Foresight Ventures: ما هو ZKML؟

zkML عبارة عن جسر بين الذكاء الاصطناعي و blockchain. وتتمثل أهميته في تمكين blockchain من إدراك العالم المادي ، وتمكين العقود الذكية من اتخاذ القرارات ، وتشغيل نماذج الذكاء الاصطناعي مع حماية الخصوصية.

ملخص

• ZKML (التعلم الآلي بدون معرفة) هي ** تقنية تستخدم براهين المعرفة الصفرية للتعلم الآلي ** ، ** ZKML هي جسر بين الذكاء الاصطناعي وسلسلة الكتل **. يمكن لـ ZKML حل مشكلة ** حماية الخصوصية ** لنموذج / إدخال AI و ** مشكلة التحقق من عملية الاستدلال ** ، بحيث يمكن تحميل ZKP ** للنموذج الصغير أو المنطق إلى السلسلة **. أهمية النموذج / سلسلة إثبات المنطق هي:
• ** دع blockchain يدرك العالم المادي **. على سبيل المثال: يمكن لنموذج التعرف على الوجوه الذي يعمل على blockchain أن يدرك وجه blockchain ، ويمكن لنموذج AI في blockchain أن يفهم أن الوجه قد يكون امرأة ، وكم عمره ، وما إلى ذلك.
• ** تمكين العقود الذكية لاتخاذ القرارات **. على سبيل المثال: نموذج التنبؤ بالأسعار WETH على السلسلة يمكن أن يساعد العقود الذكية في اتخاذ قرارات المعاملات.
• ** تشغيل نماذج الذكاء الاصطناعي بشكل خاص **. على سبيل المثال ، تنفق المؤسسة الكثير من قوة الحوسبة لتدريب نموذج ، أملاً في توفير خدمات الاستدلال بطريقة تحافظ على الخصوصية ، أو أن مدخلات المستخدم تريد ضمان الخصوصية. لا يمكن أن يضمن استخدام ZKML فقط ** خصوصية النموذج / الإدخال ** ، ولكن أيضًا يثبت للمستخدم أن التفكير قد تم تنفيذه بشكل صحيح ، وتحقيق ** الاستدلال غير الموثوق **.
• تطبيق ZKML
• ** الذكاء الاصطناعي في السلسلة **: ضع نموذج الذكاء الاصطناعي / دليل استنتاج الذكاء الاصطناعي في السلسلة ، بحيث يمكن للعقود الذكية استخدام الذكاء الاصطناعي لاتخاذ القرارات. على سبيل المثال ، يتم استخدام نظام التداول على السلسلة لقرارات الاستثمار على السلسلة.
• ** blockchain ذاتية التحسين: ** دع blockchain يستخدم قدرة الذكاء الاصطناعي لتحسين ومراجعة الاستراتيجيات بشكل مستمر على أساس البيانات التاريخية. على سبيل المثال ، نظام سمعة متسلسل قائم على الذكاء الاصطناعي.
• ** AIGC on-chain **: المحتوى / العمل الفني الذي تم إنشاؤه بواسطة AIGC ، يمكن أن يثبت Mint على السلسلة في NFT ، ZK صحة العملية ، ولا يتم استخدام أي صور محمية بحقوق الطبع والنشر في مجموعة البيانات ، وما إلى ذلك.
• ** المصادقة البيومترية (KYC) للمحفظة **: يتم تحميل إثبات التعرف على الوجوه إلى السلسلة ، وتكمل المحفظة KYC.
• ** AI Security **: استخدم الذكاء الاصطناعي للكشف عن الاحتيال ومنع هجوم Sybil وما إلى ذلك.
• ** ألعاب ZKML على السلسلة **: لاعبو شطرنج ذكاء اصطناعي على السلسلة ، شخصيات NFT مدفوعة بشبكات عصبية ، إلخ.
• ZKML تقنيًا
• ** الهدف: تحويل الشبكة العصبية إلى دائرة ZK ** الصعوبات: 1. لا تدعم دائرة ZK أرقام الفاصلة العائمة ، 2. شبكة عصبية كبيرة جدًا يصعب تحويلها.
• التقدم الحالي:
• كانت أقدم مكتبة لـ ZKML منذ عامين ، وتاريخ تطوير التكنولوجيا بأكملها قصير جدًا. في الوقت الحالي ، تدعم أحدث مكتبة ZKML بعض ** الشبكة العصبية البسيطة ZK ، ويتم تطبيقها على blockchain **. يقال أنه يمكن تحميل نموذج الانحدار الخطي الأساسي إلى السلسلة ، وأنواع أخرى من نماذج الشبكات العصبية الأصغر يمكن أن تدعم تسلسل الإثبات. لكنني رأيت عددًا قليلاً جدًا من العروض التوضيحية ، فقط التعرف على الأرقام المكتوبة بخط اليد.
• ** تدعي بعض الأدوات أنها تدعم معلمات 100M ، ويدعي البعض أنها تقوم بتحويل GPT2 إلى دائرة ZK لإنشاء برهان ZK. **
• اتجاه التطوير:
• ** تكمية الشبكة (تكمية الشبكة) ** ، وتحويل أرقام الفاصلة العائمة في الشبكة العصبية إلى أرقام ثابتة ، وخفيفة الوزن للشبكة العصبية (صديقة ZK).
• حاول تحويل الشبكة العصبية باستخدام ** معلمات واسعة النطاق إلى دائرة ZK ** ، وتحسين كفاءة الإثبات (توسيع قدرة ZK).
• لخص:
• ** ZKML عبارة عن جسر بين الذكاء الاصطناعي و blockchain ** ، وتكمن أهميته في تمكين blockchain من إدراك العالم المادي ، وتمكين العقود الذكية من اتخاذ القرارات ، وتشغيل نماذج الذكاء الاصطناعي بطريقة محمية بالخصوصية ** ، ** تكنولوجيا واعدة جدا.
• إن تاريخ هذه التقنية قصير جدًا ولكنها تتطور بسرعة كبيرة.في الوقت الحالي ، يمكن تحويل بعض نماذج الشبكات العصبية البسيطة إلى دوائر ZK ، والتي يمكن استخدامها في تسلسل النماذج أو تسلسل الإثبات المنطقي. لكن اللغة صعبة نسبيًا. في الوقت الحالي ، يزعم Ddkang / zkml أنه يمكنه إنشاء إصدار ZK من نموذج معالجة اللغة الطبيعية GPT2 و Bert و Diffusion ، لكنه ليس واضحًا بشأن التأثير الفعلي. يمكن تشغيله ولكنه قد لا يكون قادرًا ليتم تحميلها على السلسلة. ** أعتقد أنه مع تطوير تقنية حجم الشبكة وتقنية ZK وتقنية توسيع blockchain ، سيصبح نموذج لغة ZKML متاحًا قريبًا **.

1. الخلفية

(إذا كنت تعرف شيئًا عن ZK و ML ، فيمكنك تخطي هذا الفصل).

• ** إثبات المعرفة الصفرية (ZK): ** إثبات عدم المعرفة يعني أن المُثبِت يمكنه إقناع المدقق بأن تأكيدًا معينًا صحيحًا دون تقديم أي معلومات مفيدة إلى المدقق. يستخدم ZK بشكل أساسي لإثبات أن عملية الحساب تتم بشكل صحيح ولحماية الخصوصية.
• ** إثبات صحة عملية الحساب **: خذ ZK-rollup كمثال ، فإن عملية ZK-rollup هي ببساطة تجميع معاملات متعددة معًا ونشرها على L1 وإصدار إثبات في نفس الوقت (باستخدام تقنية إثبات المعرفة الصفرية) للمطالبة بأن هذه المعاملات صالحة ، بمجرد التحقق من صحتها في L1 ، سيتم تحديث حالة zk-rollup.
• ** حماية الخصوصية **: بأخذ بروتوكول Aztec كمثال ، فإن الأصول الموجودة في zk.money من Aztec موجودة في شكل فواتير ، على غرار Bitcoin UTXO ، ويتم تشفير مبلغ الفواتير. عندما يحتاج المستخدمون إلى تحويل الأموال ، يحتاجون إلى إتلاف الفواتير وإنشاء ملاحظات جديدة للمستفيد وكذلك لنفسك (التغيير). يتم استخدام إثبات المعرفة الصفرية لحماية الخصوصية لإثبات أن مقدار الملاحظة التي تم إتلافها هو نفس مبلغ الملاحظة التي تم إنشاؤها حديثًا ، وللمستخدم الحق في التحكم في الملاحظة.
• ** التعلم الآلي: ** التعلم الآلي هو فرع من فروع الذكاء الاصطناعي. تهدف نظرية التعلم الآلي بشكل أساسي إلى تصميم وتحليل بعض الخوارزميات التي تسمح لأجهزة الكمبيوتر "بالتعلم" تلقائيًا. تقوم خوارزميات التعلم الآلي تلقائيًا بتحليل والحصول على قوانين من البيانات ، واستخدام القوانين للتنبؤ بالبيانات غير المعروفة. تم استخدام التعلم الآلي على نطاق واسع في رؤية الكمبيوتر ومعالجة اللغة الطبيعية والتعرف على القياسات الحيوية ومحركات البحث والتشخيص الطبي واكتشاف تزوير بطاقات الائتمان وتحليل سوق الأوراق المالية وتسلسل الحمض النووي والتعرف على الكلام والكتابة اليدوية والألعاب والروبوتات.

** 2. ما المشكلة التي يحلها ZKML؟ **

ZKML هو مجال للبحث والتطوير أحدث ضجة في مجتمع التشفير في العامين الماضيين. باستخدام دليل المعرفة الصفرية للتعلم الآلي ** ، فإن الهدف الرئيسي من هذه التقنية ** هو استخدام إثبات عدم المعرفة لحل مشكلات حماية الخصوصية والمشكلات التي يمكن التحقق منها للتعلم الآلي **. بهذه الطريقة ، يمكن تحميل النموذج الصغير أو ZKP للاستدلال إلى السلسلة ويصبح جسرًا بين الذكاء الاصطناعي وسلسلة الكتل:

• ** تسلسل النموذج **: يمكن تحويل نماذج ML إلى دوائر ZK ، ويمكن تخزين نماذج ZKML الصغيرة في العقد الذكي الخاص بـ blockchain. يمكن للمستخدمين استخدام النموذج عن طريق استدعاء طرق العقد الذكية. على سبيل المثال ، صنع RockyBot of Modulus Labs نموذجًا للذكاء الاصطناعي على السلسلة للتنبؤ بسعر WETH لقرارات التداول.
• ** نموذج الإثبات المنطقي ، وما إلى ذلك على السلسلة **: تحويل نموذج ML إلى دائرة ZK ، وإجراء الاستدلال خارج السلسلة ، وإنشاء دليل ZK. يمكن أن تثبت براهين ZK أن عملية التفكير تتم بشكل صحيح. يتم تقديم نتائج الاستدلال وإثبات ZK إلى السلسلة للرجوع إليها من قبل المتصل وإثبات التحقق من العقد الذكي.

** ما أهمية النموذج / إثبات المنطق في السلسلة؟ **

• ** دع blockchain يدرك العالم المادي **. على سبيل المثال: يمكن لنموذج التعرف على الوجوه الذي يعمل على blockchain أن يدرك وجه blockchain ، ويمكن لنموذج AI في blockchain أن يفهم أن الوجه قد يكون امرأة ، وكم عمره ، وما إلى ذلك.
• ** تمكين العقود الذكية لاتخاذ القرارات **. على سبيل المثال: نموذج التنبؤ بالأسعار WETH على السلسلة يمكن أن يساعد العقود الذكية في اتخاذ قرارات المعاملات.
• ** تشغيل نماذج الذكاء الاصطناعي بشكل خاص **. على سبيل المثال ، تنفق المؤسسة الكثير من قوة الحوسبة لتدريب نموذج ، أملاً في توفير خدمات الاستدلال بطريقة تحافظ على الخصوصية ، أو أن مدخلات المستخدم تريد ضمان الخصوصية. لا يمكن أن يضمن استخدام ZKML فقط ** خصوصية النموذج / الإدخال ** ، ولكن أيضًا يثبت للمستخدم أن التفكير قد تم تنفيذه بشكل صحيح ، وتحقيق ** الاستدلال غير الموثوق **.

** إثبات المعرفة الصفرية يثبت الدور في ZKML **:

** 1. حماية الخصوصية: حماية خصوصية بيانات الإدخال في نموذج ML أو عملية التنبؤ. **

• ** خصوصية البيانات (نموذج عام + بيانات خاصة): ** لدي بعض البيانات الحساسة ، مثل البيانات الطبية وصور الوجه وما إلى ذلك. يمكنني استخدام ZKML لحماية خصوصية بيانات الإدخال وتشغيل نموذج الشبكة العصبية العامة على هذه البيانات والحصول على النتيجة. على سبيل المثال ، نماذج التعرف على الوجوه ،
• ** خصوصية النموذج (نموذج خاص + بيانات عامة) **: على سبيل المثال ، أنفق الكثير من المال لتدريب النموذج. لا أريد الكشف عن النموذج الخاص بي ، لذلك أحتاج إلى حماية خصوصية النموذج. يمكنني استخدام ZKML لتشغيل نموذج شبكة عصبية خاصة تحافظ على الخصوصية ، ويمكن لهذا النموذج استنتاج المدخلات العامة للحصول على المخرجات.

** 2. إمكانية التحقق: يتم استخدام ZKP لإثبات التنفيذ الصحيح لعملية استدلال ML ، مما يجعل عملية التعلم الآلي قابلة للتحقق. **

• لنفترض أن تنفيذ النموذج ليس على خادمي ، لكني بحاجة للتأكد من تنفيذ المضاربة بشكل صحيح. يمكنني استخدام ZKML لإجراء استنتاج على أحد المدخلات والنموذج ، فإنه ينتج مخرجات ، ويمكن لـ ZKP إثبات أن هذه العملية يتم تنفيذها بشكل صحيح ، حتى لو لم تكن العملية قيد التشغيل على جهاز الكمبيوتر الخاص بي ، يمكنني التحقق من صحة الاستنتاج عن طريق التحقق نفذت ZKP ، وبالتالي نؤمن بالنتيجة.

** 3. حالات استخدام ZKML **

• ** اكتمال الحوسبة **
• ** AI على السلسلة (AI على السلسلة): ** انشر نموذج AI على blockchain ، بحيث يمكن للعقود الذكية أن تتمتع بقدرات اتخاذ القرار من خلال نموذج AI.
• معامل معامل: روبوت تداول ML قابل للتحقق من RockyBot On-chain (روبوت تجاري للتعلم الآلي يمكن التحقق منه على blockchain)
• ** blockchain ذاتية التحسين **: دع blockchain يستخدم قدرة الذكاء الاصطناعي على تحسين الاستراتيجيات وتصحيحها باستمرار استنادًا إلى البيانات التاريخية.
• AMM المحسن لشركة Lyra Finance مع الذكاء الاصطناعي.
• إنشاء نظام سمعة قائم على الذكاء الاصطناعي لـ Astraly.
• إنشاء وظائف توافق ذكية على مستوى العقد تستند إلى الذكاء الاصطناعي لبروتوكول Aztec
• معامل المعامل: سلاسل الكتل التي تعمل على تحسين نفسها (رابط):
• ** AIGC on-chain **: المحتوى / العمل الفني الذي تم إنشاؤه بواسطة AIGC ، يمكن أن يثبت Mint على السلسلة في NFT ، ZK صحة العملية ، ولا يتم استخدام أي صور محمية بحقوق الطبع والنشر في مجموعة البيانات ، وما إلى ذلك.
• ** ML as a Service ** (MLaaS) الشفافية (رابط)
• ** أمان الذكاء الاصطناعي **: استخدم الذكاء الاصطناعي للكشف عن الاحتيال ، ومنع هجوم Sybil ، وما إلى ذلك. يتم تدريب نموذج اكتشاف الشذوذ بالذكاء الاصطناعي وفقًا لبيانات العقد الذكية ، ويتم تعليق العقد إذا كان المؤشر غير طبيعي ، ويتم استخدام ZK لاكتشاف الشذوذ لإثبات أنه متصل بالسلسلة.
• ** ألعاب ZKML على السلسلة **: لاعبو شطرنج ذكاء اصطناعي على السلسلة ، شخصيات NFT مدفوعة بشبكات عصبية ، إلخ.
• ** اختبار معياري لنموذج الذكاء الاصطناعي يمكن التحقق منه **: استخدم ZK لتقديم دليل اختبار معياري للنموذج ، وإمكانية التحقق من نتائج اختبار أداء النموذج وتأثيره.
• ** إثبات صحة تدريب النموذج **: نظرًا لأن تدريب النموذج كثيف الاستخدام للموارد ، فإن إثبات صحة تدريب النموذج باستخدام ZK غير متاح حاليًا ، ولكن يعتقد الكثير من الناس أن التكنولوجيا مجدية ويحاولون استخدام ZK لإثبات ذلك يستخدم النموذج بيانات معينة / لا يستخدم بيانات معينة لحل مشكلة حقوق النشر الخاصة بـ AIGC.
• حماية الخصوصية
• ** المصادقة البيومترية / الهوية الرقمية للمحافظ **
• يقوم WordCoin بمسح قزحية العين باستخدام جهاز المقاييس الحيوية Orb ، مما يوفر للمستخدمين هوية رقمية فريدة يمكن التحقق منها. تعمل WorldCoin على zkml ، والذي من المخطط استخدامه لترقية World ID. بعد الترقية ، سيتمكن المستخدمون من الاحتفاظ بقياساتهم الحيوية للتوقيع بشكل مستقل في التخزين المشفر لأجهزتهم المحمولة ، وتنزيل نموذج ML الذي تم إنشاؤه بواسطة رمز القزحية ، وإنشاء براهين خالية من المعرفة محليًا ، مما يثبت أن رمز قزحية العين قد تم إنشاؤه بالفعل من صورة التوقيع باستخدام النموذج الصحيح.
• ** منصة مكافأة التعلم الآلي القائمة على Blockchain **
• تصدر الشركة المكافآت وتوفر البيانات العامة والخاصة. يتم استخدام البيانات العامة لتدريب النموذج ويتم استخدام البيانات الخاصة للتنبؤ. تقوم بعض أطراف خدمة AI بتدريب النموذج وتحويله إلى دائرة ZK. قم بتشفير النموذج وإرساله إلى العقد للتحقق منه. بالنسبة للبيانات الخاصة ، قم بعمل تنبؤات ، واحصل على النتائج ، وقم بإنشاء أدلة ZK ، والتي يتم إرسالها إلى العقد للتحقق منها. يحصل مقدمو خدمات الذكاء الاصطناعي على مكافآت بعد الانتهاء من سلسلة من العمليات. zkML: عرض توضيحي لـ circomlib-ml على شبكة اختبار Goerli
• ** الاستدلال الذي يحافظ على الخصوصية **: على سبيل المثال ، استخدام بيانات المريض الخاصة للتشخيص الطبي ثم إرسال استنتاجات حساسة (مثل نتائج اكتشاف السرطان) إلى المريض. (ورق vCNN ، الصفحة 2/16)

** 4. تخطيط ZKML **

انطلاقا من تصميم ZKML الذي نظمته SevenX Ventures.

• ** تسريع الأجهزة **: تعمل العديد من المؤسسات بنشاط على تطوير تسريع أجهزة ZKP ، والذي يساعد أيضًا على تطوير ZKML. بشكل عام ، تُستخدم رقائق FPGA و GPU و ASIC لتسريع توليد ZKP. على سبيل المثال: تقوم Accseal بتطوير شرائح ASIC لتسريع أجهزة ZKP ، وتقوم Ingonyama ببناء مكتبة تسريع ZK ICIClE ، المصممة لوحدات معالجة الرسومات التي تدعم CUDA. تركز Supranational على تسريع GPU ، وتركز Cysic و Ulvetanna على تسريع FPGA.
• ** الإدخال **: لاستخدام إدخال البيانات على السلسلة ، ستعمل Axiom و Herodotus و Hyper Oracle و Lagrange على تحسين وصول المستخدم إلى بيانات blockchain وتوفير عروض بيانات أكثر تعقيدًا على السلسلة. يمكن بعد ذلك استخراج بيانات إدخال ML من البيانات التاريخية المستوردة
• ** الاستدلال **: تعمل شركة ModulusLabs على تطوير نظام zkSNARK جديد خصيصًا لـ ZKML. يمكن دمج هذا الجزء مع مجموعة أدوات ZKML ، بشكل أساسي من أجل ZKization للنموذج ومجموعة الأدوات اللازمة في عملية ZKization. جيزة هي عبارة عن نظام أساسي للتعلم الآلي قائم على StarkNet * يركز على * نموذج على السلسلة بالكامل * توسيع نطاق النشر.
• ** الحوسبة **: ركز على بناء شبكة حوسبة لامركزية لتدريب نماذج الذكاء الاصطناعي التي يمكن للجميع الوصول إليها. إنها تسمح للأشخاص باستخدام موارد الحوسبة المتطورة لتدريب نماذج الذكاء الاصطناعي بتكلفة أقل.
• ** التدريب اللامركزي / قوة الحوسبة **: ركز على بناء شبكة حوسبة لامركزية لتدريب نماذج الذكاء الاصطناعي التي يمكن للجميع الوصول إليها. إنها تسمح للأشخاص باستخدام موارد الحوسبة المتطورة لتدريب نماذج الذكاء الاصطناعي بتكلفة أقل.
• ** مجموعة أدوات ZKML **: راجع الفصل الخامس تاريخ تطور التكنولوجيا. يستخدم ZAMA في الشكل بشكل أساسي التشفير المتماثل تمامًا (FHE) لحماية خصوصية التعلم الآلي ، وبالمقارنة مع ZKML ، فإن FHEML لا يقوم إلا بالخصوصية ولا يقوم بالتحقق غير الموثوق به.
• ** حالة الاستخدام **: Worldcoin ، باستخدام ZKML لمصادقة الهوية الرقمية. يتم تشفير القياسات الحيوية لتوقيع المستخدم وتخزينها في جهاز المستخدم ، ويقوم نموذج التعلم الآلي للتعرف على قزحية العين المستند إلى ZK بتشغيل النموذج أثناء التعرف على الهوية للتحقق مما إذا كانت القياسات الحيوية متطابقة. استخدم ZKP لإثبات صحة عملية التشغيل. Modulars Labs هو روبوت تجاري يعمل بالذكاء الاصطناعي على السلسلة. Cathie's EIP7007 ، معيار zkML AIGC-NFT. لاعبو الشطرنج بالذكاء الاصطناعي في السلسلة ، وشخصيات NFT مدفوعة بالشبكات العصبية ، إلخ.

** 5. تاريخ تطوير تكنولوجيا ZKML **

تتمثل التحديات الرئيسية في تحويل الشبكة العصبية إلى دائرة ZK في:

1. تتطلب الدوائر عمليات النقطة الثابتة ، لكن أرقام الفاصلة العائمة تستخدم على نطاق واسع في الشبكات العصبية.
2. مشكلة حجم النموذج وتحويل النماذج الكبيرة صعبة والدائرة كبيرة.

فيما يلي تاريخ تطور مكتبة ZKML:

1.2021، zk-ml / linear-regression-demo، Peiyuan Liao

• تحقيق دائرة الانحدار الخطي ، الانحدار الخطي هو خوارزمية تنبؤ أساسية للغاية ، تفترض وجود علاقة خطية بين متغير المخرجات ومتغير المدخلات ، وهي مناسبة للتنبؤ بالمتغيرات العددية ودراسة العلاقة بين متغيرين أو أكثر. على سبيل المثال: التنبؤ بأسعار المنازل بناءً على حجم المنزل وخصائص أخرى ، أو توقع المبيعات المستقبلية بناءً على بيانات المبيعات التاريخية ، إلخ.

2.2022 年 ، 0xZKML / zk-mnist ، 0xZKML

• صنع دائرة ZK للشبكة العصبية بناءً على مجموعة بيانات MNIST ، والتي يمكنها التعرف على الأرقام المكتوبة بخط اليد. على سبيل المثال: كتابة رقم 2 بخط اليد ، يتم التعرف على خط اليد على أنه 2 ، ويتم إنشاء دليل على عملية الاستدلال **. ** يمكن تحميل الدليل إلى السلسلة ، ويمكن التحقق من الدليل الموجود على السلسلة باستخدام ethers + snarkjs.
• في الواقع ، تقوم مكتبة zk-mnist حاليًا بتحويل الطبقة الأخيرة فقط إلى دائرة ، ولكنها لا تحول الشبكة العصبية الكاملة إلى دائرة.

3. 2022 ، socathie / zkML ، كاثي

• بالمقارنة مع zk-mnist ، يحول ZKML شبكة عصبية كاملة إلى دائرة. توفر zkMachineLearning من Cathie عدة أدوات ZKML cirocmlib-ml و keras2circom لمساعدة مهندسي ML على تحويل النماذج إلى دوائر.

4. نوفمبر 2022 ، zk-ml / uchikoma ، Peiyuan Liao

• نقل عمليات النقطة العائمة في الشبكات العصبية إلى عمليات النقطة الثابتة. تم إنشاء وإطار عمل وأداة عامة مفتوحة المصدر تعمل على تحويل أي خوارزمية للتعلم الآلي تقريبًا إلى دائرة خالية من المعرفة يمكن دمجها بسهولة مع blockchains.
• النموذج المرئي -> AIGC
• نموذج اللغة -> chatbot ، مساعد الكتابة
• النماذج الخطية وأشجار القرار -> كشف الاحتيال ، منع هجوم Sybil
• نموذج متعدد الوسائط -> نظام التوصية
• دربت نموذج التعلم الآلي لتوليد المحتوى الصديق لـ blockchain (AIGC) وتحويله إلى دائرة ZK. ** استخدمه لإنشاء عمل فني ، وإنشاء أدلة ZK موجزة ، وأخيراً قم بنسخ العمل الفني في NFT **.

5. يوليو 2022 ، المحدث في مارس 2023 ، zkonduit / ezkl

• ezkl هي مكتبة وأداة سطر أوامر للاستدلال على نماذج التعلم العميق والرسوم البيانية الحسابية الأخرى في zk-snark (ZKML). استخدم Halo2 كنظام إثبات.
• من الممكن تحديد رسم بياني حسابي ، مثل الشبكة العصبية ، ثم استخدام ezkl لإنشاء دائرة ZK-SNARK. يمكن التحقق من ZKPs التي تم إنشاؤها للاستدلال باستخدام العقود الذكية.
• يُقال إنه نموذج يمكنه دعم معلمات 100 مليون ، ولكنه قد يستهلك الكثير من الموارد.

6. مايو 2023 ، Ddkang / zkml (الرابط)

• تدعي zkml أنها تستخدم ZK لتحويل نماذج GPT2 و Bert و Diffusion. لكنها قد تستهلك قدرًا كبيرًا من الذاكرة ، وليس من الواضح ما إذا كان يمكن تخزين الدليل في العقد الذكي.
• يمكن لـ zkml التحقق من تنفيذ النموذج إلى ** 92.4٪ من الدقة ** على ImageNet ، ويمكنه أيضًا إثبات نموذج MNIST بدقة 99٪ في ** في أربع ثوانٍ **.

7. مايو 2023 ، zkp-gravity / 0g

• شبكة عصبية خفيفة الوزن تدعم البيانات الخاصة + النموذج العام.

** بشكل عام ، يمكننا أن نرى اتجاه الاستكشاف الحالي لتقنية ZKML: **

1. ** تكمية الشبكة ** ، وتحويل أرقام الفاصلة العائمة في الشبكة العصبية إلى أرقام ثابتة ، وخفيفة الوزن للشبكة العصبية (صديقة ZK).
2. حاول تحويل الشبكة العصبية باستخدام ** معلمات واسعة النطاق إلى دائرة ZK ** ، وتحسين كفاءة الإثبات (توسيع قدرة ZK).

** 6. ملخص **

1. ** ZKML عبارة عن جسر بين الذكاء الاصطناعي و blockchain **. وتتمثل أهميته في تمكين ** blockchain من إدراك العالم المادي ، وتمكين العقود الذكية من اتخاذ القرارات ، وتشغيل نماذج الذكاء الاصطناعي مع حماية الخصوصية. إنها تقنية واعدة جدًا .
2. تاريخ ZKML قصير جدًا وتطوره سريع جدًا. في الوقت الحالي ، يمكن تحويل بعض نماذج الشبكات العصبية البسيطة إلى دوائر ZK ، ويمكن تحميل النماذج إلى السلسلة أو يمكن تحميل أدلة المنطق على السلسلة. نموذج اللغة صعب نسبيًا ، في الوقت الحالي ، يزعم Ddkang / zkml أنه قادر على إنشاء نسخة ZK من نموذج GPT2 و Bert و Diffusion. ** أعتقد أنه مع تطوير تقنية حجم الشبكة وتقنية ZK وتقنية توسيع blockchain ، سيصبح نموذج لغة ZKML متاحًا قريبًا **.