opp/ai: Mfumo wa Akili Bandia unaolinda Faragha kwa Matumaini kwenye Blockchain

Yaliyomo

• 1 Utangulizi
• 2 Msingi
  • 2.1 Changamoto za AI kwenye Mnyororo
  • 2.2 Masomo ya Mashine kwa Ufinyu wa Siri (zkML)
  • 2.3 Masomo ya Mashine kwa Matumaini (opML)
• 3 Mfumo wa opp/ai
  • 3.1 Mwonekano wa Usanifu
  • 3.2 Usawazi wa Ufanisi na Faragha
• 4 Utekelezaji wa Kiufundi
  • 4.1 Msingi wa Kihisabati
  • 4.2 Utekelezaji wa Msimbo
• 5 Matokeo ya Majaribio
• 6 Matumizi ya Baadaye
• 7 Marejeo
• 8 Uchambuzi Muhimu

1 Utangulizi

Muunganiko wa Teknolojia ya Akili Bandia (AI) na blockchain unarekebisha ulimwengu wa kidijitali, ukiwapa huduma za AI zisizo na kituo kimoja, salama na zenye ufanisi kwenye majukwaa ya blockchain. Licha ya ahadi hiyo, mahitaji makubwa ya kihisabati ya AI kwenye blockchain yanaleta wasiwasi mkubwa kuhusu faragha na ufanisi. Mfumo wa Akili Bandia unaolinda Faragha kwa Matumaini (opp/ai) umetambulishwa kama suluhisho la kipekee kwa masuala haya, ukiweka usawa kati ya ulinzi wa faragha na ufanisi wa kihisabati.

2 Msingi

2.1 Changamoto za AI kwenye Mnyororo

Utekelezaji wa hesabu za AI moja kwa moja kwenye blockchain unakabiliwa na changamoto kubwa kutokana na gharama za kihisabati. Kwa mfano, kutekeleza kuzidisha kwa matriki ya msingi (nambari kamili 1000×1000) kwenye Ethereum inahitaji gesi zaidi ya bilioni 3, ikizidi kiwango cha juu cha gesi kwa kila kizuizi. Hii inalazimisha programu kutumia hesabu nje ya mnyororo, na hivyo kukiuka kanuni za utawala usio na kituo kimoja.

2.2 Masomo ya Mashine kwa Ufinyu wa Siri (zkML)

zkML inatumia uthibitisho wa ufinyu wa siri kulinda data za siri na vigezo vya mfano wakati wa mafunzo na utambuzi. Ingawa inashughulikia maswala ya faragha, zkML inakabiliwa na changamoto za gharama kubwa za kihisabati na mahitaji ya uzalishaji wa uthibitisho, na kufanya iwe vigumu kwa matumizi makubwa.

2.3 Masomo ya Mashine kwa Matumaini (opML)

opML inatumia mifumo ya uthibitisho wa udanganyifu kuhakikisha usahihi wa matokeo ya ML kwa kutumia hesabu ndogo sana kwenye mnyororo. Mbinu hii, iliyoongozwa na safu za matumaini (Optimism, Arbitrum), inachukulia kuwa matokeo ni halali isipokuwa ikiwa yamepingwa, lakini inahitaji upatikanaji wa data ya umma, na hivyo kuunda mipaka ya faragha.

3 Mfumo wa opp/ai

3.1 Mwonekano wa Usanifu

Mfumo wa opp/ai unachanganya zkML kwa ajili ya faragha na opML kwa ajili ya ufanisi, na kuunda mfano mseto uliobuniwa mahsusi kwa huduma za AI kwenye blockchain. Mfumo huu unatumia mikakati ya usawazi wa ufanisi na faragha ili kushinda mipaka ya mbinu binafsi.

3.2 Usawazi wa Ufanisi na Faragha

Mfumo huu unashughulikia usawazi wa msingi kati ya ufanisi wa kihisabati na ulinzi wa faragha. Kwa kuchanganya uthibitisho wa matumaini na uthibitisho wa ufinyu wa siri wenye kuchaguliwa, opp/ai inafikia utendaji wa vitendo huku ikiweka dhamana muhimu za faragha.

4 Utekelezaji wa Kiufundi

4.1 Msingi wa Kihisabati

Mfumo huu unatumia misingi ya hali ya juu ya usimbu fiche ikiwemo zk-SNARKs kwa uthibitisho wa uthibitisho wenye ufanisi. Mchakato wa msingi wa uthibitisho unaweza kuwakilishwa kama:

$V(\sigma, \phi, \pi) \rightarrow \{0,1\}$

ambapo $\sigma$ ni taarifa, $\phi$ ni shahidi, na $\pi$ ni uthibitisho. Mfumo unahakikisha kuwa kwa taarifa halali, mthibitishaji anakubali kwa uwezekano mkubwa.

4.2 Utekelezaji wa Msimbo

Hapa chini kuna mfano ulorahisishwa wa msimbo bandia wa mchakato wa uthibitisho wa opp/ai:

function verifyAIResult(input_data, model_hash, proof):
    # Awamu ya matumaini: chukua kuwa ni halali
    if no_challenge_within_timeout(input_data, model_hash):
        return ACCEPT
    
    # Uthibitisho wa zkML ikiwa umepingwa
    if proof != None and verify_zk_proof(proof, input_data, model_hash):
        return ACCEPT
    else:
        return REJECT
        
function generate_zk_proof(model, input_data):
    # Toa uthibitisho wa ufinyu wa siri kwa hesabu
    witness = compute_witness(model, input_data)
    proof = zk_snark_prove(witness, circuit_params)
    return proof

5 Matokeo ya Majaribio

Tathmini ya majaribio inaonyesha maboresho makubwa katika ufanisi wa kihisabati ikilinganishwa na mbinu za zkML pekee. Mbinu mseto hupunguza wakati wa uzalishaji wa uthibitisho kwa 60-80% huku ikiweka dhamana zinazokubalika za faragha. Vipimo vya utendaji vinaonyesha:

• Wakati wa uzalishaji wa uthibitisho: Ulipunguzwa kutoka dakika 45 hadi dakika 12 kwa miundo ya kawaida ya ML
• Gharama za gesi: Kupunguzwa kwa 75% ikilinganishwa na uthibitisho kwenye mnyororo
• Uwezo wa kuhimili mzigo: Inasaidia malipo mara 10 zaidi kuliko utekelezaji wa zkML pekee

Mfumo huu ulijaribiwa kwenye kazi za utambulishaji wa picha na utabiri wa kifedha, na kuonyesha maboresho thabiti ya utendaji katika miundo tofauti ya mifano.

6 Matumizi ya Baadaye

Mfumo wa opp/ai unawezesha matumizi mengi ya AI kwenye blockchain ikiwemo:

• Soko la utabiri la kifedha lisilo na kituo kimoja
• Uchambuzi wa afya unaolinda faragha
• Uboreshaji salama wa mnyororo wa usambazaji
• Mifumo ya utawala wazi ya AI

Maendeleo ya baadaye yatalenga ushirikiano wa mnyororo mwingine, mifumo bora ya uthibitisho, na ushirikiano na miundo mipya ya AI kama vile mitandao ya kubadilisha na miundo ya msambazo.

7 Marejeo

1. Buterin, V. (2021). "AI kwenye Mnyororo na Mustakabali wa Hesabu Zisizo na Kituo Kimoj.a." Ethereum Foundation.
2. Gennaro, R., et al. (2013). "Mipango ya Span ya Quadratic na NIZKs Fupi bila PCPs." EUROCRYPT.
3. Ben-Sasson, E., et al. (2014). "Ufinyu wa Siri usio na Mwingiliano mfupi kwa Usanifu wa von Neumann." USENIX Security.
4. Zhu, J.Y., et al. (2017). "Tafsiri ya Picha-hadi-Picha isiyo ya jozi kwa kutumia Mitandao ya Adui yenye Mwendo Sawa." ICCV.
5. Jumuiya ya Optimism. (2022). "Usanifu wa Kusongezea kwa Matumaini." Nyaraka za Kiufundi.

8 Uchambuzi Muhimu

Kwa Uhakika: Kimsingi, mfumo wa opp/ai unatafuta njia ya tatu kati ya faragha kamili ya kiwazo cha zkML na ufanisi wa kiwazo cha opML – uvumbuzi huu wa majadiliano unaonyesha wazi mwelekeo wa lazima wa eneo la AI kwenye blockchain kutoka kwa uchunguzi wa kinadharia hadi utekelezaji wa kibiashara.

Mnyororo wa Mantiki: Mantiki iliyojengwa na karatasi hii ni wazi kabisa: zkML pekee haifai kwa kiwango kikubwa kwa sababu ya gharama kubwa za kihisabati → opML pekee inajitolea faragha kwa sababu ya data ya umma → mpango mseto unafikia usawa kupitia kupanga hatari kulingana na kiwango. Mchakato huu wa utaftaji unanikumbusha falsafa ya usanifu wa mwendo sawa katika karatasi ya CycleGAN (Zhu et al., ICCV 2017), ambayo yote ni sanaa ya kutafuta suluhisho bora chini ya vikwazo.

Vipengele Vyema na Vibaya: Kipengele kizuri zaidi ni usanifu wa mfumo unaoweza kubadilika, unaoruhusu kurekebisha kiwango cha faragha kulingana na muktadha wa matumizi – hii inafaa zaidi kwa mantiki ya kibiashara kuliko kushikilia "yote au hakuna chochote" cha usafi wa kitaaluma. Lakini dosari pia ni dhahiri: Karatasi haielezei kwa uwazi viwango maalum vya "majadiliano ya kimkakati ya faragha", na utata huu unaweza kusababisha mapungufu ya usalama katika vitendo. Kama walivyoonyesha watafiti wa Ethereum Foundation, eneo la mashambulizi la mifumo mseto mara nyingi huwa gumu zaidi kuliko la mifumo safi (Buterin, 2021).

Ushauri wa Vitendo: Kwa watengenezaji wa programu, sasa ni wakati wa kuanza kupima mipaka ya mfano wa opp/ai katika nyanja za kifedha na afya; kwa wawekezaji, watazame makundi yanayoweza kupima kwa uwazi gharama za faragha na faida za ufanisi; na kwa wanaakademia, wanahitaji kuunda miundo madhubuti zaidi ya usalama ya mifumo mseto. Mfumo huu sio mwisho, bali ni mwanzo wa mashindano ya utekelezaji wa AI kwenye blockchain.