ZKMLはZK技術を統合し、検証可能なAIの未来を切り開き、どのような新しいアプリケーションシーンを解放するのでしょうか？
ゼロ知識機械学習 ZKMLは、暗号通貨の世界の構図を変える可能性があり、スマートコントラクトに人工知能機能を追加することで、より複雑なオンチェーンアプリケーションを解放することができます。原文标题：《 ZKML --- 検証可能なAIの未来に向けて》
著者：Avant Blockchain Capital
編纂：倩雯， ChainCatcher
背景紹介
過去数ヶ月間、人工知能業界では多くの画期的な進展が見られました。GPT4や安定拡散などのモデルは、人々がソフトウェアを生産し、インターネットと相互作用する方法を変えています。
これらの新しい人工知能モデルは優れた性能を示していますが、一部の人々は人工知能の予測不可能性や整合性の問題を懸念しています。例えば、オンラインサービスの世界では透明性が欠如しており、大部分のバックエンド作業は人工知能モデルによって実行されています。これらのモデルの行動が期待通りであるかを検証することは大きな課題となります。さらに、ユーザーのプライバシーも懸念されており、モデルAPIに提供されるすべてのデータは、人工知能の改善やハッカーによる悪用に利用される可能性があります。
ZKMLはこれらの問題に対する新しい解決策となる可能性があります。ブロックチェーンとZK技術を通じて、機械学習モデルに検証可能で信頼できない属性を入力することで、人工知能の整合性を実現するフレームワークを形成できます。
何がZKMLなのか？
この記事でのゼロ知識機械学習（ZKML）は、モデルの入力やモデルパラメータを明らかにすることなく、機械学習推論の正確性を証明するためにzkSNARK（ゼロ知識証明の一種）を使用することを指します。情報がプライベートかどうかに応じて、ZKMLのユースケースは以下のタイプに分けられます：
公共モデル+プライベートデータ：
- プライバシーを重視した機械学習：ZKMLは、他者にデータを明らかにすることなく、機密データ上で機械学習モデルを訓練および評価するために使用できます。これは医療診断や金融詐欺検出などのアプリケーションにとって非常に重要です。また、いくつかの企業が生体認証データの認証にZKMLを使用し、非ロボット証明（proof of humanity）サービスを構築しています。
- 証明：ほとんどのオンラインコンテンツが人工知能によって生成される世界では、暗号学がコンテンツの真実性を保証する手段として機能します。人々は深層偽造問題に対抗するためにZKMLを使用しようとしています。
プライベートモデル+公共データ
- モデルの真実性：ZKMLは、機械学習モデルの一貫性を確保するために使用できます。これはユーザーにとって重要であり、モデル提供者がコストの低いモデルを使い回したり、ハッカーによる攻撃を受けたりしていないことを保証します。
- 分散型Kaggle：ZKMLは、データサイエンスコンペティションの参加者がトレーニング時のモデルの重みを明らかにすることなく、公共テストデータ上でモデルの正確性を証明することを可能にします。
公共モデル+公共データ
- 分散型推論：このアプローチは、主にZKMLの簡潔さを利用して、複雑な人工知能計算をZKロールアップのようなチェーン上の証明に圧縮します。この方法は、モデルサービスのコストを複数のノードに分配することができます。
zkSNARKは暗号通貨の世界で非常に重要な技術となるため、ZKMLは暗号通貨の世界の構図を変える可能性があります。スマートコントラクトに人工知能機能を追加することで、ZKMLはより複雑なチェーン上のアプリケーションを解放することができます。この統合はZKMLコミュニティ内で「ブロックチェーンに目を付ける」と表現されています。
技術的なボトルネック
しかし、ZK-MLは幾つかの技術的な課題にも直面しており、現在解決が急務です。
- 量子化：ZKPは現場で機能しますが、神経ネットワークは浮動小数点で訓練されています。これは、神経ネットワークモデルをzk/ブロックチェーンに適したものにするために、完全な計算軌跡を持つ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、パラメータの精度が低下し、モデルの性能が犠牲になる可能性があります。
- 複数言語の翻訳：神経ネットワーク人工知能モデルはpythonとcppで書かれていますが、ZKP回路はrust言語を使用しています。したがって、モデルをZKPベースの実行時間に変換するための翻訳レイヤーが必要です。通常、この種の翻訳レイヤーは特定のモデルに基づく必要があり、汎用の翻訳レイヤーを設計するのは難しいです。
- ZKPの計算コスト：基本的にZKPのコストは元の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、2000万パラメータを持つモデルの場合、証明を生成するのに1〜5分以上かかり、メモリ消費は約20〜60GBで、具体的な状況はZK証明システムによります。
発展状況
上記の課題に直面しているにもかかわらず、私たちはZKMLが暗号通貨コミュニティで注目を集めているのを見ており、いくつかの素晴らしいチームがこの分野を探索しています。
インフラ
モデルコンパイラ
ZKMLの主なボトルネックは人工知能モデルをZK回路に変換することなので、一部のチームはZKモデルコンパイラなどのインフラ層を研究しています。1年前のロジスティック回帰モデルや単純なCNNモデルから始まり、この分野はより複雑なモデルへと急速に発展しています。
- ++EZKL++プロジェクトは現在、最大100mmパラメータのモデルをサポートしています。これはONNX形式とhalo2 ZKPシステムを使用しています。このライブラリはモデルの一部のみを提出することもサポートしています。
- ++ZKML++ライブラリはすでにGPT2、Bert、拡散モデルのZKPをサポートしています。
ZKVM
ZKMLコンパイラはゼロ知識仮想マシンの一般的な範疇に属します。
- Risc ZeroはオープンソースのRiscV命令セットを使用したzkVMで、C++とRustのZKPをサポートしています。++zkDTP++プロジェクトは、決定木MLモデルをrustに変換し、Risc Zero上で実行する方法を示しています。
- また、いくつかのチームがStartnet（++Giza++）やAleo（++zero gravity++）を使用してAIモデルをチェーン上に導入しようとしています。
アプリケーション
インフラ面での取り組みに加えて、他のチームもZKMLのアプリケーションを探索し始めています。
DeFi ：
- DeFiの一つのユースケースは、人工知能駆動の金庫で、そのメカニズムは固定された戦略ではなく人工知能モデルによって決定されます。これらの戦略は、チェーン上およびチェーン外のデータを吸収して市場のトレンドを予測し、取引を実行します。ZKMLはチェーン上のモデルの一貫性を保証します。Mondulus Labsは++RockyBot++を構築しています。このチームはETH価格を予測するためにチェーン上の人工知能モデルを訓練し、そのモデルと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。
- 他の潜在的なDeFiユースケースには、AI駆動のDEXや貸出プロトコルが含まれます。オラクルもZKMLを利用して、チェーン外データから生成された新しいタイプのデータソースを提供できます。
ゲーム：
- Modulus Labsは、ZKMLに基づくチェスゲームLeeLaを発表しました。このゲームでは、すべてのユーザーがZKで検証された人工知能モデル駆動のロボットと対戦します。人工知能は既存の完全なチェーン上のゲームにより多くのインタラクティブな機能をもたらすことができます。
NFT/ クリエイター経済：
- ++EIP-7007++：このEIPは、ZKMLを使用して人工知能がNFT生成したコンテンツが特定の入力（プロンプト）を使用したモデルから実際に生成されたものであるかを検証するインターフェースを提供します。この標準は、人工知能生成のNFTコレクションを強化し、新しいタイプのクリエイター経済に力を与えることができます。
アイデンティティ：
- ++Wordcoin++プロジェクトは、ユーザーの生体認証情報に基づく非ロボット証明ソリューションを提供しています。このチームは、ZKMLを使用してユーザーが無権限でIRIS（国際修復情報システム）コードを生成できるようにすることを探求しています。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、ユーザーはモデルをダウンロードし、自分で証明を生成できるようになります。
採用の鍵
人工知能モデルのゼロ知識証明の高コストを考慮すると、ZKMLの採用は信頼コストが高い暗号通貨のネイティブユースケースから始まる可能性があります。
考慮すべきもう一つの市場は、データプライバシーが非常に重要な業界、例えば医療です。連合学習や安全なMPCなどの他の解決策が存在するものの、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ネットワークの利点を持っています。
ZKMLのより広範な大規模採用は、既存の大規模人工知能プロバイダーへの信頼喪失によって引き起こされる可能性があります。業界全体の意識を高め、ユーザーが検証可能な人工知能技術を考慮するきっかけとなる出来事が起こるでしょうか？
まとめ
ZKMLはまだ初期段階にあり、克服すべき多くの課題があります。しかし、ZK技術の改善に伴い、人々はすぐに強力な製品市場適応性を持ついくつかのZKMLユースケースを発見することになると考えています。これらのユースケースは、最初は非常にニッチに見えるかもしれません。しかし、中央集権的な人工知能がますます発展し、各業界や人間の生活に浸透するにつれて、人々はZKMLのより大きな価値を見出すかもしれません。
もしあなたがZKMLアプリケーションやインフラを構築しているなら、ぜひTwitterで++@alanwwu++に連絡してください。私たちは喜んでお話しします。
ウェブサイト： ++https://avant.fund++
Twitter： ++https://twitter.com/avantfund++
