top of page
  • White Facebook Icon
  • White LinkedIn Icon

#כתבות_מרץ_2023

חישוב מבוזר

01

Insert-Image_01_09.webp

שליו קטש

אחד האתגרים הגדולים של המאה ה-21 הוא שיפור התכנון של המערכות שבהן מקיימים מכשירי המחשוב השונים אינטראקציה ותקשורת ביניהם, ודרך יכולת זו להמציא אפליקציות חדשות שימנפו את היכולת להמצאות חדשות נוספות. לדוגמא, כאשר קבוצה של אנשים צריכה לחלוק משאבים ולעבוד כצוות על מנת לפתור בעיות שונות. אז מה אפשר לעשות?

Algorithm

העתיד כבר כאן: Generative AI

עומר לרר

כסטודנטים למדעי המחשב, בטוח יצא לכם להיתקל בChatGPT ואולי אפילו לייצר תמונות בMidjourney או Dall-E. מה משותף לשלושתם? הם שייכים לקטגוריית ״בינה מלאכותית יוצרת״ או באנגלית - Generative AI. זוהי טכנולוגיה חדשה ומהפכנית עם פוטנציאל לשנות את שוק העבודה והעולם כולו. בכתבה זו נסביר מהי בינה מלאכותית יוצרת, איך היא עובדת ולמה זה צריך לעניין אותנו בכלל.

Robot

02

AI

03

 Law

1_mzpUyb3uCVY1pAn6tXvmEw.jpeg

הורדת ידיים בין הבינה המלאכותית למשפט – הקרב שלא תרצו שיהיה בו צד מפסיד

יובל שרון

סוכן הביטוח גרם לכם לקחת החלטה גרועה ממש? תתבעו אותו. ה-AI שלכם דפק אתכם? לא בטוח שיש לכם מה לעשות עם זה.

Zero Knowledge Proofs

אביב שרון

Greetings fellow computer science enthusiasts! Today we're going to talk about a topic  that's both fascinating and mind-boggling at the same time - zero knowledge proofs.  Now, don't worry if the phrase sounds a bit intimidating; we'll break it down and make it easy to understand.

waldo-image-small.jpeg

04

Cryptography

05

Medicine

WhatsApp Image 2023-03-03 at 11.08.49.jpeg

Are Digital Twins the Future of Healthcare?

דור אלון

דמיינו את היכולת לחזות את ההשפעה של טיפולים ניסיוניים על מטופל מבלי לסכן את חייו. או האפשרות ליצירת ייצוג דיגיטלי של גופו של אדם - עד לרמה התאים - כדי לבחור את האפשרות הכירורגית הטובה ביותר. מה אם נוכל לקבוע את הסיכויים שקוצב לב ישאיר מטופל עם אי ספיקת לב בחיים ללא צורך בניתוח? ברוכים הבאים לעולם חדש של רפואה מדויקת וטיפול מונע, המתאפשר בין היתר באמצעות טכנולוגיה הנקראת "תאומים דיגיטליים".

רכב אוטונו-מי?

תומר בן דורי

כבר שנים שעוד ועוד ענקיות טכנולוגיה מכריזות על הצטרפותן לתעשיית הרכב האוטונומי, יוצאות בהצהרות והבטחות על סיום והפצת המוצר, ושהוא רק נמצא "ממש מעבר לפינה" ו "ניסוי אחרון וסיימנו".

אך עם מכירה וסגירה של מחלקות הרכב האוטונומי בחברות רבות, דחיות ועיכובים של לוחות הזמנים ושינויים משמעותיים במודלים העסקיים של החברות המובילות בתחום, ננסה להבין כיצד הטכנולוגיה המתקדמת והמציאות נפגשות ואילו אתגרים מחכים לתעשיית הרכב בדרך למימוש החלום הנשגב.

S_Woman_in_the_Driver_Seat_of_Autonomous_Vehicle-scaled.jpg

06

Self-driving Cars

חישוב מבוזר

מאת שליו קטש

סטודנט שנה ב' למדעי המחשב- יזמות

מאמר זה מתבסס על ספרו של פרופסור גדי טאובנפלד “Distributed Computing Pearls" בו הוא מציג בצורה ידידותית לקורא הכללי כמה מהבעיות והפתרונות הקלאסיים לבעיות במדעי המחשב שבבסיסן עומד רעיון האלגוריתמים המבוזרים.

רקע:

בשנים האחרונות קרו שתי התפתחויות מרכזיות ששינו לחלוטין את עולם המחשבים: הראשונה היא התרחבות השימוש באינטרנט למטרות שונות, והשנייה היא תכנון מחשבים בעלי מספר מעבדים, כלומר מחשב בודד לו יש מספר מעבדים. המעבד הוא מעין "מוח" עבור המחשב ולכן ניתן להקביל את המחשבים המודרניים למחשבים בעלי מספר "מוחות". בכל אחד מהמקרים המצויינים יש צורך במספר מעבדים שיעבדו יחד על מנת להשיג את התוצאה הרצויה (בין אם המעבדים נמצאים באותו המחשב ובין אם לא).

מעבר למוצרים הרגילים העולים לנו לראש כאשר אנו מדברים על האינטרנט כמו מחשב נייד, סמארטפון, טאבלט וכדומה, האינטרנט מציע קישוריות בין התקני מחשוב רבים אחרים. דוגמאות לזה הן חיישנים מסוגים שונים: חיישנים העוזרים לנטר נתונים סביבתיים, חיישנים העוזרים לנטר שינויים מבניים בתשתיות כמו גשרים, חיישנים רפואיים שמפיקים מידע רפואי על מטופל ועוד רבים.

המצאת המחשבים ורשתות מחשבים היא המצאה מדהימה בעלת חשיבות הולכת וגדלה בחיי היום יום של כולנו, היא נוגעת כמעט בכל תחום מפשוט ועד מורכב, בידור, חינוך, מסחר ועוד, כל אלו עוברים תהליך שינוי אודות לרשתות המחשבים הקיימות כיום. בהתאם לכך, אחד האתגרים הגדולים של המאה ה-21 הוא שיפור התכנון של המערכות שבהן מקיימים מכשירי המחשוב השונים אינטראקציה ותקשורת ביניהם, ודרך יכולת זו להמציא אפליקציות חדשות שימנפו את היכולת להמצאות חדשות נוספות.

השינויים הבסיסיים בארכיטקטורת המחשבים, בהם עברה כל תעשיית החומרה לפלטפורמות ניידות ומרובות מעבדים הרחיבו את זירת התקשורת בין מחשבים בצורה חסרת תקדים המחייבת שינוי תואם בדרך כתיבת האפליקציות לרשתות מחשבים ומחשבים מרובי מעבדים. בלב שינוי זה עומדים שני עקרונות מרכזיים, מקביליות וסנכרון. ללא סנכרון ומקביליות, רשתות האינטרנט לא יוכלו לתפקד מבלי לעבוד בפרוטוקולים מסונכרנים, מערכות הפעלה יקרסו ועיבוד מקבילי לא יהיה אפשרי. מקביליות קיימת לא רק בעולם המחשבים, היא קיימת גם בטבע וביצורים חיים, היא קיימת בכל שלב החל מהרמה המולקולרית ועד מערכות אקולוגיות שלמות. במידה רבה, עתידם של המחשבים במאה ה-21 תלוי בכך שמתכנתים ידעו לנצל את היתרון של המקביליות. במאמר זה נסכם בקצרה חלקים מספרו של פרופסור גדי טאובנפלד בו הוא מדגים בעיות מעולם המחשבים המתבססות על העקרונות עליהם דיברנו ומקביל אותן לבעיות הצצות בחיינו, לדוגמא כאשר קבוצה של אנשים צריכה לחלוק משאבים ולעבוד כצוות על מנת לפתור בעיות שונות. 

סנכרון:

בין תכנות המבוסס על רשתות תקשורת ובין תכנות המבוסס על מעבד אחד יש הרבה צדדים משותפים. הבעיה העיקרית בשני המקרים הללו היא ההבנה של איך מחשבים שונים באינטרנט, או לחילופין, מעבדים שונים באותו מחשב מתקשרים ומסתנכרנים אחד עם השני. טכניקות הסינכרון הן הכרחיות בתכנון ותחזוק של קבוצות מחשבים ומעבדים.

באופן כללי, הרבה מהאינטראקציות היומיומיות שלנו עם אנשים כוללות סנכרון. כאשר בני זוג מסנכרנים מי ילך לקניות, מי יזרוק את הזבל, מי יתקלח ראשון, מי יקח את האוטו, או מי ישתמש במחשב הבודד שיש בבית. או למשל, נניח שיש לכם חצר משותפת עם השכן שלכם, לכם יש כלב ולו יש חתול, והם לא כל כך מסתדרים, במצב כזה תצטרכו לתאם מי יצא לחצר כדי שלא יקרה מצב בו גם הכלב וגם החתול נמצאים בחצר בו זמנית. בדוגמאות אלה, משתמשים בסנכרון כדי לוודא שרק משתתף אחד עושה פעולה כלשהי בזמן נתון. אך יש עוד סוגים של בעיות סנכרון שעוסקות דווקא בשיתוף פעולה בין המשתתפים. למשל כששני אנשים צריכים להזיז חפץ כבד יחדיו ממקום אחד למקום אחר. דוגמא קלאסית למצב כזה היא כאשר שני מחנות של אותו הצבא צריכים לתאם זמן שבו יתקפו יחדיו מחנה של אויב.

 

בעיית הלחם (יותר מידי לחם):

נניח כי אליס ובוב הם זוג החולק דירה, וכי הם הסכימו ביניהם שתמיד יהיה בדירה כיכר לחם אחד בדיוק.
נתאר סיטואציה בה אליס מגיעה הביתה ורואה כי אין לחם, לכן, כפי שהם סיכמו היא יורדת למאפייה וקונה כיכר לחם. בזמן שהיא קונה את הכיכר לחם גם בוב מגיע לדירה, ורואה גם הוא כי אין לחם. לכן, כפי שהם סיכמו יורד בוב לקנות לחם. כך נוצר מצב כי יש יותר מידי לחם בדירה של בוב ואליס.

אליס ובוב צריכים להחליט בניהם על אלגוריתם שיבטיח ששני התנאים הבאים יתקיימו:
1. אדם אחד בלבד קונה לחם כשאין לחם.
2. תמיד יש מישהו שקונה לחם כאשר אין לחם.

פתרון בו רק אחד מהם, בוב לדוגמא, הוא זה שקונה לחם אינו קביל כיוון שמצב זה, אם אליס מגיעה הבייתה ומגלה כי נגמר הלחם, היא עשויה לחכות לנצח שבוב יגיע הבייתה גם הוא. כלומר תנאי מספר 2 אינו מתקיים.

נניח גם כי אליס ובוב לא יכולים לראות אחד את השני, הם יכולים לתקשר אחד עם השני רק באמצעות פתקים. נניח כי ברגע סיום כתיבת הפתק הוא מגיע ליעדו בצורה אמינה ומהירה. אך בין זמן הבדיקה האם יש פתק, וזמן הכתיבה של פתק חדש, יכול כבר להופיע פתק נוסף מבן הזוג.

לאיזה סרט נלך?

בעיה נוספת המוסיפה רובד נוסף היא בעיית ההחלטה על הסרט.
כיתת תלמידים מחליטה לצאת לסרט הערב, הם צריכים להחליט לאיזה סרט ללכת. לכל סטודנט יש דעה ראשונית לאיזה סרט ללכת, והוא יכול לשנות את דעתו, אך הוא יכול להחליט לאיזה סרט הוא רוצה ללכת רק פעם אחת. התלמידים מתקשרים בניהם באמצעות שליחת הודעות טקסט קצרות, שניתן להניח שמגיעות תמיד ליעדן בצורה אמינה. כל תלמיד יכול לשלוח הודעה ישירה לכל תלמיד אחר.
כל תלמיד יכול לפרוש בכל זמן שהוא רוצה ופשוט ללכת הבייתה מבלי להודיע לשאר התלמידים.

החלטה סופית על סרט, ובעצם פתרון לבעיה, יגיע רק כאשר יענה על שני תנאים:
1. הסכמה - כאשר כל התלמידים שנשארו החליטו שהן רוצים ללכת לאותו הסרט.
2. תקפות – הסרט שהתלמידים החליטו ללכת אליו חייב להיות אחד מבין הדעות הראשונות של התלמידים. הסרט יכול להיות דעה של תלמיד שנשאר עד לקבלת ההחלטה, או דעה של תלמיד שפרש בשלב מוקדם יותר. אין לכך חשיבות, כל עוד הסרט שנבחר נאמר בסבב הראשון של דעות התלמידים על ידו אחד מהם.

האלגוריתם צריך לעבוד ללא התחשבות בפרישת התלמידים, או במספר התלמידים שפרשו במהלכו. מקרה ספציפי להרצת האלגוריתם הוא מקרה בו כבר בסבב הראשון של הדעות כל התלמידים מחליטים כי הם רוצים ללכת לאותו הסרט. במצב זה הם ילכו לסרט שהוסכם כבר בסבב הראשון. וזאת מבלי שאף תלמיד פרש. 

לבעיות שהצגנו כאן קיימים מספר פתרונות שהיינו רוצים להציע מיד, או לאחר חשיבה קצרה, אך יש בהם פגמים, והם לא עובדים במצב זה. קיימים גם פתרונות שאכן עובדים, ועל בסיסם נכתבו אלגוריתמים אמיתיים הפותרים בעיות מחיי היום יום של כולנו. בנוסף, קיימות עוד דוגמאות רבות לבעיות סנכרון מעניינות בעולם זה. מסקרן אתכם לדעת? ניתן לקרוא בהרחבה על הפתרונות לבעיות שהצגנו, כמו על בעיות נוספות ופתרונות שלהם בספרו של פרופסור גדי טאובנפלד. 

 

תודה לאריאל מיכאל ואורן ניסים

ALG

העתיד כבר כאן: Generative AI

מאת עומר לרר

סטודנט שנה ג' למדעי המחשב

מה זה בכלל בינה מלאכותית יוצרת?

בינה מלאכותית יוצרת היא שם כולל לאלגוריתמי למידת מכונה (Machine Learning) שיכולים ליצור דברים יש מאין, לפי הדאטה עליו הם מאומנים. לטכנולוגיה זו יש את הכוח לייצר טקסטים, תמונות ומוזיקה בצורה ריאליסטית. שלא כמו אלגוריתמי AI מסורתיים המתבססים על דאטה כדי לחזות דברים, בינה מלאכותית יוצרת, כמו שהשם שלה רומז, יכולה ליצור דברים מאפס.

 

איך זה עובד?

ישנם שני סוגים מרכזיים:

  1. GANs - טכניקה זו עובדת על ידי שימוש בשתי רשתות נוירונים: רשת יוצרת (Generator) ורשת מבחינה (Discriminator). הרשת היוצרת, כשמה, יוצרת דאטה חדש בהתבסס על הדאטה עליו היא מאומנת, בעוד הרשת המבחינה מעריכה האם הדאטה שנוצר הוא ריאליסטי או לא. שתי הרשתות עובדות יחד בתהליך שנקרא Adversarial Training, בו הרשת היוצרת לומדת ליצור דאטה טוב יותר ע״י ״הפלה בפח״ של הרשת המבחינה, והרשת המבחינה לומדת מכך גם ומשפרת את האבחנה בין דאטה אמיתי לבין דאטה חדש שנוצר.

  2. Transformers - מודלים מסוג זה, כמו GPT-3, משתמשים בלמידה בלתי מונחית כדי ללמוד ליצור טקסט או תמונות בהתבסס על דפוסים ומבנים הנלמדים ממאגרים עצומים של מידע.

 

למה לנו כסטודנטים למדמ״ח צריך להיות אכפת?

כבר היום ניתן לעשות דברים מדהימים עם כלים כמו ChatGPT ו-Midjourney שיכולים לשמש אותנו כמו: Debugging, כתיבת קטעי קוד, שאלות הבנה, כתיבת דוקומנטציה, יצירת לוגואים ועוד דברים רבים. היכולת להשתמש בכלים אלה בעבודה, אקדמיה ואפילו בחיים האישיים יכולה לעזור לכם לחסוך עבודה, זמן וכסף.

בנוסף, ניתן להניח כי בעתיד, ככל שטכנולוגיה זו תלך ותשתפר, יהיו מקצועות רבים שיהפכו למיותרים או לכל הפחות יצטמצמו, ולאנשים שיהיה להם הידע להשתמש בכלים אלה יהיה יתרון מובהק בשוק העבודה על פני כאלה שיישארו מאחור.

 

 

 

 

 

 

כאן לדוגמה, ביקשתי מChatGPT להסביר לי על הפעולה git rebase, במקום להשקיע זמן ולחפש תשובה מפורטת בגוגל.

לסיכום, בינה מלאכותית יוצרת היא טכנולוגיה מהפכנית שככל הנראה תשפיע עלינו מאוד כבר בעתיד הלא כל כך רחוק. לכן, בתור סטודנטים עם עתיד בעולם ההייטק והמחשבים, שווה להיות מעודכנים ולהבין איך אפשר להשתמש בכלים אלה. הנה כמה כלים שתוכלו לעשות בהם שימוש:

  • טקסט: ChatGPT

  • תמונה: Midjourney, Dall-E, Stable Diffusion

  • קוד: Github Copilot, Tabnine

WhatsApp Image 2023-03-28 at 18.38.01.jpeg
AI
AI LAW

הורדת ידיים בין הבינה המלאכותית למשפט – הקרב שלא תרצו שיהיה בו צד מפסיד

מאת יובל שרון

סטודנטית שנה ב' למשפטים MBA

שבועות בודדים חלפו מאז שמיקרוסופט הציגה גרסה מוקדמת של מנוע החיפוש החדש שלה המופעל על ידי בינה מלאכותית, Bing AI, וכבר הוא עושה כותרות. המנוע נועד להחזיר פסקאות שלמות של טקסט שנקראות כאילו נכתבו על ידי אדם, אולם בודקי בטא גילו במהירות בעיות עם הבוט. הוא איים על חלקם, סיפק עצות מוזרות ולא מועילות לאחרים, התעקש שהוא צודק כשהוא טועה ואפילו הכריז על אהבה למשתמשים שלו. בודקים אפילו גילו "אישיות חלופית" בתוך הצ'אטבוט בשם סידני. WTF?

כתוצאה מכך, החברה הודיעה כי "חווית הצ'אט תהיה מוגבלת ל-50 סיבובי צ'אט ביום ו-5 סיבובי צ'אט למפגש". לפי מיקרוסופט, ההגבלות "יעזרו למקד את הפעלות הצ'אט", יום לאחר שהחברה אמרה ששיחות ארוכות עם Bing החדש (יותר מ-15 שאלות) עלולות "לבלבל" את מודל המחשוב של התוכנית ולהניב תגובות לא אחידות.

אמנם זה סיפור די ביזארי, אבל יש לא מעט משפטנים שהסיפור הזה דווקא גרם להם ללקק את האצבעות. בעיניהם, המקרה הזה של Bing AI, מחזק את הטענה לפיה מנועי בינה מלאכותית עשויים לפתח מעין ישות עצמאית שאנשים נשענים עליה בקבלת החלטות מקצועיות, כלכליות, רגשיות, משפטיות וכו'. ולדבר הזה, יכולות להיות השלכות לא פשוטות. 

אחד האתגרים המשפטיים המשמעותיים שה-AI מביא איתו הוא נושא האחריות. מערכות בינה מלאכותית נועדו ללמוד ולקבל החלטות על סמך נתונים, וכתוצאה מכך, לעיתים קרובות קשה לקבוע מי אחראי להחלטות שמתקבלות על ידי AI. הדבר מעלה שאלות לגבי סמכות ואחריות, במיוחד כאשר נעשה שימוש בבינה מלאכותית לקבלת החלטות קריטיות כמו במערכת המשפט הפלילי, בתחום הרפואה ובעולם הפיננסים.

אתגר משמעותי נוסף הוא הפוטנציאל להטיה (bias) במערכות בינה מלאכותית. אם הנתונים המשמשים לאימון מערכת בינה מלאכותית מוטים, אז הפלט של המערכת יהיה מוטה. זה מעלה חששות לגבי אפליה, במיוחד בתחומים כמו גיוס עובדים, הלוואות וביטוח, שבהם החלטות המתקבלות על ידי מערכות בינה מלאכותית יכולות להשפיע באופן משמעותי על חייהם של אנשים.

כמו שניתן לראות, השימוש בבינה מלאכותית מעורר חששות משפטיים ואתיים, מה שמוביל לצורך במסגרת משפטית איתנה. אבל יש לא מעט בעיות וחוסר הסכמות בכל הנוגע לרגולציה של AI.

באופן כללי, יש שתי אסכולות בנושא הרגולציה של בינה מלאכותית. הראשונה מבוססת על ההנחה שרגולציה מזיקה לחדשנות. יזמים במחנה הזה לא רוצים שתחום הבינה המלאכותית יוגדר מוקדם מדי, ובטח שלא על ידי אנשים לא טכניים. לדעתם, מדיניות גרועה יוצרת טכנולוגיה גרועה, ורגולציה חונקת חדשנות.

האסכולה השניה מבקשת להגן מפני יצירות בינה מלאכותית שעלולות ליצור נזק ובכך "להרעיל את הבאר" עבור יזמי AI אחרים. תומכי אסכולה זו מאמינים שממשלות צריכות לפעול במהירות כדי לקדם סטנדרטים והנחיות קיימים או, במידת הצורך, ליצור קווים מנחים חדשים, כדי למנוע נזק שיביא להאטה ביזמות בעולמות הבינה המלאכותית.

כדי להתמודד עם הפערים והאתגרים המשפטיים שמציבה הבינה המלאכותית, מספר מדינות החלו לנקוט בצעדים להסדרת בינה מלאכותית. לדוגמה, תקנת הגנת המידע הכללית של האיחוד האירופי (GDPR) כוללת הוראות המסדירות מערכות בינה מלאכותית המעבדות נתונים אישיים. באופן דומה, ועדת הסחר הפדרלית של ארצות הברית (FTC) פרסמה הנחיות לגבי השימוש ב-AI בקבלת החלטות אוטומטית, כולל המלצות על שקיפות, הוגנות ואחריות.

ועדיין, המסגרת המשפטית שמגדירה ומווסתת AI עדיין בחיתוליה. במדינות מסוימות, המסגרת המשפטית של AI אינה קיימת או שאינה מספקת, מה שמוביל לפערים ואתגרים משפטיים. המסגרת המשפטית הקיימת, לרבות דיני פרטיות, חוקי קניין רוחני וחוקים נגד אפליה, לא תוכננה מתוך מחשבה על בינה מלאכותית, מה שהוביל לחוסר בהירות לגבי האופן שבו חוקים אלו חלים על בינה מלאכותית.

בסופו של דבר, היעדר חקיקה מתאימה מביא לבלבול ולנזק כפול: מצד אחד, עלול להיגרם כאוס ונזק כתוצאה מניצול מירבי של החוסר ברגולציה, במובן של "מה שלא אסור, מותר". מצד שני, עלול להיווצר "אפקט מצנן" ליזמות וחדשנות בעולמות ה-AI: כאשר אדם העוסק בבינה מלאכותית לא יודע מה אסור לו או מותר לו, הוא עלול להימנע מחדשנות ומפיתוח מוצר שמקדם את החברה, מחשש שיישא באחריות משפטית.

ZERO KNOW

Zero Knowledge Proofs

מאת אביב שרון

סטודנט שנה ב' למדעי המחשב- יזמות

In simple terms, a zero knowledge proof is a way to prove that you know something  without actually revealing what that something is. Think of it like a magic trick - the  magician shows you something amazing, but they don't reveal how they did it. Similarly,  in a zero knowledge proof, you can prove that you know something without giving away  any information about what that thing is. 

So how can we use this in real life? Well, let's take the example of "Find Waldo." You know  the popular children's book where you have to find Waldo among a sea of other  characters, right? Imagine if someone claimed that they could find Waldo in just a few  seconds, but you were skeptical. How could they prove that they really could find Waldo  without actually showing you where he was? That's where zero knowledge proofs come  in. 

The person making the claim could use a zero knowledge proof to  demonstrate that they really can find Waldo, without revealing his exact  location. For example, they could show you a portion of the picture, and  then ask you to pick a random spot on the page. If they can then zoom in  on that spot and show you a small portion of Waldo's hat, you can be pretty  sure that they know where Waldo is. And yet, they haven't actually revealed  Waldo's location - they've only given you a tiny piece of information that  proves their knowledge without giving anything away. 

So why is this useful? Well, imagine that you're a bank, and someone wants to withdraw  money from their account. You need to make sure that they're really who they say they 

are before you give them access to their funds. With a zero knowledge proof, you could  ask the person to prove their identity without revealing any sensitive information. For  example, you could ask them to solve a difficult math problem, and use a zero knowledge  proof to verify that they know the solution without actually revealing it. This would allow  you to authenticate the transaction without putting the person's sensitive information at  risk. 

The applications of zero knowledge proofs go far beyond banking, of course. They can  be used for secure authentication, private transactions, and even in cryptography. In fact,  zero knowledge proofs are an essential component of the blockchain technology that  powers cryptocurrencies like Bitcoin. By using zero knowledge proofs, cryptocurrencies  can ensure that transactions are valid without revealing any sensitive information about  the parties involved. 

In conclusion, zero knowledge proofs are a powerful and fascinating concept with  countless applications in the world of computer science. From finding Waldo to securing  online transactions, this technology has the potential to revolutionize the way we think  about privacy and security. As computer science students, it's an exciting time to be  learning about this technology, and we can't wait to see where it takes us in the future!

bottom of page