原作者: Cathie、Hyper Oracle
初期の概要
Vitalik Buterin による最新記事ブロックチェーンと人工知能 (AI) の交差点を調査し、主に AI を暗号世界にどのように適用できるかに焦点を当て、アクターとしての AI、インターフェースとしての AI、ルールとしての AI、ターゲットとしての AI の 4 つの交差点を調査します。
この記事では、これらの交差点における見通しと課題について説明し、敵対的な機械学習攻撃と暗号オーバーヘッドの問題に焦点を当てています。この記事では、ゼロ知識証明などの暗号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するとともに、暗号オーバーヘッドとブラックボックス敵対的機械学習攻撃の課題を指摘しています。
最後に、この記事では、スケーラブルな分散型プライベート AI を作成するための手法について説明し、AI の安全性とゲームのターゲットとしての AI への応用について考察しています。この記事は、これらの分野での慎重な実践の必要性を強調しつつ、ブロックチェーンと AI が交差する可能性への期待を表明して締めくくられています。
0.「暗号＋AI応用の展望と課題」
Vitalik 氏の最新の記事では、人工知能と暗号化の交差点について説明し、暗号化のオーバーヘッドとブラックボックスの敵対的機械学習攻撃という 2 つの主要な課題を特定しています。
Vitalik 氏は、人工知能と暗号通貨には大きな可能性があると信じています。人工知能は、「ゲーム インターフェイス」や「ゲーム ルール」など、暗号通貨の向上に重要な役割を果たすことができます。
1. 課題: 暗号化のオーバーヘッド
a) 暗号化オーバーヘッドの問題は解決されましたか?
Vitalik 氏は AI x 暗号に大きな可能性を感じていますが、主な反対意見の 1 つは暗号のオーバーヘッドであると指摘しました。現在、最も主流のオンチェーン AI/ML 手法は zkML です。これは、ML モデルを zk 回路にコンパイルして、チェーン上で暗号証明を検証できるようにします。
「AI コンピューティングは本質的に高価であり」、暗号化を使用するとさらに遅くなります。
Vitalik 氏は、暗号化オーバーヘッドの問題が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オーバーヘッドは高加速に適しており、zkEVM のような「非構造化」タイプの計算はありません。
時間の経過とともに、より効率的な ZooKeeper 暗号化スキームが発明され、オーバーヘッドが大幅に削減されるでしょう。
b) 現在、オーバーヘッドは 1000 倍です。
ただし、このアプローチは、特に Vitalik が説明したユースケースでは実用的とは程遠いです。関連する例をいくつか示します。
zkML フレームワーク EZKL では、1 M-nanoGPT モデルのプルーフを生成するのに約 80 分かかります。
Modulus Labs によると、zkML は純粋な計算より >>1000 倍高価であり、最新の報告された数字は 1000 倍です。
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 によって生成されたトランザクションについて人間が判読できる説明を得るまでに数分間待つことは受け入れられません。
2. opML によって解決
a) opML: 楽観的機械学習
記事の最後で、ヴィタリック氏は次のように述べています。「これらすべての分野で人工知能の建設的な使用例がさらに試みられることを楽しみにしています。そうすれば、そのうちのどれが大規模なアプリケーションに本当に実現可能であるかを知ることができます。」 zkML はこの段階では「実現可能」ではなく、上記のアプリケーションを実現することはできません。
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オーバーヘッドの問題を解決し、AI x 暗号化を可能にすることができると信じています。
b) インセンティブによるセキュリティ
opML は、セキュリティを確保しながらオンチェーン ML の暗号オーバーヘッドの問題を解決します。簡単にするために、Arbitrum の AnyTrust 仮説を使用して opML システムのセキュリティを評価できます。
AnyTrust は、クレームごとに少なくとも 1 つの正直なノードが存在すると想定し、送信者または少なくとも 1 人のバリデーターが正直であることを保証します。 AnyTrust では、セキュリティと有効性が維持されます。
セキュリティ: 正直なバリデータは、悪意のあるノードからの不正確な結果に異議を唱え、調停プロセスを通じてノードを罰することで、正しい動作を強制できます。
有効性: 提案された結果は、最大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」モデルの方が安全です。 「AnyTrust」は高いセキュリティを維持し、さまざまな条件下で「Majority Trust」よりも優れています。
c) ユーザーのプライバシー > モデルのプライバシー
Vitalik 氏は記事の中でモデルのプライバシーの問題にも言及しました。実際、ほとんどのモデル (特に zkML が現在実際にサポートしている小規模なモデル) では、十分な推論を使用し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、特にユーザーのプライバシーに関しては、課題を公開しておく必要があるため、opML には固有のプライバシー機能が欠けているように見えます。 zkML と opML を組み合わせることで、適切なレベルのプライバシーを実現し、安全で不可逆的な難読化を保証できます。
d) AI x 暗号化のユースケースを実装する
opML はすでに Stable Diffusion と LLaMA 2 をイーサリアム上で直接実行できます。 Vitalik 氏が言及した 4 つのカテゴリ (プレーヤー/インターフェイス/ルール/目的としての AI) は、追加のオーバーヘッドなしで opML を使用してすでに実装できます。
私たちは次のユースケースと方向性を積極的に検討しています。
AIGC NFT (ERC-7007)、7007 Studio がストーリー プロトコル ハッカソンで優勝
オンチェーン人工知能ゲーム (ダンジョンズ アンド ドラゴンズ ゲームなど)
MLを使用した市場予測
コンテンツの信頼性 (ディープフェイク検証者)
準拠したプログラム可能なプライバシー
即時市場
評判/信用スコア
3. まとめ
opML を使用すると、暗号化のオーバーヘッドによってもたらされる課題を排除し、分散化と検証可能性を維持して、AI x 暗号を今日実行可能にすることができます。
