OPML: Система машинного навчання на базі блокчейн з оптимістичним підходом

OPML(Оптимістичне машинне навчання) є новим типом Блокчейн AI системи, яка може здійснювати AI моделювання та навчання/доладку Блокчейн системи оптимістичним методом. У порівнянні з ZKML, OPML здатен забезпечити нижчі витрати та вищу ефективність ML послуг. Вимоги до апаратного забезпечення OPML дуже низькі, звичайний ПК може виконувати великі мовні моделі, такі як модель 7B-LLaMA обсягом близько 26 ГБ.

OPML використовує механізм перевірки ігор для забезпечення децентралізації та перевірної консенсусу ML-сервісів. Основний процес виглядає так:

1. Запитувач ініціює завдання ML-сервісу
2. Сервер виконує завдання та подає результати на блок.
3. Верифікатор перевіряє результати, у разі суперечки запускається гра верифікації
4. Точне визначення помилкового кроку через бінарний протокол
5. Проведення покрокового арбітражу на смарт-контракті

Одноетапна верифікація гри

Принцип роботи протоколу точного позиціонування в один етап подібний до обчислення делегування (RDoC), припускаючи, що кілька сторін виконують однакову програму, через взаємні запитання знаходять спірні етапи, а потім арбітраж здійснюється за допомогою смарт-контрактів Блокчейн.

Основні характеристики гри OPML з одностадійною верифікацією:

• Побудова спеціалізованої віртуальної машини (VM) для виконання поза ланцюгом і арбітражу в ланцюзі.
• Реалізація легковісної бібліотеки DNN для підвищення ефективності AI-інференсу
• Використання технології перехресної компіляції для компіляції AI-коду в інструкції VM
• VM-образи використовують управління деревом Меркла, тільки кореневий хеш завантажується в блокчейн

Тестування показало, що на звичайному ПК базове DNN-інференціювання можна виконати за 2 секунди, а весь процес виклику можна завершити за 2 хвилини.

Багатоступенева верифікація гри

Щоб подолати обмеження одностадійної схеми, OPML запровадив багатоступеневу верифікаційну гру:

• Використовуйте VM тільки на останньому етапі, інші етапи можуть виконуватися в локальному середовищі
• Повністю використовуйте апаратні можливості прискорення, такі як CPU, GPU, TPU
• Значно підвищити продуктивність виконання, зменшивши залежність від VM

Ключовий дизайн багатофазного OPML:

1. Представити процес обчислення ML у вигляді обчислювального графа
2. Виконати верифікацію гри на рівні обчислень (Phase-2)
3. Обчислення спірних вузлів перетворюється в команди VM для верифікації Фази-1
4. Використання дерев меркля для забезпечення цілісності та безпеки між етапами

Покращення продуктивності

Аналіз показує, що багатоступеневий OPML має значні переваги порівняно з одноступеневою схемою:

• Швидкість обчислень підвищується в α разів ( α для GPU/паралельного прискорення )
• Розмір дерева Меркла зменшився з O(mn) до O(m+n)

Ці вдосконалення значно підвищили ефективність і масштабованість системи.

Узгодженість та визначеність

Щоб забезпечити узгодженість результатів OPML, були вжиті такі заходи:

1. Використання фіксованої точності алгоритму ( для кількісних технологій ) зменшує вплив помилок з плаваючою комою
2. Використання узгодженої бібліотеки плаваючої коми для різних платформ

Ці технології ефективно долають виклики, пов'язані з плаваючими змінними та відмінностями платформ.

OPML має значні переваги в зниженні витрат та підвищенні ефективності, відкриваючи нові можливості для застосування Блокчейн AI. Проект все ще перебуває в стадії розробки, запрошуємо зацікавлених розробників приєднатися до внеску.