სისტემა ჯერ მხოლოდ კვლევითი პროტოტიპია და მის რეალურ სერვისებში ჩაშვებას არც Anthropic-ი და არც სხვა ლაბორატორიები ჯერჯერობით არ გეგმავენ.
როდესაც ხელოვნურ ინტელექტს შეკითხვას უგზავნით, ეკრანზე მხოლოდ მის პასუხს ხედავთ და ვერასდროს გაიგებთ, მართლა იმ ძვირად ღირებულმა მოდელმა გიპასუხათ, რომელშიც ფული გადაიხადეთ, თუ კომპანიამ ჩუმად უფრო იაფი და სუსტი ვერსია შემოგაპარათ. ამ პრობლემის მოსაგვარებლად Anthropic-ის Frontier Red Team-მა საკუთარ ბლოგსა და ტექნიკურ ანგარიშში ახალი მეთოდი წარადგინა და GitHub-ზე ღია კოდის ბიბლიოთეკა FlashProve გამოაქვეყნა. პროგრამა Apache 2.0 ლიცენზიით ვრცელდება და მათემატიკურად ამტკიცებს, თუ რომელმა AI მოდელმა დაწერა კონკრეტული ტექსტი, თანაც ისე, რომ თავად მოდელის შიდა პარამეტრები, ანუ წონები, სრულიად დაფარული რჩება.
როგორ მუშაობს ციფრული ანაბეჭდი
სისტემა სამ ეტაპად მუშაობს. ჯერ AI კომპანია აქვეყნებს მოკლე კრიპტოგრაფიულ ჩანაწერს, რომელიც მოდელის ციფრული ანაბეჭდის ფუნქციას ასრულებს. ეს ანაბეჭდი ზუსტად ერთ კონკრეტულ მოდელსა და მის შიდა პარამეტრებს შეესაბამება, თუმცა თავად ამ საიდუმლო პარამეტრებს არავის უმხელს.
შემდეგ, ყოველ ჯერზე, როცა მოდელი თქვენს შეკითხვაზე პასუხს წერს, პროვაიდერის GPU პარალელურად ქმნის სპეციალურ დამადასტურებელ ფაილს. ეს ფაილი ამტკიცებს, რომ კონკრეტულ შეკითხვაზე მიღებული სიტყვები ნამდვილად იმ მოდელმა დააგენერირა, რომლის ანაბეჭდიც წინასწარ იყო გამოქვეყნებული.
როგორ უნდა გადაამოწმოთ ეს ყველაფერი, თუ მოდელის შიდა კოდი დახურულია? ნებისმიერ ადამიანს, ვისაც ხელთ აქვს ეს საჯარო ანაბეჭდი, დასმული შეკითხვა და მიღებული პასუხი, შეუძლია დამადასტურებელი ფაილი ჩვეულებრივ კომპიუტერზე შეამოწმოს. ამისთვის FlashProve იყენებს zkSNARK-ს, კრიპტოგრაფიულ მეთოდს, რომელიც ინფორმაციის სისწორეს საიდუმლო მონაცემების გამჟღავნების გარეშე ამტკიცებს, ხოლო მისი გადამოწმება ბევრად უფრო სწრაფია, ვიდრე თავად AI მოდელის ხელახლა გაშვება.
სიჩქარე და რეალური შეზღუდვები
მკვლევრებმა სისტემა გამოსცადეს Llama 4 Maverick-ზე, რომელიც 400 მილიარდი პარამეტრის მქონე მოდელია. ტესტირებისას ერთმა NVIDIA H100 GPU-მ დამადასტურებელი ფაილები წამში დაახლოებით 110 ტოკენის სიჩქარით შექმნა, ხოლო თითოეული ასეთი მტკიცებულების მოცულობამ 19 მეგაბაიტი შეადგინა.
Anthropic-ის თქმით, სისტემის გაუმჯობესებაში მათ საკუთარი AI მოდელი Claude დაეხმარა. უსაფრთხოების გარანტიები კი გაწერილია პროგრამირების ენა Lean-ში, რომელიც მათემატიკური მტკიცებულებების შესამოწმებლად გამოიყენება, რათა ნებისმიერმა დამოუკიდებელმა აუდიტორმა შეძლოს მისი გადამოწმება. ასეთი ხელსაწყო გამოდგება იმის გამოსავლენად, ცვლის თუ არა პროვაიდერი მოდელს ჩუმად, ან შეცვალა თუ არა ვინმემ მოდელი მისი გაწვრთნის შემდეგ, რაც მომხმარებლებსა და რეგულატორებს აუდიტს გაუადვილებს.
მიუხედავად ამისა, ტექნოლოგია ჯერ ძალიან ნელია და ჩვეულებრივ მუშაობასთან შედარებით 70-დან 95-ჯერ მეტ GPU რესურსს მოითხოვს. TechCrunch-ის ცნობით, FlashProve მხოლოდ კვლევითი პროტოტიპია და მის პრაქტიკაში დანერგვას ჯერ არც Anthropic-ი და არც სხვა კომპანიები არ აპირებენ. გარდა ამისა, სისტემა მალავს მოდელის შიდა წონებს, მაგრამ ვერ ფარავს მის სტრუქტურას, ანუ არქიტექტურას.
| ლიცენზია | Apache 2.0 |
| სატესტო მოდელი | Llama 4 Maverick (400 მილიარდი პარამეტრი, 4-ბიტიანი წონები) |
| სატესტო ჩიპი | 1 x NVIDIA H100 GPU |
| მტკიცებულების შექმნის სიჩქარე | დაახლოებით 110 ტოკენი წამში |
| მტკიცებულების ფაილის ზომა | დაახლოებით 19 MB (1 024-ტოკენიან მოთხოვნაზე) |
| გამოთვლითი დანახარჯი | მოდელის ჩვეულებრივ გაშვებაზე 70-95-ჯერ მეტი GPU დრო |
| ვერიფიკაციის ენა | Lean |
წყარო: Anthropic: Progress on provable inference for large language models (2 Nov 2026) | GitHub: anthropics/FlashProve | TechCrunch: Anthropic is working on a system to prove AI models identity (3 Nov 2026) | Interesting Engineering: Anthropic uses cryptography to verify model outputs without exposing weights (3 Nov 2026)
ეს სტატია შეიქმნა AI ხელსაწყოებით, პროცესში ადამიანის ჩართულობა დაახლოებით 10%-ია.
