본 논문은 다양한 산업 분야에서 인공지능(AI)의 통합이 증가함에 따라 AI 개발 및 배포의 투명성, 신뢰성, 감사 가능성을 보장하기 위한 강력한 메커니즘이 필요하다는 점을 강조합니다. 특히 여러 관할권에서 AI 안전에 대한 규제 및 법률 도입을 요구하는 최근 움직임을 고려할 때 이 주제는 매우 중요합니다. 본 논문에서는 데이터 소싱부터 훈련, 추론, 언러닝까지 AI 수명 주기의 다양한 단계에 걸쳐 검증 가능성에 기여하는 핵심 구성 요소와 기존 암호화 접근 방식을 식별하여 완전한 검증 가능한 AI 파이프라인을 위한 프레임워크를 제안합니다. 이 프레임워크는 AI 생성 자산과 함께 암호화 증명을 제공하여 그 출처와 정확성을 하류에서 검증할 수 있도록 함으로써 잘못된 정보와 싸우는 데 사용될 수 있습니다. 본 연구 결과는 분리된 AI 프로세스에 대해 효율적일 뿐만 아니라 AI 파이프라인 내의 다양한 프로세스 간에 효율적으로 '연결'될 수 있는 암호화 도구를 개발하기 위한 지속적인 연구의 중요성을 강조합니다. 이는 엔드 투 엔드 검증 가능한 AI 기술 개발을 지원하기 위함입니다.
