NEAR प्रोटोकॉल: AI को पारदर्शी और सत्यापनी बनाना

5 min read

कृत्रिम बुद्धिमत्ता (AI) ने मुख्य ब्रेकथ्रू लाए हैं, काम करने, सीखने, और प्रौद्योगिकी के साथ बातचीत करने के तरीके बदल दिए हैं। लेकिन जैसे ही AI अधिक उन्नत होती जा रही है, वैसे ही विश्वास, पारदर्शिता, और नियंत्रण के संबंधों के चिंताएं भी बढ़ रही हैं। अधिकांश लोग बड़ी कंपनियों द्वारा चलाए गए बंद प्रणालियों पर निर्भर करते हैं, जिनमें निर्णय कैसे लिए जाते हैं या व्यक्तिगत डेटा का संचालन कैसे होता है, उसके बारे में थोड़ी सी जानकारी भी नहीं होती। उस दृश्यता की कमी ने सटीकता, जवाबदेही, और गोपनीयता के महत्वपूर्ण सवालों को उठाया है।

NEAR Protocol एक विभिन्न पथ अपनाता है – जो AI को ब्लॉकचेन की पारदर्शिता के साथ मिलाता है। परिणाम है AI जो केवल शक्तिशाली है बल्कि खुला, समीक्षणीय, और उपयोगकर्ता नियंत्रण के आसपास निर्मित है। चलिए देखते हैं कि NEAR इसे कैसे संभव बना रहा है।

क्यों सत्यापनीय AI महत्वपूर्ण है

आज के अधिकांश लोकप्रिय AI उपकरण – जैसे GPT-4 या Claude – काले बक्सों की तरह काम करते हैं। आप उन्हें एक प्रॉम्प्ट देते हैं, और वे आपको एक जवाब देते हैं, लेकिन आप नहीं देख सकते कि वे उस निष्कर्ष पर कैसे पहुंचे। आप नहीं जानते कि उन्होंने कौन सी डेटा का उपयोग किया, उसे कैसे प्रसंस्कृत किया गया था, या क्या आप नतीजे पर विश्वास कर सकते हैं। यहाँ पर सत्यापनीय AI की अवधारणा आती है: वह सिस्टम जो खुले तरीके से काम करता है और जिसमें कोई भी उनके आउटपुट की जांच और पुष्टि कर सकता है।

NEAR का मिशन है कि उपयोगकर्ता भरोसा कर सकें – उपयोगकर्ता द्वारा खुला AI, और जहाँ प्रक्रियाएँ और परिणाम निर्देशित रूप से सत्यापित किए जा सकते हैं।

NEAR पर पारदर्शी AI का निर्माण

इस प्रयास का एक महत्वपूर्ण हिस्सा NEAR AI Cloud है। NEAR AI Cloud Trusted Execution Environments (TEEs) के अंदर मॉडल क्वेरी चलाता है, ताकि आपके प्रॉम्प्ट, मॉडल वेट्स, और आउटपुट इंफ्रास्ट्रक्चर से छिपे रहें जबकि एक प्रमाणन उत्पन्न करता है जिसे आप सत्यापित कर सकते हैं। प्रत्येक अनुमान को साइन किया जाता है ताकि यह साबित हो कि यह एक सच्चे, लॉक्ड-डाउन एन्क्लेव में स्वीकृत कोड के साथ निष्क्रिय हुआ है, जो आपको गोपनीयता और अखंडता प्रदान करता है बिना प्रतिक्रिया की कुर्बानी देने। ऑन-/ऑफ-चेन सत्यापन के साथ (और प्रमाण के लिए वैकल्पिक nStamping के साथ), यह अंत उपयोगकर्ताओं के लिए निजी, सत्यापनीय, तेज AI लाता है।

उदाहरण के रूप में लें Learn NEAR Club का AI सहायक, जिसे (L)Earn AI🕺 कहा जाता है। यह सिर्फ उत्तर नहीं देता; यह दिखाता है कि यह कैसे काम करता है। उपयोगकर्ता इसकी स्रोत कोड, प्रॉम्प्ट, फ़िल्टर, और वह सटीक मॉडल जिस पर यह चल रहा है, की जांच कर सकते हैं। कुछ भी छुपा नहीं है। इस स्तर की खुलापन लोगों को उपकरण पर भरोसा करने देती है – या तो उन्हें उसे अपनी आवश्यकताओं के अनुसार बेहतर बनाने के लिए अनुकूलित करने की अनुमति देती है।

NEAR पर कैसे पारदर्शी और सत्यापनीय AI काम करता है के अधिक विवरण के लिए कृपया इस गाइड का संदर्भ लें

उदाहरण: (एल)अर्न AI के साथ चैट🕺

चलो देखते हैं कि यह वास्तव में कैसे काम करता है। हम आपको इसे स्वयं प्रयास करने के लिए प्रोत्साहित करते हैं ताकि आप इस अवधारणा को बेहतर समझ सकें और सोच सकें कि आप व्यक्तिगत रूप से वेरिफायबल AI VS निजी एक का लाभ कैसे उठा सकते हैं, जैसे ChatGPT, Anthropic, Grok और इसी तरह के।

चैट शुरू करें (एल)अर्न AI
verifable-ai-on-near-at-lnc-1024x267

🕺 को संदर्भित करें LNC निजी ज्ञान आधार और थोड़ा सोचें

verifable-ai-on-near-at-lnc-1

DYOR, समीक्षा करें और उत्तर पर पुनरावलोकन करें। संदर्भ स्रोत का अन्वेषण करें, क्विज लें – यह आपको नई अवधारणा को सुचारू रूप से याद करने में मदद करता है

verifable-ai-on-near-at-lnc-

अब देखते हैं किससे आप यहाँ वास्तव में बात कर रहे हैं। उस सुंदर हरा चेकमार्क देखें?

verifable-ai-on-near-at-lnc-4-

यहाँ आप देख सकते हैं कि:

  1. आप NEAR AI क्लाउड में होस्ट किए गए Deep-chat-v3-0324 मॉडल से बात कर रहे हैं TEE में
  2. आप इस प्रॉम्प्ट और ये पैरामीटर्स के साथ मॉडल को कॉल कर रहे हैं।
    verifable-ai-on-near-verifable-prompt-and-model-parameters-
  3. LNC RAG (ज्ञान आधार) द्वारा प्रदान किया गया अतिरिक्त संदर्भ
  4. सबसे रोमांचक विशेषता – nStamp! यह क्या है? कृपया जांचें कि डिजिटल फिंगर प्रिंट्स कैसे काम करते हैं। nStamp मूल रूप से NEAR ब्लॉकचेन पर लिखा गया डेटा है। तो इस विशेष nStamp 7JjvLR5yfZotgebHiNw74gXckCezAxKDyih8C4AwxW5M में (L)Earn AI का हैश है। कोई भी उपयोगकर्ता खाते, टाइमस्टैम्प और हैश की प्रमाणित कर सकता है NEAR explorer अपनी पसंद के। तो आपको वेबसाइट/चैट/मॉडल व्यवस्थापकों पर अंध विश्वास करने की आवश्यकता नहीं है – नियम परिभाषित और जाने गए हैं, और वे पत्थर पर लिखे गए हैं (अच्छा, NEAR ब्लॉकचेन पर, जो और भी अच्छा है)। यदि कोई अभिनेता – उपयोगकर्ता, एजेंट या मॉडल किसी कारण से डेटा को ट्वीक करने की कोशिश करता है – प्रमाणीकरण विफल हो जाता है।
    verifable-ai-on-near-verifable-prompt-and-model-parameters-nstamp-

इसका महत्व क्या है

AI ने बुनियादी रूप से कल ही सीखना शुरू किया। छात्र, शिक्षक, प्रशासक, स्वतंत्र शिक्षाविद्यालयकर्मी—सभी इसका उपयोग करते हैं, हर दिन।

हमारी खुद की बुद्धिमत्ता को हमें साथ रखने के लिए हमें जिम्मेदार AI के साथ साथ सीखने की आवश्यकता है

कारपथी का नियम: “AI को एक मजबूत पट्टी पर रखें।”

जून 2025 में YC के AI स्टार्टअप स्कूल में, AI विशेषज्ञ अंड्रेज कारपथी ने सबसे अच्छा कहा: “AI को एक मजबूत पट्टी पर रखें।” उन्होंने यह दावा किया कि वास्तविक दुनियावी AI उत्पादों को निरंतर प्रमाणित की आवश्यकता है – केवल प्रभावशाली डेमो नहीं। उनके लिए, एक विश्वसनीय सिस्टम वह है जहां हर जवाब के साथ एक त्वरित जांच होती है, अक्सर दूसरे मॉडल या मानव द्वारा।

NEAR का दृष्टिकोण उस सलाह का पालन करता है। यह “पीढ़ी-प्रमाणीकरण लूप” कार्रवाई में है।


खुद ही इसे प्रयास करें

यह भविष्य की अवधारणा नहीं है – यह अब लाइव है। आप LNC वेबसाइट पर वेरिफायबल (L)Earn AI🕺 का प्रयास कर सकते हैं, यह ब्लॉकचेन और AI कैसे “बुराई नहीं हो सकती” तरीके में साथ काम कर सकते हैं का हाथों का तरीका है।
NEAR Protocol विश्व का विश्वास का लेजर है!

Updated: अक्टूबर 3, 2025

Leave a Comment


To leave a comment you should to:


Scroll to Top