OPML: Solução de Blockchain inovadora combinando Optimistic e Aprendizado de Máquina

OPML(Aprendizado de Máquina Optimista) é um novo sistema de Blockchain que pode realizar inferência e treinamento de modelos de IA através de métodos Optimistic. Em comparação com ZKML, OPML pode fornecer serviços de ML de forma eficiente e a baixo custo. Os requisitos de hardware do OPML são baixos, um PC comum pode executar grandes modelos de linguagem como 7B-LLaMA( cerca de 26GB) sem necessidade de GPU.

OPML utiliza um mecanismo de jogo de verificação para garantir a descentralização e o consenso verificável dos serviços de ML:

1. O solicitante inicia a tarefa de serviço ML
2. O servidor completou a tarefa e colocou os resultados na Blockchain
3. Os validadores verificam os resultados; se houver objeções, iniciam o jogo de validação.
4. Por fim, realizar a arbitragem passo a passo no contrato inteligente

O jogo de verificação de uma única fase do OPML é semelhante à delegação de cálculo (RDoC):

• Construir a máquina virtual (VM) para execução off-chain e arbitragem on-chain
• Projetar uma biblioteca DNN leve para garantir a eficiência da inferência de modelos de IA na VM
• Compilar cruzadamente o código de inferência de IA para instruções VM
• Gerir imagens VM com uma árvore de Merkle, carregando apenas o hash raiz na blockchain

O protocolo de divisão pode localizar etapas de disputa e enviá-las para o contrato de arbitragem na blockchain. Testes básicos do modelo de IA mostram que a inferência DNN dentro da VM é concluída em menos de 2 segundos, e todo o processo de desafio é finalizado em menos de 2 minutos.

Para superar as limitações do protocolo de fase única, o OPML propôs um jogo de validação em várias fases:

• Apenas a fase final é calculada na VM, as outras fases podem ser executadas no ambiente local.
• Utilizando aceleração de hardware como CPU, GPU, TPU, desempenho próximo ao ambiente nativo
• Utilizar a árvore de Merkle para garantir a integridade e a segurança entre fases

Exemplo de OPML em duas fases com o modelo LLaMA:

1. Representar o cálculo ML como um gráfico de cálculo G
2. Primeiro, realize a verificação do jogo no gráfico de cálculo (Fase-2)
3. Após localizar o nó de disputa, entre na Fase-1
4. Converter o cálculo de nó único em instruções VM para validação

A implementação de OPML em múltiplas etapas acelera α vezes em comparação com a implementação em uma única etapa, e o tamanho da árvore de Merkle também diminui de O(mn) para O(m+n).

Para garantir a consistência dos resultados do ML, o OPML adota:

1. Algoritmo de ponto fixo ( tecnologia de quantização ) redução de erro de ponto flutuante
2. A biblioteca de ponto flutuante do software garante consistência entre plataformas

OPML foca na inferência de modelos ML, também suporta o processo de treinamento, sendo uma solução de ML genérica. Em comparação com ZKML, o OPML apresenta vantagens claras em termos de custo, eficiência e versatilidade.