پروژه جدید ویتالیک بوترین؛ آزمایش هوش مصنوعی خصوصی با تمرکز بر حریم خصوصی

ویتالیک بوترین، هم‌بنیان‌گذار اتریوم، یک سیستم هوش مصنوعی متمرکز بر حریم خصوصی را آزمایش کرده است که با استفاده از یک مدل محلی، zkAPI و شبکه Tor، توصیه‌های شخصی‌سازی‌شده در زمینه رژیم غذایی و ورزش تولید می‌کند و همزمان، اطلاعات شخصی ارسال‌شده به مدل‌های راه دور را محدود می‌سازد.

بوترین اخیراً اعلام کرد که این خودآزمایی از اطلاعات سلامتی و سفر او به صورت محلی استفاده می‌کند، در حالی که مدل‌های قدرتمندتر راه دور، سوالات منتخبی را که نیاز به استدلال یا دانش قوی‌تری دارند، پردازش می‌کنند.

هدف: استفاده از داده‌های شخصی سلامت و سفرم برای ارائه توصیه‌های شخصی‌سازی‌شده رژیم غذایی و ورزشی، با استفاده از مدل‌های پیشرفته اما به روشی که از درز هرگونه اطلاعات خصوصی به آن‌ها جلوگیری شود.

ویتالیک بوترین

این سیستم از مدل Qwen3.8-Flash-Next شرکت Alibaba به عنوان مدل محلی استفاده می‌کند. به گفته بوترین، سیستم محلی تصمیم می‌گیرد که یک مدل راه دور به چه اطلاعاتی نیاز دارد و قبل از ارسال، درخواست‌ها را بازنویسی می‌کند تا احتمال فاش شدن هویت او از طریق جزئیات شخصی یا سبک نوشتاری کاهش یابد.

یک معماری سه‌لایه برای حفظ حریم خصوصی

بوترین این طراحی را یک ساختار حریم خصوصی سه‌لایه توصیف کرد که محتوای درخواست‌ها، اطلاعات پرداخت و ترافیک اینترنت را پوشش می‌دهد. مدل محلی Qwen لایه اول را با ساختن درخواست‌ها به جای ارسال متن اصلی و زمینه کامل شخصی کاربر به سیستم‌های هوش مصنوعی راه دور، مدیریت می‌کند.

لایه دوم از zkAPI برای جداسازی پرداخت‌ها از درخواست‌های فردی هوش مصنوعی استفاده می‌کند. بنیاد اتریوم zkAPI را در اول اکتبر معرفی کرد و آن را سیستمی توصیف نمود که به کاربران اجازه می‌دهد هزینه APIهای مبتنی بر مصرف را بدون مرتبط ساختن درخواست‌های فردی با هویت خود پرداخت کنند. این پروژه توسط Open Anonymity Project با همکاری بنیاد اتریum توسعه یافته و بر روی شبکه اصلی اتریوم در حال اجرا است.

در zkAPI، کاربر یک موجودی خصوصی را شارژ می‌کند و بعداً ثابت می‌کند که بودجه کافی برای یک درخواست خاص در دسترس است، بدون اینکه نشان دهد کدام واریز برای آن استفاده می‌شود. سرویسی که پرداخت را پردازش می‌کند به متن درخواست کاربر نیازی ندارد، در حالی که ارائه‌دهنده هوش مصنوعی درخواست را بدون اطلاع از هویت پرداخت‌کننده دریافت می‌کند.

شبکه Tor لایه سوم را با پنهان کردن آدرس IP معمول کاربر از سرویس‌هایی که درخواست‌های شبکه را دریافت می‌کنند، فراهم می‌کند. بوترین نوشت که هر سه لایه حفاظتی ضروری هستند، زیرا پنهان کردن اطلاعات پرداخت به تنهایی مانع از آن نمی‌شود که یک ارائه‌دهنده هوش مصنوعی از طریق محتوای درخواست یا فراداده‌های شبکه به جزئیات پی ببرد.

شما به هر سه لایه نیاز دارید.

ویتالیک بوترین

محدودیت‌ها و چالش‌های فنی

این سیستم حریم خصوصی مانع از خواندن اطلاعاتی که عمداً در یک درخواست گنجانده شده، توسط ارائه‌دهندگان هوش مصنوعی راه دور نمی‌شود. اسناد رسمی zkAPI بیان می‌کنند که ارائه‌دهنده نهایی همچنان درخواست‌ها را می‌بیند و اطلاعات شبکه و زمان‌بندی ممکن است خارج از سیستم اثبات با دانش صفر قابل مشاهده باقی بماند.

بوترین گفت که این سیستم توصیه‌هایی برای رژیم غذایی و ورزش تولید کرده و اطلاعات بازگشتی از مدل‌های پیشرفته، نتایج را بهبود بخشیده است. با این حال، او سوابق پزشکی، توصیه‌های دقیق یا ارزیابی مستقلی از صحت آنها را منتشر نکرده است.

این آزمایش با تمرکز قبلی او بر حریم خصوصی همخوانی دارد، زیرا سیستم‌های هوش مصنوعی اطلاعات شخصی بیشتری را پردازش می‌کنند. بوترین پیش از این نیز بر نیاز به ابزارهای قوی‌تر حریم خصوصی با افزایش قابلیت‌های هوش مصنوعی و جمع‌آوری داده‌های متمرکز تأکید کرده بود.

بوترین به یک تغییر جدید در مخزن کد zkAPI اتریوم در GitHub اشاره کرد که پشتیبانی از کلاینت مبتنی بر Tor را اضافه می‌کند. این تغییر هنوز در شاخه اصلی پروژه ادغام نشده است و شامل افزایش زمان انتظار (timeout) برای درخواست‌های شبکه است تا با کندی ناشی از Tor سازگار باشد.

با این حال، بوترین Tor را یکی از ضعیف‌ترین بخش‌های آزمایش فعلی خود معرفی کرد. به گفته او، تأخیر ایجاد شده توسط Tor تقریباً ۱۰ تا ۱۰۰ برابر بیشتر از حد مطلوب است. محدودیت دیگر، عملکرد مدل محلی است. مدل Qwen3.8-Flash-Next با سرعت تقریبی ۲۰ تا ۳۰ توکن در ثانیه (TPS) اجرا می‌شود، اما بوترین معتقد است که برای احساس سرعت مناسب، این عدد باید به بیش از ۱۰۰ توکن در ثانیه برسد.

بوترین همچنین به یک محدودیت اساسی اشاره کرد: هرچه اطلاعات شخصی کمتری به مدل‌های راه دور ارسال شود، سودمندی آنها نیز کاهش می‌یابد.

هرچه در مورد اطلاعات ارسال‌شده به صورت راه دور محتاط‌تر باشید، کمک کمتری از مدل راه دور دریافت خواهید کرد.

ویتالیک بوترین

این دیدگاه فنی در اسناد zkAPI نیز منعکس شده است. لایه پرداخت می‌تواند ارتباط بین موجودی شارژ شده و استفاده فردی از API را قطع کند، اما نمی‌تواند اطلاعات شناسایی‌کننده‌ای را که کاربر یا یک عامل محلی در خود درخواست قرار می‌دهد، حذف کند.