La carrera de IA ahora está realmente en auge, con todo tipo de proyectos de agentes volando por todas partes, y los ecos de que la IA descentralizada cambiará el mundo no cesan😂

Pero pensándolo bien, si la IA realmente va a estar en la cadena, el principal obstáculo es la confianza. Los modelos en sí son cajas negras, ¿quién se atreve a confiar ciegamente en toda su lógica de inferencia? ¿Usar pruebas ZK para respaldarlas? Eso nos lleva a la misma dificultad: tiempos de verificación largos, alto consumo de recursos, y simplemente no es posible escalarlo.

Recientemente, vi que un equipo hizo una optimización interesante en el modelo NET. Redujeron el tiempo de prueba de 229 segundos a 91 segundos, una reducción del 67% en la escala de la fase de verificación. Esto no son solo números bonitos en un artículo, sino una mejora de rendimiento tangible y usable. Lo más importante es que su enfoque es muy pragmático: solo prueban la parte que necesita ser probada, dejando el resto de lado, garantizando la confianza sin desperdiciar potencia de cálculo.

Eso sí que es una solución de prueba de conocimiento cero a nivel de producción. No es un juguete de laboratorio, sino algo que realmente se puede usar.

Mirando hacia el futuro, la era en la que los agentes de IA estarán por todas partes llegará tarde o temprano. En ese momento, la inferencia en la cadena y las transacciones por agentes serán la norma. Lo que sostiene todo esto, precisamente, son tecnologías de prueba eficientes como estas. Tal vez la próxima oportunidad de cien veces esté escondida en la intersección entre ZK y IA.

¿Qué opinan ustedes? ¿Alguna idea?