Recientemente he estado siguiendo las tendencias de proyectos que combinan AI y criptomonedas, y he revisado las soluciones técnicas de varios novatos. Un proyecto en el campo del aprendizaje automático de conocimiento cero ha innovado — pasando directamente de la verificación teórica a la fase de aplicación práctica, demostrando tener habilidades.

Lo más llamativo a nivel técnico son dos componentes que trabajan en conjunto. Uno es la tecnología de particionado DSperse, que básicamente divide esas tareas de cálculo de ML extremadamente grandes en fragmentos que pueden procesarse en paralelo, y cada fragmento puede generar una prueba de conocimiento cero de forma independiente. El otro es el motor JSTprove, que ejecuta estas pruebas, logrando una eficiencia claramente superior a las soluciones anteriores.

¿Y qué significa la mejora en la velocidad de verificación zk para todo el ecosistema? Significa que los modelos de ML ya no se ejecutarán a paso de tortuga en la cadena, y cálculos complejos de IA podrán verificarse en tiempos aceptables. Desde la conceptualización hasta la implementación, muchos proyectos han estado atascados durante mucho tiempo; ver a alguien realmente llevar esto a un nivel de producción es, sin duda, algo que merece la pena seguir de cerca.