OPML: Инновационные решения Блокчейн, сочетающие Оптимистичный подход и машинное обучение

OPML(Оптимистичное машинное обучение) - это новая система Блокчейн, которая позволяет проводить вывод и обучение моделей ИИ с использованием оптимистичного метода. В отличие от ZKML, OPML может предоставлять услуги ML с низкими затратами и высокой эффективностью. Аппаратные требования OPML ниже, обычный ПК может запускать большие языковые модели, такие как 7B-LLaMA(, без GPU, примерно 26GB).

OPML использует механизмы верификационной игры для обеспечения децентрализованного и проверяемого консенсуса ML-сервисов:

1. Запросчик инициирует задачу ML-сервиса
2. Сервер завершает задание и записывает результат в Блокчейн
3. Валидатор проверяет результаты, если есть разногласия, запускается верификационная игра.
4. В конце провести пошаговое арбитражирование на смарт-контракте

! OPML: Машинное обучение с оптимистичной системой свертывания

Игра с одностадийной проверкой OPML похожа на вычислительную делегацию (RDoC):

• Создание виртуальной машины (VM) для выполнения вне цепи и арбитража в цепи
• Разработка легковесной библиотеки DNN для обеспечения эффективности вывода AI модели в VM
• Кросс-компиляция AI-вычислительных кодов в инструкции VM
• Управление образами VM с помощью дерева Меркла, загружая только корневой хэш в блокчейн

Протокол Бифуркации может локализовать спорные шаги и отправить их в арбитражный контракт на Блокчейне. Основные тесты модели ИИ показывают, что DNN-вывод внутри ВМ завершен за 2 секунды, а весь процесс вызова завершен за 2 минуты.

! OPML: Машинное обучение с оптимистичным свертыванием

Чтобы преодолеть ограничения однофазного протокола, OPML предложила многофазную проверку игры:

• Только последний этап вычисляется в VM, остальные этапы могут выполняться в локальной среде
• Используя аппаратное ускорение CPU, GPU, TPU и т.д., производительность близка к родной среде
• Использование дерева Меркла для обеспечения целостности и безопасности на всех этапах

Двухступенчатый OPML на примере модели LLaMA:

1. Представить ML вычисления в виде вычислительного графа G
2. Сначала проведите верификацию игры на графе вычислений (Phase-2)
3. После определения спорного узла перейти в Phase-1
4. Преобразование вычислений на одном узле в инструкции VM для проверки

! OPML: Машинное обучение с оптимистичным свертыванием

Многоступенчатый OPML обеспечивает α-кратное ускорение по сравнению с одноступенчатой реализацией, а размер дерева Меркла уменьшается с O(mn) до O(m+n).

Для обеспечения согласованности результатов ML, OPML использует:

1. Алгоритм с фиксированной точкой ( количественные технологии ) снижают ошибки с плавающей точкой
2. Библиотека программного обеспечения с плавающей запятой гарантирует кроссплатформенную согласованность

OPML сосредоточен на выводе ML моделей, также поддерживает процесс обучения, является универсальным решением для ML. По сравнению с ZKML, OPML имеет очевидные преимущества в стоимости, эффективности и универсальности.

! OPML: Машинное обучение с оптимистичной системой свертывания