Wawancara Eric Vreeland, Polyhedra: ‘ZK-Proofs Adalah Satu-satunya Cara Blockchain Mewujudkan Visi Sejatinya’

Melanjutkan seri wawancara kami, kami memperkenalkan Eric Vreeland, Chief Strategy Officer di Polyhedra Network—sebuah perusahaan yang berfokus pada pengembangan infrastruktur zero-knowledge (ZK) proof generasi berikutnya.

Eric bertugas meningkatkan aksesibilitas teknologi ZK bagi lebih banyak pengguna.

Salah satu solusi inovatif Polyhedra adalah zkBridge, yang menghubungkan lebih dari 25 blockchain. Teknologi ini memungkinkan pengembang menciptakan aplikasi yang aman, skalabel, dan interoperabel tanpa menambah asumsi kepercayaan.

Sebelum bergabung dengan Polyhedra, Eric menjabat sebagai Head of Marketing di LayerZero Labs. Di luar dunia crypto, Eric memiliki pengalaman memimpin strategi pemasaran di beberapa startup B2B SaaS yang sukses.

Ia telah terlibat dalam tiga keberhasilan exit (2 IPO dan 1 akuisisi), menjadi bagian dari tim pendiri sebuah perusahaan modal ventura tahap awal, serta aktif sebagai investor malaikat.

Dalam wawancara ini, Eric berbicara tentang perkembangan terbaru dalam ekosistem Polyhedra, penerapan teknologi ZK, dan visi jangka panjangnya untuk masa depan blockchain.

AI: Bukan Tidak Rentan Manipulasi, Tapi Kurang Menarik untuk Dimanipulasi

Cryptonews: Baru-baru ini, Polyhedra bersama Berkeley RDI meluncurkan compiler baru yang memungkinkan model AI menggunakan zkML tanpa memerlukan keahlian dalam zero-knowledge proofs. Bagaimana Anda menjelaskan konsep zkML secara sederhana?

Eric Vreeland: Zero-Knowledge Machine Learning (zkML) adalah teknologi yang memungkinkan model AI menjalankan komputasi dan memberikan hasil tanpa mengungkapkan data atau detail model yang mendasarinya.

Teknologi ini menggunakan zero-knowledge proofs untuk memastikan komputasi dilakukan dengan benar sambil menjaga kerahasiaan data dan model.

Secara sederhana, zkML memungkinkan pihak tertentu membuktikan bahwa mereka telah menjalankan model AI dengan benar pada input tertentu tanpa mengungkapkan parameter model atau data inputnya.

Teknologi ini sangat berguna dalam skenario di mana privasi dan keamanan menjadi prioritas, seperti dalam layanan kesehatan atau keuangan.

Compiler baru, zkPyTorch, mempermudah pengembang AI dalam menggunakan zkML tanpa memerlukan keahlian mendalam di bidang zero-knowledge proofs.

Pengembang dapat mengintegrasikan zkML ke dalam aplikasi mereka dengan mulus, memastikan privasi dan keamanan tanpa mengorbankan kinerja dan akurasi model AI.

CN: Apa yang membuat zkML menjadi pilihan tepat untuk membangun sistem AI yang kurang rentan terhadap manipulasi? Apakah ada implikasi etis yang perlu diperhatikan?

E.V.: Bukan berarti sistem AI tidak rentan terhadap manipulasi, melainkan pelaku jahat akan kurang terdorong untuk memanipulasi model karena manipulasi akan mudah terdeteksi oleh pengguna melalui bukti yang menunjukkan apakah komputasi AI dilakukan tanpa manipulasi. Kurangnya bukti juga menjadi indikator bahwa ada sesuatu yang tidak benar.

Pada Aplikasi Dunia Nyata untuk zkML

CN: Apa saja aplikasi dunia nyata dari zkML, dan menurut Anda, mana yang memiliki potensi terbesar?

E.V.: zkML memiliki potensi besar di industri di mana model AI tidak masuk akal untuk dipublikasikan secara terbuka. Contohnya, sebuah perusahaan yang mengembangkan model AI yang dapat mengungguli S&P XX% YoY mungkin ingin mendapatkan keuntungan dengan melisensikan model ini kepada institusi keuangan. Namun, mereka tidak dapat memberikan model ini langsung kepada pelanggan karena risiko model tersebut disalin. zkML memungkinkan perusahaan tersebut memberikan inferensi kepada pelanggan berdasarkan input yang mereka masukkan, dengan bukti bahwa model yang digunakan benar dan dijalankan dengan tepat.

Prinsip yang sama dapat diterapkan pada sektor kesehatan. Sebuah perusahaan yang mengembangkan model AI untuk meningkatkan diagnosis penyakit tertentu hingga XX% dapat melisensikan model tersebut kepada penyedia layanan kesehatan. zkML memungkinkan mereka menjaga “rahasia dapur” tetap aman sambil memberikan jaminan bahwa model yang benar digunakan, dengan tambahan jaminan atas privasi data.

CN: Apa batasan kompleksitas model yang dapat ditangani zkML secara efisien? Apakah ada batasan pada arsitektur model seperti deep neural networks atau transformers?

E.V.: Hal ini tergantung pada definisi “efisien”. Baru-baru ini, kami menggunakan zkML pada Llama-3, model dengan 8 miliar parameter dan 65 token. Proses pembuktian hanya memakan waktu beberapa jam, sedangkan upaya sebelumnya dengan algoritma lain membutuhkan waktu beberapa hari. Kami terus membuat peningkatan signifikan, dan dalam waktu dekat kami yakin pembuktian ini dapat mendekati waktu nyata.

CN: Tahun lalu, Polyhedra memperkenalkan Bitcoin Messaging Protocol dengan ZKBridge. Apa ide utama di baliknya, dan bagaimana pendekatan Polyhedra berbeda dari solusi lintas rantai lainnya untuk Bitcoin?

E.V.: Sebagian besar alternatif menggunakan semacam jaringan validator atau rantai perantara untuk mengonfirmasi status suatu blockchain dan membagikannya dengan blockchain lain. Sementara itu, zkBridge menggunakan zero-knowledge proofs untuk memverifikasi konsensus dan status blockchain pengirim, lalu membuktikan kebenaran data tersebut di blockchain penerima. Dengan pendekatan ini, tidak mungkin membuat bukti palsu yang diverifikasi sebagai benar. Arsitektur ini lebih aman dan memiliki lebih sedikit asumsi kepercayaan dibandingkan dengan alternatif lainnya.

CN: Anda membuat terobosan dalam penelitian ZK-proof Bitcoin menggunakan gaya FRI (Fast Reed-Solomon Interactive). Bisakah Anda menjelaskan konsep FRI proofs dengan istilah sederhana, serta manfaatnya bagi jaringan Bitcoin?

E.V.: FRI proofs sangat efisien karena memerlukan lebih sedikit operasi aritmatika dibandingkan dengan sistem zero-knowledge proofs lainnya seperti Groth16 atau Plonk. Efisiensi ini sangat penting untuk aplikasi di mana sumber daya komputasi terbatas, seperti pada blockchain Bitcoin. Dengan menggunakan FRI proofs pada Bitcoin, pengembang dapat secara signifikan meningkatkan kinerja aplikasi dan memperluas potensi penggunaan jaringan ini.

Masa Depan Penelitian ZK di Polyhedra

CN: Apa langkah berikutnya untuk penelitian ZK di Polyhedra? Apakah ada aplikasi atau kasus penggunaan spesifik yang menjadi target?

E.V.: Kami akan terus meningkatkan sistem pembuktian kami, Expander, agar tetap menjadi prover tercepat di dunia. Secara paralel, kami juga mengembangkan kasus penggunaan baru yang sebelumnya tidak dapat dilayani karena keterbatasan kinerja teknologi ZK. Teknologi zkML saat ini menjadi prioritas utama, dengan fokus untuk mencapai pembuktian waktu nyata.

CN: Vitalik Buterin baru-baru ini menyatakan bahwa ia hanya akan mengakui solusi Layer-2 yang telah mencapai tahap 2 kematangan. Bagaimana sistem pembuktian Polyhedra, terutama deVirgo, selaras dengan standar ZK-rollups yang terus berkembang?

E.V.: Expander adalah sistem pembuktian terbaru kami yang berbasis pada deVirgo. Kami berkomitmen untuk terus mengembangkan teknologi ini. Semua ZK-rollups mendapatkan manfaat dari waktu pembuktian yang lebih cepat karena ini berimbas pada pengurangan biaya komputasi. Kami berharap dapat berkolaborasi dengan lebih banyak solusi Layer-2 untuk membantu mereka memanfaatkan efisiensi yang telah kami capai dengan Expander.

CN: Apakah ada proyek yang menggunakan teknologi ZK Polyhedra yang mendekati tahap 2?

E.V.: Ada banyak minat pada sistem pembuktian Expander. Kami bekerja sama secara erat dengan tim seperti Nebra dan Nexus untuk membantu mereka menggunakan Expander guna meningkatkan kinerja sistem mereka secara signifikan.

CN: Dapatkah Anda membagikan contoh spesifik di mana implementasi teknologi ZK Polyhedra memberikan dampak terbesar pada skalabilitas dan pengurangan biaya?

E.V.: Contoh terbaik mungkin adalah zkBridge. Hampir semua tim lain yang mencoba membangun protokol interoperabilitas berbasis zero-knowledge akhirnya mengubah arah karena waktu pembuktian dan biaya yang terlalu tinggi. Kami berhasil mengatasi hambatan tersebut dengan pendekatan kami.

CN: Bisakah Anda memberikan gambaran tentang pengembangan terbaru yang sedang direncanakan di Polyhedra Network?

E.V.: Kami melihat AI yang dapat diverifikasi sebagai kebutuhan seiring meningkatnya penggunaan AI dalam pengambilan keputusan kritis. Kami akan berinvestasi besar-besaran di bidang ini dan terus memajukan teknologi zkML untuk menjawab kebutuhan ini.

CN: Apa visi jangka panjang Polyhedra untuk peran ZK-proofs dalam ekosistem blockchain?

E.V.: Setiap komputasi yang dilakukan di blockchain seharusnya dapat diverifikasi melalui ZK-proofs. Selain itu, ZK-proofs adalah satu-satunya cara bagi blockchain untuk mewujudkan visi sejatinya tentang desentralisasi, transparansi, dan keamanan.

Ingin tahu lebih dalam tentang cara membeli Bitcoin dengan mudah dan aman? Jangan lewatkan panduan lengkap yang dirancang untuk pemula hingga ahli di dunia crypto. Klik cara membeli Bitcoin untuk memulai perjalanan investasi Anda hari ini!

Apakah Anda ingin memahami bagaimana membeli Ethereum dengan langkah-langkah yang jelas dan sederhana? Panduan kami menjelaskan semuanya, mulai dari memilih platform hingga menyelesaikan transaksi pertama Anda. Segera kunjungi cara membeli Ethereum untuk mendapatkan informasi lebih lanjut.

Bergabunglah dengan komunitas crypto terbesar di Indonesia di Telegram! Dapatkan update terkini tentang teknologi blockchain, investasi crypto, dan wawasan mendalam lainnya. Klik di sini untuk bergabung: Crypto News Indonesia.

Tonton juga Berita Terbaru Crypto di Channel Cryptonews Indonesia