皇冠足球投注网（www.hg9988.vip）:以太坊单双游戏（www.326681.com）_一文领会 ZK 在推进链上 AI 的作用
,皇冠足球投注网（www.hg9988.vip）是皇冠体育官方投注网，开放皇冠信用网代理申请、信用网会员开户，线上投注的官方平台。
原文来自：Modulus Labs
编译：DeFi 之道
很喜悦终于可以与你们分享我们的第一篇论文，该论文是通过以太坊基金会的资助完成的，它的名称是《The Cost of Intelligence: Proving Machine Learning Inference with Zero-Knowledge》（或 paper0，这是酷孩子们的叫法)。
没错，这些都是真数字！有图表！论文还讨论了理论结构及其对性能的影响！事实上，paper0 是第一个跨通用 AI 原语套件对 ZK 证实系统举行基准测试的研究事情，你现在就可以阅读整篇论文。
而这篇文章，你可以将其视为论文的总结，有关详细信息，请参阅原论文。
事不宜迟，让我们深入领会：
Paper0 : 我们的考察要点
事实上，盘算的未来将大量使用庞大的人工智能。看看我的文本编辑器：
Notion 的提醒告诉我，他们的 LLM 可以让这句话变得更好
然而，链上不存在功效性神经网络，甚至连最小的推荐系统或匹配算法都不存在。真见鬼！甚至连实验也没有一个……固然，缘故原由是异常显著的，由于这太贵了，究竟，纵然运行价值数十万 FLOP 的盘算（仅够在微型神经网络上举行一次推理）的成本也是数百万 gas，现在相当于数百美元。
那么，若是我们想将 AI 范式带入无需信托的天下，我们该怎么做？我们会翻车（roll-over），然后放弃（give up）吗？固然不是…等等！Roll-over）……Give up……
若是像 Starkware、Matter Labs 和其他公司这样的 Rollup 服务，正在使用零知识证实来大规模扩展盘算，同时保持密码学平安，那么我们能为 AI 做同样的事情吗？
这个问题成为推动我们在 paper0 中事情的激励种子。 剧透警报，以下是我们发现的：
“现代 ZK 证实系统的性能越来越高，而且越来越多样化。它们已经可以支持成本在某种水平上是合理的人工智能操作。事实上，有些系统在证实神经网络方面比其他系统好得多。
然而，所有这些仍然达不到现实应用所需的性能，而且对于神奇的用例来说是严重不足的。
换句话说，若是不进一步加速用于 AI 操作的 ZK 系统，用例就会异常有限。“
paper0 总结
这是众所周知的隐秘：AI 性能险些总是与模子巨细成比例。 这种趋势看起来也没有放缓。 只要这种情形仍然存在，对于我们这些 web3 中的人来说，这将是稀奇痛苦的。
究竟，盘算成本是我们最终、不能制止的噩梦泉源。
今天的 ZKP 已经可以支持小模子了，但中型到大型模子打破了范式
基准：实验设计
对于 paper0，我们关注任何零知识证实系统中的 2 个基本指标：
prover 内存使用峰值：证实者在证实时代的任何给准时间用于天生推理证实的最大内存；
这主要是一个现实的选择，而且是从我们构建 Rockybot 的履历中做出的（证实时间和内存使用是确定任何无需信托人工智能用例可行性的直接优先事项）。 此外，所有丈量都是针对质明天生时间举行的，而且没有思量预处置或 witness 天生。
固然，尚有其他方面的成本需要跟踪。 这包罗验证者运行时间和证实巨细。我们未来可能会重新审阅这些指标，但将它们视为 paper0 的局限之外。
至于我们测试的现实证实系统，通过投票，我们选定了 6 个：
Paper0 测试的证实系统汇总表，以及协助我们的作者
,,www.326681.com采用以太坊区块链高度哈希值作为统计数据，联博以太坊统计数据开源、公平、无任何作弊可能性。联博统计免费提供API接口，支持多语言接入。
最后，我们确立了两套用于基准测试的多线性感知器（MLP）——值得注重的是，MLP 相对简朴，主要由线性运算组成。这包罗一套随着参数数目增添而扩展的架构（最多 1800 万参数和 22 GFLOP），以及第二套随着层数增添而扩展（最多 500 层）的架构。如下表所示，每个套件都测试了证实系统以差异方式扩展的能力，并大致代表了从 LeNet5（6 万参数，0.5 MFLOP）到 ResNet-34（2200 万参数，3.77 GFLOP）的着名深度学习（ML）架构的规模。
参数和深度基准套件
效果：迅如闪电
对于以上 6 个证实系统的参数和深度局限的证实天生时间效果
对于以上 6 个证实系统的参数和深度局限内的峰值内存效果
有关这些效果的完整内容，以及对每个系统内瓶颈的深入剖析，请参阅 paper0 的第 4 节。
用例和最终要点
好吧，以上是一些异常精练的图表，而以下则是要点：
“在证实时间方面，Plonky2 是迄今为止显示最好的系统，由于它使用了基于 FRI 的多项式准许和 Goldilocks 域。 事实上，对于我们最大的基准架构，它比 Halo2 快 3 倍。然而，这是以 prover 内存消耗为显著价值的，Plonky2 的性能始终较差，有时会使 Halo2 的峰值 RAM 使用量翻倍。
在证实时间和内存方面，基于 GKR 的 zkCNN prover 似乎最适合处置大型模子——纵然没有优化的实现。”
那这在实践中事实意味着什么？ 我们将重点先容 2 个示例：
1、Worldcoin：Worldcoin 正在构建天下上第一个“隐私珍爱身份证实协议”（或 PPPoPP），换句话说，通过将身份验证与一种异常怪异的生物特征（虹膜）联系起来来解决女巫攻击问题。这是一个疯狂的想法，它使用卷积神经网络来压缩、转换和证实存储的虹膜数据。虽然他们当前的设置涉及 orb 硬件中平安飞地内的可信盘算环境，但他们希望改为使用 ZKP 来证实模子的准确盘算。这将允许用户对自己的生物特征数据举行自我珍爱，并提供加密平安保证（只要在用户的硬件上举行处置，好比手机）。
现在详细一点：Worldcoin 的模子具有 180 万参数和 50 层。 这是区分 100 亿个差异虹膜所必须的模子庞大性。 哎呀！
虽然在盘算优化的云 CPU 上证实 Plonky2 等系统，可以在几分钟内为这种规模的模子天生推理证实，但证实者的内存消耗将跨越任何商用移动硬件（数十 GB 的 RAM）。
事实上，没有一个测试系统能够在移动硬件上证实这个神经网络……
2. AI Arena：AI Arena 是一款类似于《任天堂明星大乱斗》气概的链上平台格斗游戏，其具有一个怪异的特点：玩家并不是操作化身实时举行匹敌，而是让玩家拥有的 AI 模子相互竞争和战斗，是的，这听起来很酷。
随着时间的推移，AI Arena 的精彩团队正起劲将他们的游戏转向一个完全无需信托的锦标赛设计。但问题是，这涉及验证每次游戏数目惊人的 AI 盘算的挑战。
竞赛以每秒 60 帧的速率运行，延续 3 分钟时间。这意味着每轮竞赛，两个玩家模子之间的推理效果跨越 20000 个。以 AI Arena 的一个计谋网络为例，一个相对较小的 MLP 需要约莫 0.008 秒来执行一次前向通报，使用 zkCNN 证实该模子需要 0.6 秒，即，每接纳一次动作就需要增添 1000 倍的盘算。
这也意味着盘算成本将增添 1000 倍。随着单元经济对链上服务变得越来越主要，开发职员必须平衡去中央化平安的价值与证实天生的现实成本。
https://aws.amazon.com/ec2/pricing/
无论是上面的例子，ZK-KYC，DALL-E 气概的图像天生，照样智能合约中的大型语言模子，ZKML 的天下中都存在着一个完整的用例天下。然而，要真正实现这些，我们强烈以为 ZK prover 仍需要大量改善。稀奇是对于自我完善的区块链的未来。
那么，我们该何去何从？
我们有详细的显示数据，我们知道在证实神经网络时哪些手艺往往显示最好。固然，我们最先发现种种用例，这些用例激励了我们不停生长的社区。
我想知道接下来会发生什么……
很快就会为你们提供更多更新；）
查看更多
网友评论