Découvrez comment Space and Time, la startup web3, promet d’améliorer la transparence des données dans le monde de l’IA !

La vérification des données et des marques est cruciale à l’ère de l’IA, selon Scott Dykstra, CTO et co-fondateur de Space and Time

Scott Dykstra, CTO et co-fondateur de Space and Time, a souligné l’importance de la vérification des données et des marques à l’ère de l’intelligence artificielle (IA) et de la manipulation facile d’informations sur Internet. Lors d’une interview sur le podcast Chain Reaction de Toukiela, il a déclaré que la prolifération de l’IA rendait cette vérification plus cruciale que jamais.

La confiance en marque et la manipulation des données

Scott Dykstra a souligné l’importance de la confiance en marque dans le contexte de la manipulation des données. Il a cité l’exemple de la plateforme d’échange de crypto-monnaies FTX, qui a trompé ses investisseurs en manipulant ses propres comptes et en publiant des informations trompeuses. Dykstra a comparé cette manipulation à une requête effectuée dans une base de données financières, mais avec des manipulations internes. Selon lui, ce problème n’est pas limité à FTX, mais concerne également d’autres secteurs, notamment les institutions financières.

La solution : la vérification des données et les preuves de connaissance nulle

Dykstra estime que la meilleure solution pour lutter contre la manipulation des données est la vérification et l’utilisation des preuves de connaissance nulle (ZK proofs). Les preuves de connaissance nulle permettent de prouver quelque chose sur une information sans révéler les données elles-mêmes. Dykstra explique que les ZK proofs peuvent être utilisées pour vérifier et récupérer des données dans des situations où il y a un risque élevé de manipulation, comme les données financières.

Comment fonctionnent les preuves de connaissance nulle ?

Les preuves de connaissance nulle fonctionnent grâce à deux parties : le prouveur et le vérificateur. Ils confirment qu’une déclaration est vraie sans divulguer d’informations supplémentaires. Par exemple, si l’on souhaite savoir si le score de crédit d’une personne est supérieur à 700, une preuve de connaissance nulle peut confirmer cette information au vérificateur sans révéler le score exact.

Space and Time : l’indexation des données pour la vérification

Space and Time se positionne comme une couche de calcul vérifiable pour le web3 en indexant des données à la fois hors chaîne et sur chaîne. L’entreprise a déjà indexé des blockchains majeures telles que Ethereum, Bitcoin, Polygon, Sui, Avalanche, Sei et Aptos, et prévoit d’ajouter la prise en charge d’autres chaînes. Dykstra voit cette technologie s’étendre au-delà de l’industrie de la blockchain et de l’IA.

Les défis de la vérification des données de l’IA

Dykstra exprime une préoccupation quant à la vérifiabilité des données de l’IA. Selon lui, il est difficile de vérifier correctement l’exécution d’un modèle d’apprentissage automatique ou d’un large modèle de langage (LLM). Bien que des équipes travaillent sur des preuves de connaissance nulle pour les LLM, cela peut prendre des années pour les développer. Pendant ce temps, les opérateurs du modèle peuvent manipuler les systèmes de manière problématique.

La nécessité d’une base de données décentralisée

Dykstra souligne la nécessité d’une base de données décentralisée, accessible à tous et non monopolistique. Il propose que les blockchains soient utilisées pour créer cette base de données. Il insiste sur le fait qu’une telle base de données doit être décentralisée, disponible en permanence et insensible à la censure.

Schlussfolgerung

L’intégrité des données et des marques est essentielle à l’ère de l’IA et de la manipulation facile des informations en ligne. La vérification des données et l’utilisation de preuves de connaissance nulle peuvent contribuer à garantir cette intégrité. Space and Time se positionne comme une solution d’indexation des données pour la vérification, en utilisant les blockchains pour créer une base de données décentralisée. Cependant, la vérification des données de l’IA reste un défi à relever.