OPML:結合Optimistic和機器學習的創新區塊鏈解決方案

OPML(Optimistic機器學習)是一種新型區塊鏈系統,可通過Optimistic方法進行AI模型推理和訓練。與ZKML相比,OPML能以低成本高效率提供ML服務。OPML的硬件要求較低,普通PC無需GPU即可運行大型語言模型如7B-LLaMA(約26GB)。

OPML採用驗證遊戲機制確保ML服務的去中心化和可驗證共識:

1. 請求者發起ML服務任務
2. 服務器完成任務並將結果上鏈
3. 驗證者檢查結果,如有異議則啓動驗證遊戲
4. 最後在智能合約上進行單步仲裁

OPML的單階段驗證遊戲與計算委托(RDoC)類似:

• 構建虛擬機(VM)用於鏈下執行和鏈上仲裁
• 設計輕量級DNN庫確保VM中AI模型推理效率
• 交叉編譯AI推理代碼爲VM指令
• 用默克爾樹管理VM鏡像,只上傳根哈希到鏈上

二分協議可定位爭議步驟並發送至鏈上仲裁合約。基本AI模型測試顯示,VM內DNN推理2秒內完成,整個挑戰過程2分鍾內完成。

爲克服單階段協議局限性,OPML提出多階段驗證遊戲:

• 僅最後階段在VM中計算,其他階段可在本地環境執行
• 利用CPU、GPU、TPU等硬件加速,性能接近原生環境
• 採用默克爾樹確保跨階段完整性和安全性

以LLaMA模型爲例的兩階段OPML:

1. 將ML計算表示爲計算圖G
2. 先在計算圖上進行驗證博弈(Phase-2)
3. 定位爭議節點後進入Phase-1
4. 將單節點計算轉爲VM指令進行驗證

多階段OPML相比單階段實現α倍加速,默克爾樹大小也從O(mn)減少到O(m+n)。

爲確保ML結果一致性,OPML採用:

1. 定點算法(量化技術)減少浮點誤差
2. 軟件浮點庫保證跨平台一致性

OPML專注於ML模型推理,也支持訓練過程,是通用ML解決方案。與ZKML相比,OPML在成本、效率、通用性等方面具有明顯優勢。