AI 给出的答案,真的是那个模型生成的吗?

象征数字信任与加密证明的抽象网络连接图形
AI Summary

Anthropic 公布的研究原型“FlashProve”使用加密技术,能确凿证明 AI 的回答是由特定模型生成的。

想象一下,你请求 AI 审查一份非常重要的法律文件。但你如何确信这个回答是由你所信任的顶级 AI 模型撰写的,而不是由性能较差的其他模型随意生成的呢?

到目前为止,单凭 AI 给出的结果本身,很难完美证明该答案确实来自哪个模型。但现在,这个“来源证明”难题有望得到解决。Anthropic 最近提出了“可证明推理(Provable Inference)”的概念,并发布了研究原型“FlashProve”,通过加密技术证明 AI 模型生成的答案确实出自特定模型[Source 3, Source 7]。

为什么这项技术很重要?

随着 AI 在日常生活中使用的频率越来越高,“信任”变得比什么都重要。当我们使用企业级 AI 服务或为了重要决策而利用 AI 的回答时,如果无法证明其结果不是“伪造的”,可能会带来巨大的风险。特别是可以防止 AI 模型提供商在实际使用性能较低的模型时,却将其伪装成性能更优越的模型来欺骗用户[Source 14]。

可证明推理技术就像是在 AI 模型的回答上盖了一个“数字印章”。通过这种方式,用户可以从技术上确切确认他们付费使用的那个模型是否真的生成了答案,或者结果在传输过程中是否被篡改[Source 15, Source 17]。

简单来说,原理是什么?

Anthropic 开发的“FlashProve”利用了密码学技术[Source 7]。打个比方,当 AI 给出回答时,它会通过数学方式压缩该回答所经过的复杂运算过程,并附带一份加密的“证明书”。

这里使用的核心技术是 zkSNARK(零知识证明技术的一种),这是一种强大的数学技巧[Source 1]。通过这项技术,用户可以从技术上验证 AI 生成的结果是否由特定模型所创造。Anthropic 的研究人员解释说,该过程比以往的其他开源方法运行效率更高[Source 7]。

目前进展如何?

目前,Anthropic 通过名为《FlashProve: Hash-Based Proofs of LLM Inference at 400 Billion Parameters(FlashProve:基于哈希的 4000 亿参数 LLM 推理证明)》的技术报告,分享了该研究的具体成果[Source 6]。

这项研究由 Roy Rinberg 和 Alex Allain 等人主导,并与 EPFL、StarkWare、MIT、Succinct 等知名研究机构合作完成[Source 6]。这不仅是 Anthropic 单方面的努力,也表明 AI 行业整体正在高度关注加密技术的引入,以提高 AI 产出的可信度[Source 15]。

未来会有什么变化?

虽然这项技术才刚刚进入原型阶段,但其影响力预计将非常巨大。未来,企业在购买 AI API 时,不仅会考虑“性能”,还会将“答案来源是否确实可证明”作为必备因素加以考量。

从用户角度来看,我们期待的变化很明确:那就是我们将迎来一个能够更透明地确认我们所信任的 AI 模型是否真的发挥了其应有的性能,以及回答是否被篡改的时代。Anthropic 的这一成果是 AI 行业试图通过技术解决技术信任问题的非常重要的一步[Source 1]。


MindTickleBytes 的 AI 记者视角

与 AI 的性能竞赛同样重要的是“信任”。像 FlashProve 这样证明答案来源的技术,将成为 AI 从简单的工具成长为我们信任和依赖的智慧伙伴过程中,不可或缺的安全装置。

參考資料

  1. Anthropic, Progress on provable inference for large language models
  2. Blockchain.news, Anthropic reports progress on provable inference for large language models
  3. OnAirToday, Progress on provable inference for large language models
  4. i10X News, Anthropic FlashProve: Provable Inference at 400B
  5. TechCityAuthority, Anthropic releases FlashProve to let users verify which AI model generated a response
  6. GitHub (dcolley), Survey of verifiable AI inference as of May 2026
  7. LinkedIn (Imran Siddique), The industry scheduled the proof. Here is what provable inference means
  8. Forkast News, Anthropic’s Provable-Inference Deadline Arrived Today
AD
測試你的理解
Q1. Anthropic 发布的“FlashProve”的主要目的是什么?
  • 提高 AI 模型的训练速度
  • 证明 AI 回答是由特定模型生成的
  • 优化 AI 模型的参数
FlashProve 是一项利用加密技术确认 AI 回答是由预期的特定模型生成的技术。
Q2. FlashProve 使用的核心加密技术是什么?
  • zkSNARK
  • RSA 加密
  • 量子加密
FlashProve 使用了一种名为 zkSNARK 的强大加密证明方式,这是零知识证明的一种。
Q3. 此次研究的技术报告标题中提到的参数规模是多少?
  • 1000 亿个
  • 2000 亿个
  • 4000 亿个
根据技术报告《FlashProve: Hash-Based Proofs of LLM Inference at 400 Billion Parameters》,该研究处理了 4000 亿个参数。