Pesquisadores da divisão Apple Machine Learning Research apresentaram um novo conceito que resolve o problema de verificação de afirmações sobre distribuições de dados desconhecidas. No cenário descrito, uma parte dispõe de uma quantidade limitada de amostras, enquanto outra parte, potencialmente não confiável, alega ter realizado uma análise complexa e faz conclusões sobre as propriedades desses dados.

Os autores do trabalho construíram sistemas de provas interativas que permitem à primeira parte verificar eficientemente as afirmações da segunda. A vantagem chave da abordagem proposta reside no fato de que a verificação exige significativamente menos recursos computacionais do que a realização independente da análise profunda inicial.

O sistema desenvolvido é aplicável a propriedades gerais de distribuições que podem ser definidas por meio de circuitos de profundidade limitada (bounded-depth circuits). Esta conquista teórica abre possibilidades para a criação de protocolos onde a confiança nos resultados do processamento de grandes volumes de dados é assegurada matematicamente, e não pela reputação do executor.