元の著者 | @DistilledCrypto
コンパイル | ゴーレム
ChatGPT などの大規模言語モデルの人気以来、分散ネットワーク上で同様の機械学習モデルを実行することが、ブロックチェーン + AI の主要な物語の 1 つになりました。しかし、OpenAI のような評判の良い企業を信頼できるように、分散型ネットワークが推論に特定の ML モデルを使用することを信頼することはできないため、検証する必要があります。データのプライバシーを考慮すると、ゼロ知識機械学習 (zkML) は一般的に楽観的ですが、それがオンチェーン AI の未来となるでしょうか?
Odaily Planet Daily では、この記事で zkML の基礎知識、注目の zkML プロジェクトを簡単に紹介し、最後に zkML の制限と代替案について簡単に説明します。
zkML に関する基礎知識
ゼロ知識機械学習 (zkML) は、コンピューティングにおける機密保持の方法に似ています。これには主に次の 2 つの部分が含まれます。
機械学習 (ML) を使用してタスクを実行します。
詳細をすべて明らかにすることなく、タスクが正しく完了したことを実証します。
簡単に言うと、次のように動作します。
a. タスクを実行します。
誰かが ML モデルを使用してデータを処理し、結果を取得します。これは、シェフがレシピに従ってケーキを焼きながら、材料を誰にも伝えないようなものです。
b. 証明タスク
タスクが完了したら、証拠を提示できます。たとえば、「この特定のモデルで特定の入力を使用したところ、この結果が得られました。」彼らは、レシピの手順に正しく従ったことを実際に証明しています。
c. 秘密を守る
zkML の優れた点は、タスクが正しく実行されたことを証明するときに、入力データ、モデルの動作方法、結果などの詳細を秘密にできることです。つまり、zkML を使用すると、証明者はメソッドとデータを非公開に保ちながら、「信じてください、私は正しく理解しました」と言うことができます。
注目すべきzkMLプロジェクトの紹介
zkML の概念が提案されてからほぼ 1 年が経ち、すでに多くの関連プロジェクトが建設中であり、そのうちの少数のプロジェクトが市場にトークンを発行しています。 Messari では、有名な VC が投資した zkML プロジェクトをいくつかリストアップしていますので、以下で紹介します。
出典: メッサーリ
スペクトル
Spectral は、Web3 用のオンチェーン プロキシ エコノミーを構築しています。同社の主力製品である SYNTAX は、Solidity コードを生成できる独自の LLM (Large Language Model) です。 Spectral を使用すると、ユーザーは分散型 ML 推論を利用してスマート コントラクトを改善しながら、オンチェーンの自律エージェントを作成できます。さらに、Spectral は zkML を活用して、特定の予測が特定の ML モデルによって生成されたという証拠を提供し、プロセスの信頼性と信頼性を確保できます。
Spectral はトークンを発行しました。トークンは SPEC で、市場価値は 1 億 1,900 万米ドルです。
ワールドコイン
Worldcoin は、誰もが世界経済に参加できるように設計されたオープンソース システムを開発しています。 Worldcoin では、zkML の潜在的な用途の 1 つは、虹彩認識技術のセキュリティとプライバシーを向上させることです。トークンWLDの時価総額は現在10億7000万ドルです。
仕組みは次のとおりです。
a. 生体認証セルフホスティング
World ID ユーザーは、虹彩スキャンなどの生体認証データをモバイル デバイスに安全に暗号化して保存できます。
b. ローカル処理
その後、ユーザーは ML モデルを自分のデバイスにダウンロードして、虹彩スキャンから固有のコードを生成できます。
c. プライバシー保護証明書
zkML を使用すると、デバイス上でプルーフを直接作成できます。この認証により、虹彩コードが正しいモデルを使用したスキャンから正確に生成されたことが確認されます。これらの操作はすべて、ユーザーの実際のデータを公開することなく実行されます。
ゼロ加熱
RISC Zero は、関係者が相互に信頼する必要のないコンピューティング サービスを提供することにより、インターネットの信頼性と効率性を高めることを目的としています。
RISC Zero の重要なポイントは次のとおりです。
a. ブロックチェーンを拡張する
Bonsai プルーフ サービスを使用して複雑な操作を実行し、それによってブロックチェーンのセキュリティを強化します。 Bonsai は複雑な計算とプライベート データをオフチェーンで管理し、効率を向上させます。
b. スパイスAIとの連携
Spice AI は、マネージド型のクラウド スケールの Spice.ai OSS を含む、構成可能ですぐに使用できるデータと AI インフラストラクチャを提供します。このコラボレーションは、開発者に包括的な zkML ツールキットを提供することを目的としています。
c. 機械学習サービス
開発者は RISC Zero を使用して、データに安全にアクセスしてクエリを実行し、ML モデルをプライベートでトレーニングし、データが正しく処理されたことの証明を提供できます。
基本的に、RISC Zero は開発者に MLaaS (サービスとしての ML) を提供すると同時に、データと実行のプライバシーと安全性を確保します。
人間
Giza は、Starknet ネットワーク上で実行される機械学習プラットフォームです。
a. 主な目的
Giza は、ブロックチェーン上で ML 操作を直接拡張することを目指しています。
b. 技術的根拠
ゼロ知識 (ZK) 証明をサポートする Starknet を使用して ML 操作を検証し、基礎となるデータを漏らすことなく計算の精度とセキュリティを確保します。
c. アプリケーション
Starknet では、Giza を使用して、「Giza エージェント」がクロスプロトコルの収益集計、資産配分、リスクのないマーケット メイキングなどのさまざまな財務戦略を自動化できます。基本的に、Giza は zkML の強みを活用して、ブロックチェーン上で安全かつ自動化された財務戦略の実行を可能にします。
バス
Vanna はモジュール型 AI 推論ネットワークであり、EVM チェーンと互換性があるだけでなく、ユーザーは zkML、オプティミスティック ZK、opML、teeML などの検証方法から選択できます。 Vanna の将来の使用シナリオには、LLM を使用してオンチェーンの GameFi ゲーム会話を生成すること、DeFi プロトコルのリスク警告エンジン、エアドロップをマークするために使用されるウィッチ アカウント レピュテーション システムが含まれます。
zkML エコシステムには、上で紹介したいくつかのプロジェクト以外にも、次の図に示すようなプロジェクトがあります。スペースの都合上、読者の参考のために紹介しません。
出典: SevenX Ventures
zkML の制限と代替案
zkML は理論的には魅力的ですが、現時点ではあまり実用的ではありません。 AI の計算は本質的にリソースを大量に消費し、zkML で使用されているような暗号化方法を追加するとさらに遅くなり、Modulus Labs の報告によると、zkML は通常の計算より最大 1,000 倍遅くなる可能性があります。実際、ほとんどのユーザーにとって、さらに数分間待つことは日常の経験では受け入れられません。
したがって、これらの制限により、zkML は現在、非常に小規模な ML モデルにのみ適している可能性があります。この場合、多くの AI プロジェクトは他の検証方法を検討する必要があります。現在、主な代替手段が 2 つあります。
opML（楽観的ML）
teeML（信頼できる実行環境ML）
次の図は、3 つの違いを簡単に示しています。
出典: マーリンプロトコル
