OPML:オプティミスティックと機械学習を組み合わせたパイロットブロックチェーンソリューション

OPML(Optimistic機械学習)は新型のブロックチェーンシステムで、Optimistic手法を用いてAIモデルの推論と訓練を行います。ZKMLと比較して、OPMLは低コストで高効率なMLサービスを提供できます。OPMLのハードウェア要件は低く、一般的なPCはGPUなしで7B-LLaMA(のような大規模言語モデルを約26GB)で実行できます。

! OPML:楽観的ロールアップによる機械学習

OPMLは、MLサービスの分散化と検証可能なコンセンサスを確保するために、検証ゲームメカニズムを採用しています:

1. リクエスターがMLサービスタスクを開始する
2. サーバーはタスクを完了し、結果をブロックチェーンに上げます
3. 検証者は結果を確認し、異議がある場合は検証ゲームを開始します。
4. 最後にスマートコントラクトでステップバイステップの仲裁を行う

! OPML:楽観的ロールアップシステムによる機械学習

OPMLのシングルステージ検証ゲームは、計算委任の(RDoC)と似ています。

• オフチェーン実行とオンチェーン仲裁のための仮想マシン(VM)を構築する
• 軽量DNNライブラリを設計して、VM内のAIモデル推論効率を確保する
• AI推論コードをVM命令にクロスコンパイルする
• メルクルツリーを使用してVMイメージを管理し、ルートハッシュのみをチェーンにアップロードします。

二分協定は争いのステップを特定し、チェーン上の仲裁契約に送信できます。基本的なAIモデルのテストでは、VM内でのDNN推論が2秒以内に完了し、全体の挑戦プロセスは2分以内に完了しました。

! OPML:楽観的ロールアップによる機械学習

単一段階プロトコルの限界を克服するために、OPMLは多段階検証ゲームを提案しました:

• 最後の段階のみVMで計算し、他の段階はローカル環境で実行可能です。
• CPU、GPU、TPUなどのハードウェアアクセラレーションを利用し、パフォーマンスはネイティブ環境に近い
• マークルツリーを採用して、フェーズ間の完全性と安全性を確保します。

LLaMAモデルを例とした二段階OPML:

1. ML計算を計算グラフGとして表す
2. 先に計算グラフ上で検証ゲーム(フェーズ-2)
3. 争議ノードを特定した後、フェーズ1に入る
4. 単一ノード計算をVM命令に変換して検証する

! OPML:楽観的ロールアップによる機械学習

多段階OPMLは単段階に対してα倍の加速を実現し、マークルツリーのサイズもO(mn)からO(m+n)に減少しました。

ML結果の一貫性を確保するために、OPMLは次のように採用しています:

1. 定点アルゴリズム(量化技術)浮動小数点誤差を減少させる
2. ソフトウェア浮動小数点ライブラリは、クロスプラットフォームの一貫性を保証します

OPMLはMLモデルの推論に特化しており、トレーニングプロセスもサポートする汎用MLソリューションです。ZKMLと比較して、OPMLはコスト、効率、汎用性などの面で明らかな利点を持っています。

! OPML:楽観的ロールアップシステムによる機械学習