gibran

نُشر 2026-02-20
📖 5 دقيقة قراءة🧠 قراءة متعمّقة
CC BY 4.0

المؤلفون الأصليون: Wyatt Benno, Alberto Centelles, Antoine Douchet, Khalil Gibran

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أن لديك طباخاً عبقرياً وسرياً (النموذج الذكي) يطهو لك طبقاً معقداً. تريد معرفة شيئين:

  1. هل قام فعلاً بطهي الطبق بشكل صحيح؟ (التحقق)
  2. هل يمكنك الوثوق به دون رؤية وصفته السرية أو المكونات التي استخدمها؟ (الخصوصية/المعرفة الصفرية)

تقليدياً، لإثبات أن الطباخ قد طهى الطبق بشكل صحيح، سيتعين عليك دعوة الطباخ إلى مطبخك، ومراقبته في كل حركة تقطيع وتحريك. هذا الأمر بطيء، ويتطلب مطبخاً ضخماً (ذاكرة حاسوبية كبيرة)، ويفسد سرية الوصفة.

Jolt Atlas هو نظام "إثبات" سحري جديد يسمح للطباخ بإثبات أنه طهى الطبق بشكل صحيح في ثوانٍ معدودة، دون أن ترى أنت المطبخ أو الوصفة أو المكونات أبداً. يفعل ذلك من خلال تغيير طريقة نظرنا لعملية الطهي.

إليك شرح مبسط لكيفية عمله، باستخدام تشبيهات من الحياة اليومية:

1. الطريقة القديمة مقابل الطريقة الجديدة: "كتيب التعليمات" مقابل "قائمة الطعام"

  • الطريقة القديمة (zkVMs): تخيل محاولة إثبات أن الطباخ قد طهى وجبة من خلال مراقبته وهو يتبع كتيب تعليمات عام لكل أداة في المطبخ. "أمسك السكين. حرك السكين بمقدار بوصتين. اقطع الجزرة". هذا يشبه الآلة الافتراضية ذات المعرفة الصفرية (zkVM). إنها مفصلة للغاية ولكنها بطيئة ومرهقة لأنها تعامل الوجبة المعقدة كسلسلة من الخطوات الميكانيكية الصغيرة غير المترابطة.
  • طريقة Jolt Atlas (ONNX): يتجاهل Jolt Atlas الخطوات الميكانيكية الصغيرة. بدلاً من ذلك، ينظر إلى قائمة الطعام (ONNX). تقول القائمة: "خذ الجزر، قطعه، ثم اخلطه مع الصلصة". إنه يعامل العملية بأكملها ككتلة واحدة كبيرة.
    • الفائدة: من خلال تخطي خطوات مثل "أمسك السكين" والتركيز على نتيجة "تقطيع الجزر"، يصبح النظام أسرع وأخف بكثير. لا يحتاج إلى مطبخ ضخم (ذاكرة الوصول العشوائي RAM) للقيام بذلك؛ إذ يمكنه العمل على كمبيوتر محمول عادي أو حتى هاتف.

2. الخدعة السحرية: "جدول البحث" (ورقة الغش)

تستخدم نماذج الذكاء الاصطنا1 "دوال غير خطية" (مثل تحديد ما إذا كانت بكسل معينة هي جزء من أذن قطة أم مجرد خلفية). في الرياضيات، إثبات هذه الدوال يشبه محاولة حل لغز عملاق ومستحيل.

  • المشكلة: إذا حاولت إثبات رياضيات قرار "أذن القطة" من الصفر في كل مرة، فسيستغرق الأمر وقتاً طويلاً جداً.
  • حل Jolt Atlas: تخيل أن الطباخ لديه ورقة غش (جدول بحث). بدلاً من حساب "هل هذه أذن قطة؟" من الصفر، يشير الطباخ إلى الورقة ويقول: "انظر، هذا الشكل المحدد موجود في السطر 42، والإجابة هي 'نعم'".
  • السحر: يستخدم Jolt Atlas بروتوكولاً يسمى Sumcheck للتحقق من أن الطباخ يشير بالفعل إلى السطر الصحيح في الورقة، دون أن يضطر الطباخ لإظهار الورقة كاملة لك أو شرح الرياضيات الكامنة وراء كون السطر 42 هو "نعم". الأمر يشبه قيام أمين المكتبة بالتحقق من أنك تملك الكتاب الصحيح عن طريق فحص الرمز الشريطي (Barcode)، وليس عن طريق قراءة الكتاب كاملاً.

3. وضع حوت في حوض سمك: "البث المتدفق" و"التنقل العصبي"

نماذج الذكاء الاصطناعي ضخمة. إثبات عملها يتطلب عادةً حاسوباً بذاكرة أكبر مما هو موجود على وجه الأرض.

  • البث المتدفق (Conveyor Belt - حزام ناقل): بدلاً من محاولة احتواء المحيط بأكمله (بيانات النموذج) في دلو (RAM) دفعة واحدة، يستخدم Jolt Atlas حزاماً ناقلاً. إنه يعالج البيانات في قطع صغيرة يمكن التحكم فيها، واحدة تلو الأخرى. إنه يثبت القطعة الأولى، ثم الثانية، ثم الثالثة، دون الحاجة أبداً لحملها جميعاً في وقت واحد. هذا يسمح للإثبات بالعمل على أجهزة ذات ذاكرة محدودة.
  • التنقل العصبي (Neural Teleportation - عدسة الزووم): بعض أجزاء الذكاء الاصطناعي (مثل دالة "Tanh") حساسة جداً وتتطلب جدول بحث ضخم. يستخدم Jolt Atlas خدعة تسمى التنقل العصبي. تخيل أنك تنظر إلى سلسلة جبلية. بدلاً من رسم خريطة لكل حصاة صغيرة، تستخدم عدسة زووم للتركيز فقط على القمم المهمة. إنه يقوم بـ "ضغط" نطاق البيانات قليلاً (مثل الزووم) بحيث يصبح جدول البحث صغيراً جداً، مع الحفاظ على دقة النتيجة النهائية بما يكفي ليعمل الذكاء الاصطناعي بشكل مثالي.

4. الدرع غير المرئي: "BlindFold"

كيف نحافظ على "المعرفة الصفرية" (إخفاء البيانات السرية)؟

  • التشبيه: تخيل أن الطباخ يرسل لك مظروفاً مختوماً يحتوي على الإثبات. في الداخل، توجد أرقام. إذا فتحت المظروف، سترى الأرقام، لكنك لن تستطيع معرفة ما كانت عليه المكونات الأصلية.
  • BlindFold: هذه تقنية تشفير تأخذ الإثبات و"تطويه" مع ضوضاء عشوائية. الأمر يشبه أخذ صورة واضحة لعمل الطباخ وتمريرها عبر مشكال (Kaleidoscope). لا يزال بإمكان المتحقق رياضياً التأكد من أن الصورة حقيقية وأن العمل قد تم بشكل صحيح، ولكن الصورة الأصلية (البيانات السرية) تكون مشوشة تماماً ولا يمكن استعادتها.

5. لماذا يهم هذا (الأثر في العالم الحقيقي)

  • السرعة: في الورقة البحثية، أثبتوا نموذج ذكاء اصطناعي صغيراً (nanoGPT) في 14 ثانية. الطرق السابقة استغرقت ما يقرب من 4 دقائق (وتطلبت إعدادات أكبر بكثير). هذه زيادة في السرعة بمقدار 17 ضعفاً.
  • الخصوصية: يمكنك التحقق من أن الذكاء الاصطناعي اتخذ قراراً (مثل الموافقة على قرض أو تشخيص مرض) دون أن يكشف الذكاء الاصطناي عن بيانات تدريبه السرية أو يكشف المستخدم عن سجلاته الطبية أو المالية الخاصة.
  • سهولة الوصول: نظرًا لكفاءته العالية، يمكنك تشغيل هذه الإثباتات على كمبيوتر محمول عادي أو هاتف، وليس فقط على الحواسيب الفائقة الضخمة.

الملخص

Jolt Atlas يشبه الترقية من محاسب بطيء يعمل يدوياً ويدقق في كل فاتورة في كومة تضم الملايين، إلى مدقق ذكي يستخدم ماسحاً للرموز الشريطية وحزاماً ناقلاً. إنه يثبت أن الذكاء الاصطناعي قام بعمله بشكل صحيح، ويحافظ على أسرار الجميع، ويفعل ذلك بسرعة تسمح له بالعمل على هاتفك. إنه يحول "الذكاء الاصطناعي القابل للتحقق" من حلم نظري إلى واقع ملموس.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 🤖 cs.AI →