OPML:结合Optimistic和机器学习的创新区块链解决方案

OPML(Optimistic机器学习)是一种新型区块链系统,可通过Optimistic方法进行AI模型推理和训练。与ZKML相比,OPML能以低成本高效率提供ML服务。OPML的硬件要求较低,普通PC无需GPU即可运行大型语言模型如7B-LLaMA(约26GB)。

OPML采用验证游戏机制确保ML服务的去中心化和可验证共识:

1. 请求者发起ML服务任务
2. 服务器完成任务并将结果上链
3. 验证者检查结果,如有异议则启动验证游戏
4. 最后在智能合约上进行单步仲裁

OPML的单阶段验证游戏与计算委托(RDoC)类似:

• 构建虚拟机(VM)用于链下执行和链上仲裁
• 设计轻量级DNN库确保VM中AI模型推理效率
• 交叉编译AI推理代码为VM指令
• 用默克尔树管理VM镜像,只上传根哈希到链上

二分协议可定位争议步骤并发送至链上仲裁合约。基本AI模型测试显示,VM内DNN推理2秒内完成,整个挑战过程2分钟内完成。

为克服单阶段协议局限性,OPML提出多阶段验证游戏:

• 仅最后阶段在VM中计算,其他阶段可在本地环境执行
• 利用CPU、GPU、TPU等硬件加速,性能接近原生环境
• 采用默克尔树确保跨阶段完整性和安全性

以LLaMA模型为例的两阶段OPML:

1. 将ML计算表示为计算图G
2. 先在计算图上进行验证博弈(Phase-2)
3. 定位争议节点后进入Phase-1
4. 将单节点计算转为VM指令进行验证

多阶段OPML相比单阶段实现α倍加速,默克尔树大小也从O(mn)减少到O(m+n)。

为确保ML结果一致性,OPML采用:

1. 定点算法(量化技术)减少浮点误差
2. 软件浮点库保证跨平台一致性

OPML专注于ML模型推理,也支持训练过程,是通用ML解决方案。与ZKML相比,OPML在成本、效率、通用性等方面具有明显优势。