전 이더리움 재단 zkML 연구원 간평 비탈릭 신작 Crypto+AI

撰文：Cathie，Hyper Oracle

전기 개요

Vitalik Buterin의 최신 기사는 블록체인과 인공지능(AI) 간의 교차점을 탐구하며, AI를 암호화 세계에 적용하는 방법에 중점을 두고 네 가지 교차점: AI를 참여자로, AI를 인터페이스로, AI를 규칙으로, 그리고 AI를 목표로 삼고 있습니다.

이 기사는 이러한 교차점에서의 전망과 도전을 논의하며, 적대적 기계 학습 공격과 암호학적 오버헤드 문제를 강조합니다. 기사는 제로 지식 증명과 같은 암호학적 형태를 사용하여 모델 내부 작동을 숨기는 가능성을 언급하며, 암호학적 오버헤드와 블랙박스 적대적 기계 학습 공격의 도전을 지적합니다.

마지막으로, 기사는 확장 가능한 분산형 프라이버시 AI를 만드는 기술을 논의하고, AI 보안 및 AI를 게임 목표로 삼는 것에 대한 응용을 고려합니다. 기사는 이러한 분야에서 신중한 실천이 필요하다고 강조하며, 블록체인과 AI의 교차 분야에 대한 전망에 기대감을 표명합니다.

「Crypto + AI 응용 전망과 도전」

Vitalik의 최신 기사에서 그는 인공지능과 암호학의 교차를 논의하며 두 가지 주요 도전을 제기합니다: 암호학적 오버헤드와 블랙박스 적대적 기계 학습 공격.

Vitalik은 인공지능이 암호화폐 방향에서 큰 가능성을 가지고 있다고 생각합니다. 암호화폐를 개선하는 과정에서 인공지능은 '게임 인터페이스' 또는 '게임 규칙'으로서 중요한 역할을 할 수 있습니다.

도전: 암호학적 오버헤드

a) 암호학적 오버헤드 문제는 해결되었는가?

Vitalik은 AI x Crypto가 큰 가능성을 가지고 있다고 생각하지만, 주요 반대 의견 중 하나는 암호학적 오버헤드입니다. 현재 가장 주류인 체인 상의 AI/ML 방법은 zkML로, ML 모델을 zk 회로로 컴파일하여 체인 상에서 암호학적 증명을 검증할 수 있게 합니다.

"인공지능 계산은 본래 매우 비쌉니다." 여기에 암호학이 더해지면 속도가 더욱 느려집니다.

Vitalik은 암호학적 오버헤드 문제는 부분적으로 해결되었다고 생각합니다:

• 인공지능 계산과 그 암호학적 오버헤드는 고도로 가속화에 적합하며, zkEVM과 같은 '비구조적' 계산 유형이 존재하지 않습니다.
• 시간이 지남에 따라 더 효율적인 zk 암호학적 솔루션이 발명될 것이며, 오버헤드도 크게 줄어들 것입니다.

b) 현재, 추가 오버헤드는 1000배입니다.

그러나 이 방법은 Vitalik이 설명한 사용 사례에 비해 실용성이 부족합니다. 다음은 몇 가지 관련 예시입니다:

• zkML 프레임워크 EZKL은 1M-nanoGPT 모델의 증명을 생성하는 데 약 80분이 걸립니다.
• Modulus Labs에 따르면, zkML은 순수 계산의 오버헤드보다 >>1000배이며, 최신 보고된 수치는 1000배입니다.
• EZKL의 테스트에 따르면, RISC Zero의 랜덤 포레스트 분류 평균 증명 시간은 173초입니다.

실제로 AI가 생성한 거래의 읽기 쉬운 설명을 얻기 위해 몇 분을 기다리는 것은 용납할 수 없습니다.

2. opML을 통한 해결

a) opML: 낙관적 기계 학습

기사의 마지막 부분에서 Vitalik은 "저는 이러한 모든 분야에서 더 많은 인공지능의 건설적 사용 사례 시도를 보고 싶습니다. 그래야 우리는 어떤 것이 진정으로 실행 가능한 대규모 응용인지 알 수 있습니다."라고 언급합니다. 우리는 zkML이 현재 단계에서 '실행 가능하지 않다'고 생각합니다.

opML의 발명자이자 opML의 첫 번째 오픈 소스 구현의 창시자로서, 우리는 opML이 게임 이론을 통해 암호학적 오버헤드 문제를 해결할 수 있다고 믿습니다. 이를 통해 인공지능 x Crypto가 지금 바로 실현될 수 있습니다.

b) 인센티브를 통한 안전성 확보

opML은 안전성을 보장하면서 체인 상의 ML의 암호학적 오버헤드 문제를 해결했습니다. 간단히 말해, 우리는 Arbitrum의 AnyTrust 가정을 사용하여 opML 시스템의 안전성을 평가할 수 있습니다.

AnyTrust 가정은 각 주장에 대해 최소한 하나의 정직한 노드가 존재하여 제출자 또는 최소한 하나의 검증자가 정직하다는 것을 보장합니다. AnyTrust 하에서 안전성과 유효성이 유지됩니다:

• 안전성: 정직한 검증자는 악의적인 노드의 잘못된 결과에 이의를 제기하여 올바른 행동을 강제할 수 있으며, 이를 통해 중재 절차를 통해 처벌할 수 있습니다.
• 유효성: 제안된 결과는 최장 기간 내에 수용되거나 거부됩니다.

'AnyTrust'와 'Majority Trust'를 비교할 때, opML의 'AnyTrust' 모델이 더 안전합니다. 'AnyTrust'는 높은 안전성을 유지하며 다양한 조건에서 'Majority Trust'보다 우수합니다.

c) 사용자 프라이버시 > 모델 프라이버시

Vitalik은 기사에서 모델 프라이버시 문제에 대해서도 언급했습니다. 사실, 대부분의 모델(특히 zkML이 현재 실천에서 지원하는 소형 모델)은 충분한 추론을 통해 재구성될 수 있습니다.

일반적인 프라이버시, 특히 사용자 프라이버시의 경우, 도전의 공개성을 유지해야 하므로 opML은 고유한 프라이버시 기능이 부족한 것으로 보입니다. zkML과 opML을 결합함으로써 우리는 안전하고 되돌릴 수 없는 혼란을 보장하는 적절한 프라이버시 수준을 얻을 수 있습니다.

d) AI x Crypto 사용 사례 구현

opML은 이미 이더리움에서 Stable Diffusion과 LLaMA 2를 직접 실행할 수 있습니다. Vitalik이 언급한 네 가지 범주(인공지능을 플레이어/인터페이스/규칙/목표로 삼기)는 opML을 통해 구현할 수 있으며, 추가 오버헤드 없이 가능합니다.

우리는 다음 사용 사례와 방향을 적극적으로 탐색하고 있습니다:

• AIGC NFT (ERC-7007), 7007 Studio가 Story Protocol Hackathon에서 우승
• 체인 상의 인공지능 게임 (예: 드래곤과 던전 게임)
• ML을 사용하는 예측 시장
• 콘텐츠 진위 (딥페이크 검증기)
• 규정 준수 가능한 프로그래머블 프라이버시
• 프롬프트 시장
• 신뢰/신용 점수

3. 요약

opML을 통해 우리는 암호학적 오버헤드로 인한 도전을 제거하고, 분산화와 검증 가능성을 유지하여 AI x Crypto를 지금 바로 실현할 수 있습니다.