في عالم الذكاء الاصطناعي المتنامي، تبرز الحاجة إلى طرق آمنة وفعّالة لنقل الحسابات من عملاء موثوقين إلى خوادم قوية لكنها غير موثوقة. وقد تمثل MOSAIC الحل المثالي لهذا التحدي.

تقدم MOSAIC بروتوكول جديد لمصفوفات الضرب، الذي يمكنه التعامل مع مصفوفات أكبر بكثير من الحلول السابقة، مما يسهل عملية نقل الأعمال الحديثة مثل الاستدلال باستخدام نماذج التحويل الكبيرة (Large Transformers) بأمان. يعمل MOSAIC على إدخال كميات صغيرة من الضوضاء إلى نتائج الضرب، مما يسمح بتقليل العبء على العميل.

تتجاوز فعالية MOSAIC حدود التقنيات السابقة، حيث تعد الأوقات الزمنية التي توفرها أسرع بمئات المرات من تلك التي كانت موجودة مسبقاً. يعتمد أمان النظام على افتراضات LWE و LPN، مما يجعله حلّاً قويًّا وموثوقًا.

يعتبر التحدي الفني الرئيسي الذي تواجهه MOSAIC هو التحكم في نمو الخطأ الناتج عن هذه الضوضاء. ولحل هذه المعضلة، تستخدم MOSAIC آلية ضبط الخطأ المعتمدة على التدويرات العشوائية (Hadamard Rotations). تم تحسين أداء MOSAIC بشكل ملحوظ عند تطبيقه على نماذج التحويل الكبيرة (70B)، وحقق نتائج متقاربة مع أساليب الكم (Quantization) التقليدية، بل وتوافق في الأداء مع الاستدلال الدقيق الكامل.

تظهر التطبيقات المبكرة لـ MOSAIC كيف يمكن أن تساهم مثل هذه الأفكار في تعميم الذكاء الاصطناعي السري على نطاق واسع في مراكز البيانات الحديثة. تتوزع استدلالات غير السرية عبر مراحل متعددة، مما يعظم الاستفادة من الأجهزة المتنوعة، مما يتيح نقل القيم المحفوظة والأوزان بين العقد بكفاءة عالية. إن تقدم MOSAIC يمكّن من توسيع نطاق حسابات الذكاء الاصطناعي السري عن طريق الحفاظ على قاعدة الحوسبة الموثوقة صغيرة، مع نقل الجزء الأكبر من العمليات إلى معالجات غير موثوقة.