前イーサリアム財団 zkML 研究員がヴィタリックの新作 Crypto+AI を簡評

撰文：Cathie，Hyper Oracle

前期提要

Vitalik Buterin の最新記事では、ブロックチェーンと人工知能 (AI) の交差点について探討されており、主にAIを暗号世界に適用する方法に焦点を当て、AIを参加者、インターフェース、ルール、目標としての4つの交差点について考察しています。

この記事では、これらの交差点における展望と課題が議論されており、対抗的機械学習攻撃や暗号学的コストの問題が強調されています。記事では、ゼロ知識証明などの暗号学的形式を使用してモデルの内部動作を隠す可能性について言及し、暗号学的コストとブラックボックスの対抗的機械学習攻撃の課題を指摘しています。

最後に、スケーラブルな分散型プライバシーAIを構築する技術について議論し、AIの安全性やAIをゲームの目標として使用することに関する応用を考察しています。記事のまとめでは、これらの分野での慎重な実践の必要性が強調されている一方で、ブロックチェーンとAIの交差領域の展望に期待が寄せられています。

「Crypto + AI アプリケーションの展望と課題」

Vitalikの最新記事では、人工知能と暗号学の交差について議論し、2つの主要な課題を提起しています: 暗号学的コストとブラックボックスの対抗的機械学習攻撃。

Vitalikは、人工知能と暗号通貨の方向性には大きな可能性があると考えています。暗号通貨をより良くする過程で、人工知能は「ゲームインターフェース」や「ゲームルール」として重要な役割を果たすことができます。

課題: 暗号学的コスト

a) 暗号学的コストの問題は解決されたのか?

VitalikはAI x Cryptoには大きな可能性があると考えていますが、彼は主な反対意見の一つが暗号学的コストであると指摘しています。現在、最も主流なオンチェーンAI/ML手法はzkMLであり、これはMLモデルをzk回路にコンパイルすることで、オンチェーンで暗号学的証明を検証できるようにしています。

「人工知能の計算は本来高価であり」、さらに暗号学が加わることで、速度はさらに遅くなります。

Vitalikは、暗号学的コストの問題は部分的に解決されたと考えています:

• 人工知能の計算とその暗号学的コストは、高度に加速されるのに適しており、zkEVMのような「非構造化」計算タイプは存在しません。
• 時間が経つにつれて、より効率的なzk暗号学的手法が発明され、コストは大幅に削減されるでしょう。

b) 現在、追加コストは1000倍。

しかし、この方法はVitalikが説明した使用例にとっては実用的ではありません。以下はいくつかの関連する例です:

• zkMLフレームワークEZKLは、1M-nanoGPTモデルの証明を生成するのに約80分かかります。
• Modulus Labsによると、zkMLは純計算のコストの>>1000倍であり、最新の報告では1000倍とされています。
• EZKLのテストによると、RISC Zeroのランダムフォレスト分類の平均証明時間は173秒です。

実際には、AIが生成した取引の読みやすい説明を得るために数分待つことは受け入れられません。

2. opMLによる解決

a) opML: Optimistic機械学習

記事の最後で、Vitalikは「私はこれらのすべての分野で、より多くの人工知能の建設的な使用例の試みを見たいと思っています。そうすれば、どれが本当に実現可能なスケールアプリケーションであるかを見ることができます。」と述べています。私たちは、現段階ではzkMLは「実現可能」ではなく、上記のアプリケーションを実現できないと考えています。

opMLの発明者であり、opMLの最初のオープンソース実装の作成者として、私たちはopMLがゲーム理論を通じて暗号学的コストの問題を解決し、人工知能 x Cryptoを今すぐ実現できると信じています。

b) インセンティブによる安全性の実現

opMLは安全性を保証しながら、オンチェーンMLの暗号学的コストの問題を解決しました。簡単にするために、ArbitrumのAnyTrust仮定を使用してopMLシステムの安全性を評価できます。

AnyTrust仮定では、各主張には少なくとも1つの誠実なノードが存在し、提出者または少なくとも1つの検証者が誠実であることを保証します。AnyTrustの下で、安全性と有効性が維持されます:

• 安全性: 誠実な検証者は、悪意のあるノードの誤った結果に異議を唱えることで正しい行動を強制し、仲裁プロセスを通じて罰を与えることができます。
• 有効性: 提案された結果は、最長の期間内に受け入れられるか、拒否されます。

「AnyTrust」と「Majority Trust」を比較すると、opMLの「AnyTrust」モデルはより安全です。「AnyTrust」は高い安全性を維持し、さまざまな条件下で「Majority Trust」を上回ります。

c) ユーザーのプライバシー > モデルのプライバシー

Vitalikは記事の中でモデルのプライバシー問題についても言及しています。実際、ほとんどのモデル（特にzkMLが現在実践でサポートしている小型モデル）については、十分な推論を通じてモデルを再構築することが可能です。

一般的なプライバシー、特にユーザープライバシーに関しては、挑戦の公開性を維持する必要があるため、opMLは固有のプライバシー機能が不足しているようです。zkMLとopMLを組み合わせることで、適切なプライバシーレベルを得て、安全で不可逆的な混乱を確保できます。

d) AI x Cryptoのユースケースの実現

opMLはすでにEthereum上でStable DiffusionとLLaMA 2を直接実行できます。Vitalikが言及した4つのカテゴリ（AIをプレイヤー/インターフェース/ルール/目標として）もopMLを通じて実現可能であり、追加コストはありません。

私たちは以下のユースケースと方向性を積極的に探求しています:

• AIGC NFT (ERC-7007)、7007 StudioがStory Protocol Hackathonで勝利
• オンチェーン人工知能ゲーム（例: ダンジョンズ＆ドラゴンズ）
• MLを使用した予測市場
• コンテンツの真実性（Deepfake検証器）
• コンプライアンスのあるプログラム可能なプライバシー
• プロンプト市場
• 信用/信用スコア

3. まとめ

opMLがあれば、暗号学的コストによる課題を排除し、分散化と検証可能性を保ちながら、AI x Cryptoを今すぐ実現可能にします。