これらの新しい AI モデルの優れた機能にもかかわらず、AI の予測不可能性と一貫性を懸念する人もいます。たとえば、オンライン サービスの世界では透明性が欠如しており、バックエンドの作業のほとんどが AI モデルによって実行されています。これらのモデルが期待どおりに動作することを確認するのは困難です。また、モデル API に提供されるすべてのデータは AI の改善に使用されたり、ハッカーによって悪用されたりする可能性があるため、ユーザーのプライバシーも問題になります。
ZKML は、これらの問題を解決する新しい方法になる可能性があります。検証可能でトラストレスなプロパティを機械学習モデルに注入することで、ブロックチェーンと ZK テクノロジーは AI 調整のためのフレームワークを形成できます。
Risc Zero はオープンソースの RiscV 命令セットを使用した zkVM であるため、c++ と Rust の ZKP をサポートできます。この zkDTP プロジェクトは、デシジョン ツリー ML モデルを Rust に変換し、Risc Zero で実行する方法を示します。
また、Startnet (Giza) や Aleo (Zero Gravity) を介して AI モデルをオンチェーンに導入しようとしているチームも見られます。
＃＃＃ 応用
インフラストラクチャに加えて、他のチームも ZKML のアプリケーションを検討し始めています。
デフィ:
DeFi のユースケースの例としては、固定ポリシーではなく AI モデルによってメカニズムが定義される AI 駆動型の保管庫が挙げられます。これらの戦略では、オンチェーンおよびオフチェーンのデータを活用して市場の傾向を予測し、取引を実行できます。 ZKML はチェーン上で一貫したモデルを保証します。これにより、プロセス全体が自動化され、トラストレスになります。 Mondulus Labs は RockyBot を開発しています。チームはオンチェーン AI モデルをトレーニングして ETH 価格を予測し、そのモデルを自動的に取引するスマート コントラクトを構築しました。
zkML の説明: 検証可能な人工知能の未来に向けて
執筆者: Avant Blockchain Capital
編集: GWEI リサーチ
＃＃ バックグラウンド
過去数か月間、AI 業界ではいくつかの画期的な出来事が見られました。 GPT4 や Stable Diffusion などのモデルは、人々がソフトウェアやインターネットを構築し、操作する方法を変えています。
これらの新しい AI モデルの優れた機能にもかかわらず、AI の予測不可能性と一貫性を懸念する人もいます。たとえば、オンライン サービスの世界では透明性が欠如しており、バックエンドの作業のほとんどが AI モデルによって実行されています。これらのモデルが期待どおりに動作することを確認するのは困難です。また、モデル API に提供されるすべてのデータは AI の改善に使用されたり、ハッカーによって悪用されたりする可能性があるため、ユーザーのプライバシーも問題になります。
ZKML は、これらの問題を解決する新しい方法になる可能性があります。検証可能でトラストレスなプロパティを機械学習モデルに注入することで、ブロックチェーンと ZK テクノロジーは AI 調整のためのフレームワークを形成できます。
ZKMLとは
この論文におけるゼロ知識機械学習 (ZKML) とは、モデル入力やモデル パラメーターを公開せずに機械学習推論の正しさを証明するための zkSNARK (ゼロ知識証明) の使用を指します。さまざまなプライバシー情報に従って、ZKML の使用例は次のタイプに分類できます。
パブリックモデル + プライベートデータ:
プライベートモデル + パブリックデータ:
公開モデル + 公開データ:
zkSNARKは暗号通貨の世界において非常に重要なテクノロジーとなるため、ZKMLは暗号通貨の世界も変える可能性を秘めています。 ZKML は、AI 機能をスマート コントラクトに追加することで、より複雑なオンチェーン アプリケーションのロックを解除できます。この統合は、ZKML コミュニティで「ブロックチェーンに目を向けた」ものとして説明されています。
技術的なボトルネック
ただし、ZK-ML には、現時点で対処しなければならない技術的な課題がいくつかあります。
量子化: ZKP はフィールド上で動作しますが、ニューラル ネットワークは浮動小数点でトレーニングされます。これは、ニューラル ネットワーク モデルを zk/ブロックチェーン フレンドリーにするためには、完全な計算追跡を備えた固定小数点算術表現に変換する必要があることを意味します。これにより、パラメーターの精度が低下するため、モデルのパフォーマンスが犠牲になる可能性があります。
言語間の翻訳: ニューラル ネットワーク AI モデルは Python と cpp で記述されますが、ZKP 回路には Rust が必要です。したがって、モデルを ZKP ベースのランタイムに変換するための変換レイヤーが必要です。通常、このタイプの変換レイヤーはモデル固有であり、一般的な変換レイヤーを設計するのは困難です。
ZKP の計算コスト: ZKP のコストは、基本的に元の ML 計算よりもはるかに高くなります。 Modulus labs の実験によると、20M パラメータを持つモデルの場合、さまざまな ZK 証明システムによると、証明の生成に 1 ～ 5 分以上かかり、メモリ消費量は約 20 ～ 60 GB です。
スマートコスト — Modulus Labs
＃＃＃ 現状
これらの課題はありますが、暗号通貨コミュニティから ZKML に対する多くの関心が寄せられており、この分野を研究している優れたチームがいくつかあります。
＃＃ インフラストラクチャー
モデルコンパイラ
ZKML の主なボトルネックは AI モデルを ZK 回路に変換することであるため、一部のチームは ZK モデル コンパイラーなどの基本レイヤーに取り組んでいます。 1 年前にロジスティック回帰モデルまたは単純な CNN モデルから始まったこの分野は、より複雑なモデルへと急速に進歩しました。
ZKVM
ZKML コンパイラは、より一般的なゼロ知識仮想マシンの領域にも分類されます。
＃＃＃ 応用
インフラストラクチャに加えて、他のチームも ZKML のアプリケーションを検討し始めています。
デフィ:
DeFi のユースケースの例としては、固定ポリシーではなく AI モデルによってメカニズムが定義される AI 駆動型の保管庫が挙げられます。これらの戦略では、オンチェーンおよびオフチェーンのデータを活用して市場の傾向を予測し、取引を実行できます。 ZKML はチェーン上で一貫したモデルを保証します。これにより、プロセス全体が自動化され、トラストレスになります。 Mondulus Labs は RockyBot を開発しています。チームはオンチェーン AI モデルをトレーニングして ETH 価格を予測し、そのモデルを自動的に取引するスマート コントラクトを構築しました。
その他の潜在的な DeFi ユースケースには、AI を活用した DEX や融資プロトコルが含まれます。オラクルは、ZKML を活用して、オフチェーン データから生成された新しいデータ ソースを提供することもできます。
ゲーム:
Modulus labs は、すべてのユーザーが ZK で検証された AI モデルを搭載したボットと対戦できる ZKML ベースのチェス ゲームである Leela をリリースしました。人工知能機能により、既存の完全に連鎖したゲームに、よりインタラクティブな機能をもたらすことができます。
NFT/クリエイターエコノミー:
EIP-7007: この EIP は、ZKML を使用して、NFT の AI 生成コンテンツが実際に特定の入力 (ヒント) を備えた特定のモデルからのものであることを検証するためのインターフェイスを提供します。この標準により、AI によって生成された NFT のコレクションが可能になり、新しい種類のクリエイター エコノミーを促進することさえできる可能性があります。
EIP-7007 プロジェクトのワークフロー
身元：
Wordcoin プロジェクトは、ユーザーの生体情報に基づいた人間性証明ソリューションを提供しています。チームは、ユーザーが許可のない方法で Iris コードを生成できるようにする ZKML の使用を検討しています。 Iris コードを生成するアルゴリズムがアップグレードされると、ユーザーは Orb ステーションに行かずにモデルをダウンロードして自分で証明を生成できるようになります。
採用されたキー
AI モデルのゼロ知識証明のコストが高いことを考えてみましょう。 ZKML の採用は、信頼コストが高い一部の暗号ネイティブのユースケースから始めることができると考えています。
私たちが考慮すべきもう 1 つの市場は、医療など、データ プライバシーが非常に重要な業界です。このためには、フェデレーテッド ラーニングやセキュア MPC などの他のソリューションがありますが、ZKML はブロックチェーンのスケーラブルなインセンティブ付きネットワークを活用できます。
ZKML の広範囲にわたる大規模な導入は、既存の大規模 AI プロバイダーに対する信頼の喪失に依存する可能性があります。業界全体の意識を高め、ユーザーに検証可能な AI テクノロジーの検討を促すイベントは開催されるのでしょうか?
要約する
ZKML はまだ初期段階にあり、克服すべき課題は数多くあります。しかし、ZK テクノロジーが向上するにつれて、人々はすぐに、製品市場に強力に適合する ZKML のいくつかの使用例を見つけるようになるでしょう。これらの使用例は、最初は適切に思えるかもしれません。しかし、集中型人工知能の力が成長し、あらゆる業界、さらには人間の生活にまで浸透するにつれて、人々は ZKML に大きな価値を見出すようになるかもしれません。