一文了解 ZK 在推進鏈上 AI 的作用_NET

原文來自：ModulusLabs

編譯：DeFi之道

很高興終于可以與你們分享我們的第一篇論文，該論文是通過以太坊基金會的資助完成的，它的名稱是《TheCostofIntelligence:ProvingMachineLearningInferencewithZero-Knowledge?》（或paper0，這是酷孩子們的叫法)。

沒錯，這些都是真數字！有圖表！論文還討論了理論結構及其對性能的影響！事實上，paper0是第一個跨通用AI原語套件對ZK證明系統進行基準測試的研究工作，你現在就可以閱讀整篇論文。

而這篇文章，你可以將其視為論文的總結，有關詳細信息，請參閱原論文。

事不宜遲，讓我們深入了解：

Paper0:我們的調查要點

事實上，計算的未來將大量使用復雜的人工智能。看看我的文本編輯器：

Layer1區塊鏈Babylon發布其比特幣質押協議LitePaper:7月14日消息，基于Cosmos SDK開發的Layer 1區塊鏈Babylon發布了其比特幣質押協議 LitePaper。Babylon 的創始人 David Tse 以及研究團隊正致力于利用比特幣 PoW 的安全性來增強其他 PoS 網絡的安全性，并激勵 BTC 持有者參與這一新方法，允許他們在 PoS 網絡上質押比特幣。[2023/7/14 10:55:50]

Notion的提示告訴我，他們的LLM可以讓這句話變得更好

然而，鏈上不存在功能性神經網絡，甚至連最小的推薦系統或匹配算法都不存在。真見鬼！甚至連實驗也沒有一個……當然，原因是非常明顯的，因為這太貴了，畢竟，即使運行價值數十萬FLOP的計算的成本也是數百萬gas，目前相當于數百美元。

那么，如果我們想將AI范式帶入無需信任的世界，我們該怎么做？我們會翻車，然后放棄嗎？當然不是…等等！Roll-over）……Giveup……

如果像Starkware、MatterLabs和其他公司這樣的Rollup服務，正在使用零知識證明來大規模擴展計算，同時保持密碼學安全，那么我們能為AI做同樣的事情嗎？

ETHShanghai 2023開發者峰會現已開啟預報名，黑客松將于下月同期舉辦:5月29日消息，由 Mask Network 主辦的 ETHShanghai 2023 將于 6 月 25 日到 6 月 30 日期間舉辦，活動將分為線下五天黑客松（25 日 - 29 日）和線下兩天主會場（29 日 - 30 日）兩部分。ETHShanghai 2023 現已開啟預報名，開發者訪問官網即可進行注冊。

本屆開發者峰會將圍繞以太坊開源技術生態展開，關注區塊鏈技術的底層基建、去中心化存儲、鏈上數據處理、Layer 2、零知識證明技術、DID 、開發者工具以及 Web3 和 AI 結合等眾多技術主題方向，從 Web3 數字經濟，去中心化社交的未來與亞洲Web3開發者等多個話題上進行深度探討。據悉，本次 ETHShanghai 2023 的籌辦由社區核心成員 Mask Network 牽頭，成員包括THUBA 清華區塊鏈協會、ChainIDE 和 Moonshot Common登月工坊等。[2023/5/29 9:48:51]

這個問題成為推動我們在paper0中工作的激勵種子。劇透警報，以下是我們發現的：

世界經濟論壇發布宣傳比特幣礦商Crusoe Energy的視頻:金色財經報道，世界經濟論壇發布了一段宣傳 Bitcoin 礦商 Crusoe Energy 的視頻，該公司使用廢棄的甲烷為其運營提供動力。[2023/4/23 14:22:12]

“現代ZK證明系統的性能越來越高，并且越來越多樣化。它們已經可以支持成本在某種程度上是合理的人工智能操作。事實上，有些系統在證明神經網絡方面比其他系統好得多。然而，所有這些仍然達不到實際應用所需的性能，并且對于神奇的用例來說是嚴重不足的。換句話說，如果不進一步加速用于AI操作的ZK系統，用例就會非常有限。“

paper0總結

這是眾所周知的秘密：AI性能幾乎總是與模型大小成比例。這種趨勢看起來也沒有放緩。只要這種情況仍然存在，對于我們這些web3中的人來說，這將是特別痛苦的。

畢竟，計算成本是我們最終、不可避免的噩夢來源。

Volatility Shares 申請發行杠桿式“2x Bitcoin Strategy ETF”:金色財經報道，根據在美國證券交易委員會（SEC）的一份備案文件，交易所交易基金發行方Volatility Shares申請發行“2x Bitcoin Strategy ETF”，該ETH尋求追蹤 S&P CME Bitcoin Futures Daily Roll Index（標準普爾 CME 比特幣期貨每日滾動指數）的兩倍回報數值，總費用率為 1.89%。[2023/3/31 13:36:47]

今天的ZKP已經可以支持小模型了，但中型到大型模型打破了范式

基準：實驗設計

對于paper0，我們關注任何零知識證明系統中的2個基本指標：

證明生成時間：prover創建AI推理的伴隨證明所需的時間，以及

prover內存使用峰值：證明者在證明期間的任何給定時間用于生成推理證明的最大內存；

Sui Network現已結束Testnet Wave 1:12月2日消息，Layer1公鏈Sui Network 現已結束側重獨立驗證者的Sui Testnet Wave 1，即將分享有關Testnet Wave 2的更多信息。

此前報道，Mysten Labs開發的Layer1公鏈Sui宣布啟動測試網Testnet Wave 1，該測試網側重于運營商，特別是驗證者和全節點運營方。從Devnet（開發者網絡）到Testnet Wave 1的最大進步是包含了獨立驗證者。在Devnet下，Mysten Labs運行四個驗證者來驗證網絡上的交易，而Testnet Wave 1包括從申請流程中篩選出來的20個第三方驗證者和500多個由Mysten Labs和選定的社區成員共同運營的全節點。[2022/12/2 21:16:56]

這主要是一個實際的選擇，并且是從我們構建Rockybot的經驗中做出的。此外，所有測量都是針對證明生成時間進行的，并且沒有考慮預處理或witness生成。

當然，還有其他方面的成本需要跟蹤。這包括驗證者運行時間和證明大小。我們將來可能會重新審視這些指標，但將它們視為paper0的范圍之外。

至于我們測試的實際證明系統，通過投票，我們選定了6個：

Paper0測試的證明系統匯總表，以及協助我們的作者

最后，我們創建了兩套用于基準測試的多線性感知器——值得注意的是，MLP相對簡單，主要由線性運算組成。這包括一套隨著參數數量增加而擴展的架構，以及第二套隨著層數增加而擴展的架構。如下表所示，每個套件都測試了證明系統以不同方式擴展的能力，并大致代表了從LeNet5到ResNet-34的知名深度學習架構的規模。

參數和深度基準套件

結果：迅如閃電

對于以上6個證明系統的參數和深度范圍的證明生成時間結果

對于以上6個證明系統的參數和深度范圍內的峰值內存結果

有關這些結果的完整內容，以及對每個系統內瓶頸的深入分析，請參閱paper0的第4節。

用例和最終要點

好吧，以上是一些非常簡潔的圖表，而以下則是要點：

“在證明時間方面，Plonky2是迄今為止表現最好的系統，因為它使用了基于FRI的多項式承諾和Goldilocks域。事實上，對于我們最大的基準架構，它比Halo2快3倍。然而，這是以prover內存消耗為顯著代價的，Plonky2的性能始終較差，有時會使Halo2的峰值RAM使用量翻倍。在證明時間和內存方面，基于GKR的zkCNNprover似乎最適合處理大型模型——即使沒有優化的實現。”

那這在實踐中究竟意味著什么？我們將重點介紹2個示例：

1、Worldcoin：Worldcoin正在構建世界上第一個“隱私保護身份證明協議”，換句話說，通過將身份驗證與一種非常獨特的生物特征聯系起來來解決女巫攻擊問題。這是一個瘋狂的想法，它使用卷積神經網絡來壓縮、轉換和證明存儲的虹膜數據。雖然他們當前的設置涉及orb硬件中安全飛地內的可信計算環境，但他們希望改為使用ZKP來證明模型的正確計算。這將允許用戶對自己的生物特征數據進行自我保護，并提供加密安全保證。

現在具體一點：Worldcoin的模型具有180萬參數和50層。這是區分100億個不同虹膜所必需的模型復雜性。哎呀！

雖然在計算優化的云CPU上證明Plonky2等系統，可以在幾分鐘內為這種規模的模型生成推理證明，但證明者的內存消耗將超過任何商用移動硬件。

事實上，沒有一個測試系統能夠在移動硬件上證明這個神經網絡……

2.AIArena：AIArena是一款類似于《任天堂明星大亂斗》風格的鏈上平臺格斗游戲，其具有一個獨特的特點：玩家并不是操作化身實時進行對抗，而是讓玩家擁有的AI模型相互競爭和戰斗，是的，這聽起來很酷。

隨著時間的推移，AIArena的出色團隊正努力將他們的游戲轉向一個完全無需信任的錦標賽計劃。但問題是，這涉及驗證每次游戲數量驚人的AI計算的挑戰。

比賽以每秒60幀的速度運行，持續3分鐘時間。這意味著每輪比賽，兩個玩家模型之間的推理結果超過20000個。以AIArena的一個策略網絡為例，一個相對較小的MLP需要大約0.008秒來執行一次前向傳遞，使用zkCNN證明該模型需要0.6秒，即，每采取一次動作就需要增加1000倍的計算。

這也意味著計算成本將增加1000倍。隨著單元經濟對鏈上服務變得越來越重要，開發人員必須平衡去中心化安全的價值與證明生成的實際成本。

https://aws.amazon.com/ec2/pricing/

無論是上面的例子，ZK-KYC，DALL-E風格的圖像生成，還是智能合約中的大型語言模型，ZKML的世界中都存在著一個完整的用例世界。然而，要真正實現這些，我們強烈認為ZKprover仍需要大量改進。特別是對于自我完善的區塊鏈的未來。

那么，我們該何去何從？

我們有具體的表現數據，我們知道在證明神經網絡時哪些技術往往表現最好。當然，我們開始發現各種用例，這些用例激勵了我們不斷成長的社區。

我想知道接下來會發生什么……

很快就會為你們提供更多更新；）

Tags：NETPAPAPEPAPERDarwinia Networkgrs幣pap系列雙水平無創呼吸機使用方法NYAPE價格FlyPaper

幣贏交易所