Qui riportiamo i progressi dei principali costruttori nell'ecosistema di Verifica della Prova, documentando recenti rilasci significativi, innovazioni tecniche e aggiornamenti generali. In evidenza: @ZKVProtocol, @alignedlayer, @Pi_Squared_Pi2, @NovaNet_zkp, & @primus_labs 🔽

L'AI sta iniziando a funzionare come un sistema autonomo. Ma se l'AI genera i propri dati e evolve il proprio comportamento, come possiamo assicurarci che rimanga allineata con l'intento umano? Durante il nostro New York College Tour, @DMSKwak (@LazAINetwork & @MetisL2) ha sostenuto che la sfida principale è l'allineamento dei dati. I dati non registrano più solo la realtà, ma plasmano l'intelligenza stessa. Man mano che gli agenti AI guadagnano libertà di azione, la difficoltà di pulire e vincolare i dati di addestramento cresce esponenzialmente, specialmente quando l'AI inizia a produrre dati propri. Senza nuove misure di sicurezza, la deriva e l'allucinazione diventano inevitabili. Nella sua presentazione, Daniel introduce l'approccio di LazAI: pipeline di dati verificate (utilizzando TEE + prove ZK), Token di Ancoraggio dei Dati per legare gli asset AI off-chain allo stato on-chain, e DAO centrati sull'individuo per governare ciascun dataset, modello o agente. Sembra complicato, ma l'idea di base è semplice: se l'AI è autonoma, dobbiamo verificare non solo i suoi output, ma anche i dati e le politiche che li guidano. Immergiti nella presentazione completa di Daniel per comprendere la soluzione in dettaglio:

Poi scenderà sotto i 12 secondi. E poi? Quanto più veloce può diventare zk?