OPML: Оптимистичная методология для систем машинного обучения на Блокчейн

OPML(Оптимистическая машинное обучение) — это новая система Блокчейн AI, которая может использовать оптимистический подход для выполнения AI моделей вывода и обучения/дообучения для Блокчейн систем. В отличие от ZKML, OPML может предоставить более низкие затраты и более высокую эффективность ML услуг. Аппаратные требования OPML очень низкие, обычный ПК может запускать крупные языковые модели, такие как модель 7B-LLaMA размером около 26 ГБ.

OPML использует механизм верификации игрового процесса для обеспечения децентрализации и可验证ного консенсуса ML-сервиса. Основной процесс следующий:

1. Запросчик инициирует задачу ML-сервиса
2. Сервер завершает задачу и отправляет результат в блокчейн
3. Результаты проверки валидатора, если есть споры, запускается игра проверки
4. Точное определение ошибочного шага с помощью бинарного протокола
5. Проведение пошагового арбитража на смарт-контракте

! OPML: Машинное обучение с оптимистичным свертыванием

Одноэтапная верификация игры

Принцип работы протокола точного позиционирования в один этап аналогичен вычислительному поручению (RDoC), предполагая, что несколько сторон выполняют одну и ту же программу, выявляя спорные шаги через взаимные сомнения, а затем арбитраж осуществляется с помощью смарт-контрактов Блокчейн.

Основные характеристики одностадийной верификационной игры OPML:

• Создание специализированной виртуальной машины (VM) для выполнения вне цепи и арбитража в цепи
• Реализация легковесной библиотеки DNN для повышения эффективности ИИ-выводов
• Использование технологии кросс-компиляции для компиляции кода ИИ в команды виртуальной машины
• Образы VM управляются с помощью дерева Меркла, только корневой хэш загружается в Блокчейн.

Экспериментальные данные показывают, что на обычном ПК базовые DNN-вычисления могут быть выполнены за 2 секунды, а весь процесс испытаний может быть завершен за 2 минуты.

! OPML: Машинное обучение с оптимистичной системой свертывания

Многоуровневая верификация игр

Чтобы преодолеть ограничения одностадийной схемы, OPML ввела многослойную верификационную игру:

• Используйте VM только на последнем этапе, на остальных этапах можно выполнять в локальной среде
• Полностью используйте аппаратные ускорители, такие как CPU, GPU, TPU.
• Значительное повышение производительности выполнения за счет уменьшения зависимости от VM

Ключевой дизайн многоступенчатого OPML:

1. Представьте процесс вычисления ML в виде вычислительного графа
2. Проведение верификационной игры на уровне графа (Phase-2)
3. Вычисление спорных узлов преобразуется в инструкции VM для верификации Фазы-1
4. Используйте дерево Меркла для обеспечения целостности и безопасности между этапами

! OPML: Машинное обучение с оптимистичным свертыванием

Улучшение производительности

Анализ показывает, что многоэтапный OPML имеет значительные преимущества по сравнению с одноэтапным решением:

• Увеличение скорости вычислений в α раз(α для GPU/параллельного ускорения)
• Размер дерева Меркла уменьшился с O(mn) до O(m+n)

Эти улучшения значительно повысили эффективность и масштабируемость системы.

! OPML: Машинное обучение с оптимистичным свертыванием

Консистентность и детерминированность

Для обеспечения согласованности результатов OPML были приняты следующие меры:

1. Использование алгоритма фиксированной точки ( для квантования технологии ) для снижения влияния ошибок с плавающей точкой.
2. Использование согласованной библиотеки программного обеспечения с плавающей точкой на различных платформах

Эти технологии эффективно преодолевают вызовы, возникающие из-за плавающих переменных и различий между платформами.

OPML имеет значительные преимущества в снижении затрат и повышении эффективности, открывая новые возможности для приложений Блокчейн AI. Проект все еще находится в стадии разработки, приглашаем заинтересованных разработчиков присоединиться к внесению вклада.

! OPML: Машинное обучение с оптимистичной системой свертывания