OPML: نظام تعلم الآلة على البلوكتشين مبني على منهج التفاؤل
OPML(آلة التعلم المتفائلة) هو نظام بلوكتشين جديد، يمكنه تحقيق استنتاج وتدريب نماذج الذكاء الاصطناعي بتكلفة منخفضة وكفاءة عالية. بالمقارنة مع ZKML، تتطلب OPML متطلبات أجهزة أقل، بل يمكن تشغيل نماذج اللغة الكبيرة مثل 7B-LLaMA على جهاز PC عادي.
لتحقيق تنفيذ فعال خارج السلسلة وتحكيم على السلسلة، قامت OPML ببناء آلة افتراضية مخصصة ومكتبة DNN خفيفة الوزن، واعتمدت تقنية الترجمة المتقاطعة لتحويل كود استدلال الذكاء الاصطناعي إلى تعليمات VM. يتم إدارة حالة VM بواسطة شجرة ميركل، حيث يتم رفع هاش الجذر فقط إلى السلسلة.
تتمثل قيود OPML ذي المرحلة الواحدة في أن جميع الحسابات يجب أن تتم داخل VM ولا يمكن الاستفادة من تسريع GPU. لذلك، تم توسيع OPML ليصبح بروتوكول متعدد المراحل:
المرحلة الثانية تنفذ حسابات عقد الرسم البياني في البيئة المحلية، ويمكن استخدام GPU
المرحلة الأولى ستحول حساب العقدة الفردية إلى تنفيذ تعليمات VM
تتيح OPML متعددة المراحل تسريع حسابات بمعدل α يصل إلى عشرات إلى مئات المرات مقارنة بالمراحل الفردية. في الوقت نفسه، ينخفض حجم شجرة Merkle من O(mn) إلى O(m+n).
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
OPML: نظام تدريب واستدلال نماذج الذكاء الاصطناعي منخفض التكلفة وفعال داخل السلسلة
OPML: نظام تعلم الآلة على البلوكتشين مبني على منهج التفاؤل
OPML(آلة التعلم المتفائلة) هو نظام بلوكتشين جديد، يمكنه تحقيق استنتاج وتدريب نماذج الذكاء الاصطناعي بتكلفة منخفضة وكفاءة عالية. بالمقارنة مع ZKML، تتطلب OPML متطلبات أجهزة أقل، بل يمكن تشغيل نماذج اللغة الكبيرة مثل 7B-LLaMA على جهاز PC عادي.
! OPML: التعلم الآلي مع مجموعة متفائلة
تستخدم OPML آلية لعبة التحقق لضمان عدم مركزية خدمات ML وقابليتها للتحقق. تتلخص العملية الأساسية في:
! OPML: التعلم الآلي مع نظام التجميع المتفائل
لتحقيق تنفيذ فعال خارج السلسلة وتحكيم على السلسلة، قامت OPML ببناء آلة افتراضية مخصصة ومكتبة DNN خفيفة الوزن، واعتمدت تقنية الترجمة المتقاطعة لتحويل كود استدلال الذكاء الاصطناعي إلى تعليمات VM. يتم إدارة حالة VM بواسطة شجرة ميركل، حيث يتم رفع هاش الجذر فقط إلى السلسلة.
! OPML: التعلم الآلي مع مجموعة متفائلة
تتمثل قيود OPML ذي المرحلة الواحدة في أن جميع الحسابات يجب أن تتم داخل VM ولا يمكن الاستفادة من تسريع GPU. لذلك، تم توسيع OPML ليصبح بروتوكول متعدد المراحل:
تتيح OPML متعددة المراحل تسريع حسابات بمعدل α يصل إلى عشرات إلى مئات المرات مقارنة بالمراحل الفردية. في الوقت نفسه، ينخفض حجم شجرة Merkle من O(mn) إلى O(m+n).
! OPML: التعلم الآلي مع مجموعة متفائلة
لضمان اتساق النتائج، تعتمد OPML على خوارزمية ثابتة ومكتبة عائمة برمجية، مما يحل مشكلة اختلاف الحسابات العائمة عبر المنصات المختلفة.
بشكل عام، يوفر OPML حلاً فعالاً ومنخفض التكلفة وقابلًا للتحقق لتعلم الآلة على البلوكتشين، مع آفاق تطبيق واسعة.
! OPML: التعلم الآلي مع نظام التجميع المتفائل