Eric Vreeland ile Özel Röportaj: Sıfır Bilgi Kanıtları ve Blockchain Dünyasına Etkileri

Röportaj serimizde sıradaki konuğumuz, sıfır bilgi (ZK) kanıtları üzerine yoğunlaşan inovatif bir firma olan Polyhedra Network‘te Baş Strateji Sorumlusu olarak görev yapan Eric Vreeland. Eric, ZK teknolojisini daha erişilebilir hale getirmeye yönelik çalışmalarıyla tanınıyor.

Polyhedra Network’ün geliştirdiği zkBridge çözümü, 25’ten fazla blockchain‘i birbirine bağlayarak, geliştiricilere ek güven gerektirmeyen güvenli, ölçeklenebilir ve uyumlu uygulamalar geliştirme imkanı sunuyor.

Eric, Polyhedra’ya katılmadan önce LayerZero Labs’ta Pazarlama Direktörü olarak görev yapıyordu. Kripto sektörüne adım atmadan önce, birkaç B2B SaaS şirketinde pazarlama liderliği yapmış ve üç başarılı iş çıkışına (iki halka arz ve bir satın alma) katkıda bulunmuştur. Ayrıca, bir tohum aşaması VC’nin kurucu ekibinde yer almış ve melek yatırımcı olarak faaliyetlerine devam etmektedir.

Bu röportajda Eric, Polyhedra ekosistemindeki en son yenilikler, ZK teknolojisine dayalı uygulamalar ve bu alandaki uzun vadeli hedefleri üzerine değerlendirmelerde bulunuyor.

Yapay Zeka: Manipülasyona Daha Az Eğilimli Değil, Ancak Manipüle Edilmeye Daha Az Değer

Cryptonews: Polyhedra ve Berkeley RDI, yapay zeka modellerinin sıfır bilgi kanıtlarına uzmanlık gerektirmeden zkML kullanabilmelerine olanak tanıyan yeni bir derleyici geliştirdi. zkML nedir ve basit terimlerle nasıl açıklanabilir?

Eric Vreeland: Sıfır Bilgi Makine Öğrenimi (zkML), yapay zeka modellerinin çalışmasını sağlayan, ancak modelin kendisini veya kullanılan verileri ifşa etmeden hesaplamalar yapabilen bir teknolojidir. Sıfır bilgi kanıtları kullanarak, hesaplamaların doğru gerçekleştirildiğini doğrulayabiliriz. Bu teknoloji, özellikle gizlilik gerektiren alanlar için, örneğin sağlık veya finans sektörleri için idealdir.

zkML, bir makine öğrenimi modelinin belirli bir veri seti üzerinde doğru çalıştığını, model parametrelerini veya verileri açığa çıkarmadan kanıtlar. Bu, özellikle gizlilik ve güvenlik hassasiyeti yüksek olan sektörlerde önem taşır.

Yeni geliştirilen zkPyTorch derleyicisi, yapay zeka geliştiricilerinin, derin teknik bilgiye ihtiyaç duymadan zkML kullanmalarını kolaylaştırır. Bu, yapay zeka modellerinin hem performansını hem de doğruluğunu korurken, gizlilik ve güvenlik sağlamalarına olanak tanır.

CN: zkML kullanımı, yapay zeka sistemlerini manipülasyona karşı daha az eğilimli hale getirir mi? Etik olarak dikkat edilmesi gereken hususlar var mı?

EV: ZkML, yapay zeka sistemlerini tamamen manipülasyondan korumaz, ancak kötü niyetli manipülasyonları azaltmaya yardımcı olur. Manipülasyon olmadan hesaplamaların yapıldığına dair kanıtların olması, herhangi bir oynama veya hile girişiminin kolayca tespit edilebilmesini sağlar. Bu, özellikle AI hesaplamalarının güvenilirliğini artıran bir özelliktir.

CN: Bir kanıtın doğrulanması ne kadar sürer? Gerçek zamanlı uygulamalar için bu teknoloji uygulanabilir mi?

EV: Bizim zkML teknolojimizle bir kanıtın doğrulanması birkaç saniyeden az sürer. Kanıt oluşturma süreci genellikle daha fazla zaman alırken, doğrulama süresi genellikle bir engel teşkil etmez. Kanıt boyutunu ve doğrulama süresini azaltarak, kanıt oluşturma süresini dengeleriz. Bu, güvenlik veya veri bütünlüğünden ödün vermeden uygulamanın hızını optimize etmeyi amaçlar.

zkML için Gerçek Dünya Uygulamaları Üzerine

Cryptonews: ZkML teknolojisinin gerçek dünya uygulamaları nelerdir ve sizce hangileri en çok potansiyeli barındırıyor?

Eric Vreeland: ZkML, özellikle modelin ticari sırlarını korumak isteyen sektörlerde büyük potansiyel taşır. Örneğin, bir şirket, S&P endeksini yıllık bazda önemli bir oranla geride bırakabilecek bir yapay zeka modeli geliştirdiyse, bu modeli finans sektöründeki firmalara lisanslayabilir. Ancak, modeli doğrudan vermek istemeyebilirler çünkü bu durum, modelin kopyalanmasına yol açabilir. Bu nedenle, zkML teknolojisi, müşterilerin sağladığı verilere dayalı olarak güvenilir çıkarımlar yapılmasını sağlar ve bu çıkarımlar, modelin doğru kullanıldığına dair kanıtlarla desteklenir.

Sağlık sektöründe de benzer bir uygulama görülebilir. Bir şirket, belirli bir hastalığı teşhis etme oranını önemli ölçüde artıran bir model geliştirebilir. Bu modeli sağlık hizmeti sağlayıcılarına lisanslarken, modelin detaylarını gizli tutmak için zkML kullanabilirler. Böylece, doğru modelin kullanıldığına dair garanti sunarken, hastaların verilerinin gizliliğini de korumuş olurlar.

CN: ZkML’in işleyebileceği model karmaşıklığı sınırları nelerdir? Özellikle derin öğrenme modelleri gibi karmaşık yapılar için sınırlamalar var mı?

EV: “Verimli” ifadesi bağlama göre değişiklik gösterir. Yakın zamanda, 8 milyar parametreye sahip ve 65 token içeren bir model olan Llama-3 üzerinde zkML uyguladık. Kanıt oluşturma süreci sadece birkaç saat sürdü, önceki denemeler ise günler aldı. Bu, büyüklük sırasında bir iyileşme ve yakın gelecekte bunu gerçek zamanlı kanıtlama seviyesine getirebileceğimize inanıyoruz.

CN: Polyhedra’nın Bitcoin Mesajlaşma Protokolü ile ilgili yeni gelişmeleri nedir ve bu, diğer çapraz zincir çözümlerinden nasıl ayrılıyor?

EV: Çoğu çözüm, bir zincirin durumunu doğrulamak için ara bir zincir veya doğrulayıcı ağı kullanır. Bizim zkBridge yaklaşımımız ise, gönderici zincirin durumunun sıfır bilgi kanıtlarını kullanarak doğrudan alıcı zincirde doğrulamayı sağlar. Sahte bir kanıtın doğrulanması imkansızdır, bu da sistemimizi daha güvenilir ve daha az güven varsayımı gerektiren bir yapıya kavuşturur.

CN: FRI kanıtları nedir ve Bitcoin ağında ne gibi faydalar sağlar?

EV: FRI kanıtları, Groth16 veya Plonk gibi diğer sıfır bilgi kanıt sistemlerine göre daha az hesaplama gerektirir, bu da onları özellikle hesaplama kaynaklarının sınırlı olduğu uygulamalar için uygun kılar. Bitcoin ağında FRI kanıtlarının kullanımı, performansı önemli ölçüde artırabilir ve ağın kapasitesini genişletebilir. Bu, geliştiricilere Bitcoin üzerinde daha karmaşık uygulamalar geliştirme imkanı sunar.

Polyhedra’nın ZK Araştırmasının Geleceği

Cryptonews: Polyhedra’nın ZK araştırmalarında sonraki adımları nelerdir ve hangi belirli uygulamaları veya kullanım durumlarını hedefliyorsunuz?

Eric Vreeland: Kanıt sistemi olan Expander’ı geliştirerek, dünyanın en hızlı kanıtlayıcısı olarak pozisyonumuzu korumayı hedefliyoruz. Aynı zamanda, ZK teknolojisinden önce erişilemeyen yeni kullanım alanları geliştirmeye odaklanacağız. Özellikle zkML teknolojisi bizim için öncelikli ve bu teknolojiyi gerçek zamanlı kanıtlama seviyesine çıkarmayı amaçlıyoruz.

CN: Vitalik Buterin, Katman-2 çözümlerinin olgunluğunu vurguladı. Polyhedra’nın ZK-toplamaları için geliştirdiği kanıt sistemi, bu gelişen standartlarla nasıl uyum sağlıyor?

EV: En son kanıt sistemimiz olan deVirgo’ya dayanan Expander, kaynaklarımızın odak noktası olacak. Tüm ZK-rollup’lar daha hızlı kanıtlama süresinden yararlanacak, bu da hesaplama maliyetlerinin düşmesini sağlayacak. Expander’ın sağladığı verimliliklerden yararlanmaları için daha fazla Katman-2 çözümüyle iş birliği yapmayı umuyoruz.

CN: Polyhedra’nın ZK teknolojisini kullanarak Katman-2’ye yaklaşan projeler var mı?

EV: Expander proof sistemimize büyük ilgi var. Nebra ve Nexus gibi ekiplerle yakın iş birliği yaparak, onların sistem performanslarını Expander aracılığıyla önemli ölçüde iyileştirmelerine yardımcı oluyoruz.

CN: Polyhedra’nın ZK-proof teknolojisinin ölçeklenebilirlik ve maliyeti düşürme konusunda büyük etki yaptığı örneklerden birini paylaşabilir misiniz?

EV: zkBridge muhtemelen en iyi örnektir. Birçok ekip sıfır bilgili birlikte çalışabilirlik protokolü oluşturmayı denedi, ancak kanıt oluşturma süresi ve maliyeti çok yüksek olduğundan yöntemlerini değiştirdiler.

CN: Polyhedra Network’te önümüzdeki dönemde gerçekleşecek gelişmeleri paylaşabilir misiniz?

EV: AI, kritik karar verme süreçlerinde giderek daha fazla kullanılıyor. Doğrulanabilir AI’yi bir gereklilik olarak görüyoruz ve bu alana yoğun bir şekilde yatırım yaparak zkML teknolojisini geliştireceğiz.

CN: Polyhedra’nın blockchain ekosisteminde ZK kanıtlarının rolüne ilişkin uzun vadeli vizyonu nedir?

EV: Blockchain üzerinde gerçekleşen her hesaplamanın zk-proof’lar aracılığıyla doğrulanabilir olması gerektiğine inanıyoruz. Ayrıca, zk-proof’lar blockchain’in merkeziyetsizlik, şeffaflık ve güvenlik vizyonunu gerçekleştirmenin ana yolu olarak görüyoruz.