我们中的一些人还记得互联网加密标准化之前的一段时间。当时，在线商务是不可能的，因为没有人愿意分享他们的信用卡信息，从而可能被窥探和窃取。这只是安全套接字层（SSL）的出现，这是一种由Netscape开发和推广的加密安全协议，它保护了我们的个人信息，并使网上购物被普遍接受。
现在，机器学习是一个类似的黑匣子。你的数据被输入了，但之后会发生什么？零知识可以增强AI/ML，就像SSL让我们能够放心地将私人的、高度个人化的信息放入这些模型中并接收个性化的输出，而不用担心将这些数据泄露给第三方，从而使网络更加可用一样。
我们发起了zkML倡议，以鼓励人们为机器学习的新未来奠定基础，一个更安全、更私密、更个人化的未来。在我们准备欢迎申请者加入我们的第一季课程时，我们与Aleo首席执行官Alex Pruden谈论了他对zkML的希望以及整个机器学习的未来。
为什么zkML对机器学习的未来很重要？
机器学习是一项令人惊叹的革命性技术，从人类的角度来看，零知识使其变得更好。通过联合学习等方法，我们可以在不透露个人个人数据的情况下，对聚合的个人数据进行模型训练，但仍然可以证明其有效性。该模型最终更准确，因为在这种情况下，人们愿意分享更多的数据。这意味着您可以在质量更好的数据集上训练模型，从而产生更个性化和有用的输出。
在您看来，zkML最令人兴奋的用例是什么？
医疗保健数据是一个引人入胜、令人兴奋的用例，因为共享我们的个人医疗保健数据有很多监管和个人敏感性（可以理解）。以前解决这个问题的尝试收效甚微。但通过使用零知识密码学，我们可以想象一个系统，用户可以在不泄露底层数据的情况下证明自己的某些事实。用户还可以在自己的数据上运行一个模型，并将输出提供给一个联合学习模型，该模型聚合了每个人个人输出的结果。
如果你能为zkML计划构建任何东西，你会构建什么？为什么它很重要？
我认为使用zkML构建一个健身应用程序会非常酷。你可以使用一堆人的训练制度来训练一个模型，然后用零知识证明你已经达到了某个基准，而不需要透露你是如何做到的。
但对于zkML计划的第一季来说，最重要的是构建块。我很想看到Leo和最流行的Python库之间的联系，比如SideKick或TensorFlow。这可以让数据科学家在他们的工具包中获得零知识，而不必改变他们的常规工作流程。
为什么需要采取这一举措？如果没有，会发生什么？
现在人工智能正在进行一场巨大的军备竞赛，我不认为人工智能公司一定会考虑到人们的最大利益。我认为重要的是，大型语言模型的消费者了解成本，并积极倡导建立一个保护我们数据的系统。
如果不这样做，我认为我们就有可能不再拥有数字意义上的自己。相反，你被一家公司所有。他们并不拥有你作为一个人，但出于所有意图和目的，网络版的“你”将由他人拥有——并可能被他人控制。
你对这项技术未来有什么希望？
我希望它变得更可用，更具性能，人们投入时间和精力，让它变得更好。我认为这还为时过早，就像网络加密的早期一样，它可能不像我们希望的那样用户友好。但随着人们投入更多的时间和精力，想出更好的技术和更好的硬件，事情变得越来越容易。
‍
有兴趣创建zkML的基础吗？现在申请zkML倡议的第一季还为时不晚，该倡议将于2023年5月12日至14日举行。