원저자 | @DistilledCrypto
컴파일 | 골렘
ChatGPT와 같은 대규모 언어 모델의 인기 이후, 분산 네트워크에서 유사한 기계 학습 모델을 실행하는 것도 블록체인 + AI의 주요 이야기 중 하나가 되었습니다. 하지만 OpenAI와 같은 평판이 좋은 회사를 신뢰할 수 있는 것처럼 추론을 위해 특정 ML 모델을 사용하는 분산형 네트워크를 신뢰할 수 없으므로 이를 검증해야 합니다. 데이터의 개인 정보 보호를 고려하면 영지식 기계 학습(zkML)은 일반적으로 낙관적이므로 이것이 온체인 AI의 미래가 될까요?
오데일리 플래닛 데일리는 이번 글에서 zkML의 기본 지식, 주목할만한 zkML 프로젝트를 간략하게 소개하고, 마지막으로 zkML의 한계와 대안에 대해 간략하게 설명하겠습니다.
zkML에 대한 기본 지식
영지식 기계 학습(zkML)은 컴퓨팅의 기밀 유지 방법과 유사합니다. 주로 두 부분으로 구성됩니다.
기계 학습(ML)을 사용하여 작업을 수행합니다.
모든 세부 사항을 공개하지 않고 작업이 올바르게 완료되었음을 보여줍니다.
간단히 말하면 다음과 같이 작동합니다.
a. 작업을 실행합니다.
누군가 ML 모델을 사용하여 일부 데이터를 처리하고 결과를 얻습니다. 이는 요리사가 레시피에 따라 케이크를 굽지만 아무에게도 재료를 알려주지 않는 것과 같습니다.
b. 증명 작업
작업이 완료된 후 증거를 보여줄 수 있습니다. 예를 들어, "이 특정 모델에서 특정 입력을 사용하여 이 결과를 얻었습니다." 이는 실제로 레시피의 단계를 올바르게 따랐다는 것을 증명하는 것입니다.
c. 비밀을 유지하세요.
zkML의 가장 큰 장점은 작업이 올바르게 수행되었음을 증명할 때 입력 데이터, 모델 작동 방식 또는 결과와 같은 세부 정보를 비밀로 유지할 수 있다는 것입니다. 간단히 말해서, zkML을 사용하면 증명자는 자신의 방법과 데이터를 비공개로 유지하면서 "나를 믿으세요. 제가 제대로 해냈습니다"라고 말할 수 있습니다.
주목할만한 zkML 프로젝트 소개
zkML 개념이 제안된 지 거의 1년이 지났습니다. 이미 많은 관련 프로젝트가 건설 중이며, 그 중 소수도 토큰을 시장에 발행했습니다. Messari 에는 유명 VC가 투자한 일부 zkML 프로젝트가 나열되어 있으며, 이에 대해서는 아래에서 소개하겠습니다.
출처: 메사리
유령 같은
Spectral은 Web3를 위한 온체인 프록시 경제를 구축하고 있습니다. 주력 제품인 SYNTAX는 Solidity 코드를 생성할 수 있는 독점 LLM(Large Language Model)입니다. Spectral을 통해 사용자는 분산형 ML 추론을 활용하여 스마트 계약을 개선하는 동시에 온체인 자율 에이전트를 생성할 수 있습니다. 또한 Spectral은 zkML을 활용하여 특정 예측이 특정 ML 모델에 의해 생성되었다는 증거를 제공하여 프로세스의 신뢰와 신뢰성을 보장할 수 있습니다.
Spectral은 토큰을 발행했으며 토큰은 SPEC이며 시장 가치는 1억 1900만 달러입니다.
월드코인
Worldcoin은 모든 사람이 글로벌 경제에 참여할 수 있도록 설계된 오픈 소스 시스템을 개발하고 있습니다. Worldcoin에서 zkML의 잠재적인 용도 중 하나는 홍채 인식 기술의 보안 및 개인 정보 보호를 향상시키는 것입니다. 토큰 WLD 시가총액은 현재 10억 7천만 달러입니다.
작동 방식은 다음과 같습니다.
a. 생체 인식 자체 호스팅
World ID 사용자는 홍채 스캔과 같은 생체 인식 데이터를 모바일 장치에 안전하게 암호화하여 저장할 수 있습니다.
b. 로컬 처리
그런 다음 사용자는 ML 모델을 장치에 다운로드하여 홍채 스캔에서 고유 코드를 생성할 수 있습니다.
다.개인정보보호 인증서
zkML을 사용하면 장치에서 직접 증거를 만들 수 있습니다. 이 인증은 올바른 모델을 사용하여 스캔하여 홍채 코드가 정확하게 생성되었음을 확인합니다. 이러한 모든 작업은 사용자의 실제 데이터를 노출하지 않고 수행됩니다.
리스크 제로
RISC Zero는 당사자들이 서로 신뢰하지 않아도 되는 컴퓨팅 서비스를 제공함으로써 인터넷의 신뢰와 효율성을 향상시키는 것을 목표로 합니다.
RISC Zero의 핵심 포인트는 다음과 같습니다.
a. 블록체인을 확장하세요.
Bonsai 증명 서비스를 사용하여 복잡한 작업을 수행함으로써 블록체인의 보안을 강화합니다. Bonsai는 복잡한 계산과 개인 데이터를 오프체인으로 관리하여 효율성을 향상시킵니다.
b. Spice AI와의 협력
Spice AI는 관리형 클라우드 규모 Spice.ai OSS를 포함하여 구성 가능하고 즉시 사용 가능한 데이터와 AI 인프라를 제공합니다. 이번 협력의 목표는 개발자에게 포괄적인 zkML 툴킷을 제공하는 것입니다.
c. 머신러닝 서비스
개발자는 RISC Zero를 사용하여 데이터에 안전하게 액세스 및 쿼리하고, ML 모델을 개인적으로 교육하고, 데이터가 올바르게 처리되었다는 증거를 제공할 수 있습니다.
기본적으로 RISC Zero는 개발자에게 MLaaS(ML as a Service)를 제공하는 동시에 데이터와 실행을 비공개로 안전하게 유지합니다.
기자
Giza는 Starknet 네트워크에서 실행되는 기계 학습 플랫폼입니다.
가. 주요 목표
Giza는 ML 작업을 블록체인에서 직접 확장하는 것을 목표로 합니다.
나. 기술적 기반
영지식(ZK) 증명을 지원하는 Starknet을 사용하여 ML 작업을 검증함으로써 기본 데이터 유출 없이 계산의 정확성과 보안을 보장합니다.
다.
Starknet에서 Giza는 "Giza Agents"를 통해 프로토콜 간 수익 집계, 자산 배분 및 무위험 시장 만들기를 포함한 다양한 재무 전략을 자동화할 수 있습니다. 기본적으로, Giza는 zkML의 강점을 활용하여 블록체인에서 금융 전략을 안전하고 자동화된 실행을 가능하게 합니다.
반나
Vanna 는 EVM 체인과 호환될 뿐만 아니라 유연한 보안을 제공하는 모듈형 AI 추론 네트워크입니다. 사용자는 zkML, 낙관적 ZK, opML, teeML 및 기타 검증 방법 중에서 선택할 수 있습니다. Vanna의 향후 사용 시나리오에는 LLM을 사용하여 온체인 GameFi 게임 대화 생성, 온체인 스마트 계약 취약성 감지, DeFi 프로토콜을 위한 위험 경고 엔진 및 에어드롭을 표시하는 데 사용되는 마녀 계정 평판 시스템이 포함됩니다.
위에 소개된 여러 프로젝트 외에도 아래 그림과 같이 zkML 생태계에는 공간상의 이유로 인해 독자의 참고를 위해 소개되지는 않습니다.
출처: SevenX 벤처스
zkML의 한계와 대안
이론적으로는 매력적이지만 zkML은 현재 그다지 실용적이지 않습니다. AI 계산은 본질적으로 리소스 집약적이며 zkML에 사용되는 것과 같은 암호화 방법을 추가하면 속도가 더욱 느려집니다. Modulus Labs에서는 zkML이 일반 계산보다 최대 1,000배 느릴 수 있다고 보고했습니다. 실제로 대부분의 사용자에게는 일상적인 경험에서 몇 분 더 기다리는 것이 용납되지 않습니다.
따라서 이러한 제한으로 인해 zkML은 이제 매우 작은 ML 모델에만 적합할 수 있습니다. 이 경우 많은 AI 프로젝트는 다른 검증 방법을 고려해야 합니다. 현재 두 가지 주요 대안이 있습니다.
opML(낙관적 ML)
teeML(신뢰할 수 있는 실행 환경 ML)
다음 그림은 세 가지의 차이점을 간략하게 보여줍니다.
출처: 말린 프로토콜
